Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apunte 3051-411 PDF
Apunte 3051-411 PDF
Apunte 3051-411 PDF
Fsica I
El proceso, ha ser efectuado por el operador u observador, puede ser definido unvocamente en
dos pasos:
I. Calibracin: involucra el sistema de medicin y el sistema de comparacin.
II. La medicin propiamente dicha: involucra el sistema objeto y el sistema de medicin.
Una parte importante de la medicin es la determinacin del error o el anlisis de errores.
1.4 Errores en el proceso de la medicin
En todo proceso de medicin existen limitaciones dadas por los instrumentos usados, el mtodo de
medicin y/o el observador que realiza la medicin. Estas limitaciones generan una diferencia entre
el valor real o verdadero de la magnitud y la cantidad obtenida para la misma luego de medir.
Dicha diferencia se debe a la incerteza o el error en la determinacin del resultado de una medicin;
esta es inevitable y propia del acto de medir. Entonces, no hay mediciones reales con error nulo.
Ejemplo: Cuando se utiliza un termmetro para medir una temperatura el mismo proceso de medicin
2/23
Fsica I
introduce un error ya que parte del calor del objeto fluye al termmetro (o viceversa), de modo que el
resultado de la medicin es un valor modificado del original debido a la inevitable interaccin que se debe
realizar. Es claro que esta interaccin podr o no ser significativa: Si se mide la temperatura de un metro
cbico de agua, la cantidad de calor transferida al termmetro puede no ser significativa, pero si lo ser si el
volumen en cuestin es de una pequea fraccin del mililitro.
(1.3)
donde Eap es el error de apreciacin nominal del instrumento, que es la mnima variacin de la
magnitud que puede detectar el mismo; Edef es la incertidumbre asociada con la falta de definicin
del objeto a medir y representa su incertidumbre intrnseca (aqu se desprecia.). Eint Emt es la
interaccin con el mtodo utilizado para medir; su valor se estima de un estudio cuidadoso del
mtodo usado. Eexac representa el error absoluto con que el instrumento en cuestin ha sido
calibrado. (Es ms til en instrumentos elctricos y se relaciona con la clase del instrumento; aqu
se desprecia.)
El error nominal de la medicin es el error absoluto de la misma.
Observacin: El procedimiento de sumar los cuadrados de los errores es un resultado de la estadstica y
proviene de suponer que todas las distintas fuentes de error son independientes entre s.
Fsica I
= (15,34 0,02) mm
Error Absoluto
EH = 0,5 mm
Error Absoluto
E = 0,02 mm
Error Relativo
Error relativo
0, 5
eH =
= 0, 0009
537,1
e =
0, 02
= 0, 001
15, 34
Error Relativo %
Error Relativo %
eH % = 0, 09%
e % = 0,1%
Luego, E H > E indica que el calibre mide longitudes con ms exactitud que la regla, aunque
eH % < e % seala que la altura H medida con la regla es de mejor calidad que la medida del dimetro
hecha por el calibre.
X = (X m E) [u]
(1.4)
Fsica I
Estos errores se pueden disminuir tomando precauciones, pero nunca se puede eliminar
completamente. Esto se debe a que el Principio de Incerteza de Heisenberg establece un lmite
inferior para el valor que pueden tomar una medida y en particular un error de medicin.
Errores producidos por condiciones externas al proceso de medicin: Este tipo de errores se
deben a las condiciones ambientales en las cuales se realiza una experiencia. Son, en general,
calculables en forma de correcciones para cada instrumento y para cada mtodo de medida. Por
ejemplo, en las determinaciones calorimtricas hay que tener en cuenta la cantidad de calor que
absorben el calormetro, el termmetro, el agitador, etc.; esta cantidad se conoce como
equivalente en agua del calormetro.
5/23
Fsica I
(2.2)
L = f (X,Y , Z ) = L(X,Y , Z )
donde X, Y, Z son magnitudes medibles directamente:
6/23
Fsica I
X = Xm EX
E X = X
Y = Ym EY
EY = Y
Z = Z m EZ
EZ = Z
siendo el subndice m indicativo de valor medido u observado.
El problema a resolver es cmo los errores de X, Y y Z afectan al error de L. Para ello, se
expande la funcin L = L(X,Y , Z ) mediante su serie de Taylor
L
L = L(X0 ,Y0 , Z 0 ) +
X
X0
L
L
(X X0 ) + (Y Y0 ) +
Y Y
Z
0
2 L
(Z Z 0 ) + 2
X
Z0
(X X0 )2 +
X0
donde las derivadas parciales estn evaluadas en los valor medidos (o en los valores promedios, en
el caso de varias mediciones).
