Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEORA DE ERRORES
1 Nociones previas
2 Errores en mediciones directas
2.1 Error estadstico asociado a un conjunto de medidas
2.2 Nmero de medidas
2.3 Datos anmalos: el criterio de Chauvenet
3 Error en mediciones indirectas. Propagacin
4 Redondeo
5 Ajuste lineal: mtodo de los mnimos cuadrados
6 Representacin grfica
1 NOCIONES PREVIAS
Cuando se mide una cantidad, ya directa, ya indirectamente, la medida que se obtiene no
coincide necesariamente con el valor exacto de tal medida, ya que el resultado obtenido estar
afectado por multitud de factores. Algo en apariencia tan sencillo como cronometrar el perodo del
pndulo sufrir errores debidos a la precisin del cronmetro, los reflejos del cronometrador, las
corrientes de aire, el nmero de medidas efectuadas... errores que se propagarn a cualquier
cantidad derivada de sta que queramos determinar, como por ejemplo velocidad o aceleracin. Se
hace necesario, pues, estimar el error cometido al efectuar una medida o serie de medidas.
El conjunto de reglas matemticas dedicado a su estudio se conoce como teora de errores,
y resulta imprescindible tanto para sacar todo el partido posible a un conjunto de datos
experimentales como para evaluar la fiabilidad de stos. El estudio de la teora de errores es una
rama aparte de la matemtica por derecho propio. El lector queda avisado de que lo que sigue es tan
slo un compendio breve de las reglas fundamentales ms usadas en el mbito de la teora de
errores.
xi
x1 x2 ... xN
i 1
x
N
N
A cualquier medida xi se le puede adjudicar un error i igual a la desviacin respecto al
diferencia entre dicha medida y el valor medio: i xi x . Cul es, entonces, el error asociado al
conjunto de medidas? Puede hacerse un primer intento y definir el error medio como el promedio
aritmtico de los errores (su suma dividida por N); sin embargo, se demuestra fcilmente que dicha
cantidad es nula sea cuales sean los valores xi:
N
i
i 1
( xi x )
i 1
xi
i 1
N
Nx
xx 0
N
Este resultado, paradjico en apariencia, no es ms que un reflejo del significado del trmino
valor medio: algunos valores xi sern mayores que el valor medio, y otros sern menores. Puesto
que los errores pueden serlo por exceso o por defecto, un segundo intento puede ser definir error
promedio como la media aritmtica de los valores absolutos de los errores.
La estadstica nos permite obtener un estimador ms correcto del error. Aqu vamos a
obtenerlo mediante una deduccin razonable. Dicha deduccin se basa en el siguiente
razonamiento. Puesto que el valor medio de los errores sale cero porque dichos errores tienen signo
(los valores medidos estn por encima o por debajo del valor medio) hemos de eliminar el signo,
por ejemplo, mediante un valor absoluto. Sin embargo, la funcin valor absoluto es engorrosa e
incmoda desde el punto de vista analtico. Existe otra manera de convertir cualquier nmero real
en un valor positivo: elevndolo al cuadrado. As que podramos usar como error del conjunto de
medidas el valor medio de los cuadrados de los errores:
1 N 2 1 N
i ( xi x ) 2
N i 1
N i 1
1
N
i2
i 1
1 N
( xi x )2
2
N i 1
N 1
N
1
( xi x ) 2
N ( N 1) i 1
Puede verse fcilmente que el cociente entre las dos cantidades N-1/ N es igual a la raz
cuadrada de (N-1)/N, cantidad que tiende a la unidad para valores de N crecientes. En la prctica,
dicha diferencia resulta poco relevante, ya que la operacin de redondeo borra las diferencias entre
ambos errores. Por ejemplo, para el conjunto de datos (51,00, 51,00, 51,50, 52,50, 52,00, 50,50,
53,50), se obtienen valores x =51,71428, N=0,95831 y N-1=1,035099. Sea cual sea el error que se
considere, los datos arrojaran un valor final de 52 1, ya que tanto la medida como el error habrn
de ser redondeados, como se ver en su momento. Nunca hay que olvidar que cualquier valor de
error ser simplemente una estimacin del error probable, no un valor exacto.
La desviacin estndar N-1 es una estimacin razonable de los errores aleatorios asociados
con un conjunto de medidas en el supuesto de que no haya errores de otro tipo (particularmente,
errores sistemticos). En el caso de que las medidas xi estn distribuidas de forma normal (es decir,
[El proceso de obtencin de la ecuacin (5) es bastante ms elaborado que lo aqu mostrado. En esencia, puede
demostrarse que bajo condiciones muy generales, los puntos xi forman una funcin de distribucin en forma de
campana llamada funcin de distribucin de Gauss, o simplemente funcin gaussiana. La llamada desviacin cuadrtica
media Sx nos da una estimacin de la anchura de dicha campana. Esto significa que una medida xi dada tiene una cierta
probabilidad de que su diferencia respecto al valor real sea menor que Sx, es decir, Sx nos estima el error cometido al
hacer una medida. Si, por el contrario, tomamos no una sino N mediciones x1xN, puede demostrarse que una
estimacin de la incertidumbre asociada al conjunto de medidas vendr dado por Sx/N1/2, es decir, N. El motivo de tomar
N-1 en el denominador de la ecuacin (5), en lugar de N, se debe a que las ecuaciones (3) y (4) son rigurosamente
ciertas slo si x fuese el valor exacto de la medida, en lugar de una estimacin basada en el valor promedio].
