P. 1
Analisis y Teoria Del Error Experimental (1)

Analisis y Teoria Del Error Experimental (1)

|Views: 2|Likes:
Publicado porPaolo Chiesa

More info:

Published by: Paolo Chiesa on Nov 13, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

11/13/2013

pdf

text

original

UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA CAMPUS SANTIAGO LABORATORIO FÍSICA PRIMER SEMESTRE 2013

ANÁLISIS Y TEORÍA DEL ERROR EXPERIMENTAL
Laboratorios de Física, Universidad Técnica Federico Santa María Campus Santiago

Introducción
Un experimento es una forma usualmente utilizada para comprender la naturaleza de un fenómeno y validar o comprobar lo que teóricamente se plantea. Es necesario entonces, seguir una metodología científica para poder medir y analizar los datos que permitan construir un modelo experimental o empírico, para luego compararlo con el modelo teórico. El análisis y los resultados obtenidos deben proporcionar conclusiones claras y concretas que permitan entender el fenómeno en análisis, así también, es importante que todo esto quede reflejado en un documento de carácter científico, que permita transmitir el conocimiento adquirido al resto de la comunidad científica. Para cumplir con lo anterior se debe tener un conocimiento base sobre los métodos de medición, representación de cifras, generación de hipótesis y modelos empíricos, tratamiento y análisis de datos y por supuesto generación de conclusiones. Para disminuir el grado de dificultad del análisis en el laboratorio se opta por realizar un modelamiento a través de la representación gráfica, apoyado por un software de planilla de cálculo con opciones de análisis de tendencias.

siguiente dato, por supuesto hay que ocupar todo el rango posible y tomar aún más datos que en el caso anterior. Todos estos valores van ingresando a una tabla de datos, la cual debe generarse teniendo en cuenta las cifras significativas y las incertidumbres propias del experimento además de las unidades utilizadas. Se debe recordar que estos valores están dados principalmente por el método experimental y por los instrumentos de medición utilizados, un análisis de esto en profundidad se puede ver en el capítulo Mediciones del texto ocupado en Física 100. Existen criterios para trabajar con cifras significativas, el experimentador debe ser fiel a estos criterios, manteniéndolos siempre en todos los valores que exprese. Una vez recogido los datos experimentales en una tabla, es necesario encontrar una ecuación que los relacione, para esto existen dos métodos; matemático y gráfico. Sin embargo, necesitamos determinar si los puntos obtenidos corresponden a una relación lineal o no, antes de proceder con el análisis y la obtención de la ecuación. La linealización es una forma de transformar datos que describen una tendencia no lineal a datos con tendencial lineal, existen varias formas para realizar esta conversión, pero el más general es aplicando logaritmo a los datos experimentales. Esto nos permite obtener una relación de tipo lineal entre los logaritmos de las variables en estudio. De esta relación logarítmica de las variables es factible obtener los parámetros de la función origen y el coeficiente de correlación que nos permitirán dilucidar la relación que existe entre las variables. Al generar un gráfico de los logaritmos de las variables deberíamos observar una tendencia lineal a simple vista, al realizar este grafico en un software de planilla de cálculo esta nos permitirá ajustar una tendencia a los puntos y obtener la ecuación del ajuste realizado (simplificándonos los cálculos matemáticos que deberíamos hacer para obtener la regresión lineal por el método de mínimos cuadrados). Un gráfico a tiempo real nos podrá dar una idea de cómo es la función, siendo una potente herramienta para ir verificando si los datos que se toman concuerdan con lo esperado, y así, asegurar que la medición realizada no presenta errores graves. Para lo anterior, es necesario tener claro que al generar el gráfico se debe considerar en el rango todas las celdas en que se ingresarán los datos (esto permitirá que al ir ingresando cada uno de los datos se genere automáticamente el nuevo punto en el gráfico, auto escalándose los ejes), cuando se tengan 2 datos a lo menos se podrá generar la línea de tendencia y pegar la ecuación y coeficiente de correlación, la cual también se auto ajustará a medida que se va completando la tabla. Es importante destacar que si no se sigue este procedimiento

Plan de Trabajo
El estudio de un fenómeno físico parte por la correcta elección de las variables con las cuales se trabajará, teniendo en cuenta también aquellas que se deberán mantener bajo control y constantes. Como se planteó el fin último de la experimentación y por ende del trabajo de laboratorio que se desarrollará es entender la fenomenología presente en un sistema físico y la correspondencia con los planteamientos teóricos, lograr un pensamiento científico del experimentador y un reflejo de los conocimientos adquiridos a través de un informe. El punto de partida entonces es definir las variables a manipular, el rango dentro del cual se pueden variar y la cantidad de datos a cuantificar. Para efectos prácticos, entonces se tratará de ocupar el rango de valores lo más grande posible, la cantidad de datos dependerá del conocimiento previo teórico del fenómeno en estudio, si se espera una relación lineal quizás baste con pocos datos. Sin embargo, esto también involucra una alta posibilidad de obtener un error grande, es mejor, tomar una cantidad considerable de datos y aplicar algunas técnicas para minimizar los errores. Cuando la función no es lineal o no se conoce con certeza el fenómeno, es recomendable ir graficando a medida que se van tomando datos y decidiendo a tiempo real dónde conviene tomar el

