Introduccion A La Metodologia Experimental

Introducción
a la m etodo lo gía experim ental

Primera ed ición
Arturo Figueroa Montaño

Departamento de Física
Centro Universitario de Ciencias Exactas
e Ingenierías CUCE1 -
Universidad de Guadalajara
Hermes U lises Ramírez Sánchez

Jaime Alcalá Gutiérrez
Instituto de Astronomía y Meteorología
Departamento de Física
Centro Universitario de Ciencias Exactas
e Ingenierías - CUCEI
Universidad de Guadalajara
Revisión técnica
Alm a Leticia Rodríguez Domínguez
José N ieves Carrillo Castillo
D ep artam en to d e F ísica
C en tro U niv ersitario d e C ie n c ia s E x actas
e In g en ierías - C U C E I
U niversidad de G u a d a la ja ra
PEARSON
f 3atos de catalogación bibliográfica
FIGUEROA M O N T A N O , ARTURO;
RAM ÍREZ SÁ N C H E Z . HERM ES ULISES
Y ALCALÁ G U TIÉRREZ, J AI ME
Introducción a la m etodología experim ental

IVimera edición
PEARSON ED U CACIÓ N , M éxico, 2014

ISBN: 978-607-32-2222-8
Á rea: C iencias
fo rm ato : 185 x 2 3 5 c m Páginas: 168
Todos los derechos reservados
Edición en español
Dirección General: Philip De la Vega
Dirección Educación Superior: Mario Contreras
Editora Sponsor: Gabriela López Ballesteros
e-mail: gabriela.lopezballesteros@pearson.com
Editor de desarrollo: Felipe Hernández Carrasco
Supervisor de producción: Juan José García Guzmán
Gerencia Editorial Educación
Superior Latinoamérica: Marisa de Anta
PRIMERA EDICIÓN, 2014
D.R. O 2013 por Pearson Educación de México, S.A. de C.V.

Atlaeomulco 500-5to. piso
Industrial Atoto, C.P. 53519
Naucalpan de Juárez, Edo. de México
e-mail: editorial.universidades@pearsoned.com
Cámara Nacional de la Industria Editorial Mexicana Reg. Núm. 1031
Reseñados todos los derechos. Ni la totalidad ni parte de esta publicación pueden reproducirse, registrarse o
transmitirse, por un sistema de recuperación de información, en ninguna forma ni por ningún medio, sea electrónico,
mecánico, fotoquímica, magnético o electroóptico, por fotocopia, grabación o cualquier otro, sin permiso previo por
escrito del editor.
El préstamo, alquiler o cualquier otra forma de cesión de uso de este ejemplar requerirá también la autorización del
editor o de sus representantes.
ISBN VERSIÓN IMPRESA: 978-607-32-2222-8

ISBN E-BOOK: 978-607-32-2221-1
ISBN E-CHAPTER: 978-607-32-2220-4
Impreso en México. Printcd in México.

1 2 3 4 5 6 7 8 9 0 - 16 15 14 13
PEARSON
www.pearsoncnespaftol.com
Introducción
Un aspecto fundamental en la formación de quienes se interesan por ejercer una profe
sión orientada a la ciencia y a la tecnología es el desarrollo de ciertas habilidades en la
medición e interpretación de los parámetros obtenidos en procesos experimentales o
industriales. Asimismo, deberán aprehender los conocimientos y las herramientas nece
sarias para el análisis de datos, la elaboración de reportes de investigación y el desarrollo
de nuevos experimentos, modelos y procesos, con el propósito de hacer más eficientes
los ya existentes. En consecuencia, es necesario destacar la importancia del método ex
perimental para el desarrollo científico que no es solamente una herramienta de investi
gación, sino una actitud del individuo ante cualquier fenómeno que se presente en la
naturaleza.
Inherente a todo proceso experimental, el error debe someterse a una cuidadosa se
lección de la instrumentación mediante la aplicación de técnicas de medición, el análisis
de datos y la aplicación de procesos estadísticos que coadyuven a la minimización del
error experimental. Como parte de la solución a estos problemas se propone el estudio
de la metodología experimental. Este libro tiene como finalidad ofrecer una guía para
todos aquellos que se introducen ai estudio de la misma; la exposición de los temas de
forma práctica y concisa facilitará la comprensión de los métodos y procesos analíticos
aplicados al desarrollo de experimentos.
La presente obra está dividida en cinco capítulos. En el capítulo 1 se presenta una
descripción detallada del origen y desarrollo del pensamiento científico, desde sus ini
cios en la antigua Grecia como el pensamiento filosófico que ha dado forma a la civili
zación occidental; además, se expone la definición de los conceptos ciencia, método,
m étodo científico, m odelos, entre otros.
El tema principal del capítulo 2 es la definición de variable, ya que es preponderan
te para un estudio científico cuantificar las magnitudes físicas que intervienen en el fenó
meno a estudiar; por ello, los procesos de medición son fundamentales para cualquier
actividad científica. Una falla en el análisis de los errores, ya sea en las ciencias aplica
das o en las básicas, implica consecuencias lamentables. En los procesos de medición, el
valor obtenido no siempre coincide con el valor real de cierta magnitud. Para comprobar
una teoría, caracterizar un producto o determinar las propiedades de un objeto, es nece
sario estimar la variación del valor m edido con respecto al valor real. La teoría de errores
se encarga de estimar tal desviación.
En el capítulo 3 se examina el concepto de inccrtidumbrc en las mediciones y su
evaluación en relación con los resultados experimentales, así com o su propagación y
algunos métodos para determ inar la inccrtidumbrc en función de una o más variables. En
experimentos donde se obtiene una gran cantidad de datos es recomendable presentar los
resultados en una gráfica y en este capítulo se enseña cóm o elaborarlas c interpretarlas
adecuadamente.
Introducción
En el capítulo 4 se presenta un análisis de los datos basado en descripciones estadís

