Apuntes de Arturo Quirantes Teora de errores

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.

Apuntes de Arturo Quirantes Teora de errores

Si se efecta una medida directa de una cantidad fsica, el valor medido x por lo general
diferir del valor exacto xo. Se denomina error absoluto (o simplemente error) de la medida a la
diferencia entre ambas cantidades: = x - xo. Coloquialmente, es usual el empleo del trmino error
como anlogo a equivocacin, accin desacertada, motivo por el que en tiempos recientes se ha
puesto de moda usar el trmino incertidumbre para aplicaciones de ciencia e ingeniera. Sin
embargo, y puesto que la Real Academia de la Lengua define tambin el error como diferencia
entre el valor medido o calculado y el valor actual, podremos hablar con propiedad de error y de
teora de errores.
Asociado al error absoluto, puede definirse el error relativo como el cociente /xo. El error
relativo resulta especialmente relevante porque nos relaciona el error cometido con el valor de lo
medido. Un error de 1 mm resulta excelente si se mide la longitud de una carretera de 100 km
(representa una desviacin de una parte en 108), adecuado si se mide una mesa de 2 m e inaceptable
si se mide una hormiga de 2 mm. En los tres casos el error absoluto es el mismo, pero su cercana
relativa al valor exacto son distintas.
Por lo general, el valor de una medida se da estimando su valor ms probable x y su error
x. Escribir x x significa que cabe esperar razonablemente que el valor exacto de la cantidad
valga cualquier valor entre x - x y x + x, con x como valor ms probable. La traduccin de "cabe
esperar razonablemente" al lenguaje matemtico queda fuera del presente desarrollo, pero se darn
algunos criterios en el apartado 2.
Atendiendo a su carcter, existen dos tipos de errores: sistemticos y accidentales. Los
primeros actan siempre de la misma forma para influir en la medida (por ejemplo, una balanza
desajustada que tiende a marcar una masa 8 gr superior a la real). Estas medidas, si se producen,
arrojan un error constante. Por contra, los errores accidentales son de carcter aleatorio, y se
presupone que actan con la misma frecuencia tanto con un signo como con el opuesto; esto es, se
tiene igual probabilidad de obtener una medida 5 gr superior al valor real como de obtenerla 5 gr
por debajo.
No se puede conocer el valor exacto de una cantidad puesto que siempre existen errores
(instrumentales, ambientales, humanos). Tampoco se puede conocer el valor exacto de un error,
puesto que depende de procesos aleatorios y generalmente incontrolables. Adems de ello, es una
contradiccin en sus propios trminos, pues conocer exactamente el error supone conocer
exactamente el valor de la cantidad xo, en cuyo caso, para qu necesitamos el error?. Sin embargo,
es preciso dar un valor de la medida con su error. La Teora de Errores deduce ciertas reglas para

Apuntes de Arturo Quirantes Teora de errores

ello, y siempre se basan en un supuesto esencial: un error nunca es algo exacto y bien definido, sino
tan slo una estimacin razonable.
Al medir, hemos de distinguir dos conceptos en apariencia sinnimos: precisin y exactitud.
La precisin est asociada con la sensibilidad del instrumento de medida, en tanto que la exactitud
relaciona la estimacin de la medida con su valor real. En una medicin precisa, las medidas estn
muy prximas entre s, pero no tienen por qu estar cerca del valor real; en una medicin exacta,
por el contrario, el promedio de las medidas se aproxima mucho al valor real, pero las medidas en s
pueden estar muy dispersas. Para entenderlo con un ejemplo, imaginemos un reloj digital capaz de
apreciar hasta la centsima de segundo. Dicho reloj es mucho ms preciso que un reloj de pulsera
que solamente aprecia hasta el segundo. Pero si el reloj digital atrasa, sus medidas sern poco
exactas. Para aumentar la precisin de un instrumento, hay que procurar que pueda medir
cantidades ms pequeas, o bien que pueda distinguir entre dos medidas muy cercanas entre s. Por
su parte, la exactitud aumenta cuanto mejor se calibra el instrumento respecto de patrones de
medida fiables, en nuestro caso sincronizando el reloj con seales horarias como las de Radio
Nacional1.

