1

T.P. 1: Mediciones Directas- Estimación del período de una

luz intermitente
 Argañaraz, Carla
 Gualdoni Becerra, Axel
 Otero, Adrián
Objetivos
o Estimar la magnitud y la incerteza estadística de la medición del periodo de una luz
intermitente (faro) con un cronometro.
o Comparar diferentes métodos para estimar los valores del error de medición.
o Analizar como varían las incertezas al modificar el número de observaciones (datos)
a tener en cuenta.
o Analizar la influencia del valor del factor de clase definido para un histograma sobre
su precisión.
o Familiarización con el programa de análisis de datos: "Origin"

Resumen
Para poder analizar los datos se deben saber comprender y analizar los distintos conceptos
estadísticos fue por ello que en este trabajo práctico tomamos una serie de datos y los analizamos
mediante el Origin.

Pudimos concluir que un mayor número de intervalos da como resultado histogramas y curvas
gaussianas más certeras y que tomar un conjunto de datos muy acotado no da resultados
experimentalmente viables como para poder sacar conclusiones válidas.

Introducción
Las mediciones y magnitudes de tipo aleatorio son producto de obtención de datos dispares y
desiguales. Estas magnitudes pueden ser cuantificadas y proporcionadas por distintos métodos
experimentales o de medición (está raro) e instrumentos.

La precisión es un carácter fundamental a tomar en cuenta en éstas prácticas y experimentaciones

las cuales guardan estrecha relación entre el experimentador y su interacción con el instrumento.

Los conceptos estadísticos más comunes (promedio, error estándar, desviación estándar) son
abarcados en este trabajo practico, desde su carácter teórico hasta su uso al momento de recaudar
información de un conjunto de datos, aleatorios. Así como el uso de gráficos y tablas informativas
para su mejor comprensión y estudio.

Media: sumatoria de valores cuantitativos, divididos por el número de mediciones.

Desviación estándar: arroja un valor de cuán alejado están mis valores del valor medio.
 2

Error estándar: valor , me informa de cuan disperso están mis mediciones con respecto al valor
medio.

 Media,
 moda
 mediana

Corresponde a la mitad de la sumatoria de los datos.

Moda

Valor medio mediana?: Dato cuantitativo el cual se encuentra ubicado entre la mitad de los datos
totales. No corresponde a un valor proporcional, si no que el divide en dos cantidades iguales el total
de los datos , mediciones.

En la

Materiales y métodos
Parte A
Para comenzar, nos dispusimos analizar cuál era el mejor número de intervalos (bins) para realizar
un histograma.

Para ello realizamos diferentes gráficos variando el número de bins partiendo de los datos
contenidos en el archivo TP12011Luz. Nuestra idea fue comparar los histogramas resultantes para
los valores: 2,4,6,8,16 y 32 para observar cuáles representaban de mejor manera los datos
originales.
 3

Para ello, proseguimos a realizar los pasos indicados en "guía de ayuda para realizar un
histograma"(1) de la página de la materia, pudiendo obtener seis gráficos para poder compararlos.

Parte B
Por otro lado, seguimos los pasos de la guía de laboratorio de la materia y, utilizando los archivos
“TP!_2015_luz.csv”, “Data104.csv”, “Data105.csv” y “Data108.csv”, suministrados por los docentes,
analizamos los mismos obteniendo para cada uno un histograma, una curva gaussiana y diferentes
parámetros estadísticos de análisis como la desviación estándar, la desviación estándar del valor
medio, la mediana, la media y la moda.

Resultados
PARTE A

Resultados de histogramas para diferentes valores de bin: 2, 4, 8, 16 y 32.

Grafico 1: histograma resultante para un valor de bin=2. Gráfico 2: histograma resultante para un valor de bin=4.

Gráfico 3: histograma resultante para un valor de bin = 8. Gráfico 4: histograma resultante para un valor de bin = 16.
 4

Gráfico 5: histograma resultante para un valor de bin = 32.

PARTE A

 Resultados TP1_2011_luz.cvs

Para N = 100

Gráfico 6: histograma para N=100. Gráfico 7: curva Gaussiana para N=100.

