Arturo Quirantes Sierra - Apuntes de Fsica 1

Arturo Quirantes Sierra - Apuntes de Fsica

TEORA DE ERRORES
Cuando se mide una cantidad, ya directa, ya indirectamente, la medida que se obtiene no
es necesariamente el valor exacto de tal medida, ya que el resultado obtenido estar afectado por
errores debidos a multitud de factores. Algo en apariencia tan sencillo como cronometrar el
perodo del pndulo en el apartado anterior sufrir errores debidos a la precisin del cronmetro,
los reflejos del cronometrador, las corrientes de aire, el nmero de medidas efectuadas ... errores
que se propagarn a cualquier cantidad derivada de sta que queramos determinar, como por
ejemplo velocidad o aceleracin.
En estos casos es necesario estimar el error cometido al efectuar una medida o serie de
medidas. El conjunto de reglas matemticas dedicado a su estudio se conoce como teora de
errores, y resulta imprescindible tanto para sacar todo el partido posible a un conjunto de datos
experimentales como para evaluar la fiabilidad de stos. El estudio de la teora de errores es una
rama aparte de la matemtica por derecho propio, y por su extensin no se desarrollar aqu. El
lector queda avisado de que lo que sigue es tan slo un conjunto rpido y necesariamente breve
de las reglas fundamentales ms usadas en el mbito de la teora de errores.
1 - Nociones previas.
Si se efecta una medida directa de una cantidad fsica, el valor medido x por lo general
diferir del valor exacto x
o
. Se denomina error absoluto de la medida a la diferencia g= x-x
o
y
error relativo al cociente g/x
o
. El error relativo resulta especialmente relevante porque nos
relaciona el error cometido con el valor de lo medido. Un error de 1 mm resulta magnfico si se
mide la longitud de una carretera de 100 km (representa una desviacin de una parte por cada
100.000.000), adecuado si se mide una mesa de 2 m e inaceptable si se mide una hormiga de 2
mm. En los tres casos el error absoluto es el mismo, pero su cercana relativa al valor exacto son
distintas.
Por lo general, el valor de una medida se da estimando su valor ms probable x y su error,
) x. Escribir x) x significa que cabe esperar razonablemente que el valor exacto de la cantidad
valga cualquier cantidad entre x-) x y x+) x, con x como valor ms probable. La traduccin de
"cabe esperar razonablemente" al lenguaje matemtico queda fuera del presente desarrollo.
Existen dos tipos de errores: sistemticos y accidentales. Los primeros actan siempre
de la misma forma para influir en la medida (por ejemplo, una balanza desajustada que tiende
a marcar una masa 10 gr. superior a la real). Estas medidas, si se producen, producen un error
constante. Por contra, los errores accidentales son de carcter aleatorio, lo que presupone que
actan con la misma frecuencia tanto con un signo como con el opuesto (esto es, se tiene igual
probabilidad de obtener una medida 5 gr. superior al valor real como de obtenerla 5 gr. por
debajo).
Teora de errores 2
No se puede conocer el valor exacto de una cantidad, puesto que siempre existen errores;
tampoco se puede conocer el valor exacto de un error, puesto que dependen de procesos
aleatorios y generalmente incontrolables (aparte de ser una contradiccin en sus propios
trminos). Sin embargo, es preciso dar un valor de la medida con su error. La Teora de Errores
deduce ciertas reglas para ello.
2 - Errores asociados a una medida.
a) Medidas directas. Redondeo.
Supngase que se efecta una evaluacin directa de una cantidad, x. Se suele en este caso
tomar el propio valor de x como medicin de dicha cantidad. Como error se supone la
sensibilidad del aparato utilizado en la medicin, esto es, el valor mnimo que el aparato es capaz
de medir. Esto presupone implcitamente que los errores accidentales estn fuera de nuestra
manipulacin, ya sea porque los hayamos eliminados, ya porque seamos ignorantes de su
existencia, de manera que los nicos errores que aparecen son los de tipo aleatorio.
El error en s es algo aproximado. Dar un valor de 24.50.3 mm. significa esperar que
el valor verdadero sea alguna cantidad entre 24.2 y 24.8 mm. Pero dar 24.5000.302 mm. es lo
mismo que decir que el valor exacto ha de estar entre 24.198 y 25.802 mm; no resulta razonable,
ya que "ha de estar entre" no tiene una seguridad absoluta, sino tan slo una cierta probabilidad.
