I.

MÉTODO CIENTÍFICO

Definir el problema a) Realizar una revisión => Bases para proponer el modelo que
(determinar los bibliográfica acerca del soluciona el problema.
objetivos del modelo problema.
para saber como b) Proponer un modelo que
alcanzar- los). solucione el problema => Intervalo en el que se realizarán las
(Hipótesis) mediciones y en consecuencia elección
b) Determinar las limitaciones del equipo de medición.
del modelo.
c) Determinar la región de
validez del modelo
d) Determinar con que equipo
se cuenta
Diseño del a)Analizar el equipo => Determinar si el equipo cumple los
experimento b) Acoplar los componentes. requerimientos (alcance, sensibilidad,
(planeación del c) Realizar un experimento de incertidumbre, etc)
trabajo desde saber prueba. => Armar el equipo, revisando el buen
cuales son los d) Interpretación tentativa. funcionamiento de cada componente.
componentes del e)Realizar el experimento => Determinar el funcionamiento del
experimento hasta la final. conjunto, posibles errores, fuentes de
obtención de los incertidumbre
datos =>Modificación, en caso necesario, del
experimentales) modelo o del método.
=>Obtención de los datos, recopilación
en tablas considerando: valores,
unidades, incertidumbre y posibles
cálculos.

Interpretación de a) Graficar los datos. => Selección adecuada, de acuerdo con

resultados.
b) Analizar las graficas
c) Contrastar los resultados
predichos por el modelo con
los resultados experimentales.
Presentación y a) Preparar un informe claro y
conciso
conclusiones.
el modelo, de las variables a graficar.
=> Utilizar alguna técnica para establecer
la relación entre las variables graficadas.
=> Determinar la validez del modelo,
realizar los cambios necesarios en el
modelo, que permitan explicar los
resultados experimentales. En caso
necesario repetir el proceso
=> Destacando: Planteamiento del
problema, modelo propuesto, descripción
del experimento, datos y análisis de
datos, conclusiones; bibliografía.
Pasos del método experimental
En términos generales, suele decirse que son siete:
1. Delimitar y simplificar el objeto de la investigación o problema.
2. Plantear una hipótesis de trabajo. Una hipótesis es una suposición comprobable basada en información
disponible.
Elaborar un diseño experimental. Un diseño es el plan o la descripción de los pasos a realizar. Tal descripción
puede hacerse con dibujos y con palabras.
3. Realizar la investigación. Una investigación debe ser rigurosa en tanto que se lleve a cabo solicita, escrupulosa,
pulcra, detallada, cuidadosa, y prolijamente.
4. Analizar los resultados.
5. Obtener conclusiones.
6. Elaborar un informe escrito.

COMENTARIOS ACERCA DE LA BASE AXIOMÁTICA DE LA CIENCIA MODERNA

La ciencia moderna no acepta axiomas ni verdades absolutas apriorísticas Acepta, sin embargo un número
importante de postulados, no definidos a la manera de Euclides, como verdades necesarias aunque no obvias.
Estos postulados son definidos como principios sugeridos por la experiencia y aceptados, sin prueba previa, para
ser desechados si la experiencia ulterior estuviera en desacuerdo con ellos. Aunque la mayor parte de estos
postulados no son formulados explícitamente en las monografías o tratados científicos, un análisis cuidadoso
revela su existencia implícita en ellos. La necesidad de adoptar algunos principios básicos para orientar la
investigación científica, aparece desde las épocas tempranas de la ciencia moderna. Los cuatro postulados,
formulados por Descartes en su Discurso sobre el método, aun cuando no constituyen una lista completa siguen
siendo importantes y, en gran parte, aplicables. Estos postulados son:

1. No aceptar nada que no constituya un conocimiento claramente verificable.

2. Dividir cada problema en partes.
3. Proceder de lo sencillo a lo complejo.
4. Aspirar a ser tan Completos como sea posible y a generalizar.

Por otra parte, los principios de Galileo fueron los siguientes:

1. Que existe una correspondencia y armonía absolutas, entre las verdades matemáticas y los eventos
naturales.
2. Que, en consecuencia, la actitud teleológica aristotélica, debiera ser sustituida por el concepto de
relaciones causales.

1
 3. Que los aspectos no medibles de la naturaleza, no constituyen un tema apropiado para el estudio
científico, ya que no son susceptibles de una formulación matemática.
4. Que la justificación lógica de los procedimientos empleados en la investigación empírica, no es necesaria.
5. Que la naturaleza íntima o esencial de las cosas, consideradas como sustancias con atributos, no es del
dominio de la ciencia, sino que ésta debe, ocuparse de las relaciones que existen entre estas cosas.
6. Que las explicaciones, o teorías científicas, no deben ser finales absolutas, sino que deben dejar lugar a
verificaciones, correlaciones y estudios ulteriores.

Por su parte, Newton, en los Principia, dio cuatro reglas de raciocinio para la "filosofía natural'"

1. No debemos aceptar más causas para los eventos naturales, que aquellas que son tanto verdaderas como
suficientes para explicar su aparición.
2. Por lo tanto, debemos asignar, siempre que sea posible, las mismas causas a los mismos efectos naturales.
3. Debemos considerar como cualidades universales de todos los objetos, a las cualidades que encontramos
que pertenecen a todos los cuerpos
que están al alcance de nuestros experimentos, y que son susceptibles de extensión o reducción a otros
cuerpos u objetos.
4. Aunque pueda haber hipótesis alternativas concebibles, debemos aceptar como ciertas, las inducciones
hechas a partir de los fenómenos observados, hasta tanto que no se observen otros fenómenos que las
puedan hacer más precisas, o que las invaliden.
Podemos resumir los postulados de la ciencia moderna como sigue:

FILOSÓFICOS

1. La. existencia de un Universo o realidad exterior: la materia o sustancia de los filósofos. Este Universo
exterior, se manifiesta a través de nuestros órganos de los sentidos. De acuerdo con Galileo, la ciencia no
se preocupa de elucubrar acerca de la naturaleza íntima de esta realidad externa; le interesan los atributos y
relaciones, no la esencia.
2. La posibilidad de hacer observaciones, abstracciones y juicios. A estos atributos podemos llamarlos
mentales. Como hice notar antes, la aceptación de estos dos primeros postulados, asigna al hombre de
ciencia una filosofía dualista.
3. La existencia de otras mentalidades independientes. El solipsismo mental es incompatible con la

investigación científica, no sólo porque niega la existencia de una realidad externa independiente de la
mente del observador, sino también porque la ciencia requiere de intercambios, de críticas y de

2
 repeticiones independientes de experimentos; todos estos requisitos necesariamente implican pluralidad de
mentalidades independientes.

PERSONALES

1. La posibilidad de depender de la memoria, propia y ajena. Los informes científicos encierran siempre
afirmaciones, que fueron confiadas a la memoria; y nadie tendría tiempo de repetir todos los experimentos
que han hecho otros.
2. La confianza en la honorabilidad de los hombres de ciencia. En ocasiones, esta fe se puede ver frustrada,
pero la ciencia avanzaría bien poco si cada hombre de ciencia no aceptara sino sus propios resultados.
3. La fidelidad de los órganos de los sentidos. No quiero decir con esto que un hombre de ciencia que tenga
alguna deficiencia en sus órganos de los sentidos, sólo ha de confiar en lo que él mismo percibe. Tampoco
esto significa que los .hombres de ciencia, piensan que todos los fenómenos del mundo exterior, deben y
pueden impresionar sus órganos de los sentidos. El postulado afirma que las relaciones que establecen los
receptores del observador entre el mundo exterior y su mentalidad son, en general, unívocas. Cuando estas
relaciones son equívocas hay siempre criterios capaces de eliminar la confusión.

DE JUICIO 0 RACIOCINIO
1. La validez de la lógica. Este postulado afirma que hay raciocinios legítimos, y que la ciencia debe siempre
conformarse a ellos. Como en realidad no existe una lógica absoluta y única, sino que hay varias, y como
algunos de los cánones que estas lógicas aceptación sólo relativos, el hombre de ciencia tendrá que adoptar
alguno. De hecho lo adopta y, así, la lógica gobierna todas las deducciones científicas.
2. La validez de la inducción: Aun cuando es imposible de justificar lógicamente este método de inferencia.

SOBRE LA REALIDAD DEL MUNDO EXTERIOR

1. La existencia de uniformidad o regularidad en la naturaleza. Esta uniformidad tiene dos aspectos. El
primero tiene relación con la permanencia o individualidad de algunos objetos o eventos exteriores. Me
refiero a la creencia de quien afirma que la mesa que vio ayer, es la misma vio hoy, y que verá mañana. El
segundo es el que está en relación con la aceptación de la validez de la inducción.
2. La posibilidad de formular matemáticamente las leyes naturales. Este es el primer principio de Galileo. En
vista de la aceptación del postulado de uniformidad, es casi innecesario citarlo como un nuevo postulado,
ya que si las relaciones entre las variables o eventos ocurren con regularidad, siempre será posible
formularlas con precisión, es decir, en lenguaje matemático.
3. La necesidad de poder someter a prueba experimental todas, las leyes, hipótesis y teorías. Esta es una
extensión del sexto principio de Galileo, que declara carentes de sentido científico a todas las proposiciones

3
 acerca de los hechos, cuando es imposible llevar a cabo alguna operación confirme o invalide. Como hace
notar Bridgman, las nociones de velocidades o dimensiones absolutas, o la del éter, no pertenecen a la ciencia
ya que no son reducibles a prueba experimental. De la misma manera la seudo-explicación de los fenómenos
que ocurren en los seres vivos, por la afirmación de que poseen un fluido o atributo vital característico, no es
aceptable para la ciencia, ya que nadie ha sugerido todavía algún procedimiento experimental que permita el
estudio de este fluido o atributo.

Hay otros principios generales, adoptados por la ciencia, que son, a veces, citados como postulados científicos.
Pienso que es preferible separarlos de los anteriores, porque representan, más bien, tendencias o reglas. Por otra
parte, es posible desarrollar trabajos científicos sin tener que seguir estos principios.
A. El principio de simplicidad. La regla de dar siempre preferencia a la explicación o a la hipótesis más sencilla,
es generalmente atribuida a Occam. En realidad, esta regla es de aplicación común. Cuando se inicia un estudio
científico hay que escoger entre dos hipótesis igualmente posibles, pero desigualmente complicadas, seguramente
que se prefiere a la más sencilla. Cuando se inicia un estudio, conviene empezar por formular hipótesis sencillas.
Es cierto, también, que muchas de las leyes naturales encierran pocos parámetros. La historia de la ciencia, Sin
embargo, presenta numerosos ejemplos de complicación gradual de las hipótesis, leyes o teorías, que fue-
ron inicialmente sencillas. Esta complicación es requerida por las observaciones, cada vez más cuidadosas y
completas, y por las medidas, cada vez más exactas. La simplicidad, además, es siempre relativa. Si estudiamos
fenómenos complejos, y no cabe duda que los hay en la naturaleza, no debe sorprendemos que nos veamos
obligados a hacer teorías complicadas. No juzgo que el criterio de simplicidad deba ser un criterio, ni decisivo, ni
básico, para decidir acerca de la aceptabilidad de una hipótesis o teoría científica.

B. EI principio de las interpretaciones monística. Existe la tendencia a no admitir la posibilidad de que hayan dos
explicaciones o teorías distintas e independientes, que sean igualmente válidas para un mismo fenómeno o grupo
de fenómenos. Cuando ocurre esta situación, como ha ocurrido en numerosas ocasiones en la historia de la
ciencia, se considera importante el buscar hechos que discriminen entre las distintas alternativas, o bien, el
averiguar si la independencia no es sólo ficticia, y si los dos puntos vista son formalmente equivalentes.
C. El principio de la unidad de la ciencia. Aun cuando los hombres de ciencia en general trabajan en aislamiento
relativo dentro de su campo particular, en ninguna ciencia se aceptan hipótesis o teorías que no sean consistentes
con las de las demás ciencias.
D. El principio de la generalidad. El deseo de elaborar teorías de aplicabilidad tan grande como sea posible, está
íntimamente relacionado con el principio anterior. La mayoría de los hombres de ciencia, considera probable la
realización de teorías que sean aplicables a todos los campos de la ciencia. Siendo la física, la que se ocupa de las
propiedades y relaciones comunes a todas las entidades del Universo, es natural que los investigadores que se
ocupan de fenómenos restringidos, recurran a la física como al paso intermediario para lograr que su teoría logre
su incorporación a la

4
ciencia universal, y a su unificación con las demás ciencias. Es obvio que
si se ha de lograr alguna vez una ciencia única universal, las teorías de esta
ciencia deben tener alcances de una generalidad completa.
Si la ciencia se basa en estos postulados y estos principios, que son explícitamente arbitrarios, es porque no
reconoce ninguna verdad absoluta y porque, cuando en su principio aceptó axiomas y verdades obvias a la
intuición, su progreso no se vio favorecido, sino dificultado e impedido. Afirmó que estos postulados son
arbitrarios. Lo son, pero son inspirados por la observación empírica, y su arbitrariedad es solamente ab initio. Su
justificación es pragmática. La ciencia ha tenido, en el curso de su historia, innumerables fracasos. Pero también
es cierto que ha tenido, y tiene todavía, muchos éxitos. Nuestra experiencia de todos los días atestigua, sin lugar a
dudas, estos éxitos. El espíritu de duda y de crítica que aplica la ciencia a sus leyes y teorías, lo aplica también a
sus postulados básicos. Así como basta un solo hecho experimental contradictorio para derribar una teoría, así
también bastaría una sola excepción notoria para abandonar alguno de los postulados. Si la ciencia sigue
aceptando estos postulados, es porque esta excepción no ha ocurrido todavía. Es evidente que sin estos postulados
el estudio científico de la naturaleza no sería posible.

Tomado de: Rosenblueth Arturo “El Método Científico”, Centro de Investigación y de Estudios Avanzados del
Instituto Politécnico Nacional. México 1971.

Bibliografía.
Arana Federico, “Método Experimental para Principiantes”, Joaquín Mortiz, México 1982.
Bunge Mario, “La Ciencia su Método y su Filosofia”, Siglo Veinte, Buenos Aires 1976.
Pérez Tamayo Ruy, “Cómo Acercarse a la Ciencia”, Limusa Noriega, México 1989.

II. SISTEMA INTERNACIONAL DE UNIDADES

Algunas definiciones antes de empezar

¿QUÉ ES MEDIR? Medir es la comparación de la magnitud de una determinada entidad física con un
patrón de características conocidas.
¿QUÉ ES LA METROLOGÍA? La Metrología es la ciencia de las medidas, cuyo estudio comprende los
patrones, las magnitudes y los sistemas de unidades.

¿QUÉ ESTUDIA LA METROLOGÍA? La fiabilidad de la relación establecida entre cualquier cantidad y

su patrón,. La elección de unidades y magnitudes fundamentales de medida y la uniformidad y coherencia de los
sistemas utilizados constituyen los principios básicos de la metrología.

5
 EVOLUCIÓN DE LOS SISTEMAS DE UNIDADES

Sistemas mediterráneos antiguos:

Egipto: Unidad de longitud el cúbito real, equivalente a 524 mm y subdividido en dígitos, palmos y
manos. Unidad de peso el kit.

Babilonia: Unidad de peso la mina babilónica (aproximadamente 640 g), influyó en las culturas
vecinas: la mina hebrea, el siclo y el talento.

Grecia: Su presencia en el Mediterráneo sirve de vehículo para trasmitir hacia el oriente los
sistemas de unidades del norte de África y de Asía. El talento, subdividido en cien dracmas, fue una herencia
evidente de los hebreos, y el dedo constituía la versión helénica del dígito egipcio.

Roma: Adopta gran parte de las unidades griegas e incorpora la libra.

Sistemas orientales:

Se desarrolla en forma independiente de Europa y tiene como base elementos del cuerpo humano.

China: El emperador Shi Huangdi en 221 a. C. Ordenó la unificación del valor de las unidades, ya
que variaban según la zona geográfica.

Medidas y pesos medievales:

Europa, durante la edad media, utilizó unidades de pesos y medidas heredadas de la cultura
grecolatina. Sin embargo debido a las influencias árabes y escandinavas, junto a las numerosas variedades e
interpretaciones que había de los patrones clásicos, conformaron un conjunto de magnitudes y unidades que
constituía un reflejo de la disgregación social y política característica de la época.

En el siglo XIII, como consecuencia del incremento del comercio de la lana y el ganado hubo necesidad de
establecer cierta uniformidad en los patrones de medida.

Sistema métrico de pesas y medidas:

Con los avances científicos de los inicios de la edad moderna se hizo necesaria la creación de un sistema
unificado de pesas y medidas que favoreciera la comunicación de los nuevos descubrimientos e ideas. En 1670, el
religioso francés Gabriel Mounton sugirió los tres principios capitales que caracterizarían a los posteriores
sistemas de medición: el empleo de subdivisiones decimales, la elección de dimensiones físicas de la Tierra para
establecer unidades básicas y básicas y la utilización de prefijos racionales.

6
 Charles-Maurice de Talleyrand-Périgord, miembro de la Asamblea Constituyente de la República
Francesa, propuso en el mes de abril de 1790 la formación de un comité científico, cuya función habría de ser la
compilación de un informe sobre la elección de magnitudes y unidades fundamentales. En ese comité
participaron personalidades de la talla de Joseph-Louis Lagrange y Pierre-Simon Lapalce.

El grupo se pronunció a favor de que el metro, unidad de longitud muy extendida en la época se
redefiniese como la diezmillonésima parte del cuadrante del meridiano terrestre.

Los ingenieros Jean Delambre y Pierre Méchain recibieron el encargo de determinar la longitud exacta del
metro de acuerdo con la definición, para tal motivo tuvieron necesidad de medir la distancia de Barcelona a
Dunkerque. En 1799, la Asamblea Nacional presentó un metro patrón que sirvió como base del sistema métrico
decimal, en el que se establece que los prefijos que designan a los múltiplos y submúltiplos de las unidades son
derivados de vocablos griegos (deci, centi, kilo, etc.).

El gramo, definido como la cantidad de materia equivalente a un centímetro cúbico de agua pura a
temperatura de 4 oC, se estableció como unidad de masa, dando lugar a la construcción de un kilogramo patrón,
un cilindro de platino. El litro se definió unidad de volumen. La unidad de área fue la que estaba delimitada por un
cuadrado de 10 metros de lado.

