Arturo Figueroa Montac3b1o Introduccic3b3n A La Metodologc3ada Experimental PDF

Introduccin
a la m etodo lo ga experim ental

Primera ed icin
Arturo Figueroa Montao

Departamento de Fsica
Centro Universitario de Ciencias Exactas
e Ingenieras CUCE1 -
Universidad de Guadalajara
Hermes U lises Ramrez Snchez

Jaime Alcal Gutirrez
Instituto de Astronoma y Meteorologa
Departamento de Fsica
Centro Universitario de Ciencias Exactas
e Ingenieras - CUCEI
Universidad de Guadalajara
Revisin tcnica
Alm a Leticia Rodrguez Domnguez
Jos N ieves Carrillo Castillo
D ep artam en to d e F sica
C en tro U niv ersitario d e C ie n c ia s E x actas
e In g en ieras - C U C E I
U niversidad de G u a d a la ja ra
PEARSON
f 3atos de catalogacin bibliogrfica
FIGUEROA M O N T A N O , ARTURO;
RAM REZ S N C H E Z . HERM ES ULISES
Y ALCAL G U TIRREZ, J AI ME
Introduccin a la m etodologa experim ental

IVimera edicin
PEARSON ED U CACI N , M xico, 2014

ISBN: 978-607-32-2222-8
rea: C iencias
fo rm ato : 185 x 2 3 5 c m Pginas: 168
Todos los derechos reservados
Edicin en espaol
Direccin General: Philip De la Vega
Direccin Educacin Superior: Mario Contreras
Editora Sponsor: Gabriela Lpez Ballesteros
e-mail: gabriela.lopezballesteros@pearson.com
Editor de desarrollo: Felipe Hernndez Carrasco
Supervisor de produccin: Juan Jos Garca Guzmn
Gerencia Editorial Educacin
Superior Latinoamrica: Marisa de Anta
PRIMERA EDICIN, 2014
D.R. O 2013 por Pearson Educacin de Mxico, S.A. de C.V.

Atlaeomulco 500-5to. piso
Industrial Atoto, C.P. 53519
Naucalpan de Jurez, Edo. de Mxico
e-mail: editorial.universidades@pearsoned.com
Cmara Nacional de la Industria Editorial Mexicana Reg. Nm. 1031
Reseados todos los derechos. Ni la totalidad ni parte de esta publicacin pueden reproducirse, registrarse o
transmitirse, por un sistema de recuperacin de informacin, en ninguna forma ni por ningn medio, sea electrnico,
mecnico, fotoqumica, magntico o electroptico, por fotocopia, grabacin o cualquier otro, sin permiso previo por
escrito del editor.
El prstamo, alquiler o cualquier otra forma de cesin de uso de este ejemplar requerir tambin la autorizacin del
editor o de sus representantes.
ISBN VERSIN IMPRESA: 978-607-32-2222-8

ISBN E-BOOK: 978-607-32-2221-1
ISBN E-CHAPTER: 978-607-32-2220-4
Impreso en Mxico. Printcd in Mxico.

1 2 3 4 5 6 7 8 9 0 - 16 15 14 13
PEARSON
www.pearsoncnespaftol.com
Introduccin
Un aspecto fundamental en la formacin de quienes se interesan por ejercer una profe
sin orientada a la ciencia y a la tecnologa es el desarrollo de ciertas habilidades en la
medicin e interpretacin de los parmetros obtenidos en procesos experimentales o
industriales. Asimismo, debern aprehender los conocimientos y las herramientas nece
sarias para el anlisis de datos, la elaboracin de reportes de investigacin y el desarrollo
de nuevos experimentos, modelos y procesos, con el propsito de hacer ms eficientes
los ya existentes. En consecuencia, es necesario destacar la importancia del mtodo ex
perimental para el desarrollo cientfico que no es solamente una herramienta de investi
gacin, sino una actitud del individuo ante cualquier fenmeno que se presente en la
naturaleza.
Inherente a todo proceso experimental, el error debe someterse a una cuidadosa se
leccin de la instrumentacin mediante la aplicacin de tcnicas de medicin, el anlisis
de datos y la aplicacin de procesos estadsticos que coadyuven a la minimizacin del
error experimental. Como parte de la solucin a estos problemas se propone el estudio
de la metodologa experimental. Este libro tiene como finalidad ofrecer una gua para
todos aquellos que se introducen ai estudio de la misma; la exposicin de los temas de
forma prctica y concisa facilitar la comprensin de los mtodos y procesos analticos
aplicados al desarrollo de experimentos.
La presente obra est dividida en cinco captulos. En el captulo 1 se presenta una
descripcin detallada del origen y desarrollo del pensamiento cientfico, desde sus ini
cios en la antigua Grecia como el pensamiento filosfico que ha dado forma a la civili
zacin occidental; adems, se expone la definicin de los conceptos ciencia, mtodo,
m todo cientfico, m odelos, entre otros.
El tema principal del captulo 2 es la definicin de variable, ya que es preponderan
te para un estudio cientfico cuantificar las magnitudes fsicas que intervienen en el fen
meno a estudiar; por ello, los procesos de medicin son fundamentales para cualquier
actividad cientfica. Una falla en el anlisis de los errores, ya sea en las ciencias aplica
das o en las bsicas, implica consecuencias lamentables. En los procesos de medicin, el
valor obtenido no siempre coincide con el valor real de cierta magnitud. Para comprobar
una teora, caracterizar un producto o determinar las propiedades de un objeto, es nece
sario estimar la variacin del valor m edido con respecto al valor real. La teora de errores
se encarga de estimar tal desviacin.
En el captulo 3 se examina el concepto de inccrtidumbrc en las mediciones y su
evaluacin en relacin con los resultados experimentales, as com o su propagacin y
algunos mtodos para determ inar la inccrtidumbrc en funcin de una o ms variables. En
experimentos donde se obtiene una gran cantidad de datos es recomendable presentar los
resultados en una grfica y en este captulo se ensea cm o elaborarlas c interpretarlas
adecuadamente.
Introduccin
En el captulo 4 se presenta un anlisis de los datos basado en descripciones estads

ticas, cuyo propsito es validar y clarificar las mediciones y los resultados experimenta
les. Esta tcnica se utiliza tanto para los datos agrupados como para los no agrupados.
Finalmente, cualquier trabajo cientfico debe expresarse de manera que pueda darse
a conocer pblicamente. Una investigacin concluye con un reporte cientfico y el cap
tulo 5 est dedicado a su elaboracin: se presentan las caractersticas que tienen que
cum plir un reporte de prctica de laboratorio, un informe tcnico y un artculo cientfico.
El campo cientfico se ha diversificado y no es posible establecer un solo mtodo
experimental plausible para definir el estudio de la ciencia: es decir, son tantas las reas
del conocimiento, que es necesario que cada investigador o grupo de investigadores de
sarrollen perfiles propios para validar sus experimentos en cada proceso particular. Es
fundamental tener siempre en consideracin que el m todo cientfico debe regir el desa
rrollo de la ciencia en cualquier mbito.
Contenido
In troduccin ...
1 M etodologa de las ciencias exp erim en tales..............................................1

Origen de la cien cia...................................................................................................................................1
Concepto, objetivos e intereses de la ciencia....................................................................................... 4
Creencia y conocim iento............................................................................................................... 4
Subjetivismo y lenguaje privado..................................................................................................5
Ciencia...............................................................................................................................................5
El mtodo cientfico.......................................................................................................................5
M odelos.......................................................................................................................................... 11
B ibliografa................................................................................................................................... 21
2 M edicin de variables y errores de m ed icin ......................................... 23

Introduccin............................................................................................................................................. 23
Conceptos generales...............................................................................................................................23
Variable.......................................................................................................................................... 23
M edicin........................................................................................................................................25
Trazabilidad de los resultados.................................................................................................... 26
Precisin a 26
Exactitud........................................................................................................................................ 26
E rror................................................................................................................................................27
Errores durante el proceso de medicin.............................................................................................. 27
De dnde provienen los errores en las m edidas?.............................................................................27
Cifras significativas y redondeo............................................................................................................29
Suma y resta con cifras significativas........................................................................................ 31
Multiplicacin y divisin con cifras significativas................................................................. 31
Redondeo........................................................................................................................................ 31
C ontenido
Notacin cientfica.................................................................................................................................. 32
Sistema internacional de unidades (SI)................................................................................................33
Mltiplos y submltiplos del S I................................................................................................. 36
Unidades fuera del S I.................................................................................................................. 36
El sistema cegesimal de unidades.........................................................................................................37
Ejercicios........................................................................................................................................38
B ibliografa....................................................................................................................................39
Incertidum bre en las m ediciones y evaluacin

de resultados experim entales...................................................................... 41
Introduccin............................................................................................................................................. 41
E rro r..........................................................................................................................................................41
Incertidumbre........................................................................................................................................... 41
Propagacin de incertidumbre.................................................................................................... 43
Mtodo general para la determinacin de la incertidumbre en funciones de una variable
utilizando clculo diferencial................................................................................................47
Incertidumbre en funciones de dos o ms variables............................................................... 49
Mtodo general para determinacin de la incertidumbre en funciones
de dos o ms variables............................................................................................................ 50
Anlisis grfico de los resultados.........................................................................................................55
Representacin de la incertidumbre en las grficas............................................................... 55
Las grficas.....................................................................................................................................55
Grficas en calculadoras y com putadoras................................................................................58
Coeficiente de correlacin...........................................................................................................60
Construccin de diagramas de dispersin................................................................................61
Ajuste de datos a funciones matem ticas................................................................................. 63
Ajuste de rectas........................................................................................................................................66
Mtodo de pares de puntos......................................................................................................... 67
Mtodo de los mnimos cuadrados a*.........70
Anlisis dimensional...............................................................................................................................74
Dimensin de una magnitud........................................................................................................74
Teorema de Buckingliam ............................................................................................................76
Cambio de unidades..................................................................................................................... 79
B ibliografa....................................................................................................................................83
C ontenido vil
4 Anlisis descriptivo de los datos............... 85

Introduccin............................................................................................................................................. 85
Trminos com unes utilizados en estadstica.......................................................................................86
Estadstica descriptiva.............................................................................................................................87
Inferencia estadstica..............................................................................................................................87
Tcnica de muestreo................................................................................................................................ 88
Mitos de la estadstica.............................................................................................................................89
Requisitos para aprender estadstica.........................................................................................90
Lenguaje matemtico 90
Parmct ros estad sticos.......................................................................................................................... 91
Medidas de tendencia central..................................................................................................... 91
Medidas de dispersin................................................................................................................. 92
Distribucin de frecuencias.................................................................................................................. 97
Variables num ricas.....................................................................................................................97
Variables no numricas ............................................................................................................105
Representacin grfica de una distribucin de frecuencias (datos no num ricos) 106
Estadstica descriptiva para datos agrupados....................................................................................108
Medidas de tendencia central....................................................................................................108
Medidas de dispersin................................................................................................................112
Varia nza........................................................................................................................................ 112
Ejercicios...................................................................................................................................... 115
Bibliografa 117
5 Elaboracin del inform e de trabajo experim ental..............................119

Introduccin............................................................................................................................................119
Estructura de un reporte de prctica de laboratorio......................................................................... 120
Estructura de un informe tcnico........................................................................................................121
Parte inicial...................................................................................................................................122
Cuerpo del inform e.................................................................................................................... 123
Anexos 124
Parte fin a l..................................................................................................................................... 125
Estructura de un informe y/o artculo cientfico.............................................................................. 126
Portada...........................................................................................................................................126
Resum en....................................................................................................................................... 127
Introduccin.................................................................................................................................128
viii C ontenido
Estructura general........................................................................................................................128
Extensin......................................................................................................................................128
Citas bibliogrficas............................................................................................................................... 129
Materiales y m todos............................................................................................................................ 129
Sujetos o unidades de observacin......................................................................................... 130
Aparatos o instrumentos............................................................................................................ 130
Procedimientos............................................................................................................................ 131
Diseo ......................................................................................................................................... 131
Observacin sistem tica............................................................................................................ 132
Resultados...............................................................................................................................................133
Texto.................................................................... ......................................... ............................134
Tablas y figuras............................................................................................................................ 134
Recomendaciones....................................................................................................................... 135
D iscusin................................................................................................................................................ 135
Sugerencias................................................................................................................................. 136
Agradec m ientos....................................................................................................................................137
Referencias bibliogrficas.................................................................................................................... 137
C uadros................................................................................................................................................... 138
Ilustraciones............................................................................................................................................139
Pies o epgrafes de las ilustraciones....................................................................................... 139
Presentacin del texto...........................................................................................................................139
Integracin del inform e.........................................................................................................................140
Abreviaturas, nmeros y sistema m trico......................................................................................... 142
Abreviaturas a* 142
N m eros....................................................................................................................................... 142
Sistema de m edidas.................................................................................................................... 142
Consideraciones de e s tilo .................................................................................................................... 143
Estilo general de redaccin.......................................................................................................143
Gramtica y ortografa...............................................................................................................143
Voz y tiempo de los verbos.......................................................................................................143
El estilo segn George O rw ell................................................................................................ 144
Escribir, rccscribir y volver a rccscribir........................................................................................... 144
Aprender a escribir..................................................................................................................... 144
Presentacin del manuscrito a la revista.................................................................................145
Publicacin previa y duplicada................................................................................................ 145
Manuscritos electrnicos........................................................................................................... 146
C ontenido ix
Revisin de la bibliografa........................................................................................................ 146

Artculos de revistas................................................................................................................... 147
Scicntific Citation Index............................................................................................................ 147
Libros de texto............................................................................................................................. 147
B ibliografa...................................................................................... 147
Bibliografa general................................ - ...........................................................148

C A P T U L O 1
Metodologa de las ciencias

experimentales
Origen de la ciencia
La ciencia surge en el momento en que el hombre comienza a buscar el porqu de las
cosas, la verdad, a partir del supuesto de que nada ocurre al azar. Esta bsqueda de la
verdad se refleja en la trascendencia de nuestras preguntas y en la profundidad de nues
tras repuestas.
El crecimiento individual conlleva el avance de la especie, mientras que el cmo
despierta la curiosidad impulsiva de cada ser humano. Los grandes imperios promovan
el conformismo y la supresin de ideas; eran sociedades tradicionalistas poco dispuestas
a adoptar innovaciones. Sin embargo, haba ciertas personas que crean que todo estaba
hecho de tomos, que los seres humanos y los anim ales procedan de formas ms sim
ples, que las enfermedades no eran causadas por demonios o por dioses, que la Tierra no
era ms que un planeta que giraba alrededor del Sol, entre otras ideas. Con este cambio
de perspectiva naci la idea de que podran existir principios, fuerzas y leyes en la natu
raleza que permitieran comprender el mundo sin atribuir a los dioses lo sucedido. La
inquietud por el conocimiento y la exploracin del medio provoc la bsqueda de una
explicacin lgica acerca de los fenmenos naturales. Esta forma de pensamiento inici
entre los aos 600 y 400 A C .
La antigua ciudad griega de Mileto fue el escenario de los primeros indicios de
cambio en la forma tradicional de percibir el mundo. Todos los pueblos del Mediterrneo
concurran al intercambio de mercancas, lo que influa tam bin en el intercambio de
ideas y nuevos conocimientos adquiridos por los filsofos de la poca; por ejemplo.
Tales de Mileto vea en el agua el principio del ser, la verdadera sustancia de todas las
cosas; Anaximandro de Mileto escribi su libro filosfico del cual se conserva el frag
mento; El origen de las cosas es lo indefinido (peiron), de donde surgen las cosas (tisis)
segn el orden del tiempo; Herclito de feso con su especulacin Yo me busqu a m
mismo tropieza con el elemento fundamental de la vida espiritual, el lagos, que en
griego significa razn, pensamiento y palabra, al mismo tiempo. Pitgoras de Samos
deca que el principio fundamental de la ciencia y de la filosofa eran los nmeros, esen
cia de todas las cosas. A Parmnides de Elea, en materia de filosofa de la ciencia, se le
debe la importancia de la diferencia entre la percepcin sensible y el pensamiento. Para
Empdocles de Agrigento la concepcin del mundo era un dualismo, es decir, existan
1
C aptulo 1 M etodologa de las ciencias experim entales
dos mundos: el de los sentidos o terreno y el suprasensible o celeste. Demcrito de Ab-

dera, por su parte, fue un personaje influido por la misma pasin de conocimientos que
Anaxgoras de Clazomene, pues dedic toda su vida a la filosofa, adems elabor una
Teora del conocimiento donde se distingue entre el conocim iento oscuro de la percep
cin sensible y el conocimiento autntico, fruto del pensamiento. Protgoras de Abdera
tiene un escrito que aborda el concepto de verdad y un subttulo de su obra es discursos
derrbadores, tomado de las escuelas de lucha atltica. A su vez. Scrates de Atenas,
busc la verdad: as, tras la costumbre busc la moralidad, tras el derecho la justicia. los
principios de un orden social tras el Estado y la divinidad detrs de los dioses. Platn de
Atenas con sus esfuerzos de renovacin poltica, poco a poco lleg a una reconstruccin
de toda la filosofa; mientras que Aristteles de Atenas, con su incomparable universalis
mo, intent organizar en su sistema filosfico todo el saber de la poca y, con ello, cul
minar la investigacin de la realidad.
Gran parte de Europa perdi contacto con el conocimiento escrito despus de la
cada del Imperio romano de Occidente (476 D.C.) y entonces dio inicio la Edad Media.
Este largo periodo de estancamiento, conocido como Edad Oscura, se caracteriz por
una notable paralizacin del pensamiento filosfico y cientfico. El poder de los msti
cos, reforzado con la influencia oriental, consigui el dom inio de la vida espiritual. Todo
el conocimiento se centr en Dios, por lo que la filosofa y el pensamiento cientfico
volvieron a estar unidos. El Renacimiento (Fxiad Moderna), llamado as por el rcdescu-
brimicnto de trabajos de antiguos pensadores, marc el fin de la Edad Media y fund
cimientos slidos para el desarrollo de nuevos conocimientos. Los saberes se individua
lizaron y la filosofa y la ciencia se separaron de manera definitiva. La Edad Contempo
rnea se ha caracterizado por estudios que involucran una filosofa cientfica; sin em bar
go, filosofa y ciencia se abordan por separado.
La ciencia y la filosofa estn relacionadas estrechamente: ambas utilizan el razo
namiento para obtener conclusiones, pero difieren en la generalidad de sus resultados. La
ciencia trata de explicar el comportamiento de la naturaleza en reas particulares, estudia
cm o ocurren las cosas y utiliza muchos resultados de los filsofos; por ejemplo, la va
lidez de la lgica y los postulados acerca de la naturaleza. La filosofa busca la naturale
za ltima de las cosas, de manera que generaliza los resultados de la ciencia, busca qu
son las cosas y p o r qu ocurren; adems, por su carcter racional, dio la pauta para que
los cientficos se concentraran en problemas especficos y utilizaran la filosofa de la
ciencia como fundamento de sus ideas y deducciones. Hasta mediados del siglo xix. a lo
que hoy conocemos como fsica, se le llam filosofa natural o filosofa de la naturaleza
(ciencia dedicada al estudio de los fenmenos naturales).
La filosofa de la ciencia es la investigacin acerca de la naturaleza de la prctica
cientfica, se encarga de saber cm o se desarrollan, evalan y cam bian las teoras; apor
ta los conceptos de la fundamentacin de la ciencia y es la encargada de averiguar si
esta es capaz de revelar la verdad de las entidades ocultas y los procesos de la naturale
za; provee los elem entos que determinan la comprensin previa del cam po que estudia
la ciencia y, de esta manera, orienta la investigacin; se usa para nombrar conjuntos de
verdades y principios fundamentales de la ciencia o el arte (inicialmcntc la ciencia se
explic mediante bases filosficas); y sus estudios se basan en la observacin y la expe
rimentacin.
Se denomin filosofa de la ciencia hasta la conformacin del Crculo de Vicna a
principios del siglo xx, y alcanz su madurez en la dcada de 1920 con un grupo d e fi
lsofos como Rudolf Cam ap (1891-1970), Otto Ncurath (1881-1945), Hans Hahn
(1879-1934), Kurt Gdel (1906-1978) y Willard V. Quine (1908-2000). En la actualidad.
O rigen de la ciencia 3
las grandes figuras de la filosofa cientfica son Karl R. Popper. Thom as Kuhn, Imre
Lakatos y Paul Feyerabend.
En los ltimos 30 aos la filosofa de la ciencia ha abordado varios temas de suma
importancia, entre los que destacan el gran desarrollo de muchas disciplinas cientficas
y el mtodo cientfico; sin embargo, cabe destacar que ya no es posible hablar de un
mtodo nico y umversalmente vlido. Karl Popper (1902-1994) propone que la ciencia
no es capaz de verificar si una hiptesis es cierta, pero s puede demostrar que es falsa.
As pues, frente a la postura del verificacionismo, dominante hasta ese momento en la
filosofa de la ciencia, Popper propone el falsacionismo, seguido en Espaa por Gustavo
Bueno (1924), autor del materialismo filosfico, en su teora del cierre catcgorial. Por su
parte, M ario Bunge (1919) analiza los problemas de diversas epistemologas, desde el
racionalismo crtico popperiano hasta el empirismo, el subjetivismo o el relativismo.
Bunge es realista crtico y para l, la ciencia es falible (el conocimiento del mundo es
provisional c incierto), pero la realidad existe y es objetiva.
La historia reciente de la ciencia est marcada por el continuo refinamiento del co
nocimiento adquirido y el desarrollo tecnolgico, acelerado desde la aparicin del mto
do cientfico. A continuacin se mencionarn algunos filsofos que han colaborado en el
desarrollo del mtodo cientfico desde el siglo xvi hasta la actualidad:
G alilea G alilei (1564-1642): em ple procedim ientos inductivos para conocer

la realidad y seal que el descubrim iento deba ser el resultado de la experi
mentacin.
Ren D escartes (1596-1650): pretenda un conocimiento basado en la existencia
indudable de un sujeto pensante, as como el avance gracias a deas claras y dis
tintas. Descartes, en su obra metodolgica Filosofa de la naturalezxi, menciona
que el mundo de los objetos com ienza a verse desplazado por el mundo de los
conocimientos y en su obra Reglas afirm *ay de aquellos filsofos que dejan de
lado la experimentacin y pretenden que la verdad puede salir directamente de su
cerebro, como Minerva de la cabeza de Jpiter!". Asimismo, Descartes lleg a la
conclusin de que la experimentacin es la herramienta del conocimiento.
Francis Bacon (1561-1626): su filosofa planteaba un conocimiento emprico e
inductivo de la naturaleza. A Bacon se le consider el fundador de la filosofa
moderna. Entre sus frases celebres desatacan: saber es poder y los secretos de
la naturaleza se encuentran con mayor facilidad si se les ataca con el arte, que si
se les deja que sigan su curso tranquilo; es mejor estudiar la naturaleza, su estruc
tura y los cambios de la misma. Propuso una lgica inductiva fundada en la ex
perimentacin, con el fin de superar la lgica deductiva de Aristteles, y desglos
el mtodo cientfico en observacin, hiptesis y verificacin.
John Stuart M ili (1806-1873): propuso una metodologa experimental moderna
basada en la sistematizacin de los conocimientos metodolgicos y su papel en
la generacin del conocimiento cientfico. En su obra System o f Logic plante
diferentes variantes del mtodo experimental com o el descubrimiento y la demos
tracin; adems, utiliz el mtodo de la concordancia: Si A es causa de B
siempre que se d A " se dar B" (tiene una circunstancia en comn), y el mto
do de la diferencia: Si A es causa de B", al faltar A tiene que faltar B" (por
lo menos una diferente).
4 C aptulo 1 M etodologa de las ciencias experim entales
C oncepto, objetivos e intereses de la ciencia
Creencia y conocim iento

Una creencia es un conjunto de proposiciones o suposiciones de una verdad, que en
ocasiones constituye un entramado cultural y social que forma una identidad o dogma.
La creencia no tiene un valor de verdad en s misma, por lo tanto no se puede demostrar
com o falsa ni como verdadera; es una dea considerada verdadera por quien la profesa,
por ejemplo: Juan cree en la existencia de Dios.
Las fuentes de las creencias son:
Externas: cuando se originan en explicaciones dadas por la gente para la com
prensin de ciertos fenmenos.
Internas: cuando surgen del pensamiento y la conviccin propios.
Una creencia no tiene base emprica, por ejemplo, las creencias religiosas opuestas
a la ciencia, al estar basadas en dogm as no se construyen a partir de datos obtenidos
mediante el mtodo experimental.
Conocer es una actividad por m edio de la cual el hombre adquiere certeza de la
realidad (m anifestada como un conjunto de representaciones sobre las que tenemos
la certidum bre de que son verdaderas); es enfrentar la realidad, donde todo conoci
miento es forzosamente una relacin en la que aparecen dos elem entos relacionados
entre s: uno cognosccntc (sujeto) y otro conocido (objeto). Esta relacin implica la
aprehensin del objeto por parte del sujeto. El conocim iento es la relacin entre suje
to-objeto, es decir, captar algo que inicialm entc est fuera del horizonte del sujeto
(vase figura 1.1).
Figura 1.1: Conocimiento es una relacin sujeto-objeto.
FJ sujeto determina la relacin con el objeto y por lo tanto con el conocimiento, y es

capaz de entrar en relacin con el objeto de diferentes maneras, lo cual hace que la acti
vidad del conocimiento flucte entre el conocimiento vulgar y el conocimiento cientfi
co. El primero lleva a ver el objeto, a entenderlo; en cambio, el segundo se apoya en el
mtodo cientfico y la investigacin. Los pensamientos son representaciones mentales
del objeto conocido. Pensar es com binar pensamientos ya obtenidos, e inclusive inferir
otros nuevos. Saber es disponer de una serie de pensamientos acerca de los objetos que
nos rodean. Por medio del conocimiento o del pensamiento se puede aumentar el saber,
por ejemplo: Pablo sabe que los cuerpos se dilatan con el calor.
El mtodo cientfico 5
Subjetivism o y lenguaje privado

El subjetivismo es la tendencia filosfica en la cual el valor de todo juicio no depende
de cmo se muestran las cosas, sino de la visin de quien juzga (sujeto). El lenguaje
privado, al igual que el subjetivismo, no tiene cabida en la ciencia como argumento de
mostrativo o criterio de verificabilidad, por ejemplo: A Francisco le duele el estmago.
Ciencia
Es un conjunto de conocimientos obtenidos mediante la observacin y el razonamiento,
de los cuales se deducen principios y leyes generales. En un sentido ms amplio, este tr
mino se emplea para referirse al conocimiento en cualquier campo, pero suele aplicarse,
sobre todo, a la organizacin del proceso experimental vcrificablc. La ciencia como
actividad (investigacin) pertenece a la vida social, ya que se aplica al mejoramiento del
medio natural y artificial, as como a la invencin y manufactura de bienes materiales y
culturales, y es el conducto para el desarrollo de la tecnologa; trata con problemas de
valor de verdad, que son posibles comprobar y verificar, busca establecer las relaciones
existentes entre diversos hechos y conectarlos entre s; describe y explica las cosas rea
les; busca la verdad.
El inters de la ciencia es el conocimiento, no las creencias, el subjetivismo o el
lenguaje privado. El propsito de la ciencia es la prediccin y el control; establecer una
generalizacin, un modelo de aplicacin universal en un lenguaje preciso y sin ambige
dades. Tiene como objetivo la verificabilidad, la corregibilidad, la falsabilidad y la sis
tematizacin (ensayo-error). En la sociedad, la ciencia tiene la finalidad de producir
modelos tiles para explicar la realidad, dar respuestas y soluciones a problemas de
investigacin mediante la aplicacin de procedimientos cientficos, as como la descrip
cin, explicacin, prediccin y control de los fenmenos, ya que puede hacer prediccio
nes basadas en observaciones que, a menudo, benefician a los individuos.
El m todo cientfico
El mtodo cientfico se entiende como el estudio sistemtico, controlado, emprico y
crtico de proposiciones hipotticas referentes a presuntas relaciones entre varios fen
menos. Es un procedimiento aplicado en las ciencias, que inicia con la observacin y
posee las siguientes caractersticas: es fctico, hace trascender los hechos, es verificable,
autocorrcctivo y objetivo. Est sustentado en la reproducibilidad (la capacidad de repetir
determinado experimento en cualquier lugar y por cualquier persona) y la falsabilidad.
El conocimiento em prico se obtiene a partir de la exposicin de los rganos senso
riales al mundo exterior y permite orientar a los individuos en su prctica diaria. Sirve
como base para la construccin del conocimiento cientfico, tambin se extrae del con
tacto con la realidad, pero su adquisicin, a diferencia de lo cotidiano, se realiza con base
en mtodos e instrumentos debidamente seleccionados y estructurados de acuerdo con
los lineamientos que proporcionan las teoras, de manera concreta las hiptesis plantea
das. La ciencia emprica depende de la experiencia para demostrar el valor de verdad en
sus enunciados; se basa en dos formas: la observacin sistem tica (el observador no in
terviene) y la experimentacin (el observador interviene, altera y controla el fenmeno
en cuestin).
El m todo experim ental se aplica principalmente en las ciencias naturales (fsica,

qumica y biologa) y se basa en la observacin de fenmenos, as como en la realiza
cin de experimentos. Utiliza varios mtodos com o la induccin, deduccin y estads
tica, segn lo requiera la naturaleza del experimento. Se entiende por observacin al
conjunto d e datos que se obtienen del seguimiento de un fenmeno que puede estar
dentro o fuera de nuestro control. Cuando se logra reproducir un fenmeno controlando
sus variables artificialmente se le llama experimento, el cual es ideal cuando es contro
lado, diseado y capaz de reproducir un fenmeno donde es posible seleccionar valores
de las variables independientes y medir los efectos en las variables dependientes. Los
experimentos pueden realizarse en laboratorio y repetirse cuantas veces sea necesario;
adems, se espera que los valores medidos varen dentro de un rango determinado por
la incertidumbre en las mediciones.
Los pasos del mtodo experimental son:
1. Definicin del problema
2. Hiptesis de trabajo
3. Diseo del experimento
4. Realizacin del experimento
5. Anlisis de resultados
6. Obtencin de conclusiones
7. Elaboracin del informe
1. Definicin d el problema: es el primer paso para planear un experimento y consiste en
definir su objetivo con precisin, es decir, formular claramente el problema o a qu
preguntas se quiere responder. Contempla los siguientes aspectos
a) Observacin d el fenm eno: se observa el fenmeno detenidamente, se formulan
las preguntas e hiptesis y se define qu clase de error (tipo I ( a ) 1o tipo II (J3): ) se
est dispuesto a tolerar.
b) Consulta bibliogrfica: una vez establecida la pregunta es necesario consultar lo
que se ha hecho en casos parecidos (marco terico). Consultar la bibliografa per
mite conocer los antecedentes y el estado actual del problema, es decir, qu y
cmo se ha hecho y, sobre todo sirve para determ inar si la investigacin que se
planea es una confirmacin o una extensin de otro trabajo cientfico. Cuando
se trate de un problema conocido se pueden consultar enciclopedias, libros espe
cializados. internet y revistas cientficas. Cuando el problema no es del dominio
1 U n error tipo I se presenta si la hiptesis nula H o es rechazada cuando es verdadera y deba ser aceptada. La
probabilidad de com eter un error tipo I se representa con la letra alfa o .
: U n error tipo II se denota con la letra griega 0 . Se presenta si la hiptesis nula es aceptada cuando de hecho
es falsa y deba se r rechazada.
En cualquiera de los dos casos se com ete un error al tomar una decisin equivocada. En la siguiente tabla se
muestran las decisiones que puede tomar el investigador y las posibles consecuencias cuando de hecho es falsa
y deba ser rechazada.
En cualquiera de los dos casos se com ete un error al tomar una decisin equivocada. En la siguiente tabla se
muestran las decisiones que puede tomar el investigador y las posibles consecuencias.
Ho v e rd a d e ra H o falsa
A c e p ta r Ho No error Tipo 11 (0 )
R ech azar Ho U p o I (a ) No error
pblico hay que remitirse a publicaciones especializadas que dan a conocer los
resmenes. Estas publicaciones son conocidas com o abstract o resumen y las hay
en casi todas las reas del conocimiento humano.
c) Im portancia: se determina la relevancia de la investigacin, su trascendencia y
aportacin al conocimiento cientfico.
d) Objetivos: es la manera en la que se respondern las preguntas, cm o se compro
bar la hiptesis y los efectos que se debern estimar (redactados en trminos
precisos). Una vez planteada la pregunta y hecha la consulta bibliogrfica, se pro
cede a formular una hiptesis que tenga posibilidades de explicar la observacin,
o decidir cules de las leyes naturales son aplicables, o por lo menos, esperar a que
haya una relacin entre dos variables caractersticas del problema.
2. Hiptesis Je trabajo: es una prediccin para explicar cm o o por qu sucede un fe
nmeno, y de la cual se busca su comprobacin (o negacin) por medio de un experi
mento.
3. Diseo d el experimento: es la eleccin del procedimiento experimental y los instru
mentos capaces de medir y controlar las variables del fenmeno que se va a estudiar.
Para ello, es necesario considerar: a) el equipo de medida existente y su precisin, y
b) el tiempo y dinero disponibles.
4. Realizacin d el experimento: una vez realizado el experimento de prueba y la inter
pretacin tentativa de resultados, realizar el experimento final se reduce a llenar co
lumnas con lecturas de las mediciones y detectar cualquier anomala que se presente
durante el desarrollo del mismo.
5. Anlisis d e resultados: la interpretacin de resultados, ya sean valores, grficas, tabu
laciones u otros, debe contestar con la mayor claridad posible las preguntas plantea
das durante la definicin del problema.
6. Obtencin de conclusiones: con los resultados del experimento el investigador hace
sus propias conclusiones, es decir, aplica su criterio cientfico para aceptar o rechazar
una hiptesis. Tambin es posible que se hagan conjeturas acerca de un modelo o se
proponga la creacin de otro nuevo, lo cual conduce a un problema diferente.
7. Elaboracin d el informe: reporte en el que se comunican los resultados a la comuni
dad cientfica, y constituye una pieza til para la evolucin de la ciencia.
\ jx realizacin del informe debe ser clara; es necesario tener presente en todo mo
mento al lector a quien va dirigido el trabajo, para as determinar el nivel acadmico del
lenguaje que conviene utilizar.
En un reporte de divulgacin debe empicarse un lenguaje sencillo y explicar con
ms detalle todos los conceptos que no sean del dominio pblico, de manera que sea
entendido por la mayora. F.n cambio, un trabajo especializado est dirigido a un sector
ms reducido (la comunidad cientfica) y utiliza un lenguaje especializado, por lo que
resulta innecesario explicar todos los conceptos.
O tro factor importante es la estructura del informe, la cual consta de seis partes: a)
Ttulo, b) Resumen, c) Definicin del problema, d) Procedimiento experimental, e) Re
sultados y f) Conclusiones.
Elementos del mtodo cientfico

1. Hechos observados: la ciencia empieza con la observacin.
2. H iptesis: establecer una explicacin tentativa de un fenmeno, esto es, afirmar las
posibilidades, razones necesarias o suficientes para la ocurrencia de un fenmeno. Es
una conjetura o idea provisoria y especulativa de cm o los hechos han de ser interpre
tados y explicados y con el tiempo se pueden ir depurando y ajustando a un fenmeno
hasta convertirse en una ley y despus en un teora cientfica.
3. Experimento: proceso obscrvacional por medio del cual el hombre incrementa su
experiencia sobre el mundo externo y permite la comprobacin del enunciado. En el
diagrama de flujo de la figura 1.2 se lustra la secuencia del experimento en tres eta
pas: la plancacin, la experimentacin y la evaluacin. Los experimentos pueden ser
de verificacin o demostracin y empricos. Un experim ento de verificacin o dem os
tracin es aquel cuya plancacin se deriva de una ley fsica conocida. Un experim en
to em prico es aquel cuya plancacin est orientada hacia la obtencin de una ley
fsica. Estos conceptos son los que dividen el diagrama de flujo en dos caminos: I ) Si
el fenmeno fsico sobre el que se desea experimentar tiene antecedentes tericos, se
sigue el camino de los experimentos de verificacin o demostracin; 2) Si el fenme
no fsico sobre el que se desea experimentar no tiene antecedentes tericos, se sigue
el camino de un experimento emprico.
P rim e ra etapa
Planeacin: constituye la columna vertebral de todo experimento, ya que el xito o

fracaso dependen de ella y tiene por objetivo analizar el experimento.
M odelo m atem tico terico: un modelo matemtico implica una relacin explcita
entre las variables involucradas, que tienen la cualidad fundamental de predecir el
valor de una variable dependiente a travs del conocimiento del valor de las variables
independientes. Cuando se realiza un experimento de verificacin o de demostracin
a partir de un m odelo se pueden seleccionar fcilmente las variables. Si el experim en
to es emprico, para la obtencin del modelo se recomienda efectuar, en primer trm i
no, el anlisis dimensional.
O bsenacin: anlisis visual del comportamiento de un fenmeno fsico, a travs de
las variaciones de los parmetros involucrados. A partir de esto se puede deducir la
variable dependiente y cul como independiente.
Seleccin de variables: en general, es un paso obvio, ya que al experimentador se le
encomienda la tarca de medir una cantidad especfica como funcin de otra variable
especfica y. por consiguiente, se decide cules son las cantidades que se definirn
como las variables principales y cules sern las subsidiarias.
Precisin del experimento: para estimar la precisin de un experimento se recomienda
utilizar la propagacin de ncertidumbres para averiguar cm o afecta al resultado final
cada incertidumbrc individual; lo anterior dar la estimacin de la inccrtidumbrc total
en el resultado del experimento y, a partir de esto, se seleccionarn los instrumentos de
medicin adecuados para la precisin requerida.
Programa de mediciones: el program a de m ediciones para diferentes valores de la

variable independiente se formula procurando cubrir el m ayor intervalo posible de
variacin; m ientras que el nmero de m ediciones y el intervalo de valores a cubrir
en cada caso se predeterminarn de acuerdo con los instrum entos de medicin y con
el tiempo disponible para todo el experimento. Se recom ienda escribir el programa
de m ediciones en forma de tabla y se sugiere que esta contenga las variables y sus
cam bios de variables, propuestas a partir del modelo m atem tico o del anlisis di
mensional.
S egunda etapa
Experimentacin: son todas las acciones requeridas para que sucedan los fenmenos
implicados en el experimento. Dentro de estas acciones se considera el montaje del
dispositivo, el control de las variables, las mediciones correspondientes y su registro
en el programa de mediciones.
A nlisis grfico: consiste en dibujar las grficas correspondientes de los datos obteni
dos del experimento, utilizando el eje horizontal para la variable independiente y el eje
vertical para la variable dependiente. El anlisis grfico permite verificar si las obser
vaciones se dispersan dentro de los lmites del error experimental. Si existen uno o
varios puntos que no queden dentro de los lmites del error, se realizan nuevamente
estas mediciones.
T ercera etap a
Evaluacin: cuando se tiene determinado que es una recta la que describe el fenmeno
bajo estudio, se obtiene lo siguiente:
Tratamiento estadstico: se inicia con el clculo de los parmetros de la recta (pen
diente c interseccin) y sus incertidumbres de acuerdo con las frmulas dictadas por
el mtodo de mnimos cuadrados. En este punto es importante encontrar el error rela
tivo que expresa el porcentaje de error del resultado. Con ello, se pretende constatar
que dentro del error experimental, la cantidad es confiable y se ajusta a la precisin del
experimento.
M odelo m atemtico em prico: una vez obtenidos los parmetros de la recta, estos se
insertan en la relacin matemtica para expresar de m anera completa la relacin fun
cional. Si este modelo emprico no describe el fenmeno estudiado, entonces se reco
mienda repetir la observacin original y buscar las posibles discrepancias y, en su
caso, repetir todo el experimento. Si ocurre lo contrario, se considera terminado el
experimento.
Comparacin teora-experimento: en los experimentos de verificacin es conveniente
realizar un clculo terico basado en el modelo matemtico de la etapa de plancacin.
Una vez realizado, se compara con el resultado experimental; si este ltimo queda
muy alejado del primero y fuera de los lmites del error experimental, se recomienda
regresar al paso en el que se determina la precisin experimental. En caso contrario, se
considera terminado el experimento.
Resultados y su interpretacin: los resultados del experimento, los hechos adicionales
y la interpretacin de estos nuevos hechos conducen al apoyo, rechazo o alteracin de
una hiptesis.
Demostracin
o verificacin Empinsmo
Modelo
matemtico Observacin
4
Seleccin Identificacin
de variables de variables
si 4
PLANEACIN
Determinacin do la Determinacin d e la
precisin y seleccin precisin y seleccin
de aparatos d e d e aparatos do
medicin medicin
4 4
Programa Programa
da mediciones de mediciones
4
Realizacin Realizacin
del experimento do! experimento
4 EXPERIMENTACIN
4
Anlisis grfico Anlisis grfico
4 4
Tratamiento Tratamonto
estadstico estadstico
EVALUACIN
4
Modelo matemtico
Modelo
fronto a resultados
matemtico emprico
expen mentales
4
' Resultado
SI SI - NO
dentro del error Describe \
experimental?
> IZ * ^ - el fenmeno /
Figura 1.2: Diagrama de las etapas para los experimentos de verificacin o demostracin
y empricos. (Lara-Barragn, 1988).
M odelos II
M odelos
El concepto de modelo en el pensamiento cientfico
Los modelos intentan describir y explicar las caractersticas del fenmeno, sin pretender
ser una fotografa de la realidad. En la ciencia, el modelo se consituye de proposiciones
coordinadas y subordinadas que, con frecuencia, se expresan mediante frmulas que
explican relaciones reales de los objetos; son esquemas tericos (que no tienen existen
cia real) que se refieren a esquem as objetivos (que s existen en realidad). Las teoras se
prueban mediante los modelos, lo cuales son solo una parte de la teora.
Observaciones y modelos
Un modelo, comparado con el sistema verdadero que representa, proporciona informa
cin a un costo m s bajo y permite un conocimiento m s rpido de las condiciones
que no se observan en la vida real. El valor de un modelo surge cuando este mejora la
comprensin de las caractersticas del comportamiento de forma m s efectiva que si
se observara el sistema real. Los modelos de cualquier clase son poco prcticos si no
estn respaldados por datos confiables. Si se distorsionan las estimaciones, la solucin
obtenida, pese a ser ptima en un sentido matemtico, ser de calidad inferior desde la
perspectiva del sistema real. En consecuencia, la disponibilidad de datos tiene un efecto
directo en una precisin del m odelo y su recopilacin es una parte ms difcil de deter
minar.
1. Identificacin de las variables significativas: la primera fase de la investigacin
de un fenmeno nunca antes estudiado consiste en la bsqueda de las variables
que parecen estar relacionadas. Mediante la identificacin de estas se reduce el
campo de la investigacin a niveles prcticos, lo cual facilita el trabajo sistem
tico tanto a nivel experimental como terico.
2. Concepto de modelo: se concibe por medio de construcciones hipotticas e ima

ginarias creadas a partir de conjuntos de definiciones del mundo real de nuestras
percepciones acerca de este. El uso de los modelos es casi universal en nuestro
pensamiento, sea cientfico o no. Los modelos proporcionan un marco de refe
rencia para el pensamiento y la comunicacin, una descripcin esquemtica de
los sistemas, una base para el clculo, una gua para el estudio futuro, etctera.
Los modelos son diversos, pero tienen una caracterstica en comn: son con
ceptos inventados. Se construyen con la intencin de que correspondan, lo ms
posible, con el mundo real; sin embargo, ningn modelo puede ser jam s una
rplica exacta de su contraparte real. Adems, pertenecen a diferentes categoras,
por ejemplo: una pared no puede ser realmente un rectngulo, ni un crculo. Em
pero, las propiedades de un m odelo pueden ser semejantes a las del mundo real
y resultar tiles en la medida en que sus propiedades s correspondan con las del
mundo real.
3. Comparacin entre los m odelos y el mundo real: para que las propiedades del
modelo y las de su contraparte real en un experimento cientfico correspondan,
es necesario em pezar con una comparacin entre el modelo y el sistema real. Y
solo ser til si se demuestra ex pe rimen tal mente que las propiedades del modelo
guardan una correspondencia adecuada con las del sistema real. Para ello, un
modelo o concepto debe ser verificable mediante la observacin.
4. Refinamiento de los modelos: en el trabajo cientfico es posible modificar o cam
biar los modelos en el momento que sea necesario. Para empezar, el modelo es
una construccin, una idea presente en la mente. Cuando se propone efectuar un
cambio, la nica consideracin que debe tomarse en cuenta es la utilidad bsica
de la idea y el provecho que aporta si se modifica. Un proceso de refinamiento
continuo y de eventual remplazo forma parte del proceso cientfico. Es asunto
propio y normal de los cientficos, ya sean aplicados o sociales, llevar a cabo el
proceso de comparacin entre modelos y sistemas en una bsqueda continua del
mejoramiento del modelo.
5. Comparacin detallada entre modelos y sistemas: para comparar los procedi
mientos reales con las propiedades de los modelos y los sistemas no basta con un
concepto grfico de la situacin, adems se requiere llevar a cabo una observa
cin cuantitativa del sistema y emplear procedimientos matemticos para especi
ficar el modelo.
Construccin de modelos
La construccin de un modelo requiere de diversas etapas y depende del experimento
en cuestin. Por ejemplo, se puede generar un nuevo modelo para un fenmeno nunca
estudiado y del cual no hay informacin previa. Por otra parte, puede existir alguna
propuesta o teora anterior que pueda aplicarse a un sistema y que d como resultado un
nuevo modelo. Existen dos tipos de modelos: em pricos y tericos. El modelo emprico
est basado nicamente en observaciones, sin referencia alguna a la operacin interna y
detallada del sistema. En cambio, un modelo terico se construye de forma ms general
(no solo para un intervalo particular de observaciones), y se basa en algn concepto o
principio acerca del modo de operar del sistema.
Modelos empricos
Una vez que se ha logrado reunir un grupo de observaciones acerca de un sistema para
el que no existe un modelo que describa alguna propiedad del mismo (por ejemplo, de
las mediciones de peso vs. alargamiento en un resorte cargado), los resultados probable
mente tomarn la forma de 5 (como la de la figura 1.3). El problema, entonces, es cons
truir un modelo adecuado, para lo cual deben considerarse los siguientes pasos:
1. Enunciado verbal: el modelo ms sencillo es una descripcin verbal de la varia

cin: El alargamiento aumenta uniformemente con el peso, segn la c u n a en
forma de S.
2. Trazar una cur\a continua po r los puntos: la siguiente etapa de la construccin
del modelo est representada por el trazo con puntos de una curva continua. Se
tendr el conjunto de observaciones mostradas originalmente en la tabla 1.1 y en
la figura 1.3.
El conocimiento del sistema es bueno en los puntos en los que se han realizado
mediciones reales. Sin embargo, si se desea conocer el valor del alargamiento
para un peso intermedio entre dos de los valores medidos, entonces se tendr un
problema. Se debe inferir d valor deseado por interpolacin sobre la base de las
M odelos 13
Tabla 1.1: Peso frente a alargamiento de un resorte cargado.
Peso (kg) A largam iento (m m )

05.0 0.2
10.0 0.5
15.0 0.8
20.0 1.0
22.5 1.2
25.0 1.3
27.5 1.4
30.0 1.5
32.5 1.7
35.0 1.8
37.5 1.9
40.0 2.0
42.5 2.3
45.0 2.5
47.5 2.8
50.0 3.2
mediciones practicadas. La curva suave y continua proporciona una forma de

hacerlo, tal com o lo muestra la lnea continua a) en la figura 1.4. De igual manera,
se puede emplear la curva suave y continua para extrapolar m s all del intervalo
existente de valores, como se muestra con la lnea discontinua b). Este procedi
miento permite hacer conjeturas sobre los valores fuera del intervalo medido,
pero la validez del procedimiento es mucho ms limitada que en el caso de la
interpolacin.
3. Bsqueda de funciones: como una forma ms elaborada de trazar curvas conti
nuas por puntos se puede usar una variedad d e mtodos matemticos para encon-
3.5
3.0
0.5
0.0 -| 1 1 1 1------ 1
0 10 20 30 40 50
Peso, kg
Figura 1.3: Peso frente a alargamiento de un resorte cargado.

