UTC Física 1030L: Procesamiento de Datos

Fundamentos de datos, gráfica y análisis de errores

1. medición de datos y cifras significativas

Cada vez que se toma una medición, hay limitaciones en los datos y lo bien que podemos medir un valor específico para una
cantidad. El número de cifras significativas en un valor informado es lo que determina qué tan bien se puede hacer la medición. Para un
instrumento analógico, las cifras significativas en la medición experimental incluyen todos los números que pueden ser leídos directamente
de la escala del instrumento más uno número estimado adicional. Para un instrumento digital, las cifras significativas en la medición
experimental incluyen todos los números que pueden ser leídos directamente de la escala. Escribir el número en notación científica
muestra explícitamente todas las figuras importantes en su medición. Este procedimiento es útil en la expresión de las cifras significativas
en muy grandes (y un número muy pequeño).

Los dígitos se normalmente cuentan como significativo si no son cero. Reglas generales de ceros son: si un
trailing se informa de cero a la derecha de la coma decimal, el cero es significativo. Líder ceros no son significativos. Si un cero al
final está a la izquierda del punto decimal, no es significativo.
Ejemplos:
El número 3.564.000 y 0,0001230 cada uno tiene cuatro cifras significativas. Estos se expresan
fácilmente en notación científica: 3,564 x 10 6 y 1,230 x 10- 4.

Multiplicación y división: En la multiplicación o división de dos o más mediciones, el número de cifras significativas en la
respuesta final es igual a la menor número de cifras significativas en las mediciones.

Ejemplos: 1. v = re = 2345.2 m = 451,0 m / s. El resultado sería reportado como 4,5 x 10 2 Sra

t 5.2 s
2. d = vt = (20,5 m / s) x (30,52 s) = 625,66 m. El resultado es: 6,26 x 10 2 metro.

Adición y sustracción: En adición y sustracción, el número de cifras significativas en la respuesta final depende del número
de cifras decimales en las mediciones. No hay más números que los decimales menor cantidad se deben conservar.

Ejemplos: ( 123,56 m) + (12,351 m) = 135.911 m. El resultado es: 135,91 m. (123,56 m) - (12,3

m) = 111,26 m. El resultado es 111,3 m.

En experimentos más complejos o cálculos en que intervengan varios pasos, el resultado más preciso se obtiene manteniendo
todos los dígitos en todo el cálculo sin tener en cuenta cifras significativas. El resultado final debe ser comunicado al número
correcto de dígitos significativos basados ​en la medición original de datos. Por lo tanto, la regla más general para determinar el
número de cifras significativas que su resultado deben tener es determinar cuántas cifras significativas tuvo su medición
inicial, e informar el resultado final para el mismo número de cifras significativas.

2. Gráficos

Los gráficos proporcionan una representación visual de los datos y proporcionan una forma más rápida de comunicación que las tablas de datos.
Los gráficos se pueden utilizar también como una herramienta analítica para determinar el valor de alguna cantidad que significa una relación entre las
variables.
La variable independiente (la variable que va a cambiar en el experimento) se traza en el eje x horizontal o. La variable
dependiente (la variable que se está midiendo y que los cambios en respuesta a la manipulación de la variable independiente)
debe ser trazada en el eje y vertical u. La escala del gráfico debería ser elegido de modo que los datos ocupa la mayor cantidad de
espacio disponible como

1
 UTC Física 1030L: Procesamiento de Datos

posible - esto permite la determinación visual precisa de cantidades a partir de la gráfica. La escala en cada eje debe ser dividido en partes
iguales, pero las escalas de ambos ejes no tienen que ser del mismo tamaño y en algunos casos no tiene que empezar de cero.

Lo siguiente debe ser incluido con cada gráfico significativa: (1) Un auto-explicativo título .
Este debe ser en forma de “(la variable dependiente) como una función de (la variable independiente)” o “(cantidad en el eje y) frente a
(cantidad en el eje x)” o “La dependencia de ( la variable dependiente) en (la variable independiente)”. (2) Descripción de los ejes con las
unidades . Si bien la variable O la unidad no está presente, la gráfica no tiene sentido.

Para la interpretación de datos precisos, una línea de mejor ajuste (con una ecuación apropiada que describe)
necesita ser dibujado en el gráfico. Es incorrecto para conectar los puntos de datos con segmentos de línea recta. Esto implica una relación
matemática directa entre los puntos, y no tiene en cuenta el error de medición. La línea de mejor ajuste debe pasar tan cerca de tantos puntos
como sea posible, pero no es necesario pasar a través de todos ellos. Muchas funciones matemáticas se pueden utilizar como un mejor
ajuste; los más comunes son ajustes lineales y ajustes exponenciales. Al elegir el tipo de ecuación para adaptarse, se tiene que seguir la
teoría de la relación entre las variables independientes y dependientes. Ajustando los datos a un polinomio si la teoría muestra una relación
exponencial sería incorrecto. Debe elegir la ecuación con el menor número de variables que se ajusta a los datos. A veces es posible ajustar
los datos experimentales a una ecuación compleja, donde el ajuste es muy bueno, pero los términos adicionales en la ecuación debe tener un
significado físico. Cuando se utiliza un programa de ordenador para determinar una ecuación de mejor ajuste para los datos, siempre dar una
estimación de la bondad de ajuste para la ecuación (ejemplo, R 2 o MSE).