El sistema Métrico Francés, legitimado en 1799, se impuso en toda Europa como secuela de las invasiones
napoleónicas de principios del siglo XIX.

En la década de 1970 el Reino Unido de la Gran Bretaña adapta el sistema internacional de unidades,
evolución del sistema métrico decimal.

Sistemas de tres y cuatro unidades:

En el siglo XX surgen tres sistemas de unidades que utilizan como magnitudes fundamentales la longitud,
la masa y el tiempo.

El inicial MKS (metro, kilogramo, segundo) adoptó el amperio como unidad de intensidad eléctrica,
transformándose en sistema MKSA

El sistema cegesimal (centímetro, gramo, segundo) gozó de popularidad ha mediados del siglo XX.

El sistema Técnico utilizaba las mismas unidades fundamentales del sistema MKS excepto el kilogramo
sustituido por la unidad técnica de masa (UTM) cuya definición simplificaba la correspondiente unidad de fuerza.
El sistema técnico incluyó como unidad derivada el Kilopodio, peso que equivale a la fuerza de atracción que
ejerce la Tierra sobre un cuerpo de un kilogramo de masa situado en su superficie.

7
 Sistema Internacional de Unidades:

En 1948 la IX Conferencia General de Pesos y Medidas designó un comité internacional, que a través de
una encuesta a los medios científicos, técnicos y pedagógicos de todos los países, determinase un sistema de
unidades que respondiese a los avances científicos y tecnológicos del momento. En 1954 la X conferencia
decidió adoptar seis unidades básicas para las magnitudes de longitud, masa, tiempo, intensidad de corriente
eléctrica, temperatura termodinámica e intensidad luminosa (aumento de sustancia).

La XI Conferencia Internacional de Pesas y Medidas de 1960 denominó Sistema Internacional de

Unidades (SI) al resultante de los anteriores estudios, y fijo las reglas para los prefijos, las unidades derivadas y
las suplementarias, así como una serie de especificaciones sobre su manejo.

En un sistema coherente el único factor numérico que debe de aparecer en las unidades derivadas de las
unidades base es el uno.

El SI está formado por: 7 unidades base, mutuamente independientes; unidades derivadas, resultado de
combinar a través de la multiplicación o la división a las unidades base.

Actualmente sólo hay dos clases de unidades en Sistema Internacional de Unidades: unidades base y
unidades derivadas. Las unidades de estas dos clases forman un sistema coherente de unidades conocido con el
nombre de SI de unidades. En este caso el término coherente significa un sistema en el que todas las unidades
derivadas son obtenidas de las unidades base a través de las reglas de la multiplicación y la división utilizando
como único factor numérico el 1 en las expresiones para las unidades derivadas en términos de las unidades base.
El SI incluye prefijos para formar múltiplos y submúltiplos decimales de las unidades del SI. Dado que las
unidades formadas con los prefijos no son coherentes con las unidades del SI, las unidades así formadas deben de
llamarse por su nombre completo “múltiplos y submúltiplos decimales del SI de unidades”, con el fin de
distinguir entre ellas y el conjunto coherente de unidades del SI. Al conjunto de unidades del SI junto con sus
múltiplos y submúltiplos decimales se le designa frecuentemente como: “Unidades del SI” 1.

DEFINICIÓN DE LAS UNIDADES BASE DEL S. I.

Introducción

1
Tomado de: “Metric System of Measurements: Interpretation of internacional System of Units for the United States. Federal Register,
63.144, 40333-40340, (1998)/Notices. Edit Barry N. Taylor

8
 Las definiciones de las unidades base han sido tomadas de "The International System of Units (SI), ed. por
B. N. Taylor, Natl. Inst. Stand. Technol. Spec. Publ. 330, 1991 Edit. (U.S.) Governament Printing Office,
Washington, D.C, August 1991). Las definiciones de la unidades suplementarias, el radian y el steradian que
ahora se interpretan como unidades derivadas han sido tomadas de "American National Standard ofr Metric
Practice", ANSI/IEEE std 268-1992 (Institute of Electrical and Electronics Engineers, New York, NY, October
1992).

Tabla 1. Unidades de SI
Unidad Base SI
Nombre Símbolo
Magnitud Base
longitud metro m
masa kilogramo kg
tiempo segundo s
corriente eléctrica ampere A
temperatura termodinámica kelvin K
cantidad de sustancia 1 mole mol
intensidad luminosa candela cd

Es necesario hacer notar que cualquier otra unidad derivada del SI está definida en términos de las unidades base
del S.I.
Metro (17° CGPM, 1983)
El metro es la longitud de la trayectoria recorrida por la luz en el vacío durante un intervalo de tiempo de
1/299792458 de segundo.

Kilogramo (3° CGPM, 1901)

El kilogramo es la unidad de masa, y es la masa del prototipo internacional del kilogramo.

Segundo (13° CGPM, 1967)

El segundo es la duración de 9 192 631 770 periodos de la radiación debido a la transición entre 2 niveles
hiperfinos del estado base de los átomos de cesio 133.

1
De acuerdo con: NORMA Oficial Mexicana NOM-008-SCFI-2002, Sistema General de Unidades de
Medida, 2002.

9
 Ampere (9° CGPM, 1948)
El ampere es la corriente eléctrica que el circular a través de 2 conductos, de longitud infinita y sección
transversal despreciable, paralelas entre ellos y a una distancia de un metro en el vacío produce entre los
conductos una fuerza de 2 X10-7 Newton por cada metro de longitud.

Kelvin (13° CGPM, 1967).

El kelvin, unidad de la temperatura termodinámica, es la fracción 1/273.16 de la temperatura
termodinámica del punto triple del agua.

Mole (14° CGPM, 1971).

1.- Es la cantidad de sustancia de un sistema que tiene tantos individuos elementales de la sustancia
(moléculas, átomos, iones, etc) como átomos de carbono 12 hay en 0,012 kilogramos de átomos de carbono 12.
2.- Para poder hacer uso del mole es necesario definir cuales son las individuos elementales que pueden ser
átomos, moléculas, iones, electrones, otras partículas o grupos específicos de dichas partículas.

En la definición de mole los átomos de carbono se consideran que no están interactuando, que se
encuentra en estado base y en reposo.

Candela (16 ° CGPM, 1979).

La candela es la intensidad luminosa, es una dirección dada proveniente de un fuerte monocromática con
frecuencias de radiación de 5.40 X 1012 hertz y que tiene una intensidad radiante a la dirección de (1/683) watts
por cada esterradián.

Tabla 2.- Nombres de las magnitudes, símbolos y definiciones de las unidades SI derivadas 1

Magnitud Unidad Símbolo Definición

ángulo plano radián rad Es el ángulo plano comprendido entre dos

radios de un círculo, y que interceptan
sobre la circunferencia de este círculo un
arco de longitud igual a la del radio (ISO-
31/1)

1
Copiada de: NORMA Oficial Mexicana NOM-008-SCFI-2002, Sistema General de Unidades de Medida,
2002.

10
 ángulo sólido esterradián sr Es el ángulo sólido que tiene su vértice en
el centro de una esfera, y, que intercepta
sobre la superficie de esta esfera una área
igual a la de un cuadrado que tiene por
lado el radio de la esfera (ISO-31/1)

Tabla 3. Ejemplos de unidades derivadas del SI expresadas en términos de unidades base del SI

Unidades derivadas del SI

Nombre Símbolo
Magnitud derivada
área metro cuadrado m2
volumen metro cúbico m3
velocidad, rapidez metro en cada segundo m/s
aceleración metro en cada segundo al cuadrado m/s2
número de onda inverso de metro m-1
densidad de masa (densidad) kilogramo en cada metro cúbico kg/m3
volumen específico metro cúbico en cada kilogramo m3/kg
densidad de corriente ampere en cada metro cuadrado A/m2
intensidad de campo magnético ampere en cada metro A/m
Aumento de concentración de mole en cada metro cúbico mol/m3
substancia (concentración)
luminiscencia candela en cada metro cuadrado cd/m2

Tabla 3a. Unidades derivadas del SI con nombres especiales y símbolos, incluyendo el radian y el esterradián.

Unidades Derivadas del SI

Magnitud derivada Nombre Símbolo Expresada en Expresada en

11
 Especial especial términos de otras términos de
unidades del SI unidades base del
SI
ángulo plano radian rad m*m-1
ángulo sólido steradian sr m2*m-2
frecuencia hertz Hz s-1
fuerza newton N m*kg*s-2
presión, tensión pascal Pa N/m2 m-1*kg*s-2
energía, trabajo, cantidad de calor joule J N*m m2*kg*s-2
potencia, flujo de radiación watt W J/s m2*kg*s-3
carga eléctrica, cantidad de coulomb C A*s
electricidad
diferencia de potencial, fuerza volt V W/A m2*kg*s-3*A-1
electromotora
capacitancia farad F C/V m-2*kg-1*s4*A2
resistencia eléctrica Ohm Ω V/A m2*kg*s-3*A-2
conductancia eléctrica siemens S A/V m-2*kg-1*s3*A2
flujo magnético weber Wb V*s m2*kg*s-2*A-1
densidad de flujo magnético tesla T Wb/m2 kg*s-2*A-1
inductancia henry H Wb/A m2*kg*s-2*A-2
o
temperatura Celsius grados C K
Celsius
flujo luminoso lumen lm cd*sr cd*sr
luminiscencia lux lx lm/m2 m-2*cd*sr
actividad (de un núcleo becquerel Bq s-1
radiactivo)
dosis absorbida gray Gy J/Kg m2*s-2
Dosis equivalente, dosis sievert Sv J/Kg m2*s-2
ambiental equivalente, dosis
direccional equivalente, dosis
personal equivalente, dosis
equivalente
actividad catalítica* katal kat s-1mol
concentración de actividad kat/m3 m-3s-1mol
catalítica

12
*La 21° CGPM 1999, aprobó el katal, con símbolo kat, como nombre de la unidad derivada del SI mol en cada
segundo para expresar la actividad catalítica. Actualmente hay 22 unidades derivadas del SI con nombres
especiales y símbolos.

Magnitudes de Dimensión 1.
Algunas magnitudes derivadas se definen como el radio de cantidades mutuamente comparables, dos
magnitudes de la misma clase. Dada la coherencia del SI, la unidad derivada de tal magnitud es el radio de dos
unidades idénticas del SI, tal unidad es expresada por el número 1, símbolo 1. Tales magnitudes se conocen como
“magnitudes de dimensión 1”, o “magnitudes adimensionales” y en el SI la unidad de este tipo de magnitudes es
el número 1. Ejemplo de este tipo de unidades son: la fracción de masa, la permeabilidad relativa, el factor de
fricción dinámico, índice de refracción, números característicos como el número Mach, y números resultado de
contar, tal como el caso del número de moléculas. Por lo general el número 1 no se escribe explícitamente al
expresar un valor de alguna magnitud de dimensión 1. Por ejemplo, el índice de refracción de un medio dado se
expresa como n=1.51 en lugar de n=1.51X1. Con el fin aumentar la claridad, en algunos casos, se ha dado un
nombre especial al símbolo 1, el radián y el esterradián son dos ejemplos.

MÚLTIPLOS Y SUBMÚLTIPLOS DE LAS UNIDADES DEL S I

Es posible expresar, a través de un conjunto de prefijos aceptados, múltiplos y submúltiplos decimales de
las unidades del SI.

El prefijo debe de anteceder el nombre de la unidad, por ejemplo: kilómetro.

El símbolo del prefijo debe de anteceder al símbolo del nombre de la unidad, por ejemplo: km.

Tabla 4. Prefijos.
Factor Prefijo Símbolo Factor Prefijo Símbolo
1024=(103)8 yotta Y 10-1 deci d
1021=(103)7 zetta Z 10-2 centi c
1018=(103)6 exa E 10-3=(103)-1 mili m
1015=(103)5 peta P 10-6=(103)-2 micro 
1012=(103)4 tera T 10-9=(103)-3 nano n
109=(103)3 giga G 10-12=(103)-4 pico p
106=(103)2 mega M 10-15=(103)-5 femto f
103=(103)1 kilo k 10-18=(103)-6 atto a
102 hecto h 10-21=(103)-7 zepto z
101 deca da 10-24=(103)-8 yocto y

13
 CONVENSIÓN DE REGLAS Y ESTILOS PARA IMPRIMIR Y USAR LAS UNIDADES DEL S.I.

Reglas y estilos para el uso de símbolos de las unidades:

Los símbolos de las unidades se escriben con el tipo de letra Romano derecho, sin importar el tipo de letra
del resto del texto.

Los símbolos se escriben con minúsculas, excepto cuando el nombre de la unidad proviene de una persona,
por ejemplo: metro (m), segundo (s), volt (V), pascal (Pa). En Estados Unidos de Norteamérica se utiliza la
L como símbolo de litro.
Los símbolos no se usan en plural, por ejemplo: “l= 75 cm” pero no “l= 75 cms”.
No se escribe punto después del símbolo, excepto cuando es fin de oración, por ejemplo: “75 cm de
longitud.”, “longitud de 75 cm.”
Los símbolos de unidades que provienen del producto de otras unidades pueden expresarse:
a).- Colocando un punto a la mitad de los símbolos de las unidades que se multiplican.

b).- Dejando un espacio entre los símbolos.

Ambos estilos son incompatibles en un escrito.
Por ejemplo: “N.m” ó “N m”
El espacio puede omitirse cuando no cause confusión: “kWh” en lugar de “kW h”; pero no “ms-1” (que
significa milisegundo a la menos uno) en lugar de “m s-1” (que significa metro por segundo a la menos uno).
Los símbolos de unidades que provienen de una división de otras unidades pueden expresarse a través de
m
los símbolos /, o exponentes negativos. “m/s , “ s 2 ”, “m.s-2”.
2”

m
2
No debe de utilizarse más de una vez ninguno de los símbolos /, - . Es correcto “m/s ”, “ s 2 ”, pero no
m
s
“m/s/s” ó “ s ”. En casos complicados es más conveniente hacer uso de los exponentes negativos.
Al escribir, no mezclar símbolos de unidades con nombres de unidades. “C/kg”; “C kg-1” pero no
“coulomb/kg” o “coulomb en cada kg”.
En caso de requerir escribir el nombre de la unidad, éste debe de escribirse completo.
No se debe hacer uso de abreviaturas de los nombres de las unidades. Estas tienen nombre y símbolos
aceptados internacionalmente.

14
 Unidad Símbolo Abreviatura no
aceptado aceptada
segundo S sec
milímetro mm2 Sqmm
cuadrado
centímetro cm3 cc
cúbico
hora H hr
litro L lit

Reglas y estilos para el uso de símbolos de las unidades:

Los símbolos de los prefijos se escriben con el tipo de letra Romano derecho. Sin espacio entre el símbolo
del prefijo y el símbolo de la unidad. Sin espacio entre el nombre del prefijo y el nombre de la unidad, por
ejemplo: mL (mililitro), pm (picometro), GΩ (gigaohm), THz (terhertz).
Los símbolos de los prefijos que se escriben con mayúsculas son: Y (yotta), Z (zetta), E (exa), T (tera), G
(giga) y M (mega); el resto de los símbolos de los prefijos se escriben con minúsculas.
Los nombres de los prefijos se escriben con minúsculas
Los símbolos de los prefijos asociados a los símbolos de las unidades forman un ente, que pueden ser
combinados con otros. Estos entes (prefijos-unidad) pueden ser expresadas en potencias positivas (negativas) de
diez de la unidad.
Los nombres de los prefijos con el de las unidades forman una sola palabra.
No deben de mezclarse prefijos; “nm” (nanómetros) y no “mμm” (milimicrómetro).
En el caso de unidades derivadas provenientes de una división, la existencia de símbolos de prefijos en el
numerador y en el denominador puede causar confusión. Se acepta “10 kV/mm” pero es mejor “10 MV/m”. Para
el caso de unidades derivadas provenientes de multiplicación, la mezcla de prefijos puede causar confusión. Se
acepta “10 MV.ms” pero es mejor “10 kV.s”. Es necesario aclarar que estas dos últimas consideraciones no se
aplican cuando el kg está involucrado, así “0.13 mmol/g” no es mejor que “0.13 mol/kg”.
Los prefijos siempre deben de estar asociados a una unidad, no pueden encontrarse solos: “5X106 /m3”
pero no “5 M/m-3”.
Ya que por motivos históricos la unidad base de la masa es el kilogramo (kg), unidad en la que ya se encuentra
el prefijo kilo y debido a que no se deben unir prefijos, los múltiplos y submúltiplos del “kg” se forman con la
unidad g. Así “10-6 kg = 1 mg” (miligramo) y no “10-6 kg = 1 μKg” (microkilogramo).

Es posible combinar prefijos y sus nombres con los “°C” (grados Celsius), por ejemplo “12 m°C” (miligrados
Celsius).

15
No se permite, para evitar confusión, combinar prefijos con las unidades aceptadas de tiempo (minuto, hora,
día, etc.), ni con las relacionadas con ángulos (°,minuto, seg. ).

Los prefijos y sus nombres pueden ser utilizados con las siguientes unidades: Litro (los múltiplos: kL
(kilolitro) y ML (megalitro) no son comunes, los submúltiplos como mL (mililitro) y dL (decilitros) son de
uso común); la tonelada métrica (los múltiplos como kt (kilotolnelada) son de uso común, mientras que los
submúltiplos como el mt (militonelada) no son comunes); ev (electrón volt) y U (unidad de masa unificada).

Reglas y estilos para expresar valores de cantidades.

El valor de una cantidad es su magnitud expresada como el producto de un número y una unidad, el número
que está multiplicando la unidad es el valor numérico de la variable expresado en esa unidad.

Formalmente A = {A}[A]; con {A}valor numérico, [A] unidad, entonces el valor numérico se expresa como
{A}= A / [A] de tal forma que al representar en una tabla o en una gráfica los valores numéricos es
recomendable presentarlos de esta forma, por ejemplo: “t/°C” en lugar de “t (°C)”; “E/(V/m)” en lugar de “E (
V/m)”.

Una forma alternativa de expresar {A}= A / [A] es {A}[A]. Por ejemplo: “t°C”; “EV/m”.

Es necesario dejar un espacio entre el valor numérico y el símbolo de la unidad, esta regla no aplica para las
unidades: grados (°), minutos (‘) y segundos (‘ ‘) que se escriben en forma seguida.

