ERRORES MODELO MATEMÁTICO

MODELO MATEMÁTICO.- Si realizamos un gran numero de observaciones y

suponemos que solamente existen errores accidentales y representamos en el eje de
abscisas los residuos respecto a la media y en el eje de ordenadas el numero de
veces que se obtiene cada residuo obtenemos una curva denominada curva de
Gauss o campana de Gauss, que es simétrica respecto al eje de ordenadas y
asintótica respecto al eje de abscisas, y cuya expresión matemática es:
𝑝 2 2
𝑦= . 𝑒 −𝑝 𝑥
√𝜋
Siendo e la base de los logaritmos neperianos y p una constante, que se
denomina “grado de precisión”.
1
El valor de P = . 2 que se denomina Índice de precisión
𝑒𝑐
 ERRORES MODELO MATEMÁTICO

Eje x = Residuos respecto a la media

Eje y = N° de veces que se obtiene cada residuo
De la observación de la curva Gauss, se pueden obtener dos conclusiones
importantes:
• A todo error positivo le corresponde otro negativo de igual valor absoluto.
• Los errores más pequeños son los más numerosos y por lo tanto los más
probables de cometer.
El punto de inflexión de la curva de Gauss corresponde al error medio
cuadrático.
 ERRORES MODELO MATEMÁTICO

APLICACIÓN DE LA CURVA DE GAUSS PARA LA DETERMINACIÓN DE LA

PROBABILIDAD.
- Se denomina probabilidad de un suceso al cociente entre el número de casos favorables y
el número de casos posibles.
- La probabilidad de un suceso es un número comprendido entre 0 y 1. El suceso seguro o
certeza es aquél cuya probabilidad es igual a 1. --
- La probabilidad de cometer un error comprendido entre –x y +x es igual al área
limitada por la curva de Gauss, las ordenadas levantadas en –x y +x y el eje de abscisas
(número de casos favorables) dividida por el área total limitada por la curva de Gauss y
el eje de abscisas (número de casos posibles). De este modo la probabilidad de cometer
un error comprendido entre -∞ y +∞ es la unidad.

La probabilidad de que un error este comprendido entre dos valores a y b, vendrá por la
integral:
𝒑 𝒃 𝟐 𝟐
. ‫𝒆 𝒂׬‬−𝒑 𝒙 . 𝒅𝒙
√𝝅

Que presenta el área comprendida entre la curva de Gauss, las ordenadas levantadas en a y
b, y el eje de abscisas.
 ERRORES MODELO MATEMATICO