Tomando (X0, Y0, Z0) = (Xm, Ym, Zm) en la expresin anterior resulta
(X X0 ) = (X X m ) = E X
(Y Y0 ) = (Y Ym ) = EY
(Z Z 0 ) = (Z Z m ) = EZ
L(X m ,Ym , Z m ) = Lm
Despreciando los trminos de orden superior a uno y teniendo en cuenta que la incerteza no
pude ser nula, resulta
E L = L Lm =
L
L
L
EX +
EY +
EZ
X
Y
Z
(2.3)
Es importante recordar que las derivadas parciales estn evaluadas en los valores medidos (o
medios en el caso de varias mediciones). El error obtenido en la expresin (2.3) es el mximo error
posible.
Teniendo en cuenta las expresiones (1.3) y (2.3), el error final de una medicin indirecta
estar dado entonces por:
2
(2.4)
E 2 = Eint
= EL2
3 Cifras Significativas (c.s.)
Los cientficos e ingenieros procuran que sus datos experimentales no digan ms de lo que pueden
decir (asegurar) segn las condiciones de medida en que fueron obtenidos. Por ello, ponen
cuidado en el nmero de cifras con que expresan el resultado de una medicin. El propsito de
ello es incluir slo aquellas que tienen algn significado experimental. Tales cifras reciben el
nombre de cifras significativas. Una cifra es significativa cuando se la conoce con una exactitud
aceptable. As, cuando se mide con un termmetro que aprecia hasta 0,1 C no tiene ningn
sentido que se escriban resultados, por ejemplo, del tipo 36,25 C o 22,175 C. Esto es, la cantidad
de decimales despus de la coma esta relacionada con la exactitud del instrumento (y no con la
cantidad de dgitos que maneja una calculadora).
Las cifras significativas no tienen ninguna relacin fija con la posicin de la coma decimal;
esto es, no tiene siempre que ser 1 o 2 lugares. La cantidad de decimales depende del instrumento
utilizado para medir.
Una posible fuente de ambigedad se presenta con el nmero de cifras significativas cuando se
hace un cambio de unidades. El nmero de cifras significativas de un resultado es el mismo,
cualquiera que sea la unidad en la que se lo exprese.
Dada una cantidad, la pregunta es cules son cifras significativas?:
a) Los ceros a la izquierda no son c.s.: Cuando los ceros figuran como primeras cifras de un
resultado no son considerados como cifras significativas. No indican exactitud en el
resultado de la medicin sino que indican el orden de magnitud de la unidad que acompaa
al mismo.
Ejemplo: La longitud d de un objeto es medida con una regla que aprecia hasta el milmetro; la cantidad
7/23
Fsica I
obtenida es de 3,2 cm. Este valor tiene dos c.s.. Ahora, se desea expresar dicho valor en metros,
entonces:
d = 3,2 cm = 0,032 m
y el resultado sigue teniendo dos c.s.. Por esta razn es que se acostumbra a escribirlo recurriendo a las
potencias de 10:
d = 3,2x10-2 m.
b) Los ceros a la derecha: Cuando los ceros figuran como ltimas cifras de nmeros enteros,
ello no implica que deban ser considerados necesariamente como cifras significativas:
i. Significativos: Cuando los ceros figuran como parte verdadera de la medicin.
Ejemplo: No es lo mismo escribir que algo pesa 1 kg (1 c.s.) que anotar que pesa 1,00 kg (3 c.s.). La
primera magnitud implica haber realizado la medicin con una balanza graduada en kilogramos y la
segunda involucra una balanza graduada en centsimos de kilogramos. Por lo que la segunda es cien
veces ms exacta que la primera.
ii. No significativos: Cuando los ceros figuran como ltimas cifras de nmeros enteros, su
3.1
Notacin Cientfica
Una forma ms compacta de escribir un resultado es expresarlo en su equivalente notacin
cientfica; esto consiste en reescribirlo respetando el siguiente formato:
3.2
Empleo de cifras significativas
Cifras significativas en operaciones aritmticas
Cuando se dispone de una calculadora electrnica parece como si fuese correcto o ms exacto
escribir los resultados con tantas cifras decimales como aparecen en pantalla, pero esto la mayora
de las veces carece de sentido.
Para expresar correctamente los resultados de operaciones aritmticas, mediante cifras
significativas, es necesario tener en cuenta que dicho resultado no puede tener ms decimales que
el nmero de menor cantidad de decimales involucrado en la operacin.
Reglas de aproximacin o acotacin de nmeros
Cuando se requiere acotar la parte decimal de un nmero hay que fijarse en el nmero de su
derecha. Si ste es mayor que 5, entonces se redondea incrementando el ltimo dgito
significativo en +1. Si es menor o igual a 5, el ltimo dgito significativo permanece sin cambio;
es decir, no se modifica.