No se debe de expresar una cantidad en más de una unidad. “l = 10.234 m” y no “l = 10 m, 23 cm, 4 mm”.

Esta regla no vale para intervalos de tiempo y para ángulos (°, ‘ , ‘ ‘) aunque es recomendable que el ángulo se
exprese en décimas de grado, excepto en algunos campos como la Cartografía.

No debe de asociarse información a las unidades. Cuando la cantidad expresada sea un valor especial, esta
denominación debe de darse a la cantidad no a las unidades, por ejemplo debe escribirse “Vmax = 1000 V” y no
“V = 1000 Vmax”.

No debe mezclarse información con las unidades. Cuando se desee expresar alguna condición particular de la
cantidad, característica o condición de la medición, esta información no debe mezclarse con las unidades.

“El contenido de Pb es 5 mg/L” y no “5 mg de Pb/L” o “5 mg de Plomo/L”

“La sensibilidad por molécula de NO3 es de 5 X 1010/cm3” pero no “la sensibilidad es 5 X 1010 NO3 molécula
/cm3”.

Esta regla es valida inclusive para las unidades “1”.

La idea de un informe es que el material contenido en éste sea comprendido por la mayor cantidad posible de
personas, en ese sentido la presentación de los resultados debe de ser lo más independiente posible del idioma
en el que se escribe el informe, por tal motivo es necesario hacer uso de los símbolos aceptados mundialmente.

16
Los valores numéricos se escriben en números arábigos, de los cuales no se escribe el nombre y se utilizan los
símbolos de las unidades y de los prefijos, en caso de haber, en lugar de sus nombres. Ejemplos:

“la longitud del láser es de 5 m” pero no “la longitud del láser es de cinco metros”

Cuando la audiencia es lega es necesario definir las unidades usadas conforme estas van apareciendo.

No deben de combinarse nombres de números con símbolos de unidades.

En algunas ocasiones el valor numérico es utilizado descriptivamente o en forma literal, en tal caso es
recomendable hacer uso del número y del nombre de la unidad, por ejemplo: “La lámpara requiere el uso de
dos bombillas de 60 watts”; “Ellos han adquirido un rollo de película de 35 milímetros”.

Los valores de las cantidades se expresan como el producto de un número con una unidad. Se recomienda, para
determinar intervalos hacer uso de la preposición “a” en lugar del símbolo “-“ que puede generar confusión con
la resta. Ejemplos:

“51 mm X 51 mm X 25 mm” pero no “51 X 51 X 25 mm”

“225 mm a 2400 mm” ó “(225 a 2400) mm” pero no “225 a 2400 mm”

“63.2 m ± 0.1 m” ó “(63.2 ± 0.1) m” pero no “63.2 ± 0.1 m” ó “63.2 m ± 0.1”

“129 s – 3 s =126 s” ó “(129-3) s = 126 s” pero no “129 – 3 s =126 s”.

Es inaceptable escribir los símbolos de las unidades solos. Los símbolos de las unidades nunca deben de ser
utilizados sin valores numéricos o símbolos de cantidades (no deben de ser abreviaturas). Ejemplo:” Hay 106
mm en 1 km” pero no “ hay muchos mm en un km”.

Las condiciones para elegir los prefijos, para generar los múltiplos y submúltiplos de las unidades son:

La necesidad de que los dígitos de los valores numéricos sean significativos. Un dígito es significativo si éste
es necesario para expresar el valor numérico de la cantidad.

La necesidad de tener valores numéricos que sean fácilmente entendibles.

Las necesidades particulares del campo científico y tecnológico en el cual se esté trabajando.

Es recomendable no obligatorio, que los valores numéricos se encuentren entre 0.1 y 1000 y que las potencias
de 10 sean múltiplos de 3.

Por ejemplo:

“3.3 X 107 Hz” se puede expresar como “33 X 106 Hz = 33 MHz”

“0.00952 g” se puede expresar como “9.52 X10-3 g = 9.52 mg”

“2703 W” se puede expresar como “2.703 X 103 W = 2.703 kW”

“5.8 X 10-8 m” se puede expresar como “58 X 10-9 m = 58 nm”

17
Es recomendable que cuando se tiene un conjunto de datos todos tengan el mismo prefijo, ejemplo: “10 mm X
2 mm X 0.02 mm” en lugar de “1 cm X 3 mm X 20 μm”.

Aquellas cantidades que son el resultado del cociente de 2 cantidades con la misma unidad, tienen como
unidad 1, que por lo general su símbolo no se escribe. Ejemplos de estas cantidades son: índice de refracción,
permeabilidad relativa, fracción de masa.

Algunas cantidades cuya unidad es 1, tienen un nombre especial para designar a su unidad. Ejemplo de tales
cantidades son: el ángulo plano cuya unidad es el radian (rad) el ángulo sólido cuya unidad es el steradian (sr).

Ya que no se debe unir un prefijo de múltiplos o submúltiplos con la unidad 1, se hace necesario expresar los
múltiplos y submúltiplos como potencias de 10. Por ejemplo:

“r = 1.2 X 10-6” no “1.2.10-6 ”“

r permeabilidad relativa”.

Considerando que el símbolo % significa un factor multiplicativo de 100, la forma como se expresan
cantidades con este símbolos es el valor numérico, espacio y el símbolo %. Por ejemplo:

“xB = 0.0025 = 0.25 %” pero no “xB = 0.0025 = 0.25%” ó “xB = 0.25 por ciento”

No se aceptan expresiones del estilo: “por ciento por masa”, “por ciento en volumen”, ó “% (m/m)”, “% (por
peso)”, “% (V/V)”. “Se prefiere la fracción de masa es igual a .01” ó “ la fracción de masa es 10 %”.

Para hacer referencia a diferencia de valores en forma de porcentaje, es incorrecto decir: “la cantidad A difiere
de B en un tanto por ciento” es mejor “A = B(1+ x %)” o definir “Δ = (A – B)/B”.

En algunas ocasiones el término “fracción de” o “relativo” es aceptado. Por ejemplo: “El incremento fraccional
de la resistencia de referencia de 10 kΏ, en 1994, fue de 0.002 %.

No se recomienda el uso de: ppm, partes por millón; ppb, partes por billón; ppt, partes por trillón.

Ejemplos:

“Una estabilidad de 0.5 (μA/A)/min” pero no “una estabilidad de 0.5 ppm/min”

“Una deriva de 1.1 nm/m” pero no “Una deriva de 1.1 ppb”

“Un cambio de frecuencia de 0.35 X 10-9 f” pero no “Un cambio de frecuencia de 0.35 ppb”

“Una sensibilidad de 2 ng/kg” pero no “Una sensibilidad de 2 ppt”

“La incertidumbre expandida relativa de la resistencia R es Ur= 3 μΩ/Ω” o “La incertidumbre expandida de la
resistencia R es U= 3 X 10-6 R” o “La incertidumbre expandida relativa de la resistencia R es Ur= 3 X 10-6”
pero no “La incertidumbre expandida relativa de la resistencia R es Ur= 3 ppm”

La razón para evitar el uso de las abreviaturas comentadas, radica en el hecho de que no hay un acuerdo
mundial respecto al nombre del número 109 y de números mayores (en muchos países, 1billón = 1 X 1012,
1billón = 1 X 109 como en los Estados Unidos de América); el mejor camino es, entonces, el escribir a los

18
números grandes haciendo uso de las potencias de 10. Otra y más importante razón, es lo inapropiado que
resulta hacer abreviaciones que dependen del lenguaje en combinación con signos y símbolos aceptados
mundialmente, como son: Mpa, ln, 1013 y %, para expresar el valor de cantidades y en ecuaciones u otras
expresiones matemáticas.

Cabe mencionar que en ciertos casos se justifica el uso de las abreviaturas ppm y ppb, por requerimientos
legales o de regulación.

Es inaceptable el uso de números romanos para expresar el valor de alguna cantidad. En particular, no debe de
utilizarse C, m, MM para sustituir 102, 103 y 106 respectivamente.

Una ecuación de una cantidad expresa una relación entre cantidades. Como ejemplo “l=vt, donde l es la
distancia recorrida por una partícula en movimiento uniforme, con una velocidad v y después de que ha
transcurrido un tiempo t”.

Dado que una ecuación de cantidades como l=vt es independiente de las unidades en las que se expresen los
valores numéricos de las magnitudes que intervienen en la ecuación, y ya que l, v y t representan cantidades y
no valores numéricos de las cantidades, es incorrecto asociar a la ecuación comentarios tales como:”donde l
está en metros, v en metros en cada segundo y t en segundos”

Por otro lado, una ecuación numérica expresa la relación que hay entre los valores numéricos de las cantidades
y entonces depende de las unidades utilizadas para expresar los valores de las cantidades. Por ejemplo, “{l}m=
3.6-1 {v}km/h{t}s” expresa la relación entre los valores de las cantidades l, v y t solamente cuando los valores de
las cantidades l, v y t están expresadas en unidades de metros, kilómetros en cada hora y segundos,
respectivamente. (Aquí {A}x representa el valor numérico de la cantidad A expresado en unidades x).

Una forma alternativa de expresar la anterior ecuación numérica, por su simplicidad y su generalidad, es l/m
=3.6-1 [v/(km/h)](t/s). Los autores del NIST prefieren hacer uso de esta ecuación en lugar de la forma
tradicional: “ l =3.6-1 vt con l está en metros, v está en kilómetros en cada hora y t está en segundos”. En
efecto esta formase presta a ambigüedades ya que no se hace una distinción entre la cantidad y sus valores
numéricos. Una forma correcta de expresar esta ecuación numérica es: “l*= 3.6-1 v*t*, donde l* es el valor
numérico de la distancia l recorrida por una partícula en movimiento uniforme, cuando l está expresada en
metros, con v* valor numérico de la velocidad v de la partícula, cuando v está expresada en kilómetros en cada
hora, y t* es el valor numérico del tiempo t que ha transcurrido, cuando t está expresado en segundos”. Debe
de quedar claro que se hace necesario expresar con diferentes signos los valores numéricos de las cantidades y
las cantidades con el fin de evitar confusiones.

Cuando una cantidad sea el resultado de un cociente debe de expresarse como “dividida por” y no como “por
unidad de” con el fin de evitar la apariencia de asociar una unidad particular con una cantidad derivada. Por
ejemplo “Presión es fuerza dividida por área” pero no “presión es fuerza por unidad de área”.

19
Es necesario no confundir la característica del objeto en estudio, con el objeto mismo. Es decir se debe de tener
la posibilidad de diferenciar entre un fenómeno, un objeto o una sustancia: Es diferente un cuerpo que su masa,
la superficie que su área, un capacitor que su capacitancia. Por ejemplo: es correcto “ Se colgó un objeto, de
masa de 1 kg, de un hilo inextensible para formar un péndulo” pero no se acepta “se colgó una masa de 1 kg de
un hilo inextensible para formar un péndulo”.

Cualquier cantidad derivada Q, del S I, puede ser expresada como combinación de las cantidades base del SI
longitud (l), masa (m), tiempo (t), corriente eléctrica (I), temperatura termodinámica (T), aumento de sustancia
(n), intensidad luminosa (Iυ) a través de una ecuación de la forma:

n
Q = l α m β t γ I δ T ε n ξ I ην ∑ a k
k =1

con α, β, γ, δ, ε, ζ, η valores numéricos y a k también valores numéricos. La dimensión de Q está dada por:

dim Q = Lα M β T γ I δ Θ ε N ξ J ην

con: L dimensión de longitud

M dimensión de masa

T dimensión de tiempo

I dimensión de corriente eléctrica

Θ dimensión de temperatura termodinámica

N dimensión de aumento de sustancia

J dimensión de intensidad luminosa.

Los exponentes α, β, γ, δ, ε, ζ, η se conocen como exponentes dimensionales. Para obtener la unidad derivada
correspondiente de Q es necesario sustituir en la ecuación de la dimensión de Q las dimensiones básicas por las
α β γ δ ε ξ η
unidades correspondientes. La unidad de Q es m kg s A K mol cd ν . Existen casos en los que todos los
exponentes dimensionales son iguales a cero, en esta situación la cantidad Q es una cantidad adimensional, es
decir dimQ = 1. En tal situación la unidad de tal cantidad es 1 y se conoce como unidad derivada adimensional.

ESTADÍSTICA

20
 Introducción

Cuando se cuenta con un número considerable de datos (10, 15, 20, 100 ó más) que representan valores de
alguna variable (edad de una población, ingresos por familia, masa de un lote de objetos, longitud de un lote de
barras de acero, etc.), los cuales se han obtenido ya sea a través de alguna encuesta, como es el caso de las
variables de interés en la Ciencias Sociales, o realizando alguna medición, como es el caso de las Ciencias
Experimentales. No basta contar con una tabla que muestre a estos datos para poder obtener información valiosa
del proceso o fenómeno, se requiere hacer un análisis de los mismos, el cual se puede iniciar con la construcción
de un histograma de frecuencias o de un histograma de frecuencias relativas.

Tabla de frecuencia
Frecuencia Valor de la variable
1 17,82 1
1 17,90
2 17,95
2 18,02
2 18,09
4 18,10
2 18,15
1 18,20
1 18,25
1 18,30
2 18,37
1 18,40

Si se hiciese una gráfica de la frecuencia con la que aparece cada uno de los valores en el conjunto de
datos en función de los posibles valores de la variable, se obtiene una gráfica como la mostrada en la figura 1, en
donde solamente se observan un conjunto de puntos aislados, es claro que una gráfica de estas características no
es de gran ayuda.

Histograma de Frecuencias.
Si ahora el intervalo en el que quedan comprendidos los valores, espacio muestral, que forman el conjunto de
datos es dividido en sub-intervalos, llamados clases y que tienen las siguientes características:

1
De acuerdo con la NORMA Oficial Mexicana NOM-008-SCFI-2002, Sistema General de Unidades de Medida, los decimales se
separan de los enteros a través de una coma (,).

21
 GRÁFICA DE PUNTOS

FRECUENCIA
2

0
17.8 17.9 18 18.1 18.2 18.3 18.4
VARIABLE

Figura 1

a). Cada uno de los datos debe pertenecer a una y sólo una clase. Los intervalos que forman las clases son
cerrados por la izquierda y abiertos por la derecha ([x1, xf〉), excepto el último que es cerrado por ambos lados.
b). Las clases deben tener igual longitud.
c). Es deseable que no haya clases con frecuencia cero
d). El número de clase depende del número de datos. Es posible hacer uso de los siguientes valores.
Tamaño de la muestra número de clases
(número de datos)
menos de 10 4
de 10 a 20 5
de 20 a 45 6
de 45 a 90 7
de 90 a 180 8
de 180 a 360 9
de 360 a 720 10
más de 720 entre 10 y 20

Para determinar el tamaño de las clases, una vez que se ha determinado el número de clases, se aplica:

Xmáximo -Xmínimo
Tamaño de clase = (1)
Número de clases

Para facilitar la construcción del histograma y para que el tamaño de las clases sea igual, es recomendable que el
tamaño de cada clase se un múltiplo de la resolución del equipo que se está utilizando, así por ejemplo si se miden
longitudes con un vernier cuya resolución es de 0,05 mm, dependiendo del número de datos, el tamaño de la clase
puede ser 0,05 mm, 0,10 mm, 0,15 mm, etc. Pero no es recomendable 0,08 mm, 0,12mm.

22
 Una vez determinado el número de clases, el tamaño de las clases y el intervalo de valores de cada clase es
posible construir una tabla de frecuencias y clases, donde la frecuencia (F) es el número de datos que pertenece a
cada clase. Si cada frecuencia se divide entre el número total de datos entonces se tiene una tabla de una
frecuencia relativas (f) y clases. Es posible construir ahora una gráfica de frecuencias en función de clases con lo
que se obtiene un histograma de frecuencia (fig. 2), mientras que si se gráfica frecuencia relativa en función de
intervalo se obtiene un histograma de frecuencias relativas (fig. 3).

Aplicando al ejemplo numérico se tiene:

18,40 − 17,82
tamaño de clase =
5

tamaño de clase = 0,116

con el fin de que el tamaño de clase no imponga complicaciones se puede hacer:

tamaño de clase = 0,10

y entonces la tabla de clases y frecuencias queda como:

Tabla de Clases y Frecuencias

Clases Frecuencias
17,80; 17,90 1

17,90; 18,00 3

18,00; 18,10 4

18,10; 18,20 6

18,20; 18,30 2
[18,30; 18,40] 4

En el caso de tener un histograma de frecuencia si se considera la base de cada una de las barras es igual a
uno entonces, el área total de las barras que forman el histograma es el número total de datos. Mientras que en el
caso de un histograma de frecuencias relativas se tiene que el área total de las barras es uno en este caso el área de
cada barra es la probabilidad de ocurrencia de cada clase, es decir la probabilidad de que al realizar una nueva
medición el resultado de ésta pertenezca a una clase.

23
 HISTOGRAMA DE FRECUENCIAS

FRECUENCIAS
4

0
17,85 17,95 18,05 18,15 18,25 18,35
VARIABLE

Figura 2

HISTOGRAMA DE FRECUENCIAS RELATIVAS

1
FRECUENCIAS RELATIVAS

0.8

0.6

0.4

0.2

0
17,85 17,95 18,05 18,15 18,25 18,35
VARIABLE

Figura 3

Probabilidad

Es posible definir de dos formas la probabilidad de un evento, la probabilidad A priori y la probabilidad A

posteriori.
En el primer caso basta con saber el número de valores del espacio muestral que forman el evento estudiado y el
tamaño del espacio muestral:
Probabilidad A priori:

Número de valores de la variable que cumplen la condición impuesta

PApr =
Tamaño del espacio muestral

24
(2)

Por ejemplo la probabilidad de que al escoger a una persona al. azar, ésta sea del sexo femenino
es: el Número de valores de la variable que hacen que el evento se cumpla es 1 (el valor de la variable es
femenino), el tamaño del espacio muestral es 2 (la variable sexo solamente toma el valor femenino y el
valor masculino). Entonces: PApr = ½.
¿Cuál es la probabilidad de que al arrojar un dado, legal, caiga un número par? El número de
valores de la variable que hacen que el evento se cumpla es 3 ( los números pares en un dado son 2, 4, 6),
el tamaño del espacio muestral es 6 (los posible valores que puede tomar la variable son: 1, 2, 3, 4, 5, 6),
entonces la probabilidad A priori es: PApr = 3/6; PApr = ½..
Para determinar la probabilidad A posteriori es necesario contar con un conjunto de resultados
experimentales, ya que:
Probabilidad A posteriori:

(PApos) = PApos = Número de datos en el que se cumplió la condición

Número de veces que se realizó el experimento
(3)

Así por ejemplo de los datos reportados en la tabla 1 ¿Cuál es la probabilidad de que la variable
tome el valor 18.1? El número de datos que satisfacen este evento (que la variable tome el valor 18.1) es
4, el número de veces que se realizó el experimento es 20, entonces: PApo= 4/20 es decir PApos = 1/5.
La probabilidad del evento seguro es 1, mientras que la probabilidad del evento imposible es cero.
Así por ejemplo la probabilidad de que al escoger a algún alumno el sexo de éste sea masculino o
femenino es 1. Mientras que la posibilidad de que la variable sexo tome el valor 20 (la variable sexo sólo
puede tomar los valores masculino y femenino) es cero.

