Вы находитесь на странице: 1из 35

Apuntes de Laboratorio de Física

2010_2011

CONCEPTOS PREVIOS SOBRE CIENCIA Y EXPERIMENTACIÓN

Conocimiento  Ciencia
Existen tres tipos de conocimiento:
1. CONOCIMIENTO COMÚN O “DEL HOMBRE DE LA CALLE”
2. CONOCIMIENTO CIENTÍFICO
3. CONOCIMIENTO FILOSÓFICO (DE SEGUNDO ORDEN)

CONOCIMIENTO COMÚN O “DEL HOMBRE DE LA CALLE”


Bagaje de información sobre contenidos diversos que tenemos por
pertenecer a una determinada sociedad o cultura.
Se adquieren sin intervención de procesos de enseñanza o de aprendizaje
explícitos y se transmite de una generación a otra a través de mecanismos
de la tradición oral o escrita.
Características:
- Asistemático. No se utiliza ningún método o procedimiento
ordenado para recoger, organizar y contrastar los enunciados que se
proponen como respuestas o soluciones a las preguntas que se plantean.
- Sin comprobación empírica. Se obtienen a partir de las
observaciones directas y limitadas de ciertos fenómenos, estas se someten
a procesos de generalización pero sin comprobación.

CONOCIMIENTO CIENTÍFICO
Proporcionado por la Ciencia (Ciencias Naturales, Ciencias Sociales,
Filósofos de la Ciencia) a través de los científicos.
Ciencia: Conjunto estructurado de leyes que tienen ámbitos de
aplicación muy generales o universales. Conjunto de conocimientos objetivos
acerca de la naturaleza, la sociedad, el hombre y su pensamiento. Que se
apoya en dos supuestos:
- La existencia de una realidad natural ordenada, gobernada por
ciertas leyes.
- La posibilidad de descubrir esas leyes utilizando procedimientos
objetivos.
Finalidad de la Ciencia: Formular teorías científicas.
Teorías científicas: Conjuntos estructurados de leyes con ámbitos de
aplicación muy generales. Esquemas conceptuales amplios con los que

Laboratorio de física 2010_2011 1


representamos el conocimiento científico de forma sistematizada
incluyendo desde las relaciones observadas entre los hechos hasta los
mecanismos subyacentes que explican tales relaciones. Son
representaciones que no pretenden sustituir la realidad sino facilitar su
comprensión.
Características de las teorías para considerarlas científicas:
- Relevante. Tiene que ocuparse de aspectos que sean
significativos.
- Simple. Dadas dos teorías que expliquen lo mismo debe
preferirse la más simple y sencilla.
- Susceptible de prueba. Cuando se derivan hipótesis que pueden
ser contrastadas con los hechos de la naturaleza.
- Susceptible de modificación. Las teorías deben ser
modificadas si aparecen evidencias empíricas en contra de sus
predicciones, de manera que puedan explicar los nuevos datos,
sino seria sustituida.
Leyes científicas: Hipótesis de amplio alcance explicativo que ha sido
confirmada.
Hipótesis. Explicación tentativa a un problema de investigación, en
forma de un enunciado en el que se predice cómo se relacionan las variables
que están implicadas en él.

Funciones de las teorías:


- Sistematizar el conocimiento.
- Incrementar el conocimiento.
- Explicar los hechos mediante hipótesis
- Reforzar la contrastabilidad de las hipótesis
- Orientar la investigación
- Ofrecer una representación de un sector de la realidad

Modelos en las Ciencias Empíricas. Relaciones entre la representación y lo


representado:
- Modelos mecánicos: Representación y representado comparten la
misma estructura.
- Modelos analógicos: Similitud en su estructura y en su dinámica.
Se utiliza cuando para explicar un fenómeno desconocido se recurre a
otro cuya explicación ya esta establecida.
- Modelos teóricos: Tiene el carácter de una teoría con un ámbito
de aplicación mas o menos reducido. Los modelos serian algo así como
miniteorías que sirven para explicar áreas muy concretas de
conocimiento.

Laboratorio de física 2010_2011 2


Procedimiento utilizado por la Ciencia es el Método Científico
(Procedimiento estructurado que establece las directrices generales que
deben seguirse a lo largo de todo el proceso de investigación.)
Características del Método Científico:
- Contrastación empírica (con los hechos de la naturaleza) de las hipótesis.
- Replicabilidad de los resultados. (Siguiendo todos los pasos otra persona
debe llegar al mismo resultado)
Formas del MC dependiendo del punto de partida:
- Método Inductivo. Procede del empirismo. Consideran que
solo se puede llegar al conocimiento a través de la
experiencia. Se parte de la observación de la realidad para
acumular datos, ordenarlos y establecer leyes aplicables a
todo el conjunto de observaciones.
- Método Deductivo. Consiste en partir de un conjunto de
principios a los que se llega por procesos de razonamiento y a
través de la aplicación de la lógica deducir ellos implicaciones
que puedan ser contrastadas con los datos. Parte de un
conjunto de axiomas, principios indemostrables a los que llega
por procesos de razonamiento y establecer reglas de
procedimiento a partir de las cuales se realizan deducciones
lógicas aplicables a los datos reales. Permite hacer
inferencias sobre la realidad basadas en la construcción de
sistemas lógicos internamente consistentes. Ej. Matemáticas.
- Método Hipotético-Deductivo. Se caracteriza por
combinar la estrategia inductiva y deductiva. Hace que la
ciencia no sea una mera acumulación de datos de la
experiencia. El proceso puede comenzar:
a) Inductivo-deductivo. Desde los datos u observaciones
empíricas elaborar una teoría de la que se deducirán
consecuencias que habría que contrastar.
b) Deductivo-inductivo. Desde una teoría de la que se
deduce o ingiere una consecuencia que se va a
contrastar con los hechos empíricos y a partir de los
datos obtenidos en esa contrastación se corrobora,
se rechaza o se modifica lo deducido.

Laboratorio de física 2010_2011 3


Fases de la investigación científica:

1. Formulación del problema u objeto de estudio


2. Propuesta de hipótesis y proceso de contrastacion
Operativizar la hipótesis: Explicación tentativa del fenómeno. Definir con
exactitud cada una de las variables implicadas y especificar el tipo de
relación que existe entre ellas (condiciones antecedentes y condiciones
consecuentes.)

a) Formulación de hipótesis. Requisitos para que la hipótesis sea científica:


- Ser adecuada. Que no se oponga a las evidencias ya establecidas.
- Ser consistente. Sin contradicción entre sus partes.
- Ser compatible. Con otros enunciados actuales.
- Ser comprobable empíricamente. Las relaciones que proponga
entre las variables deben ser susceptible de observación

b) Requisitos a cumplir por las hipótesis para ser leyes:


- Expresar regularidades de comportamiento bajo determinadas
condiciones.
- Tener un carácter universal
- Establecer una relación necesaria entre las condiciones
antecedentes y consecuentes de la hipótesis, y no meramente probable o
coincidente.

c) Contrastación de la hipótesis.

d) Principios a tener en cuenta al elegir entre varias hipótesis:


- Principio de simplicidad
-Principio de generalización. Elegir la de mayor alcance explicativo.

3. Recogida, análisis e interpretación de los datos


4. Discusión de los resultados
5. Elaboración del informe de investigación

CONOCIMIENTO FILOSÓFICO (DE SEGUNDO ORDEN)


Se basa en la capacidad recursiva del ser humano (capacidad que
tenemos de reflexionar sobre reflexiones previas). Se llama de 2º orden
porque toma como objeto de estudio determinadas parcelas de conocimiento
que le proporcionan otras disciplinas y constituye categorías para analiza
esos conocimientos.

Laboratorio de física 2010_2011 4


No hacen investigación científica, sus reflexiones y análisis
metacientíficos tienen como objeto delimitar y definir el método que tiene
que utilizar la Ciencia, sus posibles contenidos de estudio, y su lenguaje.