8/23
Fsica I
Ejemplo: Se desea encontrar cul es la superficie S de una tira de papel. Se mide su longitud y su ancho
utilizando una regla que aprecia hasta el milmetro y se obtienen 53,2 y 4,1 cm, respectivamente.
Multiplicando ambos resultados para calcular la superficie resulta:
S = 53,2 x 4,1 = 218,12 cm
Pero, cuntas de estas cifras son verdaderamente significativas?. Teniendo en cuenta que, el nmero
de cifras significativas de un producto entre datos que corresponden a resultados de medidas experimentales
no puede ser superior al de cualquiera de los factores, el resultado en rigor se debe escribe como
S = 218,1 cm.
x =
i =1
xi
N
o bien x = fi xi
i =1
N
fi
i =1
(3.1)
N
donde fi representa las veces que el i-simo valor xi se repite y N = fi . Es decir, la media
i =1
aritmtica o promedio, de una cantidad finita de nmeros, es igual a la suma de todos ellos
dividida entre el nmero de sumandos.
ii) Es igualmente probable cometer errores del mismo valor numrico y distinto signo.
iii) En una serie de mediciones, es tanto ms probable un error cuanto menor sea su valor
absoluto. Es decir, los errores ms pequeos son los ms probables de cometer.
Se dice que la calidad de una medicin ser tanto mejor cuanto ms parecidos sean entre s los
valores medidos, o dicho de otra forma, ms parecidos al valor medio x .
Otros conceptos tiles en el anlisis de una serie de mediciones son la mediana y la moda. La
mediana hace nfasis en el verdadero centro del conjunto de datos. En otras palabras, la mediana
es el valor central de un conjunto de observaciones ordenado por magnitud creciente o decreciente.
El propsito de la misma es reflejar la tendencia central de la serie de medidas de manera que no
est influenciada por los valores extremos. Mientras que la moda (M) es aquel valor que ocurre
ms a menudo o con mayor frecuencia. La moda puede no existir, y cuando existe no
necesariamente es nica.
4.1 Error estadstico de la serie de N medidas
Dada una serie de N mediciones de la magnitud x, se define en primer lugar la desviacin de la
medicin i, la cual se mide respecto del valor medio x y no es ms que la diferencia existente
Variable: una cantidad que puede asumir cualquiera de un conjunto de valores (Diccionario Webster).
9/23
Fsica I
entre el valor i-simo medido y el valor ms probable (o valor medio o promedio aritmtico de la
serie):
(3.2)
i = x xi = fi (x xi )
siendo, de nuevo, fi las veces que el i-simo valor xi se repite.
La sumatoria de la desviacin ( i ) no tiene significado fsico e incluso puede ser cero; en
i
que los valores individuales fluctan alrededor del promedio. Pero esta ltima cantidad depende de
N. Para independizarse de N es que se define la varianza v como el promedio de las desviaciones
cuadrticas:
v=
2
i
, [v] = [u2]
N,
2
i
[] = [u]
(3.3)
La desviacin estndar es una medida del grado de dispersin de los datos alrededor del valor
promedio. Dicho de otra manera, la desviacin estndar es simplemente el "promedio" o variacin
esperada con respecto de la media aritmtica. Una desviacin estndar grande indica que los puntos
estn lejos de la media, y una desviacin pequea indica que los datos estn agrupados cercanos a la
media. Se suele representar por una S o con la letra sigma (). Aqu se adopta esta ltima.
Si, ahora, se realizan M series de N mediciones de x, y a cada una se le calcula el valor medio
x , es de esperar que estos valores x1 , x2 ,., x M varen entre s pero con una menor dispersin
que las mediciones individuales y que lo hagan alrededor de un promedio general o promedio de
los promedios de valor
M
MN
x
x
j Ni
j =1
i, j =1
x=
=
M
MN
y la dispersin esos promedios, considerados como datos individuales de una serie de valores, ser:
M
(x x )
j =1
(3.4)
Fsica I
del promedio de una serie de N mediciones sin necesidad de volver a realizar ms series de
mediciones. A medida que el nmero N de mediciones aumenta, la distribucin de los x j ser
normal con un error estndar del promedio. ste ser el estimador del error asociado a x y es
llamado error estadstico Eest ( tambin error medio cuadrtico de los promedios):
Eest =
(3.5)
Eest nos da el orden de magnitud con el cul el promedio habr de fluctuar alrededor del
verdadero valor de la magnitud en cuestin y se mantendr casi constante cuando el nmero de
observaciones es suficientemente grande. Cuanto ms mediciones se hagan, tanto ms se acercar
el promedio al verdadero valor de la magnitud en cuestin, y la fluctuacin ser cada vez menor.