Para N= 50

Gráfico 8: histograma para N=50 Gráfico 9: curva Gaussiana para N=50

 5

Para N = 25

Gráfico 10: histograma para N=25 Gráfico 11: curva Gaussiana para N=25

ARCHIVO:
"TP1_2011_luz.csv"
N 100 50 25
Desviación estándar 0,08428 0,09236 0,09147
Desviación estándar 0,00843 0,01306 0,01829
del valor medio
Media 1,9212 1,9092 1,908
Mediana 1,94 1,94 1,94
Mínimo 1,57 1,57 1,57
Máximo 2,16 2,03 2,03

Tabla 1: Resultados de los valores estadísticos de TP1_2011_luz.

Observamos que tanto las desviaciones estándar como las desviaciones estándar del valor medio
para los diferentes valores de N decrecen según: columna 1 << columna 3 < columna 2, siendo las
dos últimas muy similares.

En cuanto a la media, observamos un valor prácticamente idéntico para las columnas 2 y 3, y un

valor levemente mayor para la columna 1. La mediana es exactamente idéntica para los tres valores
de N, al igual que el valor mínimo registrado; y el valor máximo registrado es idéntico para las
columnas 2 y 3 y ligeramente superior para la columna 1.
 6

Resultados Data104.cvs

Gráfico 12: Histograma resultante para N=200. Gráfico 13: Gaussiana resultante para N=200.

Gráfico 14: Histograma resultante para N=100. Gráfico 15: Gaussiana resultante para N=100.

Gráfico 16: Histograma resultante para N=50. Gráfico 17: Gaussiana resultante para N=50.
 7

Gráfico 18: Histograma resultante para N=25. Gráfico 19: Gaussiana resultante para N=25.

Para el Gráfico 12 se obtiene un histograma que da como resultado una curva gaussiana estándar,
apreciada en el Gráfico 13 ya que presenta una disposición de campana de gauss ideal.

Por otro lado, dicho comportamiento ideal presentado para un N= 200 en la curva gaussiana se va
alejando a medida que se va acotando el número de N, hasta llegar a una curva que no pasa por
ninguno de los "frequency counts" en el gráfico 13.

Por otro lado los histogramas presentaron disposiciones diferentes en cada caso, presentándose
más azarosamente a menores N.

ARCHIVO:
"Data104.csv"
N 200 100 50 25
Desviación estándar 25,84398 15,14708 12,69816 11,10073
Desviación estándar 1,82745 1,51471 1,79579 2,22015
del valor medio
Media 100,19146 79,33054 67,53558 57,85716
Mediana 98,165 83,463 72,174 58,072
Moda 116,291 - - -
Mínimo 33,932 33,932 33,932 33,932
Máximo 172,687 98,064 82,96 71,784

Tabla 2: Resultados de los valores estadísticos de Data104.

Para este conjunto de datos observamos valores aleatorios para las desviaciones estándar y las
desviaciones estándar del valor medio.

La media y la mediana fueron disminuyendo a medida que se reducía el conjunto de datos así como
también el máximo.

Por último, el mínimo permaneció invariable mientras que solo se observa la presencia de moda en
N=200.
 8

Resultados Data105.cvs

Grafico 20:Histograma resultante para N=200 Grafico 21: Gaussiana Resultante N=200

Grafico 22:Gausssiana resultante N=100 Grafico 23:Gaussiana Resultante N=100

Grafico 24: Gaussiana resultante N=50 Grafico 35:Histograma resultante N=50

Grafico 36:Gaussiana resultante N=25 Grafico 27:Histograma resultante N=25

ARCHIVO:
"Data105.csv"
N 200 100 50 25
Desviación estándar 66,20 21,31 24,91 41,38
Desviación estándar 4,68 2,13 3,52 20,85
del valor medio
Media 113,44 51,07 50,87 4,17
Mediana 103,34 52,25 52,81 15,463
Moda -- -- -- --
Mínimo -43,33 -43.33 -43,33 6,93
Máximo 233,95 95,81 95,81 95,81
Tabla 3: Resultados de los valores estadísticos de Data105.

Se puede apreciar en la tabla 3, los distintos resultados arrojados por la experimentación. Como
resultado final, se reconoce similitudes en los desvíos estándar (N=100, N=50). En lo que respecta a
valores máximos de las distintas mediciones (N= 100, N= 50 y N= 25) y en los mínimos (todas las
mediciones exceptuando N= 25) se contemplaron semejanzas tomando valores cuantificables
cercanos.