Cuestiones Metodologías. Objeto: Delimitar las directrices que


deben guiar al quehacer científico.
Estrategias para la contrastación (Son contrastables si se puede
dar un juicio favorable o desfavorable para dicho enunciado.)
-Verificación. Un enunciado es verificable si empíricamente se puede
comprobar que se trata de un enunciado verdadero. El
problema es que siempre puede aparecer al menos algún
nuevo caso que falsearía la hipótesis. De la verdad de un
enunciado particular no se puede concluir la verdad de un
enunciado universal.
- Confirmación. Los datos que podemos encontrar en la experiencia, o bien
son favorables a la hipótesis y la apoyan (probablemente
cierta) o son desfavorables (probablemente falsa).
Inconvenientes: Solo podemos estar relativamente seguros de ella,
porque puede haber datos que no hayamos encontrado y que no se ajusten a
la hipótesis. Nos movemos en el campo de la probabilidad. Los enunciados se
plantean de manera provisional.
-Falsación. Es la que cuenta con mayor reconocimiento. Consiste en la
búsqueda de datos que vayan en contra de nuestra hipótesis
que la refuten, porque en el momento que se encuentra uno,
se puede concluir que la hipótesis es falsa. De la falsedad
de un enunciado particular se pude concluir la falsedad del
enunciado universal.
Inconvenientes: Puede resultar muy complicado y costoso.
Podría suponer la paralización de la investigación
Ventajas: Es muy potente.

METODO EXPERIMENTAL: Estrategia de investigación que tiene como


objetivo establecer relaciones de causalidad entre la variable independiente
y la dependiente. A través de la manipulación directa de las variables de
estudio
 Máximo control interno. Control sobre las variables
potencialmente contaminadoras de los resultados.
 Máximo intervención del investigador. Actuación directa del
investigador sobre las condiciones de aparición del fenómeno
en estudio.

Laboratorio de física 2010_2011 5


(V.I.) Variable independiente: Es la que manipula el investigador. Permite
predecir los resultados o llevar a hacer pronósticos. Una variable
independiente puede ser la “causa” de otra variable.

(V.D.) Variable dependiente: mide el efecto del cambio en la variable


independiente

 Experimento. Situación artificial dentro o fuera del


laboratorio creada por el experimentador, donde se manipulan
las variables objeto de estudio y se mantienen constantes, se
aleatorizan o se eliminan aquellas variables que no interesan y
pueden influir en los resultados.
 Experimento de laboratorio. El experimentador reproduce
artificialmente la situación que pretende estudiar. Situación
más controlada y artificial.
 Experimento de campo. Se realiza en el ambiente natural,
donde el experimentador manipula y controla las variables que
le interesan.
 Experimento piloto. Ensayo que realiza antes de la
investigación para estudiar la influencia de alguna V. Extraña,
el nº y valor de las variables, el tiempo empleado en realizarlo,
como funcionan los aparatos...

1.- LABORATORIO DE FÍSICA: INTRODUCCION

Todas las ciencias experimentales se fundamentan en la experiencia,


y ésta a su vez en la determinación cuantitativa de las magnitudes
pertinentes. En definitiva, todas las ciencias precisan de la medida, bien
directa, bien indirecta de magnitudes físicas. Medir implica generalmente
comparar la magnitud objeto de la medida con un patrón. El resultado de la
medida se expresa con un número y una unidad, dependiendo esta última del
patrón que se haya escogido.

Las medidas nunca permiten obtener el “verdadero valor” de la


magnitud que se mide. Esto es debido a multitud de razones. Las más
evidentes son las imperfecciones, inevitables en un cierto grado, de los
aparatos y de nuestros sentidos. El “verdadero valor” de una magnitud no es
accesible en la realidad y por ello resulta más propio hablar de
estimaciones, medidas o aproximaciones del valor de una magnitud.
Independientemente de estas consideraciones, en el ámbito de la Física se
sabe que no tiene sentido hablar del valor de una magnitud, sino sólo de la

Laboratorio de física 2010_2011 6


probabilidad de obtener uno u otro valor en una determinada medida de
esta magnitud. Esto no es el resultado de las imperfecciones de los
aparatos, sino de la propia esencia de la naturaleza. Este carácter
probabilístico de las magnitudes se hace patente a nivel microscópico.

La consecuencia de las consideraciones anteriores es que toda medida


es incierta o está dotada de un cierto grado de incertidumbre. Es esencial
estimar ésta incertidumbre, primero porque el conocimiento de la
incertidumbre aumenta la información que proporciona la medida, y segundo,
porque este conocimiento permite manejar las medidas con la prudencia que
dicta el conocimiento de la confianza que nos merecen.

Cuando se exprese el resultado de una medida es pues necesario


especificar tres elementos: número, unidad e incertidumbre. La ausencia de
alguna de ellas elimina o limita la información que proporciona.

1.1.- DEFINICIONES

Instrumento de medida: dispositivo empleado para determinar el valor o la


magnitud de una cantidad o variable.

Exactitud: la cercanía con la cual la lectura de un instrumento de medida se


aproxima al valor verdadero de la variable medida.

Precisión: una medida de la repetitibidad de las mediciones. Dado un valor


fijo de una variable, la precisión es la medida del grado con el cual
mediciones sucesivas difieren una de la otra.

Incertidumbre: grado de exactitud, seguridad o confianza con que fue


hecha la medición.

Error: la desviación del valor verdadero al valor medido.

La diferencia entre exactitud y precisión puede aclararse con el


siguiente ejemplo. Consideremos un reloj que además de no marcar la hora
oficial, cada hora se adelanta 3 minutos con relación a ésta. Este es un
instrumento que no es ni preciso ni exacto. Ahora, un reloj que ni se
adelanta ni se atrasa, pero con respecto a la hora oficial tiene una
diferencia constante de 5 minutos. Este es un instrumento preciso pero no
es exacto. Por último consideremos un reloj que ni se atrasa ni se adelanta y
además marca la hora oficial. Este es un instrumento preciso y exacto.

Laboratorio de física 2010_2011 7


1.2.- CIFRAS SIGNIFICATIVAS

La exactitud de los datos obtenidos en un experimento depende tanto


de los instrumentos de medida como de la calidad del experimentador. Por
cuanto todo instrumento de medida tiene un límite de sensibilidad, es lógico
pensar que al medir, por ejemplo el tiempo, con un reloj de pulsera, es
imposible obtener una exactitud de milésimas o millonésimas de segundo. El
correcto manejo de los datos obtenidos en un experimento, en cuanto a su
precisión se refiere, se trabaja con las cifras significativas.

Al afirmar que la medición de cierta longitud dio como resultado 15,4


cm, se quiere decir que sobre el valor de 15 cm tenemos plena certeza,
mientras que el 4 decimal es un tanto ambiguo y está afectado por cierto
error. Lo único que se puede decir con seguridad es que el valor obtenido
está más cerca de 15 cm que de 16 cm ó de 14 cm. Acerca de las centésimas
no se dice nada. No sabemos si el resultado de la medición es 15,42 cm ó
15,38 cm, pero sí que este valor se encuentra entre 15,35 cm y 15,45 cm,
presentándose entonces una incertidumbre total de 0,1 cm. Como vemos no
es lo mismo escribir 15,4 cm que escribir 15,40 cm ya que en este caso
estamos afirmando que conocemos la longitud con una exactitud de hasta
una centésima, (que es diez veces más exacto que en el caso anterior) y así,
la incertidumbre es ya de una milésima de centímetro, es decir el valor de la
longitud se encuentra entre 15,395 cm y 15,415 cm. Las dos cifras 15,4 cm y
15,40 cm implican métodos e instrumentos de medida que pueden ser
diferentes.

