TERORIA DE LAS MEDICIONES

OBJETIVOS
Entender el proceso de medida de una cantidad fsica.
-Definir los conceptos bsicos usados en metrologa.
-Estimar la incertidumbre de una medida directa.

-Elaborar los informes de

laboratorio
bajo
las
normas de un artculo
cientfico.

-Calcular la incertidumbre de una medida indirecta.

-Expresar correctamente los datos experimentales.
-Representar grficamente los resultados experimentales.
-Interpretar las incertidumbres estadsticas.
-Adquirir los primeros fundamentos del diseo de experimentos.

Bases y herramientas:

Clculo de varias variables, nociones de estadstica

Presentacin.
La experimentacin tiene una definicin muy amplia: por experimentacin se entiende al
proceso completo de identificar una porcin del mundo que nos rodea, obtener informacin
de ella e interpretarla. Esta definicin abarca una variedad muy grande de actividades del
ser humano: desde un bilogo, hasta un industrial que desea hacer buen mercadeo de su
producto.
En la experimentacin, la medicin es un subproceso fundamental y la base de la misma.
Toda medida por cuidadosa y por ms refinada que sea, est sujeta a incertidumbre. El
anlisis de los errores es el estudio y la evaluacin de esas incertidumbres para ayudarle
al experimentador a estimar que tan grande es su incertidumbre y cmo reducirla.
En esta leccin se abordan los fundamentos de la teora de la medida con el fin de darles
elementos claros a los estudiantes del ciclo bsico de ingeniera para que aborden las
prcticas de laboratorio con suficiente seriedad y as lograr sentar las primeras bases en la
formacin de sus competencias de experimentador y de observador necesarias en el
ejercicio futuro de su profesin.
Un curso de laboratorio en fsica debe proporcionar los elementos bsicos para aprender a
disear buenos experimentos. Para lograr este objetivo es necesario asumir con una muy
buena actitud cada prctica de laboratorio que se aborde. Esta es precisamente la
justificacin de apoyarse en un curso de laboratorio de fsica general para ensear
experimentacin. Los sistemas que "incluye" son lo bastantes sencillos para que estn
cerca de ser comprensibles, y la prctica con ellos dan herramientas para enfrentar en el
ejercicio profesional a sistemas ms complejos.
Competencias

En general, los grandes propsitos de la enseanza de la fsica general en el ciclo bsico

de ingeniera son dar las bases para formar en el estudiante las siguientes competencias:

Capacidad de representar y modelar sistemas "reales".

Habilidad de diseo experimental.
Destreza en al manejo e interpretacin de datos experimentales.
Claridad en la redaccin y presentacin de informes tecno-cientficos

Los conceptos de Modelo y de Sistema en esta leccin:

Sistema:
Todo lo que sea susceptible de experimentacin se abordar en trminos de "sistemas".
Por un sistema se entender, en general, cualquier entidad definida y aislada que funciona
de una manera especfica que puede ser controlado ("entradas") y el cual tendr
respuestas definidas ("salidas"). Por ejemplo, un ingeniero administrador (que ser el
experimentador) puede ver la economa de un pas como un sistema con un extenso
conjunto de entradas y la correspondiente variedad de salidas. El sistema mismo incluir la
capacidad productiva total de bienes y servicios, medios de transporte, suministro de
materias primas, habitantes, oportunidades para el comercio exterior, estado del tiempo y
muchas otras cosas. Las entradas son aquellas cosas que podemos controlar: la oferta de
dinero, las tasas de impuestos, el gasto pblico, los aranceles a las importaciones, etc. Las
salidas son aquellas cosas que no se pueden controlar directamente; sus magnitudes las
determina el sistema y no el experimentador. Las salas de un sistema econmico incluirn
el producto interno bruto, el ndice de desempleo, el ndice de inflacin, la balanza de
comercio exterior, etc. Sera muy reconfortante y conveniente si se pudiera asegurar los
valores deseados de esas salidas mediante una manipulacin sencilla, pero no se puede
hacer. No se puede ordenarle al producto interno bruto o al ndice de desempleo de un
pas que tenga un cierto valor; solo se pueden manejar las entradas; pero en un sistema
tan complejo como una economa nacional , las conexiones entre las salidas y las entradas
son intrincadas e indirectas. Por ejemplo, un intento en aumentar el producto interno bruto
de un pas reduciendo las tasas impositivas es posible que tenga al menos un xito parcial,
pero el efecto simultneo sobre otras salidas puede ser igualmente prominente y no tan
deseable, como puede ser un posible incremento de la tasa de inflacin.
Existen otros sistemas que, aunque todava son complejos, son lo bastante sencillos para
que se puedan controlar con un xito razonable. Considrese, por ejemplo, un reactor
nuclear Aqu el sistema tiene un nmero menor de controles de entrada y de salidas, y la
situacin est definida con ms claridad. Las entradas incluyen la posicin de las barras de
control, la cantidad y el tipo de combustible, la rapidez del flujo de refrigerante, etc. Las
salidas incluyen cantidades como la densidad de flujo de neutrones, la potencia total
producida , la vida til de los elementos de combustible, etc. En este caso la conexin
entre las entradas y las salidas es lo suficientemente sencilla para que sea posible un nivel
razonable de control.
Un pndulo simple es un sistema an ms sencillo. Es un sistema que incluye al hilo, la
masa, el soporte y el aire que lo rodea. Sus entradas son un hilo y las condiciones con las

que empieza el movimiento (posicin y velocidad iniciales). las salidas son tambin
reducidas e nmero. Aparte de pequeos efectos secundarios, incluyen slo la frecuencia
de oscilacin y la amplitud de las oscilaciones. Por ltimo, las relaciones entre las entradas
y las salidas es relativamente directa y reproducible. Alterar la longitud del hilo dar pocas
sorpresas cuando se mida la frecuencia de oscilacin. Aqu, por lo tanto, se tiene un
sistema en el que los principios de experimentacin sern claramente visibles. Si se usan
para desarrollar la capacidad de controlar sistemas y evaluar sus salidas , se desarrollar
la competencia necesaria para estudiar problemas ms complejos. He aqu la justificacin
para apoyarse en los cursos de laboratorio de fsica para ensear experimentacin.
Modelo
Por una parte se tiene un mundo "real" y nuestras percepciones de l; por la otra, las
construcciones hipotticas, imaginarias, creadas a partir de conjuntos de definiciones.
Estas construcciones se denominan modelos. Adems de la flor real en su mano, el
botnico est consciente del concepto de esa especie, definida por un conjunto comn de
propiedades. Los modelos proporcionan un marco de referencia para el pensamiento y la
comunicacin, un descripcin esquemtica de los sistemas, una base para el clculo, una
gua para el estudio futuro, y muchas otras ventajas.
Los modelos son de muchos tipos diferentes, pero tienen una caracterstica comn: son
hechos con conceptos inventados. Se construyen con la intencin de que correspondan
tan exactamente como sea posible con el "mundo real", mas ningn modelo puede ser
jams una rplica exacta de su contraparte "real". Un modelo resulta til en la medida en
que sus propiedades s correspondan con las del "mundo real".
Un frase famosa del clebre fsico Albert Einstein sobre los modelos es la siguiente:
"Un modelo debe ser lo ms simple que se pueda, pero no ms simple"
En general, una situacin experimental incluir, primero el sistema mismo y, segundo, a un
modelo o modelos del sistema. Los modelos son cambiables y refinables.
El planteamiento de esta leccin
Las tendencias mundiales en las reformas curriculares de la enseanza de la fsica se
basan en la idea denominada en ingls Interactive Engagement (IE), que puede traducirse
como involucrarse interactivamente . En esta leccin se emplea el mtodo IE, el cual
posibilita gran interactividad y retroalimentacin al estudiante con su aprendizaje. La
leccin emplea simulaciones realizadas en Java (an no estn disponibles en la red),
lenguaje de ltima tecnologa que permite la difusin de material a travs de la Internet.
Estas proporcionan interactividad para reforzar el aprendizaje de aquellos conceptos de la
teora de la medida que tienen un alto grado de dificultad.
Con la masificacin de medios de comunicacin como la Internet y con una generacin de
estudiantes para los cuales esta tecnologa y sus anexas son cotidianas, se hace
necesario que se busquen metodologas de enseanza que las incorporen ( Alfonso,

2004 ; Aristizbal, 2005 ; Beichner; 1996; Belloni y Christian, 2003; Bonham, Risley y
Christian, 1999; Christian y Belloni, 2001; Christian y Titus, 1998; Derby y Fuller, 1999;
Franco 2005; Tomlinson O'Brien y Garratt , 2000 ). La incorporacin de la Internet y del
aprendizaje interactivo en la enseanza no se hace por capricho o por moda. Estudios
realizados por autores como Richard Hake (Hake, 1998), muestran como los estudiantes
ganan ms comprensin conceptual, y ms habilidades en la resolucin de problemas
cuantitativos cuando se les ensea con mtodos IE que cuando se les ensea con los
mtodos tradicionales.
En cuanto al desarrollo conceptual de la leccin, se parte de las definiciones bsicas de la
metrologa actualizadas al V.I.M (Vocabulario Internacional de Metrologa) hacindose
las discusiones necesarias para aclararlas. Mediante ejemplos claros y simulaciones se
procede a estimar y calcular las incertidumbres; a representar y ajustar los datos
experimentales. Se finaliza dando elementos bsicos para disear experimentos.
La leccin servir como una gran ayuda en el aprendizaje de los fundamentos de la teora
de la medida, sin pensar que reemplazar a la gran cantidad de excelentes textos
universitarios que hay en el mercado y de los cuales se citan algunos en la bibliografa.
Tampoco se puede pensar que las simulaciones presentadas remplacen ni en su mnima
expresin los laboratorios tradicionales de fsica bsica, porque, de un lado, un objeto
fsico entraa mltiples propiedades e interacta con su alrededor de una forma muy
compleja, y con simulaciones tan simples no es posible acercarse a la realidad que
concebira un estudiante en el entorno de laboratorio y de otro lado, el estudiante no
obtendra la destreza experimental que se logra con la manipulacin de los objetos
reales. En definitiva, estas simulaciones slo son un muy buen complemento para ayudar
en la comprensin de los conceptos sobre teora de la medida. Ni siquiera se deben
considerar como laboratorios virtuales como mal los denominan algunos autores; ya que
actualmente esta denominacin se refiere a una relacin hardware-software muchsimo
ms elaborada y centrada en el software y no en el hardware como los laboratorios
tradicionales ( Cristaldi, Ferrero y Piuri,V,1999 ; Smiesko y Kovac,2004 ), tales como
monitoreo y control remoto de instrumentos (hardware) a travs de una red (como por
ejemplo, INTERNET o INTRANET) empleando software para este fin (por ejemplo,
SERVLETS y APPLETS) o el hbrido entre tarjetas adquisidoras de datos (hardware) e
interfaces grficas controladoras (software) como LABIEW (producto de la National
Instruments ).
D. Aristizbal R., S. Solano. ,Agosto de 2005

Definiciones
Magnitud y Cantidad
Las longitudes en general, las fuerzas en general, las superficies en general, las masas,
los tiempos, son ejemplos de magnitudes. La longitud de una mesa en particular, o el peso
de un determinado cuerpo, la velocidad de la luz, son ejemplos de cantidades. La longitud
de un cuerpo determinado (lo concreto), es una cantidad; la longitud en general (lo
abstracto) es una magnitud fsica.
Metrologa
La metrologa es la ciencia de la medicin. Su objetivo principal es garantizar la
confiabilidad de las mediciones.
Medicin
Medir es el proceso de cuantificar nuestra experiencia del mundo exterior. En este proceso
intervienen:

Un sistema objeto de la medicin. Por ejemplo, la distancia entre dos puntos.

Un sistema de medicin: el equipo o aparato de medicin y la teora sobre la que se
basa su funcionamiento. Para el caso de la medida de la distancia entre dos puntos,
el instrumento es algo sencillo (es una cinta o cuerda). Para el caso de la balanza
para medir masas, la teora en que se basa su funcionamiento es algo ms
compleja.
Un sistema de referencia: la unidad empleada, con su definicin y su patrn: en el
caso de la longitud se utiliza el metro.

Un operador, importante e ineludible participante del proceso, quien es el

responsable de decidir si se han cumplido los criterios de operacin: que la
iluminacin sea la correcta, que no se provoquen errores de paralaje (que se est
observando perpendicularmente a la escala), etc.

