Академический Документы
Профессиональный Документы
Культура Документы
Errores y Aproximaciones
Errores y aproximaciones
• Aproximadamente... 49 km/h?
• Y….. ¿Si se quisiera saber
la velocidad, con una cifra
decimal?
• 48,8 km/h?
• 48,9 km/h?
• 48,8624 km/h?
• En este caso, debido a los límites del instrumento, solo pueden
emplearse con confianza los dos primeros dígitos del valor. El
tercer dígito resulta incierto
Cifras significativas
• Ahora bien:
• ¿Cuántos kilómetros ha recorrido?
• El instrumento (en este caso el
odómetro) muestra hasta seis
dígitos confiables
• Ha recorrido un poco
menos de 87324,5 Km
• Si se intenta expresar ese
valor con dos decimales,
el séptimo dígito no sería
confiable
Cifras Significativas
Mayor exactitud
Exactitud y Precisión de un dato.
Cantidad de cifras
• PRECISIÓN: significativas
confiables.
EXACTITUD PRECISIÓN
El peso que registra Es Mayor si el instrumento
corresponde con la permite medir diferencias
realidad de peso más pequeñas.
Kilos, gramos,miligramos…
Definiciones de Error
• ¿Qué origna el error en un resultado?
– Generalmente, el uso de aproximaciones para
representar operaciones y cantidades exactas.
• Clases de error:
– Error de truncamiento: Resulta del empleo de
aproximaciones como procedimiento exacto
– Error de redondeo: Resulta de usar números que
tienen un límite de cifras significativas para
representar números exactos.
– En ambos casos:
𝑽𝒂𝒍𝒐𝒓 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐 = 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐 + 𝒆𝒓𝒓𝒐𝒓
Definiciones de Error
• O bien:
𝑬𝒕 = 𝑽𝒂𝒍𝒐𝒓 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐 − 𝑽𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
• Otro aspecto a tener en cuenta es el orden de magnitud del
error:
• Por ejemplo:
– ¿Es muy alto un error de 1 cm?
• ¿En un puente de 100 metros de longitud?
• ¿En la longitud de la bota de un pantalón?
• ¿En el proceso de acoplamiento de la estación MIR?
• ¿En la ubicación de una incisión quirúrgica?
Definiciones de Error
• Una manera de tener en cuenta el orden de magnitud
consiste en normalizar el error, respecto del error verdadero:
𝑬𝒓𝒓𝒐𝒓 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐
𝑬𝒓𝒓𝒐𝒓 𝒓𝒆𝒍𝒂𝒕𝒊𝒗𝒐 𝒇𝒓𝒂𝒄𝒄𝒊𝒐𝒏𝒂𝒍 =
𝑽𝒂𝒍𝒐𝒓 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐
𝑬𝒓𝒓𝒐𝒓 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐
𝜺𝒕 = ∗ 𝟏𝟎𝟎%
𝑽𝒂𝒍𝒐𝒓 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐
3 𝜺𝒔 ≤ 𝟎, 𝟓 × 𝟏𝟎𝟐−𝟑 𝜺𝒔 ≤ 𝟎, 𝟓 × 𝟏𝟎−𝟏 𝜺𝒔 ≤ 𝟎, 𝟎𝟓
5 𝜺𝒔 ≤ 𝟎, 𝟓 × 𝟏𝟎𝟐−𝟓 𝜺𝒔 ≤ 𝟎, 𝟓 × 𝟏𝟎−𝟑 𝜺𝒔 ≤ 𝟎, 𝟎𝟎𝟎𝟓
7 𝜺𝒔 ≤ 𝟎, 𝟓 × 𝟏𝟎𝟐−𝟕 𝜺𝒔 ≤ 𝟎, 𝟓 × 𝟏𝟎−𝟓 𝜺𝒔 ≤ 𝟎, 𝟎𝟎𝟎𝟎𝟎𝟓
Ejemplo.
• Cuanto vale 𝒆𝟎,𝟓 ?
Usando la calculadora tenemos que e0,5 = (1,64872127070012)
𝟏, 𝟔𝟐𝟓 − 𝟏, 𝟓
𝜺𝒂 𝟏𝟎𝟎% = 𝟕, 𝟔𝟗𝟐𝟑𝟎𝟕𝟔𝟗 %
𝟏, 𝟔𝟐𝟓
Ejemplo.
• El proceso iterará hasta que encontremos un 𝜺𝒂 que satisfaga
el criterio de Scarboroug correspondiente a la exactitud
deseada
et (%)
Término de
la Serie
Resultado ea (%)
1 1 39,3469340%
2 1,5 33,33333333% 9,0204010%
3 1,625 7,69230769% 1,4387678%
4 1,64583333333333 1,26582278% 0,1751623%
5 1,6484375 0,15797788% 0,0172116%
6 1,64869791666667 0,01579529% 0,0014165%
7 1,64871961805556 0,00131626% 0,0001002%
Error de redondeo
• Error de redondeo es el que se originan en el hecho de
emplear un determinado número de cifras significativas
durante un cálculo, en lugar del valor real exacto.
• Causas:
– Hay números que no pueden expresarse exactamente con
𝟏𝟎
cifras finitas: 𝝅, 𝒆, 𝟑
– Debido a que los computadores usan representación
binaria, algunos números no pueden representarse con
absoluta exactitud
Representación de los datos
• Por ejemplo:
Determine el rango de enteros en base 10, que se puede
representar en un computador de 16 bits.
• 1 bit de signo. ( 0 positivo, 1 negativo)
• 15 bits restantes para la representación binaria de la cantidad
1 0 0 0 0 0 0 0 1 0 1 0 1 1 0 1
- 176
• Con 15 dígitos el rango de valores posible esí:
– Mayor valor 0 111111111111111 = (215-1)
– Menor valor 1 111111111111111 = -(215-1)
Representación de los datos de punto
flotante
• Indispensable para representar fracciones
• el número se expresa como
– una parte fraccionaria, llamada mantisa , y
– una parte entera, denominada exponente
𝒎. 𝒃𝒆
– Donde
𝒎 es la mantisa
𝒃 es la base del sistema de numeración
𝒆 es el exponente
Representación de los datos de punto
flotante
• Por ejemplo: considérese la cantidad x = 325,68
𝒎 0,32568 𝒎. 𝒃𝒆
𝒃 10
𝒆 3
• Es decir x= 0,32568 x 103
• Y el almacenamiento es:
• Esta representación
– Facilita manejar números grandes
– Requiere más espacio y más tiempo de procesamiento
– Introduce errores de redondeo, al usar sólo un cierto número de
cifras significativas.
Normalización de la mantisa
• En representaciones de punto flotante, la mantisa es usualmente
normalizada para buscar una mejor representación.
• Por ejemplo:
Si se quiere almacenar la cantidad
𝟏
= 𝟎, 𝟎𝟐𝟗𝟒𝟏𝟏𝟕𝟔𝟒
𝟑𝟒
en un sistema de base 10 con punto flotante, que únicamente
permite guardar cuatro lugares decimales.
0 1 1 1 1 0 0
Signo Magnitud
Signo de la cantidad
Signo : Positivo.
Exponente : Signo negativo -
Valor ( 1 1 )2 3