De esta manera:

15,4 cm = 154 mm = 0,154*102 cm = 0,154 m = 0,000154 km = …

Todo este bloque de cifras contiene la misma información desde el


punto de vista experimental. Se dice por lo tanto que todas ellas tienen el
mismo número de cifras significativas que en este caso es de tres (3),
compuesta de dos dígitos ciertos (15) y uno afectado por la incertidumbre
(el 4 decimal). Sin embargo el número total de dígitos no representa
necesariamente la precisión de la medición. Por ejemplo la población de una
ciudad se reporta con seis cifras como 260 000. Esto podría entenderse
como que el valor verdadero de la población yace entre 259 999 y 260 001,
los cuales tienen seis cifras significativas. En realidad lo que significa es
que la población está más cerca de 260 000 que de 250 000 ó de 270 000.
En notación decimal: 26*104 ó 2,6*105

Laboratorio de física 2010_2011 8


1.3.- REDONDEO

A continuación se exponen las normas para redondear un número


cualquiera a un número dado de cifras significativas.

1) La última cifra retenida se incrementa en 1 si el primer dígito descartado


es mayor que 5.

Ejemplo:

REDONDEO A DOS
NUMERO ORIGINAL OBSERVACIONES
CIFRAS
1,86 1,9
1,869 1,9 1,87 (a tres cifras)
1,96 2,0
1,960 2,0
9,96 10

2) Si el dígito descartado es menor que 5 entonces el retenido no se altera.

Ejemplo:

Número original redondeo a dos cifras a tres cifras


1,84 1,8 1,84
1,849 1,8 1,85
1,842 1,8 1,84
1,80 1,8 1,80
1,809 1,8 1,81

3) Cuando el primer dígito descartado es justamente 5 y no existen otros


dígitos a su derecha (por ejemplo redondear a 3 cifras 41,75 ó 3,865) o si
hay solamente ceros (por ejemplo redondear a tres cifras 41,7500 ó
9,7250) entonces el número retenido se aumenta en 1 sólo si al hacerlo se
convierte en par.

Laboratorio de física 2010_2011 9


Ejemplo:

REDONDEO A DOS
NUMERO ORIGINAL
CIFRAS
1,35 1,4
1,350 1,4
1,55 1,6
1,25 1,2

4) Si el número descartado es justamente 5 y hay a su derecha dígitos


diferentes de cero, entonces el último retenido se aumenta en 1.

Ejemplo:

REDONDEO A DOS
NUMERO ORIGINAL
CIFRAS
1,9451 1,95
1,94510 1,95
1,94501 1,95

1.4.- OPERACIONES

En general durante cualquier sesión de laboratorio se tomarán datos


de diferentes variables físicas con diferente número de cifras y después se
efectuarán con ellos diversas operaciones matemáticas con el fin de hallar
el valor de otra variable. A continuación se dan algunas sugerencias sobre
como manipular los datos obtenidos experimentalmente para que la
respuesta final quede expresada en forma correcta.

1) El resultado de una operación de multiplicación, división o elevación a una


cierta potencia tiene usualmente el mismo número de cifras significativas o
a lo sumo una más, que la cantidad de la operación que tenga el menor
número de cifras significativas.

Ejemplo:

Conociendo los lados de un rectángulo a = 23,975 cm y b = 17,03 cm


queremos calcular su área A = a x b

según la calculadora: A = 23,975 cm x 17,03 cm = 408,29425 cm2 .

Laboratorio de física 2010_2011 10


Pero si la exactitud con que conocemos el valor del lado “a” es de una
milésima de centímetro y del lado “b” es de una centésima de centímetro, es
evidente que el resultado no puede tener una exactitud de una cienmilésima.
Por lo tanto la notación correcta, ateniéndonos a la regla expuesta sería:

A = 408,29 cm2 (o, según sea la situación, A = 408,3 cm2 teniendo en cuenta
el redondeo)

2) Al sumar o restar el redondeo debe realizarse de tal manera que el


resultado no tenga más decimales (no cifras significativas) que el número
con menor cantidad de decimales.

Ejemplo: 495,2 + 20,348 = 515,548 (según la calculadora)

Pero según la regla enunciada la notación correcta sería

495,2 + 20,348 = 515,5 (limitándonos a una cifra decimal).

3) Un número como el 2 en la expresión 2r ó o como ½ en la expresión ½ mv2,


se deben tomar con tantas cifras significativas como el número que más
tenga en la expresión correspondiente.

2.- TEORIA DE ERRORES

El resultado de toda medición siempre tiene cierto grado de


incertidumbre. Esto se debe a las limitaciones de los instrumentos de
medida, a las condiciones en que se realiza la medición, así como también, a
las capacidades del experimentador. Es por ello que para tener una idea
correcta de la magnitud con la que se está trabajando, es indispensable
establecer los límites entre los cuales se encuentra el valor real de dicha
magnitud. La teoría de errores establece estos límites.

2.1.- TIPOS DE ERRORES

El significado de la palabra “error” no es muy preciso, puesto que con


frecuencia autores diferentes lo emplean con sentidos diferentes. En un
sentido amplio puede considerarse el error como una estimación o
cuantificación de la incertidumbre de una medida. Cuanto más incierta sea
una medida, tanto mayor será el error que lleva aparejado.

Suelen distinguirse tres tipos de errores: errores sistemáticos,


accidentales y de escala.

Laboratorio de física 2010_2011 11


Errores sistemáticos

Como su nombre indica, no son debidos al azar o a causas no


controlables. Pueden surgir de emplear un método inadecuado, un
instrumento defectuoso o bien por usarlo en condiciones para las que no
estaba previsto su uso. Por ejemplo, emplear una regla metálica a una
temperatura muy alta, puede introducir un error sistemático si la dilatación
del material hace que su longitud sea mayor que la nominal. En este caso,
todas las medidas pecarán (sistemáticamente) por defecto. El error podría
evitarse eligiendo un material de coeficiente de dilatación bajo o
controlando la temperatura a la que se mide.

Medir temperaturas con un termómetro graduado en grados


Farenhait, suponiendo por equivocación que está graduado en grados Celsius,
introduce también un error sistemático en la medida. El error se evita en
este caso recabando información sobre la escala del termómetro.

Se caracterizan por su reproducibilidad cuando la medición se realiza


bajo condiciones iguales, es decir siempre actúa en el mismo sentido y tiene
el mismo valor. El error sistemático se puede eliminar si se conoce su causa.

Los errores sistemáticos no son objeto de la teoría de errores.


Realmente son equivocaciones que pueden y deben evitarse, empleando
métodos e instrumentos de medida correctos y adecuados a los fines que se
deseen obtener.

Errores accidentales

Estos son los que llamaremos simplemente errores en el sentido


técnico de la palabra. Son incertidumbres debidas a numerosas causas
incontrolables e imprevisibles que dan lugar a resultados distintos cuando se
repite la medida en condiciones idénticas.

Los errores accidentales, o errores propiamente dichos, parecen


fruto del azar, y por ello reciben el nombre de errores aleatorios. Pueden
ser debidos a la acumulación de muchas incertidumbres sistemáticas
incontrolables o bien pueden provenir de variaciones intrínsecamente
aleatorias a nivel microscópico. En ambos casos el resultado es que las
medidas de una magnitud siguen una distribución de probabilidad, que puede
analizarse por medios estadísticos. Aunque la presencia de los errores
accidentales no pueda evitarse, sí puede estimarse su magnitud por medio
de estos métodos estadísticos.

Laboratorio de física 2010_2011 12


Se caracterizan por ser de carácter variable, es decir que al repetir
un experimento en condiciones idénticas, los resultados obtenidos no son
iguales en todos los casos. Las diferencias en los resultados de las
mediciones no siguen ningún patrón definido y son producto de la acción
conjunta de una serie de factores que no siempre están identificados. Este
tipo de error se trabaja estadísticamente. El error accidental se puede
minimizar aumentando el número de mediciones.

Errores de escala:

Todo instrumento de medida tiene un límite de sensibilidad. El error


de escala corresponde al mínimo valor que puede discriminar el instrumento
de medida.

El error total x es igual a la suma de estos tres tipos de errores.


Aun cuando el error total x se pueda minimizar, es imposible eliminarlo del
todo debido a que el error de escala siempre está presente. Por lo tanto, el
error total no tiende a cero sino a cierto valor constante.