Medir una cantidad es compararla (directa o indirectamente) con otra cantidad de la

misma magnitud (esto es homogeneidad), a la que se le llama unidad; sta es elegida
arbitrariamente por el operador. La comparacin se hace mediante un proceso que vara
de acuerdo con la magnitud que se trate. Para medir longitudes, se transporta la unidad
sobre la cantidad a medir; para medir masas, se recurre a leyes fsicas (leyes de Newton)
aplicadas en una balanza; para medir tiempos se comparan los ngulos en un reloj de
aguja (reloj anlogo).
Esto se puede simbolizar: Pinsese que la comparacin entre la cantidad

y la unidad

, se indica con el cociente

. El resultado, que representa el nmero de veces
que la cantidad contiene a la unidad, es un nmero real abstracto
llamado medida de la
cantidad
con la unidad
. En smbolos se escribe,

(nmero real abstracto)

y as es posible expresar el valor de la cantidad

(nmero real concreto)

Supngase que se mide la distancia entre dos puntos cualesquiera y se obtiene, utilizando
una cinta de un metro de longitud el valor:
Distancia = 34.6 m (nmero real concreto)
34.6 sera las veces que cabe el metro entre esos dos puntos y es el nmero real
abstracto.
Es decir, la medidad de toda cantidad debe poseer un nmero y una unidad.
La descripcin del proceso de medir cantidades de una cierta magnitud, constituye la
definicin misma de la magnitud. A esta definicin se le denomina definicin operacional de
una magnitud fsica.
Naturaleza bsica del proceso de medicin
Cuando un experimentador mide algo debe tener gran cuidado para no producir una
perturbacin en el sistema que est bajo observacin. Por ejemplo, cuando se mide la
temperatura de un cuerpo, este se coloca en contacto con un termmetro. Sin embargo

cuando estn juntos, algo de energa o "calor" se intercambia entre el cuerpo y el

termmetro, dando como resultado un pequeo cambio en la temperatura del cuerpo que
desea medir. As, el instrumento de medida afecta de algn modo a la cantidad que se est
midiendo.
De otro lado si el instrumento es anlogo en general estar acompaado de lneas que
marcan divisiones. Por ejemplo, en la Fig. 1 se ilustra un termmetro de columna de
alcohol cuyas marcas estn separadas de a 5 C (grados centgrados). Cuando el
observador va a reportar la lectura debe hacer una estimacin de la misma; en el caso de
la figura el estara seguro de que la temperatura est entre 25 C y 30 C (posicin del
extremo derecho de la lnea roja: columna de alcohol); quizs podr afirmar que el es
capaz de distinguir (por estimacin) cada 1 C y que por lo tanto la lectura es de "unos"
27 C. Pero el no estar completamente seguro de la ltima cifra de la lectura. Si el
termmetro tuviera divisiones cada dcima de grado (0.1 C), seria sensato que reportara
lecturas como 27.5 C o 27.4 C ; sin embargo siempre dudar en la ltima cifra estimada.
Es decir, el experimentador siempre reportar la lectura con alguna incertidumbre.

Termmetro

anlogo

de

columna

de

alcohol

Si el termmetro fuera digital como el de la Fig. 2, el experimentador deber reportar como

temperatura el dato desplegado en la pantalla (display). En este caso sera 72.3 F . Sin
embargo no se podr afirmar que la lectura es exactamente 72.3 F. Esto es debido a que
este instrumento tiene un lmite de sensibilidad, adems de los propios ruidos en sus
circuitos electrnicos. La ltima cifra reportada debe ser considerada dudosa.

Termmetro digital ,Figura 2

La conclusin es la siguiente:
la NO EXACTITUD es algo inherente a la misma medicin.

Error vs incertidumbre.
En metrologa la palabra error no lleva la connotacin usual de equivocacin. Aqu error
lleva la connotacin ms cerca al de incertidumbre . Tradicionalmente en los laboratorios
se toman como iguales los trminos error e incertidumbre . Sin embargo en el V.I.M
(Vocabulario Internacional de Metrologa) se diferencian estos conceptos con base en el
concepto de valor convencionalmente verdadero. De acuerdo con su definicin, el valor
convencionalmente verdadero de una magnitud corresponde a un resultado obtenido por
sistemas de medicin ms sofisticados o refinados que aquellos de los que uno dispone en
un momento dado. Un valor convencionalmente verdadero generalmente se puede
encontrar en tablas de textos, en la tabla peridica, en reportes cientficos, etc. La mayor
calidad de este tipo de resultados se evidencia por que, en general, estn expresados con
un buen nmero de cifras significativas.
De esta manera se define el error e como:
e = / Resultado de medicin Valor convencionalmente verdadero /
Cuando se conoce previamente un valor convencionalmente verdadero de la magnitud por
medir, es muy fcil evaluar el resultado de la medicin calculando su error respecto a este
valor convencionalmente verdadero . Algunas situaciones tpicas donde se conoce de
antemano un valor convencionalmente verdadero de la magnitud por medir, son: Medicin
de la aceleracin gravitacional g , medicin del calor especfico de una sustancia conocida,
determinacin del equivalente mecnico del calor, etc.
En la mayora de situaciones de la vida real no se tiene un valor convencionalmente
verdadero contra el cual comparar el resultado de una medicin. El operario que controla
un producto en una lnea de fabricacin, el ingeniero que evala las propiedades de un
material o el mdico que mide la presin arterial de un paciente, no disponen, en ese
momento, de una medida previa de mejor calidad de la misma magnitud , que les permita
comparar y evaluar su resultado. Es en este tipo de circunstancias, donde la incertidumbre
se constituye en el parmetro ms apropiado para evaluar la calidad de una medida.
La incertidumbre (absoluta)
en la medida de una magnitud, es un parmetro que
establece un intervalo - alrededor del resultado de medicin de los valores que tambin
podran haberse obtenido durante la medicin, con cierta probabilidad. En la determinacin
de la incertidumbre deben tenerse en cuenta todas las fuentes de variacin que puedan
afectar significativamente a la medida. La medida se reporta:

esto significa que el valor de la cantidad

estar con alta probabilidad entre,

Incertidumbre Relativa: Una incertidumbre de 1 m. al medir la altura de un edificio es

mucho ms significativa que una incertidumbre de 1 m. en la medicin de la longitud de
una carretera entre dos ciudades. Por esta razn, frecuentemente resulta til comparar la
incertidumbre de un resultado contra el resultado mismo. Ello se logra a travs de la
incertidumbre relativa, la cual, para una variable , se define por:

Incertidumbre relativa =
donde

es la incertidumbre absoluta y

es el resultado de la medicin .

Error Relativo : Cuando se ha tenido un valor convencionalmente verdadero para

determinar el error , tambin se puede calcular el error relativo. Este se define de manera
similar a la incertidumbre relativa:
error relativo = error / valor convencionalmente verdadero
La incertidumbre relativa y el error relativo pueden expresarse en forma de porcentaje
multiplicndolos por cien.
Exactitud vs precisin
La exactitud es la cercana con la cual la lectura de un instrumento se aproxima al valor
verdadero de la variable medida. La precisin es una medida de la repetibilidad de las
mediciones; esto es, dado un valor fijo de una variable, la precisin es una medida del
grado con el cual mediciones sucesivas difieren una de otra.

2-a

2-b

2-c

Figura 2
Si en el tiro al blanco se considera el valor verdadero como la posicin del centro del disco,
se podra asegurar que el lanzador que obtuvo como resultado la situacin de la Fig. 2 a ,
es muy preciso pero poco exacto. El lanzador que obtuvo la situacin de la Fig. 2 b es ms
exacto pero menos preciso y el de la situacin de la Fig. 2 c es muy preciso y tambin muy
exacto.
Sensibilidad

Es la relacin de la seal de salida o respuesta del instrumento al cambio de la entrada o

variable medida.
Resolucin
Es el cambio ms pequeo en el valor medido para el cual el instrumento responder.
Apreciacin de un instrumento
Es el valor de la mnima divisin del instrumento si este es anlogo o la ltima cifra
significativa reportada en la pantalla (display) si este es digital.

Cifras Significativas
En la seccin anterior se ilustr como los valores de las medidas experimentales de una
cantidad no son nunca exactos; la medida es ms exacta cuanto mayor sea la apreciacin
del instrumento usado. Por ejemplo obsrvese las siguientes determinaciones de la masa
(en gramos) de una muestra de oro, efectuadas con balanzas de diferente apreciacin:
Tabla 1
Apreciacin de la balanza
Dcimas de gramo (10-1 g.)
Centsimas de gramo (10-2 g.)
Milsimas de granmo (10-3 g.)
Diesmilsimas de gramo (10-4 g.)

Peso de la muestra de oro

25,2 g
25,26 g
25,264 g
25,2645 g

Se dice entonces que en el primer caso la masa est dada con tres cifras significativas,
en el segundo con 4, en el tercero con 5 y en el cuarto con 6; es decir, el nmero de las
cifras significativas es una indicador de la exactitud de la medida. Incluyen todas las cifras
ciertas y la primera incierta o dudosa; se entiende que en esta cifra es donde existe la
incertidumbre. Por ejemplo: 0.12745, 1.2745, 127.45 y 12.745 poseen cinco cifras
significativas y la duda existe en el ltimo nmero que es el 5. En el primer caso de la
muestra de oro del ejemplo de la Tab. 1 hay certeza del primer dos y del cinco, pero el
ltimo dos es dudoso; en el segundo caso, la cifra dudosa es el seis; en el tercer caso, la
dudosa es el cuatro y en el ltimo caso la dudosa es el cinco.
Una situacin especial es cuando hay presencia de ceros sin valor aritmtico. Supngase
que al determinar la masa de otra muestra de oro con las mismas cuatro balanzas del
ejemplo de la Tab. 1, se obtengan respectivamnete los siguientes resultados: 25.3 g., 25.30
g., 25.300 g. y 25.3000 g. Desde el punto de vista artimtico las cuatro medidads de las

masas son iguales. Sin embargo desde el punto de vista de dato experimental ellas son
muy diferentes. La ltima medicin tiene una exactitud 10.000 veces mayo que la primera.
La balanza usada para lograr ms excatitud tambin es mucho ms costosa. Todos estos
detalles son muy importantes en ciencias experimentales.
Una de las consecuencias ms importante de la existencia de incertidumbre en la
determinacin de los datos experimentales es la necesidad de describir pautas para
expresar numricamente los resultados de una experiencia. Los cientficos procuran que
sus datos experimentales no digan ms de lo que pueden decir segn las condiciones de
medida en los que fueron obtenidos. Por ello ponen cuidado en el nmero de cifras
significativas con que expresan el resultado de una medida con el propsito de incluir slo
aquellas que tienen algn significado experimental. As, cuando se mide con un
termmetro que aprecia hasta 0,1 C no tiene ningn sentido que se escriban resultados
del tipo 36,24 C o 22,156C, excepto en situaciones muy especiales donde el observador
pueda estimar (si el termmetro es anlogo) una cifra ms, en cuyo caso 36,24 podra ser
aceptable.
Reglas para contar el nmero de cifras significativas

Todos los dgitos distintos de cero son cifras significativas.

Ejemplo:
2.76 g. tiene 3 cifras significativas.

Los ceros que estn entre dos dgitos distintos de cero son cifras significativas.

Ejemplo:
2.078 g. tiene 4 cifras significativas
Ejemplo:
400.47 g. tiene 5 cifras significativas.

Los ceros situados a la derecha de la coma y despus de un dgito distinto de cero

son cifras significativas.

Ejemplo:
0.700 g. tiene 3 cifras significativas.

Los ceros situados a la izquierda de la primera cifra distinta de cero, no son cifras
significativas, slo indican la posicin del punto decimal.

Ejemplo:
0,006 m tiene una cifra significativa

Ejemplo:
0,02028 g. tiene 4 cifras significativas.

Para nmeros enteros, sin decimales, los ceros situados a la derecha del ltimo
dgito distinto de cero pueden o no ser cifras significativas. Si se utiliza notacin
exponencial se evita esta ambiguedad..

Ejemplo:
300 cm. puede tener una (nmero 3), dos (30) o tres (300) cifras significativas. Si se
escribe 3 x 102 significa que tiene una cifra significativa; 3.0 x 10 2 dos cifras significativas y
3.00 x 102 , tres cifras significativas.

Las potencias de 10 se usan para marcar las cifras significativas.

Ejemplo:
Si se dice que la distancia de la tierra al sol es 199600000 Km, esto significara que se
conoce este dato con una incertidumbre 1 Km. Sin embargo supngase que realmente el
dato se conoce es con una incertidumbre de 10000 Km; esto obliga a escribir esta
distancia como 19.960x104 Km..
Ejemplo:
Si el nmero de Avogadro se escribe como 6.022137x10 23 significa que la medida
experimental da un nmero con 7 cifras significativas y no con 24 que es lo que significara
se se escribiera como 602213700000000000000000 que sera una medicin con
engaosa exactitud en la medida.
Las conversiones de unidades no pueden modificar el nmero de cifras significativas.
Ejemplo:
2.24 m. = 22.4 dm. =224 cm. =224x10 mm. =0.00224 Km. =224x104 m. = 224x107 nm.
Nota: m. significa micras o micrometros y nm. significa nanometros.
Operaciones con cifras significativas
Cuando se opera con datos experimentales el resultado se debe reportar con el nmero de
cifras significativas apropiado. Es una cuestin de sentido comn que por el simple hecho
de operar con los nmeros no es posible mejorar la exactitud de los resultados si stos
tienen una base experimental. Por lo tanto para operar con datos experimentales se deben
seguir las siguientes reglas:

La cantidad de cifras significativas con que debe escribirse el resultado de un

producto o un cociente es igual a la cantidad ms pequea de cifras significativas
que tenga cualquiera de los nmeros que se multiplican o dividen.
Para reportar con el nmero correcto de cifras significativas el resultado de una
SUMA (o una RESTA), donde los sumandos son resultados de mediciones previas,
se redondea el resultado teniendo en cuenta cul de los dos sumandos posee la
menor cantidad de cifras decimales . Es decir, el resultado debe tener el mismo
nmero de posiciones decimales que el sumando que tiene menos decimales.
El resultado de operar con las funciones trascendentes, como el seno, la
arcotangente, la funcin logartmica, la funcin exponencial, etc., se escribe con el
mismo nmero de cifras significativas que tenga el argumento.