Por ello, tanto el error como el valor ms probable vienen redondeados convenientemente.
Para el error, se supone que basta con dar una, a veces dos, cifras significativas (es decir,
cifras que dan informacin relevante). Los criterios habituales son los siguientes:
- Si las dos primeras cifras significativas son inferiores a 25, se toman dichas cifras para
el error. De no ser as, se toma solamente una cifra. Segn eso, el error 0.113 queda
convertido en 0.11, y el 6488.24 se transforma en 6000
- Si la primera cifra que se descarta es un cinco o ms, la ltima cifra que se guarda se
aumenta en una unidad. Esto es, el valor 0.362 se convierte en 0.4 y no en 0.3
- Una vez redondeado convenientemente el error, el valor de la medida se redondea hasta
la misma cifra decimal.
Vanse unos cuantos ejemplos:
Medida Error Resultado final
464.2413 0.061 464.240.06
6.03 0.0005 6.03000.0005
46288 1553 463001600
3.218 0.124 3.20.1
0.018366 0.00783 0.0180.008

Arturo Quirantes Sierra - Apuntes de Fsica 3
b) Medidas indirectas. Propagacin de errores.
A veces no se mide una cantidad directamente, sino por relacin con otras cantidades.
Para medir, por ejemplo, el rea de un rectngulo se miden sus lados a,b y se hace uso de la
relacin S=ab. Si tanto a como b tienen sus cotas de error, evidentemente tambin la superficie
vendr afectada de error. Cmo depende el error de una cantidad derivada de las medidas y
errores fundamentales viene dado mediante la teora de la propagacin de errores.
Para ello se utiliza el clculo diferencial. Sea y una funcin que depende de las variables
independientes x
1
, x
2
...x
n
. Se puede obtener el valor del diferencial de la funcin y a partir de los
diferenciales de las variables x
i
por medio de derivadas parciales:
dy'
My
Mx
1
dx
1
%
My
Mx
2
dx
2
%...%
My
Mx
n
dx
n
En nuestro caso, y la funcin que nos da la cantidad medida indirectamente a partir de las
medidas directas de las cantidades x
1
...x
n
(en rigor, x
i
es cualquier parmetro, variable o no, que
venga dado con un margen de error; el nmero pi, por ejemplo, sera uno de ellos, ya que nunca
se conoce con una exactitud infinita, si bien en estos casos se supone que se conoce con un
nmero de cifras decimales tal que el redondeo debido a despreciar las dems cifras es
despreciable). Si los errores son lo suficientemente pequeos, podemos considerarlos como
diferenciales, ya que estos pueden interpretarse como variaciones infinitesimales. La ecuacin
que nos da el error de y, ) y, es entonces:
) y'
My
Mx
1
) x
1
%
My
Mx
2
) x
2
%...%
My
Mx
n
) x
n
Es posible que algunos de los trminos que acompaan a los errores ) x
i
sean positivos
o otros sean negativos, en cuyo caso podra resultar que algunos errores cancelen a otros (por
ejemplo, que la base del rectngulo sea mayor y la altura menor que sus respectivos valores
reales). Sin embargo, los errores pueden ser tanto por exceso como por defecto, por lo que hay
que considerar la posibilidad de que en el peor de los casos los errores se sumen de manera que
no slo no se anulen, sino que se refuerzen. Para evitarlo, se considera que las derivadas
parciales aparecen en valor absoluto:
Veamos un ejemplo. Supongamos que se mide el radio r y la altura h de un cilindro,
obteniendo un volumen V=Br
2
h. En tal caso, y=V, x
1
=r, x
2
=h y se tendra:
) V'
MV
Mr
) r%
MV
Mh
) h' 2Brh) r%Br
2
) h
Si r = 12.60.3 mm, h = 35.120.06 mm obtendremos:
) V' 2@3.1416@12.6mm@35.12mm@0.3mm%3.1516@(12.6mm)
2
@0.06mm
' 834.1155mm
3
%29.9256mm
3
' 864.04102mm
3
Vemos que la parte de error correspondiente a ) r es mucho mayor que la de ) h, lo que
significa que para reducir el error del volumen es mucho ms eficaz reducir el error en la
Teora de errores 4
determinacin del radio que en la de la altura. Finalmente, el volumen es V=17516.425 mm
3
,
lo que tras los redondeos oportunos queda como:
V' (17500900)mm
3
3 - Errores asociados a un conjunto de medidas.
a) Valor de la medida y error asociado.
