Guias Laboratorios U Atlantico

Gua para Analisis de Experimentos
Laboratorios de Fsica
Preparado por:
Prof. EULER EUGENIO CORAL
Programa de Fsica
Facultad de Ciencias Basicas
Universidad del Atlantico
Marzo de 2010
Gua para Analisis de Experimentos
Laboratorios de Fsica
Preparado por:
Prof. EULER EUGENIO CORAL
Programa de Fsica
Facultad de Ciencias Basicas
Marzo de 2010
Contenido
1 Introduccion 1
1.1 Enfoque del Trabajo de Laboratorio . . . . . . . . . . . . . . . . . . . 1
1.2 Magnitudes Fsicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Las Unidades B asicas del SI . . . . . . . . . . . . . . . . . . . . . . . 3
1.4 Sistema de unidades . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.5 Prejos para los M ultiplos y Subm ultiplos . . . . . . . . . . . . . . . 4
1.6 Factores de Conversion . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.7 An alisis Dimensional . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.8 Orden de Magnitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.9 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Mediciones y Errores 9
2.1 El proceso de medici on . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Tipos de medici on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3 Cifras signicativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4 Operaciones con cifras signicativas . . . . . . . . . . . . . . . . . . . 11
2.4.1 Criterio de aproximaciones . . . . . . . . . . . . . . . . . . . . 11
2.4.2 Suma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4.3 Multiplicacion . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5 Errores Experimentales . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5.1 Errores Sistem aticos . . . . . . . . . . . . . . . . . . . . . . . 13
2.5.2 Errores Aleatorios . . . . . . . . . . . . . . . . . . . . . . . . . 13
E. E. Coral Gua para Analisis de Experimentos
ii CONTENIDO
2.6 C alculo de Errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.6.1 Error Absoluto . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.6.2 Incertidumbre relativa y porcentaje de error . . . . . . . . . . 15
2.6.3 Calculo pr actico de la incertidumbre . . . . . . . . . . . . . . 16
2.7 Propagaci on de errores . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.7.1 Incertidumbre en funciones de una sola variable . . . . . . . . 18
2.7.2 Funciones de dos o mas variables . . . . . . . . . . . . . . . . 19
2.7.3 Metodo general para calcular errores . . . . . . . . . . . . . . 20
2.8 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.9 Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3 Tratamiento estadstico de medidas 25
3.1 C omo se minimiza este error? . . . . . . . . . . . . . . . . . . . . . . 25
3.1.1 Valor Promedio . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.2 Desviacion de la Media . . . . . . . . . . . . . . . . . . . . . . 26
3.1.3 Desviacion Promedio . . . . . . . . . . . . . . . . . . . . . . . 26
3.1.4 Desviacion Estandar . . . . . . . . . . . . . . . . . . . . . . . 26
3.1.5 La Varianza . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.1.6 Incertidumbre Estandar de la Media . . . . . . . . . . . . . . 27
3.1.7 Error Relativo Porcentual . . . . . . . . . . . . . . . . . . . . 27
3.2 An alisis de error para N peque no . . . . . . . . . . . . . . . . . . . . 28
3.2.1 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3 Histograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.1 Construccion del Histograma . . . . . . . . . . . . . . . . . . . 30
3.3.2 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4 Evaluaci on de Experimentos 35
4.1 An alisis de gr acas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.2 Linealizaci on de gr acos . . . . . . . . . . . . . . . . . . . . . . . . . 37
Gua para Analisis de Experimentos E. E. Coral
CONTENIDO iii
4.2.1 Ecuacion lineal y mnimos cuadrados . . . . . . . . . . . . . . 37
4.2.2 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.3 Gr acos no lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3.1 Funci on Potencial . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3.2 Funci on exponencial . . . . . . . . . . . . . . . . . . . . . . . 41
4.3.3 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.3.4 Linealizacion de modelos conocidos . . . . . . . . . . . . . . . 44
4.4 An alisis de gr acos con ayuda de calculadoras . . . . . . . . . . . . . 45
4.4.1 Calculadoras Cassio FX95MS Y FX100MS . . . . . . . . . . . 46
4.4.2 Calculadora Cassio FX350ES . . . . . . . . . . . . . . . . . . 46
4.5 Uso de programas de computador . . . . . . . . . . . . . . . . . . . . 47
4.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Referencias bibliogracas 49
Lista de guras
2.1 Medici on de una magnitud . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Errores aleatorios y sistematicos en un ejercicio de pr actica de tiro.
a)Alta precisi on y exactitud: Debido a que las marcas de los
disparos est an muy cerca unas deotras, podemos decir que los er-
rores aleatorios son peque nos (buena precisi on). Debido a que la
distribuci on de disparos esta centrada en el blanco, los errores sis-
tem aticos tambien son peque nos (buena exactitud). b) Alta pre-
cision y baja exactitud: Los errores aleatorios son todava peque nos,
pero los sistem aticos son mucho m as grandes [Pleaseinsertintopream-
ble]los disparos est an sistem aticamente corridos hacia la derecha. c)
Baja precision y Buena exactitud: En este caso, los errores
aleatorios son grandes, pero los sistematicos son peque nos, los dis-
paros estan muy dispersos, pero no est an sistematicamente corridos
del centro del blanco. d) Baja precision y baja exactitud: Aqu
ambos errores son grandes. . . . . . . . . . . . . . . . . . . . . . . . . 14
3.1 Ejemplo de un Histograma . . . . . . . . . . . . . . . . . . . . . . . . 30
3.2 Histograma para los datos del ejemplo . . . . . . . . . . . . . . . . . 33
4.1 Ejemplo de una gura bien realizada . . . . . . . . . . . . . . . . . . 36
4.2 Graca de la funci on y = kx
n
en papel logartmico . . . . . . . . . . . 41
4.3 Gr aca de la funcion y = Ae
kx
en papel semilogartmico . . . . . . . 42
4.4 Decrecimiento exponencial del Voltaje de un condensador . . . . . . . 43
4.5 Linealizaci on de los datos de la tabla 4.2 dibujados en papel semilog. 43
4.6 La pantalla en el modo Regresion Lineal presenta dos columnas x y y. 46
Lista de tablas
1.1 Unidades basicas del SI . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Denici on de las Unidades basicas del SI . . . . . . . . . . . . . . . . 3
1.3 Sistemas de Unidades . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 M ultiplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Subm ultiplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.6 Algunos Factores de conversi on . . . . . . . . . . . . . . . . . . . . . 5
1.7 Algunos ordenes de Magnitud . . . . . . . . . . . . . . . . . . . . . . 6
2.1 Ejemplo de cifras signicativas . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Ejemplo de aproximaciones con cifras signicativas . . . . . . . . . . 12
3.1 Mediciones del tiempo de reaccion . . . . . . . . . . . . . . . . . . . . 31
3.2 Intervalos para el histograma . . . . . . . . . . . . . . . . . . . . . . 32
4.1 Datos para analisis de un comportamiento lineal . . . . . . . . . . . . 39
4.2 Datos para la descarga de un condensador . . . . . . . . . . . . . . . 42
4.3 Ejercicio 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.4 Ejercicio 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.5 Ejercicio 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Captulo 1
Introducci on
1.1 Enfoque del Trabajo de Laboratorio
El objetivo del trabajo en el laboratorio es familiarizarse con el aspecto fenomeno-
logico de la Fsica. En cierta forma, el estudiante comprobar a las leyes y principios
que se imparten en el curso teorico o que han sido estudiadas previamente por el.
Por otro lado y de acuerdo a la orientacion del profesor, el estudiante podr a llegar
a las leyes a partir del experimento.
Los experimentos propuestos no se realizar an siguiendo una serie de instrucciones
como se ha hecho tradicionalmente. El estudiante debe recordar permanentemente
que la Fsica es una disciplina cientca y que en su formacion, debe hacer destacar su
espritu cientco y es aqu, en el Laboratorio de Fsica, en donde debe apropiarse
de esto, ya que los experimentos propuestos son ante todo un problema que los
estudiantes deben resolver, y para lograr soluciones satisfactorias, deben investigar
la bibliografa citada, leer otras guas de laboratorio, navegar en la Internet, etc. M as
concretamente, el estudiante debe ser conocedor del Metodo Cientcoy aplicarlo en
su investigaci on.
El trabajo en el laboratorio corresponde a una parte de la investigaci on que los
estudiantes van a realizar para resolver su problema experimental. B asicamente los
estudiantes van al laboratorio a medir las magnitudes de las propiedades del sistema
fsico que van a investigar. Pero, como se insinuaba en el p arrafo anterior, antes y
despues de las mediciones, se requiere una buena dedicaci on de tiempo estudiando y
