Anlisis de Errores

Ninguna medicin es perfecta.

Una de las ideas falsas ms comunes acerca de la ciencia es que sta es exacta. Es muy
difcil lograr que los alumnos que se inician en ciencias crean que ninguna medicin es
perfectamente correcta. Ellos tienden a pensar que si una medicin se aleja un poco del
resultado real, esto se dee a un error !si un profesional la "uiese "ec"o, sta deera
"aer sido exacta. #$also%
&o que los cientficos pueden "acer es estimar qu tan alejados podran estar del 'alor
real. Este tipo de estimacin es llamado (arra de Error, y es expresada con el smolo
)lase ms o menos*. +or ejemplo, si al medir el peso de mi perro indico que ste es ,- .
/ilgramos, estoy diciendo que mi mejor estimacin del peso es de ,- /ilgramos, y que
pienso que yo podra estar errado en algo as como . /ilgramo de ms o de menos. El
trmino (arra de Error pro'iene de la con'encin usada para representar el rango de
incerte0a de una medicin en un grfico, aunque el trmino tamin se usa si no "ay grfico
in'olucrado.
1lgunos excelentes traajos cientficos resultan en mediciones que, sin emargo,
tienen arras de error grandes. +or ejemplo, actualmente la mejor medicin de la edad del
uni'erso es de .2 2 mil millones de a3os. Eso puede que no pare0ca tener una mara'illosa
precisin, pero las personas que la reali0aron saan lo que estaan "aciendo. 4ada ms
resulta ser que las 5nicas tcnicas disponiles para determinar la edad del uni'erso son
in"erentemente pores.
1un cuando las tcnicas para reali0ar mediciones son muy precisas, las arras de
errores estn presentes. +or ejemplo, los electrones act5an como peque3os magnetos, y la
fuer0a de peque3os magnetos, tales como los de cada electrn, se acostumra a ser medida
en unidades llamadas 6agnetn de (o"r. 1 pesar de que la fuer0a magntica de un electrn
es una de las cantidades medidas con mayor precisin, el mejor de los 'alores experimentales
presenta arras de error7 ..88..29-2,: 8.888888888, magnetones de (o"r.
Existen 'arias ra0ones de por qu es importante, en el traajo cientfico, indicar
estimaciones numricas de las arras de error. ;i el ojeti'o de tu experimento es testear
cundo los resultados son como los predic"os por la teora, tu saes que siempre "ar una
diferencia, aun si la teora es asolutamente correcta. 4ecesitas saer cundo la medicin
es ra0onalemente consistente con la teora o cundo la discrepancia es muy grande para ser
explicada por las limitaciones de los aparatos de medida.
<tra ra0n importante para se3alar resultados con sus arras de errores es que otras
personas podran usar tus mediciones para propsitos que tu no tenas en mente. =e manera
que si ellos 'an a "acer uso de stos de manera inteligente, necesitan saer qu tan exactos
fueron.
Las Barras de Errores no son lmites absolutos.
&as arras de errores no son limites asolutos. El 'erdadero 'alor podra estar fuera
de ellas. ;i uso una mejor escala podra encontrar que el peso de mi perro es de ,2,> 8,.
/ilogramos, dentro de mi error original, pero tamin es posile que el mejor resultado fuese
,?,, 8,. /ilogramos. =ado que siempre "ay alguna proailidad de estar alejado en algo
ms que tus arras de errores, o incluso muc"o ms que eso, no tiene sentido insistir en
esfuer0os por asegurar asolutamente que el 'erdadero 'alor est dentro del rango que "as
estalecido. @uando un cientfico indica una medicin con arras de errores, no est
diciendo ;i el 'alor 'erdadero est fuera de ese rango mere0co ser corrido de la profesin.
;i fuera ese el caso, entonces cada cientfico deera se3alar arras de errores infladas
ridculamente para e'itar tener que terminar sus carreras por uno de los cientos de
resultados pulicados. &o que los cientficos se comunican unos a otros mediante las arras
de errores es un monto tpico por el cul ellos podran estar des'iados, no un lmite superior.
+eque3os errores aleatorios. Errores aleatorios grandes.
+eque3os errores sistemticos. +eque3os errores sistemticos.