NOTA IMPORTANTE:
Cuando se realizan una serie de clculos sucesivos se deben retener al menos 2 dgitos
extras ms all del nmero de cifras significativas, y slo se redondea la respuesta final
al nmero de cifras significativas correcto. Si se debe desechar un dgito, se debe
aproximar el anterior. Si el dgito que se va a remover es:

menor que 5, el dgito que lo precede queda igual. Si se tiene el nmero 4,922
y se debe dejar con tres cifras significativas queda 4,92 .
mayor que 5, el dgito que lo precede crece en uno. Para la cantidad 3,245, la
cual debe entregarse con tres cifras significativas, se redondea a 3,25 .

En la literatura se encuentran algunos otros criterios para redondear. En este tratado se

seguir los criteros planteados.
Ejemplo:

El producto es 28.08.
El 12 es el factor que tiene menos cifras significativas (dos). Por lo tanto el resultado debe
redondearse a solo dos cifras significativas.
Resultado: 28
Ejemplo:

El resultado del producto es

en este producto se han retenido cuatro cifras ms de las cifras significativas que debera
tener este resultado.

Al realizar la correspondiente divisin con la calculadora de los accesorios del Windows se

obtiene

sin embargo el resultado final de toda la operacin debe tener solo tres cfras significativas
debido a que el factor que tiene menos de stas es 80.5 (slo tres). Por lo tanto el
resultado final es 41.9. Resultado: 41.9
Ejemplo:

Al realizar esta operacin con la calculadora cientfica de los accesorios del Windows se
obtiene

sin embargo el argumento es 20.7 que solo tiene tres cifras significativas. Por lo tanto si
este dato proviene de una medida el resultado se debe reporta solo con tres cifras
significativas,
Resultado: 0.353
Ejemplo:
Al medir el radio de una circunferencia se obtiene que su valor es 308.25 cm. Reportar el
rea del crculo.
El rea del crculo se obtiene empleando la siguiente expresin,

donde

corresponde a su radio.

En este caso aparece el uso de la constante cuyo valor tiene infinitas cifras decimales.
Sin embargo para realizar el clculo se debe por precaucin escribir esta constante con
dos cifras significativas ms que el nmero de cifras significativas del factor que tenga
menos. En este caso el nico factor tiene cinco por lo que escribimos a con siete,

realizando esta operacin en la calculadora despliega lo siguiente,

sin embatrgo el resultado final slo se podra reportar con cinco cifras significativas,
Resultado: 29851x10

Obsrvese que se tuvo que usar potencias de 10.

Ejemplo:
El tacmetro de un auto marca una velocidad igual a 30.8 km.h-1 . Reportar su energa
cintica de traslacin medida en J. (Joules) si su masa es igual a 3350.58 kg.
Para calcular la energa cintica se emplea la sigiente expresin,

Primero se reducir la velocidad a m.s-1.

donde se debe recalcar que la reduccin no puede variar las cifras significativas de la
medida.

Continuando con el clculo,

Aqu se puede generar la siguiente confusin: aparentemente los nmeros 1 y 2 de la

fraccin 1/2 slo tendran una sola cifra significativa y por ende el resultado de estas
operaciones deberan finalizar con un resultado que solo tendra una cifra significativa. Sin
embargo, siempre que aparezcan situaciones similares a esta, es decir, constantes
aportadas por las frmulas, stas se deben considerar que tienen infinitas cifras
significativas, por lo que no deben afectar el conteo de estas al reportar el resultado final.
Por lo tanto el resultado de las operaciones anteriores debe tener 3 cifras significativas (las
que tiene la cantidad 30.8 km.h-1.): Resultado: 123x103 J.
Ejemplo:

realizando la operacin con la calculadora de los accsesorios del Windows (o a "mano") se

obtiene,

s estas cantidades fueron obteneidas de medidas, el resultado se deber reportar con el

mismo el nmero de cifras decimales que la cantidad que tenga menos de stas. Es decir,
en este caso se deber reportar el resultado con una sola cifra decimal, Resultado: 216.5
Ejemplo:

s estas cantidades fueron obtenidas de medidas se reportar el resultado con una sola
cifra decimal.
Resultado: 17.8

Nota: Con las restas se debe tener sumo cuidado, ya que pueden "consumir" muchas
cifras significativas en los clculos y por ende le quita exactitud al resultado. En el siguiente
ejemplo se ilustra esto,
Ejemplo:
Supngase que se mide por separado con un voltmetro la diferencia de potencial entre
dos puntos de un aparato y tierra obtenindose como resultado V1=1500 V. y V2=1510 V.
Sin embargo, se desea conocer la diferencia de potencial entre esos dos puntos. El
resultado sera V2-V1=10 V. Observse que en la resta se perdieron dos cifras
significativas. Es decir se necesitara un voltmetro de muy alta calidad para lograr bien
esta medida indirecta de V2-V1. La mejor opcin hubiera sido medir directamente la
diferencia de potencial entre los dos puntos y de esa manera no se perdera exactitud en la
medida. En este caso se podra emplear sin problemas un multmetro de no tan alta
calidad.
En lo clculos computacionales donde la exactitud de los resultados sea crucial, siempre
es mejor, en lo posible, aplazar las restas lo ms que se pueda.

Regla de Oro Experimental:

Por cada cifra significativa que se desee ganar en una medicin directa, el costo del
instrumento empleado aumentar en un orden de magnitud.
Ejemplo:
Una regla comn tiene una apreciacin de 1 mm y su costo es de unos 1500 pesos
colombianos (unos 0. 6 dlares americanos-precio a julio del 2005-); esta cantidad est
entre 103 y 104 pesos. Si deseamos medir una longitud con una cifra significativa ms, el
instrumento deber tener una apreciacin de 0.1 mm; este podra ser un pie de rey y su
costo es de unos 30000 pesos colombianos (esta cantidad est entre 10 4 y 105 -precio a
julio del 2005-). Si la medida de la longitud debe tener una cifra significativa ms, el
instrumento deber tener una apreciacin de 0.01mm; en este caso se necesitara
seguramente un medidor con instrumentacin ptica acoplada y su costo debera estar en
el orden de magnitud comprendido entre 105 y 106 pesos colombianos (precio a julio del
2005). Y as sucesivamente.

Lectura de Instrumentos
Instrumentos Anlogos
Los instrumentos analgicos tienen, normalmente, una escala con divisiones frente a la
que se mueve una aguja. En teora la aguja pasa frente a los infinitos puntos de la escala.

Figura 1 (Voltmetro anlogo)

Al menor intervalo que el operador puede estimar con la escala del instrumento del cual
dispone se le denomina estimacin de la lectura.La estimacin de una lectura es en
general menor que la apreciacin del instrumento del cual se dispone. En efecto, en el

caso de la cinta mtrica Ud. puede decir si su medida est ms cerca de una divisin
milimtrica dada o de la siguiente, o en el medio de las dos aunque all no exista marca
alguna. Esta estimacin depende del operador, de su experiencia, atencin y de las
condiciones de la medida.
En la Fig. 2 se ilustra una regla cuya mnima divisin est en cm, es decir, su apreciacin
es 1 cm (se est suponiendo que cada divisin represnta 1 cm.). Supngase sin embargo
que el observador puede estimar, tratando de "adivinar" una cifra ms (esto depender de
las condiciones de iiluminacin, estado visual del observadosr,...). Por lo tanto el podra
reportar que la longitud de la varilla es 22.4 cm.

Figura 2

En este caso se consider que la estimacin en la lectura (alrededor de 0.2 cm) es menor
que la apreciacin del instrumento (1 cm).
Algunos experimentadores prefieren siempre tomar la mitad de la apreciacin del
instrumento como la incertidubre en la lectura. Sin embargo esta es una afirmacin
demasiado pesimista.
Expresin de una lectura
Si se est midiendo directamente una cantidad con una incertidumbre
, la expresin
de la medida debe ser
. El nmero de cifras significativas para la incertidumbre es de
UNA SOLA CIFRA (ver excepcin). En el ejemplo anterior sera 0.2 cm , y no debe tener
cifras ms all de las dcimas de cm. En efecto, qu sentido tiene indicar las dcimas de
mm si ya no se est seguro de los mm? Tampoco tiene sentido poner menos cifras que las
de la estimacin, como por ejemplo sera omitir el 4, ya que esto sera menospreciar el
esfuerzo del operador. El reporte de la anterior lectura sera,
22.40.2 cm
Se debe entender que despus de estimar la lectura, el concluy que la medida es
22.40.2 cm, es decir que se garantiza que la medida est en el siguiente intervalo
22.2< Longitud <22.6
Una nota que se deber tener en cuenta en todos los reportes de datos:
Al reportar un dato con su incertidumbre se debe tener cuidado que la medida y su
incertidumbre deben ser compatibles. Es decir, si la incertidumbre tiene su cifra

significativa marcando centsimas, se debe reportar hasta las centsimas en la medida; s

es necesario se debe redondear para cumplir esta este requerimiento. No sera sensato
reportar en la medida hasta las milsimas sabiendo que la incertidumbre nos dice que se
empieza a dudar en las centsimas. Tampoco sera sensato escribir solo hasta las
dcimas, ya que con la incertidumbre se est afirmando que esta cifra es segura,
debindose reportar hasta las centsimas que es la primera cifra dudosa.
Ejemplos de reportes:
Este es un mal reporte.La incertidumbre debe tener una cifra significativa , es decir, 0.04
m. El reporete deber ser,

Se debe reportar la incertidumbre con una cifra significativa y a la vez se debe hacer
compatible sta con la medida. Por lo tanto el reporte ser,

Si la cifra significativa para expresar la incertidumbre es 1, es mejor retener otra ms (esta

es la excepcin a la regla ). En este caso es mejor reportar,

Casos extremos de estimaciones de la lectura: ERRORES

APRECIATIVOS:
Este tipo de errores se ilustra con el siguiente ejemplo: Supngase que se quiere obtener
la posicin de una imagen real de una vela dada por una lente convergente. Al ir moviendo
la pantalla para lograr la localizacin de dicha imagen , se observa que no hay una
posicin fija para ello (Fig. 3). Hay un intervalo de unos 4 cm. que no permite lograr esto.

Figura 3
La lectura podra reportase leyendo la posicin del punto medio de dicho intervalo y dando
como incertidumbre la mitad de dicho intervalo, es decir 2 cm . S el intervalo en cuestin
est entre los 14,5 cm y los 17,5 cm debera reportarse el siguiente resultado:
162 cm

Instrumentos Digitales

Figura 4 (Multmetro digital)

En el caso de instrumentos digitales, se toma como incertidumbre la unidad en la posicin
de la ltima cifra que despliegue la pantalla (el display). Por ejemplo en el multmetro de la

Fig. 4 se despliega en la pantalla 189.6 voltios; en este caso se debe entender que la
medida de la diferencia de potencial es,
189.60.1V.
Si se posee el manual tcnico del instrumento, en l se debe suministrar la incertidumbre
del mismo. Por ejemplo si en el manual del instrumentto de este ejemplo est escrito que
su incertidumbre es de 0.5 voltios, se debera reportar la medida anterior como,
189.60.5 V.
En caso de no poseerse el manual se deber reportar como se hizo anteriormente.
Caso especial
En una determinada situacin la medida de una magnitud puede presentar
simultneamente dos incertidumbres, una debida a la apreciacin del aparato de medicin
y la otra debida a fluctuaciones estadsticas . Por ejemplo, la medida del tiempo utilizando
un cronmetro que resuelve hasta las centsimas de segundo (0,01 s). En este caso los
slos reflejos del experimentador para activar y desactivar el cronmetro va a introducir
fluctuaciones que merecen un tratamiento estadstico. El experimentador deber tomar
como la incertidumbre, a la mayor de ellas (entre la incertidumbre debido a la apreciacin
del instrumento y la incertidumbre estadstica). Para el experimento presente lo ms lgico
es que quedar como incertidumbre la estadstica (la desviacin estndar).