Cuando la medición se realiza una sola vez el error está dado por:

x = escala + sistemático

Cuando la medición se realiza varias veces el error está dado por:

x = escala + sistemático + accidental

A la par con los mencionados existen otros tipos de errores como son
por ejemplo los errores estáticos y los errores dinámicos. Los errores
estáticos se originan debido a las limitaciones de los instrumentos de
medida o por las leyes físicas que gobiernan su comportamiento. En un
micrómetro se introduce un error estático cuando se aplica al eje una
fuerza excesiva. Los errores dinámicos se originan debido a que el
instrumento de medida no responde lo suficientemente rápido para seguir
los cambios de la variable medida. Cualquier tipo adicional de error se puede
clasificar en uno de los grupos mencionados anteriormente.

Laboratorio de física 2010_2011 13


2.2.- EXPRESIÓN DE LOS ERRORES

Error absoluto

Por motivos obvios, y por su propia naturaleza, no es posible


determinar exactamente un error. En el mejor de los casos, puede llegarse
a una estimación de ese error. Cuando el resultado de una medida se
expresa por:

valor medio = x ± x (unidad)

lo que se quiere decir es que la magnitud medida se encuentran en el


intervalo ( x-x , x+x ) con una determinada probabilidad. Con una medida
logramos acotar el intervalo de valores en los que se encuentra la magnitud
que pretendemos medir, pero siempre con una determinada probabilidad. Es
evidente que el error expresado por x es una magnitud de la misma clase
que la medida y se expresa por tanto con la misma unidad. También es claro
que en las medidas de calidad normal el error x debe ser mucho menor que
el valor nominal, x. Por definición x es siempre positivo.

Error relativo

Se define como el cociente del error absoluto, x dividido por |x|.

x
Error relativo =
x

En medidas de una cierta calidad el error relativo debe ser mucho


menor que la unidad. Frecuentemente se expresa multiplicado por 100, con
lo que aparece en tanto por ciento del valor medido:

x
Error relativo (%) = * 100
x

3.- MEDICIONES

3.1.- TIPOS DE MEDIDAS

Medidas directas: cuando la magnitud física a medir es cuantificable con el


propio instrumento de medida (temperatura, longitud, etc.)

Laboratorio de física 2010_2011 14


Medidas indirectas: cuando para obtener el valor de la magnitud física es
indispensable valerse de otros parámetros medibles (energía cinética,
potencia, etc.)

Al realizar varias mediciones de una misma magnitud todas ellas


difieren en su valor, sin embargo oscilan en torno a un valor medio x que es
el valor más probable de una medida variable.

xi
Este valor se expresa: x
n

Donde: x es la media aritmética

xi son las mediciones experimentales

n es el número de mediciones

Aun cuando las mediciones se realizaron con el mismo instrumento


cada medición experimental xi tiene su error xi con respecto a x.

Si definimos x como el máximo error posible entre todos los valores


xi, entonces la forma correcta de escribir el valor de la magnitud física
medida es: x  x  x

xmax  xmin
Definimos x como: x 
2

donde: xmax es la mayor lectura

xmin es la menor lectura

Ejemplo:

Se mide el tiempo de caída de un cuerpo desde cierta altura. Los


resultados de las 4 mediciones realizadas con un cronómetro son:

t1 = 12,0 s ; t2 = 12,5 s ; t3 = 13,0 s ; t4 = 12,8 s

El valor promedio del tiempo según la calculadora es:

t1  t2  t3  t4
t  12.575 s
4

Redondeando obtenemos: t  12.6 s

Laboratorio de física 2010_2011 15


tmax  tmin 13.0 s  12.0 s
El error se expresa: t    0. 5 s
2 2

La expresión correcta del resultado es: t  t  t ; t = (12.6 ± 0.5) s

La forma de expresar x en la expresión x  x  x , se conoce como


error absoluto y sus unidades son las del promedio (en nuestro ejemplo en
segundos).

x
Cuando x se divide por la media aritmética entonces la cantidad
x
se denomina error relativo y no tiene unidades o se expresa en tanto por
ciento (%).

En nuestro ejemplo el resultado se expresaría: t = 12.6 s ± 4%

3.2.- CALCULO DEL ERROR EN LA SUMA Y LA DIFERENCIA

Sean a y b magnitudes experimentalmente obtenidas con sus errores


respectivos: a = a ± a b = b ± b

y c la magnitud a determinar a partir de ellas.

Entonces, si c = a + b

el error absoluto de c estará dado por: c = a + b

El error absoluto de la suma o de la diferencia de magnitudes


experimentalmente obtenidas, es igual a la suma de los errores absolutos de
esas magnitudes. Cabe destacar que en el caso de la diferencia si
restásemos los errores, eventualmente obtendríamos un error nulo, lo cual
está descartado por lo cual consideramos la peor situación, es decir
sumamos los errores.

3.3.- CALCULO DEL ERROR EN EL PRODUCTO Y LA DIVISION

Sean a y b magnitudes experimentalmente obtenidas con sus errores


respectivos: a = a ± a b = b ± b

y c la magnitud a determinar a partir de ellas.

a
Entonces, si c = a·b ó c 
b

Laboratorio de física 2010_2011 16


c a b
el error relativo de c está dado por:  
c a b

El error relativo del producto o la división de magnitudes


experimentalmente obtenidas, es igual a la suma de los errores relativos de
cada una de esas magnitudes.

Un caso general que cabe destacar es cuando la magnitud a


determinar tiene la forma:

X1a  X2b   
Yk
X3c   

donde a, b, c, etc. son exponentes enteros o fraccionarios positivos y k es


una constante.

En este caso el error relativo de Y está dado por:

Y X1 X X
a  b 2  c 3  ...
Y X1 X2 X3

Cuando el resultado consiste en elevar la medida experimental a la


enésima potencia el error relativo en este caso es multiplicar el error
relativo de la medida experimental n veces.

En el caso más general, supóngase que R es una función de las


variables independientes x1,x2,x3, … , xn; por tanto : R = R(x1,x2,x3, … , xn)

Sea R el error en el resultado y 1, 2, … , n los errores en las


variables independientes. Si los errores en las variables independientes
tienen las mismas probabilidades, entonces el error en el resultado es:

 Para el caso de pocas mediciones (máximo 10 mediciones):

R R R
R  x1  x2  ...  xn
x1 x2 xn

 Para el caso de muchas mediciones (más de 100 mediciones):

1
2 2 2 2
 R   R   R  
 R    1     2   ...    n  
 x1  
 2x  
 nx  

Laboratorio de física 2010_2011 17


4.- DESVIACIÓN

4.1.- DESVIACION DE LA MEDIA

La desviación es el alejamiento de una lectura dada de la media


aritmética del grupo de lecturas. Si d1 es la desviación de la primera lectura
x1 y d2 es para la segunda lectura x2 entonces la desviación de la media se
puede expresar como:

d1  x1  x d2  x2  x dn  xn  x

Observe que el valor de las desviaciones de la media pueden tener


valores tanto positivos como negativos y que la suma algebraica de todas las
desviaciones debe ser cero.

4.2.- DESVIACION PROMEDIO

La desviación promedio es una indicación de la precisión de los


instrumentos empleados al hacer las mediciones. Instrumentos altamente
precisos darán una desviación promedio baja. Por definición la desviación
promedio es la suma de los valores absolutos de las desviaciones dividida por
el número de lecturas.

d1  d2  ...  dn  dn
D 
n n

4.3.- DESVIACION STANDAR

Por definición la desviación estándar de un número finito de datos


está dada por:

d12  d22  ...  dn2



n 1

Otra expresión similar es la varianza o desviación media al cuadrado (V):

V = 

La varianza es una cantidad conveniente en muchos cálculos por


cuanto tiene la propiedad aditiva. La desviación estándar, sin embargo, tiene
la ventaja de tener las mismas unidades de la variable haciendo fácil la
comparación de magnitudes.