Resulta prctica habitual realizar varias medidas de una cantidad. Ello permite prevenir
en la medida de lo posible los errores accidentales. La idea consiste en suponer (ms bien confiar
en) que dos errores del mismo valor absoluto, pero de signo contrario, tienen la misma
frecuencia. Esto, es, si la medida exacta de la longitud de un objeto es 12.52 m, se tiene igual
probabilidad de medir 12.55 m que de medir 12.49 m. Si se cumplen esta y otras condiciones
determinadas, se puede aplicar la llamada estadstica de Gauss, algunos de cuyos resultados se
muestran a continuacin.
Supongamos un conjunto de N medidas x
1
, x
2
,... x
n
obtenidas para una cantidad cuyo valor
exacto es x. Para dar un valor representativo del conjunto, se toma el valor medio de dichas
medidas, x
o
:
x
o
'
x
1
%x
2
%...x
N
N
/
1
N
j
N
i' 1
x
i
A cualquier medida x
i
se le adjudica un error g
i
igual a la diferencia entre dicha medida
y el valor medio (que ahora se toma como exacto): g
i
= x
i
- x
o
. Cul es, entonces, el error
asociado al conjunto de medidas? Puede hacerse un primer intento y definir el error medio como
el valor medio de los errores (su suma dividida por N); sin embargo, se demuestra fcilmente que
dicha cantidad es nula sea cuales sean los valores x
i
:
g
o
'
1
N
j
N
i' 1
g
i
'
1
N
j
N
i' 1
(x
i
&x
o
)'
1
N
j
N
i' 1
x
i
&
1
N
Nx
o
' x
o
&x
o
' 0
Este resultado, paradjico en apariencia, no es ms que un reflejo del significado del
trmino valor medio. Pare evitarlo, y puesto que los errores pueden serlo por defecto o por
defecto, a veces se define el error medio F
m
como la media aritmtica de los valores absolutos
de los errores:
F
m
'
j
N
i' 1
*g
i
*
N
En la prctica se usa ms que el error medio el llamado error probable, que es un error
tal que la probabilidad de cometer un error superior a l, en valor absoluto, valga 1/2. Esto es,
la mitad de las veces que se efecte una medida se obtendr un error inferior en valor absoluto
al error probable. Esto se debe a motivos estadsticos, pero aqu se har una deduccin intuitiva.
Arturo Quirantes Sierra - Apuntes de Fsica 5
Dicha deduccin se base en el siguiente razonamiento: puesto que el valor medio de los
errores sale cero porque dichos errores tienen signo (los valores medidos estn por encima o por
debajo del valor medio), eliminemos el signo. Ya se hizo en la ecuacin anterior por medio de
un valor absoluto. Sin embargo, la funcin valor absoluto es engorrosa desde el punto de vista
analtico. Existe otra manera de convertir cualquier nmero real en un valor positivo: elevndolo
al cuadrado. As que podramos usar como error del conjunto de medidas el valor medio de los
cuadrados de los errores:
F
N
'
j
N
i' 1
g
2
i
N
Sin embargo, en el proceso hemos reducido artificialmente el error, ya que cada error g
i
,
ya pequeo de por s, ha sido elevado al cuadrado. El arreglo es inmediato: si hemos elevado al
cuadrado, saquemos la raz cuadrada para compensar:
F
N
'
1
N
j
N
i' 1
g
2
i
'
1
N
j
N
i' 1
(x
i
&x
o
)
2
Esta cantidad, que se puede obtener mediante la estadstica de Gauss por procedimientos
ms rigurosos, es el llamado error cuadrtico medio, y es el que habitualmente da como error
de un conjunto de medidas siempre que ste no sea inferior al error instrumental, esto es, al error
mnimo imputable a la sensibilidad del aparato (mnima marca en una regla, menor intensidad
mensurable en un ampermetro, etc). De lo contrario, un conjunto de medidas tales como: 10.0,
10.0, 10.1, 10.0, 10.0 mm medidos con una regla milimetrada hasta 0.1 mm arrojara un valor
de 10.02 0.04 mm, lo cual no es lgico estadsticamente hablando: con el aumento del nmero
de medidas aumenta la verosimilitud, pero no el nmero de cifras decimales del resultado. El
error cuadrtico medio asociado a N medidas se designa como F
N
, y as suele venir indicado en
las calculadoras cientficas.