1

UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA CAMPUS SANTIAGO LABORATORIO FÍSICA PRIMER SEMESTRE 2013 se corre el riesgo de errar en la toma de datos (y errar es humano) y perder valioso tiempo. En un gráfico se debe depositar la mayor cantidad de información que sea relevante permitiendo una correcta lectura de éste. Un gráfico debe explicarse por sí sólo, en él se debe incluir la ecuación empírica y el coeficiente de correlación, el cual entrega que tanto se acerca la función hipótesis que se prueba a los datos experimentales, mientras más cerca del valor 1 mejor es la hipótesis, ciertamente esto permite despejar dudas cuando no está clara la tendencia que presentan los puntos o no se tiene certeza de la relación teórica que relacionan las variables en estudio. Una vez clarificada la relación existente se puede graficar las variables originales y ajustar la tendencia que corresponda para así comparar la ecuación empírica obtenida con la ecuación teórica esperada, tanto los exponentes como las constantes involucradas a través de un medidor llamado error porcentual el cual entrega una comparación entre un valor y otro. Por lo general el error porcentual se tomará como: | | ( )
Figura 1: Representación esquemática de un sistema al que se estudia las respuestas Yi cuando se varía el conjunto de variables Xi.

Por cierto, si de un experimento se puede, por ejemplo, desprender 2 ó 3 valores de la aceleración de gravedad (g), éstos deben entregarse claramente en el análisis y posteriormente en la conclusión se entregará un solo valor experimental de g, basado en el estudio realizado en el análisis.

Elección de las Variables
De una manera muy general, cuando se estudia un sistema cualquiera, se trata de obtener las variaciones o respuestas del sistema ante ciertas perturbaciones que se aplican de manera controlada. La Figura 1 representa esquemáticamente un sistema bajo estudio.

En muchas ocasiones se encuentran algunos datos importantes (constantes físicas) inmersas en las ecuaciones empíricas, como la aceleración de gravedad, la constante de elasticidad de un cuerpo, etc. Estos valores deben ser despejados y comparados con los teóricos de igual forma. Una vez hecha las comparaciones se debe realizar un profundo análisis cualitativo tanto de los gráficos como de los resultados, además de una descripción y análisis detallados de los fenómenos físicos visualizados durante la experimentación, las consideraciones para realizar la toma de datos y un profundo análisis de las fuentes de error o discrepancias presentes en la experimentación. Posteriormente se debe profundizar en un análisis cuantitativo de los resultados encontrados y los errores porcentuales, para finalizar con un análisis global del experimento. Es importante entregar dentro del análisis las ecuaciones y constantes encontradas de forma clara y con las incertidumbres, unidades y cifras adecuadas, esto es la base del análisis. Del análisis realizado se deben desprender las conclusiones, las cuales deben estar referidas a los objetivos de la experiencia, y deben contener toda la información relevante del experimento incluidas las ecuaciones y constantes encontradas. También se pueden extraer conclusiones de algunos análisis secundarios que no necesariamente están indicados en la guía, pero que si se pueden realizar en base a los datos tomados y las comparaciones con predicciones teóricas o resultados obtenidos por otros métodos de medición. Se debe si tener cuidado de no concluir cosas que no se analizaron o que simplemente no se midieron como podría ser por ejemplo una dependencia respecto a la posición geográfica de los datos tomados.

Se designan como Xi a las “variables de entrada” o “variables independientes” que se pueden 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 se estudia un sistema, será más útil concentrarse 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. Es importante mantener el resto de las posibles variables constantes, y sólo trabajar con dos a la vez, una de salida y otra de entrada.

Representación Gráfica de Datos
Al analizar los datos, difícilmente de la observación de la tabla de valores, se podrá establecer el tipo de relación que existe entre las variables. Un método poderoso para estudiarlo es la representación gráfica. A veces ella permite obtener o predecir un modelo matemático para la relación entre las variables inmediatamente. El gráfico permite observar todos los datos de un vistazo incluyendo los puntos de máximo y mínima inflexión y el tipo general de la curva. 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:  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

2

UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA CAMPUS SANTIAGO LABORATORIO FÍSICA PRIMER SEMESTRE 2013 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 recolectada en un experimento, un gráfico debe construirse sobre la base de una elección adecuada tanto de las variables como de las escalas. A continuación se muestra un ejemplo de un gráfico y su epígrafe. En el Gráfico 1 se mide el campo magnético en un solenoide con un instrumento digital en función de la distancia usando una huincha métrica.

Campo Magnético ± 0.001 [T]

3,000 2,500 2,000 1,500
1,000

B = -0,1368d + 3,248 R² = 0,9932

Exp. Teóricos

0,500 0,0000

5,0000

10,0000 Distancia ± 0.0005 [m]

15,0000

Gráfico 1: Magnitud del campo magnético en un solenoide de largo fijo en función de la distancia, en donde se comparan las gráficas teórica y experimental.