La mediana tomó valores poco proporcionales dependiendo del número de mediciones pero al igual
que la media se produjo correspondencia de valores cercanos: mediciones N= 100 y N= 50.

Por otra parte, para las medias se obtuvieron valores dispares en las distintas mediciones tomando
valores numéricos muy alejados unos de otros y solo se obtuvieron coincidencias numéricas
(cercanas) entre N=100 y N=50.

No se obtuvieron valores reiterados como para adquirir una moda.

Resultados Data108.cvs

Para N=200
 9

Gráfico 28: histograma para N=200 Gráfico 29: curva Gaussiana para N=200

Para N = 100

Gráfico 30: histograma para N=100 Gráfico 31: curva Gaussiana para N=100

Para N=50

Gráfico 32: histograma para N=50 Gráfico 33: curva Gaussiana para N=50

Para N= 25
 10

Gráfico 34: histograma para N=25 Gráfico 35: curva Gaussiana para N=25

ARCHIVO:
"Data108.csv"
N 200 100 50 25
Desviación 74,06 98,78 110,43 41,38
estándar
Desviación 5,237 9,8769 15,6173 8,2767
estándar del
valor medio
Media 46,05 57,08 57,87 33,6
Mediana 24,2575 25,279 20,9045 15,463
Moda - - - -
Mínimo 2,812 4,168 4,722 4,722
Máximo 624,384 624,384 624,384 155,005

Tabla 4: Resultados de los valores estadísticos de Data108.

Se presenta el mismo patrón de comportamiento para la desviación estándar del valor medio, que
resulta inversamente proporcional al valor de N para las primeras tres columnas; y se registra una
disminución del valor hasta 8,2767 en la columna 4.

En cuanto a la media se registran valores similares para N=100 y N=50, un valor superior a éstos para
N=200, y uno inferior para N=25.

No se registra valor de moda en ninguno de los cuatro casos. Observamos valores similares de
mínimo para las N=100, N=50 y N=25, no así para N=200 que registra un valor considerablemente
menor, cercano a la mitad del resto. Para los máximos, observamos valores similares para las
columnas 1, 2 y 3, y un valor considerablemente menor en la columna 4, cerca de tres veces menor
al resto.

Discusión de resultados
TP1_2015_LUZ.csv
 11

Según los resultados observados en la tabla 1, podemos ver que los valores de las columnas 2 y 3
coinciden casi perfectamente, mientras que la mayor variabilidad de los parámetros estadísticos se
dan en la columna 1, correspondiendo ésta ultima a la mayor cantidad de datos analizados (N=100).

Podemos deducir entonces, que los datos contenidos entre N=50 y N=100 son los que presentan la
mayor variabilidad, no siendo así para los valores contenidos entre N=25 y N=50, que arrojan valores
estadísticos casi idénticos.

Por lo tanto, dado que a mayor cantidad de repeticiones en la toma de datos, mayor será la
exactitud del resultado, la columna que provee los datos mas exactos (a pesar de ser menos
precisos) es la 1 (N=100).

Datos104.csv

Gráficos

Para comenzar, los histogramas dieron resultados azarosos ya que no sabemos exactamente de
dónde provienen los datos otorgados pero pudimos analizar que para un N= 200 presentaban una
distribución especial los bins, que no era así en los demás N ya que cada vez fueron más azarosas las
distribuciones.

Es por esto que en el gráfico 13 obtuvimos una curva gaussiana muy similar a una estándar y en los
demás casos se fue alejando de dicho parámetro ya que los bins fueron más variables

También pudimos analizar que al obtener un rango menor de datos, éstos no siguen un patrón
caracterizado y fue por eso que nos dieron histogramas y gaussianas tan variables.

Tabla

En la tabla 2, puede apreciarse una comparación fehaciente sobre la utilización de distintos

conjuntos de datos para realizar los distintos análisis estadísticos.

Para comenzar, analizando la desviación estándar, podemos observar que ésta varía
considerablemente entre N= 200 y N= 100 pero no tanto entre los otros valores. Asumimos que esto
fue dado por variantes azarosas ya que al tomar un número menor de datos, dicho conjunto fue
levemente diferente al anterior, dando como resultado diversas desviaciones.