E
E
2
5
E
>
10 20 30 40 50
Peso, Kg
Figura 1.4: Curva suave de las variables peso frente a alargamiento

de un resorte cargado, a) Valor interpolado, b) Valor extrapolado.
trar una funcin analtica que se ajuste a esos puntos. Pese a toda la elaboracin
matemtica que representan, estos procedimientos todava dependen, para su va
lidez. de la suposicin bsica de un comportamiento regular en el sistema; en
tanto, las curvas y funciones asociadas constituyen el concepto de compor
tamiento del sistema. Las funciones generadas empricamente para ajustarse a
conjuntos de observaciones pueden ser muy tiles, ya que como modelos mate
mticos del sistem a pueden, con precisin variable, aplicarse para obtener valo
res inferidos de algunas caractersticas del sistema.
Modelos tericos
Los modelos tericos se construyen con bloques conceptuales bsicos, como definicio
nes, axiomas, hiptesis, principios, entre otros, seguidos de una derivacin analtica a
partir de estos elementos bsicos. Como todos los elementos de las teoras son construc
ciones de la imaginacin humana, las teoras y los resultados de estas son, de igual ma
nera, construcciones imaginarias. Por lo tanto, su pertinencia en los sistemas reales debe
evaluarse a travs de la experimentacin, por ejemplo: un baln de acero que desciende
en cada libre por efecto de la fuerza de gravedad. Fn este caso, primero debe medirse el
tiempo de cada desde diferentes alturas y despus graficar los resultados; sin embargo,
para construir un modelo terico de la misma situacin el enfoque cambia: se elige un
conjunto de axiom as o hiptesis bsicas, a partir de las cuales se derivan los resultados
requeridos (puede suponerse en la hiptesis bsica un valor de la aceleracin del baln:
a = 9.81m/s2). Adems del supuesto valor constante para la aceleracin, de manera impl
cita se est despreciando la presencia del aire. FJ modelo quedara de la siguiente forma:
v = 9 .8 1 / (Suponiendo v = 0 e n / = 0) (1.1)
x= (Suponiendo v = 0 en / = 0) (1.2)
' = <4 ) 2jr' 2 ( 1-3)

M odelos 15
P ru eb a de los m odelos tericos

La tarca consiste en comparar dos resultados. Una sugerencia sencilla e s introducir los
diversos valores d e x e n la ecuacin y calcular los valores correspondientes de t Luego,
estos se pueden comparar con los valores medidos. Si coinciden, se puede confiar en que
el sistema y el modelo se corresponden. No obstante, es poco probable que el modelo
est totalmente libre de fallas y deficiencias sistemticas. De hecho, uno de los principa
les propsitos en la experimentacin es detectar esas discrepancias y tratarlas construc
tivamente. La posibilidad de hacerlo con eficacia, empleando la comparacin aritmtica
elemental, es pequea. Es mucho ms significativo el comportamiento global del sistema
y la mejor manera de apreciarlo es en una grfica.
Un experimento real de cada libre, bajo la accin de la gravedad, arroj los resulta
dos mostrados en la tabla 1.2 y la figura 1.5, las cuales describen el comportamiento del
sistema. En la figura 1.5 se muestran las observaciones (serie de puntos) donde el com
portamiento del modelo es una curva. La grfica da una impresin visual de la relacin
entre las propiedades del sistema y el modelo. Ntese que este diagrama contiene dos
componentes diferentes: 1) puntos que representan las propiedades del sistema y 2) una
lnea que corresponde a la funcin analtica que pertenece al modelo.
Tabla 1.2: Tiempo de cada medido experimental mente frente

a la distancia para un baln de acero en cada libre.
Distancia, x, (m ) Tiem po, /, (s)

0.1 0.148
0.2 0.196
0.3 0.244
0.4 0.290
0.5 0.315
0.6 0.352
0.7 0.385
0.8 0.403
0.5
0.1
0 0.2 0.4 0.6 0.8

D is ta n c ia (m)
Figura 1.5: Proceso de comparar las propiedades de un sistema

real con las propiedades de un modelo.
fttra concluir el m odelo terico se realiza una comparacin detallada entre las pro
piedades globales del sistema y las del modelo. Una inspeccin visual directa puede
confirmar si el modelo y el sistem a se corresponden. No tiene sentido preocuparse por si
una teora es correcta o incorrecta, incluso debera evitarse el uso de trminos com o es
tos aunque exista la seguridad de tener clara la situacin, dadas las m ltiples oportunida
des de que se haga una mala interpretacin. Es mucho m ejor catalogar una teora o un
modelo como satisfactorio o suficientemente bueno, o utilizar otra denominacin pare
cida.
Uso del anlisis de la lnea recta

El objetivo es arreglar el proceso de trazado de la grfica, de modo que el com porta
miento del sistema y el modelo se representen de forma lineal en una grfica. La funcin
anterior (3) para el tiempo de cada libre bajo la accin de la gravedad lleva a una repre
sentacin parablica en una grfica de t, jr.
d .4 )
Suponiendo que se graficara, no / vs x, sino t vs x \ la ecuacin sera:
t = 0.4515 x * (1.5)
Entonces, esta puede compararse con la ecuacin de una lnea recta:
Variable vertical = Pendiente x Variable horizontal (1.6)
Donde:
Variable vertical = /
Variable horizontal = x *2
Pendiente = 0.4515
En ciencias puras, y sobre todo en ciencias aplicadas, se denomina modelo a una

idealizacin de la realidad, que se utiliza para plantear un problema normalmente de
manera simplificada, en trminos relativos y planteados desde un punto de vista m ate
mtico; aunque tambin puede tratarse de un modelo fsico. Es una representacin con
ceptual o fsica a escala de un proceso o sistema (fenmeno), cuyo fin es analizar su
naturaleza, desarrollar o comprobar hiptesis o supuestos, y permitir una mejor com
prensin del fenmeno real al cual el modelo representa.
Para hacer un modelo es necesario plantear una serie de hiptesis, de manera que lo
que se quiere representar est plasmado en la idealizacin, aunque tambin se busca que
el modelo sea sencillo de estudiar y de manipular.
M odelos 17
Tipos de modelos cientficos

Modelo fsico
La expresin m odelo fsico tiene distintos significados dependiendo si se refiere al m

bito de la fsica o al de la ingeniera. La fsica intenta entender el mundo haciendo mo
delos de la realidad, que son utilizados para racionalizar, explicar y predecir fenmenos
fsicos a travs de una teora. Algunas teoras fsicas son desechadas por la observacin.
Una teora fsica es un modelo de eventos fsicos que no pueden ser probados por axio
mas bsicos y es diferente a un teorema matemtico. Los modelos de teoras fsicas
son la realidad, una declaracin de lo que se observa, as com o la prediccin de nuevas
observaciones.
En contraposicin, en la ingeniera se denomina modelo fsico, a los modelos mate
mticos y anlogos, a una construccin en escala reducida de obras de ingeniera para
estudiar en ellas su comportamiento, de manera que se puedan perfeccionar los diseos
antes de iniciar la construccin de las obras reales. A este tipo de m odelo se le denomina
modelo reducido. Se utilizan con frecuencia para el estudio de represas, puentes, puer
tos, aeronaves, entre otros. Muchas veces, para obras complejas (por ejemplo: una repre
sa), puede requerirse la construccin de ms de un modelo.
M odelo m atem tico
Un modelo matemtico es un esquema, una ecuacin, un diagrama o una teora que

simplifica una parte difcil de las matemticas para hacer ms sencilla su comprensin;
adems, de manera general, engloba aspectos diferentes. Los modelos matemticos se
construyen con varios niveles de significacin y con diferentes variables.
M odelos de regresin o m odelos estadsticos lineales: un modelo estadstico es
una teora o situacin causal de hechos, expresada con smbolos de formato ma
temtico. Por ejemplo, las tablas de contingencia. Una de las aplicaciones ms
importantes de la estadstica es la estimacin del valor medio de una variable de
respuesta y/o la prediccin de algn valor futuro de Y con base en el conocimien
to de un conjunto de variables independientes relacionadas (*,, x r .. x j . Los mo
delos que se emplean para relacionar una variable dependiente Y con las variables
independientes X r X r .. Xn se denominan modelos de regresin o m odelos estads
ticos lineales porque expresan el valor medio de Y para valores dados de Xit Xr ..
X como una funcin lineal de un conjunto de parmetros desconocidos:
y = m x+ b + e (1.7)
Donde:
m x + b valor medio de Y para una X dada
= error aleatorio
m + b w - parmetros desconocidos de la porcin determinista (no aleatoria) del
modelo
b = la ordenada al origen de la lnea
m = la pendiente de la lnea
y = la variable dependiente
x = la variable independiente
Desarrollo de un m odelo estadstico: el primer paso para la construccin de un

modelo estadstico es postular la forma de la porcin determinista del modelo
probabilstico. Esta etapa de construccin de modelos es la clave del xito (o fra
caso) del anlisis de regresin. Si el m odelo postulado no refleja, al menos aproxi
madamente. la verdadera naturaleza de la relacin entre la respuesta media Y y las
variables independientes X r Xy .. X0,por lo regular resulta intil.
1.a construccin de modelos se refiere a crear un modelo que se ajuste bien a un
conjunto de datos y proporcione buenas estimaciones del valor medio de Y, as como
predicciones de valores futuros de K valores dados por las variables independientes.
l-as caractersticas del modelo estadstico son:
1. Presencia del elemento aleatorio.

2. No son deterministas.
3. Se construyen a partir de datos empricos.
4. Son vlidos solamente para el rango que se estudia.
Los pasos para construir un modelo estadstico se enlistan a continuacin:
1. Elaboracin de un diagrama de dispersin.
2. Buscar la mejor lnea recta que represente a los datos.
3. Calcular la ecuacin por mnimos cuadrados.
4. Calcular el coeficiente de correlacin.
Cmo saber cul es el mejor modelo o su pertinencia en el mundo real?

El m ejor modelo es el que posee un mayor coeficiente de correlacin r, pero se debe
tener cuidado, ya que una correlacin elevada no implica causalidad. Si se observa un
valor positivo o negativo del coeficiente de correlacin r de la muestra, no es correcto lle
gar a la conclusin de que un cambio en X causar un cambio en Y. 1.a nica conclusin
vlida es que puede existir una tendencia lineal entre X y Y. El coeficiente de correlacin
permite predecir si entre dos variables existe o no una relacin o dependencia matem
tica. Los coeficientes de correlacin r siempre oscilan entre valores de 1 y -1 . El valor
cero 0 significa que no existe correlacin entre ambas variables. Un valor positivo indica
que hay incrementos en la variable A mientras se producen incrementos proporcionales
en B \ un valor negativo indica que son variables antagnicas.
Asimismo, se debe tener cuidado al analizar la correlacin entre dos variables, pues
ambas pueden variar permanentemente. Esto es importante, por ejemplo, si se correla
ciona edad y altura; la altura aumentar con la edad hasta determinado punto, pero llega
r el momento en que ya no lo har. La ecuacin de la recta es del tipo:
Y = mX + b (1.8)
Rara determinar la lnea recta que mejor se adapta a los datos se aplica el mtodo de
mnimos cuadrados. Por ejemplo, un ingeniero qum ico est investigando el impacto
d e la temperatura (7) de operacin de un proceso sobre el rendimiento (R ) de un produc
to. El estudio arroj los resultados de la tabla 1.3.
M odelos 19
Pasos para la elaboracin de un modelo

Prim er paso: elaboracin de un diagrama de dispersin.
Con los datos de temperatura (C) y rendimiento (%) de la tabla 1.3, se realiza la
grfica de la figura 1.6.
Tabla 1.3: Impacto de la temperatura (7) de operacin de un proceso sobre el rendimiento (R)
de un producto.
T(C) R (% )Y w m 2 XY
100 45 10000 2025 4500
110 51 12100 2601 5610
120 54 14400 2916 6480
130 61 16900 3721 7930
140 66 19600 4356 9240
150 70 22500 4900 10500
160 74 25600 5476 11840
170 78 28900 6084 13260
180 85 32400 7225 15300
190 89 36100 7921 16910
1450 673 218500 47225 101570
100
-9 0
-8 0
.1 70
60
50
& 40
30
90 100 110 120 130 140 150 160 170 180 190 200
T e m p e ra tu ra (C)
Figura 1.6: Diagrama de dispersin.
Segiuido paso: buscar la mejor lnea recta que represente los puntos (Figura 1.7)
Tercer paso: calcular la ecuacin por mnimos cuadrados. Los valores de la pendiente
(m ) y origen (b) se obtienen de la siguiente manera utilizando la ecuacin de la lnea
recta (1.7).
m (1.9)
I* : - 1*,
i-1
- IX . T x*
b= k=! _A=! A '- 1____ (1.10)
imI
temperatura (C)
Figura 1.7: Linca que mejor ajust a los puntos.
Valores obtenidos de la pendiente (m) y el origen (b):
10(101570)-(1450) (673) = 1015700 - 975850 = 39850 = Q 4g3Q

m 10(218500)-(1 4 5 0 )2 2185000 - 2102500 81500
(218500X673)-(1450)(101570) _ 147050500-147276500 _ 226000

10(218500) - (1450)2 2185000 - 2102500 82500
Al observar que los datos en el anlisis de dispersin poseen un comportamiento

lineal, se elige la ecuacin de la lnea recta (1.7) para obtener la ecuacin requerida y
estimar valores de rendimiento Y. De esa manera se obtiene el siguiente modelo:
Rend(% ) - m (Tem pC )+ b ( 1. 11)

M odelos 21
Este nuevo m odelo emprico ser vlido nicamente para el rango que se est estu
diando. Se sustituyen los valores de la pendiente (m) y el origen (b ):
Rend(% ) = 0.4830(TempC) - 2.7394
Cuarto paso: calcular el coeficiente de correlacin.
r= _ =!_________ A m __ (1.12)
X*HX*,
f-l l-l
Xi',- \m1
i-1
X^
10(101 5 7 0 )-( 1450) (673) 1015700.0 - 975850.0 39850.00
r= = 0.998
VT0( 218500) - (1450)2 * 47225) - ( 6 7 3 ) 2 287.23* 139.00 39924.71
El valor de r im plica una excelente correlacin positiva; de igual manera, el coefi

ciente de correlacin muestra que es un buen modelo (r2 = 0.9% ).
Ahora, regresando al problema del ingeniero qumico, si se quiere saber cul es la
temperatura (C) adecuada para obtener un rendimiento de 100%, se puede utilizar el
siguiente modelo:
(Temperatura0C ) = Z 0 6 3 ( rendimiento%) + 6.193

(C) = 2.063(100)+ 6.193 = 212.445
La temperatura que debe aplicarse es d e 212.445C para obtener 100% del

rendimiento.
Bibliografa
Baird, D.C. (2003). Experimentacin: una introduccin a la teora de mediciones y al diseo
de experimentos. Mxico: Pcarson Educacin.
Berna!, C.A. (2006). Metodologa de la imestigacin. Mxico: Pearson-Prcntice Hall.
Bunge, M. (1999). Im ciencia. Su mtodo y su filosofa. Buenos Aires: Ediciones Siglo
Vfcinte.
Cario, P.S. (2004). Mtodos de imestigacin. Mxico: Limusa-Colegio de Bachilleres.
Castaeda, J J . (2002). Metodologa de a imestigacin I. Mxico: McGraw-Hill.
Castaeda, JJ.; L.M. De la Torre; J.M, Morn R. y R.P. Lara (2002). Metodologa de la in
vestigacin. Mxico: McGraw-Hill.
Castaeda, J J . y C.E. Mndez. A. (2004). Metodologa de a imestigacin. Mxico: Mc
Graw-Hill.
Calleros, A.F.; A. Lara-Barragn G.; J.W. Lau S. y S. Gmez M. (1997). Introduccin a la
metodologa experimental. Mxico: Univeisidad de Guadalajara-CUCEI-Ciendas Bsi-
cas-Dcpartaincnto de Fsica.
Eyssaulicr, M. (2001). Metodologa de la investigacin II. Mxico: ECAFSA-Thomson

Lcaming.
Lpez, C J.L . (2001). Mtodo e hiptesis cientficos. Temas Ixsicos. rea Metodologa de las
Gencia 3. Mxico: Trillas.
Garca, A.A. (2000). Introduccin a la metodologa de la investigacin cientfica. Colombia:
Plaza y Valds.
Gutirrez, A.C. (2001), Introduccin a la metodologa experimental. Mxico: Litnusa-
Noricga.
Hernndez, S.R.; C. Fernndez C. y P. Baptista L. (2003). Metodologa de la investigacin.
Mxico: McGraw-Hill.
Mcndcnhall, W. y Sincich T. (2000). Probabilidad y estadsticas para ingeniera y ciencias.
Mxico: Prentice Hall Hispanoamericana.
Mndez, RX; D. Namihira G. y C. Sosa de Martnez (2001). El protocolo de investigacin:
lincam ientos para su elaboracin y dilisis. Mxico: Trillas.
Medieta, A.A. (1999). Mtodos de investigacin y manual acadmico. Mxico: Porra.
Prez, T.R. (1998). Existe el mtodo cientfico? Im Ciencia para Todos, nm. 161. Mxico.
Riveros, H.G. y L. Rosas. (1997). El mtodo cientfico iplicado a las ciencias experimenta
les. Mxico: Trillas.
Rojas, S.R. (2000). El proceso de la investigacin cientfica. Mxico: Trillas.
Tamayo y Tamayo, M. (2002). El proceso de la mvestigacin cientfica. Mxico: Limusa.
C A P T U L O 2
Medicin de variables y errores

de medicin
Introduccin
1.a fsica es una ciencia tcrico-experimcntal que busca dar explicacin y solucin a
los fenmenos naturales y sus consecuencias, para lo cual es necesario cuantificar las
magnitudes fsicas que intervienen en el fenmeno estudiado, ya sea en el laboratorio o
en el campo. As pues, el proceso de medicin es fundamental en la actividad cientfica,
cualquiera que sea la especialidad u orientacin.
En las ciencias aplicadas, por ejemplo, los ingenieros que estn a cargo de la segu
ridad de los aviones, trenes o automviles deben estimar las incertidumbres relacionadas
con los tiempos de respuesta humanos. Una falla en el anlisis de errores puede causar
accidentes fatales.
Por otro lado, en las ciencias bsicas, el proceso de medicin y el anlisis del error
tienen una importancia an mayor, pues tienen una relacin muy estrecha con el mtodo
cientfico, el cual funciona de la siguiente manera: en primer lugar se describe un fen
meno de la naturaleza a travs de un modelo simple. Despus, se analiza el modelo, ya
sea analticamente con lpiz y papel, o por medio de simulaciones numricas con el fin
de encontrar cules son las predicciones o consecuencias del modelo simple; una vez
obtenidas, se comparan con experimentos y observaciones. Si existe un acuerdo entre lo
predicho y lo observado, entonces se habr logrado, en algn sentido, comprender parte
de la naturaleza.
Aunque existen innumerables procesos de medicin, todos culminan con la obten
cin de un resultado, que es afectado por distintos errores que surgen de la interaccin
entre el instrumento de medicin, el observador y el sistem a que se estudia. Lo anterior
se discute en el presente captulo, junto con otros conceptos relacionados.
Conceptos generales
Variable
1.a variable es una caracterstica (magnitud, vector o nmero) que puede ser medida y
que adopta diferentes valores en cada uno de los casos de estudio. Tambin se puede
definir com o todo aquello que se va a medir y controlar en una investigacin.
23
24 C aptulo 2 M edicin de variables y errores de medicin
En un estudio cientfico se pueden clasificar las variables segn el valor que arroja
el resultado de su medicin o por la influencia que ejerce cada una de estas sobre las
otras variables del estudio (tabla 2.1). Respecto a su valor, producto de su medicin,
las variables se clasifican en variables cualitativas y cuantitativas, dependiendo de si los
valores presentados tienen o no atributos que no son cuantificables, o si tienen un orden
de magnitud natural. Por la influencia de una variable sobre otra, estas se clasifican en
independientes, dependientes y extraas.
Tabla 2.1: Clasificacin de las variables en un estudio cientfico ( contina)
C riterio de T ipos de
clasificacin variables D escripcin
Depende de si 1 Cualitativas Son las variables que expresan distintas cualidades, caracte
el resultado de rsticas o modalidades. Cada modalidad que se presenta se
la medicin es denomina atributo o categora; la medicin consiste en una
numrico o no clasificacin de dichos atributos, pues no puede construirse una
serie numrica definida, sino que se ordenan en jerarquas con
base en la caracterstica que se evala.
1.1 Ordinales La variable cualitativa ordinal es aquella que toma distintos va
lores ordenados siguiendo una escala establecida. Por ejemplo,
para medir la severidad de una lesin se puede usar la escala:
leve, moderada y grave. Otro ejemplo es el nivel socioecon
mico: bajo, medio y alto.
1.2 Nominales En la variable cualitativa nominal los valores no tienen forma
natural de ordenacin y los posibles valores son mutuamente
excluyentes. Por ejemplo. los posibles valores de un estudio
son si y no ; hombre y mujer.
2 Cuantitativas Son las variables que se expresan mediante cantidades num
ricas.
2.1 Discreta Son las variables que solo toman valores enteros o numrica
mente fijos. Por ejemplo, las veces que se repite un suceso, la
cantidad de pesos que se gastan en una semana, los puntos con
que cierra diariamente una bolsa de valores, el nmero de hijos,
entre otras.
2.2 Continua Son llamadas tambin variables de medicin. Toman cualquier
valor numrico, ya sea entero, fraccionario o incluso irracional.
Este tipo de variable se obtiene a travs de mediciones y su
valor est sujeto a la precisin de los instrumentos de medicin.
Por ejemplo, el tiempo que un corredor tarda en recorrer cierta
distancia, la estatura de los alumnos, la cantidad de litros que
despacha una bomba de combustible, entre otras.
Medicin 25
Tabla 2.1: Clasificacin de las variables en un estudio cientfico. (continuacin)
C riterio de Tipos de
clasificacin variables Descripcin
Por la 1 Independiente La variable independiente es la propiedad de un fenmeno que

influencia puede influir, incidir o afectar a otras variables. Por lo tanto, es
que se asigna la que el investigador escoge o manipula para observar los efec
sobre otras tos en la variable dependiente.
variables
Son las variables de respuesta que se observan en el estudio y
2 Dependiente que pueden estar influidas por los valores de las variables inde
pendientes. En otras palabras, son las que registran los cambios
de la manipulacin de la variable independiente por el investi
gador.
Son aquellas variables que el investigador no controla direc
3 Extraa tamente, pero que pueden influir en el resultado de su inves
tigacin. Por lo tanto, deben ser controladas hasta donde sea
posible para asegurar que los resultados se deban nicamente al
manejo que el investigador hace de la variable independiente y
no a variables extraas no controladas.
M edicin
Segn el Vocabulario Internacional de Metrologa (VIM ), acordado desde la dcada de
1990 por las organizaciones de metrologa ms importantes y revisado en abril de 2004
por la Organizacin Internacional de estandarizacin (ISO, 2004), define la medicin
como el conjunto de operaciones cuyo objetivo es determinar el valor de una magni
tud o cantidad. De esta manera, la medicin puede definirse com o un proceso donde
el insumo o entrada es la definicin de la magnitud por medir (figura 2.1), por lo que a
partir de este insumo, una persona opera un instrumento siguiendo un mtodo de medi
cin, todo esto enmarcado dentro de un medio ambiente. El producto final del proceso
es un valor numrico basado en un sistema de referencia o patrn llamado resultado de
medicin. Con base en este resultado se toman decisiones importantes, por ejemplo, se
acepta o rechaza un producto en una lnea de fabricacin, se determina el estado de salud
de una persona, se establece el precio en una transaccin comercial, o bien, se refuta una
teora cientfica.
Debido a que muchas de estas decisiones en el rea de la ciencia y la ingeniera, se
toman con base en los resultados de la medicin, es necesario asegurar que el resultado
de cualquiera de estas sea confiable, es decir, se debe verificar que el resultado de la
medicin sea de buena calidad. Para ello, es preciso considerar algunos atributos como
la trazabilidad, la precisin y la exactitud de los instrumentos o mtodos de medicin, el
error de medicin y la incertidumbre en el resultado.
Definicin d e
la m agnitud R esultado de
p o r medir m edicin
M edio A m b ie n te
Figura 2.1: FJ proceso de medicin IJS C Fuente: http://www.usc.edu.co/laboratorios/archivos/

propuesta/ LEY_DE_OHM_2.pdf. Consulta. 15 de enero de 2007.
Trazabilidad de los resultados

l-a trazabilidad es la propiedad de medicin que permite relacionar el resultado con el
respectivo patrn internacional de la magnitud que se est midiendo. La nica forma en
que pueden compararse los resultados obtenidos, en diferentes sistemas de medicin
y en distintos lugares del mundo, es asegurando su trazabilidad, dicho de otra manera,
que en ambos casos se tome com o referencia el patrn internacional. I-a trazabilidad es
uno de los atributos indispensables para garantizar la confiabilidad de cualquier resul
tado de medicin.
Precisin
La precisin de un instrumento (o un mtodo de medicin) est asociada con la sensi
bilidad o m enor variacin de la magnitud que se pueda detectar con dicho instrumento
o mtodo. Por ejemplo, un vemier, con una apreciacin nominal de 0.02 mm. es mucho
ms preciso que una regla ordinaria, con una apreciacin nominal de 1 mm: un cron
metro digital es ms preciso que un reloj comn.
Exactitud
La exactitud est asociada a la calidad de la calibracin del instrumento. Por ejemplo, en
el caso del cronmetro digital que se mencion, este es capaz de determinar la centsima
de segundo pero se adelanta dos minutos por hora, mientras que el reloj comn no lo
hace. En este caso se dice que el cronmetro es ms preciso que el reloj comn aunque
menos exacto. La exactitud es una medida de la calidad de la calibracin del instrumento
respecto de los patrones de medida aceptados internacional mente. En general, los instru
mentos vienen calibrados pero dentro de ciertos lmites, por lo que corresponder a los
usuarios corroborar de manera peridica que estos se mantengan calibrados. Una buena
prctica para asegurar la exactitud en las medidas consiste en llevar una bitcora de m an
D e dnde provienen los errores en las m edidas? 27
tenimiento y calibracin de los instrumentos d e medicin. Es deseable que la calibracin

sea tan buena com o la precisin.
Error
El concepto error, en el lenguaje coloquial, se considera sinnimo de equivocacin; sin
embargo, en ciencia e ingeniera tiene un significado diferente al uso habitual, es decir,
un error en la medicin de una magnitud no significa una equivocacin o una mala medi
cin, sino que no fue posible controlar alguno de los elementos del proceso de medicin,
lo que ocasion una discrepancia entre el valor verdadero y el valor medido, a esto se le
denomina error de la medicin.
( 2 . 1)
1.0 que se procura en toda medicin es encontrar el valor verdadero, aunque este en
realidad es un concepto puramente terico y por completo inaccesible; as, en el proceso
de medicin nicamente estimamos de forma aproximada el valor de la magnitud medi
da. Cuando de antemano se conoce un valor convcncionalmcntc verdadero de la magni
tud (esto porque los valores verdaderos son indeterminados por naturaleza) es muy fcil
evaluar el resultado de la medicin: se calcula su error respecto a este valor. De acuerdo
con su definicin, el valor convcncionalmcntc verdadero de una magnitud corresponde a
un resultado obtenido por sistemas de medicin ms sofisticados o refinados que aque
llos de los que se dispone en un momento dado.
Un valor convcncionalmcntc verdadero se encuentra en las tablas de textos, en la
tabla peridica de los elementos, en reportes cientficos, etctera. Otra forma de tener un
valor convcncionalmcntc verdadero consiste en medir en el laboratorio la misma canti
dad pero por mtodos diferentes y asumir (de manera debidamente justificada) que uno
de los resultados es de mejor calidad que el otro. Despus, se calcula el error del resul
tado menos confiable y se compara con el que se considera de mayor calidad.
Errores durante el proceso de medicin

Existen varias formas de clasificar y expresar los errores de medicin; sin embargo, en
este texto solo se distinguirn los errores propios de los instrumentos de medicin y los
del proceso de medicin.
De dnde provienen los errores en las m edidas?

D el instrumento de medicin: los instrumentos son una fuente de errores debido a los
cam bios que sufren por el desgaste: escalas borrosas o fluctuaciones en corriente, si se
trata de instrumentos elctricos.
D el objeto medido: en algunos casos los objetos que se miden no son estables; por
ejemplo, cuando quiere medirse el tamao de un cubo de hielo en un cuarto caliente.
D el proceso de medicin: algunos procesos de medicin son difciles de llevar a cabo.
Por ejemplo, medir el peso de insectos vivos es complicado porque no pueden perma
necer quietos.
28 Captulo 2 Medicin de variables y errores de medicin
Tabla 2.2: Los errores de medicin.
O rigen T ipo
del e rro r de e rr o r Descripcin
De los Error de apreciacin Est asociado a la mnima divisin de la escala de los

instrumentos (escala) instrumentos y, por lo tanto, a la mnima magnitud que es
de medicin posible resolver con algn mtodo de medicin. El error de
apreciacin puede ser mayor o m enor que la apreciacin
nominal dependiendo de la habilidad del observador. Es po
sible que un observador entrenado pueda apreciar con una
regla comn fracciones de mm, mientras que otro obser
vador con la misma regla, pero con dificultades de visin,
solo pueda apreciar cantidades enteras de mm (por ejemplo,
2 mm).
Error de interaccin Proviene de la interaccin que el instrumento de medicin
tiene con el objeto que se va medir. Por ejemplo, cuando se
usa un termmetro para m edir una temperatura, parte del
calor del objeto fluye al termmetro o viceversa, de modo
que el resultado de la medicin es un valor modificado del
original debido a la interaccin.
Error de exactitud Tiene que ver con el error de calibracin de los instru
mentos.
Propios Errores Se originan por las imperfecciones de los mtodos de
del proceso sistemticos medicin. Estos errores se repiten constantemente en las
de medicin medidas y afectan el resultado final siempre en el mismo
sentido (una medida siempre m ayor que el valor verdadero
o viceversa). Este error se origina esencialmente por una
deficiente calibracin del instrumento en relacin con el
patrn. Algunos ejemplos de estos errores son:
Error de calibracin en u/i aparato de medida: cuando
medimos una longitud con una regla mal graduada siem
pre obtendremos un valor errneo en las medidas.
No esperar a que la aguja d e un ampermetro de la escala
de medida est en el cero antes de efectuar la medida.
Errores aleatorios Son resultado de la contribucin de numerosas fuentes no
controladas que desplazan aleatoriamente, en un sentido o
en otro, el valor de la medida respecto a su valor verdadero.
Estos desplazamientos se deben, por ejemplo, a fluctuacio
nes en la corriente, variaciones de luminosidad, de presin,
de temperatura, de humedad, entre otras. Estos errores
tienen signo positivo o negativo y no se pueden evitar. La
nica manera de disminuir su influencia es con la repeticin
de las medidas.
C ifras significativas y redondeo 29
D el error importado: ocurre cuando un objeto sufre un error durante el proceso de

calibracin, lo que ocasionar errores en las mediciones. Sin embargo, es importante
aclarar que es mejor un error de calibracin que mediciones con instrumentos no cali
brados.
D e la habilidad d el operador: algunas mediciones dependen de la habilidad y buen
juicio del operador. Es claro que una persona es mejor que otra al realizar un trabajo
de medicin. Para ejemplificar: cuando se requieren lecturas muy finas, el uso de al
gunos instrumentos, como un cronmetro, depende del tiempo de reaccin del opera
dor para obturar el botn de paro y arranque.
De las tcnicas de muestreo: es importante que las mediciones que se realizan sean
representativas del proceso que se desea evaluar. Por ejemplo, si se quiere medir la
temperatura de un escritorio, no se debe efectuar con el termmetro que est colgado
en el muro cerca del aire acondicionado; o bien, al evaluar una lnea de produccin es
necesario tom ar algunas muestras, pero no se deben tom ar los primeros 10 productos
que se fabrican en el tum o de la maana.
D el ambiente: las variables ambientales, como la temperatura, la presin del aire, la
humedad y algunas otras condiciones pueden afectar los instrumentos de medicin y
el objeto medido. Por ejemplo, en el estudio de partculas menores a 2.5 pm se debe
tener en cuenta el balance de masas, esto es, el peso de los filtros antes y despus de
tom ar las muestras. Para este proceso es sumamente importante mantener constante la
humedad del cuarto donde se realicen las medidas.
Cifras significativas y redondeo

En el campo de la ciencia es muy importante ser honesto al reportar los resultados de
las mediciones para que los resultados no parezcan ms precisos de lo que en realidad
permiten los instrumentos utilizados. Lo anterior se puede lograr controlando el nmero
de dgitos o cifras significativas usadas para reportar la medicin. Para ejemplificar, el
nmero de cifras significativas en una medicin tal com o 2.531 g con diferentes tipos de
balanzas es de la siguiente manera:
Tabla 2.3: Precisin de los instrumentos y cifras significativas.
R esultado C ifras
U p o de balanza Precisin de m edida significativas
Balanza de cartero 1g " 3g 1

Balanza de platillos 0.01 g 2.53 g 3
Balanza analtica 0.001 g 2.531 g 4
En la tabla 2.3 se observa que. conform e se mejora la sensibilidad de la balanza

utilizada para hacer la medicin, aum enta el nmero de cifras significativas, que son la
cantidad de dgitos en una cantidad medida o calculada, y tienen que ver con la seguridad
que existe al afirmar que tales cifras son las que ms se acercan al valor convencional-
C aptulo 2 M edicin de variables y errores de medicin
mente verdadero de la cantidad medida o calculada. La cantidad de cifras significativas

est asociada con la precisin de los instrumentos, o en otras palabras, con la apreciacin
nominal o mnima escala que presente el instrumento de medicin empleado. Por ejem
plo. si con una regla ordinaria se toma una magnitud de 2.27 cm. la cantidad expresada
tiene tres cifras significativas pero la ltima es incierta, pues en la regla solo puede leer
se 1 mm con precisin; mientras que magnitudes mayores o menores al milmetro sern
aventuradas, por lo que de la cantidad anterior 2.2 son los dgitos seguros y 0.07 es in
cierto.
En general, es muy fcil determinar cuntas cifras significativas hay en un nmero
si se siguen estas reglas:
Cualquier dgito diferente a cero es significativo. Por ejemplo, 845 cm tiene tres cifras
significativas, 1.234 kg tiene cuatro cifras significativas y as sucesivamente.
Los ceros ubicados entre dgitos distintos de cero son significativos: 606 m tiene tres
cifras significativas, 40 501 kg tiene cinco cifras significativas.
Los ceros a la izquierda del primer dgito distinto de cero no son significativos. Estos
ceros se utilizan nicamente para indicar la posicin del punto decimal. Por ejemplo,
0.08 L tiene una cifra significativa y 0.0000349 g tiene tres cifras significativas, por lo
que se podrn escribir como 8 x 1(L2 L y 349 x 10-7 g, donde se observa que las cifras
significativas en estas cantidades son una y tres, respectivamente.
Si un nmero es mayor que 1, todos los ceros escritos a la derecha del punto decimal
cuentan como cifras significativas. Entonces 2.0 g tiene dos cifras significati
vas, 40.062 mi tiene cinco cifras significativas y 3.040 dm tiene cuatro cifras signifi
cativas.
Si un nmero es menor que 1, solamente son significativos los ceros que estn al final
del nmero o entre dgitos distintos de cero. Esto significa que 0.090 kg tiene dos ci
fras significativas, 0.3005 L tiene cuatro cifras significativas y 0.00420 min tiene tres
cifras significativas.
Para nmeros que no tienen punto decimal, los ceros ubicados despus del ltimo d
gito distinto de cero pueden ser o no cifras significativas: 400 cm puede tener solo una
cifra significativa (el dgito 4). dos cifras significativas (40) o tres cifras significativas
(400). No es posible saber cul es la cantidad correcta si no se tiene m s informacin,
de manera que 400 cm puede expresarse como 4 x 102 cm para una cifra significativa,
4.0 x 102 para dos cifras significativas y 4.00 x 102 para tres cifras significativas.
Otra ambigedad respecto al nmero de cifras significativas se presenta cuando se
hace un cambio de unidades. Por ejemplo, si en una medicin se obtiene que L = 95
mm y se desea expresar el resultado en pm, el resultado sera L = 95000 pm. Sin em
bargo, como no se tiene mayor informacin que indique explcitamente la inccrtidum-
bre en este resultado, se tienen cinco cifras significativas; por lo tanto, 95 mm * 95000
pm, ya que el primer resultado tiene solo dos cifras significativas. Para evitar esta
ambigedad se emplea la notacin cientfica, por lo que es posible escribir la siguiente
igualdad:
9.5 x 10' mm = 9 .5 x 104 pm
Ntese que los nmeros en ambos miembros de la igualdad tienen igual nmero de
cifras significativas, la nica diferencia son las unidades usadas.
Redondeo 31
Sum a y resta con cifras significativas

Cuando se combinan mediciones con diferente nmero de cifras significativas, la preci
sin del resultado final no puede ser mayor que la medicin menos precisa. Este princi
pio se traduce en una simple regla para la suma y resta, la cual establece que el nmero
de cifras significativas a la derecha del punto decimal (se sumen o resten) es determinado
por el menor nmero de cifras significativas a la derecha del punto decimal de los nme
ros originales. Ejemplo:
150.0 g R O
+ 0.507 g sal
150.5 g solucin
El sumando con el menor nmero de cifras significativas a la derecha del punto

decimal es 150.0 con una sola cifra.
M ultiplicacin y divisin con cifras significativas

El mismo principio de la situacin anterior gobierna el uso de cifras significativas en
la multiplicacin y divisin. Al multiplicar o dividir dos nmeros, el nmero de cifras
significativas del resultado es igual al del factor con menos cifras. Esto es importante
sobre todo cuando se utilizan calculadoras, pues existe la tendencia a reportar tan
tas cifras com o las que permite la pantalla; pero esto, la mayora de las veces, carece
de sentido. Por ejemplo, si desea conocer cul es la superficie de una lmina de aluminio,
se mide su longitud y su anchura utilizando una regla que aprecia hasta los milmetros
y se obtiene 28.7 cm y 3.6 cm, respectiva mente. A 1mu tiplicar ambos resu Itados se tiene que
S = (28.7 cm) (3.6 cm ) = 103.32 cm 2. Aplicando la regla anterior, el factor con menos
cifras significativas es 3.6, por lo que la cantidad de cifras significativas con que debe
escribirse el resultado de un producto o un cociente es igual a la cantidad m s pequea
de cifras decimales que tenga cualquiera de los nmeros que se multiplican o dividen;
por lo tanto, el resultado final es expresado como 103.3 cm 2.
Finalmente, el resultado de las funciones trascendentes, como el seno, la arcotan-
gentc o la funcin exponencial, se escriben con el mismo nmero de cifras significativas
que tenga el argumento. Ejemplo:
sen 35.4 =0.579281 = 0.579

sen 35 = 0.573576 = 0.58
In 9.356 = 2.236017 = 2.236
In 9.3 = 2 .2 3 0 0 1 4 = 2 .2
Redondeo
En la actualidad, la mayora de los clculos se realizan por medio de herramientas como
las calculadoras electrnicas y las computadoras, por lo que. com o se mencion en la
seccin anterior, se tiende a utilizar todas las cifras que aparecen en la pantalla sin que
esto tenga sentido. El redondeo de cifras es una tarca comn en el trabajo cientfico y
su propsito es que los datos experimentales aporten informacin segn las condiciones
de medida en las que fueron obtenidos. Se debe tener cuidado con el nmero de cifras
con que se expresan los resultados; adems, se deben mantener solo aquellas que tienen
algn significado experimental. La tabla 2.4 muestra los criterios utilizados para el re
dondeo de cifras.
Tabla 2.4: Criterios para el redondeo de nmeros.
Si el dgito a eliminar es menor a 5. el Ejemplo: Si solo se debe mantener un

ltimo dgito que se mantiene se queda decimal en la cantidad 6.422, esta se
sin cambio. convierte en 6.4.
Si el dgito a eliminar es mayor que 5, Ejemplo: Si solo se deben mantener dos
el ltimo dgito que se mantiene au decimales de la cantidad 6.4872, esta se
menta una unidad. convierte en 6.49. De manera similar,
6.997 se convierte en 7.00.
Si el dgito a eliminar es igual a 5 y los Ejemplo: Si solo se debe mantener un
que le siguen son igual a cero; o si no decimal de la cantidad 6.6500, esta queda
hay dgitos despus del 5, entonces el en 6.6.
dgito que se retiene no cambia si es
Si se deben mantener dos decimales en la
par.
cantidad 7.485, esta queda como 7.48.
Si el dgito a eliminar es igual a 5 y los Ejemplo: si solo se deben mantener dos
que le siguen son igual a cero; o si no decimales de la cantidad 6.755000, esta
hay dgitos despus del 5. entonces el queda como 6.76.
dgito que se retiene se incrementa una
De manera similar, 8.995 se convierte
unidad si es impar.
en 9.00.
Si el dgito a eliminar es igual a 5 y Ejemplo: si solo se debe mantener un

los que le siguen son distintos a cero, decimal en la cantidad 6.6501, esta queda
entonces el dgito que se retiene se in como 6.7.
crem enta una unidad.
Si solo se deben m antener dos decimales
en la cantidad 7.4852007, esta queda como
7.49.
Notacin cientfica
En la ciencia es muy comn y necesario trabajar con nmeros muy grandes o muy pe
queos. Por ejemplo, el dimetro de un glbulo rojo es de 0.0065 cm, la distancia de la
Tierra al Sol es de aproximadamente 150 000 000 km y el nmero de molculas en un
gramo de agua es 33 400 000 000 000 (XX) 000 000. Es complicado trabajar con estos
nmeros, as que lo ms prctico es abreviar usando la notacin cientfica, la cual con
vierte los nmeros de la notacin decimal ordinaria a cantidades m s manejables con
base en la expresin 10", donde n es un nmero entero. Esto significa 10 elevado a una
potencian. As, 10*= 10 x 10 x 10 x 1 0 x 1 0 = 100000. Ntese que el nmero de ceros
en la notacin decimal ordinaria es exactamente igual al exponente al que fue elevado.
Por consiguiente, usando la notacin cientfica, el dim etro de un glbulo rojo e s 6.5 x
1 0 3 cm, la distancia de la Tierra al Sol es 1.5 x 10 km y el nmero de molculas en un
gramo de agua es 3.34 x 10
Notacin cientfica 33
Una nota importante respecto a la notacin cientfica es que su base numeral debe
ser representada por un dgito simple seguido por decimales, siempre y cuando sea ne
cesario. Por lo tanto, el nmero 0.0065 se debe representar com o 6.5 x 10~3 y no como
0.65 x 10"2 o 65 x 10*.
En resumen, la notacin cientfica es una forma simple de representar los nmeros
grandes, donde el exponente sobre 10 indica cuntos lugares hay que mover el decimal
para obtener el nmero original. Cuando la notacin cientfica se usa con nmeros me
nores al 1, el exponente sobre 10 es negativo y el decimal se mueve hacia la izquierda en
lugar de a la derecha (como en el caso de los nmeros mayores a 1). Ejemplo:
6.5 x 10- = 0.0065.
Sistem a internacional de unidades (SI)