+eque3os errores aleatorios,
Errores sistemticos grandes.
Errores Aleatorios y Errores Sistemticos.
Amagina que mides la longitud de un sof con una "uinc"a de medir, lo mejor que
puedas, "asta el milmetro ms cercano. ;i repites nue'amente la medicin, otendrs una
respuesta distinta )asumiendo que no ests psicolgicamente predispuesto a repetir el
resultado pre'io y que . BmmC es cercano al lmite de lo que puedes distinguir en la "uinc"a*.
;i contin5as repitiendo la medicin, podras otener un listado de 'alores como el siguiente7
&argo ;of )cm*
,8?,.
,8?,:
,8,,>
,8?,?
,8?,,
,8?,:
,8?,.
,8,,9
,8?,9
,8?,.
&as 'ariaciones de este tipo se denominan Errores 1leatorios, deido a que el
resultado es diferente cada 'e0 que reali0as la medicin.
&os efectos de los errores aleatorios pueden ser minimi0ados promediando muc"as
mediciones. 1lgunas de las mediciones incluidas en el promedio son muy grandes o muy
peque3as, de manera que el promedio tiende a ser mejor que una medicin indi'idual.
6ientras ms mediciones promedies ms preciso es el promedio. +ara la lista indicada, el
promedio es de ,8?,. BcmC. D, aunque promediar muc"as mediciones no puede eliminar
completamente los errores aleatorios, el "acerlo puede reducirlos.
+or otro lado, Equ pasara si la "uinc"a de medir fue soreFestirada un poco, de tal
forma que tus mediciones siempre tienden a resultar cortas en 8,? BcmCG Eso sera un
ejemplo de un Error ;istemtico. =ado que el error sistemtico es el mismo cada 'e0,
promediar no nos ayudara a des"acernos de l. +roalemente no tendras una manera
sencilla de encontrar el monto del estiramiento exactamente, de forma que slo te queda
sospec"ar que podra "aer un error sistemtico deido a soreFestirar la "uinc"a de medir.
1lgunos escritores cientficos "acen distincin entre los trminos exactitud y
precisin. Una medicin precisa es aquella con errores aleatorios peque3os, mientras que
una medicin exacta es aquella que es cercana al resultado 'erdadero, teniendo amas
errores aleatorios y errores sistemticos peque3os. +ersonalmente, encuentro que la
distincin se "ace ms clara con los trminos error aleatorio y error sistemtico.
El signo usado con las arras de errores normalmente implican a lo que nos
referimos con errores aleatorios, dado que stos podran ser positi'os o negati'os, mientras
que los errores sistemticos deeran estar siempre inclinados en la misma direccin.
El Objetio del Anlisis de Errores.
6uy rara 'e0 los resultados de un experimento 'ienen directamente desde un reloj,
regla, o alg5n otro tipo de dispositi'o de medida. Es ms com5n tener los datos en
ruto a partir de mediciones directas y entonces, mediante clculos que utili0an los datos
rutos llegamos a un resultado final. @omo ejemplo7 s lo que quieres es medir el /ilometraje
de comustile de tu auto, los datos rutos deeran ser el n5mero de litros de comustile
consumido y el n5mero de /ilmetros que "as 'iajado. &uego, deeras reali0ar la di'isin de
/ilmetros por litro para otener el resultado final. @uando alguien ms 'ea tus resultados,
no 'an a estar interesados en cuan exacto mediste los litros o en cuan exacta reali0aste la
medicin de /ilmetros recorridos. Ellos simplemente querrn saer cuan exacto fue el
resultado final. E$ue ste ,, , B/mHlC, ,,,.?I 8.88, B/mHlCG
+or supuesto la exactitud del resultado final est asada y limitada por la exactitud de
tus datos en ruto. ;i ests alejado en 8., BlC, entonces el monto de ese error afectar tus
resultados finales. ;olemos decir que los errores en los datos en ruto se propagan a
tra's de los clculos. @uando se requiere que realices un anlisis de errores en un
informe de laoratorio, esto significa que deers "acer uso de las tcnicas que se explicarn
a continuacin para determinar las arras de error en tus resultados finales. Existen dos
grupos de tcnicas que necesitars aprender7
- Jcnicas para encontrar la exactitud de tus datos en ruto,
- Jcnicas para el uso del error en tus datos en ruto al deducir el error en tus
resultados finales.