Laboratorio de física 2010_2011 18


Ejemplo:

Los valores de 10 mediciones de una resistencia son: 101,2; 101,7;


101,3; 101,0; 101,5; 101,3; 101,2; 101,4; 101,3 y 101,1. Calcular la media
aritmética y la desviación estándar.

Construyamos una tabla con los valores de la lectura del instrumento,


la desviación y la desviación al cuadrado:

Lecturas Desviacion
x d d2
101,2 -0,1 0,01
101,7 0,4 0,16
101,3 0,0 0,00
101,0 -0,3 0,09
101,5 0,2 0,04
101,3 0,0 0,00
101,2 -0,1 0,01
101,4 0,1 0,01
101,3 0,0 0,00
101,2 -0,2 0,04
x  1013.0  d  1 .4 d2  0.36

x 1013.0
La media aritmética x    101.3 
n 10

d2 0.36
La desviación estándar     0.2
n 1 9

4.4.- AJUSTE POR MÍNIMOS CUADRADOS

Hasta ahora nos hemos ocupado de la manera de obtener el mejor


valor de una magnitud a partir de una o varias medidas. Un problema más
general es determinar la relación funcional entre dos magnitudes x e y como
resultado de experimentos.

Laboratorio de física 2010_2011 19


Supongamos que por razones teóricas bien fundadas sabemos que
entre x e y existe la relación lineal:

y=ax+b

y deseamos determinar los parámetros a y b a partir de n medidas de x e y.


a es la pendiente de la recta, es decir, la tangente del ángulo que forma con
el eje de abscisas, y b la ordenada en el origen, es decir la altura a la que
corta la recta al eje de ordenadas. Para concretar, supongamos que los
valores que han resultado de un experimento son los siguientes:

xi 1 2 3 4 5 6
Yi 1.5 2.5 4.0 3.6 5.9 6.1

Ante un problema de este tipo, lo primero que conviene hacer es


representar gráficamente los resultados para observar si los valores
medidos se aproximan a una recta o no. En la figura se han representado las
medidas anteriores.

4
Y

1
0 1 2 3 4 5 6 7
X

Representación de los pares de valores xi, yi correspondientes al experimento.

A la vista del gráfico parece claro que las dos variables siguen una
relación lineal. La recta que parece representar mejor la relación se ha
dibujado “a ojo”. Es importante darse cuenta de que los seis puntos
dibujados no pasan todos por la misma recta. Esto es debido a los errores
de las medidas, por lo que los puntos se distribuyen de forma más o menos
aleatoria en torno a esa recta. A pesar de ello es claramente visible la
tendencia lineal de los puntos.

Para determinar la recta que mejor se adapta a los puntos se emplea


el llamado método de los mínimos cuadrados. Para un valor de x
determinado, la recta de ajuste proporciona un valor diferente de y del

Laboratorio de física 2010_2011 20


medido en el experimento. Esta diferencia será positiva para algunos puntos
y negativa para otros, puesto que los puntos se disponen alrededor de la
recta. Por este motivo, la suma de estas diferencias para todos los puntos
es poco significativa (las diferencias negativas se compensan con las
positivas).

Por ello, para medir la discrepancia entre la recta y los puntos, se


emplea la suma de los cuadrados de las diferencias, con los que nos
aseguramos de que todos los términos son positivos. Esta suma tiene la
forma:

 y  axi  b 
2
 i
i1

De todas las posibles rectas que podemos trazar, caracterizadas por


los parámetros a y b, la recta que mejor se ajusta a los puntos es la que
hace mínima la suma expresada en la ecuación anterior. Esto es fácil de
comprender, puesto que esta suma representa la discrepancia entre los
puntos y la recta. Las condiciones de mínimo (primeras derivadas nulas)
conducen a las ecuaciones:

n n n n n
a xi2  b xi   xi yi a xi  bn  y i
i1 i1 i1 i1 i1

que se conocen como ecuaciones normales para la determinación de a y b. n


es el número de parejas de valores de que se parte para determinar la
recta.

Las soluciones de las ecuaciones normales son:

n  xy   x  y  y  a x
a b
n  x 2   x  n
2

donde por claridad se han suprimido los límites de los sumatorios.

Con los datos del ejemplo y aplicando las anteriores ecuaciones,


resulta a = 0.94 y b = 0.65 que es la recta que mejor se ajusta a los datos
según el método de los mínimos cuadrados.

El caso de una relación lineal que hemos tomado como ejemplo no es


tan especial como podría pensarse, porque muchas relaciones funcionales de

Laboratorio de física 2010_2011 21


interés pueden transformarse en lineales con un cambio de variable
adecuado y/o tomando logaritmos.

4.4.1.- BONDAD DE UN AJUSTE

Queda por dilucidar, después de obtenida la ecuación de la recta que


mejor se ajusta a un conjunto de datos, si el ajuste de los datos a una recta
es realmente bueno o mediocre. Puede ayudar la inspección del gráfico de
los puntos, aunque es deseable disponer de un criterio objetivo al respecto.
Un método para determinar si dos variables están relacionadas es mediante
el llamado coeficiente de correlación lineal, que puede calcularse con la
siguiente expresión:

n  xy   x  y 
r
n x 2
  x 
2
 n y 2
  y 
2

Un coeficiente de correlación próximo a la unidad indica un ajuste
bueno, mientras que si es próximo a cero, el ajuste es pobre, es decir, no
puede aceptarse que la relación entre las variables sea lineal.

4.4.2.- ERRORES DE LOS PARÁMETROS

Los parámetros que se obtienen por el método de mínimos cuadrados


son, evidentemente, inexactos porque se han determinado a partir de n
datos y no de infinitas medidas. El cálculo del error de estos parámetros es
complicado cuando todos los números xi e yi tienen error. Para simplificar
adoptaremos un método sencillo que nos permitirá estimar la incertidumbre
que podemos asignar a los parámetros a y b.

Veámoslo con un ejemplo. Supongamos que hemos medido la distancia


recorrida por un móvil en diferentes intervalos de tiempo. El móvil se mueve
con velocidad constante. Los resultados con los errores son los siguientes:

t(s) 2,0 4,0 6,0 8,0 10,0 12,0


et(s) 0,1 0,1 0,1 0,1 0,1 0,1
S(m) 1,2 1,9 2,8 4,3 4,9 6,1
eS(m) 0,1 0,1 0,1 0,1 0,1 0,1

Suponiendo que el tiempo es la variable independiente, la ecuación de


la recta de ajuste obtenida por el método de mínimos cuadrados, calculada
con el método anterior es:

Laboratorio de física 2010_2011 22


S = 0,5t + 0,033

expresada la distancia en metros y el tiempo en segundos. La velocidad del


móvil es por tanto de 0,5 m/s. Para estimar el error de esta velocidad,
determinaremos la velocidad para cada pareja de valores S,t por simple
división. Podemos obtener el error de cada una de las velocidades:

v 1 v S eS S  e t
 ;  2 ev  
S t t t t t2

Sustituyendo para cada pareja de valores S y t resulta:

t(s) 2,0 4,0 6,0 8,0 10,0 12,0


S(m) 1,2 1,9 2,8 4,3 4,9 6,1
v(m/s) 0,60 0,48 0,47 0,54 0,49 0,51
ev(m/s/ 0,08 0,04 0,04 0,03 0,02 0,01

A partir de los errores de estas velocidades cabe estimar el error


con diferentes criterios, por ejemplo el error medio. Adoptaremos un
criterio más conservador y tomaremos como error el mayor de todos los
calculados. En este caso se corresponde con el obtenido con la primera
pareja de valores, es decir, 0,08 m/s. El resultado final será por tanto:

v = 0,50 ± 0,08 m/s.

El método propuesto puede parecer un tanto artificial, aunque tiene


la ventaja de ser sencillo. Es importante notar que la velocidad se calcula a
partir del ajuste de los datos a una recta. Los cálculos de velocidad
parciales sólo sirven para estimar el error.