Diseño de Gráficos
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. Además, los ejes deben incluir la incertidumbre.  La curva debe cubrir la mayor parte del gráfico, pero no debe mostrar más exactitud que la incertidumbre de las mediciones.  Las escalas deben estar numeradas claramente para facilitar la lectura.  El punto de intercepción se debe escoger por conveniencia y no necesariamente debe ser cero.  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 (ecuaciones, coeficiente correlación) 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.

Relaciones Lineales
Una relación entre las variables X e Y del tipo: ( ) es tal vez la más simple de todas. La representación gráfica de la ecuación (2) arrojaría una línea recta, de pendiente a y que corta al eje vertical en b. Esta dependencia de Y con X se llama una relación lineal entre 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. Entre una recta y una curva nuestro ojo siempre notará la diferencia, pero no discriminará a la función que define la curva. Se puede probar esto con la ayuda del Gráfico 2.

Gráfico 2: Representación de dos series de datos. ¿Cuál serie aproxima mejor una relación lineal entre las variables X e Y?

En el Gráfico 2 están representadas dos series de datos. Se inferirá cualitativamente cuál de las series puede aproximarse por una relación lineal entre las variables X e Y. Para esto se usa un método práctico: se lleva el papel hasta el nivel de los ojos (se puede cerrar uno como cuando se hace puntería) y se ve si los puntos se encuentran 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

3

UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA CAMPUS SANTIAGO LABORATORIO FÍSICA PRIMER SEMESTRE 2013 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”, recién se puede estimar los parámetros (pendiente y ordenada al origen) de la mejor recta que aproxime la relación funcional. Para encontrar esta mejor recta se puede dibujar criteriosamente esa recta y definir los valores de la pendiente y la ordenada al origen, o usar métodos numéricos más generales para encontrarlos. Al comparar esta expresión con la ecuación de la recta podremos determinar la pendiente como n y el intercepto como ( ).

Regresión Lineal a través de Mínimos Cuadrados
Hemos enfatizado sobre la importancia de las representaciones gráficas y hemos visto la utilidad de las versiones linealizadas de los gráficos (X,Y) junto a las distintas maneras de llevar a cabo la linealización. A menudo nos confrontamos con situaciones en las que existe o suponemos que existe una relación lineal entre las variables X e Y. Surge de modo natural la pregunta: ¿cuál es la relación analítica que mejor se ajusta a nuestros datos? El método de mínimos cuadrados es un procedimiento general que nos permite responder esta pregunta. Cuando la relación entre las variables X e Y es lineal, el método de ajuste por mínimos cuadrados se denomina también método de regresión lineal. El Gráfico 3 ilustra el caso lineal. La dispersión de los valores está asociada a la fluctuación de los valores de cada variable. Observamos o suponemos una tendencia lineal entre las variables y nos preguntamos sobre cuál es la mejor recta.

Funciones Potenciales
Se miden pares de valores (X,Y) teniendo conocimiento que la relación funcional que los vincula es del tipo: ( ) donde a y n 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. La constante n 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 q, Y cambiará consecuentemente qn 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.

Linealización a través de la Transformación de Variables
Si en la ecuación (3) transformamos las variables haciendo el siguiente cambio:

oda vez que conozcamos el exponente ny representamos ) ( ), lo que obtenemos es una las nuevas variables ( relación lineal entre las variables transformadas y decimos que hemos linealizado la representación gráfica. En este caso se transforma la variable X, pero bien se podría haber optado por el cambio en la variable dependiente Y, obteniendo también una ) relación lineal entre las nuevas variables representadas ( ⁄ ( ). Está claro que lo anterior es inmediato de realizar si conocemos el valor del exponente n. Además, observamos que un gráfico linealizado nos da el valor de la constante a. Por otra parte si no conocemos el exponente es recomendable usar la función logaritmo y representar ( ) en función de ( ). Esto queda claro si transformamos la ecuación (3), calculando el logaritmo para ambos miembros se obtiene: ( ) ( ) ( ) (4)

Gráfico 3: Datos asociados a un modelo lineal. La cantidad ( ) representa la desviación de cada observación de respecto del valor predicho por el modelo ( )

Suponga que se han medido N pares de valores ( ), y que ( ) es lineal, es se formula la hipótesis de que la función decir, de la forma , donde a y b son valores que se desean determinar. Necesitamos un método que permita:    Indicar qué tan buena es la hipótesis de que la función ( ) es lineal. Calcular los valores de las constantes a y b que mejor representan al conjunto de datos experimentales ( ). Calcular el error de las constantes a y b obtenidas.

Se define el error del punto i-ésimo, como la diferencia entre el valor medido y el valor teórico dado por la ecuación de la recta. ( )