N 1
N
1
1
( xi x ) 2
N ( N 1) i 1
N
N
S
1
( xi x )2 x
( N 1) i 1
N
donde Sx (el error cuadrtico medio) representa el error tomado al hacer una medicin, y depende de
la funcin de distribucin de las medidas, en tanto que N-1 nos estima el error al hacer un total de de
N medidas. La ecuacin (6) puede leerse como N 1 S x / N , esto es, nuestra estimacin del error
N-1 disminuye de forma proporcional a la raz cuadrada de N, de modo que en principio podramos
disminuir dicho error efectuando cada vez ms mediciones. Es evidente, no obstante, que no se
puede esperar una reduccin del error a valores arbitrariamente pequeos sin ms que aumentar el
nmero de medidas, ya que nos encontraremos en ltima instancia con errores sistemticos, lmites
en la sensibilidad del aparato, etc.
Consideremos, por ejemplo, el conjunto de medidas (10,0, 10,0, 10,1, 10,0, 10,0) mm
medidos con una regla milimetrada hasta 0,1 mm, que nos arrojara un valor de 10,02 0,04 mm.
Esto no tiene sentido, puesto que la propia regla ya nos introduce una limitacin de 0,1 mm. Con el
aumento del nmero de medidas aumenta la verosimilitud, pero no el nmero de cifras
significativas del resultado.
Si se hacen pocas determinaciones, el valor obtenido para la cantidad medida podr estar
afectado por importantes errores; si se efectan demasiadas medidas, se est derrochando esfuerzo
sin obtener mejoras sustanciales en precisin. Cul es el nmero N de medidas adecuado para una
N
3
6
15
Medida
x3
x6
x15
|x x|
N de = an
N1
El nmero de medidas anmalas que podemos esperar es igual a:
n=N[1P( N de)]
donde N es el nmero de medidas y P(N de*) es la probabilidad de que un valor se diferencie de la
media en Nde desviaciones estndar. Supuesto que las medidas sigan una distribucin normal, esa
probabilidad puede obtenerse de las tablas numricas. Para simplificar el proceso aqu
consideraremos solamente valores de Nde a partir de 1,5 desviaciones estndar, es decir, Nde*1,5
(esa es una limitacin que no aparece en el criterio de Chauvenet pero la exigiremos aqu con el fin
de simplificar el tratamiento de datos). He aqu algunos valores numricos:
Nde
1,5
1,6
1,7
1,8
1,9
2,5
0,866
0,890
0,912
0,928
0,943
0,955
0,988
0,997
0,9999
1-P(Nde*) 0,134
0,110
0,088
0,072
0,057
0,045
0,012
0,003
0,0001
df
n
f
f
f
f
dx1
dx2 ...
dxn
dxi
x1
x2
xn
i 1 xi
Podemos interpretar, desde el punto de vista fsico, cada derivada parcial como una cantidad
que nos cuantifica el cambio (infinitesimal) en la variable f cuando la variable xi vara en una
cantidad infinitesimalmente pequea. Siguiendo nuestra interpretacin, las variables xi son las
cantidades que medimos de forma directa y la funcin f es la cantidad que pretendemos medir
indirectamente (el volumen de un cuerpo, por ejemplo). Si los errores de las cantidades xi son lo
suficientemente pequeos, podemos considerarlos como infinitesimales, con lo que tendramos la
asociacin dxixi, y por tanto dff. Eso nos dara una estimacin de f como:
N
f
f
f
f
f
x1
x2 ...
xn
xi
x1
x2
xn
i 1 xi
donde la cantidad (f/xi)xi nos representa la contribucin de la cantidad xi al error total. Las
derivadas parciales de la ecuacin (8) se toman en valor absoluto, ya que de otro modo unos errores
podran cancelarse con otros, lo que por lo general no tenemos asegurado que suceda.
Sin embargo, y puesto que los errores s suelen cancelarse (si no totalmente, al menos
parcialmente), la ecuacin (8) nos sobreestima el error que, en la prctica, vamos a encontrarnos.
Una estimacin de f ms razonable puede obtenerse mediante un segundo desarrollo:
2
n
n f
2
f
df
dxi
dxi
i 1 xi
i 1 xi
donde hemos supuesto que las variables xi son independientes y no relacionadas entre s
(matemticamente, se dira que la covarianza entre xi y xj es nula para i j). As pues, y asumiendo
una estimacin del error como dxi N-1(xi), podemos modificar la estimacin de f y obtener
finalmente:
f
f
f
2
2
2
f
(x1 )
(x2 ) ...
(xn )
x
1
2
n
Es decir, la suma de la ecuacin (8) se reemplaza por la suma cuadrtica de la ecuacin (10).