Es por ello que el promedio es utilizado como ente representativo del valor ms probable de una
magnitud.
La expresin (3.5) representa la calidad del proceso de medicin. La calidad del proceso de
medicin ser mayor cuanto menor sea el cociente x , que en general es una constante del
proceso de medicin y no disminuye al aumentar N.
Resulta claro que, como Eest depende de N y es menor si se aumenta el nmero de mediciones,
es posible disminuir el error estadstico pero nunca, desde el punta de vista fsico, el error de x
puede ser cero. Slo puede hacerse igual o del orden del Eap. El mejor balance se logra cuando Eest
Eap, dando as un criterio para determinar el nmero, ptimo (Nop) de mediciones que deben
realizarse:
N op
Eap
Observacin: Como no tiene sentido disminuir Eest ms all de la apreciacin x del instrumento de medicin, resulta
ms conveniente cambiar el instrumento o mejorar el mtodo que aumentar el nmero de mediciones. Es preferible
obtener veinte buenas medidas y no mil mediocres.
(3.6)
4.3 Histograma
Los histogramas son un mtodo eficiente y comn para describir distribuciones de variables
continuas con un gran nmero de datos obtenidos experimentalmente (x1, x2,..., xN). Un histograma
es una grfica de barras verticales u horizontales. Las barras o clases se definen de manera tal que
cada una de las N observaciones medidas sea parte de una y slo una categora. El ancho de cada
barra (x) es igual y fijo, de modo que el rea de la barra sea proporcional al nmero de
observaciones de la clase respectiva (n) que pertenecen al intervalo seleccionado, facilitando las
comparaciones visuales. La grfica constituye un despliegue visual de los datos que aporta, dando
una idea de la forma que tiene la densidad de la variable x en estudio.
11/23
Fsica I
Entonces, los histogramas grafican las frecuencias (n) de aparicin de una observacin dentro
de un intervalo de ancho fijo dado (x), siendo cada dato acomodado dentro de una de varias barras
de acuerdo a alguna propiedad. Si la forma obtenida para el histograma es una barra central
rodeada por barras decrecientes distribuidas ms o menos simtricamente a su alrededor, se dice
entonces que dicho histograma presenta una tpica distribucin normal o gaussiana.
Observacin: La longitud del ancho del intervalo (x) es la mnima necesaria para que todos los valores de
la serie estn representados en el histograma, si se toma como punto inicial de los intervalos el valor mnimo
de dicha serie.
o bien x =
Rango
x xmin
= max
n barras n barras
La eleccin de una u otra forma de calcular x depende del caso particular analizado. Existen
otras maneras pero estas son las ms usadas. Recordar tener en cuenta las cifras significativas
para acotar x.
Paso 3: Construir una tabla de intervalos frecuencia (n). Cada intervalo corresponder a una
barra del grfico cuya altura ser, justamente, la cantidad de valores contenidos en l (n). Los
intervalos se toman como cerrado-abierto o bien abierto-cerrado, siendo ms usual la primera
forma. El primero intervalo se construye tomando como punto inicial el valor mnimo de las
observaciones y como punto final del mismo a la cantidad resultante de sumar xmin + x. El
segundo intervalo se construye tomando como valor de inicio el final del anterior y como final el
inicial del mismo ms x. Los dems intervalos se construyen de manera similar. Luego, contar
cuantos datos caen dentro de cada intervalo (frecuencia absoluta de valores) e ingresarlos en la
tabla.
Paso 4: Realizar la grfica de la tabla construida mediante ejes ortogonales donde en el eje de las
abscisas se colocan los intervalos y el eje de las ordenadas las frecuencias correspondientes.
Cuando la grfica se realiza a mano es conveniente utilizar papel milimetrado.
12/23
Fsica I
Como todo grfico debe llevar el ttulo correspondiente (arriba al centro) e indicar los
parmetros N y x que permitieron construir dicho grfico (lado derecho) (ver Figura 3.3).
Es de prctica comn utilizar en el eje de las ordenadas las frecuencias relativas en lugar de las
frecuencias de observacin. Las frecuencias relativas son calculadas dividiendo la frecuencia
absoluta de cada intervalo por el nmero total de observaciones: n/N. Si la frecuencia por clase
corresponde al eje vertical la grfica de barras resultante se denomina histograma de frecuencia,
mientras que en caso de usar dicho eje para la frecuencia relativa por clase se llama histograma de
frecuencias relativas.
Ver en Apndice A un ejemplo de construccin de un Histograma.