Ejemplo de un buen gráfico:

Digamos que estamos haciendo un experimento para determinar el volumen de expansión térmica de etanol. En este experimento,
tenemos un volumen inicial de etanol (100 cm 3) a una temperatura de 10 grados Celsius. Elevamos la temperatura a valores diferentes, midiendo
el cambio en el volumen de etanol (variable dependiente) en función de la temperatura (variable independiente). Un buen gráfico de los datos
experimentales, que es bien espaciados, tiene un título, etiquetas de los ejes con las unidades, y una línea de mejor ajuste con la ecuación y
bondad de ajuste se vería así:

2
 UTC Física 1030L: Procesamiento de Datos

Análisis 3. Error

A. Tipos de Errores
Los errores y sus fuentes son una parte muy importante de cada experimento científico, ya que indican cómo ciertos estás
en la precisión de su resultado final presentado. En la discusión de los resultados, siempre se debe analizar sus errores y las posibles
fuentes. Hay tres tipos de errores que pueden ocurrir dentro del experimento: incertidumbre de la medición, el error aleatorio, y el
error sistemático. los errores son errores personales por parte del experimentador. Es su responsabilidad asegurarse de que no hay
errores en el registro de datos o la realización de cálculos.

1. Incertidumbre de medida: la precisión con el valor puede medirse con una herramienta de medición dado. para analógica herramientas
de medición de la incertidumbre es de ± 0,5 de la división más pequeña; para la televisión digital dispositivos de la incertidumbre es uno de los más
pequeños lugar dado. Este tipo de error debe ser registrada para todas las mediciones, ya que será importante a la determinación de error en el
resultado final.
Ejemplo: Para una regla o meterstick (dispositivo analógico), la incertidumbre estadística es la mitad de la división más
pequeña en la regla. Por lo tanto, si una regla está marcado al milímetro más cercano, y se mide un valor de 46,2 mm, la medición se
registraría como 46,2 ± 0,5 mm.

2. Los errores aleatorios son también conocido como incertidumbres estadísticas, y son una serie de eventos pequeños,
desconocidos, e incontrolables, tales como una fluctuación en la temperatura o la tensión de la toma de pared. Este es el “ruido” en un
experimento. Ellos entran en juego cuando hay múltiples mediciones de la serie de eventos aleatorios. Para estimar el resultado, hay que
encontrar promedio y desviación estándar (véase más adelante). Tomando múltiples mediciones del mismo punto de datos reduce el error
aleatorio asociado con una cantidad. Esto también se conoce como el aumento de la relación señal a ruido.

3. Los errores sistemáticos tenderá a disminuir o aumentar todas las mediciones de una cantidad, (por ejemplo, todas las mediciones
son demasiado grandes). Un ejemplo de un error sistemático podría ser si un instrumento no está calibrado correctamente. Un error sistemático
también podría ocurrir si, por ejemplo, en un experimento para determinar la distancia focal de una lente, una imagen estaba fuera de foco durante
cada medición debido a la visión imperfecta del experimentador. Los errores sistemáticos son a menudo los errores más difíciles de identificar, pero
conjeturas razonables se pueden hacer.

Todos los tipos de errores implican precisión y

exactitud. Precisión y exactitud en consecuencia no son los mismos.

Precisión es una medida de la proximidad de las determinaciones

separadas de un valor. Exactitud
se refiere a qué tan cerca de la media de las determinaciones
es el valor aceptado. Un resultado puede ser tanto exacta y
precisa, exacta ni precisa, exacta, pero no precisa, o precisa,
pero no precisa. Alta precisión no implica una alta precisión. La
falta de precisión, pero una buena precisión implica error
sistemático, y la falta de precisión, pero buena precisión implica
el error aleatorio.

3
 UTC Física 1030L: Procesamiento de Datos

Ejemplo: Teniendo en cuenta que la distancia aceptada de Chattanooga a Knoxville = 125 millas, pero los valores de 151, 152,
148, y 149 millas se determinó experimentalmente. El valor promedio es de 150 millas. Se trata de un valor preciso (no hay mucho
repartidas en las determinaciones), pero no es exacta (hay una gran desviación entre el valor aceptado). La pequeña precisión implica
error aleatorio pequeño, pero la imprecisión implica algún tipo de error sistemático.