entendiendo el problema de laboratorio, para esto, los estudiantes deber an conocer
previamente los siguientes aspectos:
2 Captulo 1. Introduccion
a) Conceptos teoricos involucrados en el tema que se va a experimentar
b) El sistema que se va a estudiar.
c) Las variables o propiedades que se van a medir.
d) Distinguir la variable dependiente de la variable independiente.
e) Las unidades en que se van a medir las variables.
f) Los factores que pueden afectar las mediciones.
El estudiante debe tener en cuenta todo lo que acontece en el laboratorio, lo mas
aconsejable es que tome nota de todo lo que suceda, especialmente de su propio
procedimiento. Cada estudiante debe tener una libreta de apuntes. Al nalizar
la pr actica de laboratorio, cada grupo debe entregar un preinforme de los datos
medidos en el formato que aparece al nal de esta gua.
Para evaluar los datos experimentales se debe tener el conocimiento b asico de las
Teora de Errores y Analisis de Gracos, temas que se van a exponer en una forma
breve en esta gua. El reporte de sus resultados se debe entregar en un informe que
presente el formato de Artculo Cientco que tambien se incluye en esta gua.
1.2 Magnitudes Fsicas
Magnitud es toda cantidad que se puede medir. Medir signica comparar. Cuando
medimos cualquier magnitud como, por ejemplo, una longitud o la intensidad de
una corriente electrica, en realidad estamos comparando esa magnitud con otra de
la misma especie que consideramos arbitrariamente como patron. Por ejemplo, al
determinar una masa desconocida en la balanza, lo que hacemos es comparar esa
masa con masas patrones (las pesas de la balanza). Estas pesas, a su vez, han
sido comparadas (o calibradas) con alg un patron secundario y al seguir la cadena de
comparaciones se llega hasta el patron universal de masa (kilogramo) que se conserva
en la Ocina Internacional de Pesas y Medidas (BIPM) en S`evres, cerca de Pars,
donde fue adoptado mediante convenios internacionales.
De igual forma, se denen patrones para otras magnitudes que se consideran
magnitudes fundamentales, puesto que las unidades de una de ellas no se puede
expresar una en funci on de las otras. Existen diferentes sistemas que denen las
unidades de estas magnitudes. Uno de estos, el Sistema Internacional de Unidades
(SI) vigente en la mayora de los pases desde 1960, considera siete unidades basicas
partir de las cuales se pueden derivar todas las restantes unidades de medida de otras
cantidades, ver tabla 1.1.
1.3 Las Unidades Basicas del SI 3
Tabla 1.1: Unidades basicas del SI
Magnitud Unidad Smbolo
longitud metro m
masa kilogramo kg
tiempo segundo s
temperatura Kelvin K
cantidad de sustancia mol mol
intensidad de la corriente Ampere A
intensidad de la luz buja o candela cd
1.3 Las Unidades Basicas del SI
La denici on de las unidades basicas ha venido cambiando por la necesidad de tener
patrones o referencias m as estables y precisas a traves del tiempo. La denicion
actual de las unidades b asicas del SI aprobada por la Conferencia General de Pesas
y Medidas (CGPM) en 1983 se muestran en la tabla 1.2.
Tabla 1.2: Denicion de las Unidades basicas del SI
Magnitud Unidad Denici on
longitud metro Distancia recorrida por la luz en el vaco durante un
intervalo de 1/299.792.458 s - 17a. CGPM, 1983.
masa kilogramo Masa de un cilindro de PLATINO-IRIDIO que se
conserva en la BIPM en Pars - 3a. CGPM, 1901.
tiempo segundo Duraci on de 9.192.631.770 vibraciones en la transi-
ci on de dos niveles hipernos del atomo de
123
Cs
-13a. CGPM, 1968.
temperatura Kelvin Es 1/273,16 de la temperatura termodin amica del
punto triple del agua - 13a. CGPM 1968.
1.4 Sistema de unidades
Es importante se nalar que existen varios grupos de unidades asociadas a las mag-
nitudes b asicas longitud, masa, tiempo, conocidas como sistemas de unidades.
Como ya se indic o anteriormente el SI es el m as utilizado en la actualidad, pero
existen pases como los de habla inglesa que usan diferentes sistemas de medici on,
(ver tabla 1.3). El estudiante debe estar en capacidad de pasar las unidades de un
sistema a otro aplicando los factores de conversi on de unidades.
Tabla 1.3: Sistemas de Unidades
Sistema Longitud Masa Tiempo
SI m kg s
CGS cm g s
INGLES pie slug s
1.5 Prejos para los M ultiplos y Subm ultiplos
Los prejos son nombres que se les da a ciertas potencias de 10 cuando usamos
notaci on cientca y sirven para determinar los m ultiplos y subm ultiplos de la unidad
principal. Para utilizarlos, basta con expresar una cantidad en notacion cientca y
reemplazar la potencia por el smbolo correspondiente seguido de la unidad b asica.
Tabla 1.4: M ultiplos
Factor Prejo Smbolo
10
24
yotta Y
10
21
zetta Z
10
18
exa E
10
15
peta P
10
12
tera T
10
9
giga G
10
6
mega M
10
3
kilo k
10
2
hecto h
10
1
deca d
Tabla 1.5: Subm ultiplos
Factor Prejo Smbolo
10
1
deci d
10
2
centi c
10
3
mili m
10
6
micro
10
9
nano n
10
12
pico p
10
15
femto f
10
18
atto a
10
21
zepto z
10
24
yocto y
1.6 Factores de Conversi on
Para pasar de un sistema de unidades a otro es necesario conocer la relaci on que
hay entre los distintos sistemas. Muchas veces tambien necesitamos pasar m ultiplos
y subm ultiplos a la unidad fundamental o viceversa. Algunas factores de conversi on
entre el Sistema Ingles y el SI se encuentran en la tabla 1.6.
1.7 Analisis Dimensional 5
Tabla 1.6: Algunos Factores de conversion
Longitud masa
1 m = 39,37 in = 3,281 ft =10
2
cm 1 lb = 0,454 kg = 16 oz
1 in = 0,0254 m = 2,54 cm 1 oz = 28,35 g = 0,0625 lb
1 ft = 0,3048 = 30,48 cm = 12 in 1Kg = 103 g = 2.2 lb
1 mi = 5280 ft = 1609 m = 1,609 km
1.7 Analisis Dimensional
Para vericar si una ecuacion est a bien formulada, se debe tener en cuenta las
variables que operan en dicha ecuacion. Al hacer un an alisis dimensional, las di-
mensiones se pueden tratar como cantidades algebraicas. Los smbolos empleados
para denotar las dimensiones de longitud, masa y tiempo son respectivamente L,
M y T. Dos cantidades que se suman, al igual que los terminos a ambos lados de
una ecuaci on, deben tener las mismas dimensiones. Como ejemplo, mostremos que
la ecuacion x = vt, es dimensionalmente correcta. Por ser x es una longitud tiene
dimensi on L y t tiene dimension T. La velocidad por medirse en metros sobre
segundo, tiene dimensiones de L/T, por tanto
L =
L
T
.T (1.1)
L = L (1.2)
Al cancelar T en la derecha, las unidades tienen la misma dimensi on que en la
izquierda.
1.8 Orden de Magnitud
Cuando queremos hacer calculos aproximados de ciertas cantidades, es importante
aproximar los factores que intervienen en las operaciones, a la potencia de 10 m as
cercana. De esta forma, se dice, que la potencia de 10 representa el orden de mag-
nitud de una cantidad. El orden de magnitud tambien sirve para referirse en forma
oral o escrita de ciertas cantidades cuyas cifras son enormes o muy peque nas, como
la masa de un electr on o la masa del sol y su distancia a la tierra. Algunos ejemplos
se dan en la tabla 1.7.
Tabla 1.7: Algunos ordenes de Magnitud
Cantidad magnitud Orden de Magnitud
Radio de la orbita tierra-sol 1.5 10
11
m 10
11
m
Masa del electr on 9.11 10
31
kg 10
31
kg
Edad promedio de un estudiante 5.7 10
8
s 10
8
s
1.9 Ejercicios
Conversi on de Unidades
1. Cuales de las siguientes unidades no son fundamentales:
a)m, b)m/s, c)
o
C, d)litros, e) m/s
2
, f)Newton (N), g) s, h)kg.
2. Cual es su estatura en pies?
3. Un cohete alcanz o una altura de 300 km. A cuanto equivale esta distancia
en millas?
4. Cuantos segundos tiene un a no?
5. La rapidez de la luz en el vaco es aproximadamente 3.0010
8
m/s. Cu antos
km viajar a un pulso de un l aser en una hora?
6. Un a no luz es la distancia que recorre la luz en un a no a 300.000 km/s. Cu al
es esta distancia? Exprese la distancia de la tierra al sol en a nos luz.
7. Un auto viaja a 72 km/h. A cu antos m/s viaja?
8. Una certicaci on de buceo se realiza a 40 pies. Cu antos metros debe bajar el
buzo a pulm on libre para certicarse?
9. Cual es su peso en libras?
10. 1 cm
3
equivale a 1 ml. Cu antos litros hay en 1m
3
?
Orden de magnitud
11. Cual es el orden de magnitud de su edad en meses, das y segundos?
12. Estime el n umero de veces que el corazon de un humano late en una vida
promedio de 70 a nos.
1.9 Ejercicios 7
13. El radio promedio de la tierra es de 6.3710
6
m, y el de la luna es de 1.7410
8
cm. Con estos datos calcule la raz on entre el area supercial de la tierra y de
la luna.
14. Determine el n umero aproximado de ladrillos necesarios para cubrir los cuatro
lados de una casa de tama no regular.
15. Una persona utiliza 200 litros de agua por da aproximadamente. Cu al debe
ser el orden de magnitud en metros c ubicos del volumen de un recipiente capaz
de abastecer de agua a la ciudad de Barranquilla en un da?
Determine el orden de magnitud de los resultados de las siguientes operaciones.
16. (3 10
8
m/s) (3 10
5
s)
17. 7000/0,0035
18. (0,501 0,042)/420.000.000
19. Suponga que un proton tiene la forma de un cubo cuya arista es del orden de
10
13
cm. Cu al es el orden de magnitud del volumen del cubo?
20. Deseando construir un modelo del sistema solar, un estudiante representa el
sol por medio de una pelota de balompie.