ticas, cuyo propósito es validar y clarificar las mediciones y los resultados experimenta
les. Esta técnica se utiliza tanto para los datos agrupados como para los no agrupados.
Finalmente, cualquier trabajo científico debe expresarse de manera que pueda darse
a conocer públicamente. Una investigación concluye con un reporte científico y el capí
tulo 5 está dedicado a su elaboración: se presentan las características que tienen que
cum plir un reporte de práctica de laboratorio, un informe técnico y un artículo científico.
El campo científico se ha diversificado y no es posible establecer un solo método
experimental plausible para definir el estudio de la ciencia: es decir, son tantas las áreas
del conocimiento, que es necesario que cada investigador o grupo de investigadores de
sarrollen perfiles propios para validar sus experimentos en cada proceso particular. Es
fundamental tener siempre en consideración que el m étodo científico debe regir el desa
rrollo de la ciencia en cualquier ámbito.
Contenido
In troducción ...
1 M etodología de las ciencias exp erim en tales..............................................1

Origen de la cien cia...................................................................................................................................1
Concepto, objetivos e intereses de la ciencia....................................................................................... 4
Creencia y conocim iento............................................................................................................... 4
Subjetivismo y lenguaje privado..................................................................................................5
Ciencia...............................................................................................................................................5
El método científico.......................................................................................................................5
M odelos.......................................................................................................................................... 11
B ibliografía................................................................................................................................... 21
2 M edición de variables y errores de m ed ición ......................................... 23

Introducción............................................................................................................................................. 23
Conceptos generales...............................................................................................................................23
Variable.......................................................................................................................................... 23
M edición........................................................................................................................................25
Trazabilidad de los resultados.................................................................................................... 26
Precisión ••••••••••••••••••«•••••••••••••••••••••••••••••••••••••«••••••••••••••••••«•••••••••••••••••••••••••••••••••••••••••••••a» 26
Exactitud........................................................................................................................................ 26
E rror................................................................................................................................................27
Errores durante el proceso de medición.............................................................................................. 27
¿De dónde provienen los errores en las m edidas?.............................................................................27
Cifras significativas y redondeo............................................................................................................29
Suma y resta con cifras significativas........................................................................................ 31
Multiplicación y división con cifras significativas................................................................. 31
Redondeo........................................................................................................................................ 31
C ontenido
Notación científica.................................................................................................................................. 32
Sistema internacional de unidades (SI)................................................................................................33
Múltiplos y submúltiplos del S I................................................................................................. 36
Unidades fuera del S I.................................................................................................................. 36
El sistema cegesimal de unidades.........................................................................................................37
Ejercicios........................................................................................................................................38
B ibliografía....................................................................................................................................39
Incertidum bre en las m ediciones y evaluación

de resultados experim entales...................................................................... 41
Introducción............................................................................................................................................. 41
E rro r..........................................................................................................................................................41
Incertidumbre........................................................................................................................................... 41
Propagación de incertidumbre.................................................................................................... 43
Método general para la determinación de la incertidumbre en funciones de una variable
utilizando cálculo diferencial................................................................................................47
Incertidumbre en funciones de dos o más variables............................................................... 49
Método general para determinación de la incertidumbre en funciones
de dos o más variables............................................................................................................ 50
Análisis gráfico de los resultados.........................................................................................................55
Representación de la incertidumbre en las gráficas............................................................... 55
Las gráficas.....................................................................................................................................55
Gráficas en calculadoras y com putadoras................................................................................58
Coeficiente de correlación...........................................................................................................60
Construcción de diagramas de dispersión................................................................................61
Ajuste de datos a funciones matem áticas................................................................................. 63
Ajuste de rectas........................................................................................................................................66
Método de pares de puntos......................................................................................................... 67
Método de los mínimos cuadrados «•••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••a»*.........70
Análisis dimensional...............................................................................................................................74
Dimensión de una magnitud........................................................................................................74
Teorema de Buckingliam ............................................................................................................76
Cambio de unidades..................................................................................................................... 79
B ibliografía....................................................................................................................................83
C ontenido vil
4 Análisis descriptivo de los datos............... •••••••••••••••••••••••••••••••••••••••••••• 85