Si se desea afinar ms la estadstica del sistema, se define el error de manera diferente.
Esto se debe a que la expresin anterior es vlida solamente si x
o
fuese el valor exacto de la
medida; como no lo conocemos, hemos de sustituirlo por el valor medio. Ello puede dar
discrepancias no despreciables cuando el nmero de medidas N es pequeo. Para el caso lmite
N=1, suponer que la nica medida tomada coincide con el valor exacto nos inducira a llegar a
la absurda conclusin de que el error cuadrtico de dicha observacin es nulo. Si se admite que
el conjunto de N medidas sigue la llamada ley de Gauss, puede demostrarse que al usar el valor
medio en lugar del valor exacto, la ley correcta tiene la expresin:
F
N&1
'
j
N
i' 1
g
2
i
N(N&1)
'
j
N
i' 1
(x
i
&x
o
)
2
N(N&1)
Puede verse fcilmente que el cociente entre las dos cantidades es igual a la raz cuadrada
de (N-1)/N, cantidad que tiende a la unidad para valores de N crecientes. En la prctica, dicha
diferencia resulta poco relevante, ya que la operacin de redondeo borra las diferencias entre
ambos errores. Para el conjunto de datos (51.00, 51.00, 51.50, 52.5, 52.0, 50.50, 53.50), se
Teora de errores 6
obtiene x
o
=51.71428..., F
N
=0.95831... y F
N-1
=1.035099... Sea cual sea el error que se considere,
los datos arrojaran un valor final de 52 1 (nunca hay que olvidar que cualquier valor de error
que se de ser simplemente una estimacin del error probable, nunca un valor exacto de tal error).
En la prctica, habida cuenta de la escasa diferencia entre ambos errores, se suele dar
como resultado de un conjunto de medidas el valor medio x
o
y el error cuadrtico medio F
N
(a
no ser que F
N
sea menor que el error instrumental del aparato de medida, en cuyo caso se tomar
ste ltimo). nicamente tiene inters para nosotros emplear F
N-1
cuando el nmero de medidas
no es muy grande y estamos interesados en obtener informacin estadstica ms completa del
sistema.
b) Nmero de medidas
Si se hacen pocas determinaciones, el valor obtenido para la cantidad medida podr estar
afectado por importantes errores; si se efectan demasiadas medidas, se est derrochando
esfuerzo sin obtener mejoras sustanciales en precisin. En general, el valor del error asociado
a un conjunto de medidas decrece de manera proporcional a la raz cuadrada del nmero total de
medidas. Es decir, el error asociado a 500 medidas es del orden de diez veces menor que el
debido a solamente cinco medidas. Es evidente, no obstante, que no se puede esperar una
reduccin del error a valores arbitrariamente pequeos aumentando el nmero de medidas, ya que
toparemos en ltima instancia con errores sistemticos, lmites en la sensibilidad del instrumento,
etc; de manera que con una regla dividida en milmetros no se puede apreciar ms all del
milmetro, independientemente del nmero de medidas efectuado.
Cul es el nmero de medidas adecuado para una observacin estadsticamente
significativa? Descartados los casos en que, por las caractersticas del experimento, solamente
se pueda obtener una medicin, el mnimo nmero de medidas admisible es de tres, ya que si
hacemos una sola medida cabe la duda de saber si ste resultado es el verdadero, y si hacemos
dos resulta arbitrario seleccionar entre ellas (est el valor exacto en un trmino medio, o hay una
medida afectada de error accidental y otra no?). El procedimiento recomendado aqu (no el nico
ni, necesariamente, el mejor) es el siguiente:
a) Se calcula la dispersin D, que es la diferencia entre los valores extremos (mayor y
menor) de las medidas realizadas.