2 ERROR EN MEDICIONES DIRECTAS

2.1 Error estadstico asociado a un conjunto de medidas
Resulta prctica habitual realizar varias medidas de una cantidad. Ello permite prevenir en la
medida de lo posible los errores accidentales. La idea consiste en suponer (ms bien confiar) que los
errores accidentales se produzcan de forma aleatoria, con lo que tendremos medidas errneas tanto
en exceso como en defecto. Esto, es, si la medida exacta de la longitud de un objeto es 12,52 m, se
tiene igual probabilidad de medir 12,55 m que de medir 12,49 m.
Esto nos lleva a la realizacin de un conjunto de N mediciones sobre una misma cantidad:
x1, x2 xN obtenidas para una cantidad cuyo valor exacto es xo. Estas N medidas pueden ser
consideradas una muestra de todas las posibles mediciones que podramos hacer. Bajo condiciones

Tambin en Internet: http://tycho.usno.navy.mil/cgi-bin/anim o http://www.la-hora.es

Apuntes de Arturo Quirantes Teora de errores

muy generales puede demostrarse que el mejor estimador de la cantidad viene dado por la media
aritmtica de los valores medidos:
N

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

Apuntes de Arturo Quirantes Teora de errores

En el proceso hemos reducido artificialmente el valor del error, ya que cada error i, ha sido
elevado al cuadrado. El arreglo es inmediato: si hemos elevado al cuadrado, saquemos la raz
cuadrada para compensar:

1
N

i2
i 1

1 N
( xi x )2
2
N i 1

Este resultado, en apariencia poco riguroso, se aproxima bastante al aceptado habitualmente

para una medicin de N mediciones: el error asociado a un conjunto de medidas se representa
mediante la desviacin estndar de la media2:

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].

Apuntes de Arturo Quirantes Teora de errores

siguiendo la llamada distribucin de Gauss), una estimacin del tipo xo x N 1 significa que hay
una probabilidad del 68% de que el valor real de la medida xo est comprendido en el intervalo
[ x N 1 , x N 1 ] . Tambin pueden hacerse otras estimaciones. Por ejemplo, xo est comprendido
en el intervalo [ x 2 N 1 , x 2 N 1 ] con una probabilidad del 95,5% y en el intervalo
[ x 3 N 1 , x 3 N 1 ] con una probabilidad del 99,7%
2.2 Nmero de medidas
La desviacin estndar proporciona una estimacin de la incertidumbre originada por azar.
Por lo general, los errores aleatorios representados vienen representados por la cantidad N-1, que
como hemos visto puede escribirse como

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

Apuntes de Arturo Quirantes Teora de errores

observacin estadsticamente significativa? Hay diversos criterios. El que a continuacin se indica
no es necesariamente el mejor, pero resulta de fcil aplicacin.
Descartados los casos en que, por las caractersticas del experimento, solamente se pueda
obtener una medicin, el mnimo nmero de medidas admisible es de tres, ya que si hacemos una
sola medida cabe la duda de saber si ste resultado es el verdadero, y si hacemos dos resulta
arbitrario seleccionar entre ellas (est el valor exacto en un trmino medio, o hay una medida
afectada de error accidental y otra no?). As, pues, en primer lugar se realizan tres medidas.
A continuacin, se calcula el valor medio x3 y la dispersin total D3, que no es sino la
diferencia de los valores extremos (el valor ms alto menos el valor ms bajo). Tambin se calcular
la tasa de dispersin para esas tres medidas, expresada en tanto por ciento p: T3 100 D3 / x3 . El
subndice indica el nmero de medidas realizadas.
Si el valor de la dispersin es mayor que la sensibilidad del aparato S, se tomar dicha
sensibilidad como error. De lo contrario, habr que realizar ms medidas, tantas ms cuanto mayor
sea la tasa de dispersin calculada para las tres primeras medidas. El nmero de medidas, y el error
asignado, se obtendrn de la siguiente forma:
Valor de T3
Menor de 2%
Entre 2 % y 8%
Entre 8 % y 15%

N
3
6
15

Medida
x3
x6
x15

Estimacin del error

S (Sensibilidad del aparato)
Mximo de {D6/4, S}
N-1

Por lo general, si la tasa de dispersin es superior al 15% se suele descartar el conjunto de

medidas y repetir el experimento de manera ms cuidadosa, procurando minimizar cualquier tipo de
error (aparatos ms sensibles, muestras aisladas de las vibraciones, etc).
2.3 Datos anmalos: el criterio de Chauvenet
En habitual que, al realizar una serie de medidas, uno de los datos sea anormalmente distinto
de los dems. Pongamos por caso que se han efectuado las siguientes mediciones de una variable
cualquiera x: 3,8 / 3,5 / 3,9 / 3,9 / 3,4 / 1,8. El valor de la media es x=3,4 y el error es n-1=0,8. Es
evidente que el ltimo dato destaca entre los dems: 1,8 est a dos desviaciones estndar del valor
medio.