Medida Directa
Existen varios tipos de errores que ocurren al efectuar cualquier medicin y se pueden
clasificar en dos grandes categoras: Errores sistemticos y Errores casuales (aleatorios).
Slo en el segudo caso se puede hacer tratamiento estadstico de los datos.
Errores sistemticos
Son los que se repiten constantemente y afectan al resultado en un slo sentido
(aumentando o disminuyendo la medida). Pueden ser debidos a un mal calibrado del
aparato, a la utilizacion de frmulas (teora) incorrectas, al manejo del aparato de forma no
recomendada por el fabricante, etc. Estos errores se pueden eliminar mediante un anlisis
del problema; en la mayora de las situaciones se necesitar de una persona bien
cualificada que detecte lo errneo del procedimiento.
Como ejemplo supngase que se mide un voltaje con un voltmetro, y que la aguja con las
puntas en cortocircuito marca 0.1 V. y no 0 V.; esto inidca que el voltmetro est
descalibrado y TODAS las medidas que se efecten con el sern mayores en 0.1 V. sobre
el voltaje que se est midiendo. Sin embargo, si el experimentador se d cuenta de este
defecto podr fcilmente correjirlo calibrando el voltmetro o restndole al resultado el

exceso en la medicin, o sea los 0.1 V. Desafortunadamente en la mayora de los casos

los errores sistemticos son difciles de determinar.
Como se dijo, estos errores afectan a la medida en un solo sentido y no oscilan alrededor
del valor "vedadero" de la medicin, por lo que no pueden tener tratamiento estadstico.
Errores casuales (aleatorios)
Como se ha sealado, a pesar de realizar las medidas con el mismo instrumento y con el
mayor cuidado posible, si se repiten se obtienen valores ligeramente distintos. Esto no es
producto del descuido, pero si de la interaccin del observador con el instrumento de
medida, durante la cual tiene que seguir unos pasos en los cuales su reaccin (tiempo de
reaccin para el paro del cronmetro, lectura de una aguja, iluminacin cambiante,
factores ambientales -temperatura, presin, humedad- ) puede variar el valor de la
medicin en uno u otro sentido. Estas variaciones van a ser al azar obtenindose valores a
veces mayores y otras veces menores que el valor verdadero (o mejor valor), por lo que
pueden recibir tratamiento estadstico. En caso de no conocerse el valor verdaddero, se
toma como tal al valor medio de la medicin. Los errores aleatoriosse compensan
haciendo varias medidas
Tratamiento estadstico de datos. Incertidumbre estadstica
Valor medio de la medicin
Supngase que se hacen
medidas de una cantidad
instrumento y procedimientos) y se encuentran valores,

el mejor valor estimado para

(todas usando el mismo

es su valor medio, ,

Desviacin estndar
La desviacin estndar,

, de un conjunto de medidas

se define como,

, puede ser considerada como la raz media cuadrtica (RMS: Root Mean Square) de la
desviacin de las medidas

.Sin embargo hay razones tericas para redefinir a

como,

una razn terica ms que suficiente sera el caso en el que se tomara una sola medida de
la cantidad (lo cual sera algo absurdo desde el punto de vista experimental): en este
caso usando la primera definicin de

se obtendra

y usando la segunda dara

; es ms lgico el segundo resultado, ya que reflejara la total ignorancia en la

incertidumbre de realizando una sola medida.
La desviacin estndar como la incertidumbre de una medida
S una cantidad

se mide

veces con el mismo instrumento y procedimientos, y las

medidas
se distribuyen alrededor de su valor medio ("valor verdadero") de
acuerdo a la denominada distribucin normal o gaussiana (es decir, la distribucin al
graficarla, forma la llamada campana de Gauss), la desviacin estndar caracterizar la
incertidumbre de la medida y se garantizar que el 68 % de las medidas de estarn
dentro del rango
. En otras palabras, si se hace cualquier otra medida usando los
mismos mtodos, la probabilidad es del 68% de que su resultado tenga una
incertidumbre menor

; o sea, de cada 100 medidas, alrededor de 68 debern tener una

incertidumbre menor que

.Por lo tanto, es sensato adoptar a

de la medida de una cantidad

ditribuyan normalmente .

), siempre y cuando

como la incertidumbre
medidas de esta se

Nota:
Es posible demostrar (esto corresponder a un curso de estadstica) que si todas las
fuentes de incertidumbre son aleatorias (es decir, se han eliminado los errores
sistemticos, o al menos reducido a su mnima expresin) y los errores son pequeos, la
distribucin de las medidas obedecer la distribucin normal.
Para ilustrar la aplicacin de estas ideas supngase que se tienen 20 resortes similares y
se desea medir sus constantes de elasticidad, . Para esto, la medida se puede hacer
empleando un mtodo dinmico (suspendiendo una masa de cada uno de ellos y
hacindolos oscilar) o a travs de un mtodo esttico (suspendiendo masas en ellos y
midiendo su estiramiento). Independientemente del mtodo empleado, se debe estimar la
incertidumbre en la medida de ( ), para cada resorte. Esto consumira mucho tiempo.
Sin embargo se puede razonar as: si se mide la constante para un primer resorte varias

veces (entre 5 y 10 veces), evitando o al menos minimizando los errores sistemticos, se

puede estimar la incertidumbre calculando la desviacin estndar
; lo importante aqu
es que esta incertidumbre solo depender del mtodo de medicin con el cual se
mida . Por lo tanto, ser "correcto" (con un 68% de probabilidades de acertar) suponer
que esa incertidumbre es la misma para todos las medidas del resto de los resortes si se
emplea el mismo mtodo de medicin.
Ejemplo:
Supngase que se realizan 10 medidas de la constante de elasticidad
resorte y se obtuvieron los sigientes valores,

de un primer

86, 85, 84, 89, 85, 89, 87, 85, 82, 85.
por lo tanto su valor medio

y la desviacin estndar

son iguales a,

en donde la dessviacin estndar se ha redondeado a una cifra significativa; el resultado

se expresa como,

Si ahora se mide la constante de elasticidad

de un segundo resorte (con el mismo

instrumento y procedimientos) y se obtiene como resultado

la incertidumbre en la medida debe ser
siguiente rango con un 68% de probabilidad,

, se podr concluir que

.y que el valor de

debe estar en el

Desviacin estndar de la media

Hay razones para concluir que la mejor medida de la incertidumbre de la medicin de una
cantidad

de la que se obtuvieron

medidas es la desviacin estndar

dividida por el

factor

. A esta cantidad se le denomina desviacin estndar de la media (SDOM:

Standard Deviation Of the Mean) y se denota como

Es decir si se hacen
medidas de una cantidad
procedimientos) y se encuentran valores,

el valor de

(todas usando el mismo instrumento y

se reporta as.

donde la mejor medida de

es
(SDOM). De esta forma la constante elstica del resorte
del ejemplo anterior ser mejor reportarla como,

Una de la ventajas de usar

en lugar de

es que esta ltima no cambia

apreciablemente al aumentar aumentar el nmero de medidas

como si lo hace

Por ltimo si el intervalo de confianza del rango suministrado del valor de una cantidad se
desea elevar del 68% al 95% se deber reportar la incertidumbre como

Cul debe ser el nmero de medidas que hay que realizar para reflejar una medida
"exacta"?
Supngase que se realizan tres medidas de una cantidad . Como valor verdadero de la
cantidad medida se toma la media aritmtica de las tres. Se calcula dispersin (D) de
esas medidas: Para esto se resta la menor de ellas de la mayor y este es el valor de de
"D".
Luego se procede a calcular el % de dispersin, %D:

Si el % de la dispersin (%D) es menor que el 5% es suficiente realizar tres medidas. En

caso contrario se realizan de 6 a 10. Si el %D > 8 se deben realizar del orden de 15
medidas.
Esta estimacin del nmero de medidas no se debe tomar como algo EXACTO. Solo es un
orden del nmero de medidas que se deberan tomar para obtener buenos rangos de
confiabilidad en la medida. Generalmente es suficiente con unas 10 medidas.
Reglas para reportar datos experimentales
Existen unas reglas para expresar la incertidumbre y el resultado de la medida.

Si se realiza una sola medida, se reportar la lectura estimada o apreciada

acompaada de la incertidumbre separadas con . (ver lectura de instrumentos).

Si se deben realizar varias medidas - recuerdse que el nmero de stas lo

determina %D-, se decidir con estas, cul representa el "valor verdadero" y con que
incertidumbre se conoce. Ver mtodo.

La incertidumbre que acompaa a la medida (a la media aritmtica) es la mayor de las dos

cantidades siguientes: la incertidumbre estadstica de la medida (
la lectura del instrumento.

), o la incertidumbre en

Un ejemplo ms
Empleando un pie de rey (ver Fig. 1) se miden la altura ( ) y la base ( ) de una pieza
rectangular y se obtienen los valores de la tabla 1.

Figura 1
Tabla 1
(mm.) 24.25 24.26 24.22 24.28 24.24 24.25 24.22 24.26 24.23 24.24
(mm.) 50.36 50.35 50.41 50.37 50.36 50.32 50.39 50.38 50.36 50.38
la mejor estimacin de

son,

donde los mejores valores de la medicin son los valores medios y la mejor estmacin de
las incertidumbres son los valores de las desviaciones estndar de la media.
Reportando los resultados con la incertidumbre relativa
La incertidumbre relativa se reporta con dos cifras significativas. El clculo de esta
incertidumbre para la base y la altura de la pieza rectangular del ejemplo anterior es el
siguiente,

se debe observar que la incertidumbre relativa es adimensional, es decir, no tiene

unidades.

De esta forma la base y la altura se reportarn usando esta incertidumbre as,

Un comentario sobre las incertidumbres relativas

La incertidumbre relativa es muy usada para visualizar rpidamente la calidad de una
medicin. Por ejemplo, supngase que se midieron dos distancias y se las medidads se
reportaron con sus incertidumbres absolutas as,

puede observarse que ambas mediciones se reportan con la misma incertidumbre

absoluta, sin embargo el reporte con las incertidumbres relativas ser diferente,

es obvio que inmediatamente se visualiza que la medida de la segunda distancia es 10

veces mejor medicin que la medida de la primera. En la primera hay una incertidumbre de
1 m. en 100 m., mientras que en la segunda hay una incertidumbre de 1 m. en 1000 m.
La incertidumbre relativa es muy usada en las discusiones de los resultados de un
experimento.
Un comentario sobre combinacin de errores aleatorios y sistemticos
Hasta aqu se ha considerado que los errores sistemticos se han eliminado o al menos se
han llevado a valores por debajo de la exactitud deseada en la medida. Sin embargo esto
no es fcil de lograr en los laboratorios de enseanza: un estudiante no puede chequear si
una cinta metrica est libre de error sistemtico y mucho menos tendr la capacidad de
comprar una nueva cinta para reemplazarla por una ms adecuada. Por esta razn
algunos laboratorios de enseanza establecen reglas en la ausencia de informacin m
especfica al respecto. Por ejemplo, asumen que todas las balanzas tienen un error
sistemtico del 1 % , todos los voltmetros del 3 % , todos los cronmetros del 0.5 %, y as
en general con toda la instrumentacin. Esto no tiene justificacin ms que la de obligar al
estudiante a pensar en la combinacin de los dos tipos de errores presentes, el sistemtico
y el aleatorio.
Cuando es necesario considerar el cmputo de los dos tipos de error (el sistemtico y el
aleatorio) es conveniente combinarlos en cuadratura, ya que son independientes entre s:

esta expresin debe considerarse razonable pero no rigurosamente justificada. Una

justificacin es la sigiente: se explic que si se aumenta el nmero de medidas de una
cantidad, disminuye su incertidumbre en la medida ( ). Podra pensarse que procediendo
de esta forma se llevara la incertidumbre a valores muy bajos (casi nulos); sin embargo, el
error sistemtico no disminuira a travs de este camino, por lo que se mantendr una
incertidumbre en la medida lejos de cero, como es de esperarse por las misma naturaleza
del proceso de medicin.

Medida Indirecta (propagacin de errores)

Una vez obtenida la incertidumbre de las medidas directas, se calculan las de las medidas indirectas.
Supngase una medida indirecta

que se obtiene a partir de medidas directas

mediante la expresin matemtica:

en donde
dada por:

es una funcin de n variables independientes. La incertidumbre de

viene

en donde los son las incertidumbres totales de las medidas directas. Es necesario decir
que esta expresin se puede aplicar slo si las medidas directas de las cantidades
son realmente independientes (es decir, sus procesos de medicin son

independientes: la medida de una no est acoplada a la medida de otra u otras de las ) y

estn libres de errores sistemticos (es decir, si todos son errores aleatorios y bajo
distribucin normal).
Reporte del resultado de la medicin
Calcular la incertidumbre para reportarla junto al resultado es una tcnica diferente al
simple uso de cifras significativas . Debido a esto, las reglas estipuladas en la tcnica de
cifras significativas no tienen que seguirse al realizar estos clculos. Se recomienda que,
mientras se realizan los clculos intermedios, tanto con el resultado
como con la
incertidumbre
, se mantengan todas las cifras de que disponga la calculadora o el
computador (o al menos 2 dgitos extras ms all del nmero de cifras significativas
esperadas en el resultado). De esta manera no se perder informacin. Solo al final, en el
momento de reportar el resultado, se aplicarn las siguientes normas para el redondeo:

Una convencin de uso frecuente recomienda que la incertidumbre se exprese con

una cifra significativa.

Una vez redondeada la incertidumbre, el resultado de la medicin debe tener las

mismas posiciones decimales que su incertidumbre. No tiene sentido dar cifras que
se encuentren a la derecha de aquella que ya est afectada por la incertidumbre.
Por ejemplo, si la medida de un intervalo de tiempo despues de calculada di 8.3589
s. y su incetidumbre calculada fue igual a 0.03 s. se deber escribir el resultado as:

ya que la incertidumbre nos afirma que se empieza a dudar desde las centsimas
(posicin del 3 en la incertidumbre) de los segundos, por lo que sera contradictorio
reportar las milsimas (y de ah en adelante).
Ejemplos de resultados incorrectos y su equivalente correcto
Ver Tab. 1.
Tabla 1
Incorrectos

Correctos

253 0,51

253, 0 0, 5

0, 0247 0,01

0, 02 0, 01

4, 897 0,038

4,99 0,04

46,787 0,238

46,8 0,2

24567 2427

(24 2)x103

(3 1)x102

262 120

Ejemplos de clculo de incertidumbres (propagacin de errores):

En los siguientes ejemplos se supone que se cumplen las condiciones impuestas para
poder usar la expresin de propagacin de errores.
Ejemplo 1
En este ejemplo se retomarn las medidas del ancho y el alto de la pieza rectangular del
ejemplo dado en la seccin de Medida Directa.

En este caso se desea calcular el rea del rectngulo. Por lo tanto,

El siguiente paso es calcular la incertidumbre,

por lo tanto el resultado de la medida del rea de esta pieza rectangular se debe reportar
as,

Ejemplo 2
Un estudiante encuentra el ndice de refraccin de una pieza de vidrio midiendo el ngulo
de incidencia crtico de la luz cuando est pasa del vidrio al aire, a travs de la conocida
expresin
para la medida de

. Si obtuvo para
?

como mdida,

, qu valor debi reportar

El valor del ndice de refraccin ser,

la incertidumbre se calcula as,

se debe tener cuidado en expresar a

coeficiente. Por lo tanto,

en radianes ya que est actuando como

el estudiante debe reportar el ndice de refraccin as,

un resultado de este orden, es el tpico de un montaje experimental en un laboratario de
enseanza de la fsica general, en donde los ngulos se miden con transportadores como
el ilustrado en la Fig. 1-a, y cuyo precio es del orden de $ 1000 colombianos (0.4 dlares
americanos -precio a julio del 2005-). Un montaje para realizar este experimentose ilustra
en la Fig. 1-b donde un estudiante est midiendo el ndice de refraccin del agua que esta
contenida en un prisma, hacindole incidir luz de un laser de He-Ne (Helio-Nen). Hasta
por cierto un "muy mal montaje".