Introducción............................................................................................................................................. 85
Términos com unes utilizados en estadística.......................................................................................86
Estadística descriptiva.............................................................................................................................87
Inferencia estadística..............................................................................................................................87
Técnica de muestreo................................................................................................................................ 88
Mitos de la estadística.............................................................................................................................89
Requisitos para aprender estadística.........................................................................................90
Lenguaje matemático 90
Parámct ros estad ísticos.......................................................................................................................... 91
Medidas de tendencia central..................................................................................................... 91
Medidas de dispersión................................................................................................................. 92
Distribución de frecuencias.................................................................................................................. 97
Variables num éricas.....................................................................................................................97
Variables no numéricas ............................................................................................................105
Representación gráfica de una distribución de frecuencias (datos no num éricos) 106
Estadística descriptiva para datos agrupados....................................................................................108
Medidas de tendencia central....................................................................................................108
Medidas de dispersión................................................................................................................112
Varia nza........................................................................................................................................ 112
Ejercicios...................................................................................................................................... 115
Bibliografía 117
5 Elaboración del inform e de trabajo experim ental..............................119

Introducción............................................................................................................................................119
Estructura de un reporte de práctica de laboratorio......................................................................... 120
Estructura de un informe técnico........................................................................................................121
Parte inicial...................................................................................................................................122
Cuerpo del inform e.................................................................................................................... 123
Anexos 124
Parte fin a l..................................................................................................................................... 125
Estructura de un informe y/o artículo científico.............................................................................. 126
Portada...........................................................................................................................................126
Resum en....................................................................................................................................... 127
Introducción.................................................................................................................................128
viii C ontenido
Estructura general........................................................................................................................128
Extensión......................................................................................................................................128
Citas bibliográficas............................................................................................................................... 129
Materiales y m étodos............................................................................................................................ 129
Sujetos o unidades de observación......................................................................................... 130
Aparatos o instrumentos............................................................................................................ 130
Procedimientos............................................................................................................................ 131
Diseño ......................................................................................................................................... 131
Observación sistem ática............................................................................................................ 132
Resultados...............................................................................................................................................133
Texto....................................................................„ .........................................„ ............................134
Tablas y figuras............................................................................................................................ 134
Recomendaciones....................................................................................................................... 135
D iscusión................................................................................................................................................ 135
Sugerencias................................................................................................................................. 136
Agradecí m ientos....................................................................................................................................137
Referencias bibliográficas.................................................................................................................... 137
C uadros................................................................................................................................................... 138
Ilustraciones............................................................................................................................................139
Pies o epígrafes de las ilustraciones....................................................................................... 139
Presentación del texto...........................................................................................................................139
Integración del inform e.........................................................................................................................140
Abreviaturas, números y sistema m étrico......................................................................................... 142
Abreviaturas •••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••a* 142
N úm eros....................................................................................................................................... 142
Sistema de m edidas.................................................................................................................... 142
Consideraciones de e s tilo .................................................................................................................... 143
Estilo general de redacción.......................................................................................................143
Gramática y ortografía...............................................................................................................143
Voz y tiempo de los verbos.......................................................................................................143
El estilo según George O rw ell................................................................................................ 144
Escribir, rccscribir y volver a rccscribir........................................................................................... 144
Aprender a escribir..................................................................................................................... 144
Presentación del manuscrito a la revista.................................................................................145
Publicación previa y duplicada................................................................................................ 145
Manuscritos electrónicos........................................................................................................... 146
C ontenido ix
Revisión de la bibliografía........................................................................................................ 146

Artículos de revistas................................................................................................................... 147
Scicntific Citation Index............................................................................................................ 147
Libros de texto............................................................................................................................. 147
B ibliografía...................................................................................... 147
Bibliografía general................................ - ...........................................................148