Usaremos esta ltima forma, aunque ambas son estimaciones razonables de error. En cualquier
caso, tngase en cuenta que cada trmino del tipo (f/xi)xi
contribuido la incertidumbre en xi al error final f, lo que nos indica qu cantidades habra que
medir con mayor precisin para reducir la incertidumbre en la cantidad indirecta medida.
Veamos un ejemplo. Supongamos que se mide el radio r y la altura h de un cilindro,
obteniendo un volumen V=r2h. En tal caso, f=V, x1=r, x2=h y se tendra:
V
V
V
r 2
h 2 (2 rh)2 r 2 ( r 2 )2 h 2
r
h
Para los valores r = 12,6 0,3 mm, h = 35,12 0,06 mm obtendremos:
4 - REDONDEO
El error en s es algo aproximado. Dar un valor de 24,50.3 mm. significa esperar, con un
grado de certeza razonable, que el valor verdadero sea alguna cantidad entre 24,2 y 24,8 mm. Pero
Medicin
464,2413
6,03
46.288
3,218
Error
0,061
0,0005
1.553
0,124
Resultado final
464,24 0,06
6,0300 0,0005
46.300 1.600
3,22 0,12
0,00782
0,018 0,008
i 1
La condicin (11) se basa en algunas hiptesis simplificadoras que no detallaremos.
Imponiendo condiciones de mnimo, puede demostrarse que los valores de A, B que cumplen la
ecuacin (11) vienen dados mediante las siguientes expresiones:
i 1
i 1
i 1
N ( xi ) xi
i 1
i 1
N
N xi yi xi yi
N
i 1
i 1
( xi )2 yi xi xi yi
i 1
i 1
N ( xi ) xi
i 1
i 1
N
Los errores de la pendiente (A) y la ordenada en el origen (B) pueden asimismo calcularse
como:
N
A
N 2
( yi Axi B) 2
i 1
2
N
N ( xi ) xi
i 1
i 1
N
( x )2
B i
N 2
( yi Axi B )2
i 1
2
N
N ( xi ) xi
i 1
i 1
N
( xi )2
N
Un ajuste lineal puede asimismo servir como punto de partida para efectuar otro tipo de
ajustes. Consideremos, por ejemplo, el perodo de un pndulo. Si efectuamos mediciones del
perodo T de varios pndulos de distinta longitud L, la teora nos dice que la relacin T - L no es
lineal: T 2 L / g . Sin embargo, si tomamos la raz cuadrada de la longitud L1/2 como variable
independiente (x) y el perodo T como variable independiente (y), podemos establecer una relacin
lineal T 2 / g
i 1
i 1
N xi yi xi yi
i 1
N
N ( xi ) xi
i 1
i 1
N
N
N ( yi ) yi
i 1
i 1
N
El coeficiente r tiene un valor absoluto entre 0 y 1 (su signo es igual al signo de la pendiente
A), el cual nos indica la bondad del ajuste lineal, de tal modo que r=1 indica una recta perfecta.
Conforme el mdulo de r se aleja de la unidad, la bondad del ajuste disminuye. Como regla
aproximada, podramos decir que |r| 0,95 nos indican un buen ajuste; un valor de |r| inferior a 0,85
apenas resulta aceptable3.
Es muy importante recordar que valores de |r| bajos no indican que los puntos no estn
correlacionados, sino que no existe correlacin lineal (los puntos pueden seguir otro tipo de curva:
polinmica, exponencial, gaussiana). Asimismo, el criterio para definir cundo un valor de r
indica un buen ajuste depende crticamente del nmero de puntos que hemos tomado para el
diagrama x - y. Un valor de r = 0,5 es inaceptable para un conjunto de 6 puntos, pero representa un
buen ajuste en un conjunto de 50 puntos. Por lo general, se recomienda un valor mnimo de N = 6
puntos (xi,yi) para considerar aceptable un ajuste por mnimos cuadrados.
6 REPRESENTACIN GRFICA
Una grfica es una forma cmoda de representar datos. Permite visualizarlos en forma
global y pone en relieve los datos que puedan haberse obtenido incorrectamente. Sin embargo, no
siempre se hace de modo correcto. A veces la grfica no puede verse por su pequeo tamao, los
ejes no tienen unidades o los colores inducen a la confusin. El uso de hojas de clculo empeora
este problema, ya que a menudo el estudiante se limita a copiar y pegar la grfica tal cual, sin
molestarse en adaptarla para su visualizacin correcta. Y una grfica que no puede verse bien falla
en su funcin principal.
He aqu un ejemplo de grfica incorrecta:
80
70
60
50
40
Columna C
Columna D
30
20
10
0
1
10
Fuerza (N)
60
Datos experimentales
Recta de ajuste
50
40
1
10
Elongacin (m)
Se anima al alumno a que pruebe con cualquier otra combinacin de colores, tipos de letra,
smbolos, etc, que considere ms adecuados. Eso s, siempre habr de atenerse a los principios que
deben regir la forma de toda grfica: claridad, precisin, complitud. En el caso de que haya que
realizar algn ajuste por mnimos cuadrados, no olvide indicar claramente los parmetros obtenidos