Para determinar la probabilidad sin necesidad de calcular la integral se han tabulado los
valores de la misma. Si queremos entrar en la tabla que nos da la probabilidad, es decir
el área comprendida entre el eje de ordenadas, la ordenada por la abscisa
correspondiente y la curva de Gauss, hay que tipificar la variable, para lo cual se le resta
la media aritmética y se divide por la deviación típica. De este modo conseguimos que
la media aritmética sea cero y la desviación típica la unidad. La desviación típica
coincide con el error medio cuadrático. Para tipificar una variable hace falta un mínimo
de treinta medidas.
 ERRORES MODELO MATEMATICO
• El área comprendida entre -1 y +1, es el 68.27% del
total que es igual a la unidad. El área comprendida
entre -2 y +2, y entre -3 y +3 son respectivamente el
95.45% y el 99.73% del total. Este valor, es decir el
valor de la abscisa que delimita el 99.73% de la
superficie comprendida entre la curva y el eje de la
abscisa corresponde al error máximo, que será más
utilizado en Topografía ya que nos define la tolerancia
de los errores cometidos
 Interpretación del error estándar
• El error estándar establece los límites dentro de los
cuales debe esperarse que caigan las mediciones
68.27% de las veces. En otras palabras, si se repitió 10
veces una medición, debería esperarse que
aproximadamente 7 de los resultados queden dentro
de los límites establecidos por el error estándar y 3 de
ellos caerían fuera de dichos límites. Otra
interpretación es que una medición adicional tendría
68.27% de probabilidad de caer dentro de los límites
establecidos por el error estándar. Una tercera
deducción es que el valor real o verdadero tiene
68.27% de probabilidades de caer dentro de los límites
del error estándar.
Interpretación del error estándar
E50 = 0,6745σ
E90 = 1,6449σ
E95 = 1,9599σ
El error de 50% (E50) es el llamado error
probable. Este valor establece los límites
dentro de los cuales han de caer las
mediciones 50% de las veces. En otras
palabras, una medida tendrá la misma
probabilidad de quedar dentro de estos
límites que de caer fuera de ellos.
Interpretación del error estándar
 Interpretación del error estándar
• Errores de 50, 90 y 95%
Se puede determinar la probabilidad de un error
de cualquier porcentaje de probabilidad
mediante la siguiente ecuación general.
Ep=Cpσ
En la cual Ep es el porcentaje de error y Cp es
un factor numérico.
 ERRORES MODELO MATEMATICO
Ejemplo
• Supóngase que se ha medido 10 veces una
línea, con los resultados a continuación. Se
supone que estas mediciones ya se han
corregido por todos los errores sistemáticos.
ERRORES MODELO MATEMATICO
Ejemplo
 ERRORES MODELO MATEMATICO
Ejemplo
Pueden deducirse las siguientes conclusiones:
1. La longitud más probable es 1000,45 m.
2. El error estándar de una sola medida es ±0,08 m.
3. La expectativa normal es que 68% de las veces, una longitud
registrada estaría comprendida entre 1000,37 y 1000,53 m; es
decir, que aproximadamente siete de los valores estarían
comprendidos dentro de estos límites. (Realmente siete lo están.)
4. El error probable (E50) es ±0,05 m. Por tanto, puede anticiparse
que la mitad, o sea cinco, de las medidas caerán dentro del
intervalo 1000,40 a 1000,50. (Cuatro valores quedan ahí).
5. 90% de las veces una longitud medida no contendrá un error
mayor de ±0,13 m, y su valor estaría dentro del intervalo de
1000,32 y 1000,58
 ERRORES MODELO MATEMATICO
Ejemplo
• . El error de 95% sería ±0,15, y la longitud
estaría comprendida entre 1000,30 y 1000,60
en el 95% de las veces. (Nótese que todas las
medidas están, por cierto, dentro de los
límites de ambos errores, el de 90% y el de
95%.
 ERRORES MODELO MATEMATICO.-
EJEMPLO
• Se ha medido un ángulo con un teodolito sexagesimal y se han realizado treinta y
seis medidas, cuyos resultados son los siguientes:
123º 42' 6.11'' 123º 42' 5.14'' 123º 42' 5.14'' 123º 42' 11.78''
123º 42' 8.28'' 123º 42' 8.28'' 123º 42' 6.11'' 123º 42' 7.21''
123º 42' 6.11'' 123º 42' 8.28'' 123º 42' 6.47'' 123º 42' 6.47''
123º 42' 6.47'' 123º 42' 6.47'' 123º 42' 7.21'' 123º 42' 5.14''
123º 42' 6.47'' 123º 42' 6.47'' 123º 42' 5.14'' 123º 42' 6.47''
123º 42' 6.47'' 123º 42' 6.47'' 123º 42' 6.47'' 123º 42' 6.47''
123º 42' 6.47'' 123º 42' 6.47'' 123º 42' 8.28'' 123º 42' 6.11''
123º 42' 8.28'' 123º 42' 6.47'' 123º 42' 8.28'' 123º 42' 8.28''
123º 42' 8.28'' 123º 42' 6.47'' 123º 42' 5.14'' 123º 42' 6.47''

1. Determinar la probabilidad de que un nuevo valor que obtuviéramos en las

mismas condiciones estuviera comprendido entre 123º42’5.23’’ y 123º42’11.78’’

2. Determinar la probabilidad de que un nuevo valor que obtuviéramos en las

mismas condiciones fuera inferior a 123º42’1.80’’

3. Determinar la probabilidad de que un nuevo valor que obtuviéramos en las

mismas condiciones fuera superior a 123º42’8.99’’
 ERRORES MODELO MATEMATICO.- EJEMPLO