C A P ÍT U L O 1
Metodología de las ciencias

experimentales
Origen de la ciencia
La ciencia surge en el momento en que el hombre comienza a buscar el porqué de las
cosas, la verdad, a partir del supuesto de que nada ocurre al azar. Esta búsqueda de la
verdad se refleja en la trascendencia de nuestras preguntas y en la profundidad de nues
tras repuestas.
El crecimiento individual conlleva el avance de la especie, mientras que el cómo
despierta la curiosidad impulsiva de cada ser humano. Los grandes imperios promovían
el conformismo y la supresión de ideas; eran sociedades tradicionalistas poco dispuestas
a adoptar innovaciones. Sin embargo, había ciertas personas que creían que todo estaba
hecho de átomos, que los seres humanos y los anim ales procedían de formas más sim
ples, que las enfermedades no eran causadas por demonios o por dioses, que la Tierra no
era más que un planeta que giraba alrededor del Sol, entre otras ideas. Con este cambio
de perspectiva nació la idea de que podrían existir principios, fuerzas y leyes en la natu
raleza que permitieran comprender el mundo sin atribuir a los dioses lo sucedido. La
inquietud por el conocimiento y la exploración del medio provocó la búsqueda de una
explicación lógica acerca de los fenómenos naturales. Esta forma de pensamiento inició
entre los años 600 y 400 A C .
La antigua ciudad griega de Mileto fue el escenario de los primeros indicios de
cambio en la forma tradicional de percibir el mundo. Todos los pueblos del Mediterráneo
concurrían al intercambio de mercancías, lo que influía tam bién en el intercambio de
ideas y nuevos conocimientos adquiridos por los filósofos de la época; por ejemplo.
Tales de Mileto veía en el agua el principio del ser, la verdadera sustancia de todas las
cosas; Anaximandro de Mileto escribió su libro filosófico del cual se conserva el frag
mento; “El origen de las cosas es lo indefinido (ápeiron), de donde surgen las cosas (tisis)
según el orden del tiempo”; Heráclito de Éfeso con su especulación “Yo me busqué a mí
mismo” tropieza con el elemento fundamental de la vida espiritual, el lagos, que en
griego significa razón, pensamiento y palabra, al mismo tiempo. Pitágoras de Samos
decía que el principio fundamental de la ciencia y de la filosofía eran los números, esen
cia de todas las cosas. A Parménides de Elea, en materia de filosofía de la ciencia, se le
debe la importancia de la diferencia entre la percepción sensible y el pensamiento. Para
Empédocles de Agrigento la concepción del mundo era un dualismo, es decir, existían
1
C apítulo 1 M etodología de las ciencias experim entales
dos mundos: el de los sentidos o terreno y el suprasensible o celeste. Demócrito de Ab-

dera, por su parte, fue un personaje influido por la misma pasión de conocimientos que
Anaxágoras de Clazomene, pues dedicó toda su vida a la filosofía, además elaboró una
Teoría del conocimiento donde se distingue entre el conocim iento oscuro de la percep
ción sensible y el conocimiento auténtico, fruto del pensamiento. Protágoras de Abdera
tiene un escrito que aborda el concepto de verdad y un subtítulo de su obra es discursos
derríbadores, tomado de las escuelas de lucha atlética. A su vez. Sócrates de Atenas,
buscó la verdad: así, tras la costumbre buscó la moralidad, tras el derecho la justicia. los
principios de un orden social tras el Estado y la divinidad detrás de los dioses. Platón de
Atenas con sus esfuerzos de renovación política, poco a poco llegó a una reconstrucción
de toda la filosofía; mientras que Aristóteles de Atenas, con su incomparable universalis
mo, intentó organizar en su sistema filosófico todo el saber de la época y, con ello, cul
minar la investigación de la realidad.
Gran parte de Europa perdió contacto con el conocimiento escrito después de la
caída del Imperio romano de Occidente (476 D.C.) y entonces dio inicio la Edad Media.
Este largo periodo de estancamiento, conocido como Edad Oscura, se caracterizó por
una notable paralización del pensamiento filosófico y científico. El poder de los místi
cos, reforzado con la influencia oriental, consiguió el dom inio de la vida espiritual. Todo
el conocimiento se centró en Dios, por lo que la filosofía y el pensamiento científico
volvieron a estar unidos. El Renacimiento (Fxiad Moderna), llamado así por el rcdescu-
brimicnto de trabajos de antiguos pensadores, marcó el fin de la Edad Media y fundó
cimientos sólidos para el desarrollo de nuevos conocimientos. Los saberes se individua
lizaron y la filosofía y la ciencia se separaron de manera definitiva. La Edad Contempo
ránea se ha caracterizado por estudios que involucran una filosofía científica; sin em bar
go, filosofía y ciencia se abordan por separado.
La ciencia y la filosofía están relacionadas estrechamente: ambas utilizan el razo
namiento para obtener conclusiones, pero difieren en la generalidad de sus resultados. La
ciencia trata de explicar el comportamiento de la naturaleza en áreas particulares, estudia
cóm o ocurren las cosas y utiliza muchos resultados de los filósofos; por ejemplo, la va
lidez de la lógica y los postulados acerca de la naturaleza. La filosofía busca la naturale
za última de las cosas, de manera que generaliza los resultados de la ciencia, busca qué
son las cosas y p o r qué ocurren; además, por su carácter racional, dio la pauta para que
los científicos se concentraran en problemas específicos y utilizaran la filosofía de la
ciencia como fundamento de sus ideas y deducciones. Hasta mediados del siglo xix. a lo
que hoy conocemos como física, se le llamó filosofía natural o filosofía de la naturaleza
(ciencia dedicada al estudio de los fenómenos naturales).
La filosofía de la ciencia es la investigación acerca de la naturaleza de la práctica
científica, se encarga de saber cóm o se desarrollan, evalúan y cam bian las teorías; apor
ta los conceptos de la fundamentación de la ciencia y es la encargada de averiguar si
esta es capaz de revelar la verdad de las entidades ocultas y los procesos de la naturale
za; provee los elem entos que determinan la comprensión previa del cam po que estudia
la ciencia y, de esta manera, orienta la investigación; se usa para nombrar conjuntos de
verdades y principios fundamentales de la ciencia o el arte (inicialmcntc la ciencia se
explicó mediante bases filosóficas); y sus estudios se basan en la observación y la expe
rimentación.
Se denominó filosofía de la ciencia hasta la conformación del Círculo de Vicna a
principios del siglo xx, y alcanzó su madurez en la década de 1920 con un grupo d e fi
lósofos como Rudolf Cam ap (1891-1970), Otto Ncurath (1881-1945), Hans Hahn
(1879-1934), Kurt Gódel (1906-1978) y Willard V. Quine (1908-2000). En la actualidad.
O rigen de la ciencia 3
las grandes figuras de la filosofía científica son Karl R. Popper. Thom as Kuhn, Imre
Lakatos y Paul Feyerabend.
En los últimos 30 años la filosofía de la ciencia ha abordado varios temas de suma
importancia, entre los que destacan el gran desarrollo de muchas disciplinas científicas
y el método científico; sin embargo, cabe destacar que ya no es posible hablar de un
método único y umversalmente válido. Karl Popper (1902-1994) propone que la ciencia
no es capaz de verificar si una hipótesis es cierta, pero sí puede demostrar que es falsa.
Así pues, frente a la postura del verificacionismo, dominante hasta ese momento en la
filosofía de la ciencia, Popper propone el falsacionismo, seguido en España por Gustavo
Bueno (1924), autor del materialismo filosófico, en su teoría del cierre catcgorial. Por su
parte, M ario Bunge (1919) analiza los problemas de diversas epistemologías, desde el
racionalismo crítico popperiano hasta el empirismo, el subjetivismo o el relativismo.
Bunge es realista crítico y para él, la ciencia es falible (el conocimiento del mundo es
provisional c incierto), pero la realidad existe y es objetiva.
La historia reciente de la ciencia está marcada por el continuo refinamiento del co
nocimiento adquirido y el desarrollo tecnológico, acelerado desde la aparición del méto
do científico. A continuación se mencionarán algunos filósofos que han colaborado en el
desarrollo del método científico desde el siglo xvi hasta la actualidad:
• G alilea G alilei (1564-1642): em pleó procedim ientos inductivos para conocer