El sabe que el orden de magnitud
del radio del sol es de 10
9
m y el de la tierra es de 10
7
m, siendo la distancia de
la tierra al sol del orden de 10
11
m. Cu al debera ser entonces, en este modelo,
el orden de magnitud de la esfera que representa la tierra?, La distancia de
esta esfera a la pelota de balompie?
Analisis Dimensional
Diga si las ecuaciones siguientes son dimensionalmente correctas. (v es velocidad,
a es aceleracion, t es tiempo, A es area, T periodo y r radio)
21. v
2
= v
2
0
+ 2at
22. x = xo +vt
23. x = at
24. v = vo +ax
25. A = r
2
26. t =
_
2x
a
27. v =
2ax v
0
t
28. T = 2
_
l
g
29. Cuales son las unidades de las constantes en la ecuacion x = At
2
+ Bt + C,
para que sea dimensionalmente correcta?
30. Muestre que si x = At
3
+ Bt es dimensionalmente correcta cuando x tiene
unidades de longitud y t tiene unidades de tiempo, entonces la derivada dx/dt
tiene unidades de longitud sobre unidades de tiempo.
31. Cual es el valor de los exponentes para que la ecuacion v
2
= ka
m
s
n
sea
dimensionalmente correcta?
32. Para que valores de m y n la ecuaci on x = ka
m
t
n
es dimensionalmente co-
rrecta?
Captulo 2
Mediciones y Errores
2.1 El proceso de medicion
Medir es comparar una magnitud desconocida con otra llamada patr on. Al realizar
una medicion de cierta magnitud, se obtiene un n umero acompa nado de una unidad
asociada a la magnitud respectiva. En el caso mas general, este resultado debe ir
acompa nado por otro n umero que representa la incertidumbre en la medicion.
2.2 Tipos de medicion
Las mediciones pueden obtenerse de dos formas:
Mediciones Directas: Son el resultado de comparar directamente una magni-
tud desconocida con un instrumento de medida calibrado seg un un patr on estable-
cido previamente. El resultado se mide directamente en una escala numerica que
posee el instrumento.
Mediciones Indirectas: Se obtienen a traves de una operaci on entre dos o m as
mediciones directas o a traves de una funci on de las cantidades medidas. Por ejemplo
la densidad se obtiene como funcion de la masa y el volumen de una sustancia.
2.3 Cifras signicativas
El N umero de cifras que debe tener el escalar que representa una magnitud medida,
est a muy relacionado con el n umero de divisiones que tenga la escala del instrumento
de medida. Por ejemplo, si ustedes miden cierta longitud con una cinta metrica
10 Captulo 2. Mediciones y Errores
que solo est a graduada en metros (m), el resultado sera un entero que representa
cu antas veces cabe la unidad patron en esa longitud y es una cifra que tiene certeza
en su medida. Pero si existe cierta fraccion de la longitud que no se puede medir
directamente con el instrumento, ustedes tendr an que hacer uso de la apreciaci on
a simple vista, dando en este caso, un unico decimal que es incierto. Por ejemplo:
2,4 m de longitud. En este caso decimos que hay dos cifras signicativas.
Si ahora usamos una cinta metrica divida en decmetros dm, al reportar el re-
sultado de la medici on en metros m, el n umero de cifras ciertas corresponde a los
metros y a los decmetros. Pero si el extremo de la magnitud a medir se ubica entre
una divisi on de un decmetro y el siguiente, podremos ahora apreciar una fraccion
m as peque na imaginando diez divisiones en este espacio cuyo valor sera una cifra
dudosa dada en centmetros cm. Por ejemplo, la medicion de la g. 2.1 se puede
reportar como L = 2,46 m. Aunque este resultado esta por encima de la mitad del
intervalo de 1 dm, las mediciones 2,45 m o 2,47 m, tambien son v alidos, ya que la
ultima cifra siempre va a ser incierta. De esta manera podemos decir que hay tres
cifras signicativas en esta medici on.
Figura 2.1: Medicion de una magnitud
Veamos como mejora la medicion de la misma magnitud, pero usando ahora una
cinta metrica dividida en centmetros cm. Al reportar el resultado en m, estamos
seguros de la posicion de los metros, los decmetros y los centmetros, pero podemos
hacer una apreciaci on del orden de los milmetros, obteniendo as una ultima cifra
dudosa o incierta. Ejemplo: 2,463 m. En este caso la cifra apreciada esta por debajo
de la mitad de la divisi on m as peque na, los cm. Un resultado aceptable tambien
podra ser 2,462 m o 2,464 m. En este caso, tenemos una medici on con cuatro
cifras signicativas. Escribir una quinta cifra carece de sentido ya que no hay m as
divisiones en nuestro instrumento de medici on. Para tener una cifra segura en la
posicion de los milmetros, debemos usar una cinta metrica graduada en milmetros
y tendramos as una cuarta posicion decimal como cifra apreciada, o cifra incierta,
para un total de 5 cifras signicativas, por ejemplo: 2,3638 m.
Como se puede ver en los ejemplos anteriores, el resultado de una medicion
va acompa nado de un n umero de cifras que tienen certeza y una ultima cifra que
siempre es dudosa. Estas son las llamadas cifras signicativas.
2.4 Operaciones con cifras signicativas 11
En una medicion se debe tener en cuenta que los ceros a la izquierda no son
cifras signicativas, mientras que los ceros intermedios y ceros a la derecha si son
cifras signicativas.
Cuando se tenga un n umero muy grande de ceros a la izquierda la mejor manera
de expresar el resultado de la medici on es usando potencias de diez, pero conservando
el mismo n umero de cifras signicativas. Algunos ejemplos se dan en la tabla 2.1.
Tabla 2.1: Ejemplo de cifras signicativas
Magnitud N umero de cifras signicativas
0,012 mm 2
0,1204 g 4
1,0200 s 5
4,34 10
4
m 3
2.4 Operaciones con cifras signicativas
2.4.1 Criterio de aproximaciones
Al realizar operaciones resultan n umeros con muchas cifras decimales. Algunas de
estas cifras deben ser eliminadas (redondeo) para dejar las m as signicativas, de
acuerdo al siguiente criterio:
1. La cifra que queda se aumenta en una unidad si la cifra contigua que se quita
es > 5.
2. Si la primera cifra que se elimina es < 5, la que queda se deja igual.
3. Si la primera cifra que se elimina es = 5 y no existen otros dgitos a su derecha
o son solamente ceros, el n umero que queda se aumenta en 1 siempre y cuando
la cifra resultante sea impar.
2.4.2 Suma
Cuando se suman dos o m as n umeros con distintas cifras signicativas, los decimales
del resultado debe igualar al operando que posea el menor n umero de estos, usando
el criterio anterior. Ver ejemplo en la tabla 2.2
Tabla 2.2: Ejemplo de aproximaciones con cifras signicativas
n umero original aproximaci on descripcion
20,45 20,45 Menor No. de decimales
40,1368 40,14 Elimina 6 y 8. 3 aumenta en 1
20,5500 20,55 Elimina ceros, 5 no cambia
60.6952 60,69 Elimina 5 y 2, 9 no cambia
30,365 30,37 Elimina 5, 6 aumenta en impar
Suma = 172,1970 Suma = 172,20 Aproxima a dos cifras decimales
2.4.3 Multiplicacion
Al multiplicar o dividir dos cantidades, el resultado debe tener el mismo n umero de
cifras signicativas del operando que tenga el menor n umero de ellas.
Ejemplo
Para calcular el volumen de un cilindro circular recto donde r = 4, 5 cm, h = 55, 7 cm.
Sabemos que V = r
2
h. El n umero = 3,14159..., Cuantas cifras le asignamos
al este n umero irracional? Como vemos r tiene dos cifras signicativas, h tiene tres,
por lo tanto, asignamos a el mismo n umero de cifras signicativas de h, es decir,
3,14.
Valor obtenido con la calculadora: V = 3541.6845cm
3
Valor obtenido seg un el criterio dado: V = 3, 5 10
3
cm
3
Para expresar las dos cifras signicativas hemos usado potencias de diez.
2.5 Errores Experimentales
En general, todo procedimiento de medici on tiene imperfecciones que dan lugar a
un error en el resultado de la medicion, lo que hace que el resultado sea solo una
aproximaci on del valor real de la magnitud medida. De acuerdo a la naturaleza
de los errores experimentales, se acostumbra a dividirlos en dos clases: Errores
Sistem aticos y Errores Aleatorios.
2.5 Errores Experimentales 13
2.5.1 Errores Sistematicos
Se deben a diversas causas y se repiten constantemente cuando las mediciones se
realizan en las mismas condiciones. Los resultados se ven afectados en el mismo
sentido. Estos errores se pueden detectar facilmente y se pueden eliminar si se
conoce la causa. Algunas fuentes de error sistem atico son:
a) Errores de calibracion de los instrumentos de medida. Ajuste del cero, escala
inapropiada, construcci on defectuosa.
b) Condiciones de trabajo no apropiadas (presi on, temperatura, humedad, lumi-
nosidad, frecuencia de la red).
c) Tecnicas imperfectas. Generalmente por falta de experiencia del experimen-
tador o por falta de planeaci on de los procedimientos.
d) F ormulas incorrectas. Cuando se hacen aproximaciones, los resultados exper-
imentales no son exactamente los esperados en la teora.
2.5.2 Errores Aleatorios
Se deben a perturbaciones peque nas o uctuaciones y no es posible detectar la causa