Estimando errores aleatorios en los datos en bruto.
1"ora examinaremos tres posiles tcnicas para estimar los errores aleatorios
existentes en tus mediciones originales, ilustrndolas con las mediciones del largo del sof.
6todo K.7 Estimacin.
;i ests midiendo la longitud del sof con una "uinc"a mtrica, entonces es muy
proale que puedas "acer una estimacin ra0onale acerca de la precisin de tus
mediciones. =ado que la di'isin ms peque3a en la "uinc"a de medida es de un milmetro,
y un milmetro es tamin cercano al lmite de nuestra "ailidad para 'er, tu saes que no
estars "aciendo mejor que . BmmC, 8.. BcmC. +ermitindonos alguna liertad en reali0ar
las mediciones en forma directa, podra estimar nuestros errores aleatorios en algunos
cuantos milmetros.
4o es malo reali0ar estimaciones de 'e0 en cuando, pero existen al menos dos formas
en las que esto puede traerte prolemas. Una es que los estudiantes tienen muc"a fe
cuando los aparatos de medicin son sofisticados. Ellos piensan que una alan0a digital dee
ser perfectamente exacta, puesto que a diferencia de una alan0a ms rudimentaria con
pesas mo'iles en ella, la medicin se otiene sin mediar el usuario. Eso es incorrecto. 4o
existe medicin alguna que sea perfectamente exacta, y si la alan0a digital indica una
medicin a la dcima de gramo, no "ay forma que los errores aleatorios sean ms peque3os
que la dcima de un gramo.
<tra forma de crear ms prolemas es tratar de estimar las arras de errores en un
grupo de datos en ruto cuando realmente no tienes suficiente informacin para "acer una
estimacin inteligente. +or ejemplo, si ests midiendo el rango de un rifle, podras disparar y
medir cun lejos alcan0a a llegar la ala indicando "asta el centmetro ms cercano,
concluyendo que tus errores aleatorios fueron de . BcmC. ;in emargo, en la realidad, su
rango podra 'ariar aleatoriamente en algo as como 28 metros, dependiendo de todos los
tipos de factores aleatorios que no conoces. En este tipo de situaciones, mejor te astienes
de usar alg5n mtodo de estimacin de errores aleatorios.
6todo K,7 6ediciones Lepetiti'as y la regla de los =os Jercios.
;i tomas mediciones de lo mismo repetidas 'eces, el monto de 'ariaciones de los
n5meros puede indicarte qu tan grande fueron los errores aleatorios. Esta forma de atacar
el prolema tiene una 'entaja sore estimar los errores aleatorios7 automticamente toma en
cuenta todas la causas de errores aleatorios, aun las que tu no tengas presente.
1 grosso modo, las mediciones del largo del sof, en su mayor parte, estaan dentro de
unos cuantos milmetros alrededor del promedio, lo que indica cun grandes son los errores
aleatorios. +ero, asegurmonos en estalecer nuestras arras de error de acuerdo a la
siguiente con'encin7 estarn dos de tres 'eces dentro de la distriucin de las mediciones.
+or supuesto, no conocemos el resultado 'erdadero, pero si reFordenamos nuestro listado
de mediciones podemos llegar a una estimacin astante ra0onale de nuestras arras de
errores si tomamos la mitad del rango cuierto por los dos tercios centrales. LeFordenando
nuestra lista de die0 mediciones del sof, tenemos7
&argo ;of )cm*
,8,,>
,8,,9
,8,,9
,8?,.
,8?,.
,8?,.
,8?,,
,8?,?
,8?,:
,8?,:
=os tercios de l8 es - y el rango cuierto por las - mediciones centrales 'a desde
,8?,? BcmC a ,8,,9 BcmC. En otras palaras, 8,: BcmC, cuya mitad es 8,, BcmC. =e esta forma
diremos que estimamos nuestras arras de error en 8,, BcmC. El promedio de las
mediciones es ,8?,. BcmC, por lo que deeras llegar a estalecer tus resultados como7 ,8?,.