la realidad y señaló que el descubrim iento debía ser el resultado de la experi
mentación.
• René D escartes (1596-1650): pretendía un conocimiento basado en la existencia
indudable de un sujeto pensante, así como el avance gracias a ¡deas claras y dis
tintas. Descartes, en su obra metodológica Filosofía de la naturalezxi, menciona
que el mundo de los objetos com ienza a verse desplazado por el mundo de los
conocimientos y en su obra Reglas afirmó *‘¡ay de aquellos filósofos que dejan de
lado la experimentación y pretenden que la verdad puede salir directamente de su
cerebro, como Minerva de la cabeza de Júpiter!". Asimismo, Descartes llegó a la
conclusión de que “la experimentación es la herramienta del conocimiento”.
• Francis Bacon (1561-1626): su filosofía planteaba un conocimiento empírico e
inductivo de la naturaleza. A Bacon se le consideró el fundador de la filosofía
moderna. Entre sus frases celebres desatacan: “saber es poder” y “los secretos de
la naturaleza se encuentran con mayor facilidad si se les ataca con el arte, que si
se les deja que sigan su curso tranquilo; es mejor estudiar la naturaleza, su estruc
tura y los cambios de la misma”. Propuso una lógica inductiva fundada en la ex
perimentación, con el fin de superar la lógica deductiva de Aristóteles, y desglosó
el método científico en observación, hipótesis y verificación.
• John Stuart M ili (1806-1873): propuso una metodología experimental moderna
basada en la sistematización de los conocimientos metodológicos y su papel en
la generación del conocimiento científico. En su obra System o f Logic planteó
diferentes variantes del método experimental com o el descubrimiento y la demos
tración; además, utilizó el método de la concordancia: Si “A” es causa de “B”
siempre que se dé “A " se dará “B" (tiene una circunstancia en común), y el méto
do de la diferencia: Si “A” es causa de “ B", al faltar “A” tiene que faltar “B" (por
lo menos una diferente).
4 C apítulo 1 M etodología de las ciencias experim entales
C oncepto, objetivos e intereses de la ciencia
Creencia y conocim iento