Parámetros de Tendencia Central y de Dispersión.

Sin proporcionar una información cuantitativa el histograma da cierta idea del comportamiento del
conjunto de datos estudiado. Así por ejemplo, si existe un solo máximo o sí hay más de uno, con lo que se puede
tener una idea del valor más representativo del conjunto de datos. También es posible ver qué tan dispersos se
encuentran los datos respecto al centro del histograma y si en éste es donde se localiza el máximo.
Existen dos parámetros básicos (en realidad son estimadores de los parámetros ya que el conjunto de datos
estudiado sólo representa una muestra del universo total de datos) que permiten cuantificar las características
globales del conjunto de datos analizado. El primero de ellos es el promedio o media aritmética o simplemente

media ( x ), que pertenece al grupo de parámetros de tendencia central y que se calcula de la siguiente manera:

- ∑x
i=1
i

x= n
(4)

25
donde xi es cada uno de los valores y n es el número total de datos. Sí el conjunto de datos se encuentra agrupado
en clases el procedimiento es el siguiente:

∑F x
j=1
j j

x=
n
(5)

donde m es el número total de clases, Fj la frecuencia de la j-esima clase y xj el valor representativo de la j-esima
clase, el cual, si no existe algún valor preferencial se obtiene al promediar los extremos de la clase.
XI + XF
XJ =
2
(6)

Para el caso de contar con frecuencias relativas el promedio de los datos se obtiene:
m
x=∑ fj x j
j=1

(7)

Vale la pena hacer notar que los promedios obtenidos con las ecuaciones 5 y 7 no coinciden exactamente
con el obtenido con la ecuación 4, con la que se obtiene el valor exacto del promedio, sin embargo representan
una buena aproximación.

Aplicando la ecuación 4 al conjunto de datos del ejemplo se tiene:

17,82 + 17,90 + 17,95 + 17,95 + 18,02 + 18,02 + 18,09 + 18,09 + 18,10 + 18,10 +
x=

18,10 + 18,10 + 18,15 + 18,15 + 18,20 + 18,25 + 18,30 + 18,37 + 18,37 + 18,40
20

x = 18,12

Mientras que al aplicar la expresión 7, se llaga a:

26
 Clases x1* + x f Frecuencias Fj x j
Xj= 2
17.8;17.9 17,85 1 17,85

17.9;18.0 17,95 3 53,85

18.0;18.1 18,05 4 72,20

18.1;18.2 18,15 6 108,90

18.2;18.3 18,25 2 36,50

[18.3;18.4] 18,35 4 73,40
m 362,70
. ∑F x
j =1
j j

de donde:
362,70
x=
20
y x = 18,135 1

El segundo parámetro que permite caracterizar un conjunto de datos es la desviación típica y pertenece a
los parámetros de medida de dispersión, la desviación típica se calcula como:

∑ (x − x )
n
2
i
s= i =1

n −1
(8)
Para el caso de tener los datos agrupados en clases se utiliza:

∑ F (x − x )
m
2
j j
j=1
s=
n −1
(9)
La situación en la que se cuenta con las frecuencias relativas permite calcular la desviación típica como:

n ∑ f j (x − x j )
m
2

j=1
s=
n −1
(10)

Aplicando la Expresión 8 al ejemplo estudiado se tiene:

1
Es necesario hacer notar que el número de cifras significativas que se están informando es mayor que el adecuado, debería de
reportarse hasta las centésimas, esto se ha hecho con el fin de hacer notar la diferencia entre el resultado obtenido a través de la
expresión 4 y el obtenido por medio de la expresión 6, de hecho el valor que debería de informarse es 18.14, debido al redondeo. El
mismo comentario aplica para la desviación típica.

27
 (17,82 − 18,12) 2 + (17,90 − 18,12) 2 + (17,95 − 18,12) 2 + (17,95 − 18,12) 2 + (18,02 − 18,12) 2 +
s=

(18,02 − 18,12) 2 + (18,09 − 18,12) 2 + (18,09 − 18,12) 2 + (18,10 − 18,12) 2 + (18,10 − 18,12) 2 +

(18,10 − 18,12) 2 + (18,10 − 18,12) 2 + (18,15 − 18,12) 2 + (18,15 − 18,12) 2 + (18,20 − 18,12) 2 +

(18,25 − 18,12) 2 + (18,30 − 18,12) 2 + (18,37 − 18,12) 2 + (18,37 − 18,12) 2 + (18,40 − 18,12) 2
20

0,0900 + 0,0484 + 0,0289 + 0,0289 + 0,0100 + 0,0100 + 0,0009 + 0,0009 + 0,0004 + 0,0004 +
s=

0,0004 + 0,0004 + 0,0009 + 0,0009 + 0,0064 + 0,0169 + 0,0324 + 0,0625 + 0,0625 + 0,0784
19

0,4805
s=
19

s = 0,025

s = 0,1590

Al aplicar la ecuación 9 se tiene que la desviación típica de los datos utilizados en el ejemplo es:

Clases x1* + x f Frecuencias (x − x )

j
2
F j (x − x j )
2

Xj= 2
17.8;17.9 17,85 1 ,0812 ,0812

17.9;18.0 17,95 3 ,0342 ,1026

18.0;18.1 18,05 4 ,0072 ,0288

18.1;18.2 18,15 6 ,0002 ,0012

18.2;18.3 18,25 2 ,0132 ,0264

[18.3;18.4] 18,35 4 ,0462 ,1848
m ,4250
. ∑ F (x − x
j =1
j j )2

de donde:

28
 0,4250
s=
19

s = 0,0223

s = 0,1496

Es indispensable aclarar, que tanto la media como la desviación típica tienen las unidades de la
variable de los datos, en el ejemplo presentado este hecho se ha obviado, es decir la variable estudiada
es adimensional entonces la media y la desviación típica también lo son.. La moda, la mediana y la
desviación media tienen las mismas unidades de los datos de los que provienen; no así la varianza cuyas
unidades son las unidades de los datos elevadas al cuadrado.
Dentro de los parámetros de dispersión se tienen también a:

Desviación Media =
∑x i −x
n −1
(11)

y la
∑ (x − x)
2

Varianza =
i

n −1
(12)
Existen dos parámetros más de tendencia central: la moda y la mediana. La moda se define como el valor
de mayor frecuencia dentro del conjunto de datos, en el caso de contar con un histograma la moda corresponde a
la clase con la barra más alta.
Al ordenar en forma ascendente los datos, el valor o valores que se encuentren a la mitad representan la
mediana; en caso de contar con un histograma, la clase o clases que se encuentran a la mitad del intervalo de
valores representan la mediana.
Para el caso del conjunto de datos estudiado se tiene que la moda y la mediana coinciden. El valor 18,10
aparece 4 veces y es el de mayor frecuencia, por lo tanto la moda es 18,10.
Al ordenar los datos en forma ascendente se tiene que el valor 18,10 ocupa el décimo y el undécimo lugar por
lo tanto la median avale 18,10.
17,82, 17,90, 17,95, 17,95, 18,02, 18,02, 18,09, 18,09, 18,10, 18,10, 18,10, 18,10, 18,15, 18,15, 18,02, 18,25, 18,30, 18,37, 18,37, 18,40.

MEDIANA
Para el caso de contar con los datos en un histograma se tiene:

29
 MEDIA, MODA, MEDIANA
Figura 4.

es decir la media, la moda y la mediana están en la clase 18.10;18.20 .

Vale la pena mencionar que cuando se tiene un histograma simétrico respecto a un valor máximo central los
valores de los tres parámetros de tendencia central coinciden, esto mismo pasa cuando la función de
distribución de probabilidades es simétrica respecto al máximo. En la figura 5 se muestra la localización de los
parámetros de tendencia central (moda, mediana y media) en una función de distribución de probabilidad.

Figura 5

Si se unen los puntos medio de los extremos superiores de las barras que forman el histograma de
frecuencias relativas, se obtiene un polígono irregular (figura 6) conocido como Polígono de Frecuencias; la
curva continua que se traza, de tal manera que pasa por la mayor parte de los vértices del Polígono de
Frecuencias, recibe el nombre de Curva de Distribución. La construcción de la Curva de Distribución de algún
experimento permite aplicar alguna de las Funciones de Distribución conocidas en el análisis de los datos.

30
 POLÍGONO DE FRECUENCIAS

0.3
0.25

FRECUENCIAS
RELATIVAS
0.2
0.15
0.1
0.05
0
17,85 17,95 18,05 18,15 18,25 18,35
VARIABLE

Figura 6

Si se aumenta el número de mediciones o de encuestas realizadas, se incrementaría el número de datos,

con lo cual, sí el espacio muestral no cambia, el número de clases aumenta mientras su ancho disminuye con lo
que se obtiene un Polígono de Frecuencias "más suave". Si este proceso se continua hasta contar con un número
infinito de datos, el Polígono de Frecuencias deja de ser una curva quebrada y se convierte en una Curva de
Distribución. La función que genera a la Curva de Distribución se conoce como función de densidad de
probabilidad (f(x)) y cumple con las siguientes propiedades:
1. f(x) es una función unívaluada y positiva para todos los valores x ∈ ℜ .
∞
2. f(x) está normalizada a la unidad ∫ f(x)dx = 1.
−∞

3. La probabilidad de que x caiga entre dos valores reales a y b está dada por:
b
P(a ≤ x ≤ b) = ∫ f(x)dx
a

y la probabilidad de que se obtenga un valor ≤ x está dada por:

x
F(x) = ∫ f(x)dx
−∞

donde la función F(x) se conoce como función de distribución de probabilidad o función integral de distribución.
El valor de la media poblacional (µ) de la función de densidad de probabilidad está dado por:
∞
μ= ∫ xf(x)dx
−∞

(13)

31
 Es necesario destacar que la media obtenida a través de la ecuación (13) es la media poblacional, mientras
que x es un estimador de esta media. Que tan buen estimador resulte x depende de que tan representativa es la
muestra de la población.
Algunas propiedades de la media poblacional, que también son validas para la media muestral
definida en la ecuación 2, son:
1.-Si c es una constante (magnitud no aleatoria)se cumple
µ(c)= c
(14)
µ(cx)= cµ(x)
(15)
2.- Si la magnitud aleatoria x es la suma de n magnitudes independientes
x = x1 + x2 + . . . +xn

el valor medio de la variable x es igual a la suma de los valores medios de cada una de las n variables
aleatorias
µ(x) = µ(x1) + µ(x2) + . . . +µ(xn)
(16)
3.- Si la magnitud aleatoria y es una cierta función no lineal de n magnitudes aleatorias independientes
y = f(x1,x2, . . ., xn)
que varía poco en intervalos pequeños de variación de los argumentos, para la media µ(y) se cumple, en forma
aproximada que
µ(y) = f(µ(x1), µ(x2), . . ., µ(xn))
(17)
La varianza poblacional (σ2 ) se obtiene:

σ 2 = ∫ (x − μ) 2 f(x)dx

(18)
La varianza tiene las siguientes propiedades:
1.- Si c es un número constante entonces
σ2(c) = 0
(19)
σ2(cx) = c2σ2(x)
(20)

32
 2.- La ley de adición de las varianzas: Si la magnitud aleatoria x es la suma de n magnitudes
independientes
x=x1 + x2 + . . . +xn
el valor de la varianza de la variable x es igual a la suma de los valores de las varianzas de cada una de las n
variables aleatorias
σ2(x) = σ2(x1) + σ2(x2) + . . . +σ2(xn)
(21)
vale la pena hacer notar que la ley de adición es valida para las varianzas (σ2(x)) no así para las desviaciones
típicas (σ(x)).

Relación Entre la Desviación Típica Poblacional y Muestral.

Sea la función y = f(x1,x2), a pesar de que el desarrollo se hará para dos variables es válido para n
variables, al desarrollar en series de Taylor y + Δy se llega a

y + ∆y = f ( x1 + ∆x1 , x 2 + ∆x 2 )
(22)
∂f ∂f
y + Δy = f(x 1 , x 2 ) + Δx 1 + Δx 2 + terminos de orden mayor
∂x 1 ∂x 2
(23)
entonces
∂f ∂f
Δy = Δx1 + Δx 2 + terminos de orden mayor
∂x1 ∂x 2
(24)
Es necesario hacer notar que en particular, si el desarrollo se hace en torno del valor medio entonces
Δy = y − y , Δx 1 = x 1 − x 1 y Δx 2 = x 2 − x 2 ya que y = f( x 1 , x 2 ) , de donde la varianza de y está dada por

σ ( y) =
∑ (Δy) 2

n
(25)
La n en el numerador se debe a que se está considerando la varianza poblacional. Sustituyendo el valor de
∆y se tiene
2
1  ∂f   ∂f  
σ ( y) = ∑ 
2
(Δx 1 ) +  (Δx 2 )
n  ∂x 1   ∂x 2  
(26)
al desarrollar el cuadrado del binomio llega a

33
 1  ∂f 
2
 ∂f 
2
 ∂f  ∂f  
σ ( y) = ∑ 
2
 (Δx 1 )2 +   (Δx 2 )2 + 2  (Δx 1 )(Δx 2 )
n  ∂x 1 
  ∂x 2   ∂x 1  ∂x 2  
(27)
Distribuyendo la suma y n

 ∂f  2 ∑ (Δx ) ∑ (Δx )  ∑ (Δx 1 )(Δx 2 ) 

2
 ∂f   ∂f  ∂f
2 2

σ ( y) =   +   + 2   

2 1 2

 ∂x 1  n  ∂x 2  n  ∂x 1  ∂x 2  n 
(28)
pero

∑ (∆x )
2

= σ 2 (x i )
i

n
(29)
aplicando este resultado a la expresión

 ∂f  2  ∑ (Δx 1 )(Δx 2 ) 
2
 ∂f  2  ∂f  ∂f
σ ( y) = 
2
 σ 2 (x 1 ) +   σ (x 2 ) + 2   
 ∂x 1   ∂x 2   ∂x 1  ∂x 2  n 
(30)
El comportamiento de ∑ (Δx )(Δx )1 2
depende de la relación que hay entre las variables x1 y x2.

Efectuando la suma

∑ (Δx ) (Δx ) = (Δx ) (Δx ) + (Δx ) (Δx )

i =1
1 i 2 i 1 1 2 1 1 2 2 2 + ...(Δx 1 )n (Δx 2 )n

(31)
El término (Δx1 )k (Δx 2 )k es un sumando del producto punto de los vectores

(ΔX ) = {(Δx ) , (Δx ) ,...(Δx ) }

1 1 1 1 2 1 n

(∆X ) = {(∆x ) , (∆x ) ,...(∆x ) }

2 2 1 2 2 2 n

(32)

Recordando que el producto punto de dos vectores está dado por

Y • X = Y X cos θ
(33)
al sustituir en el doble producto de la expresión (30) se tiene

34
  ∂f  ∂f 
2  σ ( x1 )σ ( x 2 ) cos θ
 ∂x1  ∂x 2 
(34)

Para determinar el cosθ se grafica x1 en función de x2. Se determina el valor promedio x1 y x 2 . Tomando

como origen los valores promedio ( x1 y x 2 ) se refieren los puntos (x1)i ,(x2)i dando lugar al siguiente conjunto de
puntos

X2 X1
(x 2 )1 − x 2 (x1 )1 − x1
( x 2 )2 − x 2 ( x1 )2 − x1
... ...
( x 2 )k − x2 ( x1 )k − x1
... ...

( x 2 )n − x 2 ( x1 )n − x1

Se construyen las rectas X1 = m2X2 y X2 = m1X1 que se cruzan en el origen del nuevo sistema de ejes

coordenados, el punto ( x1 , x 2 ) del sistema de ejes original.

Se tiene tres posibles situaciones con las rectas:

Caso en el que 0 ≤ Θ < 90 y entonces el cosΘ se encuentra entre 0,1

35
Caso en el que θ = 90 y el cosθ=0

Caso en el que 90 < θ ≤ 180 y el cosθ se encuentra entre − 1,0

El cosθ se obtiene del producto punto de los vectores X1 = (x1' )1 , (x1' ) 2 ,...(x1' ) n y X1 = (x '2 )1 , (x '2 ) 2 ,...(x '2 ) n ,
entonces

X1 • X 2
cos θ =
X1 X 2

(35)
de donde

36
 cosθ =
∑ (X X ) 1 2 i

∑ (X ) ∑ (X ) 2
1 i
2
2 i

(36)
( ) ( )
expresando x1' y x '2 en términos de (x1)i y (x2)i se llega a

cos θ =
∑ ((x − x )(x − x ))
1 1 2 2 i

∑ (x − x ) ∑ (x − x )
1
2
1 i 2
2
2 i

(37)
que se conoce como coeficiente de correlación lineal (r).
Si hay una correlación directa entre x1 y x2 entonces 1 ≥ r > 0 .
Si x1 y x2 no están correlacionados entonces r=0..
Si x1 y x2 están correlacionados inversamente entonces 0 ≥ r > −1
De lo anterior se tiene que la ecuación (25) se puede expresar como

 ∂f  2
2
 ∂f
2
 2  ∂f  ∂f  
σ ( y ) = 
2
 σ ( x1 ) +   σ ( x 2 ) + 2  σ ( x1 )σ ( x 2 ) r 
 ∂x1   ∂x 2   ∂x1  ∂x 2  
(38)
el caso general en el que y = f(x1, x2, x3, . . . , x N) entonces la varianza de y (σ(y)) es

N  ∂f
2
 2 N −1 N
 ∂f  ∂f  
σ ( y ) = ∑
2
  σ ( x i ) + 2 ∑ ∑  

σ ( x i )σ ( x j ) rij 

 i =1  ∂x i  i =1 j =1  ∂x i  ∂x j  
(39)

Es necesario hacer notar que la ecuación (39) es la utilizada en la “GUÍA BIMP/ISO PARA LA
EXPRESIÓN DE LAS INCERTIDUMBRES EN LAS MEDICIONES” para determinar la
incertidumbre combinada.