8,, BcmC.
Un error com5n al estimar los errores aleatorios mediante la repeticin de mediciones
es redondear todas ellas de manera que resultan lo mismo, y llegndose as a que las arras
de errores fueron cero. +or ejemplo, si "uisemos "ec"o un redondeo al centmetro ms
cercano, cada cantidad en la lista "uiese sido ,8? BcmC. #Eso no deera significar que
nuestros errores aleatorios fueron cero% &o mismo puede pasar con los instrumentos
digitales, que automticamente redondean por ti. Una alan0a digital podra estar
redondeando a la dcima de gramo ms cercana, por lo que si colocas un mismo ojeto una y
otra 'e0 en la alan0a siempre otendras el mismo 'alor. Eso no significa que es
perfectamente precisa. ;u precisin no es mejor que 8,. BgC.
6todo K?7 6ediciones Lepetiti'as y =es'iacin Estndar.
El mtodo para medir arras de error ms ampliamente aceptado se llama =es'iacin
Estandar. Usemos las mediciones del sof para ejemplificar en qu consiste.
- <tener el promedio de las mediciones.
+romedio M ,8?,. BcmC
- Encontrar la diferencia o des'iacin de cada medicin respecto del promedio.
=es'iacin BcmC
8,8
8,?
F8,?
8,,
8,.
8,?
8,8
F8,,
F8,,
8,8
- @alcular el cuadrado de cada des'iacin.
=es'iaciones al cuadrado Bcm]
8,88
8,89
8,89
8,8:
8,8.
8,89
8,88
8,8,
8,8,
8,88
- @alcular el promedio del cuadrado de las desviaciones.
+romedio M 8,8: Bcm]
- ;acar la ra0 cuadrada del resultado anterior. Nsta es la =es'iacin Estandar7
=es'iacin Estandar M 8,, BcmC
;i "emos usado el smolo x para la longitud del sof, el resultado deera ser indicado
como7
x M ,8?,. 8,, BcmC )o ien x M ,8?,. BcmC y x M 8,, BcmC*
=ado que la letra griega es usada como un smolo para la des'iacin estandar, a
menudo se llama a sta una sigma.
El paso )?* puede parecer un poco misterioso. E+or qu no saltrseloG ;i as
"iciremos y seguimos de ),* directamente a ):*, calculando simplemente el promedio de las
des'iaciones, terminaramos con un promedio de #@EL<% ;i miras ien los datos en la tala,
las des'iaciones siempre se 'an a cancelar cuando las sumas. (ien podras tomar los 'alores
asolutos antes de sumarlas, pero la gracia de seguir los pasos indicados es que
corresponden a un mtodo estandar que todos usan y por ende, sarn cmo llegaste a tu
resultado )adems de que la des'iacin estandar tiene algunas simpticas propiedades*
;in emargo, un error com5n al usar la tcnica de des'iacin estandar es aplicarla a
un conjunto de muy pocas mediciones. +or ejemplo, alguien podra tener slo dos
mediciones para el largo del sof, digamos ,8?,: BcmC y ,8?,: BcmC. &a persona inferira una
des'iacin estandar de cero, lo que sera irrealmente peque3o deido a que se tienen las
mismas mediciones.
;e usar des'iacin estandar como sinnimo de arras de error, aunque esto no
signifique que deas usar siempre el mtodo de la des'iacin estandar por sore el de
estimacin o el de la regla de los dos tercios.
!robabilidad de las "esiaciones.
Ju puedes oser'ar que aunque 8,, BcmC es un uen 'alor para el tama3o tpico de la
des'iacin de las mediciones del largo de un sof respecto del promedio, algunas de las
des'iaciones son ms grandes y otras son ms peque3as. &a experiencia nos indica que las
siguientes estimaciones de proailidad suelen ser ciertas dependiendo de con qu frecuencia
resultan las des'iaciones de distinta magnitud7
resultado cae dentro de . des'iacin estandar respecto al promedio7 , de ? 'eces
resultado cae dentro de . y , des'iaciones estandar respecto al promedio7 . de : 'eces
resultado cae dentro de , y ? des'iaciones estandar respecto al promedio7 . de ,8 'eces
resultado cae dentro de ? y : des'iaciones estandar respecto al promedio7 . de 288 'eces
!recisin del !romedio.