4.4 Distribucin de Gauss
La experiencia muestra que, para todos los casos de errores casuales, el histograma
correspondiente a la serie de N mediciones (x1, x2,..., xN) puede ser aproximado por una funcin
continua bien definida y nica, cuya forma es siempre la misma, dependiendo slo de dos
parmetros que podrn variar de caso en caso. Los datos estn distribuidos alrededor del promedio
x , donde algunos valores que estarn cerca del promedio y, otros menos en nmero, estarn lejos.
Se comprueba experimentalmente que n (esto es, el nmero de valores numricos de la serie
de mediciones que caen en un determinado intervalo entre x y x+x) depende del valor de x y de la
longitud del intervalo x en forma aproximada segn la expresin de tipo exponencial
(x x)2
N
(3.7)
n
exp
x
2 2
2
La aproximacin es tanto mejor cuanto mayor sea N y ms pequeo sea x. La relacin se
transforma en igualdad para los diferenciales dn y dx . Como se ve, aparecen dos parmetros: y
x . N es slo un factor de escala puesto que no modifica la forma de la curva, es la desviacin
estndar de cada medicin y x es el valor medio.
La expresin anterior en trminos de diferenciales se llama densidad de observaciones:
lim
(x x)2
n dn
N
=
=
exp
x dx 2
2 2
Fsica I
Si bien es imposible predecir el valor exacto que saldr de una medicin dada, s se puede decir
algo sobre la probabilidad de que ese valor este comprendido en un intervalo dado. La prediccin
de estas probabilidades es la utilidad fundamental de la funcin de Gauss. La probabilidad es, por
definicin, el cociente entre el nmero de casos que estn en el intervalo seleccionado, y
comprendido por dos de los valores de x (N), y el nmero total de datos (N). La probabilidad de
que un valor dado caiga entre x y x + es del 68%:
1
N
100% =
N
2
x+x
(x x)2
exp
x x 2 2 dx 100% = 68%
El valor de que determina el intervalo x dentro del cual cae el 50% de las observaciones
se denomina error ms probable del promedio; dicho valor se obtiene de una integracin, similar a
la anterior, y de donde resulta que (2 3) .
Para graficar analticamente (sin la ayuda de una computadora) la curva de Gauss se requiere
el clculo previo de ciertos puntos de caractersticos de la expresin (3.7), entre los que se
encuentran los puntos de inflexin, y sus frecuencias absolutas ( n ). Siendo lo ms conveniente
para reflejar dichos clculos la confeccin de una tabla, como la que se da a continuacin. Los
puntos mencionados son mostrados en la Figura 3.4.
xi
x
x 2
x
x 2
(( x x )
2 2
1
1 8
e
e1 2
e2
Fsica I
con la otra. Por lo tanto, el mtodo de ajuste por Cuadrados Mnimos consiste en obtener una curva
tal que la distancia vertical de los valores experimentales a la misma sea mnima.
Suponiendo que los puntos experimentales estn visiblemente sobre una recta, en general, la
ecuacin es de la forma
(4.1)
y = ax + b
y el problema es determinar el valor ms adecuado de cada parmetro (a y b). Si todos los puntos
estuviesen exactamente sobre una recta, se cumplira que
i
yi axi b = 0
pero como son mediciones de laboratorio, siempre ha de encontrarse una diferencia o desviacin
entre ambos miembros de la ecuacin (4.1), a la que se llama residuo ei:
yi axi b = ei 0
donde ei describe el error en el ajuste del modelo en el punto i-simo.
Entonces, se han obtenido N lecturas (xi, yi) y se han producido, por lo tanto, N desviaciones o
errores ei; pero obsrvese que el valor correspondiente a cada par depende del valor que se le
asignen a los parmetros a y b. Se puede aplicar el criterio conocido de elegir como valores ms
probable de estos parmetros aquellos que hacen mnima a S = ei 2 ; o sea, sern las soluciones a
la condicin doble:
S
a
= 0;
a=a
S
b
=0
b =b
S
a
S
b
( yi axi b )2
a=a
= 2 yi axi b ( xi ) = 0
( yi axi b )2
b =b
= 2 yi axi b ( 1) = 0 2
a=a
b =b
a xi 2 + b xi xi yi = 0
a xi + b N yi = 0
y cuya solucin provee los valores buscados a y b :
x y N x y
a=
( x ) N x
i
i i
x x y x y
b=
( x ) N x
i
i i
2
(4.2)
Observacin: Para la mayor parte de las aplicaciones cientficas o ingenieriles hay una distincin clara entre
las variables en lo que respecta a su papel en el proceso experimental. A menudo existe una sola variable
dependiente o respuesta (y) que no se controla en el experimento. Dicha respuesta depende del valor
particular de una o ms variables de independientes, x o xi respectivamente; stas se miden con un error
insignificante y a menudo realmente se controlan en el experimento (es decir, se conocen anticipadamente
ayudando a predecir la variable y). Las variables independientes no son variables aleatorias.