5.- NORMAS SOBRE LA PRESENTACIÓN DE GRÁFICAS

5.1.- Importancia de la representación gráfica de datos experimentales

La presentación y análisis de los resultados experimentales debe


considerarse como parte integral de los experimentos. Es realmente útil que
los datos obtenidos se presenten en un gráfico, donde quede resumida la
información para su apreciación y análisis. En la mayoría de los casos un
gráfico es más útil que una tabla de valores, especialmente en los casos en
que:

Laboratorio de física 2010_2011 23


 Los experimentos se llevan a cabo midiendo una variable Y en función de
otra X que se varía independientemente y se quiere interpretar la
relación funcional entre ellas. Por ejemplo: medición del período de un
péndulo en función de su longitud; medición de la caída de potencial en un
alambre en función de la corriente aplicada; etc.
 Interesa estudiar si dos variables mantienen una correlación (causal o
no) y cómo es esta vinculación o grado de interdependencia. Por ejemplo:
estudio de la relación entre el peso y la altura de personas; relación
entre la velocidad máxima que alcanza un velero y su extensión desde
proa a popa; etc.

Se trata, en primera instancia, de que la información que se quiere


representar quede expuesta de una manera lo suficientemente clara y
explícita como para que la representación gráfica “hable por sí sola”. Lo
importante es que un gráfico debe servir para un posterior tratamiento de
los datos, que lleve a inferir las leyes subyacentes en ellos y ahondar así en
las posibles implicaciones y generalizaciones de los resultados obtenidos en
los experimentos.
Como elemento ordenador de la información colectada en un
experimento, un gráfico debe construirse sobre la base de una elección
adecuada tanto de las variables como de las escalas. Dado que los
experimentos propuestos en estos apuntes están pensados para estudiar la
fenomenología de numerosos problemas de la física, en esta parte
presentaremos las bases que nos ayuden a efectuar una adecuada
representación gráfica de los datos experimentales. Comentaremos diversas
opciones que se presentan y sobre algunos métodos numéricos de utilidad
para el tratamiento general de los datos.

5.2.- Elección de las variables

De una manera muy general, cuando estudiamos un sistema cualquiera,


tratamos de obtener las variaciones o respuestas del sistema ante ciertas
perturbaciones que podemos aplicarle de manera controlada. La figura
representa esquemáticamente un sistema bajo estudio.

Representación esquemática de un sistema al que se estudia


las respuestas Yi cuando se varía el conjunto de variables Xi.

Laboratorio de física 2010_2011 24


Hemos llamado Xi a las “variables de entrada” o “variables
independientes” que podemos controlar y variar. Ante los cambios de Xi, el
sistema revela sus características o comportamientos a través de los
cambios que sufren las variables Yi, que pueden llamarse las “variables de
salida” o “variables dependientes”. Por simplicidad, toda vez que queramos
estudiar un sistema, será más útil que nos concentremos en la respuesta de
una de las variables de salida ante las variaciones de sólo una de las
variables de entrada, lo que es una situación muy común en un experimento.
Las ideas aquí expuestas pueden fácilmente generalizarse a sistemas de
mayor complejidad. En lo que sigue nos apoyaremos en algunas relaciones
funcionales simples con las que nos encontramos a menudo en el trabajo en
el laboratorio y las usaremos para ejemplificar las ideas básicas.

5.3.- Relación lineal

Una relación entre las variables X e Y del tipo:


Y= a X + b
es tal vez la más simple de todas. La representación gráfica de Y(X)
arrojaría una línea recta, de pendiente a y que corta al eje vertical en b
(ordenada en el origen). Esta dependencia de Y con X se llama una relación
lineal ente X e Y. La recta es la forma geométrica más simple en dos
dimensiones. Al mismo tiempo, una relación lineal entre dos variables
cualesquiera es más fácil de ser identificada a simple vista. No sería una
exageración afirmar que éste es el único caso en que esta discriminación
puede hacerse a simple vista. Entre una recta y una curva nuestro ojo
siempre notará la diferencia, pero no discriminará a la función que define la
curva. Probemos esto con la ayuda de una figura en la que estén
representados dos series de datos. Intentemos inferir cualitativamente
cuál de las series puede aproximarse por una relación lineal entre las
variables X e Y. Para esto usemos una regla práctica: llevemos el papel hasta
el nivel de nuestros ojos (podemos cerrar uno como cuando hacemos
puntería) y veamos si los puntos se ven alineados. Este tipo de toma de
decisión no debe desdeñarse en el momento de analizar datos
experimentales. La decisión de aceptar o no una relación lineal entre las
variables debe ser tomada por el experimentador, ya sea se espere o no una
vinculación lineal entre las variables en juego. Una vez que decidimos que los
datos “caen sobre una recta”, podremos estimar los parámetros (pendiente
y ordenada al origen) de la mejor recta que aproxime la relación funcional:
O bien podemos dibujar esa mejor recta y definirle los valores de la

Laboratorio de física 2010_2011 25


pendiente y la ordenada al origen, o usar métodos numéricos más generales
para encontrarlos, como veremos más adelante.

Representación de dos series de datos. ¿Cuál aproxima


mejor una relación entre las variables, X Y µ ?
5.4.- Función potencial

Supongamos que medimos pares de valores (X,Y) y tenemos


conocimiento que la relación funcional que los vincula es del tipo:
Y = aXc
donde a y c son constantes. Esta forma funcional potencial es muy común en
las ciencias puesto que sirve como aproximación del comportamiento en una
gran variedad de casos. En biología, por ejemplo, esta ecuación tiene el
nombre particular de “ecuación alométrica”.
La constante c suele llamarse “exponente de escala” y define la escala
de variación de Y según varía X. Esto es, si X se multiplica por un factor f, Y
cambiará consecuentemente fc veces.
El significado físico de la constante a es el de representar el valor
que toma Y cuando X vale la unidad. La dimensión de a es tal que da
homogeneidad dimensional a la ecuación.

Ejemplo
Parece ser que el peso de los dinosaurios P estaba bien correlacionado
con la longitud l de los animales medida desde la cabeza a la cola, según:
P = P0l3
Leamos esta fórmula: El significado de P0 es que representa el peso de un
dinosaurio de “largo unidad”. Por tanto, si la unidad elegida para la longitud
es el metro y para el peso es el Newton, P0 representa cuántos Newton
pesaba un animal de largo igual a 1 m. La unidad de P0 será tal que se igualen
las unidades de los dos miembros de la ecuación. En este caso, P0 tendrá la
unidad N / m3. Sin embargo, es claro que P0 no es la densidad de los
animales, a pesar de su unidad, puesto que l3 no es el volumen. Notemos que
el valor de P0 cambiará si se eligen otras unidades de medición. Por ejemplo,
si el peso se midiera en dinas y la longitud en cm, P0 adoptaría un nuevo

Laboratorio de física 2010_2011 26


valor, que sería P0* (dina / cm3) =10-1P0 (N/m3), a lo que se arriba tras pasar
de Newton a dina y de metros a centímetros.

De manera más general, y sin recurrir a unidades particulares,


podemos analizar cuál es la dimensión de P0. Si usamos corchetes [...] para
representar la dimensión de una cantidad, entonces:
[P0] =[P]/[l]3
Escribamos esta relación dimensional en términos de las dimensiones
fundamentales masa, longitud y tiempo, a las que llamaremos M, L y T,
respectivamente. Dado que [P] = [mg] = [m][g] = MLT-2, resulta, luego de
simplificar:
[P0] = ML-2T-2
Este tipo de análisis puede usarse como prueba de consistencia de
una fórmula complicada; o bien, para determinar la dimensión de alguna
variable introducida en un problema particular.