El sistema mtrico decimal tiene su origen en la Revolucin Francesa y estaba basado en
el metro y en el kilogramo. En la convencin de 1875 se desarrollaron nuevos prototipos
internacionales acerca del metro y el kilogramo, aunque fueron formalmente adoptados
en 1989 por la Conferencia General de Pesas y Medidas. Desde entonces, el sistema
se desarroll hasta incluir siete unidades bsicas. En 1960, la Onceava Conferencia de
Pesas y Medidas decidi nombrarlo Systm e International d Units, de manera que
ahora e s ampliamente reconocido como el SI. por sus siglas en francs; sin embargo, el
sistema no ha quedado esttico y ha evolucionado para ajustarse a las demandas crecien
tes del mundo de la medida en las reas de la ciencia y la tecnologa.
En el sistema internacional (SI) existen dos clases de unidades: las unidades bsicas
y las unidades derivadas. Las primeras funcionan com o referencia para definir al resto de
las unidades de medicin del SI. En la tabla 2.5 se muestran las siete unidades bsicas:
longitud, masa, tiempo, corriente elctrica, temperatura termodinmica, cantidad de sus
tancia c intensidad luminosa.
Tabla 2.5: Las siete unidades bsicas del SI. (contina)
M edida U nidad Sm bolo Definicin
Longitud metro m Es la longitud del cam ino recorrido por la luz en el

vaco en un intervalo de tiempo. 1.a velocidad de la
luz en el vaco es exactamente de 299 792 458 m/s.
Masa kilogramo kg Es la unidad de masa y es igual a la masa del proto
tipo internacional del kilogramo.
Tiempo segundo s Es el tiempo de la radiacin emitida en la transicin
entre los dos niveles hiperfinos del estado fundamen
tal del tomo de cesio 133, lo que corresponde exacta
mente a 9 192 631 770 hertz.
Corriente ampere A Es la intensidad de una corriente constante, la cual
elctrica mantenindose en dos conductores paralelos, rectil
neos, de longitud infinita, de seccin circular despre
ciable y situados a una distancia de un metro uno de
otro en el vaco, producira una fuerza igual a 2 x 10 7
newton por metro de longitud.
34 Captulo 2 Medicin de variables y errores de medicin
Tabla 2.5: Las siete unidades bsicas del SI. (continuacin)
M edida U nidad Sm bolo Definicin

1
Temperatura kclvin K Es la fraccin - de la temperatura termodin-
273. lo
termodinmica mica del punto triple del agua.
Cantidad mol mol
Es la cantidad de sustancia de un sistema que contiene
de sustancia
tantas entidades elementales como tomos hay en
0.012 kilogramos de carbono 12. Cuando se utilice el
mol se deben especificar las entidades elementales, las
cuales pueden ser tomos, molculas, iones, electro
nes u otras partculas.
Intensidad candela cd Es la unidad luminosa en una direccin dada de una
luminosa fuente que emite una radiacin monocromtica de fre
cuencia 540-1012 hertz. y cuya intensidad energtica
en dicha direccin es ----- watt por estercorradin.
683
Por otro lado, las unidades derivadas son unidades expresadas, a partir de las unida
des bsicas, mediante smbolos matemticos de multiplicacin y divisin. En la tabla 2.6
se presentan algunos ejemplos de unidades derivadas expresadas directamente de unida
des bsicas.
Tabla 2.6: Algunas unidades derivadas del SI a partir de unidades bsicas.
M edida d eriv ad a Sm bolo U nidad d eriv ad a Smbolo
rea A metro cuadrado m2

Volumen V Metro cbico m3
Velocidad V metro por segundo m/s
Aceleracin a metro por segundo cuadrado m /s2
Nmero de ondas O. GJ metro recproco m*1
Densidad de masa P kilogramo por metro cbico kg/m3
Volumen especfico u metro cbico por kilogramo mVkg

Densidad de corriente J ampere por metro cuadrado A/m2
Intensidad de campo
H ampere por metro A/m
magntico
Concentracin
c mol por metro cbico mol/m3
(cantidad de sustancia)
Concentracin de masa P .Y Kilogramo por metro cbico kg/m3
Luminiscencia L Candela por metro cuadrado cd/m2
ndice de refraccin n adimensional
Permeabilidad relativa Pr adimensional
El sistem a internacional de unidades (SI) 35
Algunas unidades derivadas reciben nombres especiales, los cuales son simplemen
te una forma compacta de la expresin resultante de la combinacin de unidades bsicas.
Por ejemplo, el joule (J), por definicin es igual a m2kg s-2. Actualmente existen 22
nombres especiales aprobados en el SI (tabla 2.7). De esta serie de unidades especiales,
ntese que el hercio y el becquerel son guales al recproco de segundo, pero el hercio
nicamente se utiliza en fenmenos cclicos.
La unidad de temperatura en la escala Celsius es el grado Celsius, que es igual en
magnitud a la unidad de temperatura termodinmica (kelvin). La cantidad de temperatu
ra Celsius est relacionada con la temperatura termodinmica por medio de la siguiente
ecuacin:
t C - T K -2 7 3 .1 5 (2.2)
Tabla 2.7: Unidades derivadas con nombres especiales.
M edida d eriv ad a N om bre Sm bolo U nidades
Actividad (de un radionucleido) becquerel Bq s*

Actividad cataltica katal Kat mol-s"1
ngulo plano radian rad m .m '= 1
ngulo slido estere orradin sr m2 n r 2= 1
Capacidad elctrica faraday F m 2k g 1s4 A 2
Carga elctrica, cantidad
coulomb C As
de electricidad
Conductividad elctrica Siemens S n r 2 kg- s3A2
Diferencia de potencial elctrico,
volt V m2kg s J-A~*
fuerza electromotriz
Dosis absorbida, kerma. energa es
gray Gy M2s 2
pecfica comunicada
Dosis equivalente, ndice de dosis
sievert Sv M 2s-2
equivalente
Energa, trabajo, cantidad de calor joule J m2 kgs*2
Flujo de induccin magntica weber Wb m2 k g s -2 A -1
Flujo luminoso lumen Im m2 n r 2cd = cd
Frecuencia hertz Hz S
Fuerza newton N r n k g s -2
Iluminancia lux Ix n r m 4-cd = m 2-cd
Induccin magntica tesla T k g s -2 - A 1
Inductancia elctrica henry H m 2 kg s-2 A-2
Potencia, flujo radiante watt W m2 kg-s~3
Presin, tensin pasca 1 Pa n r 1 k g s -2
Resistencia elctrica ohm m2 k g s 3 A*2
Temperatura Celsius grados Celsius C K
Las unidades derivadas en la becquerel, gray, sievert y katal fueron adoptadas, es

pecficamente, para realizar mediciones seguras relacionadas con la salud humana. Aun
que para cada una de las cantidades solo existe una unidad en el SI, algunas veces pue
den expresarse con sus nombres especiales; por lo tanto, es importante no utilizar
nicamente la unidad para especificar determinada cantidad. Por ejemplo, algunas pan
tallas de los instrumentos de medida especifican la cantidad y la unidad. Respecto a las
cantidades adimensionales, tambin llamadas cantidades de dimensin uno, estas se de
finen como la relacin de dos cantidades de la misma clase (dos unidades SI idnticas).
Cuando se expresan los valores de cantidades adimensionales, la unidad uno no se escri
be, como en el caso del radian y el estereorradin.
M ltiplos y subm ltiplos del SI

Con el fin de expresar el valor de las cantidades que son muy grandes o muy pequeas,
en relacin con las unidades del SI, se ha adoptado una serie de prefijos que se listan en
la tabla 2.8.
Entre las unidades bsicas del SI, la unidad de masa es la nica cuyo nombre con
tiene un prefijo por razones histricas, lo s nombres y los smbolos de los mltiplos y
submltiplos decimales de la unidad de masa estn formados por la unin de prefijos de
la palabra gratno y los smbolos de los prefijos (vase la tabla 2.8) de la unidad g. Por
ejemplo, miligramos (mg) y no microkilogramos (pkg).
Tabla 2.8: Prefijos del SI.
F acto r N om bre Smbolo F acto r N om bre Sm bolo

10' Dcca da 10-' dcci d
102 Hecto h O 2 centi c
103 Kilo k IO 3 mili m
106 Mega M 10^ micro M
10g Giga G 10* nano n
10- Tera T i o 12 pico P
10" Peta P 10-'5 fcmto f
1018 Exa E 10 18 atto a
102' Zctta Z io-2* zepto z
10* Yotta Y io * yocto y
U nidades fuera del SI

Algunas unidades que no figuran dentro del SI an son am pliam ente utilizadas en
las publicaciones cientficas, tcnicas o comerciales. Son de uso tan cotidiano que
estn profundamente enraizadas en la historia y la cultura de la humanidad. La tabla
2.9 m uestra algunas de estas unidades, junto con su factor de conversin a unidades
del SI. Para una lista m s detallada se debe consultar la octava edicin del Sistem a
Internacional de M edidas. editada por el Burcau Internacional des Poids et M esures
(BIPM , 2006).
El sistem a cegesim al de unidades 37
Tabla 2.9: Algunas unidades fuera del SI.
M edida U nidad Sm bolo V alor en un id ad SI
minuto min 1 min = 60 s

Tiempo hora h Ih = 3 600 s
da D 1 d = 86 400 s
Volumen litro U 1L = dm3
Masa tonelada t l t = lOOOkg
Energa electrn-volt eV 1 eV => 1.602 3 10~19 J
Presin bar bar 1 bar = 100 kPa
milmetros de mercurio mmHg 1 mm Hg - 133.3 Pa
O
>
o1
Longitud angstrom
II
3
milla nutica M 1 M = 1852 m
Fuerza dina dyn 1 dyn = 10~5N
El sistem a cegesim al de unidades

Tambin es conocido como Sistem a CG S o Sistem a Gaussiano. Es un sistem a de uni
dades basado en el centmetro, el gramo y el segundo (tabla 2.10). Su nombre se de
riva de las letras iniciales de estas tres unidades. Ha sido remplazado casi por completo
por el SI, aunque contina vigente en muchas de las frmulas de electromagnetismo y
astronoma.
Tabla 2.10: Unidades del Sistema Cegesimal.
M edida U nidad Sm bolo y equivalencia

Longitud centmetro 1 cm = 0.01 m
Masa gramo 1 g = 0.001 kg
Tiempo segundo s
Aceleracin gal gal = 1 cm/s2
Fuerza dina dyn = g em/s2 = 10 5 N
Energa ergio ergio = g c m 2/s2 = 1(T7 J
Potencia dina/segundo potencia = g c m 2/s3 = 10-7 W
Presin bar bar = g /em s2 = 0.1 Pa
Viscosidad poise poise = g e m /s = 0.1 P a s
Carga elctrica statcoulomb csu, franklin o statcoulomb = V (gcm V s2) = 3.336 x KT10 C
Potencial elctrico statvolt statvolt = erg/esu = 299.8 V
Campo elctrico stat volt/centmetro statvolt/cm = dyn/esu
Intensidad del campo oersted intensidad del campo elctrico = oersted
elctrico
Densidad de flujo gauss 1 gauss = HL"*T
Flujo magntico maxwell 1 maxwell = 1 gauss-cm2 = 10* Wb
Induccin magntica gauss 1 gass = 1 maxwcll/cm2
Resistencia siemens/centmetro S/cm
Resistividad Siemens S
Capacidad farad ay cm = 1.113 x 10-,J F
Inductancia sicmcns2/ccntm ctro sVcm = 8.988 x 10" H
Ejercicios
1. Realice d redondeo de cada nmero a la cantidad 5. Complete las unidades de medida para el sistema
de cifras significativas que se indica con base en los CGS y SI segn corresponda.
criterios expuestos en la seccin Cifras significativas y
redondeo. Unidad Sistema
CGS SI
Cantidad Cifras significat b i s Resultado final
Masa
2.7867 4
Longitud
3.2384 4
Tiempo
0.1452 3 Velocidad
0.1553 2 Aceleracin
4.045 3 Fuerza
6.0050 3 Presin
3.015 3 Trabajo
0.0027 2 Patencia
300 1 Momento
2. Escriba la cantidad correcta de cifras significati 6. Un investigador en el rea de ecologa de sistemas

vas con base en los criterios de las secciones Suma acuticos est interesado en evaluar el estado de salud
y resta con cifras significativas y Multiplicacin y del sistema ecolgico del Lago de Chapala. Para ello,
divisin con cifras significativas. se da a la tarea de medir las variables expresadas en la
tabla. Con base en los tipos de variables de la tabla 2.4.
Operaciones con cifras significativas Clculo final ayude al investigador a identificar la naturaleza de las
variables de su estudio.
4.023 + 6.16= 10.183
2 .6 9 - 1.021 = 1.669 Variable Cualitativa Cuantitativa
7 .2 5 x 6 .2 = 4 4 .9 5 m edida_______ (s/no)/tipo (si/no)/tipo
0.0501 / 3.224 x 104 = 1.55397 x 10-6 Cultivos que se
desarrollan en la
ln 2.6=0.955511
ribera del lago.
eos 4 =0.997564 Volumen de agua
almacenado en
3. Exprese las siguientes cantidades en sus respecti
millones de m \
vos mltiplos, manteniendo la congruencia en cuanto
Tasa de evaporacin
al nmero de cifras significativas.
a) 3.7 mg a microgramos del lago en cm3.
b) 2.58 km a metros Volumen de agua
c) 27.24 m- a microlitros extrado para uso
d ) 135 s a horas sanitario en cmVs.
Presencia de
4. En la siguiente tabla, escriba cada una de las canti metales pesados en
dades con el nmero de cifras significativas que se in el agua (pg/m3).
dica. Nmero de granjas
porccolas en la
Nmero C ifras significativas Respuesta ribera del lago.
8.300 dos El anlisis de las
7,000 una variables llev al
investigador a
0.004050 cuatro concluir que el
0.0009 una estado de salud del
lago es malo.
Bibliografa 39
Bibliografa
Bar, A. R. (2000). Un aporte a la discusin sobre el estatus metodolgico de las variables y
escalas de medicin". Cinta de Moebio. nm. 7. Chile: Facultad de Ciencias Sociales,
Universidad de Chile.
Bell, S. (2001). A Beginner's Cuide to Uncertainty in Measurements. 2a cd. Reino Unido:
National Physics Laboratory.
B1PM, (2006). The International System ofU nits SI. Paris: STHDI Media.
Gil, S. y Rodrguez E. (2001). Fsica recreativa: Experimentos de Fsica usando nuevas tec
nologas. Per: Prcnticc Hall.
ISO. (2004). biternational Vocabulary o f Basic and Genera! Terms in Metrology (VIM). 3a
ed. ISO VIM (DGUIDE 99999).
Kurt. G.R. (1986). The International System o f Vnits (SI). Morgantown: Cost Enginccring.
Lyons, L. (1993). A Practical Cuide to Data Analysis fo r Physical Science Students. Nueva
York: Cambridge Univeisity Press.
Miranda, P. y Jurez, H (2006). Laboratorio de Fsica I. Chile: Facultad de Ciencias-Depar
tamento de Fsica. Universidad de Chile.
Rodrguez, L.A. (2001). laboratorio cero 2001-2. Facultad de Ingeniera, Departamento de
Qcncias Bsicas. Bogot: Pontificia Universidad Javeriana.
Tylor, B. y Kuyatt, C. (1994). Guidelines fo r Evaluating and Expressing the Uncertainty o f
N1ST Measurements Resulrs, nota tcnica 1297. EUA: National Institute o f Standards and
Technology. United States Department of Commcrcc Technology Administration.
UKAS, (2006). The expression o f uncertainty and confidence in measurement. Londres:
United Kingdom Acreditation Services, Draft 2.
Universidad de la Laguna Espaa. Introduccin a la Fsica experimental, http://wcbpagcs.ull.
es/users/fexposit/ife_err.pdf. Consulta realizada el 15 de enero de 2007.
Universidad Santiago de Cali. Colombia. Guas nicas de laboratorio de fsica I: aspectos
preliminares, metrologa conceptos y definiciones, http://www.usc.cdu.co/laboratorios/
archivos/propuesta/LEY_DE_OHM_2.pdf. Consulta realizada el 15 de enero de 2007.
C A P T U L O 3
Incertidumbre en las mediciones

y evaluacin de resultados
experimentales
Introduccin
En el proceso de medicin de una magnitud el valor obtenido no es absolutamente pre
ciso, es decir, el resultado de la medida no coincide con el valor real de la magnitud.
Cuando se requiere llevar a cabo un experimento para comprobar una teora, caracterizar
un producto, determ inar las propiedades de un objeto, etctera, es necesario estimar la
variacin del valor medido con respecto al valor real. La teora de errores se encarga de
estimar esta desviacin, pero antes de hacerlo es necesario com prender y diferenciar
dos conceptos que suelen confundirse: error c incertidumbre. En este captulo se definir
el concepto de incertidumbre y su relacin con el error, mientras que de este ltimo solo
se har una pequea mencin debido a que ya fue descrito en el captulo anterior.
Error
El resultado de todo proceso experimental que proporcione el valor medido de una mag
nitud X no coincidir con el valor real de dicha magnitud. La diferencia entre el valor real
y el valor medido se denomina error de la medida:
(3.D
Incertidum bre
Debido a los errores, los valores obtenidos como resultado de los procesos de medicin
poseen incertidumbre. La utilizacin de instrumentos en buen estado, el manejo ade
cuado de los aparatos y la consideracin de correcciones a los modelos ideales, permiten
reducir los errores sistemticos, sin embargo, no es posible deshacerse totalmente de
los errores aleatorios y de escala. Mientras m s preciso es el instrumento de medicin.
41
C aptulo 3 Incertidum bre en las m ediciones y evaluacin de resultados experim entales
ms significativos se vuelven los errores aleatorios. La incertidumbre que resulta de una

medida, en ciertas unidades, no puede ser un nmero exacto, sino un intervalo numrico.
La incertidumbre es pues, el semiancho del mnimo intervalo donde es posible afirmar,
con relativa seguridad (ms o menos con 70% de confianza), dnde se encuentra el valor
real de la medida.
Una vez que se han explicado los dos conceptos, distinguirlos facilita la compren
sin de la teora de errores. Es frecuente que en la mayora de los casos se utilice la pa
labra error para referirse a la incertidumbre de una medida, lo cual es prctico, mas no
correcto.
El error es siem pre desconocido, pero puede estimarse una cota superior para su
valor absoluto, la cual se denomina incertidumbre absoluta de la m edida y se expresa
AX. De la definicin de error y de incertidumbre, se deduce que el valor real de la medi
da se encuentra en el intervalo:
^ 6 [X -A X . X - + A X ]
Esta situacin se representa grficamente de la siguiente forma:
11 . 1I
11 * 11
Xmed-AX X^J X ^ j + AX
Figura 3.1: Representacin de la incertidumbre absoluta de una medicin.
donde X wJ se encuentra en el punto medio del intervalo. El resultado de una medida se

escribe siempre:
X = X mtJ A X (3.2)
Sin embargo, a veces es til comparar la incertidumbre de una medida con el valor
de la misma.
Ahora bien, se define incertidumbre relativa como el cociente entre la incertidum
bre absoluta de la medida y el valor medido:
S X = -^ ~ (3.3)
Tambin se representa como porcentaje y, en este caso, se denomina incertidumbre

relativa porcentual. Obsrvese que la incertidumbre relativa es adimensional, mientras
que la absoluta tiene las mismas unidades que la magnitud medida, por lo que siempre
se acostumbra expresar el resultado de una medicin con la incertidumbre absoluta.
En resumen, medir una magnitud no se refiere nicamente a dar un nmero, sino
tambin sus unidades e incertidumbre y presentarlo correctamente. En cada resultado se
debe tener laseguridad de que esos cuatro aspectos queden representados de manera
clara para su interpretacin. Por ejemplo, al determ inar elpeso de una fruta, este se debe
expresar de la siguiente manera:
Propagacin de incenidum bre 43
(105 10) g
Valor medido Incertidumbre Unidades
Propagacin de ncertidum bre

Debido a que tanto en las prcticas de laboratorio como en los experimentos cient
ficos es necesario determinar la incertidumbre de las medidas y expresar correctamente
los resultados, e s fundamental aprender a obtener las mediciones en casos distintos. Los
tipos de determinaciones de incertidumbre que se utilizan en la prctica son los siguien
tes: 1) La ncertidumbre absoluta cuando la medida es nica directa, 2) La incertidumbre
absoluta en series de medidas directas, y 3) La incertidumbre absoluta en medidas indi
rectas (constante, suma, resta, multiplicacin, divisin, potencia, logaritmo, exponen
cial, entre otras).
La incertidumbre absoluta cuando la medida es nica directa

Las mediciones directas son las que se realizan al comparar directamente el patrn de
medida con el objeto a medir. Sin embargo, dentro de estas existen dos tipos: las me
diciones directas rcproduciblcs (o directas nicas) y las no reproduciblcs. Las primeras
son aquellas que se pueden repetir tantas veces com o sea necesario y bajo las mismas
circunstancias experimentales. En esta seccin se evaluar cm o se determina la inccr-
tidumbre en estos casos.
Cuando se realiza la medicin directa de una magnitud y no es posible repetir la
medicin, o cuando en una serie de lecturas se obtienen los mismos resultados para
la magnitud, al valor obtenido generalmente se le asocia una ncertidumbre absoluta
igual a la m itad de la divisin ms pequea de la escala del instrumento. Por ejemplo,
si al medir repetidas veces la longitud de un cuerpo con una regla graduada en milme
tros se obtiene siempre 250 mm, no se puede concluir que la incertidumbre es cero por
que los errores accidentales quedan ocultos al ser menores que la incertidumbre asociada
a la regla; as pues, como la escala mnima de un regla es de 1 mm, la mitad ser 0.5 mm,
lo que se considerar como la ncertidumbre absoluta (AL = 0.5 mm) y la medicin se
deber escribir de la siguiente manera:
L = (250 0 .5 ) mm
El intervalo de incertidumbre va de 249.5 mm a 250.5 mm y es el doble de la incer

tidumbre absoluta.
F.1 hecho de asociar a las lecturas obtenidas con instrumentos sencillos una incerti
dumbre igual a la mitad de la divisin ms pequea de la escala, se debe a que la mayo
ra de los fabricantes garantizan que sus instrumentos estn diseados y construidos, de
tal m anera que la incertidumbre mxima que se puede introducir no sobrepasa ese valor.
Com o ya se dijo, la incertidumbre de la precisin finita del instrumento de medicin
(incertidumbre sistemtica de precisin) normalmente se toma igual a la mitad de la
mnima divisin de su escala, pero en otras ocasiones se sugiere utilizar la mnima divi
sin completa (en el caso de balanzas, la pesa de menor valor). En otros casos, en donde
el procedimiento de medicin aumenta la ncertidumbre, no puede tomarse la mitad de
la mnima escala ni la mnima divisin, dado que se obtendra una incertidumbre mayor.
44 C aptulo 3 Incertidum bre en las m ediciones y evaluacin de resultados experim entales
Figura 3.2: Odmetro de un automvil que se desplaza entre 70 y 80 km/h.
Un ejemplo til es utilizar una escala analgica del instrumento que mide la rapidez en
los automviles; por lo general estos presentan una divisin mnima de su escala en in
tervalos de 10 km/h. Si la lectura en un momento determinado marcara un valor entre 70
y 80 km/h (figura 3.2), bastante cercano a los 80 km/h, la mejor lectura que se tendra, si
se aplicara la regla anterior, sera de 70 5 km/h, estimndose que el valor real se encon
trara entre 65 y 75 km/h. Si en este caso se subdividiera de manera virtual esta escala en
segmentos de 1 km/h, quiz se podra tener una mejor estimacin de 79 0.5 km/h, es
decir, un intervalo entre 78.5 y 79.5 km/h. Con estos ejemplos se comprueba que es ne
cesario entender correctamente el procedimiento experimental para encontrar el valor
correcto y tener presente que dicha regla debe aplicarse con criterio.
La incertidumbre absoluta en series de mediciones directas

Las series de mediciones directas son aquellas que pueden repetirse tantas veces como
sea necesario, bajo las mismas circunstancias experimentales. Ahora veamos cmo se
estima la incertidumbre, influida por factores aleatorios, en series d e mediciones direc
tas. Para realizar tal estimacin es necesario repetir la medida varias veces en las mismas
condiciones. En cada una de estas repeticiones los factores aleatorios afectan de forma
diferente, lo que permite obtener informacin acerca de su magnitud. Si se repite n veces
la medida de una magnitud X y se expresan com oX ,, X:. Xn los resultados de las n
medidas; entonces, el mejor valor para el conjunto de mediciones es la m edia aritm tica
X (la cual se analizar a detalle en el captulo 4), y se calcula de la siguiente forma:
X*
X = -*=* (3.4)
n
donde:
X = media aritmtica.
X t = valores de la variable X desde el valor i = / hasta el valor n-simo.
n = nmero total de datos de X o el tamao de la muestra.
En estos casos se toma com o inccrtidumbrc absoluta AX (la inccrtidumbrc mayor
entre la inccrtidumbrc que se debe a la precisin \p \ del aparato y la que se debe a los
factores aleatorios), que depender del nmero de medidas:
Propagacin de incenidum bre 45
Si 2 ^ / i 1 0 AX = m x(p,D m )
Si n > 10 AX = m x (p ,S m)
Donde Dmes la desviacin mxima que est definida como:
Dm = (3.5)
2
Y Sn es la desviacin tpica de la media (desviacin estndar o error cuadrtico de
la media) expresada:
I f i W - X ) 7 ( 3 .6 )
S_ = \/4=!----------------
(n-1)
donde:
X = media aritmtica.
X. - valores de la variable X desde el valor i = 1 hasta el valor n-simo.
fi = frecuencia del valor Y desde el valor / = 1 hasta el valor n-simo.
n= nmero total de datos de Y o el tamao de la muestra.
As, Smes una medida del grado d e dispersin de la distribucin de los valores alre
dedor de la media. Cuando S es grande, los valores individuales estn muy dispersos.
En resumen, para series de mediciones directas la incertidumbre absoluta de la serie
de medidas ser igual a Dm para los casos en que el nmero de datos se encuentre entre
2 y 10, y Smen los casos que el nmero de datos sea mayor que 10.
Medidas indirectas que tienen incertidumbre asociada

Las mediciones indirectas son aquellas que requieren la determinacin de una o ms
mediciones directas y se obtienen efectuando un clculo matemtico con dichas m e
diciones, lo cual en la mayora de los casos, se debe a que no existen instrumentos
para determinarlas y, en otros casos, aunque estos existan no se dispone de ellos, por lo
que se tienen que evaluar mediante relaciones matemticas. Por ejemplo, si se pretende
determinar la aceleracin a de un cuerpo, no existe un acelermetro; sin embargo, se
establece mediante relaciones matemticas como:
a=- (3.7)
m
Existen instrumentos para medir la fuerza F (dinammetro) y la masa m (balanza).
Sin embargo, es importante recordar que las mediciones de F y m tendrn que estar aso
ciadas con sus respectivas ncertidum bres:dF y Am, y por lo tanto, a tambin presentar
su incertidumbre asociada: Aa. De manera que:
a + Aa = (3.8)
m + A/t
En virtud de que la mayora de las mediciones realizadas en ciencias e ingenieras
son indirectas es importante determinar cmo se propaga la incertidumbre. Hasta aqu se
ha presentado nicamente el concepto de incertidumbre de una sola variable medida; sin
embargo, es raro que el proceso se termine con la medicin de una variable nica. Con
frecuencia, el resultado deseado es una combinacin de dos o ms cantidades medidas,

o por lo menos, es una funcin calculada a partir de una sola variable. Por ejemplo, se
puede calcular el rea transversal de un cilindro por la medida de su dimetro, o su volu
men por la medida tanto del dimetro com o de la altura. Las diferentes mediciones son
de distintos tipos: el clculo de la aceleracin de la gravedad (g) a partir de los valores de
la longitud, el periodo de un pndulo, etctera. En estos casos es obvio que la presencia
de incertidumbre en las medidas originales trae consigo la presencia de una incertidum
bre en el valor final calculado. Para propsitos prcticos se supone que en la experim en
tacin las incertidumbres tienen el carcter de alcances o intervalos, dentro de los cuales
existe la probabilidad de que se encuentre el valor correcto. Para los valores calculados
se encuentran intervalos dentro de los cuales, nuevamente, existe la probabilidad de que
ah estn los valores buscados. Esto significa que se tienen que hacer clculos para el
p e o r caso de combinacin de incertidumbres.
Incertidumbre en funciones de una variable

Si se considera una cantidad medida (X^ con una incertidumbre ( AX) y un valor
calculado (>0, que es una funcin de la variable X, es decir.
Y = /(X ) (3.9)
Esta funcin permite calcular el valor estimado Ya, a partir de un valor medido
M ejor an, permite laposibilidad de estimar que pueda variar de X ^ - AX a
X + AX, lo que implica un interv alo de posibles valores de Y - A Y a Y , + AY.
Ahora interesa saber cmo se calcula el valor de DK Antes de considerar los mto
dos generales de evaluar D J\ es ilustrativo ver la propagacin de las perturbaciones fini
tas en funciones sencillas. Por ejemplo, la funcin:
Y =X 2 (3.10)
Si X puede variar entre X - AX a X ^ + AX , entonces Y puede variar entre Y( -A Y

a Yai + AY, donde:
n , AK = AX)2 = + AX7 (3.11)
Si se ignora el trmino AX2, debido a que se supone que AX es pequea en compa

racin con XnrJ y al elevarla al cuadrado se obtiene un valor todava m s pequeo, se
puede igualar Ytt con XmJ , lo que para el valor de DXda:
A Y = 2X medAX (3.12)
Esto se expresa, de forma ms conveniente, en trminos de la incertidumbre rela

tiva:
AX = 2 X ^ = 2 AX
Ym X ^ X_
As, la incertidumbre relativa del valor calculado es dos veces la de la medicin
inicial. Aunque es esencial tener en mente la naturaleza de la incertidumbre propagada.
M todo general para la determ inacin de la incertidum bre 47
como lo ilustra el uso de diferencias finitas, puede lograrse una simplificacin conside
rable de la formulacin lograda usando el clculo diferencial.
M todo general para la determ inacin de la incertidum bre

en funciones de una variable utilizando clculo diferencial
Este mtodo, en el caso de relaciones matemticas complejas, provoca que las estima
ciones de propagacin de incertidumbre se vuelvan difciles de obtener, no obstante, se
puede recurrir al clculo diferencial. Las diferencias finitas AY y AX se expresan en tr-
dY
minos de la derivada . Por lo tanto, es posible conocer el valor de AY usando primero
dX
dY
las tcnicas normales para obtener de la siguiente forma:
dX
o tambin:
Y = d- W A X (3.15)
dX
Este es un procedimiento relativamente simple y funciona bien en los casos en que

el planteamiento de diferencias finitas lleva a una excesiva complejidad algebraica. Por
ejemplo, si
Y= (3.16)
( X 2 + l)
d Y _ ( X 7+ \ ) - ( X 2 X ) _ i-x 2
entonces: - - , , (3.17)
1 -X 2
y finalmente: AY = 2 AX (3.18)
(1 + X 2)
Ms an, da una expresin general para AY en funcin de X y AX. Este clculo ha

bra sido muy complicado con otro tipo de planteamiento.Cualquier valor deseado en
particular puede obtenerse haciendo X = X ^ . Estas tcnicas sirven para evaluar incerti-
dumbres de algunas funciones comunes, por ejemplo:
1. Potencias:
Y =X' (3.19)
= nX ^' (3.20)
dX
A Y = ,iX " A X (3.21)

Lo significativo de este resultado se hace un poco ms obvio cuando se expresa en

trminos de la incertidumbre relativa:
AY AX
( 3 -2 2 )
rat i
Por lo tanto, cuando se evalan potencias, la incertidumbre relativa del resultado es

la incertidumbre relativa de la cantidad original multiplicada por la potencia respectiva.
Esto es vlido tanto para potencias como para races, de modo que laprecisin dism i
nuye si una cantidad se eleva a potencias y mejora alsacar races. Esta situacin debe
vigilarse con cuidado en un experimento que implique potencias; cuanto ms alta es la
potencia, mayor es la necesidad de una alta precisin inicial.
2. Funciones trigonomtricas. En el caso de:
Y = senX (3.23)
dY
se tiene que = eos X (3.24)
dX
A y = (cosX)AX (3.25)
3. Funciones logartmicas y exponenciales. Para la funcin:
K = lo g X (3.26)
dY 1 .
se tiene que = (3.27)
dX X
AY = - A X (3.28)
X
La incertidumbre relativa se calcula dividiendo ambos lados entre Y = f ( X ) , segn

la expresin inicial de la funcin:
Si Y = ex (3.29)
dY x
se tiene que =e (3.30)
dX
A Y - e xAX (3.31)
Este es un caso importante, ya que las funciones exponenciales ocurren con frecuen
cia en la ciencia y la ingeniera. Estas funciones pueden hacerse muy sensibles al expo-
nente cuando toma valores mucho mayores que la unidad, y por lo tanto, la incertidumbre
D Y puede volverse muy grande. Como se mencion antes, este mtodo se aplica fcil
mente a cualquier funcin si se evala la derivada respectiva.
Incertidum bre en funciones de dos o m s variables 49
Incertidum bre en funciones de dos o m s variables

Si el resultado se calcula a partir de dos o ms valores medidos X. Y, Z ..., la ncerti
dumbre de ese resultado se observa de dos maneras: se puede ser tan pesimista como
sea posible y suponer que las desviaciones reales de X y Y ocurren combinndose de ma
nera tal que desven el valor de Z, tan lejos como sea posible de su valor central. De esta
manera, se calculara un valor de Z que d<5 la anchura extrema del intervalo de posibles
valores de Z. Por otra parte, se puede argumentar que e s ms probable que se combinen
las incertidumbres de las medidas bsicas de una manera menos extrema, donde algunas
hagan contribuciones positivas y negativas a AZ. de modo que el valor resultante de AZ
sea menor que el que da la suposicin pesimista.
Por el momento se calcular el valor de AZ que representa el margen ms amplio de
posibilidad para Z. Este enfoque, si bien es pesimista, ciertamente es seguro, ya que si
AX, AY, etctera, representan lmites dentro de los cuales estamos casi seguros de que se
encuentran los valores reales, entonces el valor calculado de AZ dar los lmites dentro
de los cuales tambin estamos casi seguros que se encuentra el valor real de Z.
El enfoque inicial usa el mtodo elemental de sustitucin y es el que se em plea para
las primeras dos funciones.
1. Suma de dos o ms variables. Si se considera que:
Z=X +Y (3.32)
La incertidumbre en Z se obtiene a partir de:
Z A Z = {XmeJ A X ) + (Yd A Y ) (3.33)
y el valor mximo de A Z se alcanza al escoger signos semejantes todo el tiempo. As:

A Z - A X + AY (3.34)
Como era de esperarse, la incertidumbre en lasuma es solamente la suma de las

incertidumbres individuales. Se expresa en trminos de la ncertidumbre relativa, pero
no se logra una mayor claridad:
AZ AX + A Y (3.35)
Z X +Y
2. Diferencia de dos variables:
Z =X -Y (3.36)
Como en el caso anterior, se obtiene AZ a partir de:
AZ = ( X ^ A X ) - ^ AY) (3.37)
Aqu se puede obtener el valor mximo de AZ escogiendo el signo negativo para A Y.

lo que una vez ms da:
A Z = AX + A Y (3.38)
En esta ecuacin, cuando Xmed y Y son muy cercanas y X - Y pequea, la inccrti

dumbrc relativa puede adquirir valores muy grandes. Esta es una situacin insatisfactoria
y la precisin quiz sea tan baja que anule el valor de la medicin. En particular, esa
condicin peligrosa puede pasar inadvertida. Es perfectamente obvio que, si fuera posi
ble evitarlo, nadie intentara medir la longitud d e un cuaderno midiendo la distancia de
cada borde desde un punto alejado para luego restar las dos longitudes. Sin embargo,
puede suceder que el resultado deseado se obtenga por sustraccin de dos medidas he
chas por separado (en dos termmetros, dos relojes, entre otros) y el carcter de la me
dicin como diferencia no sea claro.
En consecuencia, todas las mediciones que tengan que ver con diferencias debern
tratarse con el mayor cuidado. Es claro que la forma de evitar esa dificultad es medir la
diferencia de manera directa, en lugar de obtenerla por sustraccin. Por ejemplo, si se
tiene un aparato en el que dos puntos estn a potenciales a tierra de V{ = 1500 V y
V:= 1510 V, respectivamente, y la cantidad que se requiere es V, - V,; solo un voltmetro
d e muy alta calidad permite medir los valores V7 y V{ con la exactitud requerida para
lograr incluso 10% de precisin en V2 - V,. Por otro lado, un voltmetro ordinario de
10 V conectado entre los dos puntos para medir V, - V, directamente, dara de inmediato
el resultado deseado con 2 o 3% de precisin.
M todo general para determ inacin de la incertidum bre

en funciones de dos o m s variables
Los dos ejemplos anteriores, tratados por el mtodo elemental, sugieren que una vez
ms el clculo diferencial ofrecera una simplificacin considerable a este tratamiento.
Si se tiene:
Z =f(X ,Y) (3.39)
la cantidad apropiada para calcular AZ es la diferencial total dZ. que est dada por:
d Z ^ ~ - d X + dY (3.40)
BX BY
Tomando esta diferencial y tratndola com o una diferencia finita, AZ se calcula a

partir de las ncertdumbres A X y A Y . Esto es:
AZ = AX + AY (3.41)
BX BY
Bf Bf
y las derivadas y normalmente se calculan con los valores X y Ymei para los
Bf Bf
que se necesita AZ. Se observa que. dependiendo de la funcin/ , el signo de ^ y
resulta ser negativo. En ese caso, se utiliza la estimacin pesimista para el valor mximo
de AZ, se escogen los valores negativos apropiados para A X o A Y , & fin de obtener de ah
una contribucin total positiva de la suma.
1. Producto de dos o rns variables. Suponiendo que:
7 = XY (3.42)
M todo general para determ inacin de la incertidum bre 51
y se utilizan las diferencias finitas, se necesitan los valores de d f / BX y B f I B Y . Estos

son:
! = r (3.43)
fy - x (344)
por lo que el valor de DZ est dado por:
AZ = YAX + XA Y (3.45)
El significado de este resultado se ve con ms claridad cuando se convierte en incer

tidumbre relativa:
AZ AX AY
T
' / =XAn,J
~ Y~
' <3 4 6 >
As, cuando la cantidad deseada es el producto de dos variables, la incertidumbre

relativa es la suma de las incertidumbres relativas de los componentes.
Es muy comn, sobre todo en fsica, que una funcin compuesta implique un pro
ducto algebraico que tiene componentes elevados a diferentes potencias. Al tener:
Z = X aY b (3.47)
en donde a y b pueden ser positivas o negativas, enteras o fraccionarias. En esc caso,

la formulacin se simplifica de manera significativa tomando los logaritmos de ambos
lados antes de diferenciar. As:
log Z = a log X + b log Y (3.48)
de donde, implcitamente, se obtiene:
(3.49)
Z X Y
Y tomando las diferenciales com o diferencias finitas:
= a +f> (3.50)
7 at X fd lYmtd
Ntese que este proceso da la incertidumbre relativa de manera directa y eso, con
frecuencia, es conveniente. Si se requiere la incertidumbre absoluta DZ, puede multipli
carse la incertidumbre relativa por el valor calculado Z,Bque, por lo general, est dispo
nible. Esta forma de diferenciacin implcita sigue siendo el procedimiento ms sencillo
aun cuando la misma Z cst elevada a alguna potencia. Por ejemplo, si la ecuacin es:
7} = X Y ( 3 . 51 )
es innecesario rescribirla como: Z = X '2Y ' 2
y si se expresa en logaritmos: 21og Z = log X + logJ' (3.52)
. AZ AX AY . . .
entonces: 2 = --------- + --- (3.53)

Z X mrd Ymrd
lo que da ^ como se requera.
2. Cocientes. Pueden tratarse como productos en los cuales algunas de las potencias son
negativas. Como antes, el valor mximo de AZ se obtiene despreciando los signos
negativos de la diferencial y combinando todos los trminos de forma aditiva.
Si se encuentra una funcin distinta a las ya enumeradas, por lo general funciona

alguna forma de diferenciacin. Con frecuencia es conveniente diferenciar una ecuacin
de forma implcita, as se evita el requisito de calcular explcitamente la cantidad desco
nocida en funcin de las otras variables. De esta manera, se prepara una frmula para la
incertidumbre en la que se insertan directamente todas las incgnitas. Asegrese de que
se usen los signos adecuados para que todas las contribuciones a la incertidumbre se
sumen para dar los lmites extremos de posibilidad del resultado.
Cuando la funcin sea tan grande y complicada que no se pueda obtener un valor
general de AZ, siempre se pueden tomar los valores medidos Xme/ entre otros, y
encontrar Zru. Entonces se trabaja con dos resultados diferentes, uno utilizando los valo
res numricos propios de XmfJ + AX. YmeJ+ A y (o Y ^ - A Y , si es el adecuado) para obtener
uno de los valores extremos de Z; y el otro utilizando Xm j - AX. Esos dos valores corres
ponden a los lmites de Z y as se conoce el valor de AZ
Finalmente, se calcula la incertidumbre de Y en las medidas indirectas en funcin de
varias medidas directas X r X2,...Xn:
K = / ( X X 2,...X J (3.54)
donde f e s una funcin de n variables. La incertidumbre de Y est dada por la expresin

matemtica general:
AY =
3X, dX
AX,, AXr ... AXn son las incertidumbres totales de las medidas directas.
Los casos particulares sencillos ms usados son:
Cambio de escala: Y = cX => A Y =|cjAX (3.56)
kY
Potencias: Y = cX* => A Y = AX (3.57)
X
Suma y diferencia: Y = X, + X 2 => A Y = V'(AX,)J +(AX: )J (3.58)
J ^ X .- X ,
M todo general para determ inacin de la incertidum bre 53
*
AX, AX, 1
Producto y cociente: Y = X,X2 => A Y = |K| (3.59)
r
Y=
AX
Logaritmo: Y = logX =* AK = (3.60)
Exponencial: K= => A Y = e x AX (3.61)
Ejemplos utilizando los casos particulares sencillos

Sum a y diferencia
El error absoluto de una suma o una diferencia es la raz cuadrada de la suma de los
errores absolutos elevados al cuadrado de cada una de las cantidades que interv ienen en
dicha suma o diferencia (frmula 3.58).
a k = v/ ( a x , ) : + ( a x ! )3
E jem plo 1: una mesa cuadrada se mide con una cinta mtrica; los lados son iguales a un valor de
(75.0 0.5) cm. Cul es el valor de su permetro? Expresa el resultado con su incerti
dumbre.
Se tiene que:
L -L ^ A L
y el valor del permetro P = P ^ AP
y si Lm = 75.0cm y AL - 0.5cm
Entonces:
/ , = ^ + / w + w + w = (75.0 + 75.0 + 75.0 + 75.0) cm = 300 cm
AP = V'(A/.2+ AL2 + AL2 + AL7) = ^((0.5cm )2 + (0 .5 c m )2 + (0 .5 cm )2 + (0.5cm )2) = 1 cm

y
El permetro de la mesa es: P = (300 1) cm.