que los produce. Si un experimento se repite en condiciones identicas, los resultados
de la medicion no son siempre los mismos cuando se presenta este error. Para
disminuir el error aleatorio, se debe realizar un n umero determinado de mediciones
y realizar un tratamiento estadsticos de los resultados. Se puede dar una idea de
c omo se presentan estos errores:
a) Errores de apreciaci on. Se presentan al leer en la escala de un instrumento
haciendo estimacion de una fraccion de la divisi on m as peque na de la escala.
Al realizar varias mediciones esta apreciaci on vara aleatoriamente.
b) Condiciones de trabajo. La variaci on de las condiciones ambientales, vibra-
ciones de la mesa de trabajo, se nales electromagneticas.
c) Falta de denici on de la cantidad a medir. Como el di ametro de una esfera ya
que esta no es una esfera perfecta.
Seg un el tipo de error, las mediciones se pueden clasicar en:
Precisas.- Son aquellas mediciones que tienen errores aleatorios peque nos.
Exactas.- Son aquellas mediciones que tienen errores sistem aticos peque nos.
Esto se puede observar claramente en la gura 2.2,
(a) (b)
(c) (d)
Figura 2.2: Errores aleatorios y sistematicos en un ejercicio de practica
de tiro. a)Alta precision y exactitud: Debido a que las marcas de
los disparos estan muy cerca unas deotras, podemos decir que los errores
aleatorios son peque nos (buena precision). Debido a que la distribucion
de disparos esta centrada en el blanco, los errores sistematicos tambien
son peque nos (buena exactitud). b) Alta precision y baja exactitud:
Los errores aleatorios son todava peque nos, pero los sistematicos son mu-
cho mas grandes los disparos est an sistematicamente corridos hacia la
derecha. c) Baja precision y Buena exactitud: En este caso, los
errores aleatorios son grandes, pero los sistem aticos son peque nos, los
disparos estan muy dispersos, pero no estan sistematicamente corridos
del centro del blanco. d) Baja precision y baja exactitud: Aqu ambos
errores son grandes.
2.6 Calculo de Errores 15
2.6 Calculo de Errores
2.6.1 Error Absoluto
En una medicion la ultima cifra resulta siempre incierta. Esto quiere decir que nunca
vamos a obtener el valor real de una medida, pero nos aproximamos a el mejorando
el procedimiento e instrumentos de medici on. Toda medicion va acompa nada de
una incertidumbre y su determinacion nos dice que tan cerca estamos de valor real
de la magnitud. Denimos el error absoluto , como la diferencia entre el valor real
V
R
y el valor observado V
O
o valor medido, en la forma
= V
R
V
O
(2.1)
Se expresa como el valor absoluto ya que podemos acercarnos al V
R
por exceso o
por defecto, es decir, que esta diferencia puede ser positiva o negativa. Pero como
calcular el error absoluto si jam as conoceremos el valor verdadero? En la pr actica
el error absoluto se dene con relaci on a una medida arbitraria. Por eso denimos
la incertidumbre V tal que para cualquier V
O
se cumple que
= V
R
V
O
V (2.2)
Si podemos determinar V , entonces para cualquier medici on experimental V
O
se cumple que el valor real de la cantidad satisface la desigualdad:
V
O
V V
R
V
O
+ V (2.3)
Esto quiere decir, que al hacer una medicion, lo que estamos buscando es un
intervalo donde se encuentra el valor m as probable del valor real. En otras palabras,
buscamos los lmites Superior e Inferior de una magnitud. Una forma mas util de
expresar este intervalo de medicion es
V
R
= V
O
V (2.4)
Esta es la manera como deben reportarse el valor de una medici on de cualquier
magnitud, sea directa o indirecta.
2.6.2 Incertidumbre relativa y porcentaje de error
Muchas veces necesitamos saber que tan signicativa es V respecto a V
O
. Por
ejemplo, una incertidumbre de 1cm en la longitud de un cuaderno es signicativo.
Pero si medimos la distancia entre la tierra y la luna o el tama no de una bacteria con
el mismo error, este carece completamente de sentido. Es por esto que es necesario
comparar la incertidumbre estimada con el valor medido en la forma
R
=
V
V
O
(2.5)
Esta es la incertidumbre relativa que tambien se puede reportar como un por-
centaje al multiplicar por 100 en la forma
R
=
V
V
O
100 (2.6)
2.6.3 Calculo practico de la incertidumbre
Al cuanticar la incertidumbre de una cierta magnitud x debemos, en principio,
tener en cuenta todos los tipos de incertidumbres que esten presentes. Una forma
de obtener el valor de la incertidumbre total es mediante la suma de los cuadrados
de todas las incertidumbres presentes de acuerdo a la siguiente ecuacion,
(x)
2
=
N
n=1
x
2
n
(2.7)
Por lo general en el laboratorios es frecuente encontrar las siguientes incertidum-
bres:
a Incertidumbre de escala (x
e
)
b Incertidumbre de calibracion (x
c
)
c Incertidumbre estadstica o aleatoria (x
a
)
Para este caso, el calculo de la incertidumbre viene dado por
x =
_
(x
e
)
2
+ (x
c
)
2
+ (x
a
)
2
(2.8)
Normalmente se atribuye como incertidumbre de escala de una medida a la mitad
de la divisi on m as peque na. Por ejemplo, si ustedes miden con una regla graduada en
milimetros entonces la incertidumbre atribuida es 0.5 mm ( 0.05 cm) (pero esto
no es adecuado del todo ya que depende del estado de los bordes del objeto a medir).
2.6 Calculo de Errores 17
As, considerando que s olo existe esta incertidumbre, si se determina que una longi-
tud tiene 15,00 cm entonces el resultado de la medici on es L = (15, 00 0.05) cm,
lo que quiere decir que su valor verdadero se encuentra en el intervalo
14, 95 cm < L < 15, 05 cm
Una manera m as adecuada de proceder, considerando que su instrumento esta
bien calibrado, es determinar los valores lmites entre los cuales ustedes consideran
que se encuentra la magnitud a medir. Por ejemplo, observando en la gura 2.1,
se puede apreciar que la longitud L est a entre L
1
= 2, 40 cm y L
2
= 2.50 cm. Con
estos lmites podemos asignar un valor central en el intervalo dado por
L =
L
1
+L
2
2
(2.9)
por tanto, para los valores dados tenemos
L =
2, 50 + 2, 40
2
= 2, 45 cm
en donde 5 es la cifra incierta en la medici on.
De la misma manera, podemos asignar a la medicion el valor de la incertidumbre
mediante la ecuacion
L =
L
1
L
2
2
(2.10)
y para el presente caso tenemos
L =
2, 50 2, 40
2
=
0, 10
2
= 0, 05 cm
que es igual a la mitad de la division mas peque na. El resultado nal de la
medici on es
L = (2, 45 0, 05) cm
La incertidumbre es, de esta manera, una medida del grado de conabilidad de
nuestra medicion y nos sirve para evaluar su calidad que normalmente se expresa
mediante el porcentaje de error
r
=
0, 05
2, 45
100 = 0, 02 100 = 2%
Se aclara al estudiante que este metodo empleado es meramente didactico, ya
que al usar procedimientos de metrologa para calcular la incertidumbre en una
medici on, se encuentra que el metodo es mucho m as renado que el que se expone
en estas notas.
2.7 Propagaci on de errores
Al hacer una medida indirectamente, como por ejemplo, el area de un campo de
f utbol, en donde se deben medir por separado el largo y el ancho, es obvio que el
error involucrado en ambas cantidades conlleva a un error en el area calculada. Es
por esta raz on que necesitamos conocer como se propaga el error en una medicion
indirecta al hacer una operaci on entre dos cantidades medidas directamente o a
traves de una funci on de una o m as variables.
2.7.1 Incertidumbre en funciones de una sola variable
Supongamos que la medida de una magnitud es x = x
0
x y queremos calcular
el valor de z mediante la funci on z = f(x). Es de esperarse que z = z
0
z, donde
z
0
= f(x
0
) y el intervalo x alrededor de x
0
genera un intervalo z alrededor
de z
0
.
Como ejemplo tomemos el caso de z = x
2
. Reemplazando x por x
0
x obten-
emos
z = z
0
z = (x
0
x)
2
= x
2
0
2x
0
x + (x)
2
(2.11)
Como x es peque no, entonces (x)
2
<< 1, y podemos despreciarlo en la
ecuaci on anterior para obtener
z = 2x
0
x (2.12)
En forma general, para obtener la incertidumbre en un funcion de un variable
basta con calcular el diferencial de la funci on z = f(x)
dz =
df(x)
dx
dx (2.13)
2.7 Propagacion de errores 19
y escribirlo en forma de incertidumbre
z =
df(x)
dx
x (2.14)
2.7.2 Funciones de dos o mas variables
Sean x y y dos magnitudes que se han medido independientemente una de otra con
sus respectivos incertidumbres
x = x
0
x ; y = y
0
y (2.15)
a) Para la suma y la resta de x y y se tiene
s = x +y = x
0
x +y
0
y = (x
0
+y
0
) (x + y) (2.16)
s = s
0
s (2.17)
Por tanto, la incertidumbre en la suma es
s = x + y (2.18)
b) El producto de x y y es
p = x.y = (x
0
x)(y
0
y) = x
0
y
0
(y
0
x +x
0
y) +
xy (2.19)
p = p
0
+ p (2.20)
La incertidumbre es
p = y
0
x +x
0
y (2.21)
El error relativo sobre p es
p
p
0
=
x
x
0
+
y
y
0
(2.22)
c) La divisi on de x y y
d = d
0
d =
x
y
=
x
0
x
y
0
y
(2.23)
d = d d
0
=
x
0
x
y
0
y