Si representáramos los datos medidos Y en función de X relacionados


por una expresión exponencial como la que nos ocupa, lo que obtendríamos,
en el caso en que c ≠ 1, sería una curva. De nuestro análisis cualitativo del
gráfico observaremos una curva “cóncava hacia arriba” si c > 1, mientras que
si c < 1, la curva se verá “cóncava hacia abajo”. Lo que cualquiera de los casos
precedentes significa es que una variación de la variable X a un ritmo dado,
hace que la variable Y cambie a un ritmo distinto: más rápido si c > 1, más
lento si c < 1. Esta observación cualitativa (en términos de “más rápido” o
“más lento”) puede ser buena en una gran variedad de casos de interés en el
laboratorio cuando estemos interesados en descripciones generales de algún
fenómeno.

5.5.- Transformación de variables

Si en la ecuación anterior transformamos las variables haciendo el


cambio:
X* = Xc Y* = Y
toda vez que conozcamos el exponente c, y representamos las nuevas
variables (X*,Y*) = (Xc, Y), lo que obtenemos es una relación lineal entre las
variables transformadas y decimos que hemos linealizado la representación
gráfica. En este caso hemos transformamos la variable X, pero bien
podríamos haber optado por el cambio en la variable dependiente Y, o sea,
X* = X Y* = Y1/c
y también habríamos obtenido una relación lineal entre las nuevas variables
representadas (X*, Y*) = (X, Y1/c).

Laboratorio de física 2010_2011 27


Está claro que lo anterior es inmediato de realizar si conocemos el
valor del exponente c. Además, observamos que un gráfico linealizado nos da
el valor de la constante a si evaluamos la pendiente de la recta que resulta.

Ejemplo

Se mide el período T de un péndulo simple para distintas longitudes L.


En el caso de pequeñas amplitudes de oscilación, ambas variables están
relacionadas por:
L
T  2
g
donde g es la aceleración de la gravedad. La relación es del tipo: T = aLc
2 1
con a y c
g 2
Si aceptamos que el exponente c= 1/2, de un gráfico T frente a Lc
evaluamos la constante a, de donde podremos obtener el valor de la
aceleración gravitatoria g. Es de esperar que resulte una recta que pase por
el origen de coordenadas, dado que un péndulo de longitud nula tiene que
tener un período de oscilación nulo.
-------------------------------------------------------------------------------------

En el caso más general, supongamos que no conocemos a ni a c , y que


ambas constantes deben encontrarse como resultado de la investigación
llevada a cabo con el experimentos. Entonces, ¿cómo graficar?

Para facilitar la tarea de encontrar tanto el exponente de escala c


como la constante a, es conveniente representar log (Y) frente a log (X ) .
Esto queda claro si transformamos nuestra ecuación original más general Y
= aXc, tomando logaritmos en ambos miembros:
log(Y) = log(aXc)
log(Y) = log(a) + log(Xc)
log(Y) = log(a) + c log(X)

Comparando esta última expresión con un gráfico de log(Y) en función


de log(X) podremos ver que la ecuación representa una recta que tiene
pendiente c y ordenada en el origen igual a log(a) .

Este tipo de representación gráfica es extremadamente útil cuando


se analizan ecuaciones algebraicas, se estudian correlaciones, leyes de
crecimiento, etc. En la práctica no es necesario tomar los logaritmos de los

Laboratorio de física 2010_2011 28


datos, sino representarlos en escalas logarítmicas, para lo cual ya existen
papeles especialmente diseñados para realizar estos gráficos como veremos
en la siguiente sección. Así mismo casi todos los buenos paquetes de
gráficos por ordenador, brindan la posibilidad de representar los datos en
escalas lineales (“las normales”) o logarítmicas.

5.6.- Elección de las escalas

Hemos visto cómo elegir las variables con el fin de lograr la mejor
representación llevando el caso al de una relación lineal. Lo que hemos
propuesto es la transformación de las variables y la representación de las
nuevas. Una manera alternativa de análisis es recurrir a gráficos en los que
sus ejes tengan escalas logarítmicas. Retomando el ejemplo del caso de
variables X, Y relacionadas por la función potencial Y = aXc

Ejemplo de un gráfico con escalas logarítmicas.

en vez de recurrir a un gráfico log(Y) en función de log(X), podemos


representar directamente los pares de valores (X, Y) en un gráfico donde
sus dos ejes contengan escalas logarítmicas.

Un gráfico doble-logarítmico como el de la figura también es llamado


“gráfico log-log”. La posición de las retículas más gruesas identifica un valor
igual a una potencia de 10. Por lo tanto, en cada eje, el espacio entre esas
retículas representa una década de variación de las variables, es decir,
entre 10n y 10n+1, cualquiera sea n. Las ocho retículas intermedias indexan
los valores k*10n, k = 2, 3, 4, ..., 9.
Esto hace muy simple la construcción de ejes en escalas logarítmicas.
Esto requiere marcar intervalos fijos a distancias 1, 10, 100, 1000, ... (100,
101, 102, 103, ...). Si los datos a representar no cubren un rango tan amplio de

Laboratorio de física 2010_2011 29


valores, los intervalos pueden realizarse a distancias de 1, 2, 4, 8, 16, 32, ...
(20, 21, 22, 23, 24, 25, ...).
Observando la figura podemos advertir que las escalas logarítmicas
son “más democráticas” que las lineales, puesto que dejan ocupar el mismo
espacio en el gráfico a los intervalos entre décadas entre valores
“pequeños” que el espacio ocupado por los intervalos entre décadas entre
valores “grandes”; podemos ver, por ejemplo, que el lugar reservado para los
valores entre 10-5 y 10-4 es idéntico al reservado para el intervalo 108 y 109.

Si las variables X e Y se representan ambas en escalas logarítmicas,


la función potencial de la ecuación Y = aXc quedará representada por una
recta cuya pendiente es c y cuya ordenada en el origen es log(a),, por lo que
a = 10 ord.
A su vez, si los datos (X,Y) representados en este tipo de gráfico
(log-log) siguen una relación lineal, podemos inferir que Y es proporcional a
Xc, descubriendo en este caso la ley subyacente. Para calcular directamente
del gráfico el valor de c, hay que contar cuántas décadas varía Y cuando X
varía una. En el ejemplo de la figura, la línea A tiene pendiente c = 1, por
tanto Y es proporcional a X. Para la línea B, c=½, por lo tanto, Y es
proporcional a √X. ¿Cuál es la pendiente de la recta C?
Esta representación usualmente se hacía usando un papel especial
(papel logarítmico), que, dicho sea de paso, aun se consigue en las librerías o
en laboratorio de investigación de cierta antigüedad que conservan algunas
muestras. Con las ventajas que ofrecen hoy en día los programas de
computadora (Origin, Excel, etc.), este tipo de representación puede
realizarse de manera inmediata para sacar mayor provecho al análisis de los
datos experimentales.

Aplicaciones de gráficos log-log


Hay una gran variedad de casos donde es sumamente útil la
representación gráfica usando escalas logarítmicas. En cierta manera, es a
lo que recurre un experimentador de inmediato cuando quiere darse cuenta
de “la forma de la ley que siguen sus datos”.
Efectivamente, es una manera rápida y eficiente de evaluar las
tendencias de los resultados y dar un primer paso en el análisis. También es
útil recurrir a estas escalas en los casos en los que el rango de valores es
muy amplio y los datos que manejamos varían en varias órdenes de magnitud.

5.8.- Amplio margen de valores


Como ejemplo podemos citar el problema de investigar si existe
correlación entre el calor metabólico producido por mamíferos, analizando

Laboratorio de física 2010_2011 30


datos provenientes de experimentos que involucren desde ratones, con
pesos de unas decenas de gramos (~10 g), hasta elefantes que pesan varias
toneladas (~106 g), incluyendo especies de tamaños intermedios, como gatos
(~103 g), monos (~104 g), etc. Es claro que si en un gráfico “Calor - Peso”
usamos una escala lineal para el peso, la necesidad de incluir semejante
margen de valores,-entre 0 g y 106 g, tendrá como ingrata consecuencia el
“amontonamiento”, cerca del origen de coordenadas, de los datos de las
especies más pequeñas. La elección de una escala logarítmica en el eje del
peso eliminaría inmediatamente tal inconveniente.

