Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Teoria de Las Mediciones
Teoria 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.
Bases y herramientas:
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
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:
y la unidad
Termmetro
anlogo
de
columna
de
alcohol
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:
Incertidumbre relativa =
donde
es la incertidumbre absoluta y
es el resultado de la medicin .
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
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.)
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
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.
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.
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:
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 .
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:
en este producto se han retenido cuatro cifras ms de las cifras significativas que debera
tener este resultado.
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,
sin embatrgo el resultado final slo se podra reportar con cinco cifras significativas,
Resultado: 29851x10
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,
donde se debe recalcar que la reduccin no puede variar las cifras significativas de la
medida.
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.
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.
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
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,
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
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
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
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
se mide
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
), 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
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,
.y que el valor de
debe estar en el
de la que se obtuvieron
dividida por el
factor
Es decir si se hacen
medidas de una cantidad
procedimientos) y se encuentran valores,
el valor de
se reporta as.
en lugar de
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:
), 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,
en donde
dada por:
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
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
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,
1-a
Figura 1
Ejemplo 3
1-b
Tabla 2
Masa m (Kg.)
Perodo P (s.)
13.02
13.07
13.10
El valor medio de
), a travs de la
que en el caso
donde
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.
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
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.
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.
:
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.
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
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.
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
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:
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:
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,
y
los resultados de la pendiente y del intercepto se reportan as,
Como
de aqu,
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
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 (
Figura 6
El modelo normal de su oscilacin (para ngulos pequeos) da la siguiente relacin,
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,
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
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,
donde
que al graficar
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:
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,
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
La bondad del ajuste viene dada por el valor del factor de correlacin
expresin:
dado por la
es 1.
en el caso
en el caso log-log.
Cmo calcular
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),
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,
82
17
18
85
30
30
es,
88
37
41
90
52
48
lo cual est de acuerdo con el valor aceptado del cero absoluto (-273 C.). Ver Figura 2.
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. .
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
x
xxxx
x
x
xxxxx
xxxxxxxxxxx
x
xxxxxxxxx
xxxxxxx
xxx
xx
x
x
xx
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).
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,
). La desviacin
y es
,se puede
y con el 95
y con un 95 % de confianza,
Mnimos Cuadrados
Supngase
que
se
tiene
una
coleccin
de
datos
experimentales
) . Si la incertidumbre en
es
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
se llega a,
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,
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.