ISCO C07A

Errores y Aproximaciones
 Errores y aproximaciones

• Error: Diferencia existente entre el resultado y el valor real.

Hay diversos tipos de error:

• Meta del procesamiento numérico: Resultados con el menor

error posible.

• La perfección de los resultados es prácticamente imposible.

• Por ejemplo: en el caso del paracaidista

– velocidad del viento, rozamiento ….
 Cifras significativas
• Cuando se va a usar un dato, se requiere la seguridad de que
el dato se puede usar con confianza. Por ejemplo:
• ¿A qué velocidad viaja éste vehículo?

• 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

• Permiten designar formalmente la confiabilidad de un

dato numérico.
• Las cifras significativas de un número son aquellas que
pueden utilizarse en forma confiable.
• Se trata del número de dígitos que se ofrecen con
certeza, más uno estimado.
•
 Cifras Significativas
• En nuestros ejemplos:
• Para el velocímetro: los dos dígitos seguros son 48.
• Por convención al dígito estimado se le da
el valor de la mitad de la escala menor de
división en el instrumento de
medición.
• Así, la lectura del velocímetro
consistirá de las tres cifras
significativas: 48.5.

• Para el odómetro: Se dará una lectura con siete cifras

significativas es decir: 87324.45
 Cifras Significativas
• En algunos casos puede darse alguna confusión.
• Por ejemplo, los ceros no siempre son cifras significativas, ya que
pueden usarse sólo para ubicar el punto decimal
• Ejemplo1:
– los números 0.00001845, 0.0001845 y 0.001845 tienen:
cuatro cifras significativas.
• Ejemplo 2:
– Cuando se incluyen ceros en números muy grandes, a veces no
queda claro cuántos son significativos.
– el número 45300 puede tener tres, cuatro o cinco dígitos
significativos, dependiendo de si los ceros se conocen o no con
exactitud.
• La incertidumbre suele eliminarse utilizando la notación científica de
la forma: 4.53 × 104
 Cifras significativas: implicaciones
1. Permiten formular criterios de confiabilidad de los resultados,
cuando se manejan datos aproximados.
2. Hay valores que nunca se pueden representar con total
exactitud.
Por ejemplo:
 = ?3,141592653589793238462643………

Entonces es indispensable omitir cifras a partir de algún

punto para hacer computacionalmente manejable el
problema
Error de redondeo  omitir el resto de cifras significativas
 Exactitud VS Precisión

• EXACTITUD: Qué tan cercano está el

resultado calculado o
medido, respecto del valor
verdadero.

• PRECISIÓN: Qué tan cercanos están unos

de otros, distintos valores
calculados o medidos
Mayor Precisión

Inexacto y preciso Exacto y preciso

Inexacto e impreciso Exacto e impreciso

Mayor exactitud
 Exactitud y Precisión de un dato.

• EXACTITUD: Cercanía al valor real.

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

• Y este error relativo se suele expresar como Error relativo

porcentual verdadero 𝜺𝒕

𝑬𝒓𝒓𝒐𝒓 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐
𝜺𝒕 = ∗ 𝟏𝟎𝟎%
𝑽𝒂𝒍𝒐𝒓 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐

y…. ¿Qué ocurre cuando el valor verdadero no se

conoce con absoluta exactitud?

• Uno de los principales retos
que el uso de métodos
numéricos representa para el
ingeniero es el de :
determinar estimaciones del error
cuando no se conocen los valores
verdaderos.
• La mayoría de los métodos
numéricos usan un método
iterativo para calcular los
resultados.
• Por lo tanto, el error relativo
porcentual está dado por
𝑨𝒑𝒓𝒐𝒙. 𝑨𝒄𝒕𝒖𝒂𝒍 − 𝑨𝒑𝒓𝒐𝒙 𝑨𝒏𝒕𝒆𝒓𝒊𝒐𝒓
𝜺𝒂 =
𝑨𝒑𝒓𝒐𝒙. 𝑨𝒄𝒕𝒖𝒂𝒍
Definiciones de Error
Se calcula la aproximación
inicial
A partir de la aproximación
anterior Se calcula una
nueva
Se calcula el error relativo porcentual
entre la nueva aproximación y la
inmediatamente anterior
¿error relativo
SI poercentual
excede el límite
deseado?
∗ 𝟏𝟎𝟎% Se acepta la última
aproximación como
resultado
 Error vs cifras significativas
• Algunas veces se relaciona el error con el número de cifras
significativas en la aproximación.

• Según el criterio de Scarborough(1966):

Si se cumple que 𝜺𝒔 ≤ (𝟎, 𝟓 × 𝟏𝟎𝟐−𝒏 )

entonces se tiene la certeza de que el resultado es

correcto en por lo menos n cifras significativas
 Ejemplo:
Problema: Calcular el valor de 𝒆𝟎,𝟓 con 3, 5 y 7 cifras
significativas
Planteamiento:
• Sabemos que la expansión 𝒆𝑿 de en series de McLaurin
es
𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝒏
𝒆𝒙 =𝟏+𝒙+ + + +⋯+
𝟐! 𝟑! 𝟒! 𝒏!