E jem plo 2: si al medir el volumen de un objeto por desplazamiento de agua en una probeta se obtie
nen los siguientes valores: V, = (350.0 0.5) mi y V ,= (400.0 0 .5 ) mi. Cmo se repor
ta el volumen del objeto?
V = V 2- V y A V = JA V ? + AVj2
V = (400.0 - 350.0) mi = 50.00 mi
AV = J ( 0 5 mi)2+ (0.5 m i)1 = 0.707mi - 0.7ml
Se puede escribir que el desplazamiento de volumen fue de V = (50.00 0.7) mi.
E jem plo 3: si se tienen dos resistencias: K, = (300 3) 2 y /?, = (200 6 ) 2 y se conectan en serie,
qu resultado se obtiene?
Rs = /?, + /? ,= (300 + 200) 2 = 500 2
ARs = + AR:: = J (32)2 +(62)2 =6.712 = 72
Por lo tanto, el resultado debe expresarse como: Rs = (5 0 0 7 ) 2
P ro d u cto y cociente p o r un nm ero exacto

V
1 AX,2
ATP .ll1
J+ X 2 /
E jem plo 4: en la determinacin de la potencia elctrica d e una resistencia se midieron el voltaje y la

corriente elctrica, y se obtuvieron los siguientes resultados:
V = (50.01.0) V ; / = (4 .0 0 .5 ) A
La potencia elctrica y la incertidumbre asociada a la potencia elctrica es igual a:
avY ( ai
P - V t v AP = P
j + i
P = 5 0 V x 4 A = 200W = 2 x l 0 2 W
0.5 A V
+ = 2 x 102V a 16 = 2 x 102(0 .13) = 25.32 W = 3 x 10'W
14A
Por lo tanto, el resultado debe expresarse como: P = ( 2 0 .3 ) x l 0 : W

Las grficas 55
E jem plo 5 : 1en un experimento la medicin de la densidad report los siguientes valores: masa (25.00
0.05) g y volumen (10.5 0.1) cm3.
m Am 2 A V
donde: p = y A p - p
m
25.00g
p= = 2.38 g
10.5 cm ' cm
2 / . V
0.1 cm
A p = 2.38^ = 2.38 ^-r V0.000095 = 2.38 - A r (0.0097) = 0.023 - 1 -
cm ' V I 25.00cm 3 10.5 cm ' cm cm cm
Por lo tanto, el resultado debe expresarse como: /> = (2.38 0.02) g

cm
Anlisis grfico de los resultados

Representacin de la incertidum bre en las grficas
El anlisis grfico es una herramienta til para la evaluacin de experimentos y repre
senta el comportamiento esquemtico y/o matemtico del sistem a analizado. Existen
dos tipos de grficas: las descriptivas y las d e clculo. Las primeras ilustran el comporta
miento de un sistema fsico (simple descripcin esquemtica del sistema), mientras que
las segundas permiten hacer estimaciones de valores no conocidos dentro del rango de
valores (interpolacin) y en algunos casos extrapolarlos a valores no analizados (con un
alto grado de probabilidad de cometer una subestimacin o sobrestimacin).
Para extraer toda la informacin posible de las observaciones es necesario graficar,
adems de los puntos, la incertidumbre correspondiente d e cada uno de ellos, de manera
que sea apreciable cualquier desviacin y se evidencie la incertidumbre total del experi
mento. A menos que sobre cada punto se marque el intervalo de error, ser imposible
decidir si una desviacin particular de la tendencia general es o no significativa.
Las grficas
En experimentos donde se obtiene una gran cantidad de datos, con frecuencia se orga
nizan para presentarlos en forma de una grfica, es decir, un diagrama que usa lneas,
crculos, barras o alguna otra forma geomtrica para representar los datos.
I-as grficas:
1. Concentran informacin que facilita la comparacin entre un experimento y otro,
y se pueden comparar con otras grficas, lo cual no ocurre si solo se utilizan ta
blas.
2. Revelan rpidamente ciertos rasgos como: mximo, mnimo, periodicidad, varia
cin de la pendiente, ordenada al origen, entre otros.
En las ciencias c ingenieras, las grficas tienen, principalmente, tres aplicaciones:
1. Es muy rpido y sencillo determinar alguna caracterstica de un fenmeno.
2. Funcionan como una ayuda visual.
3. En el trabajo experimental permiten conocer la relacin existente entre dos o tres
variables.
Construccin de grficas
Para la construccin de grficas, a partir de datos experimentales, se deben seguir las
siguientes recomendaciones:
1. Eleccin del papel adecuado (depende del tipo de datos obtenidos y del problema por
resolver):
a ) Papel de coordenadas rectangulares uniformes (milimtrico): se caracteriza por
que ambos ejes, abscisas x y ordenadas y estn a escala lineal. Por lo general se
utiliza para determinar un fenmeno con comportamiento lineal (figura 3.3).
01 2 3 4 5 6 7 8 9 1011 12 1314 15 16 17 18 19
P e s o (k g )
Figura 3.3: Representacin, en papel milimtrico, del incremento en la longitud de un

resorte (cm ) en funcin del peso (kg) que se le aplica.
b) Papel semilogartmico: tiene una escala lineal y otra logartmica. Se emplea en

funciones exponenciales y en el caso de funciones que representan variaciones
muy grandes de una variable (figura 3.4).
10000001
1000000
100000
10000
10 15 20
Oas transcurridos
Figura 3.4: Representacin, en papel semilogartmico, del incremento en la concentracin

de levadura (escala logartmica) en funcin del tiempo en das (escala lineal).
Las grficas 57
c) Papel logartmico: se caracteriza porque ambos ejes: abscisas y ordenadas son en

escala logartmica. Es til cuando las dos variables presentan variaciones grandes
o cuando se trata de representar una funcin potencial del tipo Y = Aje (figura 3.5).
1 10 100
D a s tra n s c u rrid o s
Figura 3.5: Representacin, en papel logartmico, del incremento en la concentracin de

sotopos (escala logartmica) en funcin del tiempo en das (escala logartmica).
2. Eleccin de la escala (el valor asignado a la menor divisin de la escala en cada

eje debe ser igual a la incertidumbre absoluta de la magnitud medida): el rango de
cada escala debe permitir grficas que ocupen espacios ms o menos cuadriculados
(figura 3.6).
45
40
35
30
?
25
T>
2
20
l ,
10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1718 19
P o so (k g)
Figura 3.6: La escala de los dos ejes presenta como mnima divisin la incertidumbre
absoluta del instrumento de medicin, que es en este caso de 0.1 kg para el peso y de 0.5
cm para la longitud.
3. Trazo de los punios experimentales: los valores experimentales en una grfica deben
ser representados por rectngulos y no por puntos, en los cuales se muestre el in
tervalo de incertidumbre absoluta que corresponde a cada magnitud en cada eje (figu
ra 3.7). Ejemplo:
Figura 3.7: Representacin de la incertidumbre absoluta de un punto donde se toma

el intervalo del valor X, - 14.4 0.1 y Y, = 15.6 0.2.
En la figura 3.7 el punto (14.4, 15.6) es representado por un rectngulo que en el eje
X tiene un rango de valores entre 14.3 y 14.5, y en el eje Y un rango entre 15.4 y 15.8.
Por lo tanto, la grfica de este resultado experimental puede pasar por cualquier punto
dentro del rectngulo y no necesariamente por el punto, ya que la precisin del instru
mento utilizado, tanto para medir la magnitud del eje X com o la del eje Y, no permite
discriminar ningn punto (del rectngulo) de error como preferente para trazar una nue
va curva.
Grficas en calculadoras y com putadoras

Con el desarrollo de la tecnologa ha cado en desuso el papel milimtrico, el logartmico
y el semilogartmico, ya que en las computadoras existen herramientas para tabular,
graficar y obtener las ecuaciones de un conjunto de datos. Esto ha facilitado el trabajo
en la ciencia, pues permite ahorrar tiempo en el anlisis grfico en la interpretacin de
resultados. Luis figuras 3.8 y 3.9 muestran el uso de las calculadoras para graficar con
juntos de datos.
Existe una amplia variedad de programas de cmputo que permiten realizar el an
lisis grfico de datos; entre los ms populares se encuentran las hojas de clculo como
Excel, Harvard Graphics, Quatro Pro, entre otros. Del mismo modo, existen muchos
programas estadsticos para graficar, entre los que se encuentran: Statistica, Statgra-
phics, SPSS, DataStudio, entre otros.
Grficas en calculadoras y com putadoras 59
Figura 3.8: Utilizacin de las calculadoras para graficar conjuntos de datos.
D 0 O t e n m u e s t r a s d e a g u a s r e s id u a l e s d e l m u n ic ip io D 6 0 a e n m u e s t r a s d e a g u a s r e s i d u a l e s d e l m u n ic ip io
d e T o n a l* . J a l i s c o d e T o n a lA . J a l i s c o
1400 3000
1200 2500
1000 a M1
(p p m )
2000
M2
800
600
i
o
1500
s M3
D B 05
400 1000
200 I <B -| i 500
M 4
0 1 0
15/ 11/ 20G 5 W 0 3 / 2 0 0 6 24/ 05/ 2006 20/ 11/ 2006 07/ 04/ 2007 15/ 11/ 2005 1& C 3/ 2006 2 4 .0 5 / 2 0 0 6 20/ 11/ 2006 07/ 04/ 2007
F e c h a d e m u e s t ie o F e c h a d e m u e s tr e o
D B O ^ e n m u e s t r a s d e a g u a s r e s id u a l e s d e l m u n ic ip io D 6 0 t e n m u e s t r a s d a a g u a s r e s i d u a l e s d e l m u n ic ip io
d e T o n a l* , J a U s o o d e T o n a l* . J a l i s c o
1400
M4
1200
1000 L /'N *
Ippm )
M3
800 M1 i
600 to
M2 1 0 0 0 -1 5 0 0
DBOO
400
M2
200 M3 i h
_______________ M1 0 5 0 0 -1 0 0 0
0 M4 15/ 11/ 2005 2 4 4 )5 / 2 0 0 6 07/ 04/ 2007
O 0 -5 0 0
W 11/ 2005 16/ 03/ 2006 21/ 05/ 2006 20/ 11/ 2006 < 37/ 0 4/ 20 07 16/ 03/ 2006 20/ 11/ 2006
F e c h e d e m a e s tr e o F e c h a d e m u e s tr e o
Figura 3.9: Uso de Excel para el anlisis grfico de datos

Coeficiente de correlacin
M uchos de los problemas de los que se ocupan las ciencias van ms all de la descrip
cin de una variable nica en sus diversas ramificaciones y con frecuencia es necesario
determinar las relaciones entre dos o ms variables. Por ejemplo, uno de los intereses
esenciales de las oficinas administrativas de las universidades es la relacin existente
entre los promedios obtenidos en el bachillerato o las calificaciones en el examen de
ingreso universitario, y el rendimiento en la universidad. Los estudiantes que hacen un
buen bachillerato o que logran una calificacin alta en el examen d e ingreso, tambin
destacan en la universidad? O bien, aquellos que son malos estudiantes en bachillerato
y los que obtienen una calificacin baja en el examen de ingreso, tienen un pobre ren
dimiento en la universidad?
Establecer estas preguntas acerca de las relaciones que existen entre las variables,
equivale a internarse en el rea de la correlacin. Con el fin de expresar cuantitativamen
te hasta qu grado estn relacionadas dos variables, es necesario calcular el llamado
coeficiente de correlacin r. Hay muchas clases de coeficientes de correlacin. La deci
sin de cul emplear para una serie de datos especficos depende de factores como:
El tipo de escala o medida en la cual se expresa la variable.

La naturaleza de la distribucin fundamental (continua o discreta).
La caracterstica de la distribucin de las calificaciones (lineal o no lineal).
No importa qu tcnica de correlacin se emplee, todas tienen las siguientes carac

tersticas comunes, si continuamos con el ejemplo anterior:
1. Se obtienen dos series de medidas de los mismos individuos (o sucesos) o de
pares de individuos que tengan alguna forma de relacin.
2. Los valores de los coeficientes de correlacin varan entre +1.00 y -1.00. Ambos
extremos representan relaciones perfectas entre las variables, mientras que 0.00
representa la ausencia de relacin.
r 1.00 r~0B? r-0 5 7

r
*
0 00 . --030 -1.00
-V /V
:
Figura 3.10: Diagramas de dispersin que ilustran varios grados de coeficientes de

correlacin entre dos variables X y Y.
C onstruccin de diagram as de dispersin 61
3. Una relacin positiva significa que los individuos que obtienen calificaciones
altas en una variable, tienden a obtener calificaciones altas en la otra. La aseve
racin contraria tambin es vlida, es decir, los individuos con una calificacin
baja en una variable, obtienen una calificacin baja en la segunda.
4. En una relacin negativa, los individuos con una calificacin baja en una variable
alcanzan una calificacin alta en una segunda variable y viceversa, los individuos
que consiguen una calificacin alta tienden a una calificacin baja en la segunda.
La figura 3.10 muestra una serie de diagramas de dispersin que ilustran varios gra
dos de relacin entre dos variables X y Y. AI interpretar las figuras es importante recordar
que cada punto representa dos valores: la calificacin de un evento en la variable X y la
calificacin del mismo evento en la variable Y. Como se indic anteriormente, la variable
X se representa a lo largo de las abscisas y la variable Ya lo largo de las ordenadas.
Construccin de diagram as de dispersin

La correlacin entre las dos variables se puede representar por medio de una grfica de
dos ejes (abscisas y ordenadas) cartesianos. En la figura 3.11 se observa la correlacin
entre potencia del motor de un automvil y consumo en litros por cada 100 km.
La figura 3.11 permite deducir que a mayor potencia hay un mayor consumo de
combustible. Esto quiere decir que la correlacin entre potencia y consumo no es aleato
ria. En este caso se estim una r - 0.87 (correlacin positiva).
En la figura 3.12 se representa la relacin existente entre peso del automvil en kg
y el tiem po que tarda en incrementar la velocidad de 0 a 100 km/h. El r - -0 .5 6 significa
que existe una correlacin negativa significativa entre el peso del auto y su respuesta de
aceleracin. Es decir, automviles m s pesados presentan un mayor tiempo de respuesta
y viceversa.
P o te n c ia (C V )
Figura 3.11: Correlacin entre potencia de un autom otor y su consumo de combustible

en I itros por cada 100 km.
1800
1600
1400
5 1200
| 1000
! 800
600
400
200
0 10 20 30
Aceleracin 0 a 100 km/h (segundos)
Figura 3.12: Relacin existente entre peso del automvil (kg) y el tiempo (s) que tarda
en incrementar su velocidad de 0 a 100 km/h.
Para interpretar el coeficiente de correlacin se han dado los siguientes lincamientos

generales:
Valor d e r de 0.00 a 0.25 implica que no existe correlacin entre ambas variables.
Valor de r d e 0.25 a 0.50 implica una correlacin baja a moderada.
Valor de r d e 0.50 a 0.75 implica una correlacin moderada a buena.
Valor de r 0.75 implica una muy buena a excelente correlacin.
Estos intervalos de valores tambin se pueden extrapolar con correlaciones negati
vas. Se debe tener cuidado al analizar la correlacin entre dos variables, pues es probable
que ambas varen de manera uniforme. Esto quiz parezca redundante pero es importan
te. Por ejemplo, si se correlaciona edad y estatura, la estatura aumentar con la edad
hasta un punto determinado, despus ya no aumentar ms. Una vez entendido el signi
ficado del coeficiente de correlacin, este se determina a travs de la siguiente ecuacin:
I x ,r, -
r= /-i (3.62)
i * -
M
Ex
j-i Jl
E jem plo 6: hallar el coeficiente de correlacin del conjunto de datos de la tabla 3.1:
Tabla 3.1: Datos iniciales.

X 3 4 6 8 9 11 14
2 4 4 5 7 8 9
A juste de datos a funciones m atem ticas 63
Tabla 3.2: Clculos en tabla para determinar el coeficiente de correlacin.
y, y?
1 i i i i
3 2 9 6 4
4 4 16 16 16
6 4 36 24 16
8 5 64 40 25
9 7 81 63 49
11 8 121 88 64
14 9 196 126 81
M
X
3
M
X * , =56 =364 =256

II
II

De acuerdo con la ecuacin (3.62) se tiene que:
8 (3 6 4 )-5 6 (4 0 ) _ 2912 - 2240 _ 672.00 _ Q ?77

v/8 (5 2 4 )-(5 6 )2 >/8(256) - (40)2 (32.50X21.17) 687.90
Ajuste de datos a funciones m atem ticas

Cuando se correlacionan dos o ms variables, los comportamientos matemticos pue
den ser muy variados, por lo que existen las siguientes posibilidades: a) lnea recta,
b) comportamiento cuadrtico, c) com portam iento exponencial, d) comportamiento
logartmico y e) comportam iento polinomial. A continuacin se analizan estos com
portamientos, junto con las ecuaciones generales correspondientes y su respectiva des
cripcin grfica.
1. Lnea recta (figura 3.13): la ecuacin que describe el comportamiento lineal tiene la
forma Y= m X +, que tambin se suele escribir de la siguiente manera:
Y=a+bX (3.63)
donde:
X = variable independiente.
Y= variable dependiente.
a = ordenada al origen o trmino independiente.
b = pendiente de la recta.
y
40 m
35 -
30
25 -
20 -
15
10 m
0
a
0
Figura 3.13: Comportamiento dos variables correlacionadas de forma lineal Y = a + bX.
2. Comportamiento cuadrtico (figura 3.14): la ecuacin que describe el com porta

miento cuadrtico de dos variables tiene la forma:
Y = a+bX+cX2 (3.64)
donde:
X - variable independiente.
Y - variable dependiente.
a = coeficiente del trmino independiente.
b = coeficiente del trmino de primer orden,
c = coeficiente del trmino de segundo orden.
Figura 3.14: C om portam iento de dos variables correlacionadas de form a cuadrtica

Y = a + b X + c X 2.
Ajuste de datos a funciones m atem ticas 65
3. Comportamiento exponencial (figura 3.15): la ecuacin de este comportamiento se

escribe:
Y = aex (3.65)
120000
100000 -
80000 -
60000 -
40000 -
/
20000 -
y - 5 e
0 x
6 8 10
Figura 3.15: Comportamiento de dos variables correlacionadas de forma exponencial

Y = aex .
donde:
Y - variable dependiente.
a = coeficiente.
e = exponencial (2.7183).
4. Comportamiento logartmico (figura 3.16): est representado por la siguiente ecuacin:
Y =aLn(X) (3.66)
donde:
Y = variable dependiente.
a = coeficiente.
Lt = logaritmo ncpcriano.
y
Figura 3.16: C om portam iento de dos variables correlacionadas de form a logartm ica
Y =ahi{X).
5. Comportamiento polinom iol (figura 3.17): la ecuacin que describe este com porta
miento se escribe de la siguiente manera:
Y = a + b X + c X 2+ d X ' + ....+ kX* (3.67)

donde:
a = coeficiente del trmino independiente.
b = coeficiente del trmino de primer orden.
c = coeficiente del trmino de segundo orden.
d = coeficiente del trmino de tercer orden.
k = coeficiente del trmino de orden n.
A juste de rectas
Com o ya se explic, la correlacin de dos variables puede tener diferentes com porta
mientos. Sin embargo, uno de los ms comunes en los fenmenos fsicos es el compor
tam iento lineal, aunque en los casos que no se pueda utilizar directamente se trabaja con
las escalas de las variables (semilogartmicas o logartmicas) para alinear com porta
mientos no lineales y trabajar con la ecuacin de la lnea recta. A continuacin se descri-
Figura 3.17: Comportamiento de dos variables correlacionadas de forma polinomial

Y - a + b X + c X 2+ d X ' + e X * .
ben dos mtodos para el ajuste de la recta a una correlacin de dos variables X y Y. Estos
mtodos son: 1) el mtodo de pares de puntos y 2) el mtodo de los mnimos cuadrados.
M todo de pares de puntos 67
M todo de pares de puntos

Determinacin de la pendiente y de la ordenada al origen (o intercepto)
En muchas situaciones es posible dibujar una grfica que tericamente dara una lnea
recta. Por ejemplo, la distancia x recorrida en un tiempo / por un cuerpo que viaja con
velocidad constante v, se obtiene: x = v t , lo cual permite graficar x frente a t.
La pregunta clave es: cul es la mejor lnea recta que se ajusta a los puntos experi
mentales? La determinacin de la pendiente o inclinacin de la lnea tambin es impor-
tante porque representa la constante de proporcionalidad. Por ejemplo, la pendiente
ser igual a la velocidad v. **
En algunas ocasiones ser suficiente dibujar la lnea que se vea ms o menos recta;
en otras, ser necesario tener m s cuidadoso y utilizar la aproximacin de los pares de
puntos. Este mtodo se aplica a grficas con los puntos del eje horizontal igualmente
espaciados. El mtodo se lustra en la figura 3.18. Primero los puntos se dividen en dos
grupos iguales, uno para valores bajos de X y Y, y el otro para los valores altos de X y Y;
entonces se aparean los puntos, uno de cada grupo:
1 y 7, 2 y 8,..., 6 y 12
Despus, se encuentra la diferencia para cada par entre los valores de X y Y:
( * , - * , ) , (X$- X 2U (Xl2- x 6)
i r i - Y M Y 9- Y . . { Y a - Y J
Y se calcula la media aritmtica de estas diferencias (Dx y Dy), con las que se puede
estimar la pendiente de la lnea recta de ajuste mediante:
m- (3.68)
Dx
y Aproxim acin pares d e puntos'
12
11 hjH
10 hfH
2
1 HH
&
X
Figura 3.18: La aproximacin pares de puntos.

El valor medio de X y Y est determinado pon

Y _ (X ,+ X , + X3+
(3.69)
12
_ {Yl + Y2 + Y3 + ... + Yl2)

Y= (3.70)
12
La mejor linca por este mtodo es la de pendiente m que pasa por el punto (X, Y).
Q u nos gustara para estim ar un error en m? Las seis diferencias (K? - Yt), (yg- YJ,
(Y9- Kj), (y|0- y4X( ^ y5) y (y,2y^ proveen seis medidas de la cantidad Dy y. por
consiguiente, seis medidas de m que pueden usarse en forma normal para estimar erro
res. Pero, por qu parar en la sexta medida de m ? Por qu no tom ar 11, evaluando
(y2- y(), (Yy- Y ) . . . (y,2- yX y as aum entar la precisin? Si se va evala Dy, de estas
11 lecturas tendr:
(3.71)
Todas las lecturas de y,, a Y, han desaparecido, aunque tambin pudo no haberlas
tomado en cuenta. Esto puede evitarse si se dividen las lecturas en dos grupos principales
y aparca los puntos uno de cada grupo, como se ha descrito.
.* construir la lnea recta que mejor se adapte a los datos de la tabla 3.3 y hallar la ecuacin

de dicha recta mediante el mtodo de pares de puntos.
Tabla 3.3: Datos de tiempo / en segundos y distancia d recorrida en metros.
1 2 3 4 5 6 7 8 9 10 11 12
4 20 40 60 80 100 120 140 160 180 200 220 240
A ju s te d e re cta p o r m to d o d e p a re s
d e p u n to s
co
T3
c
3
a
T ie m p o (s)
Figura 3.19: Lnea recta que representa el mejor ajuste para el conjunto de datos de la
tabla 3.3 mediante el mtodo de pares de puntos y de los mnimos cuadrados.
M todo de pares de puntos 69
Solucin: En primer lugar, los puntos se dividen en dos grupos guales, uno para valores bajos de
d y t y el otro para los valores altos de d y /; despus se aparean los puntos, uno de cada
grupo:
1 y 7. 2 y 8...., 6 y 12
Se encuentra la diferencia para cada par entre los valores de t y d , es decir:
D tl = (t7~ ,,)= 7 - 1 = 6 y D d{= (d1- d t)= 1 4 0 - 2 0 = 120

D/2= ( /a- > 8 - 2 = 6 y Dd2= (dt - d = 160 - 4 0 = 120
D i= ( / , - , > 9 - 3 = 6 y Dd\ = ( - < /> 180 - 60 = 120
0 '4 = ( '.o ' > 1 0 - 4 = 6 y Dd4= ( d - d A}= 2 0 0 - 8 0 = 120
Dr, = ( / , , - / > 11 - 5 = 6 y W5= (< /-< /,)= 2 2 0 - 100= 120
D , = ( , 12- , 3 = 1 2 - 6 = 6 y Ddt = {d t- d 6)= 2 4 0 - 120= 120
Se calcula la media aritmtica de estas diferencias: Df, y , D/ = 6 y )</, = 120

y la pendiente:
Drf 120
m = L= ----- = 20
D/, 6
Por ltimo, se calcula la ordenada al origen despejando b de la ecuacin de la lnea

recta y los valores medios de Dt, y Dd, , y se obtiene que:
b = y - n t x = 1 2 0 -2 0 (6 ) = 0
Sin embargo, en algunas ocasiones la mejor lnea recta no necesariamente pasa por
todos los puntos y eso hace que las estimaciones c m y b sean subestimadas o sobrestima-
das, dependiendo de los pares de puntos escogidos. En este caso se sugiere utilizar un
mtodo que minimice estas subestimaciones y sobrestimaciones, como el mtodo de los
mnimos cuadrados. El siguiente ejemplo lustra este comportamiento.
E jem plo 8 : 1construir la lnea recta que mejor se adapte a los datos de la tabla 3.4 y hallar la ecuacin
de dicha recta mediante el mtodo de pares de puntos.
Tabla 3.4: Datos de variables x y y.
*1 i 3 4 6 8 9 11 14
y, i 2 4 4 5 7 8 9
Solucin: Primero los puntos se dividen en dos grupos iguales, uno para valores bajos de x y y. y el
otro para los valores altos d e * y y, despus se aparean los puntos, uno de cada grupo:
1 y 5, 2 y 6 ,3 y 7, 4 y 8
A ju s te d e re c ta m e d ia n te el m to d o
d e p a re s d e p u n to s
0
2
a
Variable x
Figura 3.20: Linca recta que representa el m ejor ajuste para el conjunto de datos de la
tabla 3.4 mediante el mtodo de pares de puntos.
Se encuentra la diferencia para cada par entre los valores d e / y d, es decir,
0 * ,= ( * , - * , ) = 8 - 1 = 7 y Dyi = ( y ; - y l) = 5 - 1 = 4
Dx2= (x 6- ^ = 9 - 3 = 6 y D y = ( y - y 2) = 7 - 2 = 5
a r 3= (x 7- x >) = 1 1 - 4 = 7 y 0 '7- > 3) = 8 - 4 = 4
D x 4 = ( x s - x 4) = 1 4 - 6 = 8 y D y = (ya- y 4) = 9 - 4 = 5
Se calcula la media aritmtica de estas diferencias Dx, y Dx- , Dx, = 7 y Dy = 4 .5

y la pendiente se da por medio de la siguiente ecuacin:
Dy, 4.5
m - = = 0.64
Dx, 7
Rara terminar, se calcula la ordenada al origen despejando b de la ecuacin de la

lnea recta y los valores medios de Dx, y Dy, . lo que da com o resultado:
b = y - rnx = 4 .5 -0 .6 4 (7) 0
En la siguiente seccin se analizar el mtodo de los mnimos cuadrados y se utili

zarn los ejemplos anteriores para observar las diferencias entre ambos mtodos.
M todo de los m nim os cuadrados

Con frecuencia, el experimentador recurre a mtodos grficos para encontrar la relacin
existente entre dos variables. Cuando esta relacin es lineal se enfrenta al problema de
ajustar la mejor lnea recta para los datos experimentales, pues es posible adaptar un
conjunto de lneas rectas por medio de los mismos. Para resolver este problema el expe
rimentador recurre al empleo del mtodo de los mnim os cuadrados y as evita que en la
construccin de la lnea influya su juicio.
M todo de los m nim os cuadrados 71
Suponga que como resultado de un experimento se obtuvo un conjunto/ de valores

de Y en funcin de valores de X> es decir, se tiene un conjunto de valores (X, Y), la n-
certidumbre prcticamente es cero para Xi, pero no as para Y. Cuando estos valores se
grafican aparecen com o se muestra en la figura 3.19, donde se observa que la lnea recta
puede representar dichos datos, lo que quiere decir que la relacin entre las variables es
del tipo:
Y = a +bX (3.72)
Donde:
a = ordenada al origen o trmino independiente y.
b = pendiente de la recta.
De acuerdo con lo antes mencionado, se determinan los valores de a y b cuando la

desviacin es mnima.
Por medio del mtodo de mnimos cuadrados, se obtienen los valores de a y de b:
X Y i- X X M

U M M (3.73)
i-l l-l
b =- ;* A (3.74)
D ia g ra m a d e d is p e rs i n
Figura 3.21: D iagram a de dispersin de datos experim entales de x y y,

E jem plo 9: construir la linca recta que mejor se adapte a los datos de la tabla 3.3 y hallar la ecuacin
de dicha recta mediante el mtodo de los mnimos cuadrados.
Solucin: La ecuacin de la recta es del tipo: Y = a + bX

Para determ inar los parmetros a y b de la lnea recta que mejor se adapta a dichos
datos se aplica el m todo de mnimos cuadrados, por lo que los valores de a y b se obtie
nen de las ecuaciones 3.73 y 3.74. Al ordenar el clculo de las sumas se obtiene la tabla
3.5:
Tabla 3.5: Clculos tiles para el mtodo de mnimos cuadrados.
X, y, V X tY,
1 20 1 20
2 40 4 80
3 60 9 180
4 80 16 320
5 100 25 500
6 120 36 720
7 140 49 980
8 160 64 1280
9 180 81 1620
10 200 100 2000
11 220 121 2420
12 240 144 2880
X * , = 78 Y .Y , = 1560 =650 Y ,X ,Y t = 13000
Si se sustituyen los valores de los sumatorios de la tabla 3.5 en las ecuaciones 3.73
y 3.74 se obtiene:
650(1560)-78(13000) _ 1014000-1014000 _ 0 _A
a=
1 2 (6 5 0 )-(7 8)2 7800 - 6084 1716
12(13000)-78(1560) 156000-121680 34320

b= : -------- = 20
12(650)- ( 7 8 ) 2 7 8 0 0 -6 0 8 4 1716
Por lo tanto, la ecuacin de la recta es: Y = 20X + 0 y su representacin grfica se

muestra en la figura 3.19.
E jem plo 10: construir la lnea recta que mejor se adapte a los datos de la tabla 3.4 y hallar la ecuacin
de dicha recta mediante el mtodo de los mnimos cuadrados.
Solucin: La ecuacin de la recta es del tipo: Y = a + b X . Para determinar los parmetros a y b de

la lnea recta que mejor se adapta a dichos datos se aplica el mtodo de mnimos cuadra
dos, por lo que los valores de a y b se obtienen de las ecuaciones 3.73 y 3.74. Ordenando
el clculo de las sumas se obtiene la tabla 3.6:
M todo de los m nim os cuadrados 73
Tabla 3.6: Clculos tiles para el mtodo de mnimos cuadrados.
y, V x ,y,
1 i 1 i
3 2 9 6
4 4 16 16
6 4 36 24
8 5 64 40
9 7 81 63
11 8 121 88
14 9 196 126
X*
O
O
=40 X * =524 =364

II
Con la sustitucin de los valores de los su matnos de la tabla 3.6 en las ecuaciones
3.73 y 3.74 se obtiene:
5 2 4 (4 0 )-5 6 (3 6 4 ) 2 0 9 6 0 -2 0 3 8 4 576
Q ~ = U 9 4 D
8(524)-(56)* 4192 - 3136 1056
^ _ 8 (3 6 4 )-5 6 (4 0 ) _ 2912 - 2240 _ 672 _ Q636

8(524)- ( 5 6 ) J 4 1 9 2 -3 1 3 6 1056
Por lo tanto, la ecuacin de la recta es: Y = 0.64X + 0.54 y su representacin grfica

se muestra a continuacin:
A ju s te s d e re cta m to d o d e lo s m n im o s c u a d ra d o
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
V a ria b le X
Figura 3.22: Lnea recta que representa el mejor ajuste para el conjunto de datos de la
Tabla 3.4 mediante de los mnimos cuadrados.
Si comparamos los resultados de la ecuacin de la lnea recta de los datos de la tabla

3.3. mediante el mtodo de pares de puntos y de los mnimos cuadrados, observamos que
son guales, ya que todos los puntos estn sobre la lnea recta de ajuste; sin embargo,
cuando no todos los puntos estn sobre la lnea recta de ajuste los resultados de ambos
mtodos son diferentes. El mtodo de los mnimos cuadrados proporciona un mejor
ajuste que el mtodo de pares de puntos, por ese motivo tiene un mayor uso que el de los
pares de puntos.
A nlisis dim ensional

El anlisis dimensional es una herramienta que permite investigar las relaciones que
intervienen en un sistema fsico, as como predecir el comportamiento de dichos siste
mas. Mediante esta tcnica es posible obtener una gua para el diseo de experimentos
encaminados a resolver problemas de fenmenos fsicos de los que no se tenga elaborada
una teora completa. El anlisis dimensional es til para:
1. Comparar cualitativamente las ecuaciones.
2. Determinar las dimensiones de los coeficientes empricos.
3. Establecer y realizar experimentos para generalizar los resultados.
4. Formular leyes a partir de una investigacin.
5. Realizar cam bio de unidades.
Dim ensin de una m agnitud

Cualquier observacin directa de un fenmeno fsico se puede relacionar con las mag
nitudes de las variables que intervienen en este. Las magnitudes fsicas factibles que
pueden medirse se dividen en:
* Magnitudes fundamentales
* Magnitudes derivadas
Las magnitudes fundam entales estn representadas por los smbolos M , L T, /, t, le
y m (tabla 3.7) y la dimensin de una magnitud fsica derivada es una expresin en tr
minos de las letras M , L, T, l , t , I e y m . Las dimensiones de las magnitudes fundamenta
les son:
Tabla 3.7: Magnitudes fundamentales.
M agnitudes fundam entales Sm bolo
Longitud L
Masa M
Tiempo T
Intensidad de corriente elctrica 1
Temperatura t
Intensidad luminosa le
Cantidad de sustancia m
Dim ensin de una m agnitud 75
Para hacer referencia a la dimensin de determinada magnitud se utiliza los corche

tes, que significan la dimensin de". Por ejemplo, para el caso de la dimensin de la
velocidad se tiene:
[v] = L T l (3.75)
Las magnitudes de la misma clase como distancia, altura,longitud de onda y pro

fundidad. adems de tener la misma dimensin L (tabla 3.8), se miden y registran con la
misma unidad (metro en el SI).
Ejemplos: rea = [A] = longitud x longitud = L-

Dcnsidad = [p] = masa/volumen = MLry
Cantidad de movimiento = \Mo) = masa x velocidad = M l.T 1
Las dimensiones de ciertas magnitudes, como la fuerza, se obtienen cuando se ana

liza determinada ley; en este caso, de la segunda ley de Newton:
F = ma (3.76)
Se deduce la dimensin de F: [F] =[ ma] = [m][a]= MLT~2 (3.77)
Tabla 3.8: Dimensiones de algunas magnitudes derivadas.
C an tidad Sm bolo Exponente
M L T t I le m
Aceleracin A 0 1 -2 0 0 0 0
Capacitancia C -1 -2 4 0 2 0 0
Energa E 1 2 -2 0 0 0 0
Frecuencia F 0 0 -1 0 0 0 0
Impulso 1 1 1 -1 0 0 0 0
Inductancia L 1 2 2 0 -2 0 0
Presin P 1 -1 -2 0 0 0 0
Resistencia R 1 2 -3 0 -2 0 0
Viscosidad N 1 -1 -1 0 0 0 0
Trabajo W 1 2 -2 0 0 0 0
Coeficiente de transferencia H 1 0 -3 -1 0 0 0
de calor
Calor especfico Ce 0 2 -2 -1 0 0 0
Coeficiente de dilatacin lineal a 0 0 0 -1 0 0 0
R ujo magntico f 1 2 -2 0 -1 0 0
Iluminacin E 0 -2 0 0 0 1 0
R ujo luminoso F 0 0 0 0 0 1 0
Teorema de Buckingham
Para aplicar el anlisis dimensional en una investigacin, el experimentador debe cono
cer, en su totalidad, la cantidad y clases de variables fundamentales que intervienen en el
experimento. Se entiende por variable fundamental cualquier variable experimental que
influya en la prueba y que se pueda modificar, independientemente de las otras variables
que intervengan. Cuando el investigador conoce todas las variables puede reducir su n
mero por medio de la aplicacin de la primera parte de teorema de Buckingham, el cual
establece que cualquier ecuacin dimensional mente homognea se puede reducir en
un conjunto completo de productos adimcnsionalcs. Una ecuacin dimcnsionalmcntc
homognea es com pleta cuando su forma no depende de las unidades fundamentales que
se emplean.
Un ejemplo de estas ecuaciones es el que relaciona el tiempo (/) que tarda en caer
un cuerpo en reposo y la distancia (x) que recorre durante su cada libre, matemtica
mente se simboliza:
x =^~ (3.78)
donde:
/ = tiempo.
g = aceleracin de la gravedad.
Bar el contrario, la expresin x = 16 r es una ecuacin correcta solamente si x se

representa en pies y / en segundos, pues si x se expresa en metros ya no es correcta, por
lo que se dice que esta ecuacin no es dimensin al mente homognea.
Los productos adimensionales sealados en el teorem a de Buckingham son simple
mente productos y cocientes de las variables que intervienen en el experimento, de tal
modo que las dimensiones en cada grupo se cancelan. Por ejemplo, en el caso del pn-
/
dulo simple, un grupo adimensional est dado por: .
La segunda parte del teorem a de Buckingham, conocido como teorema de k , esta

blece que si existe una relacin nica de 4>(X, Y. 7 . ) - 0 entre las n variables fsicas que
involucran k dimensiones fundamentales tambin existe una relacin:
# { x l t K2, x 3... * ,_ * ) = (> (3.79)
entre los (n - k) productos adimcnsionalcs ( * , , n , n n integrados por las variables
Una de las aplicaciones de este teorema consiste en la deduccin de la forma de

relaciones desconocidas, y su xito en un problema particular depende, aparte de la ex
periencia, de cierta sagacidad al establecer cules variables son significantes y cules no.
Si ( X Y . . Z) no se conoce, es posible, a pesar de ello, deducir la estructura de
^ (Kt .... /rn l ) y as tener informacin til acerca del sistema.
E je m p lo 11: suponga que no se conoce la expresin analtica para el periodo de oscilacin d e un

pndulo sim ple y se desea calcularla a travs de la aplicacin del teorem a de B uc
kingham ; en este caso, lo prim ero q u e debe hacerse e s una lista de todas las variables
Teorem a de Buckingham 77
fundamentales (tabla 3.9), pero si la lista est incompleta no se podr dar respuesta d e
bido a falta la informacin.
Tabla 3.9: Variables fundamentales para un pndulo simple.
M agnitud Sm bolo F o rm a dim ensional
Masa del pndulo M M

Longitud del pndulo L L
Aceleracin de la gravedad G LT2
Periodo de oscilacin T T
Amplitud angular 0 0
En este caso no se toman en cuenta las propiedades microscpicas de las esferas y

el hilo. La resistencia del aire y la masa del hilo se desprecian porque es prcticamente
nula su influencia en el periodo de oscilacin.
En la tabla 3.9 se observa que hay cinco variables fundamentales (n = 5) y tres di
mensiones fundamentales (* = 3). Entonces, de acuerdo con el teorema de Buckingham,
debe haber (n - k - 2) dos productos adimcnsionalcs independientes (/r,y /r,). Estos se
determinan por ensayo y error; en este caso es simplemente 0 (amplitud angular) y n,
es Q1^ no aparezca m se debe a que ninguna otra variable que interviene en el
experimento contiene su frmula dimensional M y se concluye que el periodo de oscila

cin de un pndulo simple no depende de la masa de la esfera. Por lo tanto, del teorema
;rsc obtiene:
/
9 . =0 (3.80)
(*)
Com o T aparece en uno de los productos adimensionales, se obtiene T por una ex

presin igual:
T = G( 9) (3.81)
donde: G ( 9 ) = funcin arbitraria de 9.

Si en un principio se hubiera supuesto que 0 era muy pequeo para despreciarlo se
tendra:
I
n = 4, n - k = \ y = 0
y despejando para T:
(3.82)
De acuerdo con los resultados obtenidos con el teorema jc, el periodo de oscilacin
del pndulo simple vara en forma directamente proporcional a la raz cuadrada de la
longitud del pndulo e inversamente proporcional a la raz cuadrada de la aceleracin de

la gravedad. La magnitud de la constante adimensional (en este caso 2 ji) no se obtiene
del anlisis dimensional.
Tambin se aplica el anlisis dimensional en el diseo del modelo. Con frecuencia,
el comportamiento de grandes sistemas complejos se deduce de los estudios que se rea
lizan a modelos en escala con grandes ahorros en el costo. En el modelo, cada parmetro
se reduce a la misma proporcin relativa de su valor en el sistema original; de nuevo, el
caso del pndulo simple sirve de ejemplo. Si las magnitudes de 0, L 7 y g se vieran de
modo tal que no cambie el argumento de <p en valor numrico, el sistema tendr exacta
mente el mismo comportamiento que el del sistema original, por lo que fsicamente ser
similar.
Suponga que se quiere construir un pndulo muy grande y caro que oscile con am
plitud finita, pero se desea saber su comportamiento antes de construirlo. Para tal fin se
fabrica un modelo a escala de 1/100 del periodo del pndulo. Este valor se obtuvo com
parando las expresiones del periodo para ambos pndulos, siendo 7 el periodo del pn
dulo grande y V el periodo del pndulo modelo, expresadas matemticamente por las
siguientes ecuaciones:
1 = *, (3.83)
= x, (3.84)
Al comparar dichos periodos se obtiene:
r l
(3.85)
r*)
com o /'= (3.86)

100
7
se concluye que: T =~ (3.87)
o lo que es lo mismo: 7 = 107'
Por lo tanto, midiendo T se calcula el periodo 7 del pndulo real con la expresin
matemtica:
7 = 107' (3.88)
Como se pudo constatar, no hubo necesidad de saber el valor de la constante adi

mensional que aparece en la ecuacin:
(3.89)
C am bio de unidades 79
Ya en la prctica, se recurre al teorema ir y a la construccin de modelos cuando no

es posible obtener la solucin por medios analticos.
Cam bio de unidades

Con frecuencia, el resultado de una medicin pasa de un sistem a de unidades a otro. Por
ejemplo, una medicin hecha en yardas puede requerirse en metros. Por supuesto, es
imposible convertir un nmero de metros (distancia) en metros por segundo (velocidad)
o newtons (fuerza), ya que las conversiones entre unidades solo se hacen entre magni
tudes fsicas de la misma especie. Las frmulas dimensionales son tiles para el cambio
de unidades de un sistema a otro. Sea N el valor de una magnitud fsica Y, cuya frmula
dimensional es:
F = La M b r (3.90)
Suponiendo que L v M , y 7*,son unidades de longitud, masa y tiempo, respectiva

mente. en el sistema internacional, y que L ,, Af, y 7 2 son lasunidades en el sistema bri
tnico, para pasar de un sistema a otro se considera que:
= (3.91)
Ai, = m M 2 (3.92)
Tx = t T2 (3.93)
en donde, l m y i son factores de conversin.