• SOLUCION
• En primer lugar calculamos la media aritmética y la desviación típica para
poder tipificar la variable y de esta forma utilizar la tabla que nos da los
valores de la probabilidad.
• Media = M = 123º42’6.83’’ = 123.7019º
σ 𝜀𝑖 2
Desviacion Tipica 𝜎=
𝑛−1
Medidas Medidas Frecuencia 𝜀𝑖 𝜀𝑖 2
123º 42 6.11'' 123.7017º 4 0.00020º 1.620E-07
123º 42' 8.28'' 123.7023º 8 -0.00040º 1.291E-06
123º 42' 6.47'' 123.7018º 16 0.00010º 1.673E-07
123º 42' 5.14'' 123.7014º 5 0.00047º 1.110E-06
123º 42' 7.21'' 123.7020º 2 -0.00010º 2.195E-08
11.78'
123º 42' 123.7033º 1 -0.00137º
' 1.887E-06
4.640E-06
 ERRORES MODELO MATEMATICO.- EJEMPLO

4.640E−06
• 𝜎= = 0.0004 (1.310=0.0004)
35
• Primera pregunta
𝑥−𝑀 123°42’5.23’’−123°42’6.83’’
• 𝑍𝑎 = = = −1.220
𝜎 0.0004
• Encontrando con este valor en la tabla obtenemos una
probabilidad de 0.3888
𝑥−𝑀 123°42’11.78’’−123°42’6.83’’
• 𝑍𝑏 = = = 3.773
𝜎 0.0004
• El máximo valor de la probabilidad que nos da la tabla
es para 3.49 que le corresponde 0.4998 luego a 3.773
le asignamos 0.4999
 ERRORES MERRORES MODELO MATEMATICO.- EJEMPLO
• Gráficamente tendremos:

-1.22 3.773

• Luego la probabilidad de que un nuevo valor este comprendido en el intervalo

definido será de:
• 0.3888 + 0.4999 = 0.89  𝑷𝒓 = 𝟖𝟗%
 ERRORES MODELO MATEMATICO.- EJEMPLO

Segunda pregunta

𝑥−𝑀 123°42’1.80’’−123°42’6.83’’
• 𝑍𝑐 = = = −3.840
𝜎 0.0004
• El máximo valor de la probabilidad que nos da
la tabla es para -3.49 que le corresponde
0.4998 luego a -3.840 le asignamos 0.4999
• Gráficamente tendríamos:
 ERRORES MODELO MATEMATICO.- EJEMPLO

0.4999

-3.840

• La probabilidad de que un nuevo valor sea inferior 123º42’1.80’’ vendrá dada por el área
limitada por las ordenadas levantadas en -3.840 y en -∞, la curva de Gauss y el eje de
abscisas, es decir:
• 0.5 – 0.4999 = 0.0001
• 𝑃𝑟 = 0.01%
 ERRORES MODELO MATEMATICO.- EJEMPLO

• Tercera pregunta
𝑥−𝑀 123°42’8.99’’−123°42’6.83’’
• 𝑍𝑑 = = = 1.647
𝜎 0.0004
• Entrando con este valor en la tabla obtenemos
una probabilidad de 0.4505
• Gráficamente tendríamos:
 ERRORES MODELO MATEMATICO.- EJEMPLO

0.4505

1.647

• La probabilidad de que un nuevo valor sea superior a 123º42’8.99’’

vendrá dada por el área limitada por las ordenadas levantadas en
1.647 y en +∞, la curva de Gauss y el eje de abscisas, es decir:
• 0.5 – 0.4505 = 0.0495
• 𝑃𝑟 = 4.95%
 ERRORES MODELO MATEMATICO

RELACIÓN ENTRE LOS ERRORES DEFINIDOS.

- Si realizamos un número suficiente elevado de medidas de una magnitud, se pueden
establecer las relaciones siguientes entre el error máximo

𝑒𝑚 ≈ 2,5𝑒𝑐 ≈ 3𝑒𝑎 ≈ 4𝑒𝑝

Donde:
𝑒𝑚 = Error máximo
𝑒𝑐 = Error medio cuadrático
𝑒𝑎 = Error medio aritmético
𝑒𝑝 = Error probable
 TRANSMICION DE ERRORES

