TEORIA DE ERRORES : MEDICION DISCCRETA II

FIS132 LB - Grupo 06, Laboratorio de Física II, INF-FCPN-UMSA

05-09-2018

RESUMEN

Se realizaron 6 mediciones a una resistencia eléctrica comercial a la cual se le aplicó la teoría de grandes muestras
que dio el resultado de:
x = (51,37 ± 1,36) [kΩ] : N.C. = 90 [ %]
A su vez el error relativo porcentual cuyo valor fue del 2.64[ %] nos indica que la base de datos experimental posee
pocos errores sistemáticos.

Palabras clave: Multimetro digital, resistencia eléctrica, teoría de grandes muestras.

ABSTRACT

Six measurements were made to a commercial electrical resistance to which the theory of large samples was applied,
which gave the result of:
x = (51,37 ± 1,36) [kΩ] : N.C. = 90 [ %]

In turn, the percentage relative error whose value was 2.64 [ %] indicates that the experimental database has few
systematic:

Key Words: Digital multimeter, electrical resistance, theory of large samples.

1. Introducción más probable frente a la teoría de pequeñas muestras

Una medición directa se caracteriza por obtener lecturas con un ins-

trumento dado de cierta sensibilidad instrumental un cierto número
de veces o mediciones a la cual se le aplica una distribución esta- 2.0.2. Objetivo Especifico
dística adecuada con la cual se obtienen resultados bastante buenos
que están dentro de un cierto nivel de confianza. La teoría de errores
prever el análisis de datos según la disciplina a la cual se aplique A partir de la teoría de pequeñas muestras obtener el valor más
una distribución estadística adecuada, sin olvidar que las medicio- probable con su respectiva incertidumbre al nivel de confianza del
nes están sujetas a errores sistemáticos y aleatorios. El resultado de 90[ %] + el error relativo porcentual.
una medición realizada se expresará como:

X = (Valormedido ± Sensibilidadinstrumental)[U]

En la práctica no es suficiente una sola medición, es necesario hacer 3. Marco Teórico

más mediciones, ¿Cuantas mediciones?, la respuesta a la interrogan-
te está dada por la teoría de grandes muestras y la teoría de pequeñas
muestras. La teoría de pequeñas muestras o distribución estadística, o distribu-
ción estadística t-student se caracteriza por el número de mediciones
N<30 que es aplicable a muestras de una gran población (N>500).
Se asume que la forma de la distribución sigue una tendencia normal
2. Objetivos
(distribución Gaussiana), es decir:

2.0.1. Objetivo General

Se quiere estudiar el comportamiento de la incertidumbre del valor

1
 Entonces la incertidumbre del valor más probable se cuantifica me-
diante la siguiente expresión:

σN−1
E<x> = ±t(ν, α ) ∗ √ (7)
2
N
Por ejemplo, de una tabla de valores para la t-student, se tiene:

α/ν
50[ %] 98[ %] 99.9[ %]
... ...
0.25 0.01 0.0005
1 1.000 31.821 636.620
.. .. ..
2 . . .
3 0.765 4,541 12.924
..
.
∞

Figura. Se observa en la figura que el valor más probable i.e. si tenemos 4 mediciones , entonces el grado de libertad
coincide en ambas distribuciones de manera que si tenemos sera:
N-esimas mediciones y la representamos como:
N = 4 V ν = N −1 = 4−1 = 3
x1 , x, x3 , ..., xi , ...xn (1)
ν =3
El valor más representativo en la expresión (1) es exactamente el
promedio aritmético o valor más probable definido como: y por ejemplo el 98[ %],entonces el factor de correcion
N t(3,98 %) = 4,541
∑ xi
i=1
< x >= (2) ν = N −1
N
Experimentalmente se observa cierta variabilidad en la expresión (1)
en la que algunos datos parecen estar intuitivamente fuera del rango 1 = 2−1
de medición y a su vez puede que una de las mediciones o algunas
se repitan un cierto número de veces, entonces, la varianza muestras 1=1
(s) la definimos como:
Numero minimo de mediciones sera de 2.
N
∑ [(xi − < x >)]2 x =< x > ±E<x> ; N.C = 90[ %] (8)
i=1
s2 = (3)
N −1 El error relativo porcentual para cualificar la base de datos experi-
A fin de minimizar dicha variabilidad se extrae la raíz cuadrada a mental es:
esta, dando lugar a la desviación estándar muéstral (Sigma_n-1) o
(s) definida como:
E<x>
v
u N Ex = ∗ 100[ %] (9)
<x>
u ∑ [(xi − < x >)]2
u
t
σN−1 = ± i=1 (4)
N −1
La desviación estándar nos representa el ancho de banda o nivel de
confianza con el que se quiere obtener resultados para la expresión 4. Marco Experimental
(1), sin embargo la distribución t-student exige el conocimiento de
los grados de libertad para una base de datos, que se define como: 4.0.1. Introducción