Apuntes de Arturo Quirantes Teora de errores

El primer impulso es pensar que algo ha salido mal en esa medida particular. Es posible que
la medida anmala se haya hecho en condiciones distintas: el instrumento era distinto o se us uno
diferente, se midi justo despus de un corte de luz, el experimentador estaba distrado, hubo una
corriente de aire, etc. Si tenemos motivos para sospechar que ha habido un error aleatorio
anormalmente alto, hay una justificacin a la hora de rechazar esa medida.
Obtener un valor tan alejado de la media es raro pero no matemticamente imposible.
Recordemos que el error que hemos calculado es slo vlido en un rango de confianza del 68%, lo
que significa que esperamos que la medida se encuentre en el rango [ x N 1 , x N 1 ] , pero
tambin significa que hemos de esperar que la medida caiga fuera de ese rango un 32% de las
veces, aproximadamente una de cada tres. De modo similar, la probabilidad de que la medida est
en el rango [ x 2 N 1 , x 2 N 1 ] es del 95,5%, as que la probabilidad de que caiga fuera ser del
4,5%, una vez de cada 22.
Para determinar cundo el dato de una medida anmala debe ser rechazado se usa el criterio
de Chauvenet. Supongamos que tenemos N mediciones de una cantidad x1, x2 xN, y que una de
ellas parece sospechosa por ser demasiado grande o demasiado pequea. Llamemos xan a ese valor
anmalo. A continuacin determinemos cuntas desviaciones estndar la separan del valor medio:

|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

Apuntes de Arturo Quirantes Teora de errores

P(Nde*)

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

El criterio ser el siguiente: si n es menor que 0,5 el dato es anmalo.

En nuestro ejemplo numrico anterior resulta un valor N de=2, lo que para N=6 medidas
arroja un valor de n=0,27. El dato x=1,8 es anmalo y debe ser rechazado. Para sustituirlo haremos
una nuva medida. Supongamos que el nuevo valor es x=3,5. Ahora el nuevo conjunto de valores
ser 3,8 / 3,5 / 3,9 / 3,9 / 3,4 / 3,5. El nuevo valor medio es x=3,7 y el error es n-1=0,2.
IMPORTANTE: el criterio de Chauvenet debe utilizarse solamente una vez en un conjunto de datos.
Si hay dos o ms medidas anmalas, todo el conjunto de medidas debe descartarse.
En general, el mtodo de Chauvenet solamente debe usarse cuando el experimentador tiene
motivos para sospechar que la anomala de un dato se debe a los mtodos de medida y no a causas
externas, pero no siempre es as. En los aos ochenta se descubri que la capa de ozono se haba
reducido en un 40% (casi la mitad) por efecto de los CFC; sin embargo, los datos obtenidos una
dcada antes por los satlites Nimbus 4 y 7 no indicaban ms que una cada minscula del 1%
Cuando esos mismos datos fueron reevaluados en 1986 se descubri un fallo en la programacin de
los satlites: sus ordenadores rechazaron los datos porque se crea que una cada tan grande en los
niveles de ozono se deban a un fallo de los instrumentos de medida. En ocasiones los datos
anmalos son la antesala de grandes descubrimientos, lo que no suele ser el caso de un laboratorio
de prcticas.

3 ERROR EN MEDICIONES INDIRECTAS. PROPAGACIN

A veces no se mide una cantidad directamente, sino por relacin con otras cantidades. Para
medir, por ejemplo, el rea de un rectngulo se miden sus lados a, b y se hace uso de la relacin
S=ab. Si tanto a como b tienen sus cotas de error, evidentemente tambin la superficie vendr
afectada de error. La forma en que el error de una cantidad derivada depende de las medidas y
errores fundamentales viene dado mediante la teora de la propagacin de errores.
Para ello se utiliza el clculo diferencial. Sea f una funcin que depende de n variables
independientes x1, x2, x3 xn (atencin: ahora xi no representa la medida i-sima de una misma

Apuntes de Arturo Quirantes Teora de errores

cantidad, sino la variable que representa la i-sima magnitud). Se puede obtener el valor del
diferencial de la funcin f a partir de los diferenciales de las variables xi por medio de un desarrollo
en serie de Taylor de derivadas parciales:

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:

Apuntes de Arturo Quirantes Teora de errores

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

nos expresa en cunto ha

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:

V (2780,38)2 (0,3)2 (498,76) 2 (0,06) 2 mm3

695748,62 895,54 mm3
834,65 mm3
Como puede verse, la contribucin al error total debida a r es mucho mayor que la de h,
lo que significa que para reducir el error del volumen es mucho ms eficaz reducir el error del radio
que el de la altura. El volumen es V = 17516,425 mm 3, lo que nos dara un valor experimental de V
= (17516,425 834,65) mm3. Esto, aun siendo matemticamente vlido, es incorrecto desde el
punto de vista de teora de errores, como se ver a continuacin.

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

Apuntes de Arturo Quirantes Teora de errores

dar 24.500 0,302 mm implica que el valor exacto ha de estar entre 24,198 y 25,802 mm; no
resulta razonable, ya que el error es algo que no transmite no tiene una seguridad absoluta, sino tan
slo una cierta probabilidad. Por ello, tanto el error como el valor ms probable han de venir
convenientemente redondeados.
Para redondear el error, suele bastar con dar una, a veces dos, cifras significativas (es decir,
cifras que dan informacin relevante). Los criterios habituales son los siguientes:
- Si la primera cifra que se descarta es un cinco o ms, la ltima cifra que se guarda se
aumenta en una unidad. Esto es, el valor 0,382 se convierte en 0,4 y no en 0,3
- Si la primera cifra significativa es inferior a 2, se toman la dos primeras cifras para el error.
De no ser as, se toma solamente una cifra. Segn eso, el error 0,113 queda convertido en 0,11, y el
6.488,24 se transforma en 6.000
- Una vez redondeado convenientemente el error, el valor de la medida se redondea hasta la
misma cifra decimal.
El primer criterio se debe a que, al redondear, estamos acercando una cantidad con muchos
dgitos a otra cantidad con un nmero de dgitos limitado; y esta segunda cantidad ha de ser lo ms
cercana a la primera. En el ejemplo, el nmero 0,382 est ms cercano a 0,4 que a 0,3, de forma
resulta ms lgico sustituirlo por 0,4.
En cuanto al segundo criterio, se basa en que cuando las primeras cifras son pequeas,
truncar y tomar slo las cifras significativas representa un cambio ms grande. Sustituir 0,8242 por
0,8 nos representa una alteracin del 3%; pero sustituir 0,1142 por 0,1 altera el resultado en ms de
un 14%, una cifra incmodamente alta. Esto nos lleva a tomar dos cifras significativas en lugar de
una, cuando sta es lo bastante pequea (este criterio es algo elstico; algunos autores propugnan
tomar dos cifras significativas cuando stas son inferiores a 10, o inferiores a 25).
Finalmente, el tercer criterio es coherente con la definicin de error en cuanto que
estimacin: si conocemos el error hasta cierto grado, eso nos limita automticamente nuestro
conocimiento sobre el valor de la medida.
Vanse unos cuantos ejemplos de redondeo correcto:

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

Apuntes de Arturo Quirantes Teora de errores

0,0183666

0,00782

0,018 0,008

5 AJUSTE LINEAL: MTODO DE LOS MNIMOS CUADRADOS

En un experimento tpico, se cambia el valor de una variable independiente x para observar
el comportamiento de otra variable y dependiente de la anterior; por ejemplo, el cambio de la
densidad del agua (y) con la temperatura (x). Cuando hacemos una representacin grfica y(x), la
curva obtenida tendr una cierta forma. En el laboratorio, al reproducir un experimento de este tipo,
deberamos obtener una grfica idntica a la arrojada por la teora.
En la prctica, la existencia de muchas fuentes de indeterminacin (no slo errores sino
tambin simplificaciones hechas en la propia teora, influencias de otros factores, etc.) hacen que
los datos experimentales no coincidan exactamente con la curva terica, sino que tiendan a
disponerse alrededor de sta. Surge entonces la pregunta de qu curva "ajusta" mejor los datos
experimentales. Con "ajusta" se quiere decir, no que la curva pase exactamente por todos los puntos
experimentales, sino que tienda a estar lo ms cerca posible de todos ellos en conjunto.
El ajuste de datos experimentales a curvas es extremadamente importante, no slo para
poder comparar con la teora, sino incluso para poder establecer la validez o no de la misma teora.
El caso general es complejo y laborioso, as que nos limitaremos a una curva en la que la
dependencia entre x e y es de tipo lineal, es decir, una recta. Supongamos que medimos diversos
pares de valores x - y: (x1,y1), (x2,y2) (xN,yN). Se trata de efectuar un ajuste lineal del tipo y = Ax +
B, y el criterio se basa en buscar los valores de A y B que hagan mnima la desviacin de los valores
observados respecto de los predichos por la recta, lo que se conoce como mtodo de los mnimos
cuadrados:
N