Oemos decidido que la des'iacin estndar de nuestras mediciones de la longitud de
un sof fue de 8,, BcmC, es decir, la precisin de cada medicin indi'idual fue alrededor de
8,, BcmC. +ero "emos dic"o que el promedio, ,8?,. BcmC, fue ms preciso que cualquiera de
las mediciones indi'iduales. E@un preciso es el promedioG
tan des'iacin s dard de una medicin
numero de mediciones
Esto significa que, tericamente, puedes medir cualquier cosa a cualquier precisin
deseada con simplemente promediar un n5mero suficiente de mediciones. En realidad, no
importa cuan peque3o minimi0as tus errores aleatorios, NO puedes des"acerte de los errores
sistemticos promediando, por lo que se llega a un punto en el que es in5til tomar ms
mediciones.
!ropagacin de Errores
+ropagacin del error en el caso de una 'ariale.
Oemos estudiado tcnicas para estimar los errores aleatorios en datos en ruto, pero lo que
necesitamos a"ora es saer cmo e'aluar los efectos de esos errores aleatorios en los
resultados finales calculados a partir de los datos en ruto. +or ejemplo, imagina que se te
entrega un cuo "ec"o de un material desconocido y se te pide que determines su densidad.
&a densidad es definida como M m H ' ) letra griega r"o* y el 'olumen de un cuo cuyos
lados son de longitud es P M Q de manera que la frmula7
M m / Q,
te dar la densidad si mides la masa y longitud de los lados del cuo. ;i mides la masa de
forma tan exacta como m M .,-2> 8,88? BgC, pero saes que M 8,>2 8,8- BcmC con slo
dos dgitos de precisin, entonces tu mejor 'alor para es .,-2> BgC H)8,>2 BcmC* Q M ,,I
BgHcmQC.
E@mo puedes saer cun preciso es este 'alor de G 4os "emos asegurado en dejar
no ms que dos cifras significati'as para , dado que el dato ruto menos exacto tiene tan
solo dos cifras significati'as. Es de esperarse que la 5ltima cifra sea incierta, pero no
saemos a5n qu tan incierta. Un mtodo sencillo para este tipo de situaciones consiste en
alterar el dato en ruto en una sigma, recalcular el resultado y 'er qu tanto camia. En
este ejemplo sumamos 8,8- BcmC a para comparar7
con M 8,>2 BcmC nos da M ,,I BgHcmQC,
con M 8,9. BcmC nos da M ,,8 BgHcmQC.
El camio resultante en la densidad fue de 8,I BgHcmQC y nuestra estimacin
corresponder a7
M ,,I 8,I BgHcmQC
&as (arras de Errores no son lmites asolutos.
ED qu sucede en el caso general en el cual ninguno de los datos rutos, usados en el
clculo, es claramente la fuente de errorG +or ejemplo, imagina que otenemos una medicin
ms exacta del lado del cuo, M 8,>2. 8,88. BcmC. En trminos porcentuales, las
exactitudes de m y son comparales por lo que amas pueden causar errores significati'os
en la otencin de la densidad. En estos casos usaremos el siguiente mtodo7
).* 1ltera uno de los datos rutos, digamos m, en una des'iacin estndar y oser'a por
cunto camia el resultado de . Usa el smolo Qm para indicar el 'alor asoluto de ese
camio.
m M .,-2> BgC nos da M ,,-98 BgHcmQC,
m M .,--. BgC nos da M ,,-92 BgHcmQCR
Qm M 8,882 BgHcmQC.
),* Lepite el paso ).* pero alterando el otro dato ruto )en este caso le toca a *. ;ea Q el
camio en .
M 8,>2. BcmC nos da M ,,-98 BgHcmQC,
M 8,>2, BcmC nos da M ,,-92 BgHcmQCR
Q M 8,889 BgHcmQC.
)?* &a =es'iacin Estndar de se calcula mediante la expresin7
, ,
Sm S +
,
lo que nos arroja
r M 8,8. BgHcm
?
C
$inalmente el resultado es7
M ,,-9 8,8. BgHcmQC