=0 .
15/23
Fsica I
Cun bien han quedado determinados los parmetros a y b mediante el mtodo de los cuadrados
mnimos?. Dicho de otra manera, qu intervalos de incerteza corresponde asignar a los valores de
a y b as determinados?.
Se mantiene la hiptesis, para simplificar el trabajo, que las incertezas de x son despreciables
comparadas con las de y. Adems, se repiten M veces las mediciones de cada una de las yi, con lo
cual, los valores de yi fluctuarn mientras que los de xi no, obtenindose asi un conjunto de valores
yik (k = 1, 2, 3, , M) para cada xi
Se puede considerar a a y a b como cantidades medidas indirectamente, siendo yi (con i = 1, 2,
3,, N) las N cantidades medidas directamente, cada una con su error medio cuadrtico ( yi ) .
Entonces, se puede aplicar tanto a a como a b la frmula para calcular el error medio cuadrtico de
N lecturas indirectas:
2
i =1
a
a = 2 (yi ) ;
y
b
b = 2 (yi )
y
i =1
Si las diferentes yi han sido obtenidas en las mismas condiciones, todas tendrn prcticamente el
mismo :
( y1 ) = ( y2 ) = = ( yi ) = = ( y )
resultando entonces una simplificacin en la expresin de los errores medios cuadrticos de a y b
N
a
a = (y)
y
i =1
b
b = (y)
y
i =1
a 1 N
= x j Nxi
yi D j =1
b 1 N
= x j xi x j 2 ;
yi D j =1
j =1
1 N N
a
1 N N
y = D 2 x j Nxi = D 2 x j 2Nxi x j + N 2 xi 2
i =1
i =1
i =1
j =1
i
j =1
j =1
2
N
N
N
1 N
= 2 N x j 2N xi x j + N 2 xi 2
D j =1
i =1
j =1
i =1
j =1
2
2
N
N ( D )
N
a
1
N
y == D 2 N x j + N 2 xi 2 = D 2 = D
i =1
j =1
i =1
i
16/23
Fsica I
.
D
i =1
i
Por lo tanto, las expresiones para los errores quedan reducidas a
a = (y)
==
N
;
D
b = (y)
xi 2
D
En la prctica no es frecuente que se tengan M lecturas de cada punto (xi, yi), ms bien para cada
xi slo se lee yi una vez o unas pocas veces de modo que no hay cmo calcular ( y ) . Sin embargo,
es posible estimar el valor sobre la base de la siguiente hiptesis: las desviaciones de las yjk
alrededor de su promedio yi son del mismo orden que las diferencias ei; en cuyo caso
(y)
N;
e
D e
a N D
e D
N x N .
Obsrvese que este mtodo de cuadrados mnimos puede aplicarse a funciones no lineales,
siempre que la funcin que relacione los puntos sea linearizable (como por ejemplo y = bxa).
5.2 Diagramas de dispersin
Ahora bien, la pregunta es cuando es posible aplicar el mtodo de Cuadrados Mnimos o Regresin
Lineal. Si las cantidades observadas tienen una fuente comn de variacin se dice que ellas estn
correlacionadas. Para averiguar si existe o no correlacin entre las dos variables se construye un
diagrama de puntos (x,y) en base a un sistema de ejes cartesianos. Se obtiene as grficamente un
conjunto de puntos esparcidos al azar llamado diagrama de dispersin. En general se presentan tres
situaciones:
a) Los valores estn distribuidos simtricamente alrededor de los valores de los promedios de x y
de y o sea, del punto de coordenadas (x, y ) , formando una nube aproximadamente circular
(Figura 4.1a).
b) La distribucin de puntos (valores) se aproxima a una curva con desviaciones de poca entidad
(Figura 4.1b).
c) Los puntos forman una nube alrededor de una curva con fluctuaciones de cierta importancia
(Figura 4.1c).
En el caso a), las variables no tienen correlacin, es decir, no hay dependencia entre ellas y se
puede observar que las distancias de estos puntos a una recta hipottica es muy grande, por lo que
no se cumple con la hiptesis establecida.
En el caso b), existe una dependencia casi total entre x e y; esto es, existe correlacin y es
fuerte. Es decir, hay una relacin funcional y = f(x). Las fluctuaciones se deben a las incertezas
casuales y de apreciacin, y pueden ser compensadas con un anlisis estadstico.