El mismo razonamiento puede aplicarse a la desviación estándar del valor medio, ya que, por
ejemplo, es en N= 25 donde se encontró un mayor error ya que los resultados se alejaban más de la
media establecida para susodicho conjunto de datos pero no se sigue una tendencia clara entre los
distintos valores obtenidos.

En cuestión de la media y la mediana, ambas siguieron una tendencia a la baja entre los distintos
valores de N. Esto fue así ya que los valores de N tomados fueron siempre a partir del primer valor
(el menor), lo que generó que se obtuvieran conjuntos de datos cada vez más chicos. Esto generó la
tendencia observada en la Tabla 2.

Con respecto a la moda, como ella debe ser un valor que se repita, es más complicado encontrar una
moda en conjuntos de datos acotados, fue por eso que solo se presenta en N= 200.

Por último, para el mínimo, se obtuvo siempre un valor constante ya que como se mencionó
anteriormente, siempre se partió de un valor inicial que era el más chico de los datos y se fue
cambiando la cantidad de datos analizados. Fue por eso que el máximo sí fue cambiando y
 12

reduciéndose, a medida que se iban analizando conjuntos de datos cada vez más chicos, ya que los
datos analizados estaban en orden ascendente en este caso.

Datos 105.csv

Los resultados arrojados en este protocolo demuestran una reducción del error dependiendo del
número de cuentas y además de su elección .

La desviación estándar (N= 200) adquiere un valor de 66,20 .En cambio en las mediciones entre
valores menores (respecto al numero de mediciones total) , se ve una reducción del error en un 30%
p.ej.: las mediciones en (N50, y N100) adquieren valores cercanos a 20, con mayor precisión
(24,92;21,31) .Una explicacion factible serie que, a medida que avanzo la recoleccion de datos, la
presicion fue en aumento proporcionalmente. Esto ademas se ve reflejado en la media y mediana
sus valores en las mediciones n=100 y n=50 son similares.

Por otro lado se observa la reducción del error de desviación estándar en las mediciones de mayor
cota probablemente por un aumento en el número de mediciones lo que permitiría una mejor
obtención del valor medio buscado. Un claro ejemplo son los valores de desviación suministrados
por la medición N=25 que corresponden a las primeras mediciones.

Los valores máximos y mínimos se repiten a lo largo de la medición y adquieren valores muy alejados
unos con respecto a las medianas.

Datos108.csv

Podemos observar en la tabla 4, cómo el valor de la desviación estándar aumenta a medida que
disminuye el número de mediciones tomadas para las columnas correspondientes a N=200, N=100 y
N=50. En el caso de N=25 se observa una importante disminución del valor de este parámetro, a casi
el 50% del valor original (41,38).

La diferencia en los valores de desviación estándar y desviación estándar del promedio para la
columna 4 podría explicarse teniendo en cuenta que al acotar los datos tomados a solo N=25,
excluimos muchos otros, y esto resulto en una porción que contenía datos más similares entre si (es
decir con una menor desviación estándar) que si hubiésemos tomado todos los valores disponibles,
como podemos ver en promedio de esta columna es mucho menor al de las otras tres, indicando
que los valores no son representativos de todo el conjunto. Entonces, si bien el valor de desviación
estándar de la columna 4 es menor al resto, no es confiable dado que es una estadística sesgada,
por lo que son más confiables los valores de desviación estándar correspondientes a la columna 1,
siendo ésta la que tuvo en cuenta el mayor número de datos posible.

Conclusiones
Tal como fue esperado, al aumentar el número de mediciones del fenómeno, el valor de la
desviación estándar del mismo va disminuyendo, haciéndose el valor más preciso a mayor número
de repeticiones.

+Bins : +Exactitud en la gaussiana

 13

Agradecimientos
Agradecemos cordialmente a los JTPs por haber subido a la página de la materia la ayuda para hacer
histogramas en el Origin y por habernos dado el conjunto de datos, ahorrándonos las mediciones del
faro.

Una mención especial a todas aquellas personas que nos ayudaron a crackear el Origin. Los tenemos
presentes en nuestros corazones.

Referencias
(1): http://users.df.uba.ar/juank/L1FBG/Histogramas-Origin8-1c2013.pdf