b) Si la dispersin es igual o menor que el error instrumental, es dicho error el que
figurar como error del conjunto de medidas.
c) Si la dispersin es mayor que el error instrumental, se calcula la tasa de dispersin T
d
,
que no es sino la dispersin relativa (respecto al valor medio) en tantos por ciento:
T
d
'
100@D
x
o
Arturo Quirantes Sierra - Apuntes de Fsica 7
Segn sea el valor de T
d
se elige el nmero de medidas a realizar (la siguiente tabla es
orientativa):
T
d
N medidas.
menor del 2% bastan con las tres medidas
entre 2% y 8% se toman 6 medidas
entre 8% y 15% se toman 15 medidas
mayor del 15% se toman 50 medidas (mnimo)
Por lo general, si la tasa de desviacin es superior al 15% se suele descartar el conjunto
de medidas y repetir el experimento de manera ms cuidadosa y procurando minimizar cualquier
tipo de error (aparatos ms sensibles, muestras aisladas de las vibraciones, etc). En caso de que
el carcter del experimento haga que las medidas difieran de modo natural entre s, se efectuar
un conjunto elevado de mediciones.
4 - Regresin lineal: mnimos cuadrados.
En un experimento tpico, se cambia el valor de una variable independiente X para
observar el comportamiento de otra variable Y dependiente de la anterior; por ejemplo, el cambio
de la densidad del agua (Y) con la temperatura (X). Cuando hacemos una representacin grfica
Y(X) (Y en el eje vertical de ordenadas y X en el eje horizontal de abscisas), la curva obtenida
tendr una forma dada. En el laboratorio, al reproducir un experimento de este tipo,
obtendramos una grfica idntica a la arrojada por la teora. sin embargo, la existencia de
muchas fuentes de indeterminacin (no slo errores sino tambin las simplificaciones hechas en
la propia teora, influencias de otros factores, etc) hacen que los datos experimentales no
coincidan exactamente con la curva terica, sino que tiendan a disponerse alrededor de sta.
Surge entonces la pregunta de qu curva "ajusta" mejor los datos experimentales. Con "ajusta"
se quiere decir, no que la curva pase exactamente por todos los puntos experimentales, sino que
tienda a estar lo ms cerca posible de todos ellos en conjunto.
El ajuste de datos experimentales a curvas es extremadamente importante, no slo para
poder comparar con la teora, sino incluso para poder establecer la validez o no de la misma
teora. El caso general es complejo y laborioso, as que nos limitaremos a una curva en la que
la dependencia entre X e Y es de tipo lineal (si se duplica X, se duplica Y).
Supongamos que para cada valor X
i
de la variable independiente se obtiene un valor Y
i
de la variable dependiente (aqu los subndices i denotan distintos valores de X e Y, y no guardan
relacin alguna con los valores de una misma cantidad utilizados en el apartado 6.3). El
problema consiste en encontrar una curva del tipo Y = a + bX, (una recta, en este caso) que ajuste
mejor el conjunto de datos; en concreto, se buscan los valores de a y b tales que la suma de
distancias entre la recta y todos los puntos experimentales sea mnima.
Se puede demostrar, minimizando dicha suma de distancias, que los valores a y b que nos
dan el mejor ajuste vienen dados por las siguientes expresiones:
Teora de errores 8
a'
j
Y
i
@
j
(X
i
)
2
&
j
X
i
@
j
(X
i
Y
i
)
N
j
(X
i
)
2
& (
j
X
i
)
2
b'
N
j
(X
i
Y
i
) &
j
X
i
@
j
Y
i
N
j
(X
i
)
2
&(
j
X
i
)
2
Cuando se quiere conocer la validez o bondad del ajuste, o cuando se tienen dudas sobre
si la relacin X-Y es lineal, se acude al coeficiente de correlacin lineal (C.C.L.), descrito con la
letra r, definido como:
r'
j
(X
i
Y
i
)
j
(Y
i
)
2
@
j
(X
i
)
2
El valor absoluto de r nos indica lo bien que los puntos experimentales ajustan a la curva
terica. Si *r*=1, el ajuste es perfecto; un valor *r*=0.95 nos indica un buen ajuste; un
valor de *r* inferior a 0.85 no resulta apenas aceptable.