Para cam biar las unidades en que est expresada una cantidad fsica se debe tener en
cuenta que su magnitud es independiente del sistema de unidades que se emplee para
medirla. Por lo tanto:
N ( O M bx r x ) ^ N \ n Ai? 7?) (3.94)
Donde AT es el valor numrico de la magnitud fsica en el nuevo sistema de unidades

y Wcl valor numrico en el Sistema Internacional.
Considerando las ecuaciones 3.91,3.92 y 3.93 se tiene la siguiente expresin mate
mtica:
W [ ( , ) " (mAf; ) V j ] = A T (^ M T) (3.95)
Simplificando: N (/* m h tc) = N ' (3.96)
O sea que el nuevo valor de la magnitud en el sistema es: N (/* mb rc)
o lo que es lo mismo (3.97)

E jem plo 11: i determnese el valor de la aceleracin d e la gravedad (g = 981 cm /s2) en el sistema brit
nico de unidades.
Solucin: Del enunciado del problema se tiene que:

g = LT2
/V = 981
a - 1
b =Q
c=-2
El valor numrico de N ' de g en el sistema britnico de unidades es el que va a de

terminarse, y sus unidades son: ft/s 2 = pie/segundo2.
De esto ltimo se deduce que t = 1, ya que la unidad de tiempo no cambia.
Por otra parte, se sabe que: 1 pie = 30.48 cm. Es decir: / = 1/30.48 pie/cm. Entonces
el valor d e N ' se calcula con la ecuacin 3.94: N (/* m b t c) = N '
Sustituyendo valores: /V = 9 8 l |^ ^ j (m )(l) j=

AT=32.2
Finalmente se establece que: g = 981 cm/s2= 32.2 ft/s2.
Ejercicios
M edicin de in certidum bres 6. Dos resistencias dieron las siguientes lectura:
R 1 = (200 5) 2 y R2 =(250 3) l. Cul es la incer
tidumbre absoluta de la resistencia total en serie y la
1. Se usa un flexmetro (la divisin mnima es hasta
resistencia total en paralelo?
mm) para medir una longitud de 30.00 cm. Cul es la
incertidumbre absoluta y relativa? 7. Al medir indirectamente el valor de una resistencia
(V = R I\ la lectura del voltaje es V = (9.4 0.1) volts y la
2. Un micrinctro puede leer hasta 0.01 mm en la me
de la comente es / = (1.20 0.02) amperes. Cul es
dicin de un dimetro de 4.00 mm, cul sera la incer-
la incertidumbre absoluta del valor de la resistencia?
tidumbre relativa y relativa porcentual?
8. Una medicin de densidad de a los siguientes valo
3. Cul es la menor distancia que puede medirse
res: masa m = (15.281 0.005) g: volumen V = (12.30
usando una regla (con divisiones mnimas hasta mm),
0.5) cm3. Cul es la incertidumbre absoluta en la
de manera que la incertidumbre no exceda de 2%?
densidad?
4. Un vemier puede leer hasta 0.1 mm. En la medi
9. Un condensador C = (5 0.1) pf es cargado con
cin de un prisma de 5 mm, cul sera la incertidum
una diferencia de potencia de V = (80 1) V, tiene una
bre relativa?
carga cuyo valor se calcula de Q = C x V. Cul es la
5. Se va a colocar una cinta en la orilla de una mesa incertidumbre absoluta de la carga?
cuadrada. Si al medir los lados se encontr que son
10. Un alambre de seccin circular tiene una medida
iguales y con un valor de (74.4 0.5) cm, cul es el
de 0.31 mm de radio y desviacin estndar de 0.2 mm.
valor de su permetro? Exprese el resultado con su in
cul es el error del rea medida?
certidumbre. La div isin efectuada sobre los lados de
un plano rectangular arroj los siguientes resultados,
11. Si al medir el volumen de un objeto por desplaza
L \ =(14.100.05) cm y L2 = (8.6 0.05) cm,cul es
miento de agua en una probeta se obtienen los siguien
la incertidumbre absoluta del permetro y la incerti tes valores V} = (340 0.5) inl y V\ = (392 0.5) mi,
dumbre relativa del rea? reporte el volumen con su incertidumbre absoluta y re
lativa porcentual asociada.
Ejercicios 81
R e p re se n ta c i n g rfica
Con base en las siguientes tablas: de levaduras en funcin del tiempo
Tiempo
Concentracin de levaduras
1. en horas
0 2.00E+Q0
Gasto en litros/h de un m otor trabajando 1 5.44E+00
a diferentes potencias 2 1.48E+01
T
3 4.02E+01
Litros gastados/h Potencia (N) 4 1.09E+02
10 5.5 5 2.97E-f02
20 6 6 8.07E+02
30 6.5 7 2.19E+03
40 7 8 5.96E+03
50 7.5 9 1.62E+04
60 8 10 4.41E+04
mm
70 8.5 11 1.20E+05
12 3.26E+05
80 9
13 8.85E->05
90 9.5
14 2.41E+06
100 10 15 6.54E+06
110 10.5 16 1.78E-f<)7
120 II 17 4.83E+07
130 11.5 18 1.31 E-K)8
140 12 19 3.57E+08
150 12.5 20 9.70E+08
160 13 21 2.64E+09
170 13.5 22 7.17E+09
180 14 23 1.95E+10
^A
24 5.30E+10
190 14.5
25 I.44E+11
200 15
26 3.91E+11
210 15.5 27 I.06E+12
220 16 28 2.89E+12
230 16.5 29 7.86E+12
240 17 30 2.14E+13
250 17.5 31 5.81E+13
260 18 32 1.58E+14
270 18.5 33 4.29E+14
280 19 34 I.17E+15
290 19.5 35 3.17E+I5
36 8.62E+15
300 20
37 2.34E+16
38 6.37E+16
39 1.73E+I7
40 4.71E+17
41 I.28E+18
42 3.48E+18
43 9.46E+18
44 2.57E+19
45 6.99E+19
46 1.90E+20
47 5.16E+20
48 1.40E+21
3. 1. Construya la representacin grfica con la escala co

rrespondiente (normal, semilogartmica y/o logartmi
Concentracin isotpica en funcin del tiempo ca) que represente un comportamiento lineal.
Tiempo en horas Concentracin isotpica 2. Determine la ecuacin de la lnea recta a travs de
0 0.00 los mtodos de pares de puntos y de los mnimos cua
100 5.81 drados.
200 7.27
300 8.30 3. Determine el coeficiente de correlacin del compor
400 9.11 tamiento lineal.
500 9.80
600 10.40
A nlisis dim ensional
700 10.93
800 11.41 Con base en el anlisis dimensional realice los siguien
900 11.86 tes procedimientos:
1000 12.27
1100 12.66 1. Comparar en trminos cualitativos las ecuaciones
1200 13.02 y determinar si son dimensional mente homogneas:
1300 13.37
m ri m /i n u 2
1400 13.69 a) F , b) = t c) W = ^
1500 14.00 / 2i
1600 14.30 mv Fd
1700 14.58 d) P
1id ^ ' C) P = aV
v
1800 14.86
1900 15.12
2000 15.37 Donde F = fuerza, m = masa, d = distancia, t = tiempo,
2100 15.62 E = energa, a = aceleracin, W = trabajo. P = presin,
2200 15.86 v = velocidad y V = volumen.
2300 16.09
2400 16.31 2. Determinar las dimensiones de las siguientes cons
2500 16.53 tantes:
2600 16.74 a) La constante de gravitacin universal G, en la rcla-
2700 16.95 Mm
2800 17.15 dn F = G r - donde Fcsta en ncwtons, M y m
r
2900 17.35 estn en kilogramos y r en metros.
3000 17.54 b) La constante de Boltzmann Aen la rcladn e = kT ,
3100 17.73 donde e est en joules y Ten kclvin (K).
3200 17.91 c) La constante de Planck h. en la relacin =hf,
3300 18.09 donde e est en joules y / e n hertz (s-1).
3400 18.27
d) l a permitividad elctrica del vaco o cons
3500 18.44
tante dielctrica del vaco en la relacin
3600 18.61
3700 18.78 F = ------------- , donde Fes la fuerza de atraccin
3800 18.94 4 r
3900 19.10 o repulsin entre dos cargas elctricas y est dada
4000 19.26 en (N). q, y q} son cargas elctricas en coulomb
4100 19.41 (C = A j) y r distancia en metros entre las cargas.
4200 19.57
4300 19.72 3. Establecer y realizar experimentos, y generalizar
4400 19.86 los resultados.
4500 20.01 a) Deducir, mediante anlisis dimensional, la forma
4600 20.15
de la expresin de la velocidad de cada libre de un
4700 20.29
cuerpo desde una altura h.
4800 20.43
Bibliografa 83
b) Se lanza un proyectil de masa m en direccin hori d) Un cuerpo de 1.25 kg se mueve con una velocidad
zontal. con una velocidad inicial v0, desde una al de 6 m/s. Calcule su energa cintica en: i) joules,
tura h. Hallar el alcance x utilizando el anlisis ii) poundal.ft, iii) atm.litro.
dimensional. Hacer lo mismo si la velocidad ini e) Ij constante R que interviene en la ecuacin de
cial forma un ngulo a con la horizontal. los gases ideales es R = 0.08206 atm.L/(molg.K).
c) La potencia requerida para mover una hlice de Calcule su valor en las siguientes unidades: i)
pende de las siguientes variables: D dimetro de la (mmHg).cmV(molg.K). ii) cal/(molg.K), iii) Btu/
hlice, r densidad del fluido, c velocidad del soni (mol-lb.R), iv) bar.L/(molg.K).
do en el fluido, w velocidad angular de la hlice, y f ) En una referencia bibliogrfica se encontr que la
h viscosidad del fluido. Analice cuntos grupos densidad relativa del ctanol a 60 F, con respecto al
adimensionales caracterizan este problema y d agua a 60 F, es 0.7939. Cul es la densidad del
una expresin para los mismos. ctanol en g/cm' a 60F si el volumen especfico
del agua a dicha temperatura es 0.016030 ftVIb?
4. Realizar las siguientes conversiones: g) La transmisin de calor por conduccin est dada
a) La densidad de un lquido es 755 kg/m \ Calcule el por la ecuacin: q = kAD7dx, donde Les la conduc
valor de la densidad en las siguientes unidades: i) tividad trmica del material y dTes la diferencia de
Ib/ft1, ii) o z/in \ iii) lb /m \ iv) g/cm5. temperatura. Si la conductividad calorfica de deter
b) Exprese el valor de la aceleracin normal de la minado material es k 30 Kcal/(m.h.<C ), exprese
gravedad (9.80665 m/s2) en las siguientes unida su valor en las siguientes unidades: i) Btu/(fl.h.aF),
des: i) ft/s2, i) km/h2, iii) in/h2, iv) milc/h2. ) W/(cm.C). i) cal/(cm.h.K).
c) El peso de un objeto es de 100 kg en un lugar de la h) La energa potencial de la carga de un depsito
Tierra en el que la aceleracin de la gravedad es con respecto a un determinado nivel de referencia
9.805 in/s2. Cul es la masa del objeto expresada es de 12500 poundal.ft. Exprese su valor en:
en kg? Si el volumen del objeto es de 15 litros, i) joules, ii) kWh, iii) atm.litro, iv) Ibf.ft.
cul su densidad en lb/fl3?
Bibliografa
Baird. D.C. (2003). Experimentacin: Una introduccin a la teora de mediciones y al diseo
de experimentos. Mxico: Fearson Educacin.
Bcmal, C.A. (2006). Metodologa de la imestigacin. Mxico: Pcarson-Prcnticc Hall.
Castaeda, J J.; De la Torre, L.M. Morn, R. y Lara, R.P. (2002). Metodologa de la im'esti-
gacin. Mxico: McGraw-Hill.
Gutin-ez, A.C. (2001). Introduccin a la metodologa experimental. Mxico: Limusa-Norie-
ga-
Hernndez, S.R.; Fernndez, C. y Baptista, L. (2003). Metodologa de la investigacin.
Mxico: McGraw-Hill.
Montgomcry, D.C. (1991). Diseo y anlisis de experimentos. Mxico: Grupo Editorial Ibe
roamericano.
Navidi, W. (2006). Estadstica para ingenieros y cientficos. Mxico: McGraw-Hill.
Tamayo y Tamayo, M. (2002). El proceso de la imestigacin cientfica. Mxico: Limusa.
C A P IT U L O 4
Anlisis descriptivo de los datos

Introduccin
Hasta ahora no existe una definicin de estadstica; sin embargo, una interpretacin acer
tada podra ser: una coleccin de hechos y circunstancias pasadas, de inters vital, tales
como el nmero de devaluaciones de nuestro pas, el nmero de acciones en las bolsas
de valores, o el nmero de personas encuestadas en una consulta para la ejecucin de una
obra pblica. Aunque estas y otras actividades se atribuyen frecuentemente al campo de
la estadstica, an no existe un acuerdo respecto a su definicin. Qu es entonces la es
tadstica? Es imposible obtener una respuesta nica, pero es posible partir de lo siguiente
para comprender un poco:
1. En el da a da se considera que la estadstica es una coleccin de hechos num
ricos expresados en trminos de una relacin resumida, que han sido recopilados
a travs de varias observaciones o a partir d e otros datos numricos. Desde este
punto de vista, la estadstica est constituida por una coleccin de enunciados
tales com o el coeficiente intelectual promedio de los estudiantes del Centro
Universitario de Ciencias Exactas e Ingenieras (CUCEI) es de 100. o seis de
cada 10 estudiantes de CUCEI son mujeres", o bien, el campen del ftbol
mexicano anot 40 goles durante esta temporada.
2. En trminos tcnicos, la estadstica es considerada com o un mtodo para tratar
datos numricos. Esta definicin refuerza el concepto de que la estadstica es un
instrumento orientado a la recoleccin, organizacin, anlisis, presentacin e in
ferencia de datos numricos o de observaciones.
Este segundo concepto constituye el objeto de estudio de este captulo. Pero antes
es necesario diferenciar las dos funciones del mtodo estadstico denominadas: estadsti
ca descriptiva y estadstica inductiva o inferencia estadstica. El objetivo d e la estadstica
descriptiva es recolectar, organizar, analizar y presentar la informacin de forma conve
niente, til y comprensible. Mientras que la estadstica inductiva se ocupa de generalizar
esta informacin; adems, a partir de las muestras extradas hace inferencias acerca de
poblaciones.
Al describir la funcin de la estadstica han aparecido ciertos trminos que pueden
o no ser familiares, por lo que es necesario comprender su significado, ya que sern
empleados con frecuencia en el captulo.
85
86 C aptulo 4 Anlisis descriptivo de los datos
Trminos com unes utilizados en estadstica

Variable: caracterstica o fenmeno que puede tom ar diferentes valores. Peso,
coeficiente intelectual, estatura y gnero son ejemplos de variables, dado que pue
den tom ar distintos valores cuando se observan diferentes individuos.
Datos: valores numricos que adoptan las variables y que han sido recopilados
com o resultado de las observaciones, entre los que destacan los recuentos (datos
de frecuencias): el nmero de alum nos que estudian en el CUCHI, o las califica
ciones obtenidas en el caso de una prueba psicolgica o educativa, entre otros.
Poblacin o universo: conjunto completo de individuos, objetos o medidas que
poseen alguna caracterstica comn observable. Por ejemplo, todos los ciudada
nos de un pas constituyen una poblacin, pero tam bin toda la produccin men
sual de perfiles tubulares de acero puede formar otra poblacin.
Poblacin finita: cuenta con un nmero fijo de valores.
Poblacin infinita: consta de una sucesin sin fin de valores.
Parmetro: cualquier caracterstica estadstica de una poblacin que sea mcdiblc,
por ejemplo, la proporcin de personas del sexo femenino que laboran en una
universidad. Comnmente se acostumbra utilizar letras griegas (p, a 2, &) para
representar los parmetros de las poblaciones.
Muestra: subconjunto de la poblacin o universo. Por ejemplo, algunos ciudada
nos de un pas, un lote de perfiles de acero producidos durante un mes.
Estadstico: cualquier caracterstica estadstica de una muestra que sea medible;
comnmente usamos un estadstico que se calcula a partir de una muestra para
estimar el parmetro de una poblacin; por ejemplo, una muestra de los habitan
tes de la Zona M etropolitana de Guadalajara (ZMG) en edad para votar se emplea
para estimar la proporcin de preferencias electorales de la poblacin total de la
ZMG. Con frecuencia se utilizan letras itlicas ( X , s) para representar un estads
tico de las muestras.
En la prctica diaria es ms frecuente trabajar con muestras que con toda una pobla
cin, sobre todo cuando esta es bastante numerosa. Por tal motivo, es importante traba
ja r con mustreos representativos cuando se quieren inferir los resultados de toda la po
blacin. Por ejemplo, una fbrica produce tom illos de alta precisin, para los cuales
existen estrechos mrgenes de tolerancia con respecto a su dimetro. Com o parte de los
procedimientos de control de calidad se selecciona un nmero d e tom illos de la produc
cin diaria y se determina, cuidadosamente, su dimetro. Los tom illos seleccionados
constituyen la muestra, que debe ser representativa de toda la poblacin d e tomillos
producidos. La variable es el dimetro de los tomillos. Los datos estn constituidos por
las medidas de todos los tomillos que conforman la muestra. Cuando los datos son m a
nipulados, de acuerdo con ciertas reglas pueden obtenerse algunas caractersticas repre
sentativas de la totalidad, por ejemplo, el dimetro promedio de los tom illos; adems, el
valor numrico resultante constituye un estadstico. La poblacin, en la cual estamos
interesados, es la produccin diaria total de la fbrica. FJ dimetro promedio de los tor
nillos producidos en un da constituye un parmetro. Es poco probable que el parmetro
sea conocido siempre, ya que para lograrlo se requiere la medicin de cada tomillo pro
ducido durante el da. Esto consumira mucho tiempo, dinero y esfuerzo, por lo cual es
raro que se emprenda un estudio exhaustivo de las poblaciones. En consecuencia, los
Inferencia estadstica 87
parmetros poblacionales son poco conocidos, pero pueden ser estimados a partir de
muestras estadsticas.
Estadstica descriptiva
Cuando una persona conduce un estudio debe reunir una gran cantidad de datos acerca
del problema en cuestin. Los datos inicialmentc son un enredo de calificaciones, re
cuentos, frecuencias, etctera. La estadstica descriptiva establece procedimientos para
la presentacin de datos de una forma ms til y significativa, bsicamente, a travs de
tablas y grficas. Asimismo, formula reglas para calcular los estadsticos a partir de los
datos originales.
Imaginemos que un tutor acadmico quiere someter a un grupo de estudiantes a una
serie de pruebas (para medir su inteligencia, disposicin, aptitud, actitud, capacidades,
personalidad, entre otras). Qu tipo de operaciones podr ejecutar con las calificaciones
y medidas resultantes para cumplir con la funcin descriptiva?
1. Reorganizar las calificaciones y agruparlas de varias formas para obtener una
visin global de todo el conjunto de datos (distribucin d e frecuencias).
2. Construir tablas, grficas y figuras que permitan visualizar los resultados (tcni
cas de representacin grfica).
3. Convertir los resultados originales en formas ms tiles para propsitos especfi
cos (rangos percentiles. calificaciones estndar o grados).
4. Calcular promedios para aprender algo acerca del comportamiento especfico de
sus problemas (medidas de tendencia central).
5. Emplear el promedio como referencia para describir la dispersin de calificacio
nes con respecto a esc punto central (medidas de dispersin).
6. Establecer una relacin entre dos conjuntos diferentes de datos, ajustar el com
portamiento a una funcin matemtica (recta, cuadrtica, potencia, logaritmo,
potencial polinomial, entre otros) y establecer el grado de correlacin entre los
conjuntos de datos a travs del coeficiente de correlacin.
Por citar un ejemplo, el tipo de correlacin y el coeficiente de correlacin son extre
madamente tiles al tutor en el caso de que quiera determinar la relacin entre inteligen
cia y calificaciones escolares, entre personalidad y aptitudes, o entre personalidad c
intereses. Una vez establecidas estas relaciones, podr em plear las calificaciones obteni
das (a partir de una de las pruebas especficas) para predecir el comportamiento de algu
na de las otras (correlacin, regresin y prediccin).
Com o se menciona en el ejem plo anterior, la estadstica descriptiva permite inter
pretar los datos que se han obtenido y, al mismo tiempo, realizar el trabajo previo a la
estadstica infcrencial.
Inferencia estadstica
El trabajo de un cientfico no llega a su fin cuando ha concluido la funcin descriptiva.
Por el contrario, est ms cerca del principio que del final de la tarea. Esto resulta evi
dente si se considera que el propsito de una investigacin es explorar la hiptesis de

naturaleza general y no solamente comparar muestras.
ftira ejemplificar, imaginemos que un desarrollador de nuevos medicamentos est
interesado en conocer los efectos de una droga X en la ejecucin de una tarea que in
volucra coordinacin psicomotora. Para ello se disea un estudio que implique dos con
diciones: una experimental y otra denominada control . En la primera se suministra
la droga a los sujetos de estudio por periodos previamente definidos; mientras que en la
segunda condicin, se proporciona a los sujetos de control una pldora inocua (placebo)
que contenga ingredientes inertes. Despus de que todos los sujetos hayan sido someti
dos a la prueba, se elabora su funcin descriptiva. As se determinar que, en promedio,
los sujetos experimentales no actuaron tan bien como los de control. Es decir, la media
aritmtica de los datos del grupo experimental fue ms baja que la del grupo de control.
En consecuencia, el investigador se preguntar puedo concluir que la droga produjo tal
diferencia entre los dos grupos?, o dicho de otra manera, puedo asegurar que la droga
tiene un efecto adverso sobre la ejecucin de la tarea que se investiga?. Para responder
estas interrogantes no es suficiente la estadstica descriptiva y se debe recurrir a la esta
dstica inferencial.
El anlisis de la informacin podra develar que aun si la droga no tuviera efectos,
es altamente improbable que los resultados de ambos grupos hubiesen sido idnticos.
Alguna diferencia habr de observarse . La intervencin de variables incontrolables
(errores aleatorios) ciertamente produce alguna disparidad entre las medidas de los gru
pos. La pregunta crtica, desde el punto de vista de la inferencia estadstica sera: es la
diferencia lo suficientemente grande para descartar las variaciones incontroladas en el
experimento como una explicacin satisfactoria? Enuncindolo de otra manera, si se
repitiera el experimento, seramos capaces de predecir con confianza que las mismas
diferencias (ejemplo, una medida es ms grande que la otra) se repetiran de manera
sistemtica?
En el momento en que surgen estas preguntas nos movemos hacia el rea del anli
sis estadstico conocida com o inferencia estadstica o estadstica inductiva. Sin em bar
go, la estadstica inferencial est fuera del alcance de este captulo, por lo que no se
abordar a detalle.
Tcnica de m uestreo
En la mayora de los casos es necesario obtener muestras de una poblacin, las cuales se
analizarn, y su resultado tendr que ser representativo para poder extrapolarlo a toda la
poblacin. Cada una de las unidades de observacin que conforman la muestra deben ser
elegidas al azar (alcatoriedad), pertenecer a esa misma poblacin (homogeneidad), tener
la misma oportunidad de ser seleccionadas (representatividad) y no estar condicionadas
entre s (independencia). Existen varias tcnicas para obtener una muestra, pero las ms
utilizadas son: muestreo aleatorio simple, muestreo sistemtico, muestreo de racimos y
muestreo estratificado.
Estos conceptos se pueden ilustrar mediante un ejemplo. Para una investigacin de
salud se desea conocer el peso, edad, estatura y sexo de 10 000 estudiantes (poblacin)
de un centro universitario. Sin embargo, resulta difcil obtener las mediciones de cada
elem ento de la poblacin, por lo que se decide hacerlo mediante la extraccin de una
M itos de la estadstica 89
muestra de 500 estudiantes. Un ejemplo de cm o proceder con las diferentes tcnicas

de mucstrco es la siguiente:
Muestreo aleatorio simple: es una tcnica de generacin de nmeros aleatorios

(como en los sorteos), que se hacen corresponder la matrcula escolar para selec
cionar a los 500 estudiantes y obtener la muestra. La caracterstica principal de
este muestreo es que. de todas las formas posibles de extraer la muestra conteni
da en la poblacin de estudiantes, cada uno de ellos tiene la misma posibilidad de
ser elegido.
M uestreo sistemtico: se caracteriza por llevar un orden con respecto a una se
cuencia en tiem pos o espacios. Por ejem plo, suponer que se decide obtener
dicha m uestra tom ando uno de cada 20 estudiantes en el orden del m atriculado
con nm eros 2 0 ,4 0 ,6 0 ,..., 460, 480, etctera, son seleccionados para formar la
muestra. En este caso, los m atriculados con nmeros 1, 2, 3,..., 19, 21.....
481........499, no contaban con las caractersticas definidas para form ar parte de
la muestra.
Muestreo de racimo: se puede obtener la muestra de los 500 estudiantes aprove
chando el hecho de que la poblacin estudiantil se encuentra agrupada en racimos
en las aulas de clase. Despus de esto se toman muestras aleatorias de los raci
mos (aulas). En esta tcnica se supone que cada racimo es representativo de la
poblacin como un todo.
Muestreo estratificado: este tipo de muestreo divide la poblacin en subpoblacio-
nes llamadas estratos. Dentro de cada estrato se selecciona una muestra; cada
elemento de la muestra se selecciona al azar y de manera independiente. Los
estratos deben estar constituidos de la manera m s homognea posible, lo que
provoca que el error de estimacin sea ms pequeo y hace que la muestra estra
tificada sea precisa.
Estos ejemplos lustran las diferentes tcnicas de muestro, pero no las detallan, ya
que el estudiante es quien debe profundizar en este tpico; para ello, puede consultar la
bibliografa especializada de estadstica.
M itos de la estadstica
Con frecuencia se comete el error de creer que la estadstica es un mtodo sofisticado

para fabricar mentiras o falsificar la descripcin de la realidad. Es verdad que algunos
individuos la emplean con esos propsitos (mercadotecnia); sin embargo, el propsito
de este captulo no es ensear estas tcnicas, sino prevenir el uso mal intencionado del
anlisis estadstico, de modo que el lector no pueda decir una mentira sin darse cuenta
y tenga la capacidad de notar cuando otros lo hagan.
Finalmente, es necesario que en la prctica se desarrolle el pensamiento estadstico
para poder aplicar estos conceptos en las actividades diarias sin im portar qu tan rutina
rias sean. Si se hace del pensamiento estadstico un libito cotidiano, el estudio de las
estadsticas se vuelve ms interesante.
Requisitos para aprender estadstica

Es usual escuchar, entre los estudiantes, que las matemticas son aburridas, difciles y
para genios. Para muchos, esta es una apreciacin desalentadora basada en experiencias
previas con las matemticas. Muchas de las frmulas que aparecen en este captulo po
dran incrementar este temor, puesto que a primera vista parecen indescifrables e im po
sibles de dominar. Sin embargo, no se necesita ser un genio matemtico para dominar la
estadstica descriptiva. Los conocimientos matemticos sofisticados, que son necesarios
para dominar los fundamentos de la estadstica, han sido exagerados. En realidad, lo que
se requiere para aprender estadstica es un buen aprendizaje del clculo aritmtico y la
lgica, as como el empeo para aprenderlo hasta dominarlo.
Lenguaje m atem tico

Las matemticas poseen un lenguaje elemental, sim ilar al lenguaje hablado. Es as
como las matemticas tienen sustantivos, adjetivos, verbos y adverbios.
Sustantivos matemticos: en matemticas comnmente se emplean smbolos para

representar cantidades (o resultados). La notacin que se utiliza con mayor fre
cuencia en estadstica es X. pero en ocasiones tambin se usa Y. En resumen, X y
Y se emplean para identificar variables; por ejemplo, si se estudian las variables
peso y altura, X representara el peso y Y la altura. Otro sustantivo usado frecuen
temente es el smbolo N o n, que representa el nmero de elementos de una pobla
cin o muestra que se estudia, o bien, si se trabaja con una muestra o poblacin n
o N, representar el nmero de observaciones o datos.
Adjetivos matemticos', cuando se quiere modificar un sustantivo matemtico
para identificarlo con mayor precisin por lo general se empican subndices. Por
lo tanto, si tenemos una serie de observaciones o resultados podemos represen
tarlos como X r X 2, Xy XA, etctera. Tambin, es frecuente encontrar la expresin
X., en la que el subndice i puede tom ar el valor que nosotros deseemos y X h re
presentar el n-simo valor de X.
Verbos matemticos: las notaciones que dirigen al lector a realizar alguna accin
tienen las mismas caractersticas que los verbos en el lenguaje comn. Uno de los
verbos m s importantes es el smbolo I (letra griega sigma). Esta notacin indica
la suma de todas las cantidades u observaciones que siguen al smbolo. De esta
manera, (X,, X 2, Xy X4, X J dice que se deben sumar todas las cantidades desde
X ] hasta X y Otros verbos frecuentes son J ~ , que indica la extraccin de la raz
cuadrada y los exponentes com o (X*), los cuales significan que se debe elevar
una cantidad a la potencia n indicada. En matemticas, los verbos matemticos se
conocen comnmente com o operadores.
Adverbios matemticos: son notaciones que, como en el lenguaje cotidiano, mo
difican a los verbos. Con frecuencia, los smbolos de suma estn modificados por
notaciones adverbiales. Por ejemplo, imaginemos que vamos a indicar que las
siguientes cantidades debern ser sumadas:
X, + X, + XJ+ X 4+ Xs+... + Xn
M edidas de tendencia central 91
La representacin simblica de esta operacin es:
X , (4.1)
(-1
Las notaciones colocadas abajo y arriba del smbolo de suma indican que / tomar
sucesivamente los valores 1,2, 3 ,4 , 5 ... hasta n. Verbalmente, la notacin se lee:
Debemos sumar todas las cantidades de X empezando en i = 1,

que es, X y prosiguiendo hasta i = n (que es, X ).
Algunas veces esta forma de notacin puede indicar la suma, pero nicamente de las
cantidades seleccionadas:
= X 2+ X i + X + X i (4.2)
i-2
Parm etros estadsticos
M edidas de tendencia central

El objetivo de las medidas de tendencia central es sintetizar los datos en un valor repre
sentativo. Estas son la media aritmtica o promedio, la mediana y la moda, de la cuales,
el estadstico elegido para sim bolizar una distribucin es la media, que es el valor ms
representativo de todos los que toma la variable. Sin embargo, se debe tener especial
cuidado de elegir la media como el valor representativo en caso de que la variable es
tudiada presente valores anormalmente extremos, pues dependiendo de su valor, estos
tendrn el efecto de desplazar la media hacia el extremo derecho cuando haya valores
anormalmente altos, o al extremo izquierdo de la distribucin cuando haya valores anor
malmente bajos. En esta situacin, un mejor valor representativo de la posicin central
de la distribucin es la mediana, ya que refleja exactamente al valor que se localiza en el
centro de una distribucin ordenada.
Media aritmtica
Se define com o la suma de todos los valores de la distribucin dividida entre el nmero
total de datos. En una muestra cuyos valores estn dados por X,, Xv .... Xn, la media
aritmtica est definida como:
II
X*,
X = -=! (4.3)
n
Por ejemplo, para los siguientes datos: 15, 18, 12, 13, 12, 13, 16, 13, 12, 15,19, 12,
15, 13, 12, la media ser:
- 1 5 + 1 8 + 12 + 13 + 12 + 13 + ...+ 12 _ tA
A I*r
Mediana
Se refiere al dato que ocupa la posicin central en una muestra ordenada, por lo que deja
a su izquierda y derecha el mismo nmero de observaciones. De esta forma, para calcu
lar el valor de la mediana del ejemplo anterior, primero se procede a ordenar los datos.
12 12 12 12 12
13
13 13 13 15J 15
15 16 18 | 19
Si el nmero de datos fuera impar, como es el caso del ejemplo, 13 es el valor de la

mediana y se ubica en el centro de la distribucin; por lo tanto, queda el mismo nmero
de observaciones a la izquierda y a la derecha. Cuando el nmero de observaciones es
par puede decirse que hay dos valores medianos; sin embargo, se toma com o mediana la
media aritmtica entre ellos. Para los valores 2,4,3,5,4,3r5,7,6,2,4,5,7,4, cuyo total de
valores es un nmero par (14), la mediana sera igual al valor promedio de los dos valo
res centrales de la muestra ordenada.
4+4
Me = =4
Moda
La moda es el valor de la variable que m s veces se repite en la muestra, por lo que para
los dos casos anteriores la moda es de 12 y 4, respectivamente. El primero con cinco
repeticiones, y el segundo con cuatro. Sin embargo, habr casos en los que ms de un
valor se repita el mismo nmero de veces, por lo que la muestra puede ser bimodal (dos
valores con la misma frecuencia); trimodal (tres valores); o polimodal (para m s de tres).
Tambin existe la posibilidad de que el nmero d e repeticiones de los valores sea homo
gneo, en cuyo caso no existe moda.
Cabe sealar que la moda es la medida ms representativa en el caso de distribucio
nes de variables en escala nominal, debido a que las distribuciones de este tipo presentan
datos no susceptibles de ordenacin, de tal forma que para estas distribuciones no es
posible realizar operaciones elementales con sus observaciones.
M edidas de dispersin
Las medidas de dispersin cuantifican la dispersin y variabilidad de los valores de
la distribucin respecto al valor central. Permiten calcular la representatividad de una
medida de posicin, para lo cual ser preciso cuantificar la distancia de los diferentes va
lores de la distribucin respecto a dicha medida. A tal distancia es a lo que, en trminos
estadsticos, le se llama variabilidad o dispersin de la distribucin.
Las medidas de dispersin tienen com o finalidad estudiar hasta qu punto, para una
distribucin de frecuencias determinada, las medidas de tendencia central o de posicin
son representativas como sntesis de toda la informacin de la distribucin.
Medir la representatividad de una medida de posicin equivale a cuantificar la sepa
racin de los valores de la distribucin respecto a dicha medida. Por ejemplo, se desea
M edidas de dispersin 93
estudiar en qu grado una media aritmtica marca una tendencia central generalizable
del comportamiento de todos los elementos del conjunto por lo que primero se tendr
que fijar la atencin en la desviacin de cada valor respecto a la media. Si todos los va
lores estn cercanos al valor medio, este ser representativo de ellos. La media aritm ti
ca de una variable es m s representativa cuanto ms agrupados estn los valores en tomo
a ella; y por el contrario, ser ms rechazable en la medida que exista mayor dispersin
de los valores de la variable respecto a la media.
Las medidas de dispersin son el rango, la desviacin media, la varianza, la desvia
cin estndar y el coeficiente de variacin.
Rango
El rango es la medida de dispersin ms sencilla de calcular e interpretar, puesto que
simplemente es la diferencia entre los valores mximo ( X J y mnimo (XnJ . Indica la
variacin mxima que se presenta en la muestra y est definida como:
(4.4)
De manera que para los siguientes los valores 2, 5 ,4 , 7 ,6 ,9 , el valor del rango est
dado por R - 9 - 2 = 7 , que representa la amplitud entre los extremos de la distribucin.
Desviacin media
1.a desviacin media se define com o la m edia aritm tica del valor absoluto de las d i
ferencias de los valores de la variable con respecto a la m edia aritm tica y se expresa
as:
I*. -x|
DM = ----------- (4.5)
n
La tabla 4.1 muestra el proceso del clculo de la desviacin media para la siguiente
serie de valores:
94 97 95 95 94 96 90 93 89 95
Primero, se calcula la media con la ecuacin correspondiente:
^ _ 94 + 97 + 95 + 94 + ... + 95 . . _
X - - = 9 3 .8
Despus, en la tabla, a cada uno de los valores se le resta el valor promedio, para
luego obtener el valor absoluto y la sumatoria de las desviaciones. Dichos valores se
sustituyen en la ecuacin de la desviacin media para obtener la separacin de la distri
bucin con respecto a la media aritmtica.
94 Captulo 4 Anlisis descriptivo de los datos
Tabla 4.1: Proceso del clculo de la desviacin media.
Valores (A1,) Xt-X \X, - x\
89 -4 .8 4.8
90 -3 .8 3.8
93 4 ). 8 0.8
94 0.2 0.2
94 0.2 0.2
95 1.2 1.2
95 1.2 1.2
95 1.2 1.2
% 2.2 2.2
97 3.2 3.2
n = 10 0 | X , - X | = 18.8
f-l
Si se sustituyen los valores en una ecuacin, se tendr:
DA = 1 M = j .88
10
Varan /.a
De todas las medidas de dispersin, respecto a la media aritmtica, la varianza y su raz
cuadrada (desviacin tpica) son las ms importantes. La varianza se define com o la m e
dia aritmtica del cuadrado de las desviaciones de los valores de la variable a la media
aritmtica, mediante la expresin:
5 = (4.6)
n -1
La mayor desventaja de la varianza quiz sea la dificultad para interpretarla, ya que

se expresa en las mismas unidades que la variable original pero al cuadrado. Un alcance
mucho ms prctico se logra con la desviacin estndar, que al ser producto de la raz
cuadrada de la varianza, sus unidades quedan expresadas en las mismas unidades de
medida que la variable original. De esta manera, la desviacin estndar es una medi
da m s objetiva del promedio de separacin que existe en la distribucin con respecto a
la media aritmtica. En la tabla 4.2 se muestra el proceso de clculo de la varianza para
los valores anteriores.
En dicha tabla, a cada uno de los valores se le resta el valor promedio, para luego
elevar al cuadrado y obtener la sumatoria de las desviaciones cuadrticas. Estos valores
se sustituyen en la ecuacin de la varianza para obtener su valor, que expresa la separa
cin cuadrtica que existe en la distribucin con respecto a la media aritmtica.
Tabla 4.2: Proceso del clculo de la varianza.
Valores (* ,) x ,- x ( x , - x )2
89 -4 .8 23.04
90 -3 .8 14.44
93 -0 .8 0.64
94 0.2 0.04
94 0.2 0.04
95 1.2 1.44
95 1.2 1.44
95 1.2 1.44
96 2.2 4.84
3.2 10.24
97
X ( X , - X ) J = 57.6
O
II
La ecuacin correspondiente a la varianza es:
S = = 6 . 4
10-1
Desviacin estndar
La desviacin tpica es la raz cuadrada de la varianza. De manera ms prctica informa
cul es el promedio de separacin que existe en la distribucin con respecto al valor
promedio. Se expresa en las mismas unidades que la variable original. La expresin para
su clculo es:
S = V~
l(*.-xf (4.7)
i f l- 1
Para el ejemplo anterior, la desviacin estndar ser: S = v 'M = 2 .5 3 , que apoya el

valor de la media como representativo de la distribucin de los datos. La magnitud de
este valor indica que los datos se encuentran agrupados en tom o al valor promedio.
Coeficiente de variacin
El coeficiente de variacin (CV) expresa la desviacin estndar respecto a la media
aritmtica, usualmente en porcentaje, para una interpretacin ms clara del grado de
variabilidad de la desviacin tpica en relacin al valor promedio; en otras palabras, es la
desviacin estndar de la media aritmtica expresada como porcentaje.
C aptulo 4 Anlisis descriptivo de los datos
El CV es til para comparar las dispersiones de dos distribuciones distintas, siempre

que sus medias sean positivas. A mayor valor del CV, mayor heterogeneidad de los valo
res de la variable; y a menor CV. m ayor homogeneidad en los valores de la variable. El
coeficiente de variacin se obtiene por medio de la siguiente expresin matemtica;
CV = x l O O (4.8)
X
Los valores de la siguiente tabla corresponden al extracto de un estudio realizado a

nios de educacin primaria expuestos a ruido ambiental en la Zona Metropolitana de
Guadalajara (7.MG) durante el ao 2009. El objetivo del estudio fue evaluar el impacto
d e la contaminacin por ruido en la concentracin de los alum nos mediante la prueba de
Stroop, que consiste en tres grupos de reactivos (100), escritos con un color de tinta que
provoca una situacin de estrs, que deben leer los escolares sin importar el tiempo
que tarde. La tabla 4.3 muestra, de manera general, el total de aciertos obtenidos.
Tabla 4.3: Nmero de aciertos obtenidos durante una prueba de concentracin

sostenida (Preciado, 2010).
G ra d o A ciertos G rad o A ciertos
Tercero 100 Sexto 99

Media de sexto grado: X = +-98-~f- 1j* * t. ^ L 100 _ 99 50 y s = 0.70
Media de tercer grado: X = 1QQ+ 1QQ+ W 0 + ...+ 100 = 99.50 y 5 = 1 .26
El valor de la media para los alum nos de tercero y sexto grados es el mismo. Si el
director del plantel quisiera otorgar un premio a los nios que obtuvieron un mejor des
empeo basado en este valor no sera justo. Sin embargo, mediante los resultados del
CV, al director le quedara muy claro cules alumnos deben recibir el premio. De mane
ra que, los respectivos coeficientes de variacin sern:
Variables num ricas 97
= X I00 = 1.26% para tercer grado.

99.60
CV = x i 00 = 0.70% para sexto grado y

99.60
Por lo que el premio debe entregarse a los alum nos de sexto grado, puesto que la
dispersin de los datos con respecto al valor promedio es menor.
Distribucin de frecuencias
Se llama distribucin de frecuencias al agrupamiento y clasificacin de los datos de una
poblacin o de una muestra. Este agrupamiento tiene el propsito de resumir grandes
conjuntos de datos con el fin de facilitar el anlisis de las variables que resultan de
las caractersticas medidas de un fenmeno o evento en particular. En este apartado
se muestra cmo elaborar una distribucin de frecuencias para variables, cuyo resulta
do de medicin arroja un registro numrico (variables cuantitativas), as como para aque
llas variables cuyo resultado de medicin no es un nmero sino una cualidad (variables
cualitativas) (ver tabla 2.1).
Variables num ricas

Datos sin agrupar
En las investigaciones cientficas, as como en la observacin y medicin de los fen
menos que acontecen en la naturaleza, la generacin de registros o datos e s una tarea
primordial, ya que por medio de estos se logra una mejor comprensin c interpretacin
de los mismos. En funcin de la cantidad de datos generados se podrn obtener conclu
siones casi de forma inmediata, o se requerir de la aplicacin de algunas tcnicas de
agrupacin o resumen para el entendimiento de fenmenos ms complejos.
Una parte fundamental que comprende el anlisis de resultados de las investigacio
nes, son las tcnicas de ordenamiento, clasificacin o resumen de la informacin obteni
da. Resulta prctico hacer un anlisis directo de la informacin cuando el nmero total
de registros no excede los 30 valores. Aunque no existe un criterio bien definido, el in
vestigador o estudiante aplicar el criterio que ms le resulte conveniente.
A continuacin se presenta un ejemplo prctico que corresponde a las calificaciones
finales de la materia de Metodologa experimental en un grupo de 18 alumnos.
Tabla 4.4: Calificaciones finales de la materia de Metodologa experimental.
73 69 66 82 68 62 94 83 80
78 97 66 48 66 67 82 44 81
Con el simple hecho de ordenar y contabilizar cuntas veces est presente cada uno
de los valores registrados, se podr saber con facilidad cules son las calificaciones ms
frecuentes, las menos frecuentes, o si la mayora de alum nos obtienen calificaciones
aprobatorias. Por lo tanto, se procede a realizar una tabla simple d e distribucin de fre
cuencias de la siguiente manera:
C aptulo 4 Anlisis descriptivo de los datos
1. Se ordenan los datos en form a ascendente.
44 66 67 73 81 83
48 66 68 78 82 94
62 66 69 80 82 97
2. Se contabiliza el nmero de veces que un dato se encuentra presente, lo que co

rresponde a la tabla de frecuencias:
Calificacin Frecuencia absoluta

44 1
48 1
62 1
66 3
67 1
68 1
69 1
73 1
78 1
80 1
81 1
82 2
83 1
94 1
97 1
Total 18
A partir del anlisis de la tabla se lleg a las siguientes conclusiones:
Ninguno de los alumnos aprob la materia de Metodologa experimental con 100.

Dos alum nos obtuvieron calificaciones reprobatorias < 50.
Tres alumnos obtuvieron 66 y dos alumnos sacaron 82.
La misma serie de conclusiones se puede obtener de la tabla de datos ordenados; sin

embargo, estas no son inmediatas tal como se visualiza en la tabla, donde se presenta la
informacin de forma compacta y clara.
Existe una forma grfica que permite una mejor visualizacin de los resultados, la
cual se denomina diagrama de tallo y hojas. La elaboracin de este diagrama depende de
la naturaleza de los datos (si son enteros o presentan decimales). Para el ejemplo que
involucra nicamente enteros, los dcim os formarn los troncos, y las unidades las ho
jas. Para los primeros dos valores su tronco es 4 y las hojas son 4 y 8, y as sucesivamen
te. Sin embargo, estos diagramas no son nada prcticos cuando el total de datos que se
analiza es grande.
Tallo H ojas
4 48
6 2 6 7 89
7 38
8 0123
9 47
Del diagrama de tallo y hojas fcilmente se concluye que:
Dos de los alumnos tuvieron calificaciones reprobatorias.