B. Medidas estándar de error

Hay varias formas de medir cuantitativamente la exactitud y la precisión del resultado. desviación absoluta y la desviación
porcentaje relativo tanto medir la precisión de un resultado, pero sólo se pueden utilizar cuando se conoce el valor aceptado. La
desviación estándar mide la precisión del resultado y se pueden utilizar para describir la precisión de sus datos cuando no se
conoce el valor aceptado de una cantidad medida. Es un valor estadístico ampliamente utilizado.

1. Desviación Absoluta es simplemente la diferencia entre un valor determinado experimentalmente y el valor aceptado.
Utilizando el ejemplo anterior, la desviación absoluta de la distancia determinada experimentalmente de Chattanooga a Knoxville
es:
- 150=millas 25 125

La desviación absoluta es una medida de la precisión de su determinación, y no el error en sí mismo. Sería incorrecto
reportar el valor como 150 ± 25 millas.

2. relativa% Desviación es un valor más significativo que la desviación absoluta porque da cuenta de la relativo tamaño del
error. La desviación porcentaje relativo está dada por la desviación absoluta dividida por el valor aceptado, a continuación, multiplicado
por 100%. Por lo tanto, la desviación relativa% en el ejemplo anterior es:

150 125
×-
20% 100= 125 %

El porcentaje de desviación no es el error en la medición; por lo tanto, no sería correcto para informar su resultado como 150 millas ±
20%. La forma correcta de utilizar esta estadística sería informar: La distancia de Chattanooga a Knoxville se determinó que era de 150
millas. Esto representa una desviación del 20% desde el valor aceptado para esa distancia.

3. Desviación Estándar es un resultado válido para el error, y le dice acerca de la precisión de su experimento. Para un gran
conjunto de datos con una distribución normal, 66% de los datos cae dentro de una desviación estándar del valor medio; 95% de los datos cae
dentro de dos desviaciones estándar. La desviación estándar se encuentra en la siguiente manera. En primer lugar, el valor promedio se
encuentra sumando y dividiendo por el número de determinaciones. A continuación, los residuos se encuentran por encontrar el valor absoluto
de la diferencia entre cada determinación y el valor medio. En tercer lugar, los residuales al cuadrado y sumar ellos. Por último, dividir el
resultado por el número de determinaciones menos uno y tomar la raíz cuadrada. La expresión matemática para la media de una serie de
determinaciones es:

norte

Σ yo
1
norte
2

NΣ
yo=
=1 y la expresión de la desviación estándar es de σ = - - xx
xx yo
N 1( ) yo= 1

calculadoras y programas de software que muchos tienen esta función; siguiente es el método de cálculo utilizado.

4
 UTC Física 1030L: Procesamiento de Datos

Desde el ejemplo encima:

Valores Derechos residuales de autor Derechos residuales de autor 2

148 = | 148-150 | = 2 = 22= 4
149 = | 149-150 | = 1 = 12= 1
151 = | 151-150 | = 1 = 12= 1
152 = | 152-150 | = 2 = 22= 4

Media = 150 Sum = 4 + 1 + 1 + 4 = 10

Por lo que la desviación estándar = 1. 82

4- (10
) 1=

Por lo tanto, el resultado sería reportado como 150 ± 2 millas.

C. propagación de errores
Hemos discutido informar de un valor de error para una medición directa, pero no hemos hablado de cómo los errores en cada
medición se propagan a través de un cálculo para producir un error en el resultado.

Adición y sustracción: Para una adición simple, (C = A + B), entonces el error en A,? A, y el error en
B,? B, simplemente añadir a dar un error en C,? C.
? C =? A +? B.
Para el caso de sustracción de C = A - B, la regla anterior todavía sería cierto. Los errores siempre añadir. Multiplicación y división: Siempre

tenga en cuenta que errores relativos agregan . Un error absoluto en el resultado, C, es la incertidumbre, (es decir, ± Δ C), donde

utilizamos Δ para denotar un error absoluto. El error relativo, denotado por δ, es el error absoluto dividido por el valor, (? C / C) =? C. La

regla tanto para la multiplicación y la división es:

δ C = δ A + δ segundo

Ejemplo: Los lados A y B de un rectángulo se miden: a = 5,4 ± 0,05 cm, B = 7,8 ± 0,05 cm.
El área del rectángulo sería: C = A * B = 42.12 cm 2.
El error relativo en la zona sería la siguiente: δ C = δ A + δ B =
Δ do = Δ UN + Δ segundo = 0.05 + 0.05 = 0,0157
CAB 5.4 7.8

Así el error absoluto para C,? C = C * (? C) = 42,12 * 0,0157 = 0,6613 El error debe ser
redondeado a 1 dígito significativo, por lo Δ C = 0,7 cm 2.
Entonces redondear el resultado al mismo lugar decimal: C = 42,1 cm 2

El resultado se comunicará como: el área del rectángulo es 42,1 ± 0,7 cm 2

Error de propagación para las funciones más complejas que suma / resta y multiplicación / división está más allá del alcance de este
curso.