x
0
y
0
=
y
0
x x
0
y
y
2
0
+y
0
y
(2.24)
Si despreciamos en el denominador el termino y
0
y y asumimos el signo nega-
tivo en y para que el resultado sea consistente con el incrementeo del error, la
incertidumbre relativa es
d
d
0
=
x
x
0
+
y
y
0
(2.25)
d) En forma general, para el producto de dos o m as variables elevadas a distintas
potencias, como se muestra en la ecuaci on siguiente,
z = x
m
y
n
(2.26)
obtenemos primero el logaritmo de la funci on
logz = mlogx +nlogy (2.27)
y luego sacamos el diferencial
dz
z
= m
dx
x
+n
dy
y
(2.28)
y por tanto la incertidumbre relativa es
z
z
= m
x
x
+n
y
y
(2.29)
Dado el caso en que los exponentes sean negativos se toman los valores absolutos
ya que en una operacion matem atica las incertidumbres siempre se incrementan.
2.7.3 Metodo general para calcular errores
Siempre que tengamos una funci on de la forma
2.8 Ejemplo 21
s = f(x, y, z) (2.30)
obtenemos primero el diferencial total
ds =
f
x
dx +
f
x
dy +
f
z
dz (2.31)
Luego convertimos los diferenciales en incertidumbres
s =
f
x
x +
f
x
y +
f
z
z (2.32)
El metodo implica que se deben conocer las cantidades x, y y z, adem as de
obtener las derivadas parciales de la funcion f evaluada en las cantidades x
0
, y
0
, z
0
.
2.8 Ejemplo
Determinaci on de la densidad de una esfera aparentemente de acero. El diametro
se midi o con un micrometro de precision 0.01 mm: d = (15.538 0.005) mm La
masa se midi o con una balanza de precisi on 0.05 g: m = (15.2 0.1) g
La densidad obtenida con una calculadora es
=
m
V
=
m
4
3
(
d
2
)
3
=
6m
d
3
= 7, 73855038
g
cm
3
(2.33)
C alculo de la incertidumbre
log = log
6
+logm +logd
3
(2.34)
o
=
m
m
+ 3
d
d
(2.35)
= (
m
m
+ 3
d
d
) = 7, 73855(
0, 1
15, 2
+ 3
0, 005
15, 538
) = 0, 05838
g
cm
3
(2.36)
El valor calculado es
= (7.74 0.06)
g
cm
3
Ahora calculemos la incertidumbre aplicando la derivada de respecto a m y a d
m
=
6
d
3
m
(m) =
6
d
3
= 0, 509 cm
3
(2.37)
d
=
6m
d
(d
3
) =
18m
d
4
= 14, 941
g
cm
4
(2.38)
=
m
m +
d
d = 0, 059 0, 1 + 14, 941 0, 005 = 0.05837
g
cm
3
(2.39)
Por tanto el valor calculado es
= (7.74 0.06)
g
cm
3
2.9 Problemas
1. Determine el n umero de cifras signicativas en los siguientes n umeros: 23 cm;
3,589 s; 4,67103 m/s; 0,0032 m; 1,007 m; 0,015 s
2. Cu al de los siguientes tiene el mayor n umero de cifras signicativas: 0,254
cm; 0,00254 10
2
cm; 254 10
3
cm?
3. Cual de estas n umeros tiene 3 cifras signicativas: 305,0 cm; 0,0500 mm;
1,00081 kg?
4. Efect ue la suma de los siguientes n umeros: 756; 37,2; 0,83 y 2,5.
5. Si se mide la longitud y el ancho de una placa rectangular 15,30 cm y 12,80
cm respectivamente, calcule el area de la placa.
6. Calcule el area y la circunferencia de un crculo de radio igual a 4,65 cm.
7. Obtenga el producto de 3,2 3,563
8. Obtenga la suma de 4, 67 10
3
y 2, 2 10
2
9. Usando un metro de madera para medir un lado de mi escritorio, estoy seguro
de que su longitud no es menor a 142,3 cm ni mayor que 142,6 cm. Enuncie esta
medici on como un valor central incertidumbre. Cu al es la incertidumbre
relativa de la medicion?
2.9 Problemas 23
10. Para realizar mediciones de tension y corriente en un circuito utilizo un vol-
tmetro y un ampermetro de aguja. Estoy seguro de que la lectura del am-
permetro est a entre 1,24 y 1,25 A, y la del voltmetro entre 3,2 y 3,4 V. Exprese
cada medida como un valor central incertidumbre, y eval ue la incertidumbre
relativa de cada medicion.
11. Si se puede leer un metro de madera con una incertidumbre absoluta de 1
mm, cu al es la distancia mas corta que puedo medir para que la incertidumbre
relativa no exceda el a) 1%, b) 5%?
12. Se utiliza un term ometro graduado en 1/5 grado Celsius para medir la tem-
peratura del aire exterior. Medida con una aproximaci on de 1/5 de grado, la
temperatura de ayer fue de 22,4
, y la de hoy es de24,8
. Cual es la incer-
tidumbre relativa en la diferencia de temperaturas entre ayer y hoy?
13. El reloj del laboratorio tiene un segundero que se mueve por pasos de un
segundo. Lo uso para medir un cierto intervalo de tiempo. Al principio del
intervalo marcaba las 09:15:22, y al nal las 09:18:16. Cu al es la incertidumbre
relativa del intervalo medido?
14. En el escritorio mencionado en el problema 1, se mide ahora su ancho, y se
observa que la medida cae entre 78.2 y 78.4 cm. Cu al es la incertidumbre
absoluta en el area calculada de la cubierta del escritorio?
15. Para medir la resistencia de un resistor, se miden la cada de tension entre
sus terminales y lacorriente que circula por el. La lectura del voltmetro es de
(15,2 0,2) V, y la lectura del ampermetro es de (2,6 0,1) A. Cu al es la
incertidumbre absoluta de la resistencia calculada como R = V/I?
16. Un pendulo simple se usa para medir la aceleracion de la gravedad, usando
T = 2(l/g)
1/2
. El perodo T medido fue de (1,24 0,02) seg. y la longitud
de (0,381 0,002) m. Cu al es el valor resultante de g con su incertidumbre
absoluta y relativa?
17. Un experimento para medir la densidad de un objeto cilndrico utiliza la
ecuaci on = m/r
2
l. Los valores medidos son: masa, m = (0,029 0,005)
kg, radio, r = (8, 2 0, 1)mm y longitud, l = (15, 4 0, 1)mm, cu al es la
incertidumbre absoluta del valor calculado de la densidad?
18. Use el metodo general para calculo de incertidumbres en funciones y obtenga
la incertidumbre de la medida indirecta de
z =
x
x
2
+ 1
19. La distancia focal f de una lente delgada se mide usando la ecuacion
1/o + 1/i = 1/f
en donde
distancia al objeto: o = (0, 154 0, 002)m
distancia a la imagen: i = (0, 382 0, 002)m
Cu al es el valor calculado de la distancia focal, su incertidumbre absoluta y
su incertidumbre relativa?
20. Use la identidad trigonometrica para sen(a b) para demostrar que el error
obtenido en el calculo indirecto z = senx es z = (cosx)x, teniendo en
cuenta que para angulos peque nos sendx dx y cosdx 1. ( Asuma que
x = x
0
x)
21. Se mide experimentalmente la longitud de onda de la luz, usando la ecuaci on
= dsen. La medida de es de 13
o
34 2. Suponiendo que el valor de
d = 1420 10
9
m no tiene error, cu al es el error absoluto y relativo en el
valor de
22. Se da un valor como 14,253 0,1. Reescrbalo con el n umero adecuado de
cifras signicativas. Si el valor se diera como 14,253 0,15, como debera
escribirse?
23. Se da un valor como 6,74914 0,5 %. En uncielo como un valor incertidum-
bre absoluta, ambos con el n umero adecuado de cifras signicativas.
Captulo 3
Tratamiento estadstico de
medidas
Los errores aleatorios se presentan como resultado de uctuaciones o variaciones en
la medida. Estos errores no se pueden eliminar ya que no podemos determinar la
causa que los producen. Estas variaciones se pueden observar cuando ustedes hacen
una serie de mediciones y se encuentra que todos los valores varan al menos en su
ultima cifra.
3.1 Como se minimiza este error?
Una manera de minimizar los errores aleatorios se obtiene realizando una serie de
N mediciones.
x
1
, x
2
, x
3
, ... , x
N
(3.1)
3.1.1 Valor Promedio
Una vez se tiene un n umero de datos (N 10) obtenemos el valor promedio o valor
mas probable, que tambien es conocido como media aritmetica.
x =
x
1
+x
2
+x
3
+... +x
N
N
=
1
N
=
N
n=1
x
n
(3.2)
26 Captulo 3. Tratamiento estadstico de medidas
3.1.2 Desviaci on de la Media
La desviaci on nos indica que tan alejada esta una medida del valor promedio de un
grupo de mediciones. Si d
1
es la desviacion de la primera medida (x
1
) y d
2
para la
segunda medida (x
2
), entonces, la desviaci on de la media se puede expresar como:
d
1
= x
1
x
d
1
= x
2
x
.
.
.
.
.
.
d
1
= x
n
x (3.3)
Observe que el valor de las desviaciones de la media puede tener valores tanto
positivos como negativos y que la suma algebraica de todas las desviaciones debe
ser cero.
3.1.3 Desviaci on Promedio
La desviaci on promedio es una indicaci on de la precision de los instrumentos emplea-
dos al hacer las mediciones. Instrumentos altamente precisos daran una desviaci on
promedio muy baja. Por denici on la desviacion promedio es la suma de los valores
absolutos de las desviaciones dividida por el n umero de lecturas. Teoricamente, esta
debe tender a cero ya que las mediciones se ubican a la izquierda y derecha del valor
promedio.
d =
d
1
+d
2
| +d
3
+... +d
N
N
=
1
N
N
n=1
d
n
(3.4)
3.1.4 Desviaci on Estandar
Cuando el conjunto de medidas se aleja mucho del promedio, la medida es poco
precisa y se dice que hay alta dispersi on de los datos. Por el contrario, cuando el
conjunto de medidas esta mas concentrado en torno al valor promedio, se dice que la
precisi on de la medida es alta y los valores medidos tienen una distribuci on de baja
dispersion. Cuantitativamente la dispersion de un conjunto de medidas se puede
caracterizar por la desviaci on est andar del conjunto denido como
S =
d
2
1
+d
2
2
+d
2
2
+... +d
2
N
N 1
=
_
1
N 1
N
n=1
d
2
n
(3.5)
3.1 Como se minimiza este error? 27
La desviacion est andar S caracteriza un intervalo en donde hay el 68,27% de
probabilidad de que un valor medido se encuentre dentro de este intervalo. Por
ejemplo, si se realizan 100 mediciones, se encuentra que lo valores se distribuyen de
tal forma que:
El 68,27% est an entre x S y x + S
El 95,45% est an entre x 2S y x + 2S
El 99,73% est an entre x 3S y x + 3S
3.1.5 La Varianza
La varianza es una cantidad conveniente en muchos computos por cuanto tiene la
propiedad aditiva.
V = S
2
(3.6)
La desviacion estandar, sin embargo, tiene la ventaja de tener las mismas unidades
de la variable haciendo f acil la comparaci on de magnitudes.
3.1.6 Incertidumbre Estandar de la Media
A medida que se realizan m as medidas, la compensacion de los errores aleatorios
entre si van mejorando y la media del conjunto de medidas, , va a tener una mejor
precisi on. La incertidumbre est andar de la media se dene como
x = S
m
=
S
N
(3.7)
3.1.7 Error Relativo Porcentual
El error relativo indica la calidad de la medicion y viene dado por
r
=
x
x
100% (3.8)
3.2 Analisis de error para N peque no
El analisis estadstico anterior se puede aplicar con conanza a un n umero de datos
del orden de N = 100. Para medidas en el Laboratorio es aplicable a partir de
N = 10. En el caso en que N es menor que 10 se procede de la manera siguiente:
supongamos que tenemos N = 5 medidas, calculamos el promedio de los cinco valores
de acuerdo a la ecuacion dada (ecuaci on 3.2)
a =
a
1
+a
2
+a
3
+a
4
+a
5
5
(3.9)
La incertidumbre se calcula restando al m aximo de estos valores el valor mnimo
de los mismos y dividendo entre 2
a =
a
max
a
min
2
(3.10)
Finalmente el intervalo de medicion se puede escribir
a = a a (3.11)
3.2.1 Ejemplo
Se mide el tiempo de cada de un cuerpo desde cierta altura. Los resultados de las
4 mediciones realizadas con un cronometro son:
t
1
= 12, 0s; t
2
= 12, 5s; t
3
= 13, 0s; t
4
= 12, 8s
El valor promedio del tiempo seg un la calculadora es:
t =
12, 0 + 12, 5 + 13, 0 + 12, 8
4
= 12, 575s
Redondeando obtenemos
t = 12, 6s
3.3 Histograma 29
La incertidumbre obtenida de acuerdo a ecuacion 3.10 es
t =
13, 0 12, 0
2
= 0, 5s
y por la ecuacion 3.11 intervalo de la medicion obtenido es
t = (12, 6 0, 5)s
En resumen podemos decir que cuando:
N = 1 Se realiza la medida y el error de apreciacion.
N < 10 Se calcula el promedio y el error maximo.
N 10 Se realiza tratamiento estadstico (C alculo de promedio y error est andar).
3.3 Histograma
En la secci on anterior se explico que al relizar N mediciones de una magnitud x el
mejor valor de la medici on es el valor promedio y que la desviaci on estandar nos
informa c omo se distribuyen los N datos alrededor de este valor. Si se analizan
detenidamente los datos, se encuentra que hay unos que se repiten m as que otros.
Si se agrupan de acuerdo al n umero de repeticiones, se puede observar que los de
mayor frecuencia son los que estan cerca del valor promedio. Esto nos da la idea
de que hay valores que tienen m as probabilidad de obtenerse que otros al hacer
la siguiente medici on. Entonces podemos preguntarnos, Cu al es la probalilidad de
obtener un dato en el intervalo x y x+x? Si agrupamos los datos por intervalos de
ancho x y contamos el n umero de datos en ese intervalo y ahora hacemos un gr aco
xy en donde los intervalos se colocan en la abcisa y las frecuencias en la ordenada,
obtenemos un Histograma de las mediciones. En el histograma se puede observar
claramente c omo se dispersa el conjunto de mediciones al rededor del valor medio y
se puede entender mejor el signidado de la desviaci on estandar y de probabilidad de
la medici on. En teora de probabilidades, cuando se hace un n umero muy grande de
mediciones, se habla de funcion de distribuci on de probabilidades f(x) y un graco
de x en funcion de f(x) describe una curva que comunmente se le conoce como
campana de Gauss.
En la gura 3.1, se muestra esquem aticamente un histograma. En el se han dibu-
jado 6 rectangulos cuyas bases corresponden al ancho de los intervalos de medici on
y cuyas alturas representan la frecuencia o n umero dedatos en el intervalo. El area
de estos rectangulos representa la probabilidad de obtener cualquier valor, dentro
de ese intervalo, al hacer una medici on.
Figura 3.1: Ejemplo de un Histograma
3.3.1 Construcci on del Histograma
Para construir un histograma, se van a seguir los siguientes pasos:
1. Se ordenan los datos recopilados de menor a mayor y se establece la frecuencia
de los datos que se repiten.
2. Calcular el Rango de la variable restando al dato mayor el dato menor.
Rango = dato mayor dato menor (3.12)
3. Elegir un n umero impar de intervalos para el histograma que este comprendido
entre 7 y 15.
4. Calcular el ancho x de los intervalos.
x =
Rango
N umero de intervalos
(3.13)
5. Si el cociente anterior no es un n umero entero, puede ampliarse el rango de la
variable escogiendo un valor mayor que dato mayor y un valor menor que el
menor valor y obtener un nuevo rango y el ancho del intervalo
x =
Nuevo Rango
N umero de intervalos
=
x
>xm ax
x
<xm
in
No. intevalos
(3.14)
3.3 Histograma 31
6. Determinar los extremos de los intervalos de tal forma que el primero sea
cerrado y el segundo abierto.
7. Obtener la frecuencia contando el n umero de datos en cada intervalo.
8. Calcular las marcas, en donde las marcas son los puntos medios de cada inter-
valo.
9. Elegir unidades arbitrarias sobre los ejes, para representar las frecuencias en
ordenadas y los anchos de los intervalos en abscisas.
10. Dibujar los rect angulos correspodientes.
3.3.2 Ejemplo
En la tabla 3.1 se muestran los datos experimentalmente del tiempo de reaccion de
una persona, medidos cuando se solto una regla entre sus dedos la cual deba agarrar
cuando la vea cayendo. Se desea saber: a) el tiempo de reacci on promedio