Las calificaciones con mayor repeticin son de 62 a 69, y en segundo lugar las de
80 a 83.
Dos alumnos sacan calificaciones mayores a 90.
Datos agrupados
La agrupacin o clasificacin de los datos resulta prctica cuando se maneja un buen
nmero de registros. Un criterio conservador para aplicar tcnicas de resumen de la
informacin es cuando el total de valores que se maneja es mayor a 30, aunque habr
quienes encuentren prctica la aplicacin de las tcnicas antes descritas.
Para facilitar la comprensin de los pasos para elaborar una distribucin de frecuen
cias, se utilizan los datos del promedio diario de concentracin de partculas en el aire en
el centro de Guadalajara durante el mes de abril de 2009.
Tabla 4.5: Promedio diario de partculas (PM Wen /ig/m5) durante el mes de abril
de 2009, en el centro de Guadalajara (Centro de Informacin Ambiental. SEMADES).
26.5 29.2 28.7 24.2 44.3 25.9 33.2 33.4 24.6 33.7 27.3 28.3 30.0 39.0 37.5
29.6 25.4 24.4 24.5 22.4 34.8 34.5 24.8 25.9 20.0 23.0 19.8 32.2 24.6 29.0
Pasos para construir una distribucin de frecuencias

1. Se acomodan los datos en un arreglo ordenado, de menor a mayor valor.
19.8 20 22.4 23 24.2 24.4 24.5 24.6 24.6 24.8 25.4 25.9 25.9 26.5 27.3
28.3 28.7 29 29.2 29.6 30 32.2 33.2 33.4 33.7 34.5 34.8 37.5 39 44.3
2. Definir el nmero o intervalos de clases: es decir, se escoge el nmero de grupos

o intervalos en los cuales se ubicarn una nica vez cada una de las observaciones o
datos. Estas clases debern ser mutuamente excluyentes y exhaustivas. Esto es, las
observaciones se ubicarn en una y solo una de las clases, y todas las observaciones
del conjunto de datos quedarn incluidas en alguna de las clases definidas.
Como el objetivo de una distribucin de frecuencias es resumir el conjunto de datos
para interpretarlos mejor, no es conveniente definir muchas clases; tampoco se deben es
coger muy pocas porque se pierde informacin. En la prctica, es una decisin que se
debe tom ar despus de conocer muy bien el tipo y la cantidad de datos que desea ordenar.
Algunos libros de estadstica recomiendan utilizar entre 6 y 15 intervalos; menos de

6 podra indicar que se han resumido los datos ms de la cuenta y ms de 15 que no se
han resumido adecuadamente. De esta manera, el nmero de intervalos o clases a consi
derar es una cuestin importante y no hay un criterio fijo para establecerlo. La tabla 4.6
muestra algunas frmulas para calcular el nmero mximo de clases o intervalos. La
mayora de los textos en estadstica refieren al nmero de intervalos (/O como la raz
cuadrada del nmero de datos, esto es K = v'n .
Por su parte, la regla de Sturgens tiende a subestimar el nmero de intervalos y la de
Dixon y Kronmal da mejores resultados para n grandes.
Tabla 4.6: Criterios para definir el nmero de intervalos o clases (K).
A utor N m ero de intervalos
Sturges, 1926 K = l + 3.322(logl0/i)) (4.9)
Velleman. 1976
*
ii
(4.10)
Dixon y Kronmal, 1965 K = lO logn

(4.11)
K = 2 .4 X \/ (4.12)
Con base en lo anterior se puede aproximar el nmero de intervalos por medio de la

frmula de Velleman (1976), que dice: K = yf , donde K es el nmero de intervalos y
n = 30 es el total de datos. Si aplicamos la frmula a los datos del ejemplo, tenemos
K = v 3 0 = 5.48 5, donde 5 es el nmero apropiado de intervalos para la cantidad de
datos que se tienen.
3. Am plitud o tamao del intervalo: para determinar la amplitud del intervalo primero
se calcula el rango o recorrido: R = X nxx - .
Entonces, en el ejemplo R = Xn - X t = 44.3 -1 9 .8 = 24.5, el intervalo (/) o amplitud
de clase (A) es el cociente entre el rango y el nmero de clases:
I = A =- (4.9)
K
V
Y para el. ejemplo:
I /. = A,R= 24.5
= -----
K 5
Con frecuencia, los valores que resultan de esta razn suelen ser incmodos; por lo
tanto, se recomienda utilizar un nmero fcil de comprender y de explicar para la infor
macin que se desea comunicar. Se propone redondear el intervalo de 4.9 a 5.
4. Definir los intervalos o lmites de clase: se debe tener especial cuidado al definir los
lmites de clase: dnde inicia y dnde se cierra, pues resulta muy relevante cuando se
trabaja con variables continuas, ya que habr muchos valores intermedios entre el l
mite superior de una clase y el lmite inferior de la siguiente. Por ejemplo, si construi
mos la tabla a partir del primer valor de los datos ordenados y le sumamos el 5 del
tamao del intervalo, se obtiene la tabla 4.7. Entonces, entre el lmite superior del
primer intervalo y el lmite inferior del segundo intervalo, los valores 24.81,24.82,...
24.89 quedarn sin ser contabilizados para la primera clase. Por lo anterior, un buen
criterio para construir los lmites de clase sin perder la continuidad en los valores es
trabajar con los lmites reales en lugar de los lmites aparentes de clase.
Tabla 4.7: Lmites dados con base en el valor aparente.
N m ero de clase Intervalos de clase
I 1 9 .8 -2 4 .8
n 2 5 .8 -3 0 .8
ni 3 1 .8 -3 6 .8
IV 3 7 .8 -4 2 .8
V 4 3 .8 - 4 8 .8
Los lmites reales de una clase son guales al valor aparente, ms/menos la mitad de
la unidad de medida. Para determinar los lmites reales de los intervalos de clase se resta
0.5 al lmite inferior, y se suma 0.5 al lmite superior de cada clase. Los lmites reales del
primer intervalo seran 19.8 - 0.5 = 19.3 para el lmite inferior, y 24.8 + 0.5
= 25.3 para el lmite superior. El primer intervalo queda de 19.3 a 25.3 y as sucesiva
mente (tabla 4.8).
Tabla 4.8: Lmites reales.
N m ero de clase Intervalos de clase
I 1 9 .3 -2 5 .3
U 2 5 .3 -3 1 .3
ni 3 1 .3 - 3 7 .3
IV 3 7 .3 - 4 3 .3
V 43.3 - 49.3
Sin embargo, con este nuevo alcance es confuso saber en qu clase contabilizar el
valor 25.3, pues es el lmite superior de la primera clase y el lmite inferior de la segunda.
Para prevenir ambigedades en cuanto a la clase a la que pertenece cierto nmero, se
dice que un dato pertenece a determinada clase si su valor numrico e s estrictamente
mayor que el lmite inferior, y m enor o igual cuando el lmite es superior. Por lo tanto,
25.3 solo debe contabilizarse en la clase uno, pues cumple con el requisito de ser menor
o igual al lmite superior de esa clase.
5. Completar la distribucin de frecuencias: para cada una de las clases se contabiliza

el nmero de datos que cumplen con el requisito d e ser mayor al lmite inferior de la
clase, y menor o igual al lmite superior. Los datos del ejem plo que cumplen ese re
quisito incluyen los valores de 19.8 a 24.8, que son 10 y corresponden a la frecuencia
absoluta de la primera clase. Esto equivale a decir que en 10 de los 30 das analizados
se presentaron valores promedio de partculas entre 19.3 a 25.3 /g/m \ Otra forma de
describir el fenmeno analizado es usando la frecuencia acumulada. Esta es igual a la
frecuencia absoluta de la clase en particular ms la suma de las frecuencias de la cla
se o clases anteriores. Para la primera clase su frecuencia acumulada es 10, pues no
existe una clase anterior a esta; mientras que para la segunda clase es 11 + 10 = 21,
etc. Por lo tanto, la ltima frecuencia absoluta acumulada es igual a n o nmero total
de observaciones.
Una de las conclusiones que podemos tom ar con base en la frecuencia acumulada,
es que un poco ms de la mitad de los das analizados, es decir 21, registraron concen
traciones de partculas menores o guales a 31.3 pg/m J. Sin embargo, se pueden hacer
aseveraciones mucho ms claras si utilizamos la frecuencia relativa o la frecuencia
porcentual. Ambos conceptos relacionan la frecuencia absoluta frente al total de obser
vaciones, aunque un alcance mucho ms prctico lo proporciona la frecuencia relativa
porcentual, o la porcentual acumulada. Lu frecuencia relativa para la primera clase ser:
^ = 0.33 o ^ = 0.33 x 100 = 33% para la frecuencia relativa porcentual. De estos dos
conceptos fcilmente se intuye que el total de la frecuencia relativa es igual a la unidad,
y para la relativa porcentual es 100%. De igual manera, la frecuencia porcentual acumu
lada de la ltima clase ser de 100%.
AI observar la frecuencia relativa porcentual acumulada podemos constatar que
poco m s de la mitad de los das analizados registraron valores 31.3 /g/m \ Esto co
rresponde a 70% de los das.
Tabla 4.9: Distribucin de frecuencias de la concentracin de partculas ( P Mia) para el mes de abril
en el centro de Guadalajara (SEMADES, 2009).
Frecuencia F recuencia
N m ero Intervalos Frecuencia Frecuencia Frecuencia relativa acum ulada relativa
d e clase de clase absoluta acum ulada relativa porcentual porcentual
1 1 9 .3 -2 5 .3 10 10 0.33 33 33
0 2 5 .3 - 3 1 .3 11 21 0.37 37 70
m 3 1 .3 - 3 7 .3 6 27 0.20 20 90
IV 37.3 - 43.3 2 29 0.07 7 97
V 43.3 - 49.3 1 30 0.03 3 100
Total 30 1.00 100
Representacin grfica de una distribucin de frecuencias

Histof>rama: constituye el grfico tpico de una distribucin de frecuencias. Es un
grfico de barras continuas de diferentes alturas, definidas usualmcnte con base en el
valor de la frecuencia absoluta. En otras palabras, corresponde a la representacin vi
sual de la tabla de distribucin de frecuencias. El histograma m s comn representa en
el eje horizontal los intervalos de clase, y en el eje vertical la frecuencia absoluta, tal
como lo muestra la figura 4.1.
eg12
f 1
I 8
e 8
4
S 2
it
Intervalo d e d a s e
Figura 4 .1: Histograma de la distribucin de partculas ( P M J durante el mes de abril

en el centro de Guadalajara (SEMADES, 2009).
Polgono de frecuencias: otro grfico igualmente til para conocer la distribucin

de los datos, lo constituye el polgono de frecuencias, que consiste en una suce
sin de lneas rectas cuyos puntos de unin corresponden al punto medio de cada
intervalo de clase, tambin conocido como la marca de clase (M C ). Entonces,
el punto medio en cada intervalo est dado por la siguiente ecuacin:
MC = , donde Li es el lmite inferior de la clase, y es el lmite superior.
En consecuencia, la marca de clase para el primer intervalo es M C -

19.3+25.3 ,
---------------= 22.3 y as sucesivamente.
2
La tabla 4.10 se utiliza para elaborar el polgono de frecuencias (figura 4.2). Es
importante hacer notar que se agregaron dos marcas de clase con frecuencia cero al ini
cio y al final de la tabla, con el fin de iniciar y cerrar el polgono.
FJ polgono de frecuencias se construye colocando los puntos medios o marcas de
clase de cada intervalo en el eje horizontal. Y la frecuencia absoluta correspondiente a
cada marca de clase se ubica en el eje vertical. De esta forma, el polgono muestra la
distribucin d e los puntos centrales a cada intervalo, es decir, el valor representativo de
la clase.
Tabla 4.10: La distribucin de frecuencias para un polgono.
N m ero M arca F recuencia Frecuencia

de clase Intervalos de clase de clase absoluta porcentual
13.3 - 19.3 16.3 0

I 19.3 - 25.3 22.3 10 33
11 2 5 .3 - 3 1 .3 28.3 11 37
III 3 1 .3 - 3 7 .3 34.3 6 20
IV 37.3 - 43.3 40.3 2 7
V 43.3 - 49.3 46.3 1 3
49.3 - 55.3 52.3 0
M a rc a s d e c la se
Figura 4.2: Polgono de frecuencias para el promedio diario de partculas

durante el mes de abril en el centro de Guadalajara.
I.as conclusin es que de los 11 valores clasificados en el segundo intervalo, 28.3

pg/m J es el valor representativo. Si por el contrario, en el eje vertical ahora se grfica la
frecuencia relativa de la tabla 4.10, se puede concluir que 37% de los valores represen
tativos son 28.3 /ig /m \
Grfico Je frecuencia acumulada (ojiva): este grfico corresponde a un polgono de
frecuencias o curva suavizada, que se construye con las frecuencias absolutas o relati
vas acumuladas. La utilidad del grfico es que permite leer cuntos (figura 4.3a) o qu
proporcin de los datos (figura 4.3b) se acumulan hasta un valor particular de la varia
ble estudiada.
Para construir el grfico se asume una clase inferior a la prim era clase (tabla 4.10),
de cuyo lmite superior comenzar el trazo de la curva suavizada. En el eje vertical se
colocan las frecuencias partiendo desde cero hasta la ltima frecuencia acumulada. En el
eje horizontal se ubican los lmites superiores de cada clase y de de esta forma se obtie
nen los siguientes grficos:
absoluta a c u m u la d a
Frecuencia
55.3
Lm ite s s u p e rio re s d e d a s e Lim ite s s u p e rio re s d e d a s e
Figura 4.3: Ojiva de los datos de la tabla 4.10. donde se muestra la utilidad en la interpolacin grfica.
Variables no num ricas 105
Considerando la informacin del ejemplo, se desea conocer el nmero de das del

mes de abril que presentaron <, 37.3 /ig/m 1 de partculas en el centro de Guadala-
jara. Por interpolacin directa en el grfico se observa que la respuesta es 27 das (figura
4.3a). Si por el contario, se quisiera conocer el acumulado de das con 37.3 ^g/m '
desde el inicio del mes, por interpolacin directa la respuesta es 90% (figura 4.3b).
Variables no num ricas

En el rea de las ciencias de la vida, la medicin de los fenmenos genera resultados no
numricos o de atributo que, de igual manera, es necesario resumir para su mejor com
prensin. Como se describi en el captulo 2, estas variables cualitativas no aparecen en
forma numrica, sino como categoras o atributos (sexo, profesin, color de ojos, etc.) y
slo pueden ser nominales u ordinales. De manera similar a las variables numricas, la
distribucin de frecuencias es la tcnica apropiada para organizar los datos de una forma
ms clara que ayude a los investigadores a obtener conclusiones mucho ms asertivas.
Com o se puede notar, los datos de la tabla 4.11 estn presentados de tal manera que
resulta difcil visualizar su comportamiento; as, surge la necesidad d e organizarlos o
sistematizarlos para una mejor comprensin.
Tabla 4.11: Resultados del anlisis de tipo de sangre practicado a 25 estudiantes

como parte de una serie de exmenes mdicos.
G ru p o sanguneo
AB A O B A
A O O O AB
B B O A O
O O B AB B
A B B AB O
El primer paso es identificar el nmero de grupos sanguneos, que en este caso es

el nmero de clases o categoras de la tabla de distribucin de frecuencias. Despus, del
conteo de estudiantes que pertenecen a cada uno de los grupos sanguneos se puede
completar la otra serie de frecuencias (relativa, relativa porcentual).
Tabla 4.12: Distribucin de frecuencias para los grupos sanguneos.
Frecuencia Frecuencia Frecuencia

Clase absoluta relativa relativa %
A 5 0.20 20
B 7 0.28 28
O 9 0.36 36
AB 4 0.16 16
Total 25 1.00 100

Con base en el anlisis de la tabla anterior, fcilmente se obtienen las siguientes

conclusiones:
La mayora de estudiantes tuvieron sangre tipo O, y solo 4 de ellos tipo AB, lo
cual se determ in con base en la frecuencia absoluta.
El segundo tipo de sangre ms frecuente en los estudiantes fue B.
En trminos de la frecuencia relativa porcentual, esto equivale a decir que 36% de
los estudiantes tuvieron sangre tipo O, y solo 16% tuvieron sangre tipo AB.
El segundo tipo de sangre m s frecuente en los estudiantes fue el B, con 28% de
los casos analizados.
Representacin grfica de una distribucin de frecuencias

(datos no num ricos)
Los resultados, producto de la medicin de variables cualitativas, de igual manera pue
den ser representados mediante grficas. Entre las ms utilizadas para ilustrar la distribu
cin de estas variables se encuentran el grfico de barras simples, el grfico de sectores
y el grfico de Pareto.
Grfico de barras simples

Este grfico (figura 4.4) permite visualizar la distribucin de una variable cualitativa,
tanto para frecuencias absolutas como para relativas. Sobre el eje horizontal se colocan
las clases o categoras de la variable, y sobre el vertical las frecuencias que definen la
altura de las barras.
Grfico de sectores
Consiste en un crculo en el que se representan sectores con reas proporcionales a las
frecuencias de cada una de las clases (figura 4.5). Son aplicables a cualquier tipo de
variables, pero se utilizan, sobre todo, en las categricas. Se construye tomando ngulos
proporcionales de las frecuencias para cada una de las clases o categoras.
9
3 8
3
I 6
H 5
4
3
2
1
0
A B O AB
G ru p o s a n g u n e o
Figura 4.4: G rfico de barras sim ples.

Representacin grfica de una distribucin de frecuencias 107
A
B
O
AB
Figura 4.5: Grfico de sectores con base en la frecuencia

absoluta de los grupos sanguneos.
Grfico de Pareto
R1 grfico de Pareto (figura 4.6) se utiliza para representar la distribucin de frecuencias
para variables categricas. Los datos se ordenan de forma descendente, de izquierda a
derecha, separados por barras o clases. En el eje vertical se dibuja la frecuencia (absoluta
o relativa), que define la altura de las barras; y en el eje horizontal, se colocan los grupos o
categoras de la variable cualitativa. De esta forma, el grfico facilita el estudio compa
rativo de numerosos procesos dentro de las industrias o empresas comerciales, as como
fenmenos sociales o naturales.
El ejemplo anterior corresponde a una variable nominal; sin embargo, el mismo
proceso se puede aplicar para una variable de tipo ordinal. Por ejemplo, si para el estudio
de una lesin muscular un traumatlogo utiliza la escala fuerte, moderada, leve, de igual
manera podr hacer una distribucin de frecuencias y anlisis grfico para el nmero de
lesiones atendidas durante el primer trimestre del ao.
G ru p o s a n g u n e o
Figura 4.6: G rfico de Pareto

Estadstica descriptiva para datos agrupados

I-a estadstica descriptiva para datos agrupados involucra tcnicas para extraer y mos
trar la informacin que no se visualiza fcilmente cuando se trabajan conjuntos de
datos muy numerosos. Para grandes m asas de informacin es complicado obtener una
primera aproximacin al comportam iento del objeto de estudio; sin embargo, al dividir
la informacin en grupos o celdas ordenadas se puede lograr una mejor comprensin
al mostrar, por ejemplo, algn patrn definido, la variabilidad o los valores que prin
cipalm ente se presentan. Por lo tanto, resulta prctico agrupar los datos en clases o
categora cuando el total de registros que se analiza es m ayor que 30. A continuacin se
describen las medidas de tendencia central y las medidas de dispersin ms utilizadas
en los trabajos de investigacin, a partir de la tabla de distribucin de frecuencias para
datos agrupados.
M edidas de tendencia central

Para el clculo de las medidas d e tendencia central y de dispersin se utilizan los resulta
dos de distribucin de ruido en la Zona Metropolitana de Guadalajara (ZMG), con base
en puntos conflictivos de trfico vehicular durante 2003 (Figucroa e ta l., 2002).
Tabla 4.13: Valor sonoro continuo equivalente (LEQ dB A) de trfico vehicular

en 80 puntos conflictivos de la ZMG
58.27 65.00 77.03 79.63 81.07 88.15 93.18 94.65

61.12 65.00 77.92 79.63 81.10 88.78 93.25 94.75
61.80 66.00 78.17 79.70 81.30 89.88 93.25 94.85
62.25 66.68 78.72 79.80 81.37 89.88 93.27 95.37
62.28 67.00 78.82 80.32 81.37 89.98 93.75 95.43
64.00 67.50 79.00 80.38 81.90 90.12 93.75 95.95
64.00 68.00 79.05 80.60 82.43 92.23 94.08 95.95
64.18 76.00 79.10 80.87 82.43 92.30 94.23 96.07
64.62 76.45 79.38 80.97 82.48 92.57 94.52 97.07
64.80 76.82 79.40 81.05 82.60 92.85 94.57 97.48
Rango = 58.27 - 97.48 = 39.21.

Nmero de clases con base en la ecuacin de Vellcman (tabla 4.14): K - n/80 = 8 .9 ,
se trabajan ocho clases porque con ello se cubre el rango de los datos.
Amplitud o tamao del intervalo de clase: resulta de la divisin entre el valor del
39 21
rango y el nmero de clases. Esto es = 4.90 * 5.00 .
M edidas de tendenia central 109
A partir de los datos originales se procede a elaborar la tabla de la distribucin de

frecuencias basada en los lmites reales para cada clase (punto 3.2.1, IV).
Tabla 4.14: Distribucin de frecuencias para el nivel sonoro continuo equivalente

(dB A) en puntos conflictivos de la ZMG.
N m ero de clase Intervalos de clase Frecuencia ab so lu ta (fx)
I 5 7 .7 7 -6 2 .7 7 5
II 62.77 - 67.77 11
III 6 7 .7 7 -7 2 .7 7 1
IV 7 2 .7 7 -7 7 .7 7 4
V 7 7 .7 7 -8 2 .7 7 29
VI 82.77 - 87.77 0
VII 8 7 .7 7 -9 2 .7 7 9
Vffl 9 2 .7 7 -9 7 .7 7 21
Total 80
Media
En una distribucin de frecuencias se toma como valor representativo de todos los valo
res que caen dentro de un intervalo, al punto medio del intervalo, al cual se le denomina
marca de clase. Entonces, el valor de la media ser igual a la suma del producto de cada
valor central (*,), por su correspondiente frecuencia de clase ( f j , entre el total de valores
(n). Tal como se ilustra en la ecuacin:
/x ,
X = J^ (4.10)
n
Donde:
= Punto medio o marca de clase de cada intervalo de clase, as como para la primera
clase.
f x = Frecuencia absoluta de cada una de las clases.
n = Total de observaciones.
Thbla 4.15: Proceso de clculo para la m edia de los datos anteriores.
Nivel sonoro (dB A) Frecuencia absoluta (/.) M arca de clase (X .) < 0 (*>
57.77 - 62.77 5 60.27 301.35

62.77 - 67.77 11 65.27 717.97
6 7 .7 7 -7 2 .7 7 1 70.27 70.27
7 2 .7 7 -7 7 .7 7 4 75.27 301.08
7 7 .7 7 -8 2 .7 7 29 80.27 2327.83
8 2 .7 7 -8 7 .7 7 0 85.27 0.00
87.77 - 92.77 9 90.27 812.43
9 2 .7 7 -9 7 .7 7 21 95.27 2000.67
n = 80 = 6531.60
S
M
fx< 6531.60
x=_
= 81.64
n 80
Por lo anterior se puede concluir que el nivel de ruido ambiental emitido por los
automotores en la ZM G es de 81.64 decibeles, y se encuentra por encima del valor reco
mendado para ruido comunitario, segn los lincamientos de la Organizacin Mundial de
la Salud. Dicho organismo recomienda un valor promedio 65 dB A para un entorno
saludable.
Mediana
En datos agrupados, la mediana se refiere al valor que ocupa la posicin central en la
distribucin. La tarea principal para su clculo consiste en ubicar la clase mediana. Esto
es, aquella clase que acumule al menos la mitad de los valores agrupados. En particular,
para este ejemplo, la clase mediana es la clase nmero cinco (tabla 4.16, fila en gris),
pues hasta aqu se logr agrupar a los primeros 50 registros, donde se agruparon por lo
menos la mitad del total de 80 valores. Con ello queda claro que la clase anterior a esta
no puede ser la d a s e mediana, pues apenas acumula 21 de los 80 registros.
La ecuacin de la media es:
Me = L i + -n 2 ~ A (4.11)
Donde:
U = lmite inferior de la clase mediana.
n= nmero de observaciones o frecuencia total.
/ar.(W) = frecuencia acumulada de la clase que antecede a la clase mediana.
A= amplitud del intervalo.
= frecuencia de la clase mediana.
M edidas de tendenia central 111
Tabla 4.16: C lculo de la m ediana.
N m ero Nivel sonoro Frecuencia absoluta Frecuencia

de clase <dB A) </? acu m u lad a
I 5 7 .7 7 -6 2 .7 7 5 5
n 62.77 - 67.77 11 16
in 67.77 - 72.77 1 17
IV 72.77 - 77.77 4 21
V 77.77 - 82.77 29 50
VI 82.77 - 87.77 0 0
VII 8 7 .7 7 -9 2 .7 7 9 59
VIH 92.77 - 97.77 21 80
00
3
II
o
g0 ~ - 2 l
De esta forma, la mediana es igual a: Me = 77.77 + ------ 5 = 81.04
29
Moda
La moda es el dato que se registra con mayor frecuencia en una distribucin, enton
ces. nuestro parmetro inicial para su clculo e s ubicar la clase con mayor frecuencia.
Siguiendo con el mismo ejemplo, la clase con la mayor frecuencia es la cinco.
La ecuacin para calcular la moda es:
M o - L i+ A (4.12)
4 ^ + 4 ^
Donde:
Li = lmite inferior de la clase modal.
Afpn = exceso de la frecuencia modal sobre la clase contigua inferior, o frecuencia de
clase premodal.
Afpm = exceso de la frecuencia modal sobre la clase contigua superior, o frecuencia de
clase posmodal.
El valor de la moda para la tabla anterior es:
M o = 77.77+ - 25 - (5) = 80.08

25+29
Pese a que el valor de la moda no puede constituir un dato real, en el ejercicio es

posible asumir que es el parmetro con mayor frecuencia.
M edidas de dispersin
Varan za
Lu varan za es la media aritmtica del cuadrado de las desviaciones respecto a la media
d e una distribucin estadstica. Para datos agrupados se representa mediante la siguiente
ecuacin:
S 2 =i=l---------------- ,
n- 1
Donde:
m = nmero de clases o agrupamientos.
X. = punto medio del intervalo o marca de clase.
X = media de datos agrupados.
f. - frecuencia absoluta de cada clase.
n = total de datos.
Tabla 4.17: Clculo de la varianza para los niveles de ruido por trfico vehicular en la ZMG.
Nivel sonoro (dB A) /, X1 /i* . (X,-X)
5 7 .7 7 -6 2 .7 7 5 60.27 301.35 -21.37 456.68 2283.38

6 2 .7 7 -6 7 .7 7 11 65.27 717.97 -16.37 267.98 2947.75
6 7 .7 7 -7 2 .7 7 1 70.27 70.27 -11.37 129.28 129.28
7 2 .7 7 -7 7 .7 7 4 75.27 301.08 -6.37 40.58 162.31
77.77 - 82.77 29 80.27 2327.83 -1.37 1.88 54.43
82.77 - 87.77 0 85.27 0.00 3.63 13.18 0.00
8 7 .7 7 -9 2 .7 7 9 90.27 812.43 8.63 74.48 670.29
9 2 .7 7 -9 7 .7 7 21 95.27 2000.67 13.63 185.78 3901.31
Total 1 / x , = 6531.60 10148.75

1-1
De la serie de datos registrados en la tabla, se obtiene el valor de la media (81.64)

con base en el procedimiento explicado en el punto 6.1.1. El segundo paso consiste en
que a cada uno de los valores centrales X. se le resta el valor promedio (por ejemplo,
60.27 - 81.64, .... etc.). Por ltimo, se elevan al cuadrado cada una de las diferencias
resultantes, para luego multiplicar cada diferencia cuadrtica por la frecuencia corres
pondiente a cada intervalo. Aplicando la ecuacin del clculo de la varianza tenemos:
^2 _ 10148/75 _ j 28.47
79
Desviacin estndar
Se refiera a la raz cuadrada de la varanza, la cual proporciona informacin ms obje
tiva acerca de la separacin promedio que existe en una distribucin con respecto a su
valor central, pues se expresa en las mismas unidades que la variable a diferencia de la
varianza cuyas unidades seran cuadrticas. As, la desviacin estndar est dada por
la siguiente ecuacin:
s = r ^ r -
El valor de la desviacin estndar del ejemplo anterior es:
5 =
79
Utilizando el valor representativo de la distribucin y el promedio de separacin de

los datos con respecto a este valor representativo, podemos concluir que el nivel de ruido
en puntos conflictivos por trfico vehicular en la Zona M etropolitana de Guadalajara es
de 81.04 11.26 dB A, lo cual excede el valor de 65 dB A recomendado por la Organi
zacin Mundial de la Salud para entornos saludables.
Distribucin normal
La interpretacin de las medidas de tendencia central y de dispersin se observa en la
aplicacin de la c u n a de distribucin normal de poblacin. La curva es un modelo en
forma de campana que permite comparar los resultados de una variable. Es muy fre
cuente que los datos se encuentren distribuidos de manera simtrica en tom o a la media
y en forma de campana.
La importancia de esta distribucin radica en que permite m odelar numerosos fe
nmenos naturales, sociales y psicolgicos. M ientras que los mecanismos que subya-
cen a este tipo de fenmenos son desconocidos, por la enorm e cantidad de variables
incontrolables que en ellos intervienen, el uso del m odelo normal puede justificarse si
se asum e que cada observacin se obtiene como la suma de unas cuantas causas inde
pendientes.
Algunos ejemplos de variables asociadas a fenmenos naturales que siguen el mo
delo de la distribucin normal son:
Caracteres morfolgicos de individuos, como la estatura.
Caracteres fisiolgicos, como el efecto de un frmaco.
Caracteres sociolgicos, como el consum o de cierto producto por un mismo gru
po de individuos.
Caracteres psicolgicos, com o el coeficiente intelectual.
Caracteres diversos, com o el nivel de ruido en telecomunicaciones, errores come
tidos al medir ciertas magnitudes, etc.
La distribucin normal tambin aparece en muchas reas de la propia estadstica.

Por ejemplo, la distribucin muestral de las m ediases aproximadamente normal, inclu
so si la distribucin de la poblacin no es normal. En probabilidad, la distribucin
normal aparece com o el lmite de varias distribuciones de probabilidades continuas y
discretas.
Algunas propiedades de la distribucin normal son:
1. Es simtrica respecto de su media, /i.
2. La moda y la mediana son iguales a la media, /.
3. Los puntos de inflexin de la curva se dan para* = ^ - a y x = fi + (J.
4. Distribucin de probabilidad en un entorno de la media:
a) En el intervalo f/i - <r, H + o\ se encuentra comprendida, aproximadamente,
68.26% de la distribucin;
b ) En el intervalo [i - 2 <r, /i + 2a] se encuentra, aproximadamente, 95.44% de
la distribucin;
c) Por su parte, en el intervalo [y - 3a, /i + 3tr) se encuentra comprendida,
aproximadamente, 99.74% de la distribucin.
Estas propiedades son de gran utilidad para el establecimiento de intervalos de con
fianza. Por otra parte, el hecho de que prcticamente el total de la distribucin se encuen
tre en tres desviaciones tpicas de la media, justifica los lmites de las tablas empleadas
habitualmentc en la normal estndar.
Un ejemplo de la aplicacin e interpretacin de la desviacin estndar respecto a la
curva normal es la siguiente: De los datos de la tabla 4.13 se tiene una X = 81.64 y una
5 = 1 1 .2 6 dB A. Se calcula el primer intervalo de la desviacin estndar, que es
8 1.64 -1 1 .3 3 = 70.31 y 81.64 + 11.33 = 92.97, y queda el primer intervalo entre 70.31 y
92.97. De manera semejante, se calculan los intervalos para dos y tres desviaciones es
tndar en tom o a la media (tabla 4.18); calculadas las tres distancias, se distribuyen los
datos para identificar a qu intervalo pertenecen:
Para (X s ) , es decir, el intervalo 70.31 y 92.97, pertenecen 13 de las 80 observa
ciones que representan 53.75% de distribucin de los datos.
Para ( X 2 5 ) , es decir, el intervalo 58.98 - 104.3, pertenecen 79 de las 80 obser
vaciones que representan 98.75%.
Para (X 3 5 ) , es decir, el intervalo 47.65 - 115.63, pertenecen 80 de las 80 obser

vaciones que representan 100%.
Al estimar el porcentaje de los datos, encontramos que los valores observados estn
alejados de los porcentajes establecidos de la curva normal de distribucin (tabla 4.18).
Si se complem enta esta evidencia con un histograma o polgono de frecuencias, enton
ces se puede evidenciar que este conjunto de datos se aleja de una distribucin normal,
aun cuando los valores de la media aritmtica, mediana y moda estn muy cercanos
(81.64, 8^.04, 80.08, respectivamente). Por ltimo, se concluye que los datos encontra
dos en (X 5) son las observaciones m s alejadas de la media representativa, que se
denominan observaciones atpicas o extremos; mientras que los valores ms cercanos
corresponden a ( x 2 5 ) y ( x 3 5 ) y presentan una menor variacin con respecto a la
media.
Ejercicios 115
-3 c -2 o -1 o m 1o 2o 3o
Figura 4.7: Porcentaje de datos en torno a la media para la curva normal

de distribucin.
Tabla 4.18: Porcentajes de distribucin normal y de los datos del ejemplo de valor sonoro.
P orcentaje de distribucin p a ra P orcentajes encontrados en los

Desviaciones u n a distribucin norm al datos de valor sonoro
( X S ) =70.31 y 92.97 68 53.75
( X 2 S ) = 5 8.98-104.3 95 98.75
( X 3 S ) = 47.65-115.63 99.7 100
Ejercicios
1. Con base en la siguiente tabla del coeficiente inte h) Obtenga el histograma, polgono de frecuencia y
lectual de estudiantes de CUCHI, calcule, para dalos no ojiva.
agrupados y agrupados: i) Calcule las medidas de tendencia central: media
a) Rango. aritmtica, mediana y moda.
b) Nmero de dases. j ) Calcule las medidas de dispersin: desviacin me
c) Intervalo o amplitud de dases. dia, varianza, desviacin estndar ycoeficiente de
d) Lmites aparentes. variacin. _ _ _
e) Lmites reales. k) Calcule ( X s ) . ( * 2 .s ) y ( * 3 S ) para
f ) Frecuencia absoluta, absoluta acumulada. determinar si la distribucin d datos de coeficien
g) Frecuencia relativa y relativa acumulada. te intdcctual se acerca a una distribucin normal.
Coeficiente intelectual de 100 estudiantes de C U C E I

90 90 95 150 95 70 75 80 70 95
100 85 100 130 85 80 90 90 80 80
95 90 80 100 90 110 80 85 90 85
115 75 85 95 75 90 90 95 95 90
100 120 90 90 80 75 100 90 100 90
90 75 85 75 90 80 110 80 110 95
80 60 90 80 95 90 120 75 80 90
70 90 75 90 100 90 100 90 90 100
2. Con base en la siguiente tabla de peso corporal de i) Calcule las medidas de tendencia central: media
estudiantes de bachillerato, calcule lo siguiente para aritmtica, mediana y moda.
datos no agrupados y agrupados: j ) Calcule las medidas de dispersin: desviacin me
a) Rango. dia, varanza, desviacin estndar y coeficiente de
b) Numero de clases. variacin. _ _ _
c) Intervalo o amplitud de clases. k) Calcule ,(Y s ) , (Y 2 S ) y (Y 3 j) para de
d) lim ites aparentes. terminar si la distribucin de datos de peso corpo
e) Lmites reales.
ral de estudiantes de bachillerato se acerca a una
j ) Frecuencia absoluta y absoluta acumulada.
distribucin normal.
g) Frecuencia relativa y relativa acumulada.
h) Obtenga el histograma. polgono de frecuencia y
ojiva.
Peso corporal de 100 estudiantes de bachillerato

50 110 70 70 65 70 65 60 50
60 70 100 72 85 80 60 70 60
65 68 90 80 80 90 55 60 65
70 65 60 65 75 70 50 65 70
70 60 58 60 70 75 60 125 80
75 40 55 45 60 60 65 70 85
80 70 60 110 65 80 70 65 90
90 65 65 60 70 70 65 60 100
Bibliografa 117
Bibliografa
Batista, J.F.; Valls. l.C. (1985). Tcnicas grficas en anlisis exploratorio de datos . Qfiestl,
vol. 9(3), pp. 163-176.
Gifford, B.R. (2008). Koestadstica. Mxico: Pearson Educacin.
Conde, J.E.; Rull, V. y Vegas, T. (1986). Anlisis exploratorio de datos ecolgicos y biom-
tricos. Enseanza de las Ciencias, vol. 4(2), pp. 53-62.
Dixon, W.J. y Kronmal, R.A. (1965). The Choicc of Origen and Scalc for Graphs . Journal
ofthe Association fo r Computing Machinery, vol. 12. pp. 259-261.
Hgucroa, A.; Garca, J. y Orozco. M. (2002). Noisc Levis at Critical Points in thc Munici-
pality of Guadalajara, Jalisco. Mxico". The Journal o f the Acoustical Socierv o f America,
vol. 112(5), p. 2376.
Hoaglin, D.G.; Mostcllcr, F. y Turkcy, J.W. (2000). Understanding Rohust and Exploraory
Data Analysis. Canad: John Wiley & Sons.
Uins, S.H. y Rojas. A.C. (2005). Estadstica descriptiva y distribuciones de probabilidad.
Colombia: Universidad del Norte.
ftcciado, C.N.A. (2010). Estudio comparativo de niveles de atencin en nios expuestos a
ruido ambiental, en tres planteles educativos de la ciudad de Guadalajara, 2009. Tesis
profesional de Maestra e n c ie n d a s de la Salud Ambiental. Guadalajara: CUCBA-CUCS,
Universidad de Guadalajara.
Sturgcrs. H. (1926). T h e Choicc of a G ass lntcrval. Journal o f the American Statistical
Association, vol. 21, pp. 65-66.
\fclleman, P.F. (1976). Interactive Computing fo r Exploraory Data Analysis. Proceedings o f
the Statistical Computing Section. Washington: American Statistical Association.
C A P T U L O 5
Elaboracin del informe

de trabajo experimental
Introduccin
A travs de los captulos anteriores se analiz qu es la ciencia y cm o sta basa sus ha
llazgos en el mtodo cientfico el cual consiste en plantearse un problema; no obstante,
para ello es necesario hacer acopio de informacin del problema a tratar, elaborar una
teora, form ular una hiptesis para probarla, realizar un experimento para comprobar la
hiptesis y, con base en los resultados del experimento, evaluar, fortalecer, debilitar y
modificar la teora. Sin embargo, la fase final despus de concluir el experimento implica
la responsabilidad de comunicar los resultados.
Todos los que se dedican a hacer ciencia o investigacin confan en los resultados de
experimentos previos; en la mayora de las ocasiones se enteran de estos hallazgos al leer
los informes o artculos de investigacin publicados en revistas especializadas. Por esta
razn, uno de los aspectos ms importantes de la ciencia es el informe de los resultados
de investigacin. Cabe mencionar que la escritura cientfica es nica; tiene reglas, estilos
y convencionalismos propios, por lo que antes de intentar escribir los resultados de un
experimento, reporte tcnico o artculo cientfico, es necesario conocer estas pautas.
Al leer artculos cientficos sucede que: 1) an despus de la primera lectura no es
fcil comprender todo lo que el autor trata de comunicar (y con frecuencia despus de
ms de una lectura), 2) casi todos los artculos de una revista aparecen en un formato
similar. La idea de separar estos dos aspectos es mostrar que escribir los artculos con un
formato predeterminado permite que la lectura sea m s comprensible.
Por lo general, para la mayora de las personas los artculos de revistas especializa
das son complicados, pero este problema no se resuelve presentando cada artculo con
una estructura diferente porque quiz los hara ininteligibles, sobre todo para el estu
diante novato. Para evitar que la comprensin de este tipo de textos se dificulte la
comunidad cientfica ha acordado el uso de convenciones y formatos estndar para in
formar los resultados de investigaciones y experimentos.
El propsito de este captulo es presentar reglas, estilos y convencionalismos bsi
cos de la escritura tcnica y cientfica, de manera que tanto el estudiante como el inves
tigador principiante, puedan entenderlo fcilmente y consigan em pezar este ltimo paso
del proceso de investigacin experimental y cientfico.
119
120 C aptulo 5 Elaboracin del inform e de trabajo experim ental
La primera seccin de este captulo presenta la estructura general de una prctica de

laboratorio, que es el primer contacto que tiene el estudiante con los informes. En segun
do trmino, se plantea la estructura de un informe tcnico y, por ltimo, se expone la
estructura de un informe o artculo cientfico.
Estructura de un reporte de prctica de laboratorio

La estructura de un informe experimental sigue una serie de reglas determinadas. El
reporte o informe de una prctica de laboratorio debe presentarse de tal modo que la
persona que lo lea sea capaz de comprender la razn que llev a su realizacin, la manera
operacional en la que se realizaron las observaciones que se plantean y las consecuencias
que se deducen de ellas. El reporte debe ser claro, conciso y con un lenguaje tcnico di
recto sin frases ornamentales. Asimismo, se debe utilizar la redaccin en tercera persona
y tiempo pasado, dado que el experimento ya concluy.
La estructura del reporte d e una prctica de un experimento de laboratorio es la si
guiente:
ndice: en ste se hace referencia a todos los apartados, subapartados y apndices
del documento. Esta seccin puede omitirse si el trabajo no es muy extenso.
Resumen: su objetivo es dar una idea concisa de lo que trata el informe. A s el lector
puede conocer los temas que se abordan y decidir si es de su inters continuar con la
lectura de todo el trabajo experimental.
Introduccin: su finalidad es iniciar al lector en la temtica especfica a tratar en el
trabajo experimental. sta debe ser breve, concisa y precisa, sin pretender ser una revi
sin bibliogrfica; adems, deber abordar conceptos bsicos, reales o nominales para
que estos no tengan dobles o triples interpretaciones. Aqu tambin se debe especificar
cul es el objetivo y la importancia del experimento realizado.
Descripcin de la instalacin de los aparatos: en esta seccin es necesario hacer

una descripcin completa y exacta de los instrumentos y materiales utilizados en el de
sarrollo del ensayo. En caso de que estos sean de uso comn, no es necesario abordarlos
con mucho detalle; en caso contrario, y si su instalacin es complicada, es adecuado in
cluir una fotografa de la instalacin junto con un diagrama de flujo. Si los procedimien
tos fueron empleados de manera rutinaria por otros autores se debe hacer referencia al
autor que los propuso.
Descripcin del procedimiento experimental: en este apartado se hace una descrip

cin precisa, exacta y detallada de la secuencia del mtodo o mtodos empleados, con el
objetivo de que el lector pueda reproducirlo si quiere corroborar los resultados. Describir
d e manera detallada cada una de las operaciones realizadas permite que los datos sean
m s confiables.
Observaciones: aqu se muestran los datos recopilados durante la realizacin del
ensayo. Se sugiere que estos sean recolectados a travs de tablas, siempre y cuando el
tipo de variables analizadas lo permita. Todos los datos deben ir acompaados de sus
unidades.
Estructura de un inform e tcnico 121
Planteamiento d e los clculos: en esta seccin se deben especificar las ecuaciones,

formulas y algoritmos empleados para la obtencin de los resultados; a veces no es ne
cesario incluir teora, pero en la mayora de los casos es til y conveniente presentar una
exposicin de la forma en que estos se obtuvieron. La nomenclatura, simbologa y uni
dades empleadas deben quedar bien especificadas.
Clculos: aqu se incluye cualquier clculo relacionado con la obtencin de resulta

dos. En los casos en donde se repite el mismo procedimiento, slo se incluye una vez y
se especifica que los dems resultados fueron obtenidos de la misma manera.
Resultados calculados: este apartado debe incluir todos los resultados. A veces las
tablas son muy tiles para ver cm o vara un dato particular de un ensayo a otro, pero
muchos experimentos requieren que los resultados se presenten a travs de grficas. Su
objetivo es presentar la relacin entre las variables del experimento, ya que esta informa
cin se puede utilizar cuando se describen los resultados y se redactan las conclusiones.
En la mayora de los informes de prcticas de laboratorio las grficas se incluyen al final.
Discusin y conclusiones: este apartado es el m s importante del informe, ya que el

autor debe describir brevemente los hechos observados y constatarlos como los ms
probables de acuerdo con las condiciones del ensayo. Adems, en caso de existir experi
mentos similares debe confrontar los resultados y est obligado a hacer un comentario
personal sobre lo que aport en su trabajo. La naturaleza de la discusin variar de acuer
do con el tipo de trabajo realizado. Por ejemplo, si se llev a cabo un experimento para
demostrar o refutar algn hecho terico, debe plantearse la evidencia o falta de ella, a la
vista de las dems conclusiones obtenidas en el experimento. Por otro lado, en un ensayo
en el que se trate de determ inar el valor numrico de alguna propiedad fsica, debe co
mentarse la exactitud del resultado. Cuando se investiga el desempeo de un equipo se
explican, en la medida de lo posible, las razones de los cambios observados en sus carac
tersticas de funcionamiento. La discusin debe contener crticas constructivas acerca de
la manera en que el procedimiento o aparato ensayado podra mejorarse. Al redactar la
discusin, se deben tener presentes los hechos evidentes que se presenciaron a lo largo
del experimento. En general, este apartado le permite al alumno acostumbrarse a razonar
y expresar lo que aprendi durante el experimento.
Bibliografa: en esta seccin se presenta el material consultado para la elaboracin

del informe. Se puede hacer referencia a libros de texto, tesis, artculos de investigacin
y difusin, pginas de internet, entre otros.
Estructura de un inform e tcnico

Un informe tcnico se define como la exposicin escrita de datos o hechos acerca de un
asunto o examen tcnico, o sobre lo que conviene hacer del mismo. Dicho de otra manera,
es un documento que describe y explica, a detalle, el progreso y los resultados de una in
vestigacin tcnica o el estado de conocimiento de un problema tcnico. Un informe de
este tipo debe presentar sistem ticam ente in fo rm aci n su ficien te para que un lecto r
calificado pueda juzgar, evaluar o proponer modificaciones a sus conclusiones y recomen
daciones.
Parte inicial
Un informe tcnico debe contener los siguientes elem entos en el orden que se indica a
continuacin:
Cubierta: adems de proporcionar proteccin fsica al informe, la cubierta exterior

sirve para dar la presentacin inicial. Por ello debe ser clara, distintiva e informativa. La
inform acin que a continuacin se indica es la que debe aparecer en la parte exterior
de la cubierta:
Nombre y datos de la institucin.