[ yi ( Axi B)]2 mnimo

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:

Apuntes de Arturo Quirantes Teora de errores

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

L . Esta es una recta cuya pendiente es A 2 / g , lo que nos permite

despejar el valor de la aceleracin gravitatoria g.

Apuntes de Arturo Quirantes Teora de errores

Otro ejemplo puede ser el caso de la descarga de un condensador. La diferencia de potencial
entre sus extremos puede obtenerse en funcin del tiempo como V Vo exp(t / ) , una relacin
exponencial. Tomando logaritmos, podemos obtener una relacin lineal del tipo LnV LnVo t / .
De ese modo, se convierte en un ajuste lineal con x = t, y = LnV, lo que nos da una recta con
coeficientes A = -1/, B = LnVo.
Sin embargo, que los puntos de un diagrama x-y parezcan formar una recta no significa que
realmente cumplan una ecuacin lineal. Es necesario introducir un coeficiente numrico que nos
indique si los puntos forman una recta, y en caso positivo, cunto se aproximan a ella; es decir, un
parmetro que nos de idea de la bondad del ajuste. Dicho parmetro, que recibe el nombre de
coeficiente de correlacin lineal, puede ser calculado como:
N

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.

r es tambin conocido como coeficiente de regresin, coeficiente de determinacin o coeficiente de correlacin

de Pearson. Asociado a l se define el coeficiente R2, numricamente igual al cuadrado de r.

Apuntes de Arturo Quirantes Teora de errores

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

Entre otros, podemos sealar los siguientes defectos:

1) Las escalas. Ni en el eje X ni en el Y aparecen las unidades utilizadas, ni se indica qu
magnitudes estn siendo representadas. Nunca deben indicarse en los ejes los valores
correspondientes a los datos experimentales. Eso deber ir en tabla aparte.
2) El origen de coordenadas. Hacer que el eje Y comience en 0 hace que la grfica quede
encajonada en la parte superior, impidiendo ver detalles. Es mejor ajustar el origen en ambos ejes
para que la curva se extienda por todo el rectngulo.
3) Las curvas. En el ejemplo, se supone que Serie 2 representa un conjunto de datos
experimentales, y Serie 3 la recta de mejor ajuste, pero la eleccin de colores y smbolos hace
imposible distinguir cul es cul. Por supuesto, sustituir Serie 2 por datos experimentales y
Serie 3 por ajuste lineal tambin hubiera ayudado. En cuanto a los smbolos, no deben ser ni tan
pequeos que no puedan verse, ni tan grandes que no puedan separarse. Lo mismo vale para las

Apuntes de Arturo Quirantes Teora de errores

rectas, tanto en lo que respecta al grosor como al color. Las rectas que representen ajustes lineales o
valores tericos no deben representarse con smbolos sino con rectas. Del mismo modo, los datos
experimentales suelen marcarse mediante smbolos; pueden acompaarse de lneas rectas o curvas,
pero no siempre ser conveniente por motivos de claridad.
4) El fondo. Qu necesidad hay de poner un fondo de color gris? Ninguno, salvo que as
aparece por defecto en las grficas de Excel. Tampoco es obligatorio dejar esas lnea horizontales
que indican valores de y=10, 20, 30, etc; considrese la posibilidad de aadir tambin lneas
verticales; o sustituir la lnea continua por una lnea de puntos; o cambiarle el color. O,
sencillamente, eliminarla.
5) El ttulo. O mejor dicho, la ausencia de ttulo.
6) El tamao. Habiendo espacio, por qu relegar la grfica a una pequea porcin del folio?
Vase como podra quedar la grfica anterior de forma ms clara:

Constantes elsticas: estudio esttico

70

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

Apuntes de Arturo Quirantes Teora de errores

(pendiente A, ordenada en el origen B, errores de ambos A y B, coeficiente de correlacin lineal
r), y sus unidades correspondientes.