t, b) la
desviaci on estandar S, c) la distribucion de los datos mediante un histograma, d) el
signicado fsico de

t, S y

t S.
Tabla 3.1: Mediciones del tiempo de reaccion
t(s) frecuencia
0,185 1
0,186 1
0,191 2
0,193 1
0,203 2
0,204 2
0,205 2
0,211 3
0,219 4
0,220 3
0,223 2
0,224 2
0,230 1
0,233 2
0,234 2
0,235 1
Soluci on:
a) Haciendo uso de la ecuacion 3.2 se tiene
t = 0, 214 s
Por tanto el valor medido es t = (0, 214 0, 015) s
b) Con la ecuacion 3.5 se tiene
S = 0, 015 s
c) Para el histograma, obtenemos primero el rango de los datos
RANGO = 0, 250 0, 180 = 0, 070
y
t =
0, 070
7
= 0, 010
Por tanto, construimos el histograma comenzando en 0,180 s con intervalos de
ancho 0,010 s en los que las frecuencias estan dados en la tabla 3.2
Tabla 3.2: Intervalos para el histograma
Intervalos Rangos Frecuencia
1 0,180 - 0,190 2
2 0,190 - 0,200 3
3 0,200 - 0,210 6
4 0,210 - 0,220 7
5 0,220 - 0,230 7
6 0,230 - 0,240 5
7 0,240 - 0,250 2
d) El valor 0,214 s es el valor m as probable, es decir se puede considerar como el
valor que se encuentra m as cercano al valor verdadero de t.
El valor S = 0,015 s es una medida de la dispersion de los valores medidos.
Con este valor podemos calcular el porcentaje de error, como se ve es un valor
muy adecuado para caracterizar el intervalo de dispersion.
El intervalo de la medici on es
3.4 Ejercicios 33
t = (0, 214 0, 015)s

y signica que el 68,27% de los 31 datos estan entre 0, 199s y 0, 229s . Es decir
0,6827 31 = 21 datos.
Si observamos la tabla de datos, estos valores est an en el comienzo del intervalo
3 y el nal del 5 (entre 0,200 y 0,230) en donde se encuentran 20 datos, (6
datos en el intervalo 3, 7 en el 4 y 7 en el 5).
Figura 3.2: Histograma para los datos del ejemplo
3.4 Ejercicios
1. Se mide 10 veces la temperatura del interior de una caja, con un Multmetro.
Los valores expresados en

C son los siguientes: 44,6 - 44,1 - 44,3 - 44,7 - 44,9
- 45,0 - 45,1 - 44,2 - 44,4 - 44,8 Hallar el valor m as probable.
2. Se mide 35 veces la corriente que circula por un circuito con un galvan ometro.
Los valores obtenidos, expresados en mA (miliamperes), son los siguientes:
21,90 - 22,00 - 21,86 - 21,93 - 22,01 - 21,71 - 21,76 - 21,83 - 21,82 - 21,75 -
21,48 - 21,85 - 21,76 - 21,87 - 21,74 - 21,80 - 21,74 - 21,65 - 21,84 - 21,59 -
21,83 - 21,68 - 21,84 - 21,63 -21,67 - 21,94 - 21,64 - 21,82 - 21,66 - 21,73 -
21,82 - 21,72 -21,73 - 21,79 - 21,76 Determine : a) el valor m as probable, b)
el grado de tolerancia que admiten , c) la aproximaci on de los resultados en
determinaciones futuras, d) trace el histograma correspondiente.
3. En el ejercicio anterior, Dentro de que lmites hay un probabilidad del 68in-
cluida una medida particular?
4. Que lmites dan una probabilidad del 95% ?
5. En una serie de 1500 medidas el promedio fue 637 Unid. y el error fue S = 11.
Cu antas medidas dan un resultado mayor de 659 Unid?
Captulo 4
Evaluaci on de Experimentos
4.1 Analisis de gracas
Esta secci on tiene como objetivo, dar a conocer el procedimiento de an alisis de datos
experimentales mediante las gr acas en un plano cartesiano. Normalmente se de-
sean analizar un sistema observando el comportamiento de alguna de sus propiedades
mientras se modica otra propiedad asign andole variaciones iguales a voluntad; por
ejemplo,al comprimir el aire mientras se ina la rueda de una bicicleta, se aumenta
la presion y como consecuencia de esto, disminuye el volumen. Si se logran medir la
presi on y el volumen y se recolectan los datos en una tabla se tendra una buena in-
formaci on. Pero una tabla de datos no es suciente para entender el comportamiento
del sistema. Se requiere llevarlos a un plano cartesiano xy, en donde x corresponde
a la variable independiente que es la que se modica a voluntad (abcisa) y y ser a
la variable dependiente (ordenada), que es la que vamos a analizar respecto a la
otra. Esto sugiere que debe haber una relaci on funcional entre las variables. Lo que
importa de aqu en adelante es encontrar una ecuaci on matematica que se ajusta a
la forma de la curva trazada por los puntos en el papel milimetrado.
Como realizar un buen graco?
Al realizar un experimento y obtener una tabla de datos, siga los siguientes pasos
para obtener un buen graco un papel milimetrado:
1. Observe el rango de sus datos en cada columna de la tabla.
2. Trace un plano cartesiano en papel milimetrado y escoja una escala para cada
uno de ellos de acuerdo al rango de los datos en su tabla. Los ejes no deben ser
36 Captulo 4. Evaluacion de Experimentos
ni demasiado grandes ni demasiado peque nos. Las escalas no necesariamente
comienzan en cero. El primer valor en un eje puede estar cerca al valor mas
bajo de cada columna. Las escalas no siempre son iguales.
3. Elegir el eje horizontal para la variable independiente y el vertical para la
variable dependiente.
4. Escoja escalas de f acil lectura, por ejemplo de 2 en 2, de 5 en 5, de 10 en
10 y escriba en el eje solamente los n umeros m as representativos de la escala.
Nunca coloque los datos de la tabla.
5. Al nal de los ejes deben escribirse los nombres de las variables (ya sea con
su nombre completo o con su representacion simbolica), con sus respectivas
unidades, por ejemplo t(s) y x(m).
6. Comience a ubicar la pareja de coordenadas xy en el graco, dibujando un
punto peque no sobre el papel, solo la huella de la punta del l apiz. Para re-
saltarlo se encierra en un crculo o un cuadradito, etc. No trace lneas guas
para ubicar los puntos, las lneas del papel milimetrado lo guiaran.
7. Normalmente no se unen los puntos, pero si lo desean, puede trazar suavemente
la forma de la curva.
Figura 4.1: Ejemplo de una gura bien realizada
4.2 Linealizacion de gracos 37
4.2 Linealizacion de gracos
El objetivo de realizar gr acas de dos variables experimentales es conocer la relacion
matem atica que existe entre ellas dos. Las formas de las curvas que se perciben
en la gr aca, pueden estar asociadas con alguna de las siguientes ecuaciones que
normalmente son las m as comunes en este nivel.
y = Ax +B (4.1)
y = Ax
2
+Bx +C (4.2)
y = Ax
3
+Bx
2
+Cx +D (4.3)
y = Ax
n
, n < 0 o n > 0 (4.4)
y = Ax
1
(4.5)
y = Ae
kx
(4.6)
Si ustedes dibujan previamente las formas de las curvas que representan estas
ecuaciones les ser a f acil asociar las curvas experimentales con alguna de estas ecua-
ciones.
Ejercicio. Usen papel milimetrado para dibujar las curvas correspondientes a
las ecuaciones anteriores, asign andole valores arbitrarios a la variable x.
4.2.1 Ecuacion lineal y mnimos cuadrados
Si al dibujar en un plano cartesiano una serie de datos experimentales (parejas xy)
y los puntos obtenidos se pueden hacer corresponder con una linea recta, entonces
la ecuaci on matem atica asociada es la lineal, ecuacion 4.1. Escribamos ahora esta
ecuaci on en en la forma habitual y = mx + b, donde m es la pendiente de la recta
que se obtiene gr acamente tomando dos puntos (x
1
, y
1
) y (x
2
, y
2
) que se encuentren
en la mejor lnea que une todos los puntos (interpolar)
m =
y
2
y
1
x
2
x
1
(4.7)
b es es punto de interseccion o intercepto de la recta con el eje y y se obtiene
directamente del graco.
Use este metodo cuando quiera hacer c alculos rapidos y aproximados o no disponga
de otra herramienta.
Existe un metodo estadstico para encontrar la relaci on lineal de una serie de
mediciones, conocido como mnimos cuadrados. Se puede aplicar este metodo para
encontrar m y b siempre y cuando se aprecie que los puntos del graco tienen esta
tendencia. Las calculadoras Cassio traen incluido el modo LR (regresion lineal ) para
calcular estos par ametros. Existen programas de computador para analisis de datos
experimentales como Excel y Origin que adem as de gracar, ofrecen la posibilidad
de encontrar la ecuaci on que m as se ajuste a los datos.
Cuando no se tiene una calculadora o un computador disponibles, es f acil hallar
la ecuaci on de la lnea recta aplicando las siguientes ecuaciones que se obtienen por
mnimos cuadrados (Ver libro Experimentacion pag. 128, cap. 6 y Apendice 2 pag.
172):
Para obtener la pendiente,
m =
n
n
i
(x
i
y
i
)