Ttulo y subttulo del informe.
Nombre del autor.
Fecha.
Portada: la portada de un documento es la fuente mnima de inform acin b ib liogr

fica para su tratam iento y recuperacin eficientes. Por ello, es esencial que cada informe
induya una portada. Excepto cuando la portada sustituya a la primera pgina de la cubierta,
no es necesario que ocupe una pgina completa Por razones de economa, puede ocupar un
espacio de cabecera antes del resumea Cuando un informe se publica en dos o ms partes,
cada parte debe contener una hoja en la que se indique el ttulo y nmero de paite: esta lioja se
denomina *portadilla
Resumen: cada informe contiene un resumen que se presenta inmediatamente des

pus de la informacin de la portada. Cuando el resumen figura en una pgina separada,
debe ir seguido de la identificacin bibliogrfica completa: autor, ttulo, datos de la ins
titucin y fecha de publicacin. Adems, el texto del resumen debe:
Ser tan informativo como lo permita la naturaleza del documento.

Definir el objetivo, mtodos, resultados y conclusiones presentados en el docum en
to original.
Constituir un texto completo y ser conciso.
Tener mximo 250 palabras.
Estar escrito en un solo prrafo.
Emplear frases concretas, verbos en forma activa y tercera persona.
No utilizar figuras y smbolos com o tablas cortas y frmulas, salvo que sean indis
pensables.
Emplear una nomenclatura normalizada o definir los trminos no familiares, as
como las abreviaturas y los smbolos.
Si el informe se publica en varios volmenes, cada uno lleva su propio resumen,
especificando, si fuera necesario, su relacin con los otros volmenes. FJ resumen va
seguido de las palabras clave, es decir, las palabras ms importantes que describen el
trabajo y que sirven para indexarlo en buscadores o catlogos cientficos y facilitar su
bsqueda.
ndice: el ndice es un elemento esencial de todos los informes, salvo de los muy
cortos. Debe figurar inmediatamente despus del resumen y consta de los ttulos de las
principales subdivisiones del informe y los anexos, junto con el nmero de pginas en
C uerpo del inform e 123
las que aparecen. Tambin incluye una lista de ilustraciones y de tablas. Cuando un in
forme se publica en dos o ms partes, en cada una de stas debe aparecer el ndice que
las abarque a todas.
Glosario de signos, smbolos, unidades, abreviaturas, acrnirnos o trminos tcni

cos: cuando el informe contenga este tipo de elementos que quiz no sean comprendidos
por algunos lectores, deben definirse en una lista despus del ndice. La existencia de
esas listas no justifica la omisin de una explicacin de esos smbolos cuando aparezcan
por primera vez en el texto.
Prefacio: puede considerarse como una nota de presentacin para definir el estudio,
destacar algn aspecto en particular, mostrar su relacin con trabajos realizados o trazar
las circunstancias histricas que condujeron a su iniciacin. Sin embargo, no siem pre es
necesario.
Cuerpo del informe

Consta de los siguientes apartados y en el orden que se indica a continuacin:
Introduccin: aqu se establecen brevemente el alcance y los objetivos del trabajo y

su relacin con otros trabajos y el enfoque general. No se debe repetir o parafrasear el
resumen, ni dar detalles de la teora experimental, mtodos o resultados, ni tampoco
anticipar las conclusiones o recomendaciones. Si no hay prefacio, la informacin que
podra figurar en este debe incluirse aqu.
Cuerpo principal: el ncleo del informe se divide en captulos numerados que cu

bren aspectos tales com o teora, mtodo, resultados y discusin. A menudo es conve
niente dividir los captulos en apartados y estos en subapartados, cada uno con su propio
encabezado.
1.a informacin plasmada en el cuerpo del informe no es demasiado detallada. Las

descripciones de la teora, mtodos y resultados deben ser suficientes para que un espe
cialista en la materia reproduzca las etapas de la investigacin sin dificultad. Si se requie
ren pruebas matemticas o detalles completos del procedimiento experimental, estos se
presentarn en los anexos. Todas las ilustraciones y tablas esenciales para la compren
sin del texto principal se incluyen en este apartado.
Conclusiones y recomendaciones: las conclusiones son el reflejo de las deducciones

hechas a partir del trabajo descrito en el ncleo del informe. Pueden incluirse datos cuan
titativos, pero no darse detalles de ningn argumento o resultado. Las recomendaciones
son manifestaciones concisas para acciones futuras, resultado directo de las conclusio
nes alcanzadas o de alguna experiencia en el curso del trabajo. Las recomendaciones no
son estrictamente necesarias y, de incluirse, deben estar justificadas por completo en el
trabajo descrito.
Agradecimientos: pueden incluirse agradecimientos relativos a ayudas en la realiza

cin del trabajo y en la preparacin del informe: no es habitual agradecer las contribu
ciones tales como un control de rutina o una recomendacin de tipo general.
Referencias: al final del cuerpo del informe se incluye una lista de las fuentes biblio
grficas utilizadas para que el lector pueda identificar con rapidez las obras de donde se
obtuvieron las citas, evocaciones y, en general, todo el apoyo utilizado para su elabora
cin. L o s e le m e n to s d e to d a s la s r e f e r e n c i a s bibliogrficas se dan en el orden
general:
Autor.
Ttulo.
Datos de la publicacin (editorial, ciudad, fecha, pginas, entre otros).
Las referencias pueden enlistarse de acuerdo con dos criterios distintos:
En orden alfabtico del apellido del primer autor. Cuando hay dos o ms referencias
de un mismo autor o grupo de autores, stas se dan en orden cronolgico. Las refe
rencias en el texto incluyen el nombre del autor o autores, la fecha de publicacin y,
cuando se requiera, el nmero de la pgina (citas por nombre/fecha).
Por orden de aparicin en el que se citan en el texto (referencias numeradas).
Por razones prcticas se considera preferible la primera forma.
Anexo
Deben considerarse por separado de la p a rte fin a l, d e s p u s d e l c u e rp o d e te x to ,
d e b id o a q u e , a u n q u e no s ie m p re se requieren, forman parte esencial de algunos
informes.
Objetivo de los anexos

Los anexos se usan para presentar material que:
Es necesario para completar el texto, pero que si se inserta en el cuerpo del informe
puede alterar la presentacin ordenada y lgica del trabajo.
No puede ser colocado adecuadamente en el cuerpo del informe debido a su tamao
o al mtodo de reproduccin utilizado.
Puede ser omitido por el lector ordinario, pero ser valioso para el especialista en la
materia.
Tipos de anexos
Los posibles tipos de materiales que se incluyen como anexos son:
1. Ilustraciones o tablas suplementarias: las figuras o tablas que no se necesitan

para una comprensin inmediata del texto, pero proporcionan ejem plos co m p le
m entarios, deben colocarse en los anexos.
2. Material especial: algunos documentos no pueden ser incorporados fcilmente
en el cuerpo del informe por ser demasiado grandes (ilustraciones y tablas, por
ejemplo) o porque fueron reproducidos en un formato diferente al informe
(por ejemplo mapas, fotografas originales o microfichas). Este material se ma
neja con m s facilidad si se integra en un anexo.
P an e final 125
3. Bibliografa sugerida: una bibliografa suplementaria de textos no citados en el

informe, pero considerados de inters para el lector, puede constituir un anexo.
Deben indicarse los criterios con los que se ha seleccionado la bibliografa (por
ejemplo, si sta es exhaustiva, selectiva o general, entre otras).
4. Descripcin de equipos, tcnicas o programas de computadora: La descripcin

detallada de equipo nuevo, tcnicas innovadoras o programas de cmputo de re
ciente creacin utilizados en los estudios y que hayan sido objeto del informe, no
deben figurar habitualmcntc en el cuerpo del mismo. Si esta descripcin no cons
tituye un informe por separado, puede ser til incluirla com o anexo.
Numeracin de los anexos

Los anexos suelen identificarse con letras maysculas consecutivas. Ejemplo: Anexo A.
Anexo B.
Los anexos se consideran entidades independientes. Deben manejar por separado
sus elementos con una numeracin independiente que inicie en cada anexo es decir, cada
nmero ir precedido por la letra correspondiente al anexo. Ejemplo: Anexo B. subapar-
tado B .l.l, Figura B.9, Tabla B.5, Ecuacin B.14.
Referencia en los anexos

Las fuentes que se citan en los anexos deben tratarse independientemente de las del
cuerpo del informe y listarse por separado al final de cada anexo. La forma de las citas
y el mtodo de ordenar las listas de referencias en los anexos deben ser iguales a los que
se utilizaron en el cuerpo del informe.
Parte final
Contiene los siguientes elementos en el orden que se indica:
1. Hojas de datos del documento: para proporcionar un acceso rpido al informe en

los sistemas de recuperacin automatizados, la ltima pgina de cada informe o
parte d e este, debe ser una hoja de datos del documento donde figure la informa
cin bibliogrfica de manera que sea identificada con facilidad por quien intro
duce los datos.
2. Lista de distribucin y disponibilidad (si se requiere): puede incluirse una lista
de los destinatarios del informe, ya sea en una pgina separada, o bien, en el in
terior de la cubierta posterior (pgina 3 de la cubierta).
3. Cubierta posterior, el interior de la cubierta posterior (pgina 3 de cubierta), se
utiliza para incluir una lista de distribucin. La parte exterior de la cubierta pos
terior (pgina 4 de la cubierta), se usa para incluir el nombre y direccin del im
presor o cualquier otra informacin, tal com o el nmero de almacenamiento. En
ocasiones se deja en blanco.
Estructura de un informe y/o artculo cientfico

En esta seccin se presenta al lector la estructura general de un informe cientfico. Para
lograr esto, se resume lo que debe incluirse en cada seccin del informe y cmo tiene
que presentarse la informacin. Es de utilidad pensar en un experimento (y en un in
forme experimental) en trminos de preguntas y respuestas. 1.a parte inicial del informe
(introduccin) plantea la pregunta a resolver, al igual que los motivos para plantearla. La
seccin del mtodo especifica los sujetos, instrumentos y procedimientos utilizados para
contestar la pregunta. La respuesta a la pregunta se presenta en la seccin de resultados
y la seccin de discusin indica qu tan acertada fue la respuesta.
Portada
En la primera pgina del informe se escribe el ttulo del trabajo; sta no va numerada y
slo contiene:
El ttulo: determina si alguien leer o no el artculo, por ello debe indicar claram en
te de qu trata el trabajo de investigacin. Aunque no es fcil definir las caractersticas
que hacen a un ttulo apropiado, se pueden aplicar ciertas reglas: 1) procurar que sea lo
ms corto posible, pero sin sacrificar la precisin: 12 a 15 palabras es generalmente el
mximo; 2) no empezar con las frases un estudio d e ... o un experimento so b re... ya
que esto est implcito; 3) no iniciar con frases como los efectos de
Nombre y apellidis) d e los autores: pueden ir acompaados de sus grados acad

m icos ms importantes y su afiliacin institucional. Todas las personas designadas
com o autores deben cum plir con ciertos requisitos para tener derecho a la autora. Cada
autor debe tener una participacin suficiente en el trabajo para asum ir la responsabili
dad pblica por su contenido. Para concederle a alguien el crdito de autor, hay que
basarse nicamente en su contribucin esencial por lo que se refiere a; 1) la concepcin,
el diseo del estudio, el anlisis y la interpretacin de los datos; 2) la redaccin del ar
tculo o la revisin crtica de una parte importante de su contenido intelectual; y 3) la
aprobacin final de la versin que ser publicada. Los requisitos 1, 2 y 3 tienen que
cum plirse siempre.
La participacin de alguna(s) pcrsona(s) en la obtencin de financiamicnto y/o
colecta de datos no es suficiente para conceder el crdito de autor. La superv isin g e
neral o liderazgo de un grupo de investigacin tam poco es m rito suficiente para con
siderar a la persona com o autor. En un artculo con colectivo de autores se especifica
quines son las personas principales que responden por el documento; a los dems
individuos que colaboran en el trabajo se les concede el reconocim iento en los agrade
cim ientos.
Nombre del departamento o departamentos y la institucin o instituciones a quien
se atribuye el trabajo.
Declaraciones de descargo de responsabilidad: si las hay.
Nombre y direccin del autor que se ocupa de la correspondencia relativa al ma
nuscrito.
Nombre y direccin del autor a quien se dirigirn las solicitudes de sobretiros.
Resum en 127
Origen del apoyo recibido en form a de subvenciones, equipo y/o consumibles.
Ttulo corto (titulillo): no debe ser mayor a 40 golpes (contando caracteres y espa
cios), y se coloca debidamente rotulado en la ltima lnea de la pgina inicial com o pie
de pgina.
Resumen
El propsito del resumen e s orientar sobre el tem a del estudio y proveer la informacin
suficiente para que el lector decida leer el trabajo completo. As. el resumen debe reflejar
en forma concisa los contenidos del artculo. Com o es la primera parte del documento
que va a ser leda, necesita atraer el inters del lector. De hecho, debe constar de todas las
secciones del artculo: introduccin (propsito y razn para hacer el estudio); materiales
y mtodos (cmo fue colectada y analizada la informacin); resultados (hallazgos) y
conclusiones (qu se puede obtener del estudio).
El resumen se escribe en una hoja separada y en su elaboracin se deben tener algu
nos cuidados; por ejemplo, las abreviaturas utilizadas en el artculo no deben usarse a
menos que tambin se expliquen. Se escribe en tiempo pasado, dado que describe un
estudio que ya fue terminado y no debe contener tablas, figuras o referencias bibliogr
ficas. Debe ser completo y explcito, ya que adems de ofrecer al lector de la revista en
que se publica una visin panormica, podra aparecer en un segundo Journal y en otros,
o quedar almacenado electrnicamente en un banco de informacin en los ndices de las
bibliotecas, ndex Citation y Currents Contents, entre otros.
Por lo general, la informacin para la preparacin de los resmenes est incluida en
la gua de autores de la mayora de las revistas. Cada revista marca determinadas carac
tersticas, aunque comnmente son similares. Si se empican de manera adecuada estas
guas, los lectores deben ser capaces de identificar el objetivo bsico del trabajo, deter
minar si es relevante para sus intereses y, por lo tanto, decidir leerlo en su totalidad. En
general, siga estas pautas al preparar el resumen:
La pgina del resumen se numera con el nmero 1 en el ngulo superior derecho.
La extensin deber ser corta: de 150 a 200 palabras.
La primera oracin debe expresar el problema investigado o el propsito del expe

rimento.
I^as siguientes oraciones tratarn sobre la metodologa, pueden incluir una descrip
cin de la poblacin de sujetos (nmero, especie, edad, sexo, peso o todo lo que sea
importante para el experimento), el planteamiento de la tarea y/o instrumentos y,
cuando sea adecuado, pueden indicar el procedimiento o diseo.
Despus deben exponerse los resultados de forma general, sin incluir los resultados
de pruebas estadsticas.
Las ltimas oraciones deben dar al lector alguna indicacin del contexto en el que
se comentaron los resultados (por ejemplo, qu teora apoyan).
A continuacin del resumen se agregan, debidamente rotuladas, de tres a 10 pala

bras o frases cortas que ayuden a los indi /adores a clasificar el artculo. Estas palabras o
frases clave se publican junto con el resumen.
Introduccin
El cuerpo principal del informe experimental comienza con la introduccin. Por acuerdo,
la introduccin inicia el informe y no es necesario rotularla. Sin embargo, en algunos
casos el ttulo se repite en el encabezado de la primera pgina de la introduccin. Una
introduccin bien escrita gana y retiene la atencin del lector, lo convence de que el
material es importante e interesante y de que vale la pena continuar con la lectura. Se
recomiendan tres consideraciones bsicas al escribir la introduccin:
Cul es el objetivo principal del experimento?, cul es el problema que trata de

resolver?
Cmo se relaciona el experimento con otras investigaciones en el rea?

Cmo contribuyen los mtodos y el diseo que se estn utilizando a solucionar el
problema?
Es importante abarcar de manera clara y concisa cada uno de estos puntos. Si usted
tiene dificultad para hacerlo, puede preguntarse, en primer lugar, por qu realiz el expe
rimento (con frecuencia estas preguntas deben contestarse antes de realizar un estudio).
Estructura general
Al escribir la introduccin se procede de la siguiente manera. Prim ero se dan algunas
descripciones generales acerca de la problemtica planteada. Es preciso continuar con el
anlisis, una revisin bibliogrfica del trabajo que otras personas han realizado en
esta rea y se requiere leerla previamente. Esto permite incluir comentarios sobre los ex
perimentos y de las teoras utilizadas en el rea. Posteriormente, hay que indicar cmo
se relaciona el trabajo con otras investigaciones; es decir, cmo es que los mtodos y
procedimientos generan informacin novedosa que otras investigaciones no han apor
tado? Esta seccin presenta la exposicin razonada de motivos y la lgica que apoyan el
experimento. El ltimo prrafo debe presentar la hiptesis que se someti a prueba en
la investigacin.
Extensin
La extensin de la introduccin est determinada por la bibliografa que se haya consul
tado. La revisin de la misma, utilizada en la introduccin, no necesita ser exhaustiva,
pero si representativa. Con excepcin de pocas referencias generales al principio de la
introduccin, los estudios citados deben estar directamente relacionados con la investi
gacin realizada. Es decir, primero se toman en cuenta los estudios de inters general,
pero la revisin se centra en experimentos muy particulares.
Las introducciones son breves, de una a dos cuartillas mximo. La excepcin a esta
regla se da en caso de estudios muy complejos o que utilizan una metodologa con la que
la mayora de los lectores no estn familiarizados.
Extensin 129
Citas bibliogrficas
Al redactar la revisin de la bibliografa hay que recordar un aspecto muy importante: si
se hace una afirmacin es preciso documentarla; es decir, se deben citar los estudios que
sustentan cada punto de vista. En la escritura cientfica las notas a pie de pgina no son
apropiadas; en lugar de ello, la referencia se da directamente en el texto.
M ateriales y m todos
El propsito de esta seccin es asegurar que el lector tenga la suficiente informacin
para evaluar el diseo cientfico del estudio y notar su solidez o sus deficiencias. Sin
embargo, si se trata de incluir cada detalle del procedimiento, se escribir una tesis y
no un artculo o reporte de investigacin claro, conciso, completo y bien organizado.
Se debe procurar que la lectura sea rpida, precisa y comprensible. Asimismo, se debe
hacer todo lo posible por ayudar al lector a comprender rpidamente el material y cual
quier concepto que pueda crear confusin debe evitarse o eliminarse. Si cuando el autor
relee el material, este no es claro y conciso, debe reescribirse. Prcticamente, siempre es
necesario hacer modificaciones, reorganizaciones o cam bios en la redaccin, aun para el
autor ms experimentado.
Otra consideracin al redactar esta seccin es determ inar cuntos detalles tcnicos
son suficientes. Si el estudio utiliza una tcnica bsica que ha sido presentada previa
mente, no es necesario incluir una descripcin completa de la tcnica en el artculo. Sin
embargo, si el procedimiento ha sido modificado, entonces la tcnica bsica debe ser
referida y la modificacin presentada. Finalmente, si el estudio utiliza un procedimiento
nuevo, que adems es bastante extenso, lo mejor es presentarlo en un artculo aparte.
Este puede ser som etido para su publicacin en la misma revista, o en otra revista rela
cionada con procedimientos cientficos especficos. Deben presentarse suficientes deta
lles a los lectores para que puedan evaluar las fuentes potenciales de sesgo en los resul
tados. Adems, deben existir suficientes detalles para ayudar a otros investigadores a
evitar errores y esfuerzos innecesarios.
Es necesario que la seccin sea clara y especfica en la medicin de los resultados.
Las mediciones son objetivas o subjetivas? Por ejemplo, medir variables cualitativas
subjetivas como el dolor en categoras de ligero, moderado y severo, ciertamente no es
muy exacto. Por consiguiente, debe establecerse clara y especficamente cmo determ i
na el autor cada categora. Adems, se debe ser sumamente claro en cuanto a los rangos
especficos asignados a las medidas subjetivas y establecer cm o y por qu son asigna
dos as. Por ejemplo, si a ligero se le da un rango numrico d e 1 y al moderado de 2, es
obligatorio presentar diferencias especficas entre 1 y 2. Es an ms imperativo que si
esos nmeros y numerales van a ser utilizados en anlisis estadsticos, sean usados ade
cuadamente. Tambin debe recordarse que aun medidas tales com o 1, 2 o 3 mm son solo
unidimensionales.
Se debe presentar de manera especfica qu controles fueron usados en el estudio,
control positivo o control negativo? Si una tcnica comn fue utilizada com o un control
base, fue verdaderamente parte del estudio, o se estn tomando datos de otros estudios?
Adems, debe especificarse cm o fue llevada a cabo la aleatoriedad. Esto debe hacerse
con cada variable estudiada. La mayora de los libros de estadstica describen, en concre
to, cm o se realiza la seleccin aleatoria adecuadamente. Si se usa una tabla o tcnica
especfica, entonces ha de establecerse y anotarse. Asimismo, debe incluirse cmo fue

realizado el anlisis estadstico de los datos. Por lo general, es m ejor citar un libro de
texto si los detalles sobre el mtodo utilizado son necesarios.
Al investigador principiante se sugiere dividir esta seccin en cuatro subscccioncs:
sujetos o unidades de observacin; aparatos c instrumentos; procedimiento; y diseo.
Sujetos o unidades de observacin

El primer paso es indicar al lector las unidades de observacin (personas, animales o
cosas) que se utilizaron en el experimento:
1. Sealar a los participantes en el estudio (por ejemplo, los sujetos fueron 25 hom
bres y 30 mujeres, o los sujetos fueron 25 ratas albinas, 200 piezas de la produc
cin de tornillos de una fbrica, entre otros).
2. Indicar las caractersticas generales de los sujetos. En el caso de personas y ani
males: edad, gnero, raza y cualquier otra informacin que pueda ser importante.
Por ejemplo, si el estudio incluye a estudiantes universitarios, mencionar cuntos
fueron del primer ao, cuntos del segundo y as sucesivamente. En el caso de
objetos, describir sus caractersticas generales, condiciones de fabricacin, lote y
fecha de produccin, especificaciones, entre otras.
3. Mencionar cmo se hizo el proceso de seleccin a los sujetos. Se seleccionaron
aleatoriamente, fueron voluntarios, intervinieron como parte de los requisitos de
un curso?
4. Indicar si uno de los sujetos no termin el estudio y explicar los motivos (por
ejemplo: el sujeto no termin el experimento por enferm edad).
5. Si en lugar de personas se utilizaron animales en el experimento informe acerca
de la edad, sexo, peso, raza y condiciones de mantenimiento de los animales (por
ejemplo: los animales se mantuvieron en parejas y se les suministr agua y ali
mento a voluntad, o se mantuvo a los animales individualmente y se les priv de
alimento durante 23 horas al da). Si se utilizaron objetos, es prudente mencio
nar sus caractersticas: modelo, marca, pas de fabricacin y todo lo que pueda
ser til en el momento de analizar los resultados.
Aparatos o instrum entos

Este apartado debe incluir la descripcin de cualquier equipo, dispositivo y material
utilizado para conducir el estudio.
Cuando se utiliza un equipo estndar basta con dar el nombre, nmero del m odelo y
fabricante (por ejemplo: se utilizaron tres cmaras operantes Lafayctte, modelo #
85205).
Cuando se ha usado equipo construido por uno mismo, es necesario hacer una des
cripcin m s completa indicando las dimensiones y los materiales empleados; por lo
general, un diagrama es muy til en este caso.
Diseo 131
No es necesario especificar el equipo comn como lpices o papel. La descripcin:

se utiliz un lpiz del nmero dos. amarillo, de 12 cm de largo y con punto mediano
para registrar las respuestas, es entrar en detalles innecesarios.
Se debe decir para qu se utiliz cada parte del equipo; no simplificar la lista.
Procedim ientos
El propsito de esta seccin es explicar, a detalle, cmo se recopilaron los datos, de tal
manera que quienes no tienen antecedentes del experimento puedan repetirlo. Al escribir
acerca del procedimiento deben contestarse dos preguntas bsicas:
Cmo se administr la variable independiente? (Es decir, qu hizo?).
Cmo se registr la variable dependiente? (Es decir, cmo registr lo que hizo el
sujeto, el objeto o procedimiento?).
Administracin de la variable independiente: si los sujetos fueron personas, descri
ba cmo se les trat. En la mayora de los casos esto incluye una explicacin de las ins
trucciones dadas a cada grupo (es adecuado transcribirlas) y una definicin de la tarca
que se pidi a cada sujeto. Si se utilizaron sujetos animales, solo describa la tarea que
realizaron. Si la tarca es muy comn bastar con nombrarla. Por ejemplo: para accionar
la palanca se entren a las ratas con el mtodo de aproximaciones sucesivas. Si la tarca
es nueva, es necesario describirla exactamente; presntelo com o un conjunto de instruc
ciones, pero en tiempo pasado. Si se trata de objetos, describa qu fue lo que se modific
y cmo se realiz la variacin.
Registro de la variable dependiente: es una descripcin de cmo se recopilaron los
datos. Si los datos de inters fueron el nmero de veces que la rata accion la palanca en
un lapso de 10 minutos, indique si usted los contaba o si se contaban automticamente.
Si se contabiliz el nmero de veces en que dos nios de tres aos de edad tuvieron
contacto mutuo durante un juego, debe indicarse si la observacin se realiz de manera
directa o si se hizo el registro a partir de un video. Si se observaron varias conductas si
multneamente: el nmero de veces que los nios tuvieron contacto y el nmero de ve
ces que hablaron, cercirese de especificarlo. Si se trata de objetos describa cmo se
realizaron los registros d e la variable del objeto; por ejemplo, si se midi el dimetro y
largo de los tomillos, mediante qu instrumento y si fue de manera manual o automtica,
si lo realiz un solo operador o varios, etctera.
Diseo
Esta seccin puede situarse antes o despus de los procedimientos. Por lo general, las
secciones de diseo no estn separadas en los artculos publicados; ms bien, el material
se distribuye entre las otras partes de la seccin de mtodo. Pero es importante que el
nuevo escritor use una subseccin de diseo a fin de proporcionar explcitamente cierta
informacin.
Indicar el tipo de diseo utilizado, ya sea un diseo de dos o tres grupos aleato
rios, de dos grupos en parejas, un diseo intrasujetos o correlacional, o cualquier
otro.
Explicar cuntos sujetos se asignaron a cada grupo y de qu manera (aleatoriamen

te o de otra manera).
Indicar el nombre de cada uno de los grupos. Si todava no lo ha hecho, este es el
momento indicado para introducir cualquier abreviatura que haya utilizado como nom
bre para los grupos.
Comentar cualquier procedimiento de control utilizado (por ejemplo, una aleatorie-
dad o contrabalanceo).
Plantear cules fueron las variables independientes y dependientes y cmo se defi
nieron operacionalmente.
Advertencia: un error frecuente incurren los estudiantes principiantes al escribir la

seccin de mtodo es excederse en detalles. No es necesario indicar que la puerta de
la jaula se abri, sali la rata, se cerr la puerta y la rata se qued en el extremo derecho
del laberinto. Bastar una oracin ms corta para mencionar nicamente los datos com
petentes al experimento. Es difcil establecer reglas precisas respecto a cuntos detalles
son suficientes, pero no tendr problemas si utiliza el sentido comn y se pregunta: po
dra alguien ms realizar este experimento, del mismo modo, sin nada ms que la seccin
de materiales y mtodos?
O bservacin sistem tica

La mayor parte de la investigacin toma la forma de los experimentos; as tambin los
intereses del investigador pueden requerir que recopile informacin al hacer una ob
servacin sistemtica. Por lo general, las observaciones sistemticas toman una de dos
formas: observacin naturalista o estudios correlacinales.
En la observacin naturalista el investigador simplemente observa la conducta de
un organismo. La tendencia es observar al sujeto en un am biente natural, aunque se ha
cen observaciones en ambientes modificados o artificiales; adems, es comn tener una
influencia moderada mientras se recopilan los datos (es decir, tratar que la presencia del
investigador no afecte la conducta del organismo). Por ello, la metodologa de la obser
vacin naturalista es muy diferente a la de un experimento. En esta ltima, el investiga
dor controla directamente un factor (la variable independiente) y observa los efectos de
este control en un segundo factor (la variable dependiente); por lo tanto, no es apropiado
com entar cm o se administr la variable independiente o cmo se registr la variable
dependiente. En cambio, la seccin de mtodo de la observacin naturalista debe descri
bir la conducta que el investigador observ y cmo registr la frecuencia, duracin,
magnitud, entre otros aspectos. Luego de especificar las condiciones en las cuales se
recopilaron los datos, debe describir cmo observ la conducta de inters. Lo importan
te es, tal como en un experimento, que proporcione la suficiente informacin para que
alguien totalmente ajeno a su observacin pueda aplicarla despus de leer la seccin de
mtodos.
Un segundo tipo de observacin sistemtica es el estudio corre lacional. Aqu, como
en el caso de la observacin naturalista, el investigador no controla nada (no hay variable
independiente); en cambio, selecciona a los sujetos que tienen el atributo que le interesa
estudiar. Al igual que en el caso de un experimento, la subseccin de procedimiento debe
describir cm o se administr y se calific la prueba. 1.a manera en que seleccionaron los
sujetos se incluye en la seccin de sujetos, y la prueba utilizada en la seccin de instru
mentos. Es importante proporcionar suficientes detalles para que cualquier persona pue
da aplicar el estudio.
O bservacin sistem tica 133
La introduccin y las descripciones d e los sujetos e instrum entos tienen la misma

estructura, ya sea para inform ar respecto a un experim ento o a una observacin siste
mtica. El objetivo del m todo tiene el mismo propsito general: detallar cm o el
procedim iento para la realizacin del estudio, aunque en una observacin sistem tica
no es apropiado hablar de variables independientes y dependientes. La descripcin
del diseo es diferente en una observacin sistem tica, debido a q ue se utilizan dife
rentes tipos d e procedim ientos de control, pero su propsito general contina siendo
el mismo.
Resultados
Los resultados de un artculo cientfico constituyen, usual mente, la seccin ms corta
del documento. A pesar de la brevedad relativa, sin duda son el ncleo y la parte ms
importante del manuscrito porque se incluyen los datos que resultan de la investigacin.
Esta seccin debe ser escrita en forma clara y sencilla porque los resultados de la fase
experimental de un estudio constituyen la nueva verdad, la nueva informacin, o los nue
vos principios que el investigador presentar a sus colegas profesionales, a la comunidad
cientfica y, en general, al resto del mundo com o su aportacin.
La respuesta de tres cuestiones fundamentales puede ser de gran ayuda para obtener
selectividad y discriminar de manera correcta:
Este tema o estos datos son necesarios?
El tema o los datos pertenecen a la seccin de resultados?

Todos los temas necesarios estn incluidos?
La presente gua puede prevenir al escritor para no caer en algunos errores comunes.
La nueva evidencia deber ser descrita tan eficientemente como sea posible. Presente
slo los datos informativos y evite usar datos repetitivos. Aunque los datos numricos
sean presentados en forma ms eficiente en tablas y grficas, si solo son reportadas pocas
determinaciones, colquelas descriptivamente en forma narrativa. El texto no debe pre
sentar m s que diferencias entre grupos. Un ejemplo de esto es el reporte de valores
medios de grupos y una apropiada evaluacin estadstica de las diferencias. No es nece
sario dar el clculo estadstico en forma tabular, pero s es importante presentar determi
naciones repetitivas, las cuales debern estar en grficas o en tablas. Es imperativo que
todas las determinaciones reportadas tengan un significado. Sealar los datos sobresa
lientes y evitar los datos superfluos. Donde sea posible, conviene conectar un resultado
con otro, lo cual permite establecer lo que no fiie encontrado bajo las condiciones del
experimento.
Muchos autores parecen impulsados a reportar datos que son estadsticamente no
significativos y a volcar la no significancia en pseudosignificancia. Frases que resuman
datos presentados en las tablas deben escribirse en trminos inequvocos de significancia
estadstica. Es esencial no hacer nfasis en hallazgos insignificantes: adems, se debe
evitar el uso de afirmaciones como: tiende a ser m ayor o mostr una tendencia signi
ficante. Una vez que el nivel de confianza estadstica ha sido establecido para el estudio
en el protocolo, los resultados que no alcancen ese nivel d e confianza, sin importar qu
tan cerca estn, deben considerarse no significativos estadsticamente. Encubrir esa falta
de significancia con frases tendenciosas es un mal servicio para el lector y denigra al
investigador, e incluso a los autores. A menudo esas frases son interpretadas como una
afirmacin importante y asumen, entonces, las proporciones de una verdad. Si la integri
dad de la investigacin cientfica se desea mantener, los autores deben ser sinceros en los
resultados y coherentes en lo que escriben. El compromiso con los valores ticos debe
aprenderse y mantenerse, ya que investigar y descubrir es servir com o vehculo para el
progreso humano y el avance del conocimiento.
Texto
Despus de que ha explicado por qu y cm o hizo su experim ento, es tiem po de llegar
a las partes ms importantes del informe: los resultados del estudio (en la seccin de
resultados) y su interpretacin (en la seccin discusin). Com o en el caso de otros
aspectos del informe, los resultados deben escribirse en forma de prrafos. No basta
tabular o enlistar los datos, aunque puede (y en ocasiones debe) hacerse en tablas y
figuras para com plem entar el m aterial escrito. La seccin de resultados debe presentar
los datos recopilados, los mtodos estadsticos utilizados para analizar los datos y los
resultados del anlisis estadstico. Las siguientes sugerencias son aplicables al escribir
esta seccin:
Presentar los datos de m anera resumida. En la mayora de los casos es incorrecto

mostrar datos preliminares (los puntajes de cada sujeto). Es mejor exponer un resu
men de los datos de cada grupo, por lo general la media con su desviacin estndar.
Antes de presentar los resultados de un anlisis estadstico, es conveniente explicar

al lector por qu se realiz dicho anlisis (por ejemplo: se realiz una prueba para
determinar si la media de un grupo era significativamente diferente a la de otro
grupo").
Al informar resultados de anlisis estadsticos ha de utilizarse este formato:
/(56) = 2.76. p < 0.05
Aqu, la / se refiere a la prueba estadstica utilizada, 56 grados de libertad (gl),

2.76 el valor de / y 0.05 de probabilidad de un error tipo 1 (nivel de significancia). El
signo (<) significa m enor que, es decir, la probabilidad de un error tipo 1 es m enor que
5 en 100 y, por lo tanto, la diferencia entre los dos grupos es significativa al nivel 0.05
(si la probabilidad del error tipo 1 es m ayor que 5 en 100, tendra que escribir p >
0.05).
Tablas y figuras
A menudo las tablas y figuras agregan claridad al informe. Estas se utilizan para presen
tar los datos de manera resumida a fin de que el lector tenga un panorama de los resulta
dos con solo mirarlos. Tambin son tiles para aclarar datos extremadamente complejos
y difciles de manejar por escrito. Las tablas y las figuras deben tener un ttulo que
describa de manera clara los datos que contienen y todas sus partes deben identificarse
con facilidad.
Discusin 135
Integracin de tablas y figuras dentro del texto

Cada tabla o figura debe referirse en el texto. Por ejemplo, en la seccin de resultados
puede exponen I-a figura 1 se refiere a ... ", o: I-a tabla 6 muestra..." . Al final del p
rrafo en el que se hace referencia a una figura o tabla, escriba:
Entra figura 1
Esto indica en dnde entra la figura o tabla. La figura o tabla real se incluye al final
del informe; cada una de ellas se coloca en una pgina separada.
Recom endaciones
R e se a r tos comentarios para la seccin de discusin: no comentar la importancia
o repercusiones de los resultados en la seccin de estos. Si se hace, no habr nada que
reportar en dicha seccin.
Presentar nicamente resultados significativos: evitar hablar de las diferencias entre

los grupos si stas no son significativas. Aun cuando las medias de los grupos difieran, si
la diferencia no es significativa es preferible om itir su mencin.
No confundir lo no significante con lo insignificante: no significante es un trmino
estadstico (una prueba t indic que la diferencia entre las medias no es significativaX
en tanto que insignificante es un juicio de valor. No existen resultados insignificantes
(aunque puedan ser no significativos), solo hay experimentos insignificantes.
Indique los datos con exactitud: no modificar los valores de la media que tiene
como dato original. Por ejemplo, si se quiere medir el tiem po de reaccin en dcim as de
segundos (como en 10.6 segundos), no se debe informar que el grupo A tuvo un tiempo
medio de reaccin de 10.5632 segundos.
Discusin
Esta seccin e s la ms difcil de definir debido a que no hay reglas absolutas que deban
seguirse para escribirla. Sin embargo, hay algunos puntos que deben ser incluidos en la
discusin, los cuales no necesitan estar en un orden particular y pueden estar intercala
dos para mejorar la capacidad de lectura. El propsito de la discusin es:
Interpretacin de anlisis estadsticos: el cam ino ms directo para exponer esta

seccin es determinar si los resultados apoyan o no la hiptesis inicial (los resultados no
prueban o desaprueban algo). Si los datos apoyan o no la hiptesis, entonces bastar una
simple oracin al respecto. Sin embargo, para el investigador principiante este no es caso
comn, ya que en muchas ocasiones es difcil interpretar los datos debido a fallas en el
estudio. Un experimentador profesional termina el experimento al hacer las modificacio
nes que su experiencia dicta necesarias, pero un estudiante no tiene antecedentes, por lo
que es su responsabilidad comentar las fallas y explicar cm o podran corregirse en
estudios subsecuentes. Por ejemplo, durante su investigacin podra tener ciertas dificul
tades para controlar determinada variable (demasiado ruido en el pasillo durante el ex
perimento) o quiz tuvo problemas con los instrumentos.
Los problemas de este tipo no necesariamente invalidan el experimento, pero es

responsabilidad del autor informar sobre ellos y dar al lector una idea de las interrupcio
nes ocurridas. Incluso el mejor experimento puede perfeccionarse, tam bin es difcil
admitir y reconocer un defecto y reportar una falla; sin embargo, por lo general esto
demuestra que se es un investigador cuidadoso y perceptivo.
Implicaciones de los resultados y com paracin con investigaciones anteriores: si

se cuenta con datos lim pios (por ejem plo, resultados estadsticam ente significativos y
sin confusin en las variables), el siguiente paso es exponer las im plicaciones de e s
tos. Una manera d e lograrlo es com entar sus datos en trm inos de las teoras existen
tes, qu teoras apoyan los datos? Con cules difieren? Un experim ento no formula
o anula una teora, pero es im portante ubicarlo en una perspectiva terica. En esta
parte del inform e pueden com pararse los resultados con los de estudios previos. Son
congruentes sus resultados con los de otro s investigadores? Si no lo son, por qu?
H ubo alguna modificacin en el procedim iento que pudo haber causado tal diferen
cia? Rara vez el investigador puede proponer una nueva teora con base en un solo
experim ento. En general, un experim ento no basta para apoyar una nueva teora; sin
em bargo, con base en los datos se puede sugerir una modificacin a una teora exis
tente.
Sugerencias para investigaciones futuras: un aspecto importante de la seccin de
discusin es sugerir qu experimento (o experimentos) se podran hacer despus. La
propuesta no debe ser muy detallada. Una breve oracin que inicie con la frase: Futu
ras investigaciones podran... o Estudios subsecuentes podran investigar... es sufi
ciente.
Sugerencias
Explique los resultados no significativos: si realiza bien un experimento y observa que la
variable independiente no tuvo un efecto significativo, entonces se obtuvieron resultados
negativos. Sin embargo, esto no necesariamente significa que los resultados sean insig
nificantes. Con frecuencia los resultados negativos aportan informacin tan til como la
que aportan los hallazgos positivos. Com o se mencion, a los resultados negativos se les
debe dar la misma importancia que a los resultados positivos. Conviene escribir acer
ca de ellos en trminos de cmo afectan la hiptesis inicial, qu tan adecuados son para
teoras existentes o si sugieren una nueva teora, cmo se relacionan con investigaciones
previas y cm o podran utilizarse para sugerir nuevas investigaciones. Hay que evitar
justificar los resultados negativos, es decir, dar excusas por haberlos obtenido. Antes
de atribuir los resultados negativos solo a la falla de los instrumentos o a un diseo de
ficiente, aunque en ocasiones dichos factores pueden influir, a menudo simplemente
debe reconocerse que el experimento fracas (es decir, que la variable independiente no
produjo una diferencia).
Evitar analizar los resultados no significativos: una m anera de identificar las va

riaciones no significativas es cuestionarse si. en caso de realizar nuevamente el experi
mento, la diferencia entre los dos grupos podra ser nula o lo contrario de la diferencia
Referencias bibliogrficas 137
original. Algunos investigadores sealan que, aunque las diferencias no son significa
tivas, stas se orientan hacia la direccin correcta. Esto significa que el grupo que se
supona se desem peara m ejor (o peor) as lo hizo, aunque no significativamente. Esta
tcnica es adecuada en algunas situaciones cuando se utiliza una muestra pequea y
los resultados se aproximan a la significancia estadstica, pero debe usarse con precau
cin.
Agradecim ientos
En un lugar adecuado del artculo una o varias declaraciones especificarn:
1. Ixis colaboraciones que deben ser reconocidas pero que no justifican la autora,
tales como el apoyo general del jefe del departamento.
2. La ayuda tcnica recibida.
3. El apoyo financiero y de material, especificando la ndole del mismo.
4. Las relaciones financieras que puedan suscitar un conflicto de intereses.
Las personas que colaboraron intelectual mente, pero cuya participacin no justifica
la autora pueden ser citadas por su nombre, aadiendo su funcin o tipo de colabora
cin; por ejemplo: asesor cientfico", revisin crtica de la propuesta para el estudio",
recoleccin de los datos", participacin en el ensayo", entre otros. Estas personas de
bern conceder su permiso para ser nombradas. Los autores se responsabilizarn de ob
tener la autorizacin por escrito de las personas mencionadas por su nombre en los
agradecimientos, pues los lectores pueden inferir que stas respaldan los datos y las
conclusiones. El reconocimiento por la ayuda tcnica recibida figurar en un prrafo
separado de los testimonios de gratitud por otras contribuciones.
Referencias bibliogrficas
Esta seccin es un listado de las fuentes citadas en el texto. Quizs es ms fcil discutir
lo que una seccin de referencias no debe ser, a decir lo que es.
Primero: no debe ser una larga compilacin diseada para mostrar erudicin, apli
cacin y amplitud de conocim iento del autor. Un artculo con un apndice de referencias
prolijo es usualmente la tesis de un estudiante. Puede ser bueno para un estudiante pro
veer conocimiento enciclopdico de la literatura en una tesis, pero es inapropiado en un
artculo cientfico a publicar.
Segundo: lo obvio no necesita ser citado. As, referencias a libros de texto, al menos
del rea de estudio, son usualmente superfluas. Por ejemplo, en un estudio sobre el m
dulo de elasticidad de limas endodnticas en el Journal o f Endodonlics, una referencia a
un texto de ingeniera puede ser razonable, pero una referencia al texto de Grossman (un
renombrado endodoncista) para establecer que la instrumentacin del conducto es una
parte de la terapia endodntica. no lo es.
Tercero: una referencia que no se puede verificar, no es aceptable. As, datos extra
dos de la comunicacin personal, el dato no publicado, o la tesis de maestra en la Uni
versidad d e Rumorilandia y citas semejantes a estas, no son fuentes a las cuales el lector
pueda remitirse. Finalmente, se recomienda que las referencias se limiten a publicacio
nes recientes.
La poltica de algunos Joum als es la de mximo 20 referencias para un artculo

cientfico y de 10 para reportes de casos, lo cual parece ser un nmero razonable. En
resumen, las referencias solo debern contener fuentes que sean esenciales y estn dis
ponibles para el lector que desee andar por donde el autor camin. Todo el material cita
do en el informe de investigacin debe ser incluido en la seccin de bibliografa. Todas
las referencias se incluyen en la misma lista en orden alfabtico, empezando con el ape
llido. Si cita trabajos que no tienen autor, colquclos en orden alfabtico a partir de la
primera palabra importante en el ttulo.
Ordene cada referencia de la siguiente manera:
Apellido del autor, inicial del primer nombre e inicial del segundo nombre.
Ao de publicacin (entre parntesis).
Ttulo del artculo, captulo o libro.