1-a
Figura 1
Ejemplo 3

1-b

Ejemplo en donde no se puede usar la frmula de propagacin de errores debido a la

forma como se recolectaron los datos.
Se desea calcular la constante de elasticidad de un resorte. Para lograrlo se cuelga uno
de sus extremos de uno soporte y se suspenden diferentes masas en el otro extremo. Para
cada una de las masas se toma el tiempo que emplea el sistema para hacer 10
oscilaciones (Tab. 2), calculando en cada caso la constante a travs de la siguiente
expresin,

Tabla 2
Masa m (Kg.)
Perodo P (s.)

0.513 0.581 0.634 0.691 0.752 0.834 0.901 0.950

1.24 1.33 1.36 1.44 1.50 1.59 1.65 1.69

La incertidumbre de no se puede estimar estadstica de la masa y del perodo para luego

emplear la expresin de propagacin de errores tal y como se hizo en el ejemplo 1, donde
se empleo esta va pero con datos recolectados de otra forma (ver Tab. 1 de la seccion de
Medida Directa. Esto se debe a que nos es sensato tomar valores medios de las diferentes
masas de la primera fila de la Tab. 2 ya que no corresponden a diferentes medidas de la
misma cantidad.
En este caso es necesario proceder de otra manera. Por ejemplo, se puede calcular la
constante de elasticidad para cada pareja (masa, periodo) y luego hacer el anlisis
estadstico de estos valores; esto es correcto, ya que son todas medidas de la misma
cantidad. Los clculos generan la siguiente tabla (Tab. 3),
Tabla 3

(N.m- 13.17 12.97 13.64 13.16 13.19

1

13.02

13.07

13.10

El valor medio de

es 13.16 N.m-1 y la desviacin estndar de la media es 0.006N/m, por

lo tanto el resultado se reporta como,

Ejemplo de combinacin de errores aleatorios y errores sistemticos.
En la seccin de Medida Directa se trat el caso en el que se deben combinar errores
sistemticos con errores aleatorios. Aqu se ilustrar un ejemplo.

En el ejemplo 3 la constante elstica del resorte

fue calculada a travs de la expresin

usando medidas de una serie de valores de la masa y de los

correspondientes valores del perodo de oscilacin (Tab. 2). Como consceuencia del
anlisis estadtico de las diferentes respuestas de se obtuvo,

Supngase ahora que como resultado de un estudio riguroso en nuestro laboratorio de

enseanza (proceso que en general no se hace debido al costo y la complejidad; por lo
que en general se hacen ms bien suposiciones sensatas o se deprecian suponiendo que
los errores sistemticos estn al mnimo), se ha llegado a la conclusin que las balanzas
usadas para medir la masa y los relojes usados para medir el perodo de oscilacin
introducen una incertidumbre sistemtica del 1 % y el 0.5 % respectivamente. Es decir,
despus de tomar las n balanzas (del mismo tipo) del laboratorio y realizar un estudio
estadstico de ellas sobre los errores sistemticos introducidos en su uso se llega a la
conclusin que la medida de este error es del orden del 1 % y que ste se distribuye
normalmente (distribucin normal) alrededor de su valor medio (o sea, se puede asegurar
que el 68 % de estas balanzas introducen un error sitemtico dentro del rango del 1 %).
Proceso anlogo se hizo con los cronmetros.Por lo tanto, debido a la inependenca entre
el anlisis realizado a estos dos tipos de instrumentos, se puede calcular el error
sistemtico debido a las medidas con ambos instrumentos, cuyos valores son
reemplazados en la expresin
frmula de propagacin de errores as,

(usada para calcular

), a travs de la

que en el caso

donde

corresponde al mejor valor de

cuyo valor calculado fue 13.16 N.m-1 por lo tanto,

combinando ambas incertidumbres (aleatoria y sistemtica) se obtiene,

por lo tanto el resulatdo de la medida de la constante de elasticidad

se reporta as,

Elaboracin de grficos.
En las secciones anteriores se estudio el problema de medir una determinada cantidad
fsica . En esta seccin se plantea otro problema, muy frecuente en el laboratorio, que
consiste en medir no una sino dos cantidades (por lo menos) e , vinculadas entre s a
travs de una funcin
bien verificarla.

, y del conjunto de valores

hallar la referida funcin, o

La mejor forma de visualizar las lecturas es representarlas grficamente, por ejemplo, en

un sistema de ejes
,con lo cual a cada par
le corresponde un punto P. El
conjunto de los puntos obtenidos sugiere la forma de una curva, que es considerada como
la "representacin grfica" de la ley que rige el fenmeno motivo del experimento.
En definitiva, sea o no conocida la relacin entre las variables involucradas en un
experimento, es conveniente representar visualmente las cantidades fsicas que se estn
midiendo mediante un grfico. De esta manera se puede comprobar si el modelo
matemtico propuesto para relacionar las cantidades es correcto o, en caso de ser este
desconocido, se facilita su escogencia.
En esta seccin se abordar el caso de grficos en dos dimensiones; es decir slo se
representan dos cantidades fsicas. Una de ellas ser la variable independiente y la otra la
dependiente. Se utilizar as mismo un sistema de ejes cartesiano con un eje horizontal y
un eje vertical. La variable independiente se representar en el eje horizontal, tambin
conocido como eje de las abscisas. La variable dependiente se representar en el eje
vertical, o eje de las ordenadas.

Como ejemplo, supongase que se tiene un sistema masa-resorte oscilando (Fig. 1) y se

procede a variar la masa desde 0.10 Kg. hasta 0.50 Kg. en incrementos de a 0.05 Kg.
midiendo en cada caso el tiempo que gasta la masa en realizar 10 oscilaciones completas.
La tabla donde se recogieron los datos es la siguiente:

Tabla 1
Carga,m, Kg.
0.10 .0.02
0.15 0.02
0.20 0.02
0.25 0.02
0.30 0.02
0.35 0.02
0.40 0.02
0.45 0.02
0.50 0.02

N de oscilaciones
10
10
10
10
10
10
10
10
10

Tiempo,t, s
8.2 0.3
9.8 0.3
10.7 0.3
11.5 0.3
12.5 0.3
13.0 0.3
13.8 0.3
14.5 0.3
15.2 0.3

Perodo P, s
0.82 0.03
0.98 0.03
1.07 0.03
1.15 0.03
1.25 0.03
1.30 0.03
1.38 0.03
1.45 0.03
1.52 0.03

Se desea representar en un plano cartesiano a las parejas de puntos experimentales

. En la posicin de cada punto se colocar un smbolo para representarlo, como se
observa en la Fig. 2. Los smbolos pueden ser crculos, cruces, cuadrados, tringulos, etc.,
pueden estar vacos, rellenos o medio rellenos, pueden ser en colores o en blanco y negro.
El uso de varios smbolos es til cuando se grafican varias curvas experimentales sobre un
mismo grfico. En este ejemplo cada punto experimental est representado con un circulo
azul.

Grfico del perodo de oscilacin vs la masa de un sistema masa-resorte. La medida del

tiempo para 10 oscilaciones completas de la masa, se hizo con un cronmetro digital que
marcaba centsimas de s. y la medida de las masas se hizo con una balanza cuya
apreciacin era de 4 g. Sin embargo, debido a la reaccin del experimentador en el manejo
del cronmetro se ha tomado como incertidumbre en la medida del tiempo 0.03 s. As
mismo, el experimentador fue capaz de estimar hasta 2 g en la balanza, por lo que sta es
la incertidumbre en la medida de la masa.

Figura 2
Como se puede observar en la figura, cada eje viene identificado con la variable
correspondiente. En este caso la variable independiente, la masa, se representa en el eje
horizontal y se identifica con la abreviatura , m, y entre parntesis las unidades utilizadas.
As mismo, el eje vertical representa la variable dependiente, en este caso el perodo de
oscilacin , y se identifica al eje con la abreviatura , P, sealando las unidades
correspondientes.
Cada eje tiene unas marcas que indican la escala de la variable. La distancia real entre las
marcas ser la misma a lo largo del eje y representa un cierto nmero de las unidades
utilizadas para la variable. Las marcas ms largas son las principales y las mas cortas son
las secundarias. Las marcas principales vienen acompaadas del valor correspondiente.
En el caso de la masa en la Fig. 2, cada marca principal tiene su valor asociado un poco

mas abajo del eje y se observa que la distancia entre dos de ellas consecutivas, que en
realidad es de 2 cm., corresponde a 0.05 Kg. As mismo la "distancia" entre dos marcas
secundarias corresponde a 0.01 Kg. Para el perodo, los valores correspondientes a las
marcas principales se colocan a la izquierda del eje. En este caso, la "distancia" entre dos
marcas principales (tambin de 2 cm.) corresponde a 0.5 s. y entre dos marcas
secundarias sera de 0.1 s.
Escoger la escala a utilizar para cada eje es uno de los pasos ms importantes cuando se
elabora un grfico. Debe ser tal que abarque el rango completo de las mediciones
realizadas. Las marcas deben corresponder a valores sensatos de la cantidad fsica; (por
ejemplo, si entre entre dos marcas principales consecutivas hay 10 unidades, no es
prctico colocar dos marcas secundarias que dividiran el segmento principal en tres
segmentos de 3.33... unidades). Las marcas secundarias tpicamente son la mitad de largo
que las primarias. Adicionalmente en la Fig. 2 se han colocado arriba y a la derecha ejes
secundarios paralelos a los principales para encuadrar el grfico en un marco. Estos ejes
secundarios deben tener la misma escala y las mismas marcas que los primarios y no es
necesario identificarlos. Estos ejes secundarios se acostumbran cuando el fondo del
grfico es blanco, como suele suceder en publicaciones y reportes cientficos, para facilitar
la lectura de datos a partir del grfico.
Si se utiliza papel milimetrado (obtener hoja para imprimir haciendo clic aqu), como
normalmente se hace en los laboratorios bsicos, es conveniente que las unidades de
medida as como sus fracciones, correspondan a un nmero entero de milmetros, para
facilitar la ubicacin de los puntos experimentales en el grfico. En el ejemplo de la Tab. 1
(Fig. 2) ,se se utiliz la misma escala, es decir 2 cm = 0.05 Kg. para la masa y 2 cm = 0.5
s. para el perodo, cada milmetro corresponder a 0.0025 Kg para el eje de la masa y
0.025 s. para el eje del perodo (estas ser las apreciaciones de la hoja de papel, mirada
como instrumento). Esto permite posicionar los puntos experimentales con una estimacin
de 0.00125 Kg. para la masa y 0.0125 s. para el perodo si el observador es capaz de
discriminar a ojo medio milmetro.
En un grfico tambin es posible trazar lneas, bien sea para representar algn modelo
matemtico que se ajuste a los datos experimentales, o para guiar el ojo. Estas lneas
pueden ser continuas, punteadas, segmentadas o combinaciones (por ejemplo puntosegmento-punto, segmento largo-segmento corto-segmento largo, etc.) y pueden ser en
colores. Al igual que con los smbolos, el uso de varios tipos de lnea es til cuando se
grafican varias curvas experimentales sobre un mismo grfico. O tambin, por ejemplo,
supongase que se ajustan varios modelos tericos a los mismos datos experimentales,
estos se grafican con smbolos y los distintos ajustes con distintos tipos de lnea, y para
resaltar alguno de ellos se puede utilizar un espesor distinto para esa lnea. La lnea puede
corresponder al ajuste a algn modelo, como es el caso de la lnea curva en la Fig. 2, que
corresponde a un ajuste de los datos experimentales a la parbola P=a+bm+cm2 . Para
guiar el ojo,se puede simplemente unir los puntos experimentales con segmentos rectos
(Fig. 2) , aunque estticamente es mejor utilizar una curva suavizada que no
necesariamente pase por todos los puntos experimentales.

Si se usa software, es mejor trazar una curva tipo spline que consiste en calcular la
variable dependiente para valores de la variable independiente distintos a los medidos
experimentalmente, utilizando una interpolacin cbica (obviamante este proceso es
transparente para el usuario, es decir, lo hace el computador guiado por el software). El
trmino spline se refiere a un procedimiento matemtico que garantiza que la curva
interpolada tiene continuidad en su primera y segunda derivada en los valores
experimentales, y esto adems garantiza que pasa por todos esos puntos (Fig. 3).
Finalmente la lnea puede ser simplemente una curva trazada a mano, que represente la
tendencia de los puntos experimentales.