Una creencia es un conjunto de proposiciones o suposiciones de una verdad, que en
ocasiones constituye un entramado cultural y social que forma una identidad o dogma.
La creencia no tiene un valor de verdad en sí misma, por lo tanto no se puede demostrar
com o falsa ni como verdadera; es una ¡dea considerada verdadera por quien la profesa,
por ejemplo: Juan cree en la existencia de Dios.
Las fuentes de las creencias son:
• Externas: cuando se originan en explicaciones dadas por la gente para la com
prensión de ciertos fenómenos.
• Internas: cuando surgen del pensamiento y la convicción propios.
Una creencia no tiene base empírica, por ejemplo, las creencias religiosas opuestas
a la ciencia, al estar basadas en dogm as no se construyen a partir de datos obtenidos
mediante el método experimental.
Conocer es una actividad por m edio de la cual el hombre adquiere certeza de la
realidad (m anifestada como un conjunto de representaciones sobre las que tenemos
la certidum bre de que son verdaderas); es enfrentar la realidad, donde todo conoci
miento es forzosamente una relación en la que aparecen dos elem entos relacionados
entre sí: uno cognosccntc (sujeto) y otro conocido (objeto). Esta relación implica la
aprehensión del objeto por parte del sujeto. El conocim iento es la relación entre suje
to-objeto, es decir, captar algo que inicialm entc está fuera del horizonte del sujeto
(véase figura 1.1).
Figura 1.1: Conocimiento es una relación sujeto-objeto.
FJ sujeto determina la relación con el objeto y por lo tanto con el conocimiento, y es

capaz de entrar en relación con el objeto de diferentes maneras, lo cual hace que la acti
vidad del conocimiento fluctúe entre el conocimiento vulgar y el conocimiento científi
co. El primero lleva a ver el objeto, a entenderlo; en cambio, el segundo se apoya en el
método científico y la investigación. Los pensamientos son representaciones mentales
del objeto conocido. Pensar es com binar pensamientos ya obtenidos, e inclusive inferir
otros nuevos. Saber es disponer de una serie de pensamientos acerca de los objetos que
nos rodean. Por medio del conocimiento o del pensamiento se puede aumentar el saber,
por ejemplo: Pablo sabe que los cuerpos se dilatan con el calor.
El método científico 5
Subjetivism o y lenguaje privado

El subjetivismo es la tendencia filosófica en la cual el valor de todo juicio no depende
de cómo se muestran las cosas, sino de la visión de quien juzga (sujeto). El lenguaje
privado, al igual que el subjetivismo, no tiene cabida en la ciencia como argumento de
mostrativo o criterio de verificabilidad, por ejemplo: A Francisco le duele el estómago.
Ciencia
Es un conjunto de conocimientos obtenidos mediante la observación y el razonamiento,
de los cuales se deducen principios y leyes generales. En un sentido más amplio, este tér
mino se emplea para referirse al conocimiento en cualquier campo, pero suele aplicarse,
sobre todo, a la organización del proceso experimental vcrificablc. La ciencia como
actividad (investigación) pertenece a la vida social, ya que se aplica al mejoramiento del
medio natural y artificial, así como a la invención y manufactura de bienes materiales y
culturales, y es el conducto para el desarrollo de la tecnología; trata con problemas de
valor de verdad, que son posibles comprobar y verificar, busca establecer las relaciones
existentes entre diversos hechos y conectarlos entre sí; describe y explica las cosas rea
les; busca la verdad.
El interés de la ciencia es el conocimiento, no las creencias, el subjetivismo o el
lenguaje privado. El propósito de la ciencia es la predicción y el control; establecer una
generalización, un modelo de aplicación universal en un lenguaje preciso y sin ambigüe
dades. Tiene como objetivo la verificabilidad, la corregibilidad, la falsabilidad y la sis
tematización (ensayo-error). En la sociedad, la ciencia tiene la finalidad de producir
modelos útiles para explicar la realidad, dar respuestas y soluciones a problemas de
investigación mediante la aplicación de procedimientos científicos, así como la descrip
ción, explicación, predicción y control de los fenómenos, ya que puede hacer prediccio
nes basadas en observaciones que, a menudo, benefician a los individuos.
El m étodo científico
El método científico se entiende como el estudio sistemático, controlado, empírico y
crítico de proposiciones hipotéticas referentes a presuntas relaciones entre varios fenó
menos. Es un procedimiento aplicado en las ciencias, que inicia con la observación y
posee las siguientes características: es fáctico, hace trascender los hechos, es verificable,
autocorrcctivo y objetivo. Está sustentado en la reproducibilidad (la capacidad de repetir
determinado experimento en cualquier lugar y por cualquier persona) y la falsabilidad.
El conocimiento em pírico se obtiene a partir de la exposición de los órganos senso
riales al mundo exterior y permite orientar a los individuos en su práctica diaria. Sirve
como base para la construcción del conocimiento científico, también se extrae del con
tacto con la realidad, pero su adquisición, a diferencia de lo cotidiano, se realiza con base
en métodos e instrumentos debidamente seleccionados y estructurados de acuerdo con
los lineamientos que proporcionan las teorías, de manera concreta las hipótesis plantea
das. La ciencia empírica depende de la experiencia para demostrar el valor de verdad en
sus enunciados; se basa en dos formas: la observación sistem ática (el observador no in
terviene) y la experimentación (el observador interviene, altera y controla el fenómeno
en cuestión).
El m étodo experim ental se aplica principalmente en las ciencias naturales (física,