Datos de la publicacin: de revista: nombre de la revista, mimen) de volumen, pgi
nas (ntese que el nombre de la revista y el nmero del volumen van en cursivas).
De un libro: ciudad en donde se public y editorial.
El ttulo de un artculo de libro o revista se escribe en redondas y con la primera

letra mayscula. En el caso de un libro completo, solo la primera letra se escribe con
mayscula y todo el ttulo en cursivas. Observe la puntuacin que se utiliz: punto des
pus de las subscccioncs mayores (autor, ao, ttulo y datos de publicacin). Las comas
separan las unidades de cada subscccin; por ejemplo, American Psychologist, 28, 312-
317.
Cuadros
Lo usual es capturar cada cuadro a doble espacio y en hoja aparte. Numerarlos conse
cutivamente siguiendo el orden en que se citan por prim era vez en el texto y asignarles
un ttulo breve a cada uno. Cada columna lleva un encabezado corto o abreviado. Las
explicaciones van como notas al pie y no en el encabezado. En las notas a pie se explican
todas las abreviaturas no usuales empleadas en cada cuadro. Com o llamadas para las
notas al pie, deben utilizarse los siguientes smbolos en la secuencia que se indica: *, t,
t. S. IV*. t t . ...
Identificar las medidas estadsticas de variacin, tales com o la desviacin estndar
y el error estndar de la media. No trazar lneas horizontales ni verticales en el interior
de los cuadros. Cerciorarse de que cada cuadro sea citado en el texto. Si se incluyen
datos publicados o inditos provenientes de otra fuente, debe obtenerse la autorizacin
necesaria para reproducirlos y conceda el reconocimiento correspondiente.
Incluir un nmero excesivo de cuadros en relacin con la extensin del texto puede
ocasionar dificultades al confeccionar las pginas. Es recomendable examinar varios
nmeros recientes de la revista en la que se planea presentar el artculo y calcular cun
tos cuadros pueden incluirse por cada millar de palabras de texto.
Pies o epgrafes de las ilustraciones 139
Al aceptar un artculo, el director podr recomendar que los cuadros suplementarios

que contienen datos de respaldo importantes, pero que son muy extensos para ser publi
cados queden depositados en un servicio de archivo, como el Servicio Nacional de Pu
blicaciones Auxiliares (NASP, por sus siglas en ingls) en Estados Unidos, o que sean
proporcionados por los autores a quien los solicite. En tal caso, se agregar en el texto la
nota informativa necesaria; sea com o fuere, dichos cuadros se presentarn junto con el
artculo.
Ilustraciones
Es necesario enviar los juegos completos de figuras en el nmero requerido por la re
vista. Las figuras estarn dibujadas y fotografiadas en forma profesional; no se aceptarn
los letreros trazados a mano o con mquina de escribir. En lugar de dibujos, radiografas
y otros materiales de ilustracin originales, se deben enviar impresiones fotogrficas
en blanco y negro bien contrastadas, en papel satinado y con medidas entre 127 x 173
mm, y 203 x 254 mm. Las letras, nmeros y smbolos sern claros y uniformes en todas
las ilustraciones; adems, tendrn un tamao suficiente para que sigan siendo legibles
incluso despus de la reduccin necesaria para publicarlos. Los ttulos y explicaciones
detalladas se incluirn en los pies o epgrafes, no sobre las propias ilustraciones.
Al reverso de cada figura colocar una etiqueta de papel que lleve anotados el nme
ro de la figura, el nombre del autor y cul es la parte superior de la misma. No escribir
directamente sobre el dorso de las figuras ni sujetarlas con broches para papel, pues se
rompen y quedan marcadas. Las figuras no deben doblarse ni montarse sobre cartn.
Las fotomicrografas deben incluir en s mismas un indicador d e la escala. Los sm
bolos, flechas y letras usadas en stas contrastarn claramente con el fondo. Si se usan
fotografas de personas, no debern ser identificables; de lo contrario, habr que anexar
un permiso por escrito para poder utilizarlas.
Las figuras se numerarn en forma consecutiva de acuerdo con su primera mencin
en el texto. Si la figura ya fue publicada, se reconocer la fuente original y se presentar
la autorizacin por escrito que el titular de los derechos de autor concede para reprodu
cirla. Este permiso es necesario, independientemente de quin sea el autor o la editorial.
La nica salvedad son los documentos considerados de dom inio pblico.
En el caso de las ilustraciones a color, se debe averiguar si la revista necesita nega
tivos, transparencias o impresiones fotogrficas. Algunas revistas publican ilustraciones
a color nicamente si el autor paga el costo extra.
Pies o epgrafes de las ilustraciones

Los pies o epgrafes de las ilustraciones se redactarn a doble espacio, comenzando en
hoja aparte e identificndolos con los nmeros arbigos correspondientes. Cuando se
utilicen smbolos, flechas, nmeros o letras para referirse a ciertas partes de las ilustra
ciones, ser preciso identificar y aclarar el significado de cada uno en el pie o epgrafe.
En las fotomicrografas habr que explicar la escala y la simbologa utilizada.
Presentacin del texto

Los informes deben escribirse en computadora (en un procesador de textos); esto le dar
una mejor presentacin y lo har ms fcil de leer. Mecanografiar o imprimir el manus
crito en papel bond blanco de 216 x 279 mm (para Amrica) o de la m edida estndar
ISO A4 (212 x 297 mm para Europa), un margen de 2.5 a 4 cm de todos los lados es
lo convencional. La sangra en los prrafos debe ser de cinco espacios. Escribir sola
mente sobre una cara del papel. Utilizar doble espacio en todo el documento, incluidos
la pgina del ttulo, el resumen, el cuerpo principal del texto, los agradecimientos, las
referencias, cada uno de los cuadros y los pies o epgrafes de las ilustraciones. Cada
uno de los siguientes componentes comenzar en hoja aparte: pgina del ttulo con el
respectivo resumen y las palabras clave, texto, agradecimientos, referencias, cada uno
d e los cuadros y los pies o epgrafes de las ilustraciones. Numerar las pginas en forma
consecutiva, empezando por la del ttulo. Sobre el ngulo superior o inferior derecho de
cada pgina anote el nmero correspondiente. Las ilustraciones se presentarn en forma
de impresiones fotogrficas de buena calidad, en papel satinado, sin montar y sin exceder
o reducir las medidas estipuladas ms arriba, en el apartado de ilustraciones.
Integracin del informe

El manuscrito debe integrarse como sigue:
Ttulo, autor y afiliacin (separado, en una pgina no numerada).

Resumen (pgina separada): el resumen se escribe en un prrafo. La palabra Resu
m en debe figurar, centrada, al inicio de la pgina que abrir la numeracin.
Introduccin (pgina separada).

M todo: despus de la ltima lnea de la introduccin, dejar un doble espacio y
centrar la palabra Mtodo.
Sujetos.
Instrumentos.
Diseo.
Procedimiento.
Cada uno de estos subttulos va con la primera letra en mayscula, subrayado y
justificado a la izquierda.
Resultados: dejar doble espacio despus de la seccin de mtodo, centrar y subrayar

la palabra Resultados.
Discusin: luego de escribir la ltima lnea de la seccin de resultados dejar doble
espacio, centre y subraye la palabra Discusin.
Conclusiones: luego de escribir la ltima lnea de la seccin de Discusin dejar

doble espacio, centre y subraye la palabra Conclusiones.
Bibliografa (pgina separada): centrar la palabra Bibliografa al inicio de la nueva

pgina.
Tablas: cada tabla debe aparecer en una pgina separada; debe estar numerada
(por ejemplo, tabla / , centrada), tener ttulo y estar referida en el texto.
Figuras: se aplican las mismas reglas que para las tablas.

Pies o epgrafes de las ilustraciones 141
Numeracin de pginas: el resumen se numera en la pgina 1 en el ngulo superior

derecho y todas las pginas siguientes (incluyendo tablas, figuras y bibliografa) se nu
meran consecutivamente. No identificar cualquiera de las subsecciones con letras o
nmeros.
En resumen, el manuscrito se integra como se indica a continuacin:
(En hoja aparte)

Ttulo
(Centrado en una pgina separada y sin numerar)
(En hoja aparte)
R esum en
(Centrado en una pgina separada numerada con 1)
(En hoja aparte)
Introduccin
(Sin numerar, en una pgina separada) Doble espacio
M todo
(Centrado)
Doble espacio
Sujetos (subrayado y sin sangra)
Com enzar el texto dos lneas abajo dejando sangra.
Doble espacio
Instrumentos
Com enzar el texto dos lneas abajo dejando sangra.
Doble espacio
Diseo
Iniciar el texto dos lneas abajo dejando sangra.
Doble espacio
Procedimiento
Iniciar el texto dos lneas abajo dejando sangra.
Doble espacio
R esultados
(Centrado)
Doble espacio
Discusin
(Centrado)
Doble espacio
Conclusiones
(Centrado)
(En hoja aparte)
Bibliografa
(Centrada, en una pgina separada)
(En hoja aparte)

Tabla 1.
(En hoja aparte)

Figura 1
Abreviaturas, nmeros y sistem a m trico
Abreviaturas
Existen dos tipos de abreviaturas, las de uso com n y las que no lo son. Las primeras
incluyen abreviaturas al m enos tan conocidas com o las palabras que representan (por
ejemplo, CI: Coeficiente Intelectual) y las otras contienen abreviaturas nicas para
un informe de investigacin especfico. Cm o notar la diferencia? Las abreviaturas
conocidas se indican com o palabras de entrada en el diccionario. Si utiliza una de
estas abreviaturas, no es necesario explicar qu significa; sim plem ente sela como
cualquier otra palabra. Si se em plea una abreviatura poco conocida, debe explicr
sele al lector el significado. Por ejem plo, si realiza un experim ento acerca del tiempo
d e reaccin, con frecuencia escribir las palabras tiem po de reaccin; por lo tanto,
e s conveniente abreviar este trmino. Puede hacerse especificando la abreviatura en
parntesis inm ediatam ente despus de la primera mencin de las palabras tiempo de
reaccin, por ejemplo, E l estudio intent m edir el tiem po de reaccin (TR) en es
tudiantes universitarios. A hora, cada vez que se refiera al tiem po de reaccin, solo
necesitar escribir TR. Por supuesto, puede com binar el trm ino y la abreviatura en el
artculo para evitar el tedio.
Las abreviaturas son tiles para referirse a diversos gropos experimentales; usual-
mente, dichas abreviaturas se introducen en la subseccin del diseo. Tratar de que las
abreviaturas se deriven lgicamente del nombre, esto facilita la tarea del lector. Por
ejemplo, si se ense a un grupo con el mtodo de grupos extensos, abrevie el nombre
del grupo com o Grupo E, no como Grupo A o B (observe que la E de Grupo E se escribi
con mayscula, como en el caso de la T de Tabla o la F de Figura; Grupo E es el nombre
de algo).
Nmeros
Cuando se utilizan nmeros en el texto, los nmeros menores que 10 usualmente se
escriben con letra (uno, d o s...). El 10 y los nmeros mayores se escriben con dgitos,
excepto cuando el nmero inicia una oracin (evtelo). Los nmeros menores que 10
tambin pueden escribirse con dgitos si es que representan edades (5 aos de edad),
horas o fechas (5:30 P.M., 7 de mayo), razones (7:1), nmeros agrupados para hacer
una comparacin en la oracin (7 perros, 3 gatos, 1 oso hormiguero), porcentajes (7%
d e respuestas), cantidades exactas de dinero (5 pesos), nmeros de pginas (pgina 2),
o unidades de medida o tiempo (1 semana, 10 ensayos por da, 6 centilitros de leche, 3
horas por da). Las excepciones parecen infringir las reglas, pero en la mayora de los
casos encontrar alguna justificacin para utilizar dgitos.
Sistem a de medidas
Las medidas de longitud, talla, peso y volumen se expresarn en unidades del Sistema
Internacional de Unidades (metro, kilogramo, segundos) o sus mltiplos y submltiplos.
Las temperaturas se consignarn en Celsius o Kelvin segn sea temperatura relativa o
absoluta. La redaccin de la revista podr solicitar que. antes de publicar el artculo, los
autores agreguen unidades alternativas o distintas de las del SI. No hay puntos despus
de g, kg, y cm ; estas abreviaturas son siempre aceptables.
Vo7. y tiem po de los verbos 143
Consideraciones de estilo
Estilo general de redaccin

La escritura cientfica debe ser clara y concisa. Se debe suprimir cualquier palabra o
frase que no sea absolutam ente necesaria para la claridad del informe. Los escritores
novatos tienden a utilizar un lenguaje potico en los informes de investigacin. Pero a
pesar de que los tropos literarios (onomatopeya, aliteracin, metfora, etc.) son agrada
bles en los cuentos, resultan inapropiados para la escritura cientfica. Si desea hacer una
afirmacin, hgala tan sucinta y clara como sea posible.
G ram tica y ortografa

A menudo, los estudiantes creen que los artculos cientficos no deben apegarse a las
reglas gramaticales; sin embargo, los textos con mala ortografa y sintaxis desmeritan el
trabajo. Estas deficiencias indican la negligencia de los autores y por lo tanto, de los in
vestigadores descuidados. Una vez que el lector detecta este hecho le ser difcil evaluar
objetivamente su artculo, aun cuando el contenido sea bueno.
Tener a la mano un diccionario de la lengua y uno de trminos tcnicos especializa
dos es muy til. Revisar y corregir el artculo despus de que alguien ms ajeno a la
realizacin, lo haya ledo. Si se ha invertido tiempo para realizar un estudio, analizar
los datos, escribir y capturar el informe, sera una pena dejar que los errores tipogrficos
demeriten el producto final. Una tcnica muy til es leer el artculo hacia atrs. Esto
fuerza a leer cada palabra y le ayuda a detectar muchos errores.
Voz y tiempo de los verbos
Voz
Para dar objetividad, los investigadores tradicionalmente escriben sus informes en forma
impersonal.
El experimentador observ en lugar de Observ.
El lector puede observar en lugar de Usted puede observar".
Sin embargo, en algunos casos es preferible utilizar pronombres personales para

evitar el abuso de la voz pasiva:
Entren (o entrenamos) a las ratas , en lugar de Las ratas fueron entrenadas.
Apliqu (o aplicamos) una prueba t", en lugar de "Fue aplicada una prueba t".
En general, usted debe evitar la voz pasiva siempre que sea posible:
Diversos experim entos m ostraron , en lugar de Se m ostr"

Tiempo
Debido a que el informe siempre se escribe al terminar el experimento, debe redactarse
en tiempo pasado. Esto se aplica especialmente a las secciones de mtodo y resultados.
En ocasiones es correcto usar el tiempo presente en la discusin, especialmente el co
mentario de las implicaciones de los datos; por ejemplo, en sntesis, los datos de este
experimento sugieren... Un error comn en el aprovechamiento del tiempo ocurre en
la revisin de la bibliografa. No escriba Moc (1974) sugiere . Todos los estudios cita
dos ya se realizaron; por lo tanto, refirase a ellos en tiempo pasado, por ejemplo, Moe
(1974) sugiri .
El estilo segn George Orwell

George Orwell resumi el estilo en la escritura cientfica de la siguiente manera:
Nunca utilizar una metfora, smil u otras figuras gramaticales o sintaxis figurada.
Evitar el uso de palabras largas donde deba ir una palabra corta.
Si es posible acortar una palabra, hacerlo siempre.
Nunca utilizar voz pasiva donde pueda utilizar voz activa.
Nunca utilizar modismos, galicismos, anglicismos, entre otros. Evite las palabras
cientficas o de uso circunscrito a ciertos grupos; es preferible sustituirlas por una
palabra de uso cotidiano.
Hacer caso omiso de cualquiera de estas reglas antes que decir algo inaceptable.
Escribir, reescribir y volver a reescribir

Con frecuencia se pregunta cuntas veces se debe reescribir un artculo. La respuesta a
esta interrogante es: las que sean necesarias . Algunas personas son capaces de sentarse
frente a una computadora sin una copia manuscrita o inclusive sin un bosquejo y lograr
un informe perfecto. Si se tiene este talento, con seguridad no se necesitar el consejo
d e nadie. Sin embargo, la mayora de los investigadores revisan sus manuscritos muchas
veces antes de enviarlos a publicacin. Es frecuente tener que hacer tres, cuatro o cinco
borradores. El nmero de borradores que puedan escribirse estar limitado al tiempo
del que se disponga. Pero si el artculo no es perfecto despus de dos borradores, no
se desanime; an est uno o dos borradores adelante que la mayora.
Aprender a escribir
Se nos ensea primero a leer y luego las reglas de ortografa, pero parece que nadie se
preocupa por enseamos a escribir. Escribir es algo que se supone debemos aprender es
cribiendo. Sin embargo, nada aprendemos en relacin con la escritura cientfica. En este
captulo se ha intentado indicar cmo comenzar a escribir informes cientficos. Cuando
ya conozca los fundamentos, la mejor m anera de aprender a escribir es leer, Ix e r artcu
los de revistas cientficas y, adems, es necesario poner atencin en el contenido y en
cm o el autor presenta la informacin. Mientras m s lo haga (y desde luego, mientras
ms escriba), ms fcil ser para usted la escritura cientfica.
Publicacin previa y duplicada 145
Presentacin del m anuscrito a la revista

Enve el nmero requerido d e copias del manuscrito en un sobre de papel resistente; si
es necesario, proteja las copias y las figuras metindolas entre dos hojas de cartn para
evitar que las fotografas se doblen durante la manipulacin postal. M eta las fotografas
y transparencias en su propio sobre de papel resistente.
Los manuscritos irn acompaados de una carta de presentacin que proporcione:
a) informacin acerca de la publicacin previa o duplicada, la presentacin del manus
crito a otra revista o la publicacin de cualquier parte del trabajo; b) una manifestacin
de las relaciones financieras o de otro tipo que pudieran desembocar en conflicto de in
tereses; c) una declaracin de que el manuscrito ha sido ledo y aprobado por todos los
autores y ha cumplido con los requisitos de la autora expuestos anteriormente en el
presente documento; y de que el manuscrito representa un trabajo honrado; y d) el nom
bre. la direccin y el nmero telefnico del autor responsable de com unicarse con
los dems autores en lo concerniente a las revisiones y a la aprobacin final de las prue
bas de imprenta. La carta debe incluir cualquier informacin suplementaria que pueda
resultar de utilidad para el director, tal como el tipo de artculo que el manuscrito repre
senta para esa revista en particular y si el autor (o los autores) estaran dispuestos a su
fragar el costo de reproducir las ilustraciones a color.
El manuscrito se acompaar de copias de los permisos concedidos para reproducir
material ya publicado, para usar ilustraciones, revelar informacin personal privada so
bre individuos que puedan ser identificados o para nombrar a ciertas personas por su
colaboracin.
Publicacin previa y duplicada

La mayora de los directores de revista no desean considerar para publicacin un ma
nuscrito acerca de un trabajo que ya se ha dado a conocer previamente o que se ha
descrito en un artculo propuesto o aceptado para publicacin en otra parte, ya sea un
medio impreso o electrnico. Por lo general, esta norma no impide considerar un art
culo rechazado por otra revista o una comunicacin completa que sigue a la publicacin.
Tampoco impide considerar un artculo presentado en una reunin cientfica si este no
aparece ntegramente en las actas de la reunin o en una publicacin semejante. Las
informaciones periodsticas acerca de la reunin no se consideran infracciones de esta
regla, pero no habrn de ampliarse mediante datos suplementarios o copias de los cua
dros o las ilustraciones. Cuando se propone un artculo para publicacin, el autor est
obligado a informar plenamente al director de la revista acerca de cualquier presentacin
del documento a otras revistas o cualquier informe que pudiera considerarse publicacin
previa o duplicada de un mismo trabajo. Junto con el manuscrito se incluyen copias de
los documentos pertinentes para ayudar al director a decidir la manera de hacer frente a
este asunto.
Rara vez se justifica la publicacin mltiple, que se define como el acto de publicar
ms de una vez los mismos resultados de un estudio, aunque la redaccin se cambie. Una
posible justificacin es la publicacin secundaria en otro idioma, siempre y cuando se
cumplan las siguientes condiciones:
Se informar cabalmente a los directores de las dos revistas involucradas; el director

de la publicacin secundaria tendr en su poder una fotocopia, reimpreso o manuscri
to de la versin primaria.
Se respetar la precedencia d e la publicacin primaria dejando transcurrir un inter

valo de por lo menos dos sem anas antes de sacar a la luz la versin secundaria.
El artculo secundario estar dirigido a un grupo diferente de lectores y no ser sim
plemente una traduccin del primario: a menudo basta con una versin resumida.
La versin secundaria reflejar fielmente los datos y las interpretaciones de la pri

maria.
Mediante una nota colocada al pie de la primera pgina de la versin secundaria, se

informar a los lectores que el artculo se ha editado y se destina a un pblico paralelo
con la versin primaria, basada en los mismos datos c interpretaciones. Este podra ser
un texto apropiado para dicha nota: El presente artculo est basado en un estudio que
se dio a conocer en (ttulo de la revista y referencia completa) .
Los directores no aceptarn la publicacin mltiple que discrepe de la definicin

anterior, ya que si transgreden esta regla tendrn que atenerse a las medidas editoriales
del caso. La divulgacin preliminar, generalmente por conducto de los medios de com u
nicacin de masas, de la informacin cientfica contenida en un artculo ya aceptado
pero an sin publicar, representa una infraccin de las normas de muchas revistas. En
contadas ocasiones y solo mediante previo acuerdo con el director, puede aceptarse la
diseminacin preliminar de datos; por ejemplo, cuando se trata de prevenir a la gente
contra ciertos riesgos para la salud pblica.
M anuscritos electrnicos
En el caso de artculos que estn cercanos a la aceptacin final, algunas revistas piden
que los autores proporcionen los manuscritos en forma electrnica (en CD, DVD. USB.
etc.).
Al presentar el archivo electrnico los autores deben:
Cerciorarse de incluir un impreso de la versin del manuscrito.
Incluir en el medio electrnico solamente la versin ms reciente del manuscrito.
Poner claramente el nombre del archivo.

Rotular el medio electrnico con el formato y el nombre del archivo.
Facilitar informacin sobre el software y el hardware empleados.
En las instrucciones de la revista dirigidas a los autores, estos deben consultar cu

les son los formatos que se aceptan, las convenciones para denominar archivos y sopor
tes de almacenamiento, el nmero de copias que han de enviarse y otros detalles del
caso.
Revisin de la bibliografa
Una de las partes ms complicadas del informe de investigacin es la revisin de la
bibliografa. Esto no es porque sea complicado escribir, sino porque es difcil obtener
la informacin. Revisar la bibliografa implica dos procesos bsicos:
Captar la informacin.
Bibliografa 147
Determinar qu aspectos de la misma son importantes.

1.a m ayor parte de la bibliografa que se cita en los informes corresponde a artculos
de revistas cientficas.
A rtculos de revistas
A menudo, un artculo sobre un tema determinado puede tener el mismo propsito que
una resea de artculos, sobre todo si es reciente. La introduccin al artculo dar un
panorama de la bibliografa y la seccin le indicar en dnde encontrar los estudios ci
tados. En muchos casos una de las mejores formas de empezar la revisin bibliogrfica
es exam inar el ndice de contenido de una revista que usualmcntc trata los temas de su
inters. Si empieza con el nmero ms reciente y examina los nmeros que cubren un
lapso de un ao, es probable que encuentre artculos importantes y que estos informes
actualizados citen mucha de la bibliografa ms reciente.
Scientifc Citation Index

Qu ocurre si encuentra una revisin o un artculo que cubra su rea de inters pero
que se public en 1972? Si se confa en este com o la nica fuente de otras referencias,
necesariamente excluir todos los artculos publicados desde 1972. Por fortuna, el ndice
de citas cientficas (Scientifc Citation Index) ofrece una solucin a este dilema. Este n
dice contiene todos los artculos publicados anualmente. Por ello, al revisar el ndice de
cada ao desde 1972 puede saber qu artculos se citaron en el artculo que le interesa.
Por supuesto, si un artculo cita a otro, los dos estn relacionados. Cuando tenga la lista
podr examinarlos para saber cules son los ms importantes.
Libros de texto
Una manera relativamente fcil y muy eficiente para comenzar una bsqueda bibliogr
fica e s consultar los libros de texto ms recientes y extensos en el rea de inters. La
ventaja de hacer esto es que el texto resume los estudios ms importantes. La desventaja
es que inclusive en un libro publicado hoy, los estudios que incluye son un ao o dos
atrasados. Adems, los libros estn necesariam ente prejuiciados por las opiniones del
autor, en consecuencia, no toda la literatura importante en un rea especfica puede
revisarse.
Bibliografa
Castaeda. J.J.; De la Torre. L. M.; Morn, J.M. y Lara. R.P. (2002). Metodologa de la inves
tigacin. Mxico: McGraw-Hill.
Gutirrez, A.C. (2001). Introduccin a la metodologa experimental. Mxico: Limusa-
Noriega.
Hernndez, S.R.; Fernndez.C. y Baptista, P. (2003). Metodologa de la investigacin. Mxi
co: McGraw-Hill.
Mndez. R.I.; Namihira. D. y Sosa de Martnez, C. (2001). El protocolo de Investigacin:
IJneamientos para su elaboracin y anlisis. Mxico: Trillas.
Tamayo y Tamayo, M. (2002). El proceso de la imestigacin cientfica. Mxico: Limusa.
Bibliografa general
Baird, D.C. (2003). Experimentacin: Una Introduccin a la teora de mediciones y al diseo
de experimentos. Mxico: Pearson Educacin.
Bar, A.R. (2000). Un aporte a la discusin sobre el estatus metodolgico de las variables y
escalas de medicin. Cinta de Moebio, nm. 7. Chile: Facultad de Ciencias Sociales.
Universidad de Chile, 6 pp.
Bell. S. (2001). A Beginner's Cuide to Uncertainty in Measurements (documento 2). Reino
Unido: National Physics Laboratory. 41 pp.
Bcmal. C.A. (2006). Metodologa de la investigacin. Mxico: Pearson- Prcnticc Hall.
BIPM (2006). The International System o f Units SI. Paris: STEDI Media, 186 pp.
Bunge, M. (1999). In ciencia. Su mtodo y su filosofa. Buenos Aires: Ediciones Siglo
Veinte.
Cario, P.S. (2004). Mtodos de investigacin. Mxico: Limusa-Colcgio de Bachilleres.
Castaeda, J.J. (2002). Metodologa de la investigacin I. Mxico: McGraw-Hill.
Castaeda, J.J.; L.M. De la Torre; J.M, Morn y R.P. Lara. (2002). Metodologa de la inves
tigacin. Mxico: McGraw-Hill.
Castaeda, J.J. y C.E. Mndez. (2004). Metodologa de la investigacin. Mxico: McGraw-
Hill.
Calleros, A.F.; A. Lara-Barragan; J.W. Lau y S. Gmez. (1997). Introduccin a la metodolo
ga experimental. Guadalajara: U. de G.-CUCF.I-Cs Bsicas-Dcpartamcnto de Fsica.
Eyssautier, M. (2001). Metodologa de la investigacin II. Mxico: ECAFSA-Thomson
Lcaming.
G arda, A. A. (2000). Introduccin a la metodologa de la inv estigacin cientfica. Colombia:
Raza y Valds Editores.
Gil. S. y Rodrguez, E. (2001). Fsica recreativa: Experimentos de fsica usando nuevas tec
nologas. Per: Prcnticc Hall, 355 pp.
Gutirrez, A.C. (2001). Introduccin a la metodologa experimental. Mxico: Limusa-
Noricga.
Hernndez, S.R.; C. Fernndez y P. Baptista. (2003). Metodologa de la investigacin. Mxi
co: McGraw-Hill.
ISO. (2004). International Vocabulary o f Basic and General Tcrms in Metrology (V.I.M).
ISO V1M (DGUIDE 99999), 71 pp.
Kurt G.R. (1986). Tlie International System o f Units (SI). Cost Enginccring. Morgantown,
28(11): 26-30 pp.
Lyons, L. (1993). A Pradical Guide to Data Analysis fo r Physical Science Students. Nueva
York: Cambridge Univcrsity Press, 95 pp.
Lpez, C.J.L. (2001). Mtodo e hiptesis Cientficos .Mxico: Trillas.
Mendenhall, W. y T. Sincich (2000). Probabilidad y estadstica para ingeniera y ciencias.
Mxico: Prcnticc Hall.
Mndez, R.I.; D. Namihira y C. Sosa de Martnez. (2001). El protocolo de investigacin:
Lineamientos para su elaboracin y anlisis. Mxico: Trillas.
Mcndicta, A. A. (1999). Mtodos de investigacin y manual acadmico. Mxico: Porra.
Miranda. P. y Jurez, F. (2006). lxd)oratorio de fsica 1. Chile: Facultad de Ciencias. Depar
tamento de Fsica de la Universidad de Chile. 4 pp.
Prez, T.R. 1998. Existe el mtodo cientfico? Mxico: Fondo de Cultura Econmica.
Bibliografa general 149
Riveros, H.G. y Rosas, L. (1997). El mtodo cientfico aplicado a las ciencias experimenta
les. Mxico: Trillas.
Rodrguez, L.A. (2001). laboratorio cero 2001-2. Mxico: Facultad de Ingeniera, Departa-
mento de Ciencias Bsicas. Colombia: Pontificia Universidad Javcriana, 31 pp.
Rojas, S.R. (2000). El proceso de la investigacin cientfica. Mxico: Trillas.
Tamayo y Tamayo, M. (2002). El proceso de la investigacin cientfica. Mxico: Limusa.
Taylor, B. y Kuyatt, C. (1994). Guidelines fo r Evaluating and Expressing the Uncertainty o f
NIST Measurements Results, nota tcnica 1297. EUA: National Institutcof Standards and
Technology-United States Department of Commerce Technology Administration.
UKAS (2006). The Expresin o f Uncertainty and Confidence in Measurement. Londres: Uni
ted Kingdom Acrcditation Services. Draft 2.79 pp.
Universidad de la Laguna Espaa. Introduccin a la fsica experimental. En http-y/webpages.
ull.es/users/fexposit/ife_eiT.pdf. Fecha de consulta, enero 15 de 2007.23 pp.
Universidad Santiago de Cali. Colombia. "Guas nicas de laboratorio de fsica 1: aspectos
preliminares, metrologa, conceptos y definiciones . En http://www.usc.edu.co/laborato-
rios/archivos/propuesta/LEY_DE_OHM_2.pdf. Fecha de consulta, enero 15 de 2007.
39 pp.
Indice analtico
A Ciencias), 5 Creencia(s), 4
concepto de la, 4 conocimiento y. 4
Abrevatura(s), conocimiento y, 4 fuentes de las, 4
nmeros y sistema mtrico, 142 experimentales, 1 Criterios para el redondeo, 32
Adjetivos matemticos, 90 filosofa de la, 2 Cuadros, 138
Adverbios matemticos. 90 intereses de la, 4 Cubierta. 122
Advertencia, 132 objetivo de la, 4 posterior, 125
Agradecimientos, 123. 137 origen de la, 1 Cuerpo
Ajustis) Cifras significativas y redondeo. 29 del informe, 123
de datos a funciones matemticas. Citas bibliogrficas, 129 principal, 123
63 Clasificacin de las variable. 24 C una continua por puntos, 12
de rectas, 66 Codente(s), 52
Ambiente. 29 de correlacin, 60, 87
Amplitud de intervalo. 100 de varianza, 95
Anlisis Comparacin Dalos. 86
de la lnea recta, 16 detallada entre modelos, 12 agrupados, 99
de los resultados. 7 entre los modelos y el mundo anlisis descriptivo de los. 85
descriptivo de los datos, 85 real. 11 sin agrupar, 97
dimensional, 74 teora-experimento. 9 Definicin del problema, 6
grfico, 9 Comportamiento Desarrollo de un modelo estadstico,
de los resultados, 55 cuadrtico. 64 18
Anexo(s), 123 de dos variables correlacinales Descripcin de equipo, 125
objetivos de los. 124 en forma exponencial, 65 tcnicas o programas de
tipos de, 124 exponencial, 65 computadora en. 125
Aparatos o instrumentos, 130 logartmico, 66 Desviacin
Aprender a escribir, 144 polinomial. 66 estndar. 95, 113
Artculos de revistas, 147 Conclusiones y recomendaciones. media, 93
123 tpica de la media. 45
B Conocimiento Determinacin de la pendiente
autntico, 2 y de la ordenada al origen
Bibliografa, 121 emprico, 5 (o intercepto), 67
sugerida. 125 oscuro. 2 Diagrama de dispersin, 60
Bsqueda de funciones. 13 ciencia y, 4 construccin de un, 60
creencia y, 4 Dimetro promedio, 86
c Consideraciones de estilo, 143
Construccin
Diferenciis)
de dos variables. 49
Clculos, 120 de diagrama de dispersin, 60 finitas. 51
Calificacin estndar o grados, 87 de grficas. 56 Dimensin de una magnitud, 74
Cambio(s) de modelos. 12 Discusin. 135
de escala, 52 Consulta bibliogrfica. 6 conclusiones, 120
de unidades, 79 Diseo, 131
del experimento, 7
152 ndice analtico
Distribucin precisin del, 8 en funciones

de frecuencias, 87,97,99,101, realizacin del, 7 de dos o ms variables, 49
102 Exponencial. 53 de una variable. 46
representacin grfica Extensin, 128 en las mediciones, 4 1
en una. 106 propagada, 46
normal, 113 relativa, 42,46,48,51
F
porcentual. 42
Filosofa ndice, 120, 122
E
ciencia y, 2 Inferencia estadstica. 87
Edad media. 2 de la ciencia. 2 Informe
Elaboracin del informe, 7 Fsica. 13 integracin de un. 140
del trabajo experimental. 119 Funciones tcnico, 121
Eleccin de una variable utilizando clculo estructura de un. 120
de la escala, 57 diferencial. 47 Instalacin de los aparatos. 120
del papel adecuado, 56 logartmicas y exponenciales, Instrumentos de medicin, 27
Enunciado verbal. 12 48 Integracin
Error(es), 27, 41 trigonomtricas, 48 de tablas y figuras dentro del
aleatorios, 28 texto. 135
de apreciacin. 28 del informe, 140
G Interpretacin de anlisis estadstico,
de calibracin, 28
de exactitud, 28 Glosario. 123 135
de interaccin, 28 Grfica(s), 55 Intervalo
de medicin, 27-28 construccin de, 56 lmites de clase e, 100
y medicin de variables, 23 de barras simple, 106 tamao del, 100
durante el proceso de medicin. de frecuencia acumulada, 104 Introduccin, 120, 123, 128
27 de Pareto, 107
importado, 29 de sectores. 106
sistemticos, 28 en calculadoras o computadoras,
Escribir y reescribir. 144 58 Lenguaje
Estadstica Gramtica y ortografa, 143 matemtico, 90
descriptiva. 85, 87 Grecia. 1,2 privado y subjetivismo. 5
para datos agrupados, 108 Libros de texto, 147
inductiva, 85 Lista de distribucin y
requisitos para aprender. 90
H disponibilidad, 125
Estadstico. 86 Habilidad del operador. 29 Logaritmo. 53
Estilo Hechos observados. 8
consideraciones de. 143 Hiptesis, 8
general de redaccin, 143 de trabajo. 7
segn George Orwell. 144 Histograma, 103 Manuscritos electrnicos, 146
Estructura de un informe Historia de la ciencia, 3 Material
artculo cientfico. 126 Hoja de datos del documento, 125 especial. 124
de prctica de laboratorio. mtodos y, 129
119 Media, 109
experimental. 120 I
aritmtica. 44,91
general, 128 Ilustraciones. 139 Mediana, 110
tcnico, 121 y tablas suplementarias. 124 Medicin(es). 23.25
Estudios correlacinales, 132 Importancia. 7 de variables y errores de
Evaluacin. 9 Incertidumbre, 4 1 medicin, 23
Exactitud, 26 absoluta. 43 directas, 43
Experimentacin, 9 de la medida, 42 indirectas, 45
Experimento, 8 en series de mediciones Medida(s)
de verificacin, 8 directas, 44 de dispersin, 87,92,112
diseo del, 7 de tendencia central. 87,91. 108
ndice analtico 153
indirectas que tienen O Realizacin del experimento, 7

incertidumbre, 45 Recomendaciones, 135
Mtodo(s) Objetivo!s), 7 Redondeo. 31
cientfico, 5, 9 dlos anexos. 124 Referencias, 123
de los mnimos cuadrados. 70 Objeto medido. 27 dlos anexos, 125
de pares de puntos, 67 Observadn(es), 8, 120 bibliogrficas, 137
experimental. 6 del fenmeno, 6 Refinamiento de los modelos. 12
pasos del, 6 naturalista, 132 Relacin sujeto-objeto, 4
general para determinacin de la sistemtica. 132 Renacimiento, 2
incertidumbre, 47,50 Obtencin de conclusiones. 7 Representacin de la incertidumbre
Metodologa de las ciencias Origen de la ciencia. I en las grficas, 55
experimentales, I Resultados, 133
Mitos de la estadstica. 89 P calculados. 120
Moda, 92, 111 y sus interpretaciones, 9
Modelofs) 11 Papel Resumen. 120,122, 127
cientficos, tipos de, 17 logartmico. 57 Revisin de bibliografa. 146
comparacin detallada entre, 12 semilogartmico, 56
concepto de, 11
construccin de, 12
Parmetros. 86
estadticos, 91 s
de regresin o modelos Parte Scientific Citalion Index, 147
estadsticos lineales, 17 final. 125 Seleccin de variables, 8
empricos, 12 inicial. 122 Sistema
estadstico Pasos del mtodo experimental, 6 cegesimal de unidades, 37
caractersticas del. 18 Pies y epgrafes de ilustraciones, 139 CGS o Sistema Gaussiano, 37
desarrollo de un, 18 Planeacin, 8 de medidas. 142
lineal. 17 Planteamiento de los clculos, 120 internacional de unidades (SI), 33
fsico, 17 Poblacin, 86 Subjetivismo y lenguaje privado. 5
matemtico. 17 finita, 86 Sugerencias, 136
emprico, 9 infinita, 86 Sujetos o unidades de observacin.
terico, 8 o universo, 86 130
observaciones y, 11 Portada. 122, 126 Suma
pasos para elaborar un, 19 Potencias, 52 de dos o ms variables, 49
refinamiento de los, 12 Precisin, 26 y diferencia, 52.53
tericos, 14 del experimento, 8 y resta con cifras significativas,
pruebas de los. 14 Prefacio. 123 31
Muestra, 86 Prefijos del SI. 36 Sustantivos matemticos, 90
Muestrco Presentacin
aleatorio, 89 del manuscrito a la revista. 145
del texto, 139 T
simple, 89
de racimo, 89 Procedimiento experimental, 120 Tablas y figuras. 134
estratificado. 89 Proceso de medicin, 27 Tamao del intervalo. 100
sistemtico, 89 Productofs) Tcnica(s)
Multiplicacin y divisin con cifras de dos o ms variables, 50 de muestreo, 29, 88
significativas. 31 y cociente. 53 de representacin grfica, 87
Mltiplos y submltiplos del SI, 36 por un nmero exacto, 54 o programas de computadora, 125
Propagacin de incertidumbre. 43 Teorema de Buckingham. 76
Pruebas de los modelos tericos, 14 Teora de errores, 41
N Publicacin previa y duplicada. 145 Texto, 134
Nombre y apellido de los autores. Tiempo, 143
126 R Tipo(s)
Notacin cientfica, 32 de anexos. 124
Numeracin de los anexos. 125 Rangos), 93 de modelos cientficos, 17
Nmeros, 142 percentiles. 87 de reaccin, 142
154 ndice analtico
Ttulo, 126 V de medicin. 24

Tratamiento estadstico, 9 dependiente, 25
Trazabilidad de los resultados. 26 Valor verdadero. 27 extraa. 25
Trazo de los puntos experimentales, Variables). 23.86 independiente, 25
58 correlacinales en forma no numricas. 105
exponencial, 65 numrica, 97
cualitaliva(s), 24 significativas, 11
u nominal, 24 Vbrianza, 94,112
Unidades ordinales. 24 Verbos matemticos, 90
bsicas de SI. 33 cuantitativa(s), 24 Voz, 143
fuera del SI, 36 continuas o variables de y tiempo de los verbos, 143
Uso de Excel para el anlisis de medicin, 24
grfico de datos. 59 discretas, 24
Introduccin a la metodologa experimental
Un aspecto fundamental en la formacin de cualquier persona que busca ejercer

una profesin orientada a la ciencia y a la tecnologa es la adquisicin de ciertos
habilidades en la medicin y la interpretacin de los parme tros obtenidos en procesos
experimentales o industriales. Igual de importante es que posea bs conocimientos y
las herramientas necesarias p a ra llevar a c a b o de manera eficiente el anlisis de
datos, la elaboracin de reportes de investigacin, as como el desarrollo de nuevos
experimentos, modelos y procesos. Por elb. el mtodo experimental no es sobmente
una ruta de investigacin sino, sobre todo, una actitu d del individuo ante cualquier
fenmeno que se presente en lo naturaleza
Introduccin o lo m etodologa experimento! es una guia p a ra todos aquellos

que se introducen al estudio de lo experimentacin cientfica. Lo exposicin de
temas en forma p r ctica y concisa facilita lo comprensin de mtodos y procesos
analticos aplicados al desarrollo de experimentos. El texto orienta al lector hacia lo
minimizacin del error experimental mediante la aplicacin de tcnicas de medicin,
de una cuidadosa seleccin de la instrumentacin, del anlisis de datos y de
la aplicacin de procesos estadsticos. Asimismo, presenta las caractersticas del
reporte de p r ctica de laboratorb. del informe tcnico y del articulo cientfico,
que permiten dar a conocer pblicamente los resultados de cualquier investigacin
cientfico experimental

Arturo Figueroa Montac3b1o Introduccic3b3n A La Metodologc3ada Experimental PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Arturo Figueroa Montac3b1o Introduccic3b3n A La Metodologc3ada Experimental PDF

Cargado por

Copyright:

Formatos disponibles

Introduccin

a la m etodo lo ga experim ental

Arturo Figueroa Montao

Hermes U lises Ramrez Snchez

Introduccin a la m etodologa experim ental

PEARSON ED U CACI N , M xico, 2014

fo rm ato : 185 x 2 3 5 c m Pginas: 168

Todos los derechos reservados

PRIMERA EDICIN, 2014

D.R. O 2013 por Pearson Educacin de Mxico, S.A. de C.V.

Cmara Nacional de la Industria Editorial Mexicana Reg. Nm. 1031

ISBN VERSIN IMPRESA: 978-607-32-2222-8

Impreso en Mxico. Printcd in Mxico.

En el captulo 4 se presenta un anlisis de los datos basado en descripciones estads

1 M etodologa de las ciencias exp erim en tales..............................................1

2 M edicin de variables y errores de m ed icin ......................................... 23

Incertidum bre en las m ediciones y evaluacin

4 Anlisis descriptivo de los datos............... 85

5 Elaboracin del inform e de trabajo experim ental..............................119

Revisin de la bibliografa........................................................................................................ 146

Bibliografa general................................ - ...........................................................148

Metodologa de las ciencias

dos mundos: el de los sentidos o terreno y el suprasensible o celeste. Demcrito de Ab-

G alilea G alilei (1564-1642): em ple procedim ientos inductivos para conocer

C oncepto, objetivos e intereses de la ciencia

Creencia y conocim iento

Figura 1.1: Conocimiento es una relacin sujeto-objeto.

FJ sujeto determina la relacin con el objeto y por lo tanto con el conocimiento, y es

Subjetivism o y lenguaje privado

El m todo experim ental se aplica principalmente en las ciencias naturales (fsica,

Elementos del mtodo cientfico

Planeacin: constituye la columna vertebral de todo experimento, ya que el xito o

Programa de mediciones: el program a de m ediciones para diferentes valores de la

2. Concepto de modelo: se concibe por medio de construcciones hipotticas e ima

1. Enunciado verbal: el modelo ms sencillo es una descripcin verbal de la varia

Tabla 1.1: Peso frente a alargamiento de un resorte cargado.

Peso (kg) A largam iento (m m )

mediciones practicadas. La curva suave y continua proporciona una forma de

Figura 1.3: Peso frente a alargamiento de un resorte cargado.

Figura 1.4: Curva suave de las variables peso frente a alargamiento

' = <4 ) 2jr' 2 ( 1-3)

P ru eb a de los m odelos tericos

Tabla 1.2: Tiempo de cada medido experimental mente frente

Distancia, x, (m ) Tiem po, /, (s)

0 0.2 0.4 0.6 0.8

Figura 1.5: Proceso de comparar las propiedades de un sistema

Uso del anlisis de la lnea recta

Suponiendo que se graficara, no / vs x, sino t vs x \ la ecuacin sera:

Entonces, esta puede compararse con la ecuacin de una lnea recta:

Variable vertical = Pendiente x Variable horizontal (1.6)

En ciencias puras, y sobre todo en ciencias aplicadas, se denomina modelo a una

Tipos de modelos cientficos

La expresin m odelo fsico tiene distintos significados dependiendo si se refiere al m

M odelo m atem tico

Un modelo matemtico es un esquema, una ecuacin, un diagrama o una teora que

Desarrollo de un m odelo estadstico: el primer paso para la construccin de un

1. Presencia del elemento aleatorio.

Cmo saber cul es el mejor modelo o su pertinencia en el mundo real?

Pasos para la elaboracin de un modelo

1450 673 218500 47225 101570

Figura 1.6: Diagrama de dispersin.

Figura 1.7: Linca que mejor ajust a los puntos.

Valores obtenidos de la pendiente (m) y el origen (b):