4

UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA CAMPUS SANTIAGO LABORATORIO FÍSICA PRIMER SEMESTRE 2013 El método de los mínimos cuadrados, consiste en elegir los valores de a y b tales que la suma de los cuadrados de los errores, ∑ , sea mínima. A partir de esta condición es posible encontrar un algoritmo, que permite calcular los valores más probables de a y b, los respectivos errores y , y una constante llamada coeficiente de regresión lineal r, que indica qué tan buena es la hipótesis de que la relación entre las variables es lineal. la naturaleza. Dicha información resultará incompleta a menos que se trate de una información cuantitativa. Tal y como ahora se conciben la ciencia y la ingeniería, toda teoría busca fundamentar su validez a través de la comparación con la evidencia experimental. La toma de mediciones constituye el corazón del quehacer experimental. En términos simples, medir es obtener el valor numérico de una magnitud física relacionada con algún fenómeno de interés. Para ello, se compara la magnitud medida con otra magnitud patrón denominada unidad, que le da significado. El asignar a una magnitud un número acompañado de una unidad, constituye lo que llamaremos una medida o medición. En general, toda magnitud física susceptible de ser medida depende de muchas variables. Algunas son relevantes (tienen mayor influencia en el valor medido) y otras no lo son. Algunas son fácilmente controlables, mientras que otras no lo son. Además, existen limitaciones instrumentales, físicas y humanas que afectan el proceso de medición. Dado todo lo anterior, si uno mide varias veces la misma magnitud, en las mismas condiciones y con el mismo instrumento, es muy probable que se obtengan valores numéricos diferentes. Por definición, toda medición tiene asociada una incertidumbre, incerteza o error, y el conjunto de reglas que permite su determinación se denomina teoría de errores. El error se puede concebir como la variación (dispersión) de las diferentes mediciones con respecto a un valor central. La medición de una cantidad física por sí sola, sin la especificación de su rango de incertidumbre, no resulta útil para el quehacer experimental. Se denomina valor verdadero a aquel que se obtendría si no existiesen errores en las mediciones. Si bien se puede mejorar el procedimiento de medición, jamás se podrá eliminar completamente el error, por lo que jamás se puede esperar la obtención del valor verdadero. En consecuencia, una de las primeras cosas que hay que tener presente a la hora de tomar mediciones es que los instrumentos no miden el valor verdadero, sino que dan solamente una estimación de dicho valor. En general, existen tres tipos de incertezas o errores de medición: a) Errores sistemáticos: Se producen por factores indeseables (externos o internos) que interactúan consistentemente con el sistema en estudio. No pueden ser detectados y eliminados por simple repetición del experimento. Ejemplos:     Mala calibración de instrumentos. Malos hábitos de trabajo del experimentador. Errores de paralaje (mala ubicación del observador al leer los instrumentos, en especial los análogos. Por ejemplo, reglas e instrumentos con aguja) Efectos de factores no considerados en el experimento. Por ejemplo, despreciar roce con el aire en algunos casos.

Detección de 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 se mide la variable Y en función de otra X, un gráfico Y(X) resultará desplazado en la vertical una cantidad igual al error sistemático de cada punto Y. Si la relación entre estas variables fuese lineal, ecuación (2), la presencia de tal desplazamiento sistemático llevará a que aparezca una ordenada al origen falsa. Es decir, cuando , tenemos , en vez de . 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 e Y de la forma , si representamos X en función de Y en escala log-log esta vez no se obtiene una recta.

Coeficiente de Correlación
El coeficiente de correlación puede tomar valores entre 0 y 1 (para rectas de pendiente positiva). El valor significa que las variables no están relacionadas entre sí, entonces, cualquier tendencia a estar en la función hipótesis es puramente por azar. Un valor , significaría que los puntos están todos exactamente sobre la función hipótesis, entonces, hay 100% de certeza de que corresponde a la función esperada. En un experimento nunca obtendremos , porque siempre puede haber algún grado de correlación, simplemente por casualidad. Tampoco obtendremos en un experimento porque siempre habrá errores aleatorios en las mediciones que se efectúan.

Teoría del Error Experimental
Todas las ciencias experimentales se basan en la obtención de información mediante la observación de fenómenos que ocurren en

Para evitar este tipo de errores debemos:  Controlar el estado de los instrumentos, en particular su calibración.

5

UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA CAMPUS SANTIAGO LABORATORIO FÍSICA PRIMER SEMESTRE 2013   Establecer claramente las condiciones de observación y/o experimentación. Revisar el fenómeno que se está analizando de manera de tener claro las variables relevantes.

b) Errores accidentales o aleatorios: Son usualmente los más responsables de que se obtengan valores distintos al repetir una medición. Por ejemplo:    Errores de apreciación. Errores por condiciones fluctuantes. Errores por características del objeto medido.

Para evitar este tipo de errores debemos:  Repetir la medición varias veces y tomar el promedio de los valores obtenidos como el resultado de la medición.  Usar sistemas de medición en donde los datos observados sean registrados automáticamente por medio de máquinas especializadas. Estas pueden eventualmente trazar gráficos para que el experimentador los analice. c) Errores burdos: Errores producto de equivocaciones de procedimiento de parte del experimentador. Por ejemplo:    Leer mal un instrumento. Contar mal un número de sucesos. Errores de cálculo.

Figura 2: Muestra gráficamente las diferencias entre los conceptos de exactitud y precisión.

Para entender la analogía de los dardos y el blanco, hay que tomar en cuenta que:   Exactitud se refiere a qué tan cercanos quedaron los dardos del blanco. Precisión se refiere al grado de dispersión de los dardos. Mientras más concentrados estén, más precisos son.