química y biología) y se basa en la observación de fenómenos, así como en la realiza
ción de experimentos. Utiliza varios métodos com o la inducción, deducción y estadís
tica, según lo requiera la naturaleza del experimento. Se entiende por observación al
conjunto d e datos que se obtienen del seguimiento de un fenómeno que puede estar
dentro o fuera de nuestro control. Cuando se logra reproducir un fenómeno controlando
sus variables artificialmente se le llama experimento, el cual es ideal cuando es contro
lado, diseñado y capaz de reproducir un fenómeno donde es posible seleccionar valores
de las variables independientes y medir los efectos en las variables dependientes. Los
experimentos pueden realizarse en laboratorio y repetirse cuantas veces sea necesario;
además, se espera que los valores medidos varíen dentro de un rango determinado por
la incertidumbre en las mediciones.
Los pasos del método experimental son:
1. Definición del problema
2. Hipótesis de trabajo
3. Diseño del experimento
4. Realización del experimento
5. Análisis de resultados
6. Obtención de conclusiones
7. Elaboración del informe
1. Definición d el problema: es el primer paso para planear un experimento y consiste en
definir su objetivo con precisión, es decir, formular claramente el problema o a qué
preguntas se quiere responder. Contempla los siguientes aspectos
a) Observación d el fenóm eno: se observa el fenómeno detenidamente, se formulan
las preguntas e hipótesis y se define qué clase de error (tipo I ( a ) 1o tipo II (J3): ) se
está dispuesto a tolerar.
b) Consulta bibliográfica: una vez establecida la pregunta es necesario consultar lo
que se ha hecho en casos parecidos (marco teórico). Consultar la bibliografía per
mite conocer los antecedentes y el estado actual del problema, es decir, qué y
cómo se ha hecho y, sobre todo sirve para determ inar si la investigación que se
planea es una confirmación o una extensión de otro trabajo científico. Cuando
se trate de un problema conocido se pueden consultar enciclopedias, libros espe
cializados. internet y revistas científicas. Cuando el problema no es del dominio
1 U n error tipo I se presenta si la hipótesis nula H o es rechazada cuando es verdadera y debía ser aceptada. La
probabilidad de com eter un error tipo I se representa con la letra alfa o .
: U n error tipo II se denota con la letra griega 0 . Se presenta si la hipótesis nula es aceptada cuando de hecho
es falsa y debía se r rechazada.
En cualquiera de los dos casos se com ete un error al tomar una decisión equivocada. En la siguiente tabla se
muestran las decisiones que puede tomar el investigador y las posibles consecuencias cuando de hecho es falsa
y debía ser rechazada.
En cualquiera de los dos casos se com ete un error al tomar una decisión equivocada. En la siguiente tabla se
muestran las decisiones que puede tomar el investigador y las posibles consecuencias.
Ho v e rd a d e ra H o falsa
A c e p ta r Ho No error Tipo 11 (0 )
R ech azar Ho U p o I (a ) No error
público hay que remitirse a publicaciones especializadas que dan a conocer los
resúmenes. Estas publicaciones son conocidas com o abstract o resumen y las hay
en casi todas las áreas del conocimiento humano.
c) Im portancia: se determina la relevancia de la investigación, su trascendencia y
aportación al conocimiento científico.
d) Objetivos: es la manera en la que se responderán las preguntas, cóm o se compro
bará la hipótesis y los efectos que se deberán estimar (redactados en términos
precisos). Una vez planteada la pregunta y hecha la consulta bibliográfica, se pro
cede a formular una hipótesis que tenga posibilidades de explicar la observación,
o decidir cuáles de las leyes naturales son aplicables, o por lo menos, esperar a que
haya una relación entre dos variables características del problema.
2. Hipótesis Je trabajo: es una predicción para explicar cóm o o por qué sucede un fe
nómeno, y de la cual se busca su comprobación (o negación) por medio de un experi
mento.
3. Diseño d el experimento: es la elección del procedimiento experimental y los instru
mentos capaces de medir y controlar las variables del fenómeno que se va a estudiar.
Para ello, es necesario considerar: a) el equipo de medida existente y su precisión, y
b) el tiempo y dinero disponibles.
4. Realización d el experimento: una vez realizado el experimento de prueba y la inter
pretación tentativa de resultados, realizar el experimento final se reduce a llenar co
lumnas con lecturas de las mediciones y detectar cualquier anomalía que se presente
durante el desarrollo del mismo.
5. Análisis d e resultados: la interpretación de resultados, ya sean valores, gráficas, tabu
laciones u otros, debe contestar con la mayor claridad posible las preguntas plantea
das durante la definición del problema.
6. Obtención de conclusiones: con los resultados del experimento el investigador hace
sus propias conclusiones, es decir, aplica su criterio científico para aceptar o rechazar
una hipótesis. También es posible que se hagan conjeturas acerca de un modelo o se
proponga la creación de otro nuevo, lo cual conduce a un problema diferente.
7. Elaboración d el informe: reporte en el que se comunican los resultados a la comuni
dad científica, y constituye una pieza útil para la evolución de la ciencia.
\ jx realización del informe debe ser clara; es necesario tener presente en todo mo
mento al lector a quien va dirigido el trabajo, para así determinar el nivel académico del
lenguaje que conviene utilizar.
En un reporte de divulgación debe empicarse un lenguaje sencillo y explicar con
más detalle todos los conceptos que no sean del dominio público, de manera que sea
entendido por la mayoría. F.n cambio, un trabajo especializado está dirigido a un sector
más reducido (la comunidad científica) y utiliza un lenguaje especializado, por lo que
resulta innecesario explicar todos los conceptos.
O tro factor importante es la estructura del informe, la cual consta de seis partes: a)
Título, b) Resumen, c) Definición del problema, d) Procedimiento experimental, e) Re
sultados y f) Conclusiones.
Elementos del método científico