Al obtener el valor promedio de la variable x se tiene

x=
1
(x1 + x 2 + x 3 + ... + x n )
n
(40)

x x x x 
x =  1 + 2 + 3 + ... + n 
n n n n 
de donde las derivadas parciales son:
∂f 1
=
∂x k n

37
 (42)
introduciendo este resultado en la expresión 39

 1  2 2 2
1 2
2
1 2 
σ ( x ) =   s ( x1 ) +   s ( x 2 ) + ... +   s ( x n )
2

 n  n n 

(43)
Se han sustituido las σ(xk ) por s(xk ) ; ya que solamente se cuenta con las desviaciones típicas de cada valor
individual de x. Ya que las varianzas s2(xk) son varianzas de la misma variable entonces cumplen

{s ( x ) ≈ s ( x ) ≈ ... ≈ s ( x )}
2
1
2
2
2
n

(44)
de donde se obtiene que la varianza del promedio está dada por

s 2 (x )
σ 2 (x ) =
n
(45)

La expresión (45) multiplicada por el factor de corrección t es la incertidumbre tipo A.

Ejemplos de Funciones de Densidad de Probabilidad.

Función de Densidad de Probabilidad Normal.

Un ejemplo de función de densidad de probabilidad es la Función Gaussiana o Función de Densidad de
Probabilidad Normal. En la naturaleza no existe un gran número de variables que cumplan con esta distribución;
sin embargo, presenta la ventaja que para un número grande de datos otras funciones de densidad se aproximan a
la función de Densidad de Probabilidades Normal.

La Función de Densidad Normal o Función Gaussiana para una variable aleatoria x está dada por:

1  1  x − µ  2 
f = exp−   
σ 2π  2  σ  
(46)
Mientras que la Función de Distribución de Probabilidad es:

1 x0  1  x-μ  2 
F(x)=
σ2π ∫- ∞
dx exp -   
 2  σ  
(47)
La curva de la Función de Densidad de Probabilidad (figura 7) es simétrica con respecto a la posición de µ,
razón por la cual la moda y la mediana coinciden con la media. Vale la pena hacer notar que el ancho de la curva
depende de σ, entre más grande es la desviación típica más ancha y más baja es la campana.

38
Figura 7
El área bajo la curva cumple que el .68 se encuentra en la región determinada por [µ−σ, µ+ σ], es decir
existe un 68%de probabilidad de que dado un valor de la variable aleatoria éste caiga en dicho intervalo.
Para la región comprendida en [µ−2σ, µ+ 2σ], se cuenta con un .955 del área bajo la campana, lo que indica que
dado un valor de x existe um .955 de probabilidad de que caiga en esa región.
El 99.7% del área bajo la Función de Densidad de probabilidad está comprendida en [µ−3σ, µ+ 3σ], con
lo que se tiene una probabilidad de. .997 de encontrar un valor dado de la variable x.
Los valores del área bajo la curva de la Función de Densidad de probabilidad Normal se encuentran en
tablas para los valores µ=O y σ = 1, de tal suerte que para poder hacer uso de estos datos es necesario efectuar el
siguiente cambio de variable:

x-x
z=
s
(48)

Con x valor de la variable estudiada, x valor medio, s valor medio de las desviaciones típicas de cada valor de x
y z es el valor de la variable que se requiere consultar en la tabla.
Para poder hacer uso de la información contenida en las tablas de área bajo la función normal de
distribución de probabilidad, se hace necesario saber que zona de la función se está presentando. En las siguientes
figuras se muestran algunas posibilidades.

39
 Figura 8.- La zona achurada representa la función de Distribución de Probabilidad F(x).

De acuerdo con la ecuación 47 la Función de Distribución de Probabilidad (F(x)) es el área bajo la función
de Densidad de Probabilidad de −∞ a un cierto valor x0 de la variable, es decir es la probabilidad de encontrar un
valor de la variable en el intervalo −∞, x 0 :

F(x 0 )= P(-∞<x ≤ x 0 )
(49)
Con esta tabla también es posible determinar, directamente 1, la probabilidad del intervalo
complementario:

P(x 0 ≤ x<∞ )= 1 - P(-∞<x ≤ x 0 )

(50)

1
La aclaración “directamente” es porque la determinación de la probabilidad no requiere hacer ninguna otra operación matemática, sin
embargo con cualquier tabla es posible determinar la probabilidad de cualquier intervalo, basta recordar que la integral de un intervalo es
igual a la suma de las integrales de los subintervalos en los que se divide el intervalo.

40
 Figura 9.- Área central bajo la curva de la función de densidad de probabilidad Normal o de Gauss.

Algunas tablas de área bajo la curva de densidad de probabilidad Normal lo que contienen es el área
central de la curva (Fig. 9), es decir la probabilidad del intervalo centrado en el valor medio (P(-x 0 ≤ x ≤ x 0 )) .
Es claro que con la información contenida en esta tabla es posible determinar las siguientes probabilidades:
P(-x 0 ≤ x ≤ x 0 )
P(-x 0 ≤ x ≤ 0) = P(0 ≤ x ≤ x 0 ) =
2
(51)
expresión valida cuando -x 0 = x 0 y sin olvidar que el valor medio usado para realizar los cálculos es igual a

cero (μ = 0) . La probabilidad de las colas:

P(-∞<x ≤ x 0 ) + P(-x 0 ≤ x<∞ ) = 1 - P(-x 0 ≤ x ≤ x 0 )

(52)
por cierto existen tablas que contienen esta probabilidad (fig. 10).
Vale la pena repetir que sabiendo el tipo de información contenida en las tablas de la función de
densidad de probabilidad Normal es posible determinar la probabilidad de cualquier intervalo de interés, basta
hacer las sumas o las restas correspondientes, sin olvidar que las probabilidades de los intervalos son áreas bajo la
curva y que éstas pueden sumarse o restarse.

41
 Figura 10.- Área de colas bajo la curva de la función de densidad de probabilidad Normal o de Gauss.

Con el fin de ver la aplicación de las tablas de valores de la función de densidad de probabilidad se
presenta el siguiente ejemplo: Suponiendo que los datos utilizados en el ejemplo (tabla de frecuencia) siguen una
distribución normal, suposición inadecuada ¿por qué?, ¿cuál es el intervalo de valores de la variable, centrado en
el valor promedio, en el que existe un 50 % de probabilidad de encontrar un valor x de la variable?.
Como se ve en la tabla mostrada en la figura 11, para un área de 0.5 se tiene un valor de z = 0,674, con este
valor y haciendo uso de la ecuación 48 es posible determinar el valor la variable x. Despejando a x:

x = (z × s) + x
(53)
Sustituyendo: x = 18,12 y s = 0,16 en la ecuación 53 se tiene:

x = (0,674 × 0,16) + 18,12

x = 18,23
Este valor de la variable x representa el límite superior de la región central que es el 50% del área
bajo la curva, el límite inferior se obtiene de la siguiente forma:

42
 Figura 11.- Ejemplo de diferentes formas de presentación del área bajo la curva de la Función de de
Densidad de Probabilidad.

Δx = x sup -x

xinf = x-Δx
Sustituyendo los valores correspondientes:
Δx = 18,23-18,12
Δx = 0,11
xinf = 18,12 - 0,11

xinf = 18,01
El intervalo de valores de x en que existe un 50 % de probabilidad de que un valor de x caiga es
[18, 01;18, 23] . De la tabla de frecuencia se observa que hay 11 datos que caen en el intervalo, lo que demuestra
una buena aproximación.
Con la misma hipótesis (que los datos utilizados en el ejemplo (tabla de frecuencia) siguen una
distribución normal) determinar cual es la probabilidad de encontrar un valor de x en el intervalo [17,80;18, 44] ,

centrado en el valor promedio.

43
 Para poder hacer uso de la tabla de la figura 11 es necesario transformar el intervalo de interés a un
intervalo en términos de la variable z, dado que el intervalo está centrado en el valor promedio bastará
transformar uno de los valores extremos, por ejemplo 17,80 entonces haciendo uso de la expresión 48 se tiene:

17,80-18,12
z=
0,16

z = -2
Lo que significa, en términos de la variable z, que el intervalo es [ −2, 2] . De acuerdo a la tabla de la figura

11, en dicho intervalo, se tiene aproximadamente (z = 1.960) un área de 0,95. Recordando que el área total bajo
la función de distribución está normalizada a uno, entonces el área comprendida en el intervalo representa un 95
% del área total, lo cual quiere decir que existe un 95 % de probabilidad de encontrar un valor en dicho intervalo:
P (17,80 ≤ x ≤ 18,44) = 0,95
Sin embargo de la tabal de frecuencia se tiene que el espacio muestral está comprendido en el
intervalo [17,82;18, 40] , situación que se debió prever. Es necesario reflexionar en el sentido que se está tratando

de predecir el comportamiento de una función de densidad de probabilidad obtenida a partir de un número finito
de datos y que su espacio muestral está contenido en un intervalo finito, a través de una función de densidad
desarrollada para un número infinito de datos y cuyo espacio muestral es < −∞, ∞ > .

Función de distribución t-Student.

La función t-Student es una función de distribución de probabilidad que considera a la desviación típica
muestral,, en contraste con la función normal que utiliza la desviación típica poblacional.

−
x−µ
t= −
 
s x 
 
(49)
La función de la densidad de probabilidad t-Student depende del número de grados de libertad (f) de la
desviación típica muestral, que es igual a n-1 con n número de observaciones, y se determina a través de la
fórmula.

44
  f +1
Γ   f +1 
2 −  2 
 2  1 + t  
Φ(t ) =  
(πf )12 Γ f   f 
2
−∞ < t < ∞
(54)

Donde la función gama ( Γ(x)) se define como:

∞ z −1
Γ(z ) = ∫ e y dy
-y
0

(55)
En la figura 12 se muestra la función de distribución t-Student para varios grados de libertad, la función es
simetríca respecto al valor t=0. Para valores de f>20 la función de distribución t-Student se acerca a la función
normal y para f = ∞ ambas coinciden. Para valores pequeños de f, es decir para pocos grados de libertad (pocas
observaciones) la función de distribución se diferencia fuertemente de la normal. Por ejemplo para f=1 la función
ф(t) su máximo es menor y se acerca al eje de las abscisas más lentamente para t→±ºº.
Una de las aplicaciones de las funciones de distribución de probabilidad, es dada una probabilidad
determinar el intervalo de valores de la variable que cumple con dicha probabilidad. En el caso de la función t-
Student si la probabilidad α de que la magnitud aleatoria t caiga en un intervalo cualquiera está dada, los límites
del intervalo buscado se caracterizan por las magnitudes -t1-α(f),t1-α(f), dependientes del número de grados de
libertad f y determinados de la condición.

P(-t1-α(f)<t(f)<t1(f))= α (52)

45
 Figura 12

Un ejemplo de aplicación de la distribución t-Studen es la determinación del error que hay entre la media
poblacional de una variable y la media muestral. Considerando como centro la media muestral, dado un
intervalo. (Por lo general la probabilidad de que la media poblacional caiga en dicho intervalo es de 0.95,
pudiendo tomar otros valores dependiendo del tipo de observaciones.
El intervalo de confianza para la media poblacional de la magnitud aleatoria se puede construir mediante la
magnitud aleatoria t y la función de distribución t-Student, ya que el número de observaciones es pequeño.
Aplicando la expresión (52), que determina los límites del intervalo de confianza por la probabilidad de que la
magnitud aleatoria x caiga en él; como tal se toma la magnitud de la función t-Student (f) con f=n-1 grados de
libertad, donde n es el número de observaciones.
P(-t1α(f)<t(f)<t1-α(f))=α
Sustituyendo el valor t(f) de acuerdo con la expresión (49). Se obtiene
−
x−µ
< t1−α ( f )) = α
P(-t1-α(f)< s ( x )

(53)

A solucionar la desigualdad para μ, se llega a

−
− −
 − 
P( x − t1−α ( f ) • s x  < µ < x + t1−α ( f ) • s x   = α
   
(54)
este intervalo es el intervalo de confianza, que determina la certeza de la media muestral, como estimador de la
media poblacional de la magnitud que se mide.
Aplicando el resultado de la ecuación (45) se obtiene

− s(x )
t1−α ( f ) • s x  = t1−α ( f )
  n
(55)
Este resultado será utilizado para expresar la desviación típica poblacional (σ(x)) en base a la desviación típica
muestral (s(x)) en el momento de determinar la incertidumbre tipo A.

Bibliografía

46
Baird D. C. "Experimentation: An Introduction to Measurement Theory and Experiment Design. Prentice Hall.
New Jersey, 1962.
Spiridonov V. P. Y Lopatkin A. A., Tratamiento Matématico de Datos Físico-Químicos. MIR. Moscú, 1973.
López Carmona Sergio y Sánchez Fernández Carlos. A. Reporte Técnico CNM-MEE-PT-0001. "Resumen y
Ejemplos de Aplicación de la Guía ISO/Bipm para la Expresión de Incertidumbres en la Mediciones". Querétaro,
1994.
Riveros G. Héctor y Rosas Lucía. "El Método Científico Aplicado a las Ciencias Experimentales": Trillas.
México, 1982.

"EVALUACION DE LA INCERTIDUMBRE EN LOS RESULTADOS DE LAS MEDICIONES"

Un poco de historia acerca de la evolución de la recomendación para la expresión de la incertidumbre.

1977 El CIPM (International Cornmittee for Weights and Measures) encarga al BIPM (International

Bureau of Weights and Measures) busque un consenso internacional en la forma de expresar la incertidumbre en

las mediciones.

1980 El BIPM convoca al grupo de trabajo sobre "El Informe de la Incertidumbre". Ese mismo año surge la

recomendación INC-.

1985 A solicitud que le hace el CIPM a la ISO (International Organization for Standardization) surge "La Guía

para la Expresión de la Incertidumbre en las Mediciones".

1993 Aparece la segunda edición de "lntemational V ocabulary of Basic and General Terms in Metrology" en

donde se establece:

INCERTIDUMBRE EN LA MEDICION: parámetro asociado con el resultado de una medición, que

caracteriza la dispersión de valores que puede ser razonablemente atribuido al mensurando ( cantidad particular

sujeta a medición).

47
 1996 NMX-CH-140:1996IMNC “GUÍA PARA EVALUACIÓN DE LA INCERTIDUMBRE EN LOS

RESULTADOS DE LAS MEDICIONES”

48
49
Cercanía entre el resultado de una medición y el
valor verdadero de la cantidad medida.
EXACTITUD

REPRODUCIBILIDAD
Cercanía entre los resultados de mediciones de
la misma cantidad, bajo medición. (de los resultados de condiciones
diferentes de mediciones)

Cercanía entre los resultados de mediciones de la

REPETBILIDAD
misma cantidad, bajo medición.
(de los resultados las mismas
condiciones de de mediciones)

Mediciones resultado de una

comparación directa entre un
instrumento de medición y la cantidad MEDICIONES DIRECTAS

que se está midiendo.

Mediciones resultado de algún modelo

matemático o relación funcional, entre
la cantidad de interés y cantidades que MEDICIONES INDIRECTAS
se miden directamente.

1
 Estandar-Incertidumbre del resultado
de una medición expresada como una
desviación típica.

Tipo A-Incertidumbre determinada mediante

el análisis estadístico de una serie de
observaciones.

Tipo B- Incertidumbre determinada por otro

medio que no sea el análisis estadístico de
una serie de observaciones.
Incertidumbre (de la medición)
Parámetro asociado con el resultado de Estándar Combinada- Incertidumbre estándar
una medición que caracteriza la del resultado de una medición cuando el
dispersión de los va1ores, que resultado se obtiene a partir de los valores
razonablemente pudiera ser atribuida al de algunas otras magnitudes, igual a la raíz

mensurando. cuadrada positiva de una suma de términos,

siendo estos términos las varianzas y
covarianzas de estas otras magnitudes
ponderadas de acuerdo a cómo el resultado
de la medición varía con respecto a cambios
en esas magnitudes.

Expandida-Cantidad que define un intervalo

alrededor de una medición del que se puede
esperar abarque una fracción grande de la
distribución de valores que razonablemente
pudieran ser atribuidos al mensurando.

2
INTUITIVAMENTE

-MEDICIONES DIRECTAS:

Una sola medida: se asocia la incertidumbre del aparato, por ejemplo: la mitad de la
mínima escala para el caso de un flexómetro o cinta métrica; la mínima escala para
sistemas con nonio, de acuerdo a lo indicado en el manual para equipos eléctricos y
electrónicos.
Repetición de varias medidas: Se toma en cuenta la incertidumbre del aparato y se le

suma la desviación típica de los resultados de las mediciones.

s= ∑ ( x − x) 2

n −1
-MEDICIONES INDIRECTAS:

En este caso se tiene un modelo matemático que relaciona la variable de interés

con las variables de las que depende.
y=f(xl,x2,...xn)

Suponiendo, por facilidad, que "y" depende de una sola variable y considerando
a las derivadas como cocientes se tiene:

 dy 
∆y =  ∆x
 dx 

Con Δy y Δx incertidumbres de las variables x e y. Para el caso en el que y

depende de más de una variable se tiene:

 dy   dy   dy 
∆y =  ∆x1 +  ∆x 21 + ... +  ∆x n
 dx1   dx 2   dx n1 

De Acuerdo con la Guía BIMP/ISO para la Expresión de las Incertidumbres en

las Mediciones:
La incertidumbre de una medición se expresa como una desviación típica

3
 1/ 2
 n  δy 
2
n −1 n
δy δy 
σ ( y ) = ∑   (σ ( x1 )) 2 + 2∑ ∑ σ ( xi )σ ( x j )r ( xi x j )
 i =1  δx i  i =1 j =1+ iδx i δx j 

Existen 2 contribuciones a la incertidumbre:

Incertidumbre Tipo A es igual a:

S ( x)
σ A ( x) = t1−α ( f )
n

Es común no contar con una muestra mayor a 10 datos, en esas situaciones es

necesario multiplicar la desviación típica muestral (s(x)) por el factor de corrección t, el
cual se obtiene de la Función de Distribución de Probabilidad t-Student. La tabla

muestra los valores de t1−α para un factor de cobertura k=2 y diferentes números de
datos.
Número de t1-α
observaciones
2 7.0
3 2.3
4 1.7
5 1.4
6 1.3

4
 7 1.3
8 1.2
9 1.2

En el caso de las incertidumbres tipo B se tiene que la desviación típica se evalúa por
medios diferentes al análisis estadístico, tomando en cuenta toda la información de
que se disponga, tal Como:
-Datos de mediciones previas.
- Experiencia con el sistema de mediciones o conocimiento general del mismo
- Especificaciones del fabricante
- Datos disponibles de calibración y otros reportes
- Incertidumbre asignadas a datos de referencia de manuales, informes, etc..