Para evitar este tipo de errores debemos:  Realizar las mediciones con rigurosidad, preocupándose constantemente de hacer y revisar bien cada etapa de la medición. Con el fin de maximizar la confiabilidad y utilidad de las mediciones, y en consecuencia la validez del experimento, es necesario reducir lo más posible las influencias de estos factores, y para ello se hace necesario analizar las fuentes de error. En este punto, resulta conveniente mencionar dos conceptos importantes: exactitud y precisión.   La exactitud se refiere a la cercanía del valor medido al valor “exacto” o “esperado”. Los errores sistemáticos afectan la exactitud de las mediciones. La precisión se refiere al grado de dispersión de las mediciones. Los errores aleatorios afectan la precisión de las mediciones.

A partir de estas ideas, se puede explicar cada caso ilustrado en la Figura 2: a) Exacto y Preciso: los dardos están concentrados en un área pequeña alrededor del blanco. Corresponde a un instrumento calibrado y preciso (situación ideal). b) Inexacto y Preciso: los dardos están concentrados en un área pequeña, la cual está lejos del blanco. Corresponde a un instrumento preciso, pero descalibrado. c) Exacto e Impreciso: los dardos están muy dispersos, pero en promedio dan en el blanco. Corresponde a un instrumento calibrado pero impreciso, en cuyo caso conviene promediar mediciones y obtener desviación estándar. d) Inexacto e Impreciso: dardos muy dispersos y que, en promedio, dan en un punto lejos del blanco. Corresponde a un instrumento descalibrado e impreciso, en cuyo caso no queda otra opción que descartar las mediciones. Medir una sola vez una variable física no proporciona un buen criterio de fiabilidad, dado que todas las variables que influyen en un experimento no pueden ser absolutamente controladas. Es por ello, que las mediciones deben efectuarse muchas veces bajo idénticas condiciones, es decir, deben ser fácilmente reproducibles.

La exactitud y la precisión son conceptualmente diferentes. Un conjunto de mediciones puede ser preciso o impreciso, y exacto o inexacto. La Figura 2 muestra los cuatro casos posibles y sus implicancias.

6

UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA CAMPUS SANTIAGO LABORATORIO FÍSICA PRIMER SEMESTRE 2013 Un tratamiento estadístico de las fluctuaciones de estas mediciones efectuadas bajo idénticas condiciones, alrededor de un cierto valor más probable, proporciona ideas respecto a:    La reproducibilidad de la medida. La confiabilidad del método de medición empleado. La validez de la teoría científica estudiada. Usualmente el resultado de mediciones se comunica utilizando el promedio, que está asociado a . Mientras depende de la calidad de las mediciones, depende del número de mediciones y este es menor cuanto más grande sea la muestra. Para la mayoría de los casos de interés práctico, si medimos 100 veces una magnitud x, aproximadamente 68 de ellas caerán en ), 96 de ellas en el intervalo ( ̅ el intervalo ( ̅ ̅ ), y 99 de ellas en el intervalo ( ̅ ). Estos ̅ ̅ resultados valen estrictamente para el caso en que los errores se distribuyan "normalmente", es decir, si el histograma formado con los resultados de las mediciones adopta la forma de una campana de Gauss. Lo anterior nos permite asociar como error de una magnitud dada a un valor proporcional a , por lo tanto el criterio que emplearemos en nuestros datos será utilizar como error en una muestra de 3 .

La incertidumbre de una medida física dice mucho acerca de la tecnología involucrada en el instrumento de medición y del método de cálculo o modelo empleado en la obtención de este valor. Una incertidumbre o fluctuación grande, es decir, del orden de la medida obtenida, permite dudar del método de medición empleado. Una medida obtenida con una razonable incertidumbre y que arroje un resultado no predicho por la ley, permite dudar de su validez.

Estimación del Error Experimental
Todos los resultados, sean de cantidades medidas o calculadas, deben informarse siempre de la siguiente forma, que es usual en ciencia e ingeniería: [ ] ( )

El error instrumental (EI) corresponde, en general, a la resolución del instrumento, es decir, la mínima diferencia que es capaz de distinguir. En algunos instrumentos la resolución está dada por el fabricante. Si no es así, puede estimarse como:   de la división más pequeña de la escala, para instrumentos analógicos. en el último dígito, para instrumentos digitales.

y con el número correcto de cifras significativas. El valor a informar de una cantidad medida N veces, es el promedio de las N medidas. Si la cantidad física a medir es x y para ello se hacen N mediciones x1, x2, …, xN, el promedio ̅ estará dada por: ̅ ∑ ( )

Para cantidades medidas, se informa el error aleatorio, a menos que este último sea menor que el error del instrumento. En este caso, no tiene sentido informar el error aleatorio, sino el error instrumental. Es decir: { ( )

El error nos da una medida de la precisión del conjunto de mediciones. Observación: Las constantes que no provienen de mediciones tales como , √ ó el factor ½ en el área de un triángulo, no tienen error.