• 1. Error de una suma.- Supongamos que para medir una magnitud efectuando n
mediciones elementales afectadas de un cierto error.
•
• Se cumplirá que:
• 𝑀 =𝐴+𝐵+𝐶+⋯
• Siendo
• 𝐴 = 𝑎 ± 𝑒1
• 𝐵 = 𝑏 ± 𝑒2
• 𝐶 = 𝑐 ± 𝑒3
• ⋮
• El error de la suma será:
• 𝑒𝑠 2 = 𝑒1 2 ± 𝑒2 2 ± 𝑒3 2 ± ⋯ ± 𝑒𝑛 2
• Evaluando el cuadrado y sumando tendremos
• 𝑒𝑠 2 = 𝑒1 2 + 𝑒2 2 + 𝑒3 2 + ⋯ + 𝑒𝑛 2 ± 2𝑒1 𝑒2 ± 2𝑒1 𝑒3 ± ⋯ = σ 𝑒𝑖 2 ± 2 σ 𝑒𝑖 𝑒𝑗
• Si el número de mediciones es suficiente elevado podemos considerar que σ 𝑒𝑖 𝑒𝑗 tiende a
anularse, y por tanto nos quedara
• 𝑒𝑠 2 = σ 𝑒𝑖 2 ; 𝑒𝑠 = σ 𝑒𝑖 2 = ± 𝑒1 2 ± 𝑒2 2 ± 𝑒3 2 ± ⋯ ± 𝑒𝑛 2
 TRANSMICION DE ERRORES

• Una aplicación de la expresión anterior es el cálculo del error accidental

de un teodolito. Como sabemos el error accidental en le medida de
ángulos horizontales es producido por el error de verticalidad del eje
principal (𝑒𝑣𝑎 ), el error de puntería (𝑒𝑝𝑎 ), el error de dirección (𝑒𝑑 ), y el
error de lectura (𝑒𝑙 ). Luego el error total vendrá dado por

• 𝑒𝑇 = ± 𝑒𝑣𝑎 2 + 𝑒𝑝𝑎 2 + 𝑒𝑑 2 + 𝑒𝑙 2
• En el caso de que todos los errores sean iguales, el error de la suma tendrá
la expresión siguiente
• 𝑒𝑠 = ± 𝑒 2 + 𝑒 2 + ⋯ + 𝑒 2 = ± 𝑛𝑒 2 = ±𝑒 𝑛
• Y se puede afirmar que el error de una suma crece con la raíz cuadrada del
número de sumandos.
• Supongamos que estamos midiendo una distancia de 1000m con una cinta
de 25m, y que el error de una observación aislada es de 3cm. El error total
será:
• 𝑒𝑠 = 3𝑐𝑚 40 ≈ 19𝑐𝑚
 TRANSMICION DE ERRORES

• 2. Error de una diferencia.- Medir una magnitud con 2 mediciones

elementales afectadas de un cierto error.

• Se cumplirá que:
• 𝑀 = 𝐴−𝐵…
• Siendo
• 𝐴 = 𝑎 ± 𝑒1
• 𝐵 = 𝑏 ± 𝑒2
• 𝑀 = 𝐴 − 𝐵 = 𝑎 − 𝑏 ± 𝑒1 2 ± 𝑒2 2
 TRANSMICION DE ERRORES

3. Error de un producto
U = es una función DE LAS MAGNITUDES MEDIDAS x, y, z,….n; y los errores
probables de esas magnitudes son Δx, Δy, Δz,… Δn

2 2 2 2
𝜕𝑈 𝜕𝑈 𝜕𝑈 𝜕𝑈
∆𝑈 = ∆𝑥 + ∆𝑦 + ∆𝑧 + ⋯+ ∆𝑛
𝜕𝑥 𝜕𝑦 𝜕𝑧 𝜕𝑛
Ejemplo: Calcular la superficie de un terreno que tiene las siguientes medidas A= 50.00
± 0.01,B=100 ±0.02.
El área del terreno será el producto de S = A x B ;
𝜕𝑆 𝜕𝑆 𝜕𝑆 2 𝜕𝑆 2
=b; =a ∆𝑆 = ∆𝑎 + ∆𝑏 =
𝜕𝑎 𝜕𝑏 𝜕𝑎 𝜕𝑏

= 50x0.02 2 + 100 x 0.01 2 = ± 1.41

Superficie = 50.00 x100.00 +1.41 = 5 000 ± 1.41
 TRANSMISION DE ERRORES

Ejemplo:
Se va ha calcular el desnivel h entre los extremos de un lado de poligonal, a partir de la
distancia inclinada medida L = 255, 209 ±0.03m; y el ángulo vertical a = 3º 20´ ± 30´´,
calcular el error probable de la altura y el valor mas probable de la altura.
 TRANSMISION DE ERRORES