Cifras Criterio de Scarborough

Significativas

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)

• El criterio de Scarborough para 3 cifras significativas dice que :

𝜺𝒔 ≤ 𝟎, 𝟓 × 𝟏𝟎𝟐−𝟑 𝜺𝒔 ≤ 𝟎, 𝟓 × 𝟏𝟎−𝟏 𝜺𝒔 ≤ 𝟎, 𝟎𝟓

• Entonces agregamos términos a la serie hasta que 𝜺𝒂 < 𝟎, 𝟎𝟓

• Ahora calculemos La serie , término a término. Hasta que el error

sea aceptable.
𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝒏
𝒆𝒙 =𝟏+𝒙+ 𝟐!
+ 𝟑!
+ 𝟒! +⋯+ 𝒏!
 Ejemplo.
Recordemos que El valor verdadero es
• La serie inicia con 𝒆𝟎,𝟓
= 1 𝒆𝟎,𝟓 = 𝟏, 𝟔𝟒𝟖𝟕𝟐𝟏𝟐𝟕𝟎𝟕𝟎𝟎𝟏𝟐
• Agregamos el segundo término:
𝐞𝟎,𝟓 = 1 + 0,5 = 1,5
• En este momento:
– El error relativo porcentual verdadero es
𝟏,𝟔𝟒𝟖𝟕𝟐𝟏𝟐𝟕𝟎𝟕𝟎𝟎𝟏𝟐−𝟏,𝟓
𝜺𝒕 𝟏𝟎𝟎% = 𝟗, 𝟎𝟐𝟎𝟒𝟎𝟏𝟎%
𝟏,𝟔𝟒𝟖𝟕𝟐𝟏

– Y el error relativo porcentual aproximado (comparando entre

las dos iteraciones) es:
𝟏, 𝟓 − 𝟏
𝜺𝒂 𝟏𝟎𝟎% = 𝟑𝟑, 𝟑𝟑𝟑𝟑𝟑%
𝟏, 𝟓
 Ejemplo. Con 3 cifras significativas.
• Ahora agregamos el tercer término
𝟎,𝟓𝟐
𝒆𝟎,𝟓 = 𝟏 + 𝟎, 𝟓 + = 𝟏, 𝟔𝟐𝟓
𝟐!
En este momento:
– El error relativo porcentual verdadero es
𝟏,𝟔𝟒𝟖𝟕𝟐𝟏𝟐𝟕𝟎𝟕𝟎𝟎𝟏𝟐−𝟏,𝟔𝟐𝟓
𝜺𝒕 𝟏𝟎𝟎% = 𝟏, 𝟒𝟑𝟖𝟕𝟔𝟕𝟖%
𝟏,𝟔𝟒𝟖𝟕𝟐𝟏

– Y el error relativo porcentual aproximado (comparando entre

las dos iteraciones) es:

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.

• Entonces la cantidad se almacenaría como 𝟎, 𝟎𝟐𝟗𝟒 × 𝟏𝟎𝟎

• Pero incluir ese cero “inútil” a la derecha del punto decimal
obliga a eliminar el dígito 1 del quinto lugar decimal.
• Entonces el número puede normalizarse como 𝟎, 𝟐𝟗𝟒𝟏 × 𝟏𝟎−𝟏
 Ejercicio
• Suponga una máquina de cómputo que almacena la
información utilizando únicamente palabras de 7 bits de
acuerdo a las siguientes condiciones:
– El Primer bit para el signo de la cantidad (0 positivo, 1
negativo)
– Los Tres bits siguientes para el signo y la magnitud del
exponente
– Los tres bits siguientes para la magnitud de la mantisa.

¿Cuál sería entonces el conjunto hipotético de números de

punto flotante para esa máquina?
 Ejercicio
Solución:
21 20 2-1 2-2 2-3

0 1 1 1 1 0 0
Signo Magnitud
Signo de la cantidad

Bits del exponente Bits de la mantisa

Signo : Positivo.
Exponente : Signo negativo  -
Valor ( 1 1 )2  3

Mantisa : ( . 1 0 0 )2  1 x 2-1 + 0 x 2-1 + 0 x 2-3 = 0,5

Valor total : 0,5 x 2-3 = 0,0625

 Ejercicio

0 1 1 1 1 0 0 = (1 x 2-1 + 0 x 2-1 + 0 x 2-3 ) x 2-3 = ( 0,0625 )10

0 1 1 1 1 0 1 = (1 x 2-1 + 0 x 2-1 + 1 x 2-3 ) x 2-3 = ( 0,078125)10

0 1 1 1 1 1 0 = (1 x 2-1 + 1 x 2-1 + 0 x 2-3 ) x 2-3 = ( 0,093750)10

0 1 1 1 1 1 1 = (1 x 2-1 + 1 x 2-1 + 1 x 2-3 ) x 2-3 = ( 0,109375 )10

 Al usar representación de punto
flotante
• El rango de valores que puede representarse es
limitado
– Una cantidad muy grande  Overflow
– Una cantidad muy pequeña Underflow
– El grado de precisión siempre estará limitado