Grfico del perodo de oscilacin vs la masa de un sistema masa-resorte. La medida del

tiempo para 10 oscilaciones completas de la masa, se hizo con un cronmetro digital que
marcaba centsimas de s. y la medida de las masas se hizo con una balanza cuya
apreciacin era de 4 g. Sin embargo, debido a la reaccin del experimentador en el manejo
del cronmetro se ha tomado como incertidumbre en la medida del tiempo 0.03 s. As
mismo, el experimentador fue capaz de estimar hasta 2 g en la balanza, por lo que esta es
la incertidumbre en la medida de la masa.
Figura 3

Adicionalmente cada uno de los valores experimentales involucra un error, lo cual se

representan en el grfico con el uso de barras. Estas, son segmentos de recta paralelos al
eje correspondiente que con su largo indican la magnitud de la incertidumebre absoluta en
la medicin de la cantidad fsica. Como existe el error en ambas variables, las barras de
error fromarn cruces en los puntos experimentales (Fig. 2 y Fig. 3). Puede ocurrir que el
tamao de las barras de error sea menor o igual que el tamao del smbolo utilizado para
representar el punto experimental, en cuyo caso no sern visibles. Esta situacin se debe
indicar en la leyenda de la figura, la cual describe a continuacin.

La leyenda de un grfico, debe ser completa, es decir contener toda la informacin

necesaria para interpretar el grfico, sin necesidad de tener que recurrir al texto en donde
este insertado. Debe indicar qu se est representando, las condiciones experimentales de
la medida, el significado de los smbolos y/o lneas utilizadas y cualquier otra informacin
relevante, como por ejemplo cuando las barras de error no son visibles, o si no se dibujan
a propsito, el porqu, etc. Es posible incluir en el propio grfico una descripcin de los
smbolos y lneas utilizados como se muestra en las figuras 2 y 3, esto como complemento
a la leyenda.
Una discusin: Comparacin del Modelo con el Sistema
En la introduccin a esta leccin sobre teora de la medida se hizo una breve discusin
sobre los conceptos de sistema y modelo. Aqu se discutir como comparar modelos
existentes con sistemas.
Una vez que las observaciones estn representadas graficamente, se procede con la
comparacin entre las propiedades de sistema, que ahora estn representadas ante
nuestros ojos, y las propiedades del modelo propuesto. Pero, cmo se va a juzgar el
grado de correspondencia entre el sitema y el modelo? Aqu es donde la presencia de los
intervalos de incertidumbres (barras de errores en la grfica) cobra una importancia
decisiva. Si slo se hubieran graficado puntos sin barras de incertidumbre, la inevitable
dispersin de los puntos significara que la lnea que representa las propiedades del
modelo pase por lo menos por uno de los puntos experimentales, ser demasiado
pequea. De este modo, cmo se podra afirmar algo sensato sobre el resultado de la
comparacin? Si, en cambio, los "puntos" de la grfica representan intervalos de
posibilidad de localizacin de los valores graficados, es posible hacer enunciados
lgicamente satisfactorios. Los siguientes ejemplos aclaran lo expuesto en este prrafo.
Ejemplo 1:
Sea el sistema una banda de caucho que se sujeta de un techo y se some a
deformaciones mediante cargas ("pesos") que se cuelgan de la misma. Se desea
comparar las propiedad elstica de este sistema con la propuesta por el modelo de
Hooke, en el cual la fuerza deformadora es proporcional a la deformacin, es decir,

o su equivalente,

siendo la fuerza deformadora (en el caso de este sistema sera el peso de las cargas),
la deformacin (en el caso de este sistema sera la nueva longitud de la banda menos su
longitud original) y la cosntante elstica del sistema (la banda) y que hace el papel de
constante de proporcionalidad.

Para esto se recogen datos y se elabora la siguiente grfica (Fig. 4):

:
Deformacin de una banda de caucho colgada verticalmente en funcin de la fuerza
deformadora (peso de la masa que cuelga de ella). Los crculos azules corresponden a los
datos experimentales. Las barras de error verticales corresponden a las incertidumbres en
las medidas de las deformaciones; las barras horizontales correspondientes a las
incertidumbres en las medidas de la fuerza no se logran visualizar en la grfica por ser
muy pequeas. La lnea curva roja es una lnea auxiliar para facilitar el seguimeinto de los
datos experimentales. La lnea recta de color negro representa el ajuste lineal de la
coleccin de puntos experimentales
Figura 4
Aqu el ajuste lineal si muestra una gran concordancia entre el sistema y el modelo terico;
la lnea que representa el ajuste intercepta muy satisfactoriamente las barras de error.

Resumen de las Normas para graficar

Las grficas pueden efectuarse manualmente o haciendo uso de cualquiera de los
paquetes de software disponibles en el mercado. Las siguientes reglas deben tenerse en
cuenta:

En el caso de grfica manual, utilice papel milimetrado.

En cada eje se debe indicar explcitamente la magnitud que va a representarse con
su smbolo y unidad de medida.
Escoja las escalas de modo que la grfica ocupe la mayor parte del espacio
disponible. El rango de variacin de cada variable (diferencia entre el valor mximo y
mnimo) debe abarcar, en lo posible, todo el eje.
El otro aspecto que determina la escala es la facilidad para localizar las mediciones:
Evite factores de escala que no permitan lectura directa de la misma (por ejemplo,
no tome un centmetro del papel para representar siete unidades de magnitud, tres
unidades de magnitud, etc.).
Coloque sobre cada eje un nmero determinado de marcas de escala espaciados
regularmente. No repita los datos de la tabla sobre los ejes de la grfica. Coloque
rtulos de divisin de escala debajo o al lado de algunas marcas de escala sin
sobrecargar la grfica.
No es necesario que el origen sea el punto (0,0). No obstante, puede ser necesario
conservar el origen si se quiere determinar grficamente el intercepto con alguno de
los ejes.
Seale los puntos experimentales de modo que sean claramente visibles, por
ejemplo, encerrndolos con un pequeo circulo, tringulo, cuadrado, etc.
Si va a graficar varias series de datos sobre la misma hoja use diversos smbolos
para destacar y distinguir los puntos correspondientes a cada serie. Debe evitar
acumular demasiada informacin en el mismo grfico hacindolo ilegible.
Es posible indicar la incertidumbre de medicin de cada coordenada de un punto
dibujando una barra de longitud proporcional a la incertidumbre a cada lado del
punto; a menos que esta no sea significativa en relacin con el tamao de la escala
correspondiente.
No se debe aprovechar los espacios vacos en el rea de datos con clculos
aritmticos de pendientes, etc.
Se debe usar lneas de referencia cuando haya un valor importante que interese
sealar a todo lo largo o a todo lo ancho de la grfica, sin interferir con los datos.
La grfica debe llevar un titulo que d significado a los datos, una leyenda que
explique en detalle lo que la grfica representa. La grfica debe ser autocontenida,
es decir, que quien la observa no necesite leer el texto del informe para entender el
contenido.

Regresin Lineal.
En muchas situaciones la relacin entre dos cantidades fsicas es una relacin lineal. En
estos casos se dice que la variable dependiente es proporcional a la variable
independiente con una constante de proporcionalidad dada.
Si

es la variable independiente e la variable dependiente la ecuacin de la recta sera:

donde es la pendiente de la recta y es el valor de la intercepo de la recta con
el eje Y , es decir el valor de para
. El objetivo en esta seccin es determinar el valor
de los parmetros y , para el mejor ajuste de unos datos experimentales. Existen dos
maneras de obtener estos valores, el mtodo grfico y el mtodo analtico utilizando ajuste
por mnimos cuadrados. Este ltimo se tratar en una seccin mas adelante; por ahora se
analizar el mtodo grfico.
Lo primero es graficar los puntos experimentales con sus correspondientes barras de error
y verificar que efectivamente la relacin entre las dos variables es aparentemente lineal.
Como ejemplo supnganse que se desea verificar la ley de Hooke, que enuncia as: "La
magnitud
de la fuerza necesaria para deformar en una cantidad a un resorte, es
proporcional a dicha deformacin". La deformacin es igual a la nueva longitud menos la
longitud original.
Matemticamente esto se expresa as:
,
siendo la constante de proporcionalidad y la cual representa la denominada constante de
elasticidad del resorte. Para ello se procede a tomar los siguientes datos correspondientes
a mediciones de diferentes deformaciones bajo diferentes fuerzas (Tab. 1). Las fuerzas
correspondern a los pesos de las masas que se le cuelgan al resorte (Fig. 1).

Sistema

Representacin del sistema

Figura 1
Tabla 1
Fuerza
0.050
0.100
0.150
0.200
0.250
0.300
0.350
0.400
0.450

, (Kgf.)
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.001

Deformacin,
0.032 0.005
0.063 0.005
0.094 0.006
0.116 0.005
0.153 0.005
0.181 0.003
0.207 0.005
0.238 0.004
0.272 0.005

, (m.)

En la Fig. 2 se ilustra la grfica correspondiente a esta tabla de datos. En ella los puntos
experimentales se encierran con crculos; adems se dibujan las barras de error y una
curva que sirve para facilitar el seguimiento de los datos.

Deformacin de un resorte colgado verticalmente en funcin de la fuerza deformadora

(peso de la masa que cuelga de l). Los crculos azules corresponden a los datos
experimentales. Las barras de error verticales corresponden a las incertidumbres en las
medidas de las deformaciones; las barras horizontales correspondientes a las
incertidumbres en las medidas de la fuerza no se logran visualizar en la grfica por ser
muy pequeas. La lnea curva roja es una lnea auxiliar para facilitar el seguimeinto de los
datos experimentales.
Figura 2
Claramente se observa que la unin de los puntos experimentales no proprciona una recta.
Sin embargo una aproximacin lineal a este resultado experimental es asociarle a esa
coleccin de puntos una recta que los represente mejor. Por tanteo se recomienda seguir
los siguientes pasos:

Utilizar una regla transparente de manera que se logren ver todos los puntos a la
vez.
Se mueve la regla hasta obtener la mejor recta que pase lo mas cerca de todos los
puntos experimentales. Una forma de realizar esto es la siguiente:
o Colquese la regla horizontalmente de manera que pase aproximadamente
por el centro de gravedad de los puntos (este punto puede ser determinado a
ojo o calculndolo).
o Rtese la regla alrededor de ese punto de manera que aproximadamente
tenga igual nmero de puntos por arriba y por abajo de la recta y que la
distancia de la recta a cada punto sea mnima

En este caso el resultado corresponde a la recta de la Fig. 3.

Deformacin de un resorte colgado verticalmente en funcin de la fuerza deformadora

(peso de la masa que cuelga de l). Los crculos azules corresponden a los datos
experimentales. Las barras de error verticales corresponden a las incertidumbres en las
medidas de las deformaciones; las barras horizontales correspondientes a las
incertidumbres en las medidas de la fuerza no se logran visualizar en la grfica por ser
muy pequeas. La lnea curva roja es una lnea auxiliar para facilitar el seguimeinto de los
datos experimentales. La lnea recta de color negro se traz por tanteo y representa el
ajuste lineal de la coleccin de puntos experimentales
Figura 3
De la grfica se observa gran concordancia entre el modelo y el sistema. La recta que
representa el ajuste pasa por todas las barras de error; adems la recta pasa muy cerca
del origen.

Una vez dibujada la mejor recta se procede a determinar los valores de la pendiente
y del trmino independiente en la ecuacin
. Para ello se toman dos
puntos alejados de la recta dibujada que no tienen que corresponder a puntos
experimentales y cuyas coordenadas
y
cuidadosamente sobre la grfica. Se calcula la pendiente mediante,

se

miden

Una vez determinada la pendiente un simple clculo permite hallar el punto de interseccin
con el eje Y:

Finalmente se debe estimar de alguna manera las incertidumbres en la medida de la

pendiente, , y en la medida del trmino independiente, , que van a estar
relacionados con las incertidumbres en e .

Para ello se dibujan las rectas de pendiente mxima y mnima que an cortan las barras de
error. Esto se hace de manera similar a la determinacin de la mejor recta pero esta vez lo
importante es que corte las barras de error y que una de ellas tenga la mayor pendiente
posible y la otra la mnima posible. Las pendientes mximas y mnimas y los
correspondientes trminos independientes se determinan de manera similar que para la
mejor recta y si las llamamos
parmetros y sern:

entonces los errores asociados a los

Ejemplo:
En el experimento que se viene tratando en esta seccin, el sistema masa-resorte de la
Fig. 1, cuyo ajuste est representado en la Fig.3, se porceder a calcular la pendiente y el
intercepto tomndose dos puntos de la recta. Por ejemplo pueden ser, P 1: (0.030
Kgf.,0.022 m.) y P2: (0.470 Kgf.,0.286 m.), por lo tanto,

Para calcular las incertidumbres en la pendiente y en el intercepto medimos las pendiente

y los interceptos de las dos rectas extremas de la Figura 4 empleando el mismo mtodo de
los dos puntos. Se tomaron los siguientes puntos,
Recta 1 (pendiente mnima): P1: (0.040 Kgf.,0.032 m.) y P2: (0.460 Kgf.,0.272 m.)
Recta 2 (pendiente mxima): P1: (0.040 Kgf.,0.022 m.) y P2: (0.460 Kgf.,0.288 m.)

Rectas extremas (amarilla y verde) que marcan los lmites de incertidumbre en la

pendiente y el intercepto de la mejor recta (recta negra) en el experimento del resorte
planteado en el ejemplo de esta seccin.
Figura 4
y se obtienen los siguientes valores:

Recta de pendiente mnima:

Recta de pendiente mxima:

por lo tanto las incertidumbres en la pendiente y en el intercepto son,

y
los resultados de la pendiente y del intercepto se reportan as,

se puede observar una GRAN INCERTIDUMBRE en el intercepto.Esto se puede explicar

por la cercana al origen (en valores tan pequeos, cualquier leve variacin incrementa en
gran cantidad la incertidumbre). Si embargo hay una muy buena medida de la pendiente,
que en este experimento, es la que mayor inters representa.

