Está en la página 1de 3

1) Los diferentes tipos de errores que se pueden presentar durante el desarrollo de un

laboratorio pueden ser:


- Errores instrumentales (de aparatos); por ejemplo, el error de calibrado de los
instrumentos.
- Error personal: Este es, en general, difícil de determinar y es debido a las limitaciones
de carácter personal. Como, por ejemplo, los errores de paralaje, o los problemas de tipo
visual.
- Errores de método de medida, que corresponden a una elección inadecuada del método
de medida; lo que incluye tres posibilidades distintas: la inadecuación del aparato de
medida, del observador o del método de medida propiamente dicho.
2) Tanto la incertidumbre absoluta como la incertidumbre porcentual, indican representan
que porción del valor reportado es dudoso, la diferencia es que esta última se expresa en
valores porcentuales (es decir, la misma incertidumbre absoluta multiplicada por 100).
3) En estadística, un error sistemático es aquel que se produce de igual modo en todas
las mediciones que se realizan de una magnitud. Puede estar originado en un defecto del
instrumento, en una particularidad del operador o del proceso de medición.
4) El error aleatorio es aquel error inevitable que se produce por eventos únicos
imposibles de controlar durante el proceso de medición.
5) La media aritmética de un conjunto de datos se obtiene al sumarlos entre si y
dividiéndolos en el número de datos existentes del conjunto.
∑ 𝑛𝑖
𝑛
Ahora para calcular la desviación estándar, primero se debe calcular la media luego el
cuadrado de la distancia a la media de cada dato y realizar una sumatoria de todos los
datos obtenidos de este paso. A continuación, el valor obtenido se divide en el número de
datos que se tengan y finalmente se le saca la raíz cuadrada. La ecuación que describe
este procedimiento es la siguiente:

∑|𝑥 − 𝑥|^2

𝑛

6) Los métodos generales para la presentación de datos son:

- Presentación escrita: Esta forma de presentación de informaciones se usa cuando


una serie de datos incluye pocos valores, por lo cual resulta más apropiada la
palabra escrita como forma de escribir el comportamiento de los datos; mediante
la forma escrita, se resalta la importancia de las informaciones principales.

- Presentación tabular: Cuando los datos estadísticos se presentan a través de un


conjunto de filas y de columnas que responden a un ordenamiento lógico; es de
gran eso e importancia para el uso e importancia para el usuario ya que constituye
la forma más exacta de presentar las informaciones.
- Presentación gráfica: Proporciona al lector o usuario mayor rapidez en la
comprensión de los datos, una gráfica es una expresión artística usada para
representar un conjunto de datos.

Presentación escrita Presentación tabular Presentación gráfica


- Óptima para datos o - Presenta valores - Da a entender el
resultados carentes numéricos de forma comportamiento de
de valores más organizada y los valores
estrictamente priorizada. obtenidos con gran
numéricos. facilidad.
- Está enfocado al
- Empleado desarrollo de un - Permite dar a
usualmente en análisis cuantitativo. entender tanto el
procesos de comportamiento
carácter cualitativo. - Dependiendo de la cualitativo como
cantidad de datos cuantitativo de
- Requiere de gran obtenidos, su forma muy general.
fundamentación y extensión puede ser
detalles para muy variable pero - Brinda una visión
describir bien los concisa. muy práctica de los
datos del estudio datos obtenidos.
realizado.

7) Los fenómenos físicos se pueden representar mediante simulaciones y experimentos


cuyas condiciones sean muy parecidas con el fin de asemejarlo a la realidad partiendo de
un conocimiento base para describirlo no solo cualitativa sino cuantitativamente. Un
ejemplo muy trivial puede ser la no conservación de la energía de un péndulo simple por
fricción del aire. Con una masa y una cuerda anclada a un pivote se pueden analizar
distintos fenómenos como el torque realizado por una fuerza, pérdidas de energía, estudio
del movimiento etc.
8) Es de vital importancia recoger datos pues dichos datos son la abstracción del mundo
real. Definen el comportamiento y las características físicas de un proceso. Entre mejor
sea la toma de datos durante el desarrollo del mismo, se puede realizar un análisis más
exacto de lo que se quiere estudiar.
9) Hay diversas formas de realizar un suavizado a una gráfica de dispersión, pero todas
ellas tienen en común que se basan en los propios datos para especificar la forma que
tiene el modelo: la curva en un punto dado solo depende de las observaciones en ese
punto y de las observaciones vecinas. Estas son algunas de las técnicas de regresión no-
paramétrica existentes
1. Regresion polinomial local con pesos, lowess.
2. Kernels
3. Splines
4. Splines con penalizaciones (Psplines)
10) La comprobación de un modelo matemático consiste en proponer una ecuación que
satisfaga un fenómeno en particular y que su comportamiento se correlacione con lo que
pasa en la realidad. Al tratarse de una ecuación, se puede hablar también de una gráfica
que modela el comportamiento del proceso al encontrarse en diferentes condiciones. Un
ejemplo claro es el modelo propuesto por Newton para explicar el enfriamiento de los
cuerpos o también el crecimiento exponencial de una población bacteriana. Se propone
una ecuación que intente modelar la secuencia del fenómeno real y si es posible
anticiparse a una condición futura.

11) Hemos visto la utilidad de las versiones linealizadas de los gráficos (X, Y) junto a las
distintas maneras de llevar a cabo la linealización. A menudo nos confrontamos con
situaciones en las que existe o suponemos que existe una relación lineal entre las
variables X e Y. Surge de modo natural la pregunta: ¿cuál es la relación analítica que
mejor se ajusta a nuestros datos? El método de cuadrados mínimos es un procedimiento
general que nos permite responder esta pregunta. Cuando la relación entre las
variables X e Y es lineal, el método de ajuste por cuadrados mínimos se denomina
también método de regresión lineal. Observamos o suponemos una tendencia lineal entre
las variables y nos preguntamos sobre cuál es la mejor recta.

12) Principalmente los modelos lineales matemáticamente se caracterizan porque sus


variables son de primer orden (exponente n=1) lo que los hace modelos más “sencillos”
de trabajar numéricamente hablando y tal como lo dice su nombre, poseen un
comportamiento netamente lineal si se quiere ver desde el punto de vista gráfico. Por el
contrario los modelos no lineales son mucho más complejos, entre ellos encontramos a
los exponenciales o los logarítmicos, ciertamente muchos más difíciles de trabajar
matemáticamente además el comportamiento gráfico es completamente incierto a simple
vista, requiere de un modelado riguroso y detallado.