17/23
Fsica I
En el caso c), existe una zona de dispersin con pendiente positiva o negativa. La correlacin es
estadstica; es decir, las variables estn vinculadas por factores conocidos o ignorados pero muy
difciles de aislar. No es interesante desde el punto de vista de la experimentacin ya que el diseo
de la experiencia incorpora excesivas incertezas; lo que permitira encontrar ms de una recta
posible, siendo imposible determinar cual de ellas es la correcta.
La grfica de la curva a la que se aproximan los datos del caso b) es la llamada curva de
regresin de y sobre x. Cuando la curva es una recta se llama recta de regresin de y sobre x.
Es claro que el primer paso es realizar el diagrama de dispersin y una vez comprobado el
comportamiento lineal se puede proceder a realizar los clculos correspondientes a fin de
determinar los coeficientes de la recta correspondiente a esos puntos.
Un ejemplo de aplicacin de este mtodo se encuentra detallado en el Apndice C.
18/23
Fsica I
Apndices
Apndice A: Ejemplo de confeccin de un Histograma
Se desea dibujar el histograma para la serie de 30 valores de la altura (m) de los estudiantes de un curso que
se detallan en la siguiente tabla:
1,61
1,64
1,63
1,63
1,62
1,65
1,62
1,63
1,61
1,61
1,60
1,62
1,63
1,65
1,65
1,64
1,64
1,62
1,60
1,61
1,63
1,64
1,62
1,64
1,63
1,63
1,63
1,61
1,64
1,62
Para ello hay que tener en cuenta los pasos de construccin de histogramas dados en la seccin 3.4.1.
Paso 1: Lo primero que se debe hacer es buscar los valores mximo y mnimo. Estos son: 1,65 m y 1,60 m.
Luego, con ellos calcular el Rango:
Rango = 1,65 m 1,60 m = 0,05 m
Paso 2: Entonces, el intervalo ser de un ancho de:
x = 0,05 m /30 = 0,0091 m
Pero este valor es mas pequeo que la apreciacin del instrumento por lo cual no se puede utilizar. Si
acotamos dicho valor a la cantidad de cifras significativas y la magnitud correspondiente, se obtiene que:
x 0,01 m (coincidente con la apreciacin del instrumento de medida).
Paso 3: Luego, la tabla correspondiente a los intervalos y sus frecuencias es
Intervalos (m)
[1,60 , 1,61)
[1,61 , 1,62)
[1,62 , 1,63)
[1,63 , 1,64)
[1,64 , 1,65)
[1,65 , 1,66)
frecuencia
2
5
6
8
6
3
Paso 4: El histograma se realiza levantando por cada intervalo una barra o columna tan alta como la
frecuencia de valores asociada correspondiente; entonces,
Otra manera de realizar el mismo grfico es colocando el centro de la barra en el valor que se esta
representando en ella; esto se suele hacer cuando son pocos los valores a representar en el eje horizontal y el
ancho de la barra coincide con la apreciacin del instrumento:
19/23
Fsica I
Entonces, siendo n
(x xi )2
N
exp
x y x = 0,01 m se obtiene
2 2
xi
x
x 2
x + 2
x
x +
x 2
x + 2
1,63 m
1,625
1,635 m
1,62 m
1,64 m
1,61 m
1,65 m
1
1 8
e
e1 8
e1 2
e1 2
e2
e2
8,55 m
7,54 m
7,54 m
5,18 m
5,18 m
1,16 m
1,16 m
Fsica I
Observacin: La curva de Gauss por si sola no es til para sacar una conclusin; es por ello que se la superpone con el
histograma de la serie respectiva. Por ejemplo, un corrimiento hacia la izquierda o la derecha de la curva de Gauss
respecto del histograma indica que hay errores sistemticos adems de los casuales.
Nota: El valor medio y la desviacin estndar de la serie han sido calculados con la calculadora en modo SD insertando
los datos de la serie acorde a cada modelo y marca. Dichos valores tambin podran ser utilizado un software que
realice tales clculos.