Es, en la mayoría de los casos, necesario realizar alguna manipulación de la

información para poder expresar la incertidumbre como una desviación típica, por
ejemplo:
a).- Suponiendo que la incertidumbre se expresa como un múltiplo de la desviación

típica, se tiene σ E = hσ B en donde σ E es la Incertidumbre y σ B es la desviación

típica. Entonces la incertidumbre tipo B está dada por:

σE
σB =
h

b ).- Si se supone que σE se expresa como un nivel de confianza se tiene:

σE
σB =
k
donde k es el factor de cobertura y se supone que el mensurando sigue una
distribución normal.
c).- Suponiendo que el valor del mensurando se encuentra en un intervalo tal que, la

probabilidad de que el mensurando tome cualquier valor de dicho intervalo es la

misma, función de distribución rectangular.

5
 d).- En el caso en el que el mensurando siga una distribución triangular :

a
σB =
6

donde a es la semibase del triángulo, de la función de distribución.

La incertidumbre expandida ( σ exp ) es la incertidumbre combinada multiplicada

por un factor de cobertura k

σ exp = kσ c

6
suponiendo que el mensurando sigue una función de distribución normal alrededor del valor informado, el factor de cobertura tiene
el siguiente nivel de confianza :

k Nivel de confianza
(factor de cobertura)

1 68,27 %
2 95,45 %
3 99, 73 %

El valor de k=2, con un nivel de confianza de 95,45%, es el valor utilizado en la

mayoría de los trabajos de metrología.

Pasos necesarios para determinar la incertidumbre:

l.-Definir el mensurando, determinando los mensurandos de los que depende

II.-Determinar el modelo que representa el proceso de medición, es decir expresar a

través de la relación entre el mensurando de interés y los mensurandos de los que
depende.

III.-Clasificar las componentes de la incertidumbre: Incertidumbre tipo A e

incertidumbre tipo B.

IV.- Para determinar la Incertidumbre Estándar Combinada Aplicar la expresión:

1/ 2
 N  δy  n
2
n
δy δy 
σ ( y ) = ∑   (σ ( xi )) + 2∑ ∑
2
σ ( xi )σ ( x j )rij ( xi , x j )
 I =1  δxi  i =1 j =1+ iδx i δx j 

7
 con

rih =
∑ (( x − x )( x − x ))
1i i 2j 2

∑ ( x − x ) ∑ ( x − x )
1j j
2
i2 i
2

V.- Determinar la Incertidumbre Expandida

σ exp = kσ c
con k factor de cobertura.

ANEXO.

DEFINICIONES UTILIZADAS EN LA NORMA ISO 5725-1

EXACTITUD (VERACIDAD Y PRECISIÓN) DE MÉTODOS

DE MEDICIÓN Y RESULTADOS

3.5 valor de referencia aceptado (accepted reference value): Un valor que sirve
como un valor de referencia acordado para comparación, y que se obtuvo como:
a) un valor teórico o establecido, basado sobre principios científicos;
b) un valor asignado o certificado, basado en trabajo experimental realizado por
alguna organización nacional o internacional;
c) un valor por consenso o certificado, basado en un trabajo experimental de
colaboración bajo el auspicio de un grupo científico o de ingeniería;
d) cuando a), b) y c) no estén disponibles, el valor de expectación de una cantidad

8
 (mensurable), y entonces el valor promedio de una población especial de
medidas.
3.6 exactitud (accuracy): la cercanía o acuerdo que hay entre el resultado de una
prueba y el valor de referencia aceptado.
Nota 2 El término exactitud aplicado a un conjunto de resultados, involucra una
combinación de componentes aleatorias y un error sistemático común o componente de
desviación.
3.7 veracidad?? (truenes): La cercanía de concordancia entre el valor promedio
obtenido de un gran número de series de resultados de una prueba y el valor de
referencia aceptado.
Notas
3 La medida de la veracidad se expresa, usualmente, en términos de una desviación.
4 La veracidad es referida como “exactitud del promedio”. Este uso no es recomendado.
3.8 sesgo (bias): La diferencia entre la expectación (expectation)? de los resultados de
la prueba y el valor aceptado de referencia.
Nota ¿a qué se refiere la expectación?
Nota 5 Sesgo es el error sistemático total y se contrasta con el error aleatorio. Puede
haber más de un error sistemático contribuyendo al sesgo. Un diferencia grande
sistemática respecto al valor aceptado se refleja en un sesgo grande.
3.12 precisión (precision): Cercania en concordancia entre resultados de pruebas
independientes obtenidos bajo condiciones estipuladas.
Notas
9 La precisión depende exclusivamente de la distribución aleatoria de errores y no está
relacionada con el valor verdadero oel valor especificado.
10 La medida de la precisión es usualmente expresada en términos de imprecisión y es
calculada como una desviación típicade los resultados de las prueba. Una precisión baja
se refleja en una desviación típica muy grande..
11”Resultados de pruebas independientes” significa que los resultados obtenidos no
están influidos de ninguna forma por resultados obtenidos previamente sobre el mismo
objeto u objeto similar.

9
 ANEXO
RESUMEN
METROLOGÍA-VOCABULARIO DE TÉRMINOS FUNDAMENTALES Y
GENERALES
(Metrology-vocabulary of basic and general terms)
NMX-Z-055-1996-1MNC

10
 1.-MAGNITUDES Y UNIDADES

1.1 Magnitud (medible)

Atributo de un fenómeno, cuerpo o substancia que es susceptible de ser diferenciado

cualitativamente y determinado cuantitativamente.
NOTAS
1 El término "magnitud" puede referirse a una magnitud en un sentido general (ver
Ejemplo a) o a una magnitud particular (ver Ejemplo b).
Ejemplos:

a) Magnitudes en un sentido general:

Longitud, tiempo, masa, temperatura, resistencia, concentración en una cantidad de

substancia;

b) Magnitudes particulares:
-Longitud de una varilla.
-Resistencia eléctrica de un alambre de una muestra dada.
-Concentración de etanol, en cantidad de substancia, en una muestra de vino.
2 Las magnitudes que pueden ser clasificadas, las unas en relación a las otras en
orden creciente o decreciente, son llamadas magnitudes de la misma naturaleza (ver
1.22).

3 Las magnitudes de la misma naturaleza pueden ser agrupadas en su conjunto en

categorías de magnitudes por Ejemplo:

-Trabajo, calor, energía;

-Espesor, circunferencia, longitud de onda.
4 Los símbolos de las unidades se establecen en la norma NOM-008-SCFI.
1.18 Valor (de una magnitud)
Expresión cuantitativa de una magnitud particular, expresada generalmente en la
forma de una unidad de medida multiplicada por un número.
Ejemplos:
a) Longitud de una varilla 5,34 m ó 534 cm;
b) Masa de un cuerpo 0,152 kg ó 152 g;
c) Cantidad de substancia de una muestra de agua (H20): 0,012 mol ó 12 mmol.
NOTAS
1 El valor de una magnitud puede ser positivo, negativo o cero.

11
2 El valor de una magnitud puede ser expresado en más de una forma.
3 Los valores de las magnitudes de dimensión uno se expresan como números.
4 Algunas magnitudes para las cuales no se sabe definir su relación con una
unidad, puede ser expresadas por referencia a una escala de referencia o a un
procedimiento de medida especificado o a los dos.
1.19 Valor verdadero (de una magnitud).
Valor compatible con la definición de una magnitud particular dada.
NOTAS
1 Es un valor que se obtendría por una medición perfecta.
2 Los valores verdaderos son por naturaleza indeterminados.
3 El articulo indefinido "un" más que el articulo definido "el" se utiliza
conjuntamente con el "valor verdadero" porque puede haber varios valores
compatibles con la definición de una magnitud particular dada.
1.20 Valor convencionalmente verdadero (de una magnitud).
Valor atribuido a una magnitud particular y aceptado, algunas veces por convención,
como un valor que tiene una incertidumbre apropiada para un propósito dado.
Ejemplos:
1 En un lugar determinado, el valor asignado a la magnitud realizada por un
patrón de referencia puede tomarse como un valor convencionalmente verdadero;
2 El valor recomendado por CODATA (1986) para la constante de Avogadro es:
NA=6,022 136 7 x 1023 mol-1.
NOTAS
1 El valor convencionalmente verdadero es algunas veces llamado, valor asignado,
mejor estimado del valor, valor convenido o valor de referencia. El termino "valor de
referencia", en este sentido, no debe confundirse con el mismo termino utilizado en
5.7.
2 Con frecuencia se utiliza un número de resultados de medidas de una magnitud
para establecer un valor convencionalmente verdadero.
2 MEDICIONES
2.1 Medici6n.
Conjunto de operaciones que tienen por objeto determinar el valor de una magnitud.
NOTA
1 Las operaciones pueden ser realizadas automáticamente.
2.2 Metrología.

12
Ciencia de la medici6n.
NOTA
1 La metrología incluye todos los aspectos teóricos y prácticos relacionados con las
mediciones; cualquiera que sea su incertidumbre, en cualquiera que sea el campo de la
ciencia y de la tecnología.
2.3 Principio de medici6n.
Base científica de una medici6n.
Ejemplos:
a) El efecto termoeléctrico aplicado a la medici6n de temperatura;
b) El efecto Josephson aplicado a la medición de la diferencia de potencial eléctrico;
c) El efecto Doppler aplicado a la medición de velocidad;
d) El efecto Raman aplicado a la medición del número de onda de las vibraciones
moleculares.
2.4 Método de medición
Secuencia 1ógica de las operaciones, descritas de manera genérica, utilizada en la
ejecución de las mediciones.
NOTA
1 Los métodos de medición pueden ser calificados en varias formas:
- Método de substitución;
- Método diferencial;
- Método nulo o de cero.
2.5 Procedimiento (de medición)
Conjunto de operaciones, descritas específicamente, para realizar mediciones
particulares de acuerdo a un método dado.
NOTA
1 Un procedimiento de medición es usualmente descrito en un documento,
llamado algunas veces "procedimiento" y que proporciona suficientes detalles para
que un operador pueda realizar una medición sin necesitar más informaci6n.
2.6 Mensurando.
Magnitud particular sujeta a medición.
Ejemplo:
a) Presión de vapor de una muestra dada de agua a 20 °C.
NOTA

13
1 La especificación de un mensurando puede requerir indicaciones acerca de
magnitudes tales como el tiempo, la temperatura y la presión.
2.7 Magnitud de influencia.
Magnitud que no es el mensurando pero que afecta al resultado de la medición.
Ejemplos:
a) La temperatura de un micrómetro cuando se trata de la medida de una longitud;
b) La frecuencia en la medición de la amplitud de una tensión eléctrica alterna;
c) La concentración de bilirubina cuando se mide la concentración de hemoglobina
en una muestra de plasma sanguíneo humano.
3 RESULTADOS DE MEDICIONES
3.1. Resultado de una medición
Valor atribuido a un mensurando, obtenido por medición.
NOTAS
1 Cuando se da un resultado, se indicara claramente si se refiere:
- a la indicación;
- al resultado no corregido;
- al resultado corregido;
y si el resultado es un promedio obtenido a partir de varias mediciones.
2 Una expresión completa del resultado de una medición incluye información sobre la
incertidumbre de la medición.
3.3 Resultado no corregido.
Resultado de una medición antes de la corrección del error sistemático.
3.4 Resultado corregido.
Resultado de una medición después de la corrección del error sistemático.
3.5 Exactitud de medición.
Proximidad de la concordancia entre el resultado de una medición y un valor verdadero
del mensurando.
NOTAS
1 El concepto de <<exactitud>> es cualitativo.
2 El termino <<precisión>> no debe utilizarse por exactitud.
3.6 Repetibilidad (de los resultados de mediciones).
Proximidad de la concordancia entre los resultados de las mediciones sucesivas del
mismo mensurando, con las mediciones realizadas con la aplicación de la totalidad de
las siguientes condiciones:

14
NOTAS
1 A estas condiciones se les llama condiciones de repetibilidad.
2 Las condiciones de repetibilidad comprenden:
- el. mismo procedimiento demedición;
- el. mismo observador;
el mismo instrumento de medición utilizado en las mismas condiciones;
- el mismo lugar;
- la repetición dentro de un periodo corto de tiempo.
3 La repetibilidad se puede expresar cuantitativamente con la ayuda de las
características de la dispersión de los resultados.
3.7 Reproducibilidad (de los ;'resultados de mediciones).
Proximidad de la concordancia entre los resultados de las mediciones del mismo
mensurando, con las mediciones realizadas haciendo variar las condiciones de
medición.
NOTAS
1 Para que una expresión de la reproducibilidad sea válida, es necesario
especificar las condiciones que se hacen variar.
2 Las condiciones que se hacen variar pueden ser:
- el principio de medición;
- el método de medición;
- el observador;
- el instrumento de medición;
- el patrón de referencia;
- el lugar;
- las condiciones de uso; - el tiempo.
3 La repetibilidad puede ser expresada cuantitativamente con la ayuda de las
características de la dispersión de los resultados.
4 Los resultados considerados aquí son, habitualmente, los resultados corregidos.
3.9 Incertidumbre de medición.
Parámetro asociado al resultado de una medición, que caracteriza la dispersión de los
valores que podrían razonablemente, ser atribuidos al mensurando.
NOTAS
1 El parámetro puede ser, por Ejemplo, una desviación estándar (o un múltiplo de
ésta), o la mitad de un intervalo de nivel de confianza determinado.

15
2 La incertidumbre de medición comprende, en general, varios componentes.
Algunos pueden ser evaluados a partir de la distribución estadística de los resultados de
series de mediciones y pueden ser caracterizados por las desviaciones estándar
experimentales. Los otros componentes, que también pueden ser caracterizados por las
desviaciones estándar, son evaluados admitiendo distribuciones de probabilidad, según
la experiencia adquirida o de acuerdo con otras informaciones.
3 Se entiende que el resultado de la medición es la mejor estimación del valor del
mensurando, y que todos los componentes de la incertidumbre, incluyendo aquellos que
provienen de efectos sistemáticos, tales que los componentes asociados a las
correcciones y a los patrones de referencia, contribuyen a la dispersión.
Esta definición se toma de "Guide to the expression of uncertainly in measurement",
donde las bases se exponen detalladamente (ver en particular 2.2.4 y el anexo D [10]).
3.10 Error (de medición).
Resultado de una medición menos un valor verdadero del mensurando.
NOTAS
1 Puesto que un valor verdadero no puede ser determinado, en la practica se
.utiliza un valor convencionalmente verdadero (ver 1.19 y 1.20).
2 Cuando es necesario hacer la distinción entre <<el error>> y <<el error
relativo>>, el primero a veces es llamado <<error absoluto de medición>>. No se le
debe confundir con el valor absoluto del error, el cual es el modulo del error.
3.11 Desviación.
Un valor menos su valor de referencia.
3.12 Error relativo.
Es el error de medición dividido entre un valor verdadero del mensurando
NOTA
1 Puesto que un valor verdadero no puede ser determinado, en la practica se utiliza
un valor convencionalmente verdadero (ver 1.19 y 1.20).
3.13 Error aleatorio.
Resultado de una medición menos la media de un número infinito de mediciones del
mismo mensurando, efectuadas estas en condiciones de repetibilidad.
NOTAS
1 El error aleatorio es igual al error menos el error sistemático.
2 Como só1o se puede hacer un número finito de mediciones, só1o es posible
determinar una estimaci6n del error aleatorio.

16
3.14 Error sistemático.
Media que resultaría de un número infinito de mediciones del mismo mensurando,
efectuadas bajo condiciones de repetibilidad, menos un valor verdadero del
mensurando.
NOTAS
1 El error sistemático es igual al error menos el error aleatorio.
2 Como el valor verdadero, el error sistemático y sus causas no pueden ser
conocidos completamente.
3 Para un instrumento de medici6n, ver "error de ajuste" (5.25)
3.15 Correcci6n
Valor agregado algebraicamente al resultado no corregido de una medición, para
compensar un error sistemático.
NOTAS
1 La corrección es igual al valor negativo del error sistemático estimado.
2) Puesto que el error sistemático no puede ser conocido perfectamente, la
compensación no puede ser completa.
3.16 Factor de correcci6n.
Factor numérico por el cual se multiplica el resultado no corregido de una medici6n
para compensar un error sistemático.
5.1 Alcance nominal.
Alcance de las indicaciones que se obtienen para una posición dada de los controles de
un instrumento de medición.
NOTAS
1 El alcance nominal se expresa normalmente en términos de sus límites inferior y
superior, por Ejemplo, "100 AC a 200 AC". Cuando el límite inferior es cero, el alcance
nominal se expresa habitualmente sólo por el límite superior, por Ejemplo, a un alcance
nominal de 0 V a 100 V se le llama alcance nominal de "100 V".
2 Ver la NOTA -5.2.
5.2 Intervalo de medición.
Modulo de la diferencia entre los dos límites de un alcance nominal.
Ejemplos:
Para un alcance nominal de -10 V a + 10 V, el intervalo de medida es de 20 V.
NOTA

17
1 En ciertos campos científicos, a la diferencia entre el valor más grande y el más
pequeño se le llama intervalo.
5.10 Sensibilidad.
Cociente del incremento de la repuesta de un instrumento de medición entre el
incremento correspondiente de la señal de entrada.
NOTA
1 El valor de la sensibilidad puede depender del valor de la señal de entrada.
5.11 (Umbral de) movilidad.
La variación máxima de la señal de entrada que no provoca variación detectable en la
respuesta de un instrumento de medición, siendo lenta y monótona la variación de la
señal de entrada.
NOTA
1 El límite de discriminación puede depender, por Ejemplo, del ruido (interno o
externo) o de la fricción; también puede depender del valor de la serial de entrada.
5.12 Resolución (de un dispositivo indicador).
La mínima diferencia de indicación de un dispositivo indicador, que puede ser percibida
de manera significativa.
NOTAS
1 Para un dispositivo indicador digital, es la diferencia de indicación que
corresponde al cambio de una unidad de la cifra la menos significativa.
2 Este concepto se aplica también a un dispositivo registrador.