n
i
x
i
n
i
y
i
n
n
i
x
2
i

_
n
i
x
i
_
2
(4.8)
y para obtener el intersecto,
b =
n
n
i
x
2
i
n
i
y
i

n
i
x
i
n
i
(x
i
y
i
)
n
n
i
x
2
i

_
n
i
x
i
_
2
(4.9)
Tambien es posible obtener las incertidumbres en m y b con las ecuaciones:
Incertidumbre en m
m =

n
i
x
2
i

_
n
i
x
i
_
2
(4.10)
Incertidumbre en b
b = m
n
i
x
2
i
n
(4.11)
En donde es la desviacion estandar obtenida con el analisis por mnimos cuadra-
dos, dada por
=
n
i
(y
i
mx
i
b)
2
n 2
(4.12)
Si ustedes saben usar un lenguaje de programaci on como Qbasic, TurboPascal,
C
++
, se puede realizar un programa usando ecuaciones 4.8 a 4.12 para calcular estos
valores. Intentelo!
4.2 Linealizacion de gracos 39
4.2.2 Ejemplo
Como ejemplo, vamos a ilustrar el metodo analizando los siguientes datos que se
suponen tienen un comportamiento lineal.
Tabla 4.1: Datos para analisis de un comportamiento lineal
n x y x
2
xy (y mx b)
2
1 2 4.5 4 9 0.09
2 3 5.0 9 15 0.36
3 4 7.5 16 30 0.25
4 5 8.0 25 40 0.16
5 6 10.0 36 60 0.04
n
i
= 20 35 90 154 0.90
Para m tenemos
m =
5 154 20 35
5 90 20
2
=
70
50
= 1, 40
y para b
b =
90 35 20 15
5 90 20
2
=
70
50
= 1, 40
La ecuacion de la lnea recta que se ajusta a estos datos es
y = 1.40 + 1.40x ; 2 x 6
Los errores respectivos para A y B con = 0.55 son:
m = 0.17 0.2
b = 0.35 0.4
Por tanto
m = 1.40 0.17
b = 1.40 0.35
4.3 Gracos no lineales
Cuando obtengan un graco que no presenta forma lineal (el resto de las ecuaciones
citadas arriba), el metodo que se sigue es el de linealizacion, que consiste en trans-
formar de alguna manera la supuesta ecuacion que ajusta a sus datos hasta obtener
una forma lineal y as, aplicarle el metodo de mnimos cuadrados. Por ejemplo, para
la ecuacion cuadr atica 4.2 y = Ax
2
+Bx +C la forma lineal es
y C
x
= Ax +B (4.13)
Si al termino de la derecha le llamamos z, la ecuaci on toma la forma
z = Ax +B (4.14)
Al realizar un gr aco de z en funci on de x, dandole valores arbitrarios a x,
debemos obtener la lnea recta que se ajusta a los datos experimentales. El valor
del coeciente B es la interseccion de la recta en el gr aco de z vs. x y el coeciente
A es la pendiente. C es el valor inicial de y en x = 0.
4.3.1 Funcion Potencial
En muchos casos el gr aco de una serie de datos x, y no se ajustan con una forma
lineal, ni a una funci on cuadr atica, entonces, probando con la funcion y = Ax
2
n en
la siguiente forma lineal
Para linealizar la funci on, aplicamos el logaritmo decimal en la siguiente forma:
y = Ax
n
= log y = log(Ax
n
)
log y = logA +log x
n
log y = logA +n log x (4.15)
Si hacemos Y = log y , X = log x, b = log A y m = n la ecuaci on 4.15 toma la
forma lineal:
Y = mX +b (4.16)
Para observar la linealidad en forma logartmica, se hace el gr aco log y vs.
log x o los datos de las variables se llevan directamente a un papel logartmico
4.3 Gracos no lineales 41
( papel log-log) como se muestra en la gura 4.3. Los valores de m y b se obtienen
por el metodo de mnimos cuadrados. Cuando se ha dibujado el graco en papel log-
log, recuerde que al calcular la pendiente, los valores usados deben ser los logarimos
de los datos.
Figura 4.2: Graca de la funcion y = kx
n
en papel logartmico
4.3.2 Funcion exponencial
Si la funcion es de forma exponencial de base e, se linealiza aplicando el logaritmo
natural o neperiano (ln) a ambos lados de la ecuaci on:
y = Ae
kx
= ln y = ln(Ae
kx
)
ln y = lnA +ln e
kx
ln y = lnA +k ln e
x
ln y = lnA +kx (4.17)
la ecuacion resultante es de forma lineal, en donde ahora: Y = ln y, X = x,
m = k y b = lnA. Al realizar la gr aca de lny vs. x obtenemos una lnea recta,
siempre y cuando esa sea la curva que se ajuste a los datos experimentales. En
caso contrario, se deja a un lado y se prueba con otra ecuaci on. Un ejemplo de
este tipo de linealizacion se muestra en la gura 4.4 en donde se ha usado papel
semilogartmico (semi-log) para observar el comportamiento lineal .
Figura 4.3: Graca de la funcion y = Ae
kx
en papel semilogartmico
4.3.3 Ejemplo
Los siguientes datos muestran el resultado de la medicion de la descarga en funcion
del tiempo de un elemento electr onico llamado condensador o capacitor. Los datos
se obtuvieron midiendo el voltaje cada 2 segundos.
Tabla 4.2: Datos para la descarga de un condensador
Voltaje(V ) Tiempo(s)
50,0 0,00
33,5 2,00
22,5 4,00
15,1 6,00
10,1 8,00
6,8 10,00
4,5 12,00
3,0 14,00
2,0 16,00
1,4 18,00
Al realizar la gr aca del voltaje contra el tiempo, (ver gura 4.4), se observa
una curva decreciente. Asumimos hipoteticamente que la ecuacion es de la forma
y = Ae
kx
. Para conrmar esto, realizamos un graco de ln x contra t,(gura 4.5).
Como se puede observar, la serie de puntos dibujados muestra una tendencia lineal
en la forma de la ecuacion 3.3, lo que sugiere que nuestra hip otesis es verdadera.
4.3 Gracos no lineales 43
Figura 4.4: Decrecimiento exponencial del Voltaje de un condensador
Figura 4.5: Linealizacion de los datos de la tabla 4.2 dibujados en papel semilog.
Aplicando el metodo de mnimos cuadrados y comprobando con una calculadora, se
encuentra que la ecuaci on de la recta es
ln y = 0, 2x + 3, 91
donde ln A = 3, 91 , por tanto
A = ln
1
(3, 91) = e
3,91
luego
A = 50
Para la pendiente tenemos
k = 0, 2
Por tanto la ecuacion del graco es:
y = 50e
0,2x
Ahora, usando las variables de los datos iniciales se tiene:
V = 50e
0,2t
, 0 t 18s
4.3.4 Linealizacion de modelos conocidos
En la mayora de experimentos que ustedes van a realizar, ya conocen de antemano
el modelo matem atico del sistema que se estudiar a. Para la comprobacion de los
modelos se pueden basar en los siguientes procedimientos.
Terminos lineales sencillos
Existen algunos modelos en donde los terminos se pueden representar directamente
como terminos lineales, por ejemplo la funcion
v
2
= 19, 62x (4.18)
4.4 Analisis de gracos con ayuda de calculadoras 45
Si hacemos Y = v
2
y 4X = x, al gracar Y contra X obtendremos una lnea
recta de pendiente 19,62 (Unidades). Tambien se puede usar la forma equivalente
x =
1
19, 62
v
2
(4.19)
tomando como variable vertical a x y como variable horizontal a v
2
.
Variables Combinadas
Existen algunos casos de gracos no lineales en donde no es inmediato obtener el
termino lineal. Para lograrlo, se recurre a realizar operaciones en ambos lados de
la ecuaci on hasta obtener terminos donde aparecen las variables combinadas que
vienen a representar las variables X y Y en la forma lineal. Un ejemplo es el caso
del periodo para el pendulo fsico que viene dado por:
T = 2
h
2
+k
2
gh
(4.20)
Elevando al cuadrado ambos lados de la ecuacion y luego multiplicando por h se
tiene
h
2
=
g
4
2
T
2
h k
2
(4.21)
Esta forma de la ecuaci on ya es lineal, pero si despejamos h2 obtenemos una
forma lineal m as sencilla
T
2
h =
4
2
g
h
2
+
4
2
g
k
2
(4.22)
Haciendo Y = h
2
, X = T
2
h, m =
4
2
g
y b = k
2
, tenemos una relaci on lineal y
un graco de h
2
contra T
2
h ser a el de una lnea recta.
4.4 Analisis de gracos con ayuda de calculadoras
Se puede usar una calculadora Cassio para obtener los parametros m y b de una serie
de datos experimentales cuya gr aca tiene comportamiento lineal, ya sea dibujada