• Error de una medida aritmética.-

Supongamos que realizamos varias mediciones 𝑀1 , 𝑀2 … 𝑀𝑛 de una magnitud
M, el valor de la medida aritmética será.
𝑀 +𝑀 +⋯+ 𝑀
𝑀= 1 2 𝑛
n
En el numerador tendremos una serie de medidas 𝑀1 , 𝑀2 … 𝑀𝑛 , y si
suponemos que están todas afectadas del mismo error, es decir, que sean de
igual precisión, nos encontramos en el mismo caso anterior en que
deducimos el error de una suma. Por lo tanto, aplicando la misma fórmula
podemos determinar el error de la media aritmética.
e n e
𝑒𝑀 = ± = ±
n n

El error de la media aritmética es inversamente proporcional a la

raíz cuadrada del número de medidas efectuadas. Por lo tanto, teóricamente
podemos aproximarnos cuanto deseemos al valor exacto de la magnitud
medida sin más que aumentar indefinidamente el número de observaciones.
OBSERVACIONES DE DIFERENTE PRECISION

• MEDIA PONDERADA Y PESO.-

Si medimos una magnitud M varias veces
empleando instrumentos diferentes o métodos
de distinta precisión, y obtenemos una serie de
valores 𝑀1 , 𝑀2 , 𝑀3 de la magnitud medida, el
valor más probable de la misma no vendrá
dado por la media aritmética
𝑀1 + 𝑀2 + 𝑀3
3
sino por la media ponderada
 TRANSMISION DE ERRORES

𝑀1 𝑃1 + 𝑀2 𝑃2 + 𝑀3 𝑃3
𝑃1 + 𝑃2 + 𝑃3
𝑃1 , 𝑃2 𝑦 𝑃3 representan los pesos de cada medida y su valor es
igual a la inversa del cuadrado del error medio cuadrático de la
media.
El error medio cuadrático de la media ponderada viene dado
por la expresión:
σ(𝑃𝑒 2 )
𝑒𝑀𝑝 = σ 𝑃(𝑛−1)
Siendo P los pesos, e la diferencia entre la
media ponderada y la media aritmética y n el
número de métodos o instrumentos utilizados.
.
 OBSERVACIONES DE DIFERENTE PRECISION

• Cuando no se conoce el número de observaciones pero si el error probable de

cada medición, se puede deducir el peso, sabiendo de que los pesos son
inversamente proporcionales al cuadrado de los correspondientes errores
probables, llamando W al peso y E al error probable podemos tener la
siguiente relación.
𝑊1 𝐸2 2
𝑊2
= 𝐸1 2
• Para cualquier número de mediciones podemos escribir
𝑊1 𝐸1 2 = 𝑊2 𝐸2 2 = 𝑊3 𝐸3 2 = …………
• Ejemplo: Se midió una línea en dos días distintos, las mediciones del primer día fue
389.706 ± 0.0004. El segundo día las longitudes medidas fueron 389.702±0.007m. Cual
es la longitud media ponderada de la línea.
𝑊1 𝐸2 2 𝑊1 72 389.706 16+ 389.702 49
• 𝑊2
= 𝐸1 2
; 𝑊2
= 42
;M = 49+16
= 389.70292

•
 OBSERVACIONES DE DIFERENTE PRECISION
Ejemplo: Se ha medido una longitud por cuatro brigadas diferentes obteniéndose los siguientes
resultados con sus errores probables., hallar el valor más probable de la magnitud medida:

BRIGADA LONG. MEDIDA

A 127.612 ± 0.006
B 27.615 ± 0.012
C 127.610 ± 0.018
D 127.618 ± 0.024
BRIGADA LONG. MEDIDA PESO MEDIDA PONDERADA
A 127.612 ± 0.006 1 127.612
B 27.615 ± 0.012 1 Τ4 31.904
C 127.610 ± 0.018 1 Τ9 14.179
D 127.618 ± 0.024 1Τ16 7.976
205Τ144 181.671

Para obtener la tercera columna (pesos)