AJUSTE DE RECTAS A TRAVÉS DEL MÉTODO DE LOS CUADRADOS

MÍNIMOS.

El método de los cuadrados mínimos permite determinar los parámetros que

mejor ajustan una relación entre dos variables, basado en hacer mínima la suma de los
cuadrados de las diferencias entre los valores de las variables obtenidos
experimentalmente y los obtenidos a través de la relación propuesta
2
 n 
(
 ∑ X i − X 1i  1
 =1i  donde las X i son los valores de la variable obtenidos a través de la
relación propuesta, mientras que las Xi son los valores experimentales, n es el número
de datos.
En el caso en el que la relación entre las variables sea lineal ésta se expresa con
la siguiente ecuación:

18
 Y=mx + b

De donde el método de los cuadrados mínimos es usado para determinar el

mejor valor de la pendiente (m) y de la ordenada al origen (b). Es necesario hacer notar
que para el presente caso es posible minimizar la suma de los cuadrados de las
diferencias para la variable "y" y para la "x". Para simplificar los cálculos se minimizará
exclusivamente la suma de los cuadrados de las diferencias de la variable "y", para
poder hacer esto es necesario que la incertidumbre relativa de cada valor de la variable
"x" sea más pequeña que la incertidumbre relativa de su correspondiente valor de la
variable "y", con el fin de que las diferencias entre los valores calculados y los
experimentales en la variable "x" sean despreciable respecto a las mismas diferencias
entre los valores de la variable "y".

Se tiene entonces que la diferencia entre cada uno de los valores de "y"
calculados y los experimentales se puede expresar como:

Y-(mxi+b)

Al elevar al cuadrado cada diferencia y hacer la suma se tiene:

∑ (y − (mx + b ))
2
i i
i =1

Vale la pena recordar que al derivar una función con respecto a alguna variable,
cuando la derivada se hace cero se tiene un máximo o un mínimo, entonces si se desea
n

∑ (y − (mx + b ))
2
i i
buscar el mínimo de i =1 se debe de cumplir

n 2

∂ ∑ (y i − (mx i + b ))
i =1
=0
∂m
y

n 2

∂ ∑ (y1 − (mx i + b ))
i =1
=0
∂b
es de hacer notar que el símbolo de diferencial utilizado en las anteriores expresiones
(∂) es diferente al acostumbrado (d), esto se debe a que en el presente caso se tienen
 ∂ 
 
derivadas parciales  ∂m  ya que la función depende de más de una variable, sin
embargo, desde el punto de vista operativo el manejo es similar. En el presente caso la
derivada con respecto a ”m” se hace considerando a “b” como un constante y para la
derivada con respecto a “b” la pendiente se considera como una constante, de donde se
llega a:

19
 n 2

∂ ∑ (y i − (mx i + b )) n
i =1
= ∑ 2(y i − (mx i + b )(− x i )
∂m i =1

haciendo la multiplicación, en el miembro derecho, por -xi e igualando a cero:

∑ 2(y x )
n

i i − mx i2 − bx i = 0
i =1

distribuyendo el símbolo de suma (∑) y dividiendo la expresión entre 2:

n n n

∑ y i x i − m∑ x i2 − b∑ x i = 0
i =1 i =1 i =1

(1)

siguiendo el mismo procedimiento para la derivada parcial respecto a b se tiene:

n 2

∂ ∑ (y i − (mx i + b )) n
i =1
= ∑ 2(y i − (mx i + b )(− 1)
∂b i =1

haciendo la multiplicación, del miembro derecho, por -1 e igualando a cero:

∑ 2(y
i =1
i − mx i − b ) = 0

distribuyendo el símbolo de una suma (∑) y dividiendo la expresión entre 2:

n n n

∑ y i − m∑ x i − ∑ b = 0
i =1 i =1 i =1

∑ b = bn,
se tiene i =1 al sustituir este resultado se llega a:

n n

∑y i =1
i − m∑ x i − bn = 0
i =1

(2)

de la ecuación 1 y 2 se tiene el sistema de ecuaciones:

n n n
m∑ x i2 + b∑ x i = ∑ x i y i
i =1 i =1 i =1

20
 n n
m∑ x i + bn = ∑ y i
i =1 i =1

que al encontrar la solución para “m” se obtiene la pendiente y al encontrar la solución

para “b” se obtiene la ordenada al origen. Estos parámetros generan la recta que mejor
se ajusta a los datos experimentales. Existen varios métodos para solucionar el sistema
de ecuaciones, aquí se hará uso del método por determinantes.

El determinante del sistema es:

n n

∑ x i2 ∑x i
Δ= i =1
n
i =1

∑x i =1
i n

2
n
 n 
Δ = n ∑ x i2 −  ∑ x i 
i =1  i =1 

de donde la pendiente es igual a:

n n

∑ x i yi
i =1
∑x i =1
i

∑y
i =1
i n

m= Δ

calculando el determinante del numerador y sustituyendo el valor del determinante del

sistema (Δ) se llega a:

n n
n∑ x i yi − ∑ x i ∑ yi
i =1 i =1
m= 2
n
  n
n∑ x −  ∑ x i 2
i
i =1  i =1 

(3)

siguiendo los mismos pasos para determinar el valor de la ordenada la origen se llega a:

21
 n n

=i 1=i 1
∑ xi2 ∑x y i i

n n

i
=i 1=i 1
∑x ∑y i
b=
∆

n n n n

∑ x i ∑ yi − ∑ xi ∑ xi yi
2

=i 1 =i 1 =i 1=i 1
b= 2
n
 n
n∑ xi2 −  ∑ xi 
=i 1= i1 

(4)

La pendiente y la ordenada al origen han sido obtenidas de datos experimentales,

se hace pues necesario determinar su desviación típica, con la cual es posible determinar
su incertidumbre combinada y expandida.

En general se sabe que si “y = f(x1, x2, x3, ..., xn)” entonces la desviación
cuadrática media de “y” está dada por:

∂f 2 2 ∂f 2 2 ∂f 2 2 ∂f 2 2
S 2 (y) = ( ) S x1 + ( ) Sx2 + ( ) S x 3 + ... + ( ) Sxn
∂x 1 ∂x 2 ∂x 3 ∂x n

(5)
Para el caso particular para determinar la desviación típica de “m” y de “b”, se
ha supuesto que no hay dispersión en los valores de la variable "x" y por lo tanto su
desviación típica es igual a cero, de donde la desviación típica de los parámetros “m” y
“b” proviene de la dispersión de la variable “y”, entonces se puede hacer la siguiente
identificación con las variables que interviene en la ecuación (5):
S x1 = S y1 , S x 2 = S y 2 , S x 3 = S y3 , ..., S x n = S y n

Desarrollando la suma sobre “yi” en la expresión (3) es posible expresar la

pendiente de la siguiente forma:
1  n n n
m= 2  n(x 1 y 1 ) − y 1 ∑ x i + n(x 2 y 2 ) − y 2 ∑ x 2 + ... + n(x k y k ) − y k ∑ x i + ... + n(x n y n ) − y
n
2 
n
  i =1 i =1 i =1
n∑ x i -  ∑ x i 
i =1  i =1 

derivando la expresión anterior respecto a yk se llega a :

22
 ∂m 1  n

∂y k
= 2
 nx k − ∑ xi 
n
 n   i =1 
n ∑ x i2 -  ∑ x i 
i =1  i =1 

elevando al cuadrado:

∂m 1 
 2 2 n
 n  
2

= 2 
n x − 2nx k∑ i x +  ∑ x  
∂y k  n
k i
    i =1  
2
  n  i =1

n ∑ x i - ∑ xi  
2


 i =1  i =1  
(6)

Se tiene que la desviación media cuadrática de “y” se puede expresar como:

n 2

∑ (y − (mxi i + b ))
S =
2 i =1

n−2
yi

2
suponiendo que S yi es igual para cada “yi” y sustituyendo los resultados de (6) en la
ecuación (5), se obtiene:

S2y  2 2 n
 n 
2 n
 n 
2
2
S =
m 2 
n x1 - 2nx1 ∑ x i +  ∑ x i  + n x 2 - 2nx 2 ∑ xi +  ∑ x i  + ...
2 2

 n 2  n 2   i=1  i=1  =i 1 = i1 

n∑ xi -  ∑ xi  
 i=1  i=1  


2
 n  n
+ n x - 2nxn ∑ xi +  ∑ xi 
2 2
n 
i=1  i=1  
compactando las sumas:

S2y  2 n 2  n 
2
 n  
2

Sm2 = 2 
n ∑ i  ∑
x - 2n x i

+ n ∑ i  
x
 i=1  
 n 2  n 2   i=1 i=1
 ∑ i ∑ i  
n x - x
 i=1  i=1  

puede expresarse de la siguiente manera

 2 n 2  n 2 
S2y
2
S =
m 2 
n ∑ xi - n  ∑ xi  
 n 2  n 2   i=1  i=1  
n∑ xi -  ∑ xi  
 i=1  i=1  

23
finalmente se tiene

n
Sm = S y 2
n
 n 
n∑ xi2 -  ∑ xi 
i=1  i=1 

(7)

Para determinar la desviación típica de la ordenada al origen, b, se sigue un

procedimiento similar obteniéndose:

∑χ
i=1
2
i
Sb =S y 2
n
 n 
n∑ χ -  ∑ χ i 
2
1
i=1  i=1 

CIFRAS SIGNIFICATIVAS

Algunas definiciones de "Cifras Significativas" son:

"El número de cifras que dan información real"
"Las cifras significativas son dígitos susceptibles de ser
comprobados por la precisión de un instrumento de medición".

24
 Las cifras estimadas son aquellas que el observador determina de
acuerdo a su criterio. No tienen valor significativo para el resultado de la
medición.
El cero como cifra significativa:
Si el cero se encuentra al inicio de un número, el cero no es cifra
significativa. Por ejemplo:
,00052=5,2 x 10'4 1

tiene solamente dos cifras significativas el 5 y el 2, suponiendo que ambos

son resultado de una medición.
,07= 7X 10''2

tiene sólo una cifra significativa, el 7.

Una forma útil de expresar los resultados experimentales es a través

de potencias de 10. Para números mayores o iguales a 10 se tiene:

101=10
102= 10 X 10 = 100
103= 10 X 10 X 10 = 1000
.................
.................
..................
n
10 = 10 X 10 X 10 X 10 ...........= 1 000
n veces n ceros

Es necesario recordar que 100 = 1.

Los números menores que uno, decimales, se expresan por potencias

negativas de 10:

1
-1
10 = 10 = 0,1

1
-2 =
10 = 10− 2 ,01
1
-3 =
10 = 102 ,001
.............................
.............................
.............................

25
 1
-n =
10 = 10n ,000...1
n-1 ceros

Cuando es necesario hacer uso de las potencias de 10 para expresar

alguna medición se recomienda:

• El factor multiplicativo debe de contener exclusivamente las cifras

significativas. Por ejemplo. La velocidad de la luz c=300 000 km/s
se expresa como: c=3 X 105 Km/s
• Se recomienda que el factor multiplicativo se presente en unidades.
Por ejemplo: La densidad del aire a 20˚C y una presión de una
atmósfera es ,00121 gr/cm3.
• Si el cero se encuentra entre cifras diferentes de cero que son
significativas, entonces el cero es significativo. Por ejemplo:
20,5 cm tiene tres cifras significativas.
35,05 gr tiene cuatro cifras significativas.

Cuando el cero se encuentra al final de un número es significativo si

el cero representa un valor real medible. Por ejemplo: Se ha medido la
masa de un objeto, obteniéndose de lectura 10 Kg entonces el 0 es cifra
significativa, por lo que el resultado tiene dos cifras significativas.
En el caso en que los ceros, al final de un número, no representan el
resultado de una medición, entonces no se considera cifra significativa. Por
ejemplo: En 33 000 cm/s haciendo referencia a la velocidad del sonido en
el aire, se tiene que los ceros no son resultado de una medición entonces no
son cifras significativas. El valor 33 000 cm/s = 3.3 X 104 cm/s tiene sólo 2
cifras significativas.

Operaciones Matemáticas y Cifras Significativas.

En muchas ocasiones es necesario realizar operaciones matemáticas

para obtener el resultado de alguna medición, estos resultados deben de
expresarse con el número adecuado de cifras significativas, entonces
¿cómo deben realizarse las operaciones para que los resultados contengan
exclusivamente cifras significativas? La respuesta, si desea continuar
leyendo, la encontrará en los siguientes párrafos.

Adición
¿Cuál será el resultado de sumar: 4,15 + 0,842 + 0,0785? La
operación es sencilla:

4,15

26
 +0,842
0,0785
5,0705
.........(1)

Este es el resultado obtenido si se estuviesen sumando números sin considerar que

éstos son el resultado de alguna medición. Este resultado es el correcto si solamente
se toman en cuenta los valores numéricos, sin considerar que los sumandos son
resultados de mediciones y por lo tanto, cada uno de los dígitos que forman los
números son cifras significativas y que al realizar la operación matemática, adición
en este caso, el resultado debe de estar constituido por cifras significativas.
Así el número 4,15 indica que más allá de las centésimas se
desconoce el valor de los dígitos, que no necesariamente tienen que ser
cero, es decir 4,15? Donde los signos de interrogación significan que no se
conoce el valor de los dígitos que ocupan esos lugares, es decir no son
cifras significativas.
Una situación similar se da con 0,842 para la posición de las
diezmilésimas, 0,842?.
De acuerdo con lo anterior la suma original queda como:

4,15??
+0,842??
0,0785
5,06??

Cuyo resultado ya no coincide con el obtenido en la expresión (1).

Para efectuar la suma planteada en el expresión (2) existen 2
posibilidades: La primera más sencilla pero menos exacta consiste en
redondear los sumandos, redondeándolos al menor número de dígitos, a la
derecha de la coma decimal. Así en el ejemplo los 3 sumandos deben de
redondearse a las centésimas, ya que 4,15 es el número que menos cifras
significativas tiene a la derecha de la coma decimal, entonces: 0,842 se
redondea a 0,84, mientras que 0,785 se redondea a 0,08.
La regla para realizar el redondeo indica que cuando el dígito que se
va a redondear es mayor o igual que cinco, entonces el siguiente dígito a la
izquierda se incrementa en uno. Por ejemplo:

Al redondear el 7 se tiene que 4,87≈ 4,9

Al redondear el 5 se tiene 2,825≈ 2,83

27
 Para la situación en la que el dígito que se va a redondear es menor
que 5, entonces el dígito que se encuentra a su izquierda no sufre ninguna
modificación

4,31≈ 4,3

28,71 ≈ 28,7

4,24 ≈ 4,2

No es recomendable que el redondeo afecte más allá de un dígito a la

izquierda del dígito que se está redondeando. Por ejemplo:

4,249 ≈ 4,25 y no 4,3

excepto en casos como:

2,96 ≈ 3 y no 2,9

Retomando el ejemplo se tiene que aplicando este método el

resultado está dado por:

4,15
+0,84
0,08
5,07

El segundo método consiste en: Primero, en ordenar los sumandos

por grado de aproximación de izquierda a derecha. Segundo, sumar por
grupos aquellos números con el mismo grado de aproximación. Tercero,
sumar el resultado de la suma parcial de mayor aproximación, con el
resultado de la suma parcial del grupo de la siguiente aproximación, a este
resultado se le suma el resultado parcial de la suma de los números de la
siguiente aproximación. Este proceso se repite hasta haber sumado el
resultado de la suma parcial de menor aproximación.
Al aplicar este método al ejemplo que se ha trabajado se tiene:

0,0785 es el número de mayor aproximación.

0,842 es el siguiente número en aproximación.
4,15 es el número de menor aproximación.

28
 Ya que no hay números con la misma aproximación, se suma el
número de mayor aproximación al número con la siguiente menor
aproximación:

0,0785
+ 0,842?
0,920
A este resultado se le suma el número de menor aproximación:

0,920
+4,15?
5,07

Seguro que un ejemplo con mayor número de sumandos puede

aclarar el segundo método;

3,28 + 0,075 + 0,1 + 4,2 + 5,822 + 0,3 + 2,28 + 5,671 + 4,7 + 2,25

Se ordenan por grados de aproximación:

Los números de mayor aproximación: 0,075; 5,822; 5,671.

Los números de la siguiente aproximación: 3,28; 2,28; 2,25.

Los números de menor aproximación: 0,1; 4,2; 0,3; 4,7.

Se realizan las sumas parciales de acuerdo al orden de los números:

La suma parcial de las números con mayor aproximación es:

0,075 + 5,822 + 5,671 = 11,568

La suma parcial de los números con el siguiente orden de

aproximación:

3,28 + 2,28 + 2,25 + = 7,81

La suma parcial de números con menor aproximación:

0,1 + 4,2 + 0,3 + 4,7 = 9,3

29
 Se suman las sumas parciales de la de mayor aproximación a la de
menor aproximación:

11,568
+ 7,81?
19,37

A este resultado se suma la siguiente suma parcial, en este ejemplo la

suma de números de menor aproximación:

19,37
+ 9,3?
28,6

Es decir al tomar en cuenta las cifras significativas el resultado de la

suma:
3,28 + 0,075 + 0,1 + 4,2 + 5,822 + 0,3 + 2,28 + 5,671 + 4,7 + 2,25 = 28,6.

En general se tiene que las sumas no deben de tener más cifras

significativas a la derecha de la coma decimal que el sumando con menor
cifras significativas a la derecha de la coma decimal.
Vale la pena hacer notar que al realizar una suma en una calculadora
el resultado, tomando en cuenta las cifras significativas, se obtiene
efectuando la adición de los sumandos y tomando como cifras
significativas, a la derecha de la coma decimal, las que tienen el sumando
de menor aproximación.

Resta (sustracción).

Para obtener el resultado de una resta el proceso es similar al realizado para

el caso de la suma ejemplo:

425,8 - 2,43

se rescribe como:

425,8?
- 2,43
423,4

Un segundo ejemplo:

30
 258,622 - 45, 1

se rescribe como:

258,622
- 45,1??
213,5

El resultado tiene tantas cifras significativas a la derecha de la coma

decimal como el que menos cifras tenga de los números que intervienen en
la sustracción.