en papel milimetrado, logartmico o semilogartmico.
4.4.1 Calculadoras Cassio FX95MS Y FX100MS
Digite las teclas para entar en el modo REG.
Aparecer a el siguiente men u 1(Lin), 2(Log), 3(Exp).
Presione para entrar en el modo de Regresi on Lineal.
Inicie siempre el ingreso de datos con .
Para introducir la pareja de datos (x,y), por ejemplo (2; 4,5), digite: 2 4.5
Repitan el paso anterior para introducir las siguientes parejas de datos.
Para obtener los valores de la pendiente y el intercepto, la calculadora usa la
f ormula y = B+Ax, donde A y B corresponden al intercepto y la pendiente respec-
tivamente.
Pendiente:
Intercepto:
4.4.2 Calculadora Cassio FX350ES
Todos los c alculos estadsticos se realizan en el modo STAT. Para entrar a este modo,
presiones las teclas: MODE 2
Para seleccionar el modo de Regresi on lineal, presione de nuevo la tecla 2 .
Aparecera la pantalla que se observa en la gura 4.6
Figura 4.6: La pantalla en el modo Regresion Lineal presenta dos columnas x y y.
Como observa el cursor aparece en la columna x. Si quiere mover el cursor a
la columna y utilice las teclas del cursor. La ecuaci on lineal en la calculadora es
y = A+Bx.
Para ingresar los datos en x, escriba el numero, por ejemplo 12.3 y luego la tecla
= , el cursor baja para esperar el siguiente dato.
4.5 Uso de programas de computador 47
Ubique el cursor en eje y para ingresar los datos de esta columna en la misma
forma que en x.
Borre la pantalla presionando AC .
Para obtener la pendiente A presione las teclas en el orden: SHIFT 1 7 1
Para obtener el intercepto B presione las teclas en el orden: SHIFT 1 7 2
Si desean obtener m as informaci on pueden descargar el manual completo de la
calculadora vistando la pagina de internet: http://www.instructionsmanuals.com/u2
/pdf/calculadoras/Casio-FX350ES-es.pdf
4.5 Uso de programas de computador
Si saben usar programas gracadores para computador tales como Excel, Origin
para Windows o los equivalentes en Linux (Ubutu), intenten usarlos y repetir lo
realizado anteriormente para comparar resultados. Estos programas tienen subruti-
nas para realizar la regresion lineal y son capaces de dibujar las gr acas que usted
necesite evaluar y se puede obtener la ecuacion que se ajusta a sus datos. Cualquier
informaci on se puede obtener a traves de Internet.
4.6 Ejercicios
Use los conceptos de linealizaci on y mnimos cuadrados anteriormente mencionados
para encontrar las ecuaciones que relacionan los datos de x y y en las siguientes
tablas:
Tabla 4.3:
Ejercicio 1
x y
0 10
1 12
2 15
3 19
4 24
5 30
6 37
7 45
8 54
9 64
10 75
Tabla 4.4:
Ejercicio 2
x y
0 5
1 8
2 14
3 22
4 37
5 61
6 100
7 166
8 273
9 450
10 273
Tabla 4.5:
Ejercicio 3
x y
1 12,5
2 6,3
3 4.2
4 3.1
5 2,5
6 2,1
7 1,8
8 1,6
9 1,4
10 1,3
Anexo 1 49
Anexo 1. Modelo de informe de laboratorio
ESCRIBA EL TITULO ADECUADO DEL EXPERIMENTO REALIZADO
J. M. Sarmiento, K. Fonseca, A. Berm udez, L. M. Montes
Departamento de Fsica
Fecha de entrega: junio 2 de 2010
RESUMEN
Describa brevemente el contenido de la pr actica, con un espacio no mayor de 10
renglones, en el cual se viertan los principales aspectos de lo que se realiz o, como se
realiz o, para que se realiz o y que se obtuvo, de tal manera que al lector se le brinde
la oportunidad de decidir si le interesa o no conocer el contenido del reporte con
solo leer el resumen.
1. INTRODUCCI
ON
Se plantean los objetivos del trabajo y la motivaci on. Tambien se hace una
presentaci on general del trabajo que est an presentando.
2. DISCUSI
ON TE
ORICA
Escriba en forma resumida los aspectos m as fundamentales de la teora y que
le sirvan de base para la consecuci on de los objetivos, presentando la relacion de
las variables dependientes e independientes, enunciando y enumerando las leyes o
ecuaciones que rigen el fenomeno.
3. M
ETODOS EXPERIMENTALES
Escriba el procedimiento seguido paso a paso en forma de parrafo, haciendo una
descripci on del equipo de laboratorio usado, como se instalaron los dispositivos.
Observe todos los detalles de los equipos como rangos de medici on, precisi on de la
escala de medida, marca de los aparatos, etc. Se recomienda que culmine esta parte
con un diagrama o dibujo indicando la localizacion de los aparatos. Al escribir use
un lenguaje impersonal y en pasado (Se realiz o..., se construy o..., etc.)
4. AN
ALSIS DE RESULTADOS Y DISCUSI
ON
Escriba aqu los resultados obtenidos indicando cuales de las ecuaciones de la
secci on 2 los llevaron a ellos. Interprete los resultados compar andolos con los es-
perados te oricamente. Escriban los errores obtenidos. Justique sus discrepancias
obtenidas. Coloque aqu las gracas realizadas numer andolas y escriba sus respec-
tivos comentarios y analisis.
50 Anexo 1
5. CONCLUSI
ON
Escriba aqu lo que aprendi o de su an alisis, indicando si se cumpli o el objetivo
plenamente y de las respectivas recomendaciones para futuras experiencias.
REFERENCIAS
Escriban las referencias bibliogracas consultadas para elaborar el informe en el
siguiente esquema:
1. A. U. TOR (iniciales del nombre y apellido), nombre del texto, editorial,
p aginas, fecha.
2. ...
Nota: Cuando la gua de laboratorio tenga preguntas, redacte sus respuestas en
las respectivas secciones de su informe sin que aparezcan como respuestas directas
a las preguntas.
Referencias bibliogracas
[1] D. C. BAIRD. Experimentaci on, una introduccion a la teora de mediciones y
al dise no de experimentos. 2a. Ed. Prentice-Hall Interamericana, S. A. 1991.
[2] Vicenzo Giamberardino, Teora de los errores. Editorial Reverte.
[3] B. J. Brinkworth. An Introduction to Experimentation. The English University
Press Ltd. London, 1971.
[4] S aez R. S., Font A. L. Incertidumbre de la medicion : Teora y Pr actica. Con-
sultores C. A. Maracay, Venezuela 2001.
[5] J. Mahecha G omez, Manual de Laboratorio de Fsica I. Editorial Universidad
de Antioquia, 1992.
[6] C. Brito de Cruz, H. L. Fragnito. Gua para Fsica Experimental. IFGW, Uni-
versidad de Campinas, Brasil. 1997. (Bajado p agina de Internet).
[7] Ignacio Cruz Encinas; Trabajo en el Laboratorio. Departamento de Fsica uni-
versidad de Sonora. 1997 (Bajado de la Internet).
[8] Michel Valero. Guas de Experimentos de Fsica General, Departamento de
Fsica. Universidad del Valle, Cali Colombia, 1996.
[9] Bureau International des Poids et Mesures. 8th edition 1998. Pag. Internet
http : //www.bipm.org/fr/si/si brochure/
[10] Alexander Caneva Rinc on, Teora de Errores. P ag. Internet http :
//newton.javeriana.edu.co/articulos/cifra/cifrahtm.
10.
[11] M. S. Aguirre, S. J. Meza. Fsica I, Mecanica y Termodin amica.
Universidad Nacional del Nordeste, Argentina. P ag. Internet: http :
//exa.unne.edu.ar/departamentos/dpto fisica.php
52 Referencias
[12] Para ampliar el conocimiento. http : //www.librosintinta.com/busca/calculo+
de +la +incertidumbre/pdf/

Guias Laboratorios U Atlantico

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Guias Laboratorios U Atlantico

Cargado por

Copyright:

Formatos disponibles

Gua para Analisis de Experimentos

t = (0, 214 0, 015)s

ALSIS DE RESULTADOS Y DISCUSI

También podría gustarte