Para la estimación del error vamos a considerar dos tipos: el error aleatorio y el error instrumental. El error aleatorio de una serie de mediciones puede estimarse como la desviación estándar de los datos medidos. La desviación estándar para una muestra de N elementos o medidas de una población estará dada por: ∑ √ ( ̅ )

Errores Absoluto, Relativo y Porcentual
El error absoluto se define como la diferencia absoluta entre el valor medido de una magnitud y el valor verdadero. ̅ ( )

( )

Debe entenderse que representa una magnitud característica asociada al error en cada dato medido, por lo es necesario determinar el error típico del promedio, lo cual está dado por la relación √ ( )

en que es la i-ésima medición y ̅ el promedio de todas la mediciones. El error absoluto también puede corresponder al error aleatorio o instrumental. El error relativo es un parámetro adimensional que permite establecer una comparación entre un conjunto de mediciones. Corresponde al cociente entre el error absoluto y el valor verdadero:

7

UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA CAMPUS SANTIAGO LABORATORIO FÍSICA PRIMER SEMESTRE 2013 ̅ ( ) trabajo de laboratorio se hará usando la hipótesis estadística, de uso más común en el mundo científico. a) Hipótesis Pesimista En la hipótesis pesimista, se asume que los errores de las mediciones directas no se compensan entre sí, por lo que se estima el error máximo posible. Esto se da en el caso de que las mediciones directas sean dependientes o estén relacionadas entre sí, de manera que una sobreestimación (o subestimación) de la variable X trae como consecuencia una sobreestimación (o subestimación) de otra variable Y. ̅ ̅ ̅ Sean , , ̅ ̅ ̅ donde , y son los valores medios y respectivos errores absolutos. i. Suma: ̅ Estos valores expresados en porcentaje son: ii. Resta: ̅ Esta manera de exponer el error relativo permite apreciar las diferencias entre los distintos errores relativos de una medición. ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅( | ̅| iv. División: ̅ ̅ ̅ ̅ ̅ ( ̅ | ̅| v. Potenciación: ̅ ̅ vi. Radicación: ̅ √ √ ̅ ̅ b) Hipótesis Estadística Como se mencionó anteriormente, la hipótesis pesimista siempre se sitúa en el caso más desfavorable, en el cual se asumen errores simultáneos en todas las variables medidas directamente. Sin embargo, lo más común es que las variables sean aleatorias e independientes entre sí. En esa situación, el “caso ̅ ̅ ̅ ) | ̅| ) ̅ ̅ ̅ ̅ tres mediciones, y son los

El error relativo se puede expresar como porcentaje, así el error porcentual está dado por la siguiente ecuación: ( Por ejemplo, considere el siguiente conjunto de mediciones: [ ] [ ] [ ] )

,

¿Cuál de estas medidas es más precisa? Evidentemente, la medida hecha con más precisión fue m3.

iii.

Multiplicación: ̅

Propagación del Error
Las mediciones que se obtienen en un experimento son en general de dos tipos:   Mediciones directas: aquellas que se obtienen directamente de una medición. Mediciones indirectas: aquellas que son calculadas a partir de operaciones con mediciones directas.

Como cada medición directa tiene asociado un error experimental, cualquier medición indirecta obtenida a partir de ellas también tiene asociada un error experimental. Tal error se denomina error de propagación, y se estima a partir de los errores de las mediciones directas involucradas. En términos concretos, sean las mediciones directas A, B, ̅ ̅ C,…, etc. que se expresan como , , ̅ , etc. Se pretende calcular la medición indirecta Y, que es función de A, B, C,…, etc., es decir, ( ), donde Y ̅ se expresa como , donde ̅ es el valor medio y el error experimental. La propagación del error es el conjunto de reglas que permiten asignar un valor de error a la medición indirecta Y, a partir de las mediciones directas A, B, C,…, etc. y dándole a cada una la importancia relativa que le corresponde. El cálculo del error propagado se puede hacer desde dos posibles hipótesis: la pesimista y la estadística. A continuación se explicarán ambas hipótesis, aunque dejando constancia que el

| ̅|

8

UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA CAMPUS SANTIAGO LABORATORIO FÍSICA PRIMER SEMESTRE 2013 más desfavorable” resulta altamente improbable, por lo que una sobreestimación (o subestimación) de la variable X no viene necesariamente acompañada de una sobreestimación (o subestimación) de otra variable Y. Así, los errores se compensan parcialmente, por lo que la hipótesis pesimista termina entregando una estimación exagerada del error propagado. En la hipótesis estadística se supone que las variables son aleatorias e independientes entre sí. Asumiendo adicionalmente que las variables se distribuyen en forma normal o gaussiana (y haciendo deducciones que, para su comprensión, requieren de elementos de cálculo y álgebra que usted recién está adquiriendo en las asignaturas de matemática que está estudiando y va a estudiar durante su carrera) se obtienen las expresiones que se explicarán a continuación, que son las que va a usar en su trabajo experimental. ̅ ̅ ̅ Sean , , donde ̅, ̅ y ̅ son los valores medios y respectivos errores. tres mediciones, , y son los     

El error propagado ( ̅ ) ( ̅ )

está dado por: ( ̅ ) ( ̅ ) ( )

Ejemplo: Considere un cilindro regular de radio basal r y altura h, Figura 4. El volumen de este cilindro está dado por . El error propagado del volumen del cilindro estará dado por: ( ̅ ) ( ̅ ) ) ̅ ( ̅ ( ) ̅ )