Multiplicación.

Para efectuar la multiplicación se aplica la siguiente regla: El número

de cifras significativas de un producto es igual al número de cifras
significativas del multiplicador con menor grado de aproximación, sin
embargo cuando el producto es de mayor orden que el de los
multiplicadores el número de cifras significativas del producto aumenta, de
acuerdo al incremento del orden del producto; es decir, si el producto
aumentó un orden respecto a los multiplicadores, el número de cifras
significativas del producto aumenta en uno. Por ejemplo:

3X2

Se expresa como:
3,?
X 2,?
??
6?
6,??

Cada multiplicador tiene una cifra significativa, el producto tiene una cifra
significativa, ya que no aumentó de orden.
Es necesario hacer notar que en el lugar, a la derecha de la última
cifra significativa, se pone un ?, lo que significa que a partir de esa posición
se desconoce el valor de los dígitos correspondientes. Por lo general, como
se ve en el tema de incertidumbres, el desconocimiento de más cifras
significativas está relacionado con la incertidumbre en la medida

5X8

31
 Se expresa como:

5,?
X 8,?
??
40?
40,??

Los multiplicadores tienen una cifra significativa pero el producto es

de un orden superior, entonces tiene dos cifras significativas.
Se puede ver un ejemplo con más cifras significativas:

4,1234 X 2,3

Se tiene:

4,1234?
X 2,34?
??????
123702?
82468?
9,4??????

El multiplicador que tiene menos cifras significativas, 2,3, tiene 2

cifras significativas, el producto no aumenta de orden, entonces debe de
tener dos cifras significativas (9,4).
Para el caso:

5,45 X 3,2

Se expresa como:

5,45?
X 3,2?
17,3????

El menor número de cifras significativas es de 3,2 pero el producto

es de un orden mayor, que el multiplicador de mayor orden (En el presente
ejemplo ambos números son de igual orden) entonces tiene tres cifras
significativas.

Un último ejemplo puede ser:

32
 (3 X 102) X (25,25)

La cual se puede expresar como:

( 3 X 102) X (0,2525 X 102)

Expresión en que la ambos multiplicadores se han expresado como la

misma potencia de 10. El primer multiplicador tiene sólo una cifra
significativas, mientras que el segundo tiene cuatro.

Al realizar el producto de los coeficientes de las potencias de 10 se

tiene:

0,2525
X 3,????
????
????
????
????
7575
7???????

De tal suerte que el resultado es 0,7 X 104. con sólo una cifra significativa.

División

En la división se aplica la misma regla que en la multiplicación. Por

ejemplo:
233 ÷ 174
La cual es posible presentar como:

1,34 ?
174, ? 233, ?
174, ?
059, ??
52, ??
07, ??
6,8?
1, ???

33
 Ambos números, divisor y el dividendo, tienen 3 cifras
significativas, el cociente tiene tres cifras significativas:
Un ejemplo más:

44,33 ÷ 16

Que es igual a:

2,7
16, ? 443,3
32?
12?,3
112, ?
1?, ?

DERIVADAS Y DERIVADAS PARCIALES

En el presente desarrollo la incertidumbre se considera como el parámetro que

determina el intervalo en el que se tiene casi la certeza de que el valor de la medición se
encuentra.
Si se considera que una variable "Y" depende de otras variables xi, de tal forma que;
Y = f(x1, x2. x3, ....., xn)
Entonces se tiene que la incertidumbre de la variable "Y" depende, entre otras
cosas, de las incertidumbres de las variables "xi", la pregunta que surge es ¿cómo se da

34
esa dependencia? Con el fin de dar una explicación clara se supondrá que la variable
"Y" sólo depende de la variable "x". Por ejemplo el perímetro de un cuadrado depende
exclusivamente de la longitud del lado del cuadrado. Si "Y" sólo depende de "x" se
tiene que "Y=f(x)". Al graficar "Y" en función de "x" se tiene una gráfica como la
mostrada en la figura 1. En la cual “Δx” representa la incertidumbre en la variable “x”,
es decir “x ± Δx”, y “ΔY” la incertidumbre en la variable “Y”.Si “Δx” "no es muy
grande" “f(x)”, función a través de la cual se mide "Y", se puede aproximar a una recta
en el intervalo “± Δx”, y entonces la razón que existe entre “ΔY” y “Δx” es muy
parecida a la que existe entre los lados del triángulo “df”, “dx”, es decir:
ΔY df (x )
≈
Δx dx
(1)

ΔY
Donde “ Δx ” es la tangente del ángulo formado por la línea que contiene la
hipotenusa y el eje de las x. Se sabe que la definición de tangente es:
cateto adyacente
TanΘ =
cateto opuesto

Si la base del triángulo, “Δx”, se hace cada vez más pequeña se tiene que en el
ΔY
límite “Δx→0” la expresión “ Δx ” es igual a la derivada de la función “f(x)”, que en

35
general da lugar a una función, a través de la cual es posible determinar las pendientes
de las rectas tangentes a cada uno de los puntos de la función “f(x)”.
En la figura 2 se muestra con una línea discontinua una línea secante 72 a f(x),
mientras que la línea continua es la tangente en ese punto.

Se tiene entonces que la incertidumbre en “Y”, “f(x)”, se puede expresar como 8:

df
ΔY = Δx
dx

(2)
en muchos textos se encuentra
df
= f1
dx
(3)
de manera que:

ΔY = Δxf 1
(4)
En este punto surgen tres preguntas:
¿Qué tan válida es la aproximación de la ecuación 1?

7
Vale la pena recordar que la secante de una curva es la línea que corta en 2 puntos a
una curva. Mientras que la tangente a una curva es la línea que toca en un solo punto a
la curva. La derivada de una función permite determinar la pendiente de la tangente de
dicha función en todos los puntos de la función.
8
La formula, aquí presentada, para determinar la incertidumbre es una aproximación de
la establecida en: “GUÍA PARA EVALUACIÓN DE LA INCERTIDUMBRE EN LOS
RESULTADOS DE LAS MEDICIONES”,NMX-CH-140:1996 IMNC.

36
1
Vale la pena recordar que la secante de una curva es la línea que corta en 2 puntos a la curva. Mientras
que la tangente a una curva es la línea que toca en un solo punto a la curva. La derivada de una función
permite determinar la pendiente de la tangente de dicha función en todos los puntos de la función.
1
La formula aquí presentada para determinar la incertidumbre es una aproximación de
la establecida en: “GUÍA PARA LA EVALUACIÓN DE LA INCERTIDUMBREEN
LO SRESULTADOS DE LAS MEDICIONES”, NMX-CH-140:1996IMNC.
df
?
¿Cómo se obtiene dx y
¿Qué para cuando la variable "Y" depende de más de una variable?
Para poder responder a la pregunta uno es necesario saber cómo se obtienen las
derivadas, así que primero se responderá a la segunda pregunta?
La definición de la derivada de una función es:
df lim f (x + Δx ) − f (x )
=
dx Δx → 0 Δx
(5)
donde ∆x = xf –xo.
Aplicando la definición de la expresión 5 a la función:
Y= mx + c

Que por cierto es la ecuación de una línea recta, se tiene:

dy m(x + Δx ) + c - (mx + c )
= lim ∆x →0
dx Δx
(6)

efectuando las operaciones:

dy mx + m∆x + c − mx − c
= lim Δx →0
dx Δx

dy m∆x
= lim Δx →0
dx Δx

dy
= lim Δx→0 m
dx

37
 dy
=m
dx
(7)
De donde la derivada de una recta es la pendiente de la recta (m).

Para el caso de la parábola que pasa por el origen (y= ax2) la derivada está dada por:

a (x + Δx ) − a (x )
2 2
dy
= lim Δx →0
dx Δx

Desarrollando el binomio al cuadrado:

dy
= lim Δx →0
( )
a x 2 + 2xΔx + Δx 2 − ax 2
dx Δx

dy 2axΔa − a∆x 2
= lim Δx →0
dx Δx

dy
= lim Δx →0 2ax + a∆x
dx

dy
= 2ax
dx
(8)

Aplicando el mismo procedimiento es posible obtener la derivada de

cualquier función, siempre y cuando esta función sea derivable. Y como siempre pasa,
los ejemplos sencillos son los que se presentan y los de mayor dificultad ni se tocan.
Desde fines del siglo XVII, cuando Newton y Leibniz desarrollan el Cálculo
Diferencial e Integral, muchos matemáticos han obtenido las derivadas de diversas
funciones, de manera que actualmente se puede acceder a tablas de derivadas
(integrales) sin mayor dificultad.
A continuación se da una lista de algunas funciones y sus correspondientes
derivadas. Es un ejercicio interesante comprobar algunos de estos resultados.

38
 dc
=0
dx
si “c” es una constante.
dx
=1
dx
dx n
= nx n −1
dx
con "n" cualquier número real.
dcu (x ) du (x )
=c
dx dx
con "c" cualquier constante y u (x) cualquier función derivable de x.

d[u (x )]
n
= n[u (x )]
n -1 du

dx dx

d[cos(u (x ))] d u (x )
= −sen (u (x ))
dx dx

d[sin (u (x ))] d u (x )
= cos(u (x ))
dx dx

d[tan (u (x ))] d u (x )
= sec 2 (u (x ))
dx dx

d[cot (u (x ))] d u (x )
= −csc 2 (u (x ))
dx dx

d[sec(u (x ))] d u (x )
= sec(u (x )) tan (u (x ))
dx dx

d[csc(u (x ))] d u (x )
= −csc(u (x )) cot (u (x ))
dx dx

d u (x )
d[arcsin (u (x ))] dx
=
dx 1 − (u (x ))
2

39
 d u (x )
d [arccos(u ( x ))] dx
=-
dx 1 − (u ( x ))
2

d u (x )
d [arctan(u (x ))] dx
=
1 + (u (x ))
2
dx

d u (x )
d[arccot(u (x ))] dx
=-
1 + (u (x ))
2
dx

d u (x )
d[arcsec(u (x ))] dx
=
dx u (x ) u (x ) − 1
2

d u (x )
d[arccsc(u (x ))] dx
=-
dx u (x ) u (x ) − 1
2

d[exp(u (x ))] d u (x )
= exp(u (x ))
dx dx

d a u (x ) d u (x )
= 1n (a )exp(u (x ))
dx dx

d u (x )
d[1n (u (x )]
= dx
dx u (x )

d u (x )
d[lg a (u (x ))]
= dx
dx u (x )1na

40
 En muchas ocasiones la función de interés es una combinación de otras, por
ejemplo:
y= F(f(x)g(x))
(9)
Es decir "y" no sólo depende de una función de "x" si no de al menos 2, para
derivar tales funciones existe una serie de reglas, consecuencia de las propiedades de las
funciones y de las derivadas, a continuación se enlistan algunas de ellas sin dar su
demostración la cual es fácil de encontrar en algún libro de Cálculo Diferencial e
Integral.
Si y= f(x) + g(x), “y” es igual a la suma de dos funciones de “x”.

dy d ( f ( x ) + g ( x ))
=
dx dx
(10)

dy df (x ) dg(x )
= +
dx dx dx
(11)

La derivada de la suma de funciones es la suma de las derivadas de las

funciones.
Para y= f(x) * g(x), "y" es el producto de dos funciones.
dy d ( f ( x ) * g ( x ))
=
dx dx
(12)
d f (x ) d g(x )
= g(x ) + f (x )
dy
dx dx dx
(13)

41
 La derivada del producto de dos funciones es igual a la derivada de la primera
función por la segunda función, más la derivada de la segunda función por la primera
función.
f (x )
y=
En el caso g(x ) , "y" es igual al cociente de dos derivadas.

dy d  f (x ) 
=  
dx dx  g(x ) 
(14)
d f (x ) d g(x )
g(x ) − f (x )
dy dx dx
=
dx [g(x )] 2

(15)
La derivada del cociente de dos funciones es igual al cociente de la función divisor
por la derivada de la función dividendo menos la función divisor por la derivada de
la función dividendo, entre el cuadrado de la función divisor.
Hasta aquí queda contestada la segunda pregunta. La primera pregunta se contesta a
través de un ejemplo: Se ha medido el área de la sección circular de un cilindro, a
través de medir su diámetro con diversos instrumentos con lo cual se tiene diferentes
valores para la incertidumbre.
Como se sabe el área de un círculo se obtiene:
A = лr2

(16)

donde r es el radio del círculo.

Aplicando la ecuación (2) y considerando que la única fuente de incertidumbre

es el equipo de medición, se tiene:

dA
ΔA = Δr
dr

ΔA = 2π rΔ r

(17)

42
 Calculando la incertidumbre del área a partir de calcular el área tomando en cuenta la
incertidumbre del radio:

A ± ΔA = π(r ± Δr )
2

(18)

(
A ± ΔA = π r 2 ± 2rΔr + (Δr )
2
)
entonces:

± ΔA = 2 πrΔr + π (Δr )
2

(19)

Comparando las ecuaciones 18 y 19 se observa que la diferencia entre ellas es el

término π (Δr ) . En la siguiente tabla se muestran los resultados experimentales, en

2

donde se hace la comparación entre la incertidumbre calculada a través de la ecuación

18 y el término π (Δr )
2

π (Δr )2
Equipo r (cm) Δ r (cm) A (cm ) 2
ΔA = 2πrΔr (cm ) 2

(cm2)

Vernier 1,00 0,005 3,14 0,031 77X10-6

Regla 1,0 0,05 3,1 0, 31 77X10-4

Metro 1 0,5 3 3,1 77X10-2

De la 5a y 6a columnas es evidente que la contribución π (Δr ) es despreciable

2

respecto a la contribución ΔA. Vale la pena hacer notar, a pesar de no ser tema de esta
unidad, que es indispensable hacer una elección adecuada elección del equipo de

43
medición tomando en cuenta la precisión y exactitud requerida, así como las como
características y costo del equipo. Comparando la 4a columna con la 5a, se observa que
la incertidumbre porcentual asociada a la medición hecha con el vernier es cercana al 1
% , mientras que la asociada a la regla es del 10% y finalmente la incertidumbre
porcentual asociada a la medición realizada con el metro es de aproximadamente del
100%. ¿Para qué se va a usar el resultado de la medición?, ¿Cuál es el equipo más
adecuado?

Del anterior ejemplo se puede concluir que una forma intuitiva de determinar la
incertidumbre asociada a un mensurando “y”, “Δy”, está dada por:

dy
Δy = Δx |x
dx 0

| x0 significa que la derivada debe de ser evaluada en el valor x0 , valor en el cual se

está calculando "y".
La tercera pregunta, de qué hacer cuando la variable "y " depende de más de una

variable, es decir y = f(x,v,w,...), se soluciona si al efectuar la. derivada con respecto

a una variable el resto de las variables se mantienen fijas, es decir:

∂y f (x + Δx, v 0 , w 0 ,...) − f (x, v 0 , w 0 ,...)

= lim Δx →0
∂x Δx
(20)

donde el subíndice "0" significa que las variables se toman como parámetros fijos. Se
dy
hace necesario destacar que el símbolo dx se ha modificado, para dar lugar al símbolo
∂y
∂x y el nombre ha pasado de derivada a derivada parcial. Los resultados obtenidos
para las derivadas son los mismos que para las derivadas parciales y la derivada total de
y = f(x,v, w, ...) está dada por:

44
 dy ∂f ∂f ∂f
= + + + ...
∂x∂v∂w... ∂x ∂v ∂w

(21)
Como se muestra en la sección “EVALUACIÓN DE LA INCERTIDUMBRE EN
LOS RESULTADOS DE LAS MEDICIONES” (teo4incert) de las derivadas
parciales de una variable dependiente con respecto a cada una de las variables
independientes permite determinar la incertidumbre en las mediciones.

A continuación se muestra un ejemplo:

Se mide la densidad de un líquido (p), midiendo su volumen (V) y su masa (m) y

aplicando la relación:

m
ρ=
V

Ya que la densidad es el resultado de una medición es necesario calcular su

incertidumbre, para lo cual se requiere determinar las derivadas parciales de la densidad
respecto a las variables de las que depende:

Respecto al volumen se tiene:

∂ρ m
=− 2
∂V V

(22)

en este caso se aplicó la igualdad:

dx n
= nx n −1
dx

Respecto a la masa se tiene:

45
 ∂ρ 1
=
∂m V

(23)

y entonces la incertidumbre asociada a la medición de la densidad es:

∂ρ ∂ρ
∆ρ = ∆V + ∆m
∂V ∂m

al sustituir los valores de las derivadas parciales se llega a:

m 1
∆ρ = 2
∆V + ∆m
V V

(24)

Es necesario hacer notar que la derivada parcial de la densidad respeto al

volumen tiene un signo negativo, el cual ha sido suprimido en la ecuación 24. La

justificación se tiene en el hecho de que al propagarse la incertidumbre, ésta tiende a

crecer no a disminuir.

Al medir la masa se obtuvo (13,6 ± 0,05) Kg, mientras que el volumen fue de (1,00 ±

0,005) x 10-3 m3. Sustituyendo estos valores en la ecuación (24):

 0,005 
Δρ = 
13,6
−3 2
(
0,005x10 −3 + ) -3 
kg/m 3
 (1,00x10 ) 1,00x10 

46
 Δρ = 73 kg/m 3

El resultado de la densidad es:

13,6
ρ= −3
kg/m 3
1,00x10

al realizar las operaciones se llega a:

ρ = 13600,0 kg/m 3

El valor de la densidad con su incertidumbre es:

ρ = (13, 6 ± 0,07)x10 3 kg/m 3

47
BIBLIOGRAFÍA
-Herrera Miguel Ángel. “Cifras Significativa”, Departamento de Física y Química
Teórica. Laboratorio de Física. Facultad de Química. U.N.A.M.

-Greenberg Leonard H. "Discoveries in Physics for Scientists and Engineers", W.B.

Saunders Company. Philadelphia 1975.
-Baird D.C. "Experimentation: An Introduction to Measurement Theory and Experiment

Design”, Prentice- Hall. Englewood Cliffs, 1962.

-Kuratowski Kazimierz. “Introducción al Cálculo”, Limusa, México, 1975.

-Courant R. y John F. “Introducción al Cálculo y al Análisis Matemático”, Vol. I y II.

Limusa, México 1974.

48