Como

, la pendiente se relaciona con la constante de elasticidad

de aqu,

por lo tanto la constante de elasticidad es,

su incertidumbre se debe calcular a travs de la expresin de propagacin de

incertidumbres,

la medida de la constante de elasticidad se reporta,

este resultado expresado en unidades del sistema internacional (SI) es,

en donde se utiiz la equivalencia,

En conclusin, el mtodo grfico para determinar los parmetros de una recta presenta la
singular ventaja de que se est viendo lo que se hace. Por simple inspeccin se puede
observar si de hecho existe una relacin lineal entre las variables, si existe un punto que
obviamente no sigue la tendencia de los otros puntos (debido posiblemente al resultado de
una mala medida) que se pudiera eliminar del anlisis, si se necesitan ms puntos
experimentales en alguna zona, etc., El mtodo de mnimos cuadrados que se discutir
ms adelante es ms preciso que el grfico que se acaba de describir, pero es un proceso
ciego que no permite detectar los problemas mencionados. Por esto, es siempre
conveniente graficar los datos aunque se utilice un clculo computarizado para determinar
los parmetros de la recta.
Linearizar
Generalmente el modelo considerado no es una funcin lineal.Sin embargo como los
modelos lineales son ms fcilmente comparables con el sistema, se puede tratar de
convertir las funciones a la forma lineal. A este procedimiento se le denomina
linearizacin.
Como ejemplo, supngase que se tiene un sistema masa-resorte oscilando. El modelo
terico dice que, suponiendo que el alargamiento del resorte es proporcional a la carga
aplicada (peso de la masa ,m, acoplada al resorte), el perodo de oscilacin, P, de la masa
oscilante es:

siendo, la constante elstica del resorte. Con el nimo de comparar este modelo con el
sistema se procede a variar la masa desde 0.10 Kg. hasta 0.50 Kg. en incrementos de a

0.05 Kg midiendo en cada caso el tiempo que gasta la masa en realizar 10 oscilaciones
completas. La tabla que donde se recogieron los datos es la siguiente:
Tabla 2
Carga,m, Kg.
0.10 .0.02
0.15 0.02
0.20 0.02
0.25 0.02
0.30 0.02
0.35 0.02
0.40 0.02
0.45 0.02
0.50 0.02

N de oscilaciones Tiempo,t, s
10
8.2 0.3
10
9.8 0.3
10
10.7 0.3
10
11.5 0.3
10
12.5 0.3
10
13.0 0.3
10
13.8 0.3
10
14.5 0.3
10
15.2 0.3

Perodo P, s
0.82 0.03
0.98 0.03
1.07 0.03
1.15 0.03
1.25 0.03
1.30 0.03
1.38 0.03
1.45 0.03
1.52 0.03

P2 en s2
0.67 0.05
0.96 0.06
1.14 0.06
1.32 0.07
1.56 0.08
1.69 0.08
1.90 0.08
2.10 0.09
2.31 0.09

La expresin anterior se puede trasnformar en:

por lo tanto segn este modelo terico, si se grafica

el resultado es una lnea recta.
Es decir se lineariz la expresin.En la Fig. 5 se ilustra la grfica.

Grfica del cuadrado del perodo de oscilacin del sistema masa-resorte en funcin de la
la masa. Los crculos azules corresponden a los datos experimentales. Las barras de error
verticales corresponden a las incertidumbres en las medidas del cuadrado del perodo ; las
barras horizontales correspondientes a las incertidumbres en las medidas de la masa. La
lnea curva roja es una lnea auxiliar para facilitar el seguimeinto de los datos
experimentales. La lnea recta de color negro se traz por tanteo y representa el ajuste
lineal de la coleccin de puntos experimentales
Figura 5
En la grfica se puede observar como la lnea que representa el ajuste lineal de los puntos
experimentales intercepta todas las barras de error por lo que se puede concluir que s hay
una gran concordancia entre el sistema y el modelo. De la misma se puede obtener la
pendiente ( =3.96 s2/Kg.) y de esta calcular la constante de elasticidad del resorte (

). Las incertidumbre en la pendiente se calcula como se indic en los prrafos

de arriba y la incertidumbre en la constante se calcula mediante la expresin de
propagacin de incertidumbres.
Linearizacin con Variables Compuestas
En muchos casos puede convenir (o incluso ser absolutamente necesario) usar variables
compuestas. Considere, por ejemplo el llamado "pndulo compuesto": una lmina rgida de
forma arbitraria que se deja oscilar bajo la accin de la fuerza de gravedad alrededor de un
eje perpendicular al plano de la misma (Fig. 6)

Figura 6
El modelo normal de su oscilacin (para ngulos pequeos) da la siguiente relacin,

donde corresponde al perodo de oscilacin, corresponde a la distancia del centro de

masa al punto del soporte, es la aceleracin de la gravedad y es el radio de giro
alrededor del centro de masa.
Dicha ecuacin es evidente que no tiene forma lineal. Sin embargo la podemos
transformar en,

donde la grfica de
si tiene forma lineal. Es decir para comparar el modelo con el
sistema se puede hacer a travs de esta grfica lineal. Adems la misma se puede
emplear para calcular el valor de la aceleracin de la gravedad (obtenindola de la

pendiente,

) y el radio de giro (obtenindolo del intercepto,

En otros casos (muy comunes) las funciones son exponenciales y son fcilmente
linearizables a travs de los logaritmos. Estas situaciones se tratarn en la
siguiente seccin.

).

Grficas Logartmicas.
Como se indic en la seccin anterior es posible en muchos casos linearizar la relacin
entre dos variables fsicas aplicando alguna transformacin a los datos experimentales. De
esta manera se obtiene una relacin lineal en los datos transformados y se puede aplicar
el mtodo tratado en dicha seccin para determinar los parmetros de esta recta o
emplear el mtodo analtico de lo mnimos cuadrados que se tratar en la prxima seccin.
Grficas semilog
El caso ms comn es cuando existe una dependencia exponencial entre la variables. Un
ejemplo es el sistema conformado por un circuito RC (Resistencia-Condensador: Fig. 1) ,
donde segn el modelo, el voltaje del condensador durante su descarga en funcin del
tiempo t viene dado por la expresin.

siendo

el voltaje inicial y

el tiempo de relajacin o constante de tiempo

Figura 1
Supngase que se ha realizado mediciones de
y se quiere calcular los valores de
y de
lados de la expresin anterior se obtiene,

vs t para la descarga de un condensador

. Si se toma el logaritmo decimal a ambos

cambiando variables se puede escribir,

donde
que al graficar

. Es decir, el modelo afirma

vs t se obtiene una lnea recta. Al obtener los parmetros de esta

recta se pueden calcular los valores de

y de

Para realizar esta operacin grficamente hay dos alternativas: transformar con una
calculadora los valores de a
y graficarlos en papel milimetrado normal, o
utilizar un tipo especial de papel conocido como "papel semi-log" (ver Fig. 2), el cual
permite el uso de una escala lineal en un eje y una escala logartmica en el otro.
Recurdese que la funcin logaritmo mapea los mltiplos y submltiplos de 10 a enteros.
Es decir lo que sera en escala lineal 0.01, 0.1, 1, 10 y 100 sera en escala logartmica 2,
-1, 0, 1 y 2. Los nmeros entre 10 n y 10(n+1) corresponden a un orrden de magnitud o
dcada y son transformados por la funcin logaritmo a valores entre n y (n+1).

La escala logartmica en el papel semi-log esta diseada de manera tal que se grafica
directamente el valor del punto y en el papel directamente queda graficado su logaritmo.
La Fig. 2 muestra como luce y como funciona un papel semi-log de 2 dcadas. En general,
al igual que con el papel milimetrado, el papel semi-log no trae nmeros como los
mostrados en la figura, y corresponde al usuario colocar los valores correspondientes de
acuerdo a sus necesidades. As mismo el usuario debe determinar cuantas dcadas
necesita para cubrir el rango de valores experimentales que desea graficar. Si la variable
que se desea representar en forma logartmica vara entre 1 y 10000, se deber escoger
un papel de 4 dcadas; si vara entre 0.1 y 10, 2 dcadas sern suficientes.
Por otro lado como el tamao de cada dcada es igual, como se observa en la Fig. 2, es
posible pegando varias hojas de papel semi-log obtener el nmero de dcadas que uno
quiera a partir del que se tenga disponible. Hay que tener cuidado al dibujar las barras de
error en papel semi-log para la variable logartmica. Si el error es simtrico linealmente,
ser asimtrico en el papel semi-log.
Ejemplo:
Supngase que en la descarga de un condensador (Fig. 1) se obtuvieron los
siguientes datos:
t (s.)
0.00
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
0.85
0.90
0.95
1.00

0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01

V (V.)
10.0 0.5
6.1 0.5
3.7 0.5
2.2 0.5
1.4 0.5
(8.2 0.5)x10-1
(5.1 0.5)x10-1
(3.0 0.5)x10-1
(1.8 0.5)x10-1
(1.1 0.5)x10-1
(6.1 0.5)x10-2
(3.9 0.5)x10-2
(2.2 0.5)x10-2
(1.5 0.5)x10-2
(9.1 0.5)x10-3
(5.5 0.5)x10-3
(3.4 0.5)x10-3
(2.0 0.5)x10-3
(1.2 0.5)x10-3
(7.5 0.5)x10-4
(4.5 0.5)x10-4

La grfica correspondiente a esta tabla se ilustra en la Fig. 3. Se observa que hay gran
correspondencia entre el modelo y el sistema.

Figura 3
Los parmetros de la recta se obtuvieron con base en el mtodo ilustrado en la seccin
anterior:

A partir de estos valores se pueden calcular

del sistema.

y su incertidumbre

y su incertidumbre
por lo tanto los valores respectivos sern:

Grficas log-log
Cuando la relacin entre las variables que se grafican es de tipo potencial,

o tambin cuando los rangos de valores en ambas variables varan en varios ordenes de
magnitud, es conveniente utilizar papel log-log, el cual se utiliza de manera similar al papel
semi-log, pero calcula el logaritmo en ambos ejes.
Si se toma el logaritmo a la ecuacin anterior,

de manera que un grfico de

dara una lnea recta cuya pendiente sera el
exponente de la variable y el trmino independiente sera el logaritmo de la constante c.
En la figura 4 se ilustra la forma que tiene un papel log-log.

Obtener hoja para imprimir haciendo clic aqu

Figura 4
La forma de emplearla es la mima del anlisis que se hizo del eje logartmico de la hoja
semilog. Solo que aqu ese anlisis se realiza en ambos ejes.

Mnimos Cuadrados.
En muchas situaciones la relacin entre dos cantidades fsicas es una relacin lineal. En
estos casos se dice que la variable dependiente es proporcional a la variable
independiente con una constante de proporcionalidad dada.
Si

es la variable independiente e la variable dependient,e la ecuacin de la recta sera:

donde es la pendiente de la recta y es el valor de la interceptacin del eje Y
con la recta, es decir el valor de para
. El objetivo en esta seccin es determinar el
valor de los parmetros y , para el mejor ajuste de unos datos experimentales. A este
procedimiento se le denomina Regresin Lineal.
En la seccin donde se empez a tratar este tema, el ajuste se hizo usando un mtodo
grfico (tanto para encontrar el valor de los parmetros y , como la estimacin de sus
incertidumbres). El mtodo grfico sin embargo puede ser bastante impreciso y depender
de la experiencia del usuario, pudiendo dar resultados distintos para una misma coleccin
de datos dependiendo de las personas que dibujen la mejor recta y las rectas para estimar
las incertidumbres. En esta seccin se tratar el mtodo matemtico denominado Mnimos
Cuadrados para calcular estos parmetros y sus incertidumbres. En este caso no es
necesario hacer la grfica para obtener estos valores.
Cmo calcular los parmetros

empleando el mtodo de los Mnimos Cuadrados?

Supngase que se tiene una coleccin de N datos experimentales

.
S las incertidumbres en las medidas de son despreciables (esto muchas veces es
sensato, por que la incertidumbre en una variables es mucho mayor que en la otra) y
adems las incertidumbres en las medidas de
son iguales (al menos
aproximadamente) , se puede demostrar que la recta que mejor se ajusta a estos datos
tiene como parmetros y a los que se obtienen con las siguientes expresiones,

La bondad del ajuste viene dada por el valor del factor de correlacin
expresin:

si la correlacin es 100 % ajustada, el valor de

dado por la

es 1.

La demostracin de estas expresiones se encuentra en la seccin final sobre mnimos

cuadrados
El procedimiento descrito de ajuste a rectas por mnimos cuadrados se puede aplicar
tambin a rectas obtenidas en papel semilog o log-log, siempre y cuando se hagan las
sustituciones correspondientes en las ecuaciones anteriores:
semilog y

en el caso

en el caso log-log.

Finalmente es conveniente notar que el mtodo de los mnimos cuadrados no se restringe

nicamente al ajuste de rectas a datos experimentales. En realidad el caso lineal es el ms
sencillo. Se puede aplicar el mtodo de los mnimos cuadrados para ajustar polinomios u
otras expresiones, e inclusive en muchos casos los parmetros no son lineales
Es necesario hacer la grfica?
Aunque para obtener la recta que mejor se ajuste a una coleccin de datos por el mtodo
de los mnimos cuadrados no es necesario hacer la grfica, se recomienda de todas
formas hacerla, representando en ella tanto los datos experimentales cons sus barras de
error como la recta obtenida despus del clculo.

Cmo calcular

Obsrvese que en el clculo de la recta no se utilizaron las incertidumbres de los datos.