̅ √(

Para estimar el error propagado según la hipótesis estadística pueden usarse las siguientes fórmulas: i. Suma y Resta. Para una cantidad Q, calculada a partir de sumas y restas de cantidades medidas:

̅ es el valor medio del radio. ̅ es el valor medio de la altura. ̅ ̅ ̅ es el valor medio del volumen. es el error del radio. es el error de la altura.

r
h

el error propagado

está dado por: ( )

Ejemplo: Se han medido los largos de las secciones del eje mostrado en la Figura 3, usando el mismo instrumento. Resulta evidente que la longitud total L del eje es igual a la suma de las longitudes de las secciones a y b, es decir:

r
Figura 4: Cilindro de altura h y radio basal r.

a

En general, para calcular medidas indirectas que son en función de otras ( ), el diferencal total estará dado por la expresión:

b
√| | | | | | ( )

L
Figura 3: Eje de largo L, que corresponde a la suma de las longitudes a y b.

Cifras Significativas
Los números medidos representan magnitudes físicas. En Física, se suelen realizar operaciones con estos números, por lo que los resultados de estas operaciones también representan magnitudes físicas. Tales resultados deben ser coherentes y consecuentes con el procedimiento de medición usado, es decir, deben poder ser obtenibles por los instrumentos usados. Consideremos el siguiente ejemplo: medir el ancho de una hoja de papel, usando para ello una regla graduada en [cm] y [mm]. Supongamos que un físico hace la medición y el resultado le da 21,78 [cm]. De este resultado podemos decir que:

Si es el error de a y es el error de b, el error propagado de la longitud del eje estará dado por:

√ ii. Multiplicación, División, Potenciación y Radicación. Para una cantidad Q, calculada a partir de productos y cuocientes de cantidades medidas, y sus potencias:

9

UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA CAMPUS SANTIAGO LABORATORIO FÍSICA PRIMER SEMESTRE 2013  Las cifras 2, 1 y 7 (centímetros y milímetros) proporcionan información segura, pues se pueden leer directamente del instrumento de medición  La cifra 8 (décimas de milímetro) es dudosa. Al medir con la regla, el ancho de la hoja quedó en un valor entre 21,70 y 21,80 [cm]. Ahí, el científico hace una estimación “al ojo” y cómo ve que el final de la hoja está muy cerca de 21,80 [cm], agrega el 8.  Supongamos que otro físico dijera que el ancho de la hoja mide 21,786 [cm]. En tal caso, la cifra 6 (centésimas de milímetro) carece de significado, pues no está representando información que pueda ser proporcionada por el instrumento de medición. El físico puede establecer con certeza los datos proporcionados por la regla, que marca hasta milímetro, y estimar el siguiente grado de precisión, en este caso décimas de milímetro. Más allá de eso, no puede decir nada, a menos que se consiga un instrumento que permita medir con mayor nivel de precisión. Supongamos que vamos a medir el largo de tres mesones y sacar el promedio de las tres mediciones. Las mediciones se harán usando una huincha de medir graduada en [m] y [dm]. Se obtienen los valores 3,60 [m], 3,63 [m] y 3,62 [m]. Al sacar el promedio con una calculadora, el resultado da 3,6166667 [m]. Sin embargo, el instrumento usado permite medir con certeza hasta los centímetros y estimar los milímetros, por lo que cualquier cifra más allá de eso introduce información adicional. Para que ese resultado sea válido como medición, tendría que obtenerse usando un instrumento graduado hasta los diezmilésimos de milímetro. Por ello, la coherencia con el procedimiento de medición exige aproximar hasta los centímetros, por lo que el promedio quedaría en 3,62 [cm]. En Física se toma especial cuidado en expresar las cantidades por números cuyas cifras tengan real significado, esto es, que transmitan información útil, que sea obtenible directamente o al menos estimable con el instrumento usado. A estas cifras las designamos con el nombre de cifras significativas. Convenios para cifras significativas: 1) Los resultados de una medición se deben expresar mediante un número cuyas cifras reflejen el cuidado o precisión con que se efectuó esa medición. Por ejemplo, si la medición se hizo con una regla graduada en [cm], la precisión del número no puede ser mayor que la de milímetros. En tal caso, los centímetros son información segura y los milímetros se estiman “al ojo”. En un número de medición, la última de las cifras seguras (la que está al lado de la cifra dudosa), representa la graduación máxima del instrumento, o división más pequeña de su escala. Por otra parte, la resolución de un instrumento es la diferencia más pequeña que éste puede discriminar. Una buena estimación de la resolución de un instrumento es ½ de su graduación máxima. Por ejemplo, en el valor L = 21,78 [cm], la cifra dudosa (el 8) corresponde a las “décimas de milímetro”, mientras que la última cifra segura (el 7) indica que el instrumento usado tiene graduación máxima en [mm], y una resolución de 0.5 [mm]. Usualmente se llama “precisión” de una serie de mediciones, a la dispersión más representativa del conjunto de datos, con respecto al promedio. Una buena estimación de la precisión de una serie de mediciones es la desviación estándar ( ) de los datos. 2) La forma de realizar una medición nos determinará el número de dígitos que emplearemos para expresar el resultado de ella. Convendremos que sea el último dígito el que exprese la incertidumbre en la medición. Considere los datos L1 = 14,28 [cm] y L2 = 14,280 [cm].  El número L1 tiene 4 cifras significativas. Para L1, la incertidumbre está en el cuarto dígito, correspondiente a la décima de milímetro. Se dice que L1 podría tener un valor entre 14,27 [cm] y 14,29 [cm].  El número L2 tiene 5 cifras significativas. Para L2, la incertidumbre está en el quinto dígito, correspondiente a la centésima de milímetro. Se dice que L2 podría tener un valor entre 14,279 [cm] y 14,281 [cm]. Aunque ambos valores son aritméticamente iguales, no se pueden obtener usando el mismo instrumento de medición. 3) No se permite colocar ceros al final de números relacionados con mediciones, aunque se conserve el orden de magnitud de ellos, a menos que estos ceros estén avalados por mediciones o por definiciones. 4) En los números decimales cuyo valor absoluto es menor que la unidad, los ceros a la izquierda no son cifras significativas. 5) El uso de notación científica permite escribir un número como el producto de dos factores: uno que contiene las cifras significativas y el otro con la potencia de 10 correspondiente. En la Tabla 1 se muestran algunos ejemplos de estimación del número de cifras significativas, según los convenios recién descritos. Cantidad 8 60 5000 10,08 7,0 9,50 0,02 0,09 0,090 0,00400 0,30·10-7 0,05·10-3 18·106 47,0 Significado 7 59 4999 10,07 6,9 9,49 0,01 0,08 0,089 0,00399 0,29·10-7 0,04·10-3 17·106 46,9 9 61 5001 10,09 7,1 9,51 0,03 0,10 0,091 0,00401 0,31·10-7 0,06·10-3 19·106 47,1 C.S. 1 2 4 4 2 3 1 1 2 3 2 1 2 3 Notación Científica 8 6,0·101 5,000·103 1,008·101 7,0 9,50 2·10-2 9·10-2 9,0·10-2 4,00·10-3 3,0·10-8 5·10-5 1,8·107 4,70·101