5.9.-Relación entre magnitudes


En una situación usual en el laboratorio, podríamos estar interesados
en saber si una muestra conductora puede describirse como un conductor
óhmico. Si hacemos circular una corriente eléctrica I por la muestra y
medimos la diferencia de potencial V que se produce, y repetimos este
procedimiento para varios valores de la intensidad de la corriente,
tendremos los datos V - I para llevar a un gráfico. En primera instancia, un
gráfico con escalas lineales sirve para abrir el juego. Aquí caben varias
posibilidades.
Una de ellas es usar nuestro ojo, como ya comentamos, y decidir si la
relación entre V e I puede considerarse lineal, lo que nos diría que el
material conductor es óhmico. Pero supongamos que queremos ir más allá. Si
verdaderamente el conductor es óhmico, un gráfico log-log en las variables
V e I debería resultar lineal y, lo que es más importante, la pendiente de la
recta debería ser igual a uno (el exponente de I es uno).

5.10.- Detección de posibles errores sistemáticos

Toda vez que se mide una magnitud con un error sistemático, los
valores medidos difieren de los “reales” en una cantidad fija. La pericia del
experimentador es clave para evaluar las correcciones necesarias de estos
datos afectados sistemáticamente por un error de medición. Un ejemplo
común es el error de cero de los instrumentos de aguja.
El ejemplo más familiar es el de una balanza de farmacia que, dado su
desgaste, indica 1 kg aun cuando nadie está de pie en la plataforma (a veces,
este error de medición aporta consuelo cuando nos pesamos en una buena
balanza). En el laboratorio, el error de cero suele aparecer en instrumentos
de mediciones eléctricas o cronómetros de aguja. Si con uno de estos
instrumentos defectuosos medimos la variable Y en función de otra X, un
gráfico Y(X) resultará desplazado en la vertical una cantidad dY igual al
error sistemático de cada punto Y. Si la relación entre estas variables

Laboratorio de física 2010_2011 31


fuese lineal del tipo Y = aX, la presencia de tal desplazamiento sistemático
llevará a que aparezca una ordenada al origen espuria. Es decir, cuando X=0,
tenemos Y=dY, en vez de Y=0. En un gráfico log-log de Y(X) la desviación de
la curva resultante de la recta esperada sin ordenada al origen se descubre
con facilidad y ayuda a la corrección de los datos. En ese sentido es
interesante notar que si tenemos una relación entre las variables X eY de la
forma:
Y = aXc + b
si representamos X en función de Y en escala log-log esta vez no obtenemos
una recta.

5.11.- Búsqueda de posibles correlaciones entre variables

Puede obtenerse mucha información cualitativa de un experimento si


se conocen las proporcionalidades entre las variables involucradas. En este
sentido podemos aprovechar un gráfico log-log para pronosticar tendencias.
Podría ser deseable “anticiparnos” al resultado de un experimento, más aun
si es caro o de largo aliento, estableciendo las leyes de escala entre las
variables, para así saber cómo varía la variable de salida Y frente a un
cambio de la variable de entrada X. Esto redundaría en mejoras sobre la
marcha de nuestros diseños y estrategias experimentales.

5.12.- Comparación de los distintos tipos de escalas

La figura de la página siguiente completa la descripción comparativa


de los distintos tipos de escalas y sugiere diferentes notaciones para
indexar los ejes. Debe quedar clara la diferencia que existe entre
representar los valores de una variable en escala logarítmica, y representar
el logaritmo del valor en escala lineal. También notamos que ni el valor cero
ni los valores negativos pueden representarse en escala logarítmica. Esto no
representa una dificultad a la hora del análisis de datos usando esta escala,
ya que, por cierto, los resultados de mediciones de laboratorio (longitudes,
tiempos, masas, módulo de velocidades y aceleraciones) caen siempre en el
intervalo de los números reales positivos. En caso que la variable sea
intrínsecamente negativa, por ejemplo una temperatura bajo cero en la
escala Celsius, el valor de una deuda, etc. Siempre es posible definir una
nueva variable igual a la variable original pero cambiada de signo y continuar
el análisis como antes.

Laboratorio de física 2010_2011 32


Una comparación entre las distintas escalas que podemos usar. Nótese la diferencia entre
representar el logaritmo de los valores en una escala lineal y representarlos directamente
en escala logarítmica. ¿Dónde está el cero en una escala logarítmica?

5.13.- Diseño de gráficos


Los programas de representación gráfica disponibles en los
ordenadores incluyen entre sus opciones el diseño de gráficos usando los
distintos tipos de escalas mencionadas en este capítulo. Pero, ya sea que el
gráfico vaya a realizarse usando estos programas o a mano, es conveniente
considerar algunos “trucos del buen dibujante” para que la información
contenida en el dibujo adquiera la relevancia que le corresponde. Es así que,
además de la correcta elección de las variables y de las escalas, un gráfico
adquirirá una mejor presentación si se cuidan algunos detalles:

 Identificación de los ejes con rótulos bien ubicados que digan qué
variables se representan y en qué unidades se miden. La variable
independiente se representa en el eje de las abscisas y la variable
dependiente en el eje de las ordenadas.

Laboratorio de física 2010_2011 33


 Deben elegirse escalas adecuadas, para ello, la relación entre la
unidad de la magnitud representada y la unidad de la escala del papel
milimetrado deben ser un factor entero sencillo (1, 2, 5, 10n, donde n
es cualquier número entero)
 Las escalas de ambos ejes no necesariamente deben ser iguales. Debe
buscarse que la escala de cada eje ocupe todo el papel disponible y
cubra tan sólo los intervalos dentro de los cuales se encuentran las
medidas tomadas. Esto quiere decir que en algunos casos, el cero de
la escala no coincidirá con el origen de coordenadas.
 Uso de símbolos que ubiquen los datos (cuadrados, círculos, rombos,
etc.), en lo posible con sus incertidumbres (barras); que haya una
diferenciación de distintas series de datos cuando se presenten
varios resultados, para lo que es recomendable el uso de diferentes
símbolos.
 Inclusión de un epígrafe, que es un texto descriptivo de lo que está
representado en el gráfico y que además puede manifestar
información adicional importante.
 Carteles interiores al gráfico, con información complementaria
relevante para entender en qué contexto se muestran los datos o
sobre las condiciones experimentales particulares bajo las que se los
han obtenido.
 Una clara diferenciación entre lo que es propio del resultado
experimental del trabajo y lo que corresponde a una comparación con
una teoría o modelo propuesto (por ejemplo, usar líneas continuas) o a
resultados extraídos de otras fuentes.

Ejemplo de gráfico. Campo magnético axial de un imán de Ne-Fe-B


a temperatura ambiente medido con una sonda de efecto Hall. La
línea es un ajuste de los datos usando una teoría pertinente.

Laboratorio de física 2010_2011 34


6.- BIBLIOGRAFÍA

1) Laboratorio de Física General. Mecánica. Dedenko L.G., Kisilev D.F.,


Peterson A.I., Slepkov A.I. Ed. MGU. Moscú. 1 991

2) Introducción a la Teoría de Errores. Taylor E. Ed. MIR. Moscú. 1 985

3) Guías de Física Experimental. Cediel Gilberto. Universidad Nacional.


Departamento de Física

4) Instrumentación Electrónica y Técnicas de Medición. Cooper William


David. Ed. Prentice-Hall International 1982

5) Teoría de los Errores. Giamberardino Vincenzo. Ed. Reverté. México.


1986

6) Guía de Laboratorio. Departamento de Física. Universidad Antonio


Nariño. 1 995

7) Experimentación. Una introducción a la teoría de mediciones y al diseño


de experimentos. Segunda Edición. Baird D.C. Ed Prentice-Hall
Hispanoamericana, S.A. México. 1 991

8) Física. Manual de Laboratorio. P.Ghewitt, P.Robinson 1998 Ed. Addison-


Wesley

Laboratorio de física 2010_2011 35

Вам также может понравиться