Sin embargo, ser necesario hacer el clculo de las incertidumbres
y
empleando las
siguientes expresiones cuya demostracin se obviar en esta leccin..

en donde,

siendo
la desviacin estndar en la medida de la variable calculada con el mtodo de
los mnimos cuadrados. Se est considerando que todas las medidas de tienen sta
misma incertidumbre.
Ejemplo:
Medida del cero absoluto empleando un termmetro de gas a Volumen Constante.
Un estudiante mide la presin P de un gas a cinco diferentes temperaturas T, manteniendo
el volumen constante. Los resultados que obtiene estn consignados en la siguiente tabla,
Tabla 1
"x": Presin, P (mm de
79
Hg)
"y": Temperatura, T (C) 8

82 85

88

90

17 30

37

52

El estudiante desea estimar el cero absoluto. Para ello procede a graficar los valores
experimentales (Fig. 1),

Grfica de la Temperatura contra la presin en un gas bajo la restriccin de que su

volumen permanece constante. En ella no se indican las barra de error, debido a que
considera despreciable la incertidumbre en la medida de la presin y asume que la
incertidumbre en la temperatura es de algunos C que la calcular a travs de la
desviacin estndar obtenida de la regresin por mnimos cuadrados (

Figura 1
De la observacin de esta grfica (Fig. 1) el estudiante concluye que los datos
experimentales se pueden ajustar a una lnea recta de la forma
, por lo
que procede a realizar la regresin lineal a travs del mtodo de los mnimos cuadrados,

por lo tanto,

las temepraturas estimadas para las cinco presiones calculadas a travs de la recta del
ajuste son: 6.88 C., 18.34 C., 29.8 C., 41.26 C. y 48.9 C.
la desviacin estndar en las temperaturas estimadas es igual a,

En la Tabla 2 se reporta la informacin de la tabla 1 agregndole una tercera fila

correspondiente a los valores estimados de la temperatura usando los resultados de la
regresin lineal.
Tabla 2
"x": Presin, P (mm de Hg) 79
"y": Temperatura, T (C)
8
;(
), en C7

82
17
18

85
30
30

La incertidumbre en el valor estimado del intercepto

es,

por lo tanto el cero absoluto se reporta as,

88
37
41

90
52
48

lo cual est de acuerdo con el valor aceptado del cero absoluto (-273 C.). Ver Figura 2.

Grfica de la Temperatura contra la presin en un gas bajo la restriccin de que su

volumen permanece constante. Se asume gran exactitud en la medida de la presin e

igual incertidumbre en todas las medidas de la temperatura (

C ), representadas
con las barras de error verticales. La lnea azul corresponde a la recta resultado de la
regresin.

Figura 2
Cmo actuar si las condiciones que se exigieron no se cumplen?
Si las siguientes condiciones,
... las incertidumbres en las medidas de
son despreciables y adems las
incertidumbres en las medidas de son iguales,
no se cumplen, es necesario introducir en los clculos de los mnimos cuadrados las
llamadas "ponderaciones" ("pesos estadsticos") en la estadstica desarrollada (proceso
algo tedioso -en la seccin final sobre mnimos cuadrados se entrar en estos detalles-);
la mayora de los software empleados para hacer anlisis de datos las calculan (por
ejemplo el Excel, Rt-Plot, SigmaPlot,...). Nuestro consejo es que en este caso se ajuste a
"ojo" por el mtodo grfico tal y como se ilustr en la seccin anterior o si se emplea algn
software, asegurarse que ste es bien confiable. .

Software Graficador. El PrestoPlot

Para hacer ajuste de curvas se encuentra una gran cantidad de software. Algunos son de
libre uso y otros son comerciales. Despues de realizar una bsqueda exhaustiva en la
WEB, hemos seleccionado el PrestoPlot para ser usado en los cursos de laboratorios de
fsca bsica para hacer las regresiones de datos deseadas. Es una herramienta para crear
grficos 2D y realizar ajustes de datos no-lineares para plataformas Win32 (Windows
NT/95/98/00). Est inspirado en la herramienta Grace/xmgr, bien conocida en Unix. Es
simple de usar, y bastante potente. El PrestoPlot realiza ajuste de curvas mediante el
modo denominado juste"no lineal"; sin embargo ajustes lineales se pueden hacer en este
modo. En la figura 1 se ilustra un pantallazo de este software con el que se est realizando
el ajuste lineal de unos datos experimentales.

Figura 1
PrestoPlot es de libre uso y pertenece a la Universidad de Cornell. Puede obtenerse en el
siguiente sitio:

http://www.mbg.cornell.edu/Shalloway_Lab_Presto.cfm
La versin 1.0.4.0 puede puede bajarse haciendo cilc aqu. Una vez bajado se hace doble
clic sobre el icono y se instala automticamente. Se ejecuta haciendo doble clic sobre el
icono del .exe. Un sencillo tutorial lo puedes obtener aqu.

Distribucin Normal
Cuando hay fluctuaciones en la medida, en general se supone que el tratamiento
estadstico obedece la denominada distribusin Gaussiana o normal. Esta distribucin
se utiliza para interpretar muchos tipos de mediciones fsicas, en parte debido a que las
circunstancias mecnicas de muchas de stas guardan estrecha correspondencia con los
fundamentos tericos de dicha distribucin, y en parte porque la experiencia demuestra
que la estadstica Gaussiana si proporciona una descripcin razonablemente exacta de los
sucesos reales. Slo para otro tipo comn de mediciones fsicas es ms apropiada otra
distribucin : al observar fenmenos como la desintegracin radiactiva se debe emplear la
distribucin conocida como distribucin de Poisson la cual no se tratar aqu. Pero an
en casos como ste, la diferencia con la estadstica de Gauss resulta significativa slo para
muy bajos niveles de ocurrencia.
El uso extendido de la distribucin normal en las aplicaciones estadsticas puede
explicarse, adems, por otras razones. Muchos de los procedimientos estadsticos
habitualmente utilizados asumen la normalidad de los datos observados. Aunque muchas
de estas tcnicas no son demasiado sensibles a desviaciones de la normal y, en general,
esta hiptesis puede obviarse cuando se dispone de un nmero suficiente de datos,
resulta recomendable contrastar siempre si se puede asumir o no una distribucin normal.
La simple exploracin visual de los datos puede sugerir la forma de su distribucin. Un
mtodo grfico es el denominado anlisis del histograma; en ste, si el histograma
corresponde a una campana de Gauss se puede afirmar que la distribucin es Normal o
Gausiana (Fig. 1).

Figura 1
Un ejemplo para ilustrar sta distribucin: supngase que se hizo oscilar un pndulo
particular y se midi el tiempo de una sola oscilacin cincuenta veces , y se obtenindose
los resultados de la siguiente tabla (Tab. 1):
Tabla 1
PERIODO DEL PENDULO MEDIDO EN SEGUNDOS
3.12
3.18
3.25
3.32
3.62
3.33
3.30
3.42
3.33
3.28
3.15
3.12
3.17
3.18
3.20
3.18
3.58
3.52
3.35
3.33
3.27
3.02
3.00
3.32
3.00
3.35
3.63
3.15
2.97
3.15
3.27
2.90
3.18
3.18
3.28
3.28
3.17
3.45
3.18
3.27

3.32
3.27
3.20
2.98
3.38
3.08
3.38
3.27
3.20
3.37

Para ilustrar grficamente este proceso estadstico, se utiliza el denominado histograma ,

en el cual se representa la distribucin de frecuencias de las lecturas. La Tab. 2 est
organizada por frecuencias con intervalos de a 0.05 s. Cada x representa un valor que cae
dentro del intervalo sealado. Por ejemplo en el intervalo entre 3.11 s. y 3.15 s. cayeron 5
valores.
Tabla 2
INTERVALOS
2.90-2.95
2.96-3.00
3.01-3.05
3.06-3.10
3.11-3.15
3.16-3.20
3.21-3.25
3.26-3.30
3.31-3.35
3.36-3.40
3.41-3.45
3.46-3.50
3.51-3.55
3.56-3.60
3.61-3.65
3.66-3.70

x
xxxx
x
x
xxxxx
xxxxxxxxxxx
x
xxxxxxxxx
xxxxxxx
xxx
xx
x
x
xx

Si unimos los picos de las barras de la Tab. 2 se obtiene la Fig. 2,

Figura 2
La curva resultante se "asemeja a una campana", la cual se denomina campana de
Gauss . Ella es simtrica respecto al valor medio de la medicin. Esto, no se observa
claramente en este experimento (ver Fig. 2). La razn de esto, es que la regularidad de los
datos, y la simetra de la campana se logran, al ir aumentando sustancialmente el nmero
de estos.
En general la Gaussiana tiene la forma de la Fig. 1. Su pico est en el valor medio de la
magnitud medida . El parmetro
de la Fig. 2 , es la denominada desviacin estndar
de la distribucin. Una de las propiedades de la Gussiana, es que entre ms sea estrceha,
ms sube su pico y obviamente menor es la desviacin estndar, es decir menor es la
incertidumbre estadstica. Adems ella se acerca asintticamente a la lnea horizontal que
representa el valor de las medidas. El valor de la medida generalmente se reporta como
sigue:

Su interpretacin es la siguiente: si efectuamos una sla medicin con el equipo, sta tiene
una probabilidad del 68% de estar incluida en el inervalo
(geomtricamente el rea
bajo la campana de Gauss comprendida en ese intervalo, es el 68% del rea total).

Si el resultado se reportara como

(como de hecho se podra hacer), se
interpretara diciendo que si se efecta una medicin con el equipo , sta tendra una

probabilidad del 95% de caer en el intervalo

(el rea de la curva de la
Gaussiana comprendida en este intervalo es el 95% del rea total).
Cuando los datos se distribuyen de acuerdo a una campana de Gauss se dice que la
distribucin es Normal y la estadstica que se les aplica es la estadstica Gaussiana o
normal. En esta, el mejor valor estimado de la medida es su valor medio,

y la desviacin estndar es una buena estimacin de su incertidumbre,

Para el caso expuesto de la medicin del perodo del pndulo, cuyas medidas estn
reportadas en la Tab. 1, el resultado se debe escribir as,

Desviacin Estndar de la Media

Supngase que se realizan un gran nmero de experimentos, en cada uno de los cuales
se hacen N medidas de la cantidad y se computan sus valores medios . Despues de
analizar el histograma de los valores medios de esos experimentos, se encuentra que se
distribuyen normalmente alrededor del valor medio de los mismos (

). La desviacin

estndar de esos valores es denominado la desviacin estndar de la media

igual a,

y es

significa que si se encuentra la media

de N medidas de una cantidad

asegurar con el 68 % de confianza que este valor est en el rango

% que est en el rango

,se puede
y con el 95

En definitiva se considera mejor medida de la incertidumbre de la mejor estimacin de la

medida de una cantidad ,o sea , a la desviacin estndar de la media, por lo que el
resultado se reporta con un 65 % de confianza,

y con un 95 % de confianza,

En los laboratorios de enseanza de la Fsica General se acostumbra suponer que los

datos obedecen estadstica Gaussiana. Y esta es una suposicin sensata. El hecho es que
en una prctica en la mayora de los casos no hay suficiente tiempo para realizar los
histogramas correspondientes de los datos.

Mnimos Cuadrados
Supngase

que

se

tiene

una

coleccin

de

datos

experimentales

de los cuales se sospecha que al representarlos

grficamente, tratan de orientarse en lnea recta. Esto lleva a responder la siguiente
pregunta: Cul es la ecuacin de la lnea recta,
esa coleccin de datos?
Supongamos que la medida de los

,que mejor representa

es exacta ( o al menos con una exactitud muy alta

comparada con la exactitud de las medidas de las

) . Si la incertidumbre en

es

, esta ser igual a (ver Fig. 1),

Figura 1
Si se responde la pregunta planteada bajo el criterio de los mnimos cuadrados (es decir,
calcular los parmetros
y
), que minimicen la suma de los cuadrados de las

incertidumbres ,

y como condiciones de mnima

y
se llega a,

se omite aqu la demostracin del clculo de las incertidumbres en los parmetros

en donde,

siendo
la desviacin estndar en la medida de la variable calculada con el mtodo de
los mnimos cuadrados. Se est considerando que todas las medidas de tienen sta
misma incertidumbre.
Cmo actuar si las condiciones que se exigieron para obtener los anteriores resultados
no se cumplen?
Si las siguientes condiciones,
... las incertidumbres en las medidas de
son despreciables y adems las
incertidumbres en las medidas de son iguales,
no se cumplen, es necesario introducir en los clculos de los mnimos cuadrados las
llamadas "ponderaciones" ("pesos estadsticos") en la estadstica desarrollada. Aqu se

colocarn los resultados del caso en que las incertidumbres de las medidas de son
diferentes pero las incertidumbres en las medidas de son despreciables, sin entrar en el
detalle de las demostraciones respectivas.

donde,

y las incertidumbres en los parmetros

ADVERTENCIA
Los procedimientos matemticos para el ajuste de mnimos cuadrados son completamente
imparciales. Al emplear las ecuaciones obtenidas para el ajuste lineal, stas harn pasar
una lnea recta por cualquier conjunto de puntos, haciendo caso omiso por completo de s
una funcin rectilnea es la adecuada para nuestro modelo experimental. Es preciso poner
atencin para evitar el uso irreflexivo del mtodo de mnimos cuadrados. Esta advertencia
es tanto ms importante en una poca en la que, como se sabe, se pueden cargar en el
bolsillo maquinitas que realizan estos clculos tocando apenas unas cuantas teclas.