ν =N Se empleará un multimetro digital y una resistencia eléctrica a la

cual se la someterá a varias mediciones con diferentes multimetros
digitales, la figura 4.1.1 muestra el componente del instrumento uti-
ν = N −1 (5) lizado.
Además también requiere de la información del nivel de confidencia
deseado, es decir alfa/2 la cual se encuentra en una tabla de valores
prevista para la t-student, ósea:
Figura 4.0.1.1 Se muestra en la figura el multimetro y resistencia
t(ν, α ) (6) utilizados.
2

2
4.0.2. Datos Experimentales
σN−1
Los valores experimentales obtenidos a partir de un multimetro di- E<x> = ±t(ν, α ) ∗ √
2
N
gital para una resistencia eléctrica comercial se da en la tabla 4.0.2.1
vale decir Pero antes necesitamos la información del nivel de confidencia
deseado, de 90[ %] que se encuentra en una tabla de valores prevista
N R[kΩ] para la t-student, es decir:
1 50.0
t(ν, α )
2 52.9 2

3 49.9
4 53.0 t(5,90 %) = 2,015
5 49.7
6 52.7 Con esto, ahora si podemos cuantificar la incertidumbre del
valor mas probable:
Tabla 4.0.2.1 Se muestra en la tabla los valores experimentales σN−1
obtenidos para una resistencia eléctrica comercial E<x> = ±t(ν, α ) ∗ √
N
2

E<x> = ±2,015 ∗ 1,649

√
6
5. Resultado y Análisis
E<x> = ±1,356 [kΩ]
De acuerdo a la tabla 4.0.2.1 la base de datos experimental está den-
tro del rango de grandes muestras o distribución Gaussiana, enton- Conocidos los resultados del valor más probable y su incertidum-
ces se aplicará las fórmulas dadas en la sección (3) para cuantificar bre. El resultado para la resistencia eléctrica experimental se escribe
inicialmente el valor más probable dada por la fórmula (2), la fór- como:
mula (4), la fórmula (7) , la fórmula (8) y la formula (9) mediante
una calculadora científica y/o una hoja de cálculo(Excel) o también x =< x > ±E<x> : N.C. = 90[ %]
el software Mathematica descargable desde Play Store, es decir:

N x = (51,37 ± 1,36) [kΩ] : N.C. = 90[ %]

∑ xi
< x >= i=1 Para conocer la calidad de la base de datos experimental cuantifica-
N mos el error relativo porcentual como:

E<x>
6 εR = ∗ 100 [ %]
∑ xi <x>
i=1
< x >=
6 1,356
εR = ∗ 100 [ %]
51,37
308,2
< x >=
6
εR = 2,64[ %]

< x >= 51,37 Los resultados obtenidos si bien están al 90[ %] de probabilidad,
la calidad de la base de datos según el resultado obtenido tiene el
A continuacion cuantificamos la desviacion estandar muéstral calificativo de excelente.
(Sigma_n-1)
v
u N
u ∑ [(xi − < x >)]2
u 6. Conclusiones
t
σn−1 = ± i=1
N −1 A partir de mediciones directas hacia una resistencia eléctrica co-
mercial con un multimetro digital se obtuvo 6 mediciones catalo-
v gadas como grandes muestras y el valor experimental obtenido a el
u 6
nivel de confianza del 90[ %] dio como resultado:
u ∑ [(xi − 51,37)]2
u
t
σn−1 = ± i=1 x = (51,37 ± 1,36) [kΩ] : N.C. = 90[ %]
5
Esto implica que la resistencia eléctrica varía en una cota superior
σn−1 = ±1,649[kΩ] de 52.73 [kΩ] y 50.01 [kΩ]. A su vez se cuantificó el error relativo
porcentual el cual dio un valor de 2.64[ %] que se cataloga dentro
A continuacion se procede a cuantificar la insertidumbre del valor del rango de excelente, es decir, no hay muchos errores sistemáticos
mas probable como: en las mediciones.

3
7. Bibliografía

• Medidas y Errores, Álvarez Huayta, 3ra edición, Cataco-

ra,2008, La Paz-Bolivia.

• Probabilidad y Estadística, Alejandro Zylberberg, 1ra edición,

Nueva Librería, 2006, México D.F.-México.

• Manual para el tratamiento de datos en física experimental,

Manuel R. Soria R, 3ra edición, 2014, La Paz-Bolivia

• www.tutellus.com>fisica

• http:/fisica.laguia2000.com

• www.wikipedia.com