t (s)
0
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
0,55
0,60
0,65
0,70
0,75
0,80
s (cm)
0
0,50
1,40
2,25
3,25
4,35
5,60
6,90
8,35
9,90
11,60
13,35
15,25
17,25
19,35
21,50
23,80
dj
0,25
0,30
0,325
0,40
0,425
0,45
0,525
0,55
0,625
0,65
0,675
0,725
0,775
0,825
0,875
0,90
0,95
v (cm/s)
12,50
15,00
16,25
20,00
21,25
22,50
26,25
27,50
31,25
32,50
33,75
36,25
38,75
41,25
43,75
45,00
47,50
a (cm/s2)
50
25
75
25
25
75
25
75
25
25
25
50
50
50
25
50
21/23
Fsica I
La grfica de los puntos correspondientes para tiempo y velocidad (las variables x e y) muestra un
comportamiento casi lineal de los mismos:
ti = x i
0
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
0,55
0,60
0,65
0,70
0,75
0,80
Xi = 6,80
x i2
0
0,0025
0,0100
0,0225
0,0400
0,0625
0,0900
0,1225
0,1600
0,2025
0,2500
0,3025
0,3600
0,4225
0,4900
0,5625
0,6400
vi = yi
12,50
15,00
16,25
20,00
21,25
22,50
26,50
27,50
31,25
32,50
33,50
36,25
38,75
41,25
43,75
45,00
47,50
Xi2 = 3,740
Yi = 511,25
xi yi
0
0,75
1,625
3,000
4,250
5,625
7,875
9,625
12,500
14,625
16,875
19,938
23,250
26,812
30,625
33,750
38,000
XiYi = 249,125
ei
0,070
-0,242
0,695
-0,867
0,070
1,007
-0,555
0,382
-1,180
-0,242
0,695
0,382
0,070
-0,242
-0,555
0,382
0,070
e i2
0,0049
0,0588
0,4830
0,7526
0,0049
1,0151
0,3080
0,1463
1,3924
0,0588
0,4830
0,1463
0,0049
0,0588
0,3080
0,1463
0,0049
ei2 = 5,3770
Los valores son casi idnticos a los obtenidos en las soluciones grficas (a = 44,0 cm/s2 y v0 = 12,5
cm/s). En resumen, si se acepta que la representacin grfica del fenmeno estudiado es una recta entonces,
los parmetros de la recta que ms se acercan al conjunto de los puntos experimentales son los que se han
calculado.
Continuando,
ei2 =5,3770 ; N = 17 ; xi2 =3,74 ; (xi)2 = 46,24 ; D = - (17 3,74 46,24) = -17,34
22/23
Fsica I
b 3, 74 / 17 0, 56 cm s 0, 46 0, 6 cm s 0, 26 cm s 0, 3cm s
La expresin final de los valores de los parmetros de la recta, es entonces:
a = a = 43,8 cm/s2 0,6 cm/s2
b = v0 = 12,6 cm/s 0,3 cm/s.
Nota: Estos clculos podran haberse hecho mediante la calculadora en modo estadstico LR o modo
regresin lineal, dependiendo del modelo y marca de la misma.
donde
S12 = xi yi (( xi yi ) / N )
S11 = (xi )2 ( xi )2 / N
S22 = (yi )2 ( yi )2 / N
con N es el nmero de determinaciones efectuadas de x e y.
El coeficiente de correlacin entre dos variables se sita entre -1 y +1, inclusive. Si existe una
relacin lineal entre las variables el coeficiente es 1 o -1. El signo - indica que la relacin lineal
tiene pendiente negativa. El valor 0 (cero) refleja la ausencia de una relacin lineal pero no de
asociacin entre las variables. En este caso se dice que las variables no estn correlacionadas (es
decir, son independientes). Toma valores intermedios si las variables estn correlacionadas (pero
no puede decirse nada del tipo de relacin que las asocia); los valores sern ms altos cuanto ms
fuerte sea la correlacin. Se puede asegurar que los valores cercanos a +1 o -1 indican una
tendencia lineal.
Es importante recordar que el coeficiente de correlacin entre dos variables es una medida de
su grado de linealidad.
Bibliografa:
J.G. Roederer, Mecnica Elemental, EUDEBA (1963).
J. Goldemberg, Fsica general y experimental, Volumen 1.
S. Gill, E. Rodrguez, Fsica re-creativa, Prentice-Hall (2001).
A. Maiztegui, R. Gleiser, Introduccin a las mediciones de laboratorio, Kapelusz, Buenos Aires
(1980).
F. Cernuschi, F.I. Greco, Teora de errores de mediciones, EUDEBA, Buenos Aires (1968).
R. Walpole, R. Myers, S. Myers, Probabilidad y Estadstica para ingenieros. Prentice-Hall (1998).
M. Spiegel, Estadstica, Schaum Series - McGraw Hill, 2da. ed., Madrid (1995).
H. Cramr, :Teora de probabilidades y aplicaciones, Aguilar, Madrid (1968).
R.S. Figliola, D.E. Beasley, Mediciones Mecnicas, teora y diseo, Alfaomega Grupo editorial, S.A.
de C.V. (2003).
D.C. Baird, Experimentation: An introduction to measurement theory and experiment design,
Englewood Cliffs, Prentice-Hall (1962).
23/23