𝑊𝐴 x 62 = 𝑊𝐵 x 122 = 𝑊𝐶 x 182 = 𝑊𝐶 x 242

36𝑊𝐴 = 144𝑊𝐵 = 324𝑊𝐶 = 576𝑊𝐷 𝑊𝐴 = 4𝑊𝐵 = 9𝑊𝐶 = 16𝑊𝐷
Si 𝑊𝐴 = 1𝑊𝐵 = 1Τ4 𝑊𝐶 = 1Τ9 𝑊𝐷 = 1Τ16

127.612+ 31.904 + 14.179 + 7.976

MEDIA PONDERADA = ----------------------------------------------- = 127.613
1 + 1Τ4 + 1/9 + 1/16
OBSERVACIONES DE DIFERENTE PRECISION
• Cuando la suma de varios valores observados, de diferente peso, ha
de ser igual a un valor conocido, medio o dado, los valores más
probables son los observados, corregidos en una parte adecuada de
la discrepancia o error total y entonces se dice que las correcciones
que hay que aplicar son inversamente proporcionales a los pesos,
es decir
𝐶1 𝑊2
=
𝐶2 𝑊2
• En donde C es la corrección que debe aplicarse al valor observado
de una cantidad para obtener el valor más probable.

Para un número cualquiera de cantidades la formula anterior se puede

expresar así:
• 𝐶1 𝑊1 = 𝐶2 𝑊2 = 𝐶3 𝑊3 = …………
OBSERVACIONES DE DIFERENTE PRECISION
• Ejemplo: Desde un punto 0 se han medido los ángulos A0B, B0C y el
ángulo total A0C, con los pesos 1, 2, 6 respectivamente encontrar los
valores mas probables de los ángulos.

• ÁNGULOS MEDIDA PESO ABSOLUT

• A0B 43° 12’ 18” 1
• B0C 26° 53’ 12” 2
• A0C 70° 07’ 15” 6

• Discrepancia 15” 5 Τ3
• X + 1Τ2 X + 1Τ6 X = 15 X = 3Τ5 x 15

• Luego las correcciones serán

• A0B = 43° 12’ 18” – 9” = 43° 12’ 09”
• B0C = 26° 53’ 12” – 4” = 26° 53’ 08”
• A0C = 70° 07’ 15” + 2 = 70° 05’ 17”
• S = 70° 05’ 17”
OBSERVACIONES DE DIFERENTE PRECISION
• Discrepancia 15”
• X + 1Τ2 X + 1Τ6 X = 15
• ÁNGULOS MEDIDA PESO ABSOLUT
• A0B 43° 12’ 18” 1
• B0C 26° 53’ 12” 2
• A0C 70° 07’ 15” 6
• Discrepancia 15” 5Τ3
• X + 1Τ2 X + 1Τ6 X = 15 X = 3Τ5 x 15
• Correcciones 15´´ 5/3
• x 3/3 x = 9´´
• x 1/ 2 x = 4.5´´
• x 1/6 x = 1.5´´
• Luego las correcciones serán
• A0B = 43° 12’ 18” – 9” = 43° 12’ 09”
• B0C = 26° 53’ 12” – 4” = 26° 53’ 08”
• A0C = 70° 07’ 15” + 2 = 70° 05’ 17”
• S = 70° 05’ 17”
OBSERVACIONES DE DIFERENTE PRECISION
• Por ser las correcciones inversamente proporcionales a los
pesos y ser estos inversamente proporcionales a los
cuadrados de los errores probables resulta que las
correcciones son directamente proporcionales a los
cuadrados de los errores probables
𝐶1 𝐶2 𝐶3
= 2= 2=…
𝐸1 2 𝐸2 𝐸3
• Ejemplo: Se han medido los 3 ángulos de un triángulo cuyos datos son
• A 49° 51’ 05” ± 01”
• B 60° 32’ 00” ± 02”
• C 69° 36’ 27” ± 03”
• Hallar los valores más probables de los ángulos
 OBSERVACIONES DE DIFERENTE PRECISION

• La suma da 179° 59’ 32” es decir hay un error de 28”

• E 𝑬𝟐 CORRECCIÓN ANGULOS CORREGIDOS

• A – 1” 1 1Τ14 x 28 = 2” 49° 51’ 05” + 2” = 49° 51’ 07”
• B – 2” 4 4Τ14 x 28 = 8” 60° 32’ 00” + 8” = 60° 32’ 08”

• C – 3” 9 9Τ14 x 28 = 18” 69° 36’ 27” + 18” = 69° 36’ 45”

• 14 180° 00’ 00”

•