Tabla 1: Ejemplos según los criterios de cifras significativas.

10

UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA CAMPUS SANTIAGO LABORATORIO FÍSICA PRIMER SEMESTRE 2013

Análisis Dimensional
El análisis dimensional es un método en el cual se deduce información acerca de un fenómeno, a partir del supuesto que todo fenómeno puede ser descrito por una ecuación entre ciertas variables, que es correcta desde el punto de vista de sus dimensiones. El resultado del análisis dimensional a un problema es una reducción del número de variables del problema. El análisis dimensional es un proceso mediante el cual se examinan las dimensiones de los fenómenos físicos y de las ecuaciones asociadas, para tener una visión de sus soluciones. A las magnitudes físicas fundamentales se les asigna un atributo denominado dimensión, que se representa por un símbolo. Las dimensiones de las magnitudes derivadas se obtendrán a partir de cualquier expresión matemática que relacione dicha magnitud con las fundamentales o con otras magnitudes derivadas, cuyas dimensiones conozcamos. Magnitud Longitud Masa Tiempo Intensidad Eléctrica Temperatura Cantidad de Sustancia Intensidad Luminosa Por ejemplo: Unidad metro kilogramo segundo amperio kelvin Mol candela Símbolo Unidad m kg s A K mol cd Símbolo Dimensión L M T A K S C

El teorema fundamental del análisis dimensional nos dice que en cualquier expresión matemática que represente el comportamiento de un sistema físico las dimensiones de los dos miembros de la misma deben ser las idénticas. Este teorema tiene una aplicación interesante como método para chequear la corrección de una expresión, ya que si no se cumple el teorema podemos estar seguros de que la expresión en cuestión no es correcta. Cuando una magnitud tiene dimensión 1, decimos que la magnitud es adimensional. Una magnitud adimensional no tiene unidad, entonces, su valor será independiente del sistema de unidades empleado. Los argumentos de funciones trascendentes (exponenciales, trigonométricas, etc.) tienen que ser adimensionales.

Bibliografía
   Gil, Rodríguez. Física re-Creativa Experimentos de Física usando nuevas tecnologías. Primera Edición. Oda–Noda. Introducción al análisis gráfico de datos experimentales. Laroze, Porras, Muzzio. Conceptos y Magnitudes en Física.

Tabla 2: Magnitudes fundamentales con su unidad y símbolos.

De esta expresión deducimos otra expresión simbólica con las dimensiones o sus símbolos denominada ecuación de dimensiones o ecuación dimensional: [ ] [ ]

Se lee, dimensiones de F igual a dimensiones de masa por dimensiones de aceleración. ⁄ , o sea, las dimensiones de [ ] Pero ⁄ , o sea, [ ] , por lo que: [ ] [ ] [ ] Las ecuaciones dimensionales sirven para deducir las unidades fundamentales de las magnitudes derivadas. Así, en el S.I. (Sistema Internacional de Unidades):    unidad de velocidad: 1 [m/s] = 1 [m·s-1] unidad de aceleración: 1 [m/s2] = 1 [m·s-2] unidad de fuerza:1 [kg·m/s2] = 1 [kg·m·s-2] = 1 [N] [ ] y

11

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->