1. Hechos observados: la ciencia empieza con la observación.
2. H ipótesis: establecer una explicación tentativa de un fenómeno, esto es, afirmar las
posibilidades, razones necesarias o suficientes para la ocurrencia de un fenómeno. Es
una conjetura o idea provisoria y especulativa de cóm o los hechos han de ser interpre
tados y explicados y con el tiempo se pueden ir depurando y ajustando a un fenómeno
hasta convertirse en una ley y después en un teoría científica.
3. Experimento: proceso obscrvacional por medio del cual el hombre incrementa su
experiencia sobre el mundo externo y permite la comprobación del enunciado. En el
diagrama de flujo de la figura 1.2 se ¡lustra la secuencia del experimento en tres eta
pas: la plancación, la experimentación y la evaluación. Los experimentos pueden ser
de verificación o demostración y empíricos. Un experim ento de verificación o dem os
tración es aquel cuya plancación se deriva de una ley física conocida. Un experim en
to em pírico es aquel cuya plancación está orientada hacia la obtención de una ley
física. Estos conceptos son los que dividen el diagrama de flujo en dos caminos: I ) Si
el fenómeno físico sobre el que se desea experimentar tiene antecedentes teóricos, se
sigue el camino de los experimentos de verificación o demostración; 2) Si el fenóme
no físico sobre el que se desea experimentar no tiene antecedentes teóricos, se sigue
el camino de un experimento empírico.
P rim e ra etapa
• Planeación: constituye la columna vertebral de todo experimento, ya que el éxito o

fracaso dependen de ella y tiene por objetivo analizar el experimento.
• M odelo m atem ático teórico: un modelo matemático implica una relación explícita
entre las variables involucradas, que tienen la cualidad fundamental de predecir el
valor de una variable dependiente a través del conocimiento del valor de las variables
independientes. Cuando se realiza un experimento de verificación o de demostración
a partir de un m odelo se pueden seleccionar fácilmente las variables. Si el experim en
to es empírico, para la obtención del modelo se recomienda efectuar, en primer térm i
no, el análisis dimensional.
• O bsen’ación: análisis visual del comportamiento de un fenómeno físico, a través de
las variaciones de los parámetros involucrados. A partir de esto se puede deducir la
variable dependiente y cuál como independiente.
• Selección de variables: en general, es un paso obvio, ya que al experimentador se le
encomienda la tarca de medir una cantidad específica como función de otra variable
específica y. por consiguiente, se decide cuáles son las cantidades que se definirán
como las variables principales y cuáles serán las subsidiarias.
• Precisión del experimento: para estimar la precisión de un experimento se recomienda
utilizar la propagación de ¡ncertidumbres para averiguar cóm o afecta al resultado final
cada incertidumbrc individual; lo anterior dará la estimación de la inccrtidumbrc total
en el resultado del experimento y, a partir de esto, se seleccionarán los instrumentos de
medición adecuados para la precisión requerida.
• Programa de mediciones: el program a de m ediciones para diferentes valores de la

variable independiente se formula procurando cubrir el m ayor intervalo posible de
variación; m ientras que el número de m ediciones y el intervalo de valores a cubrir
en cada caso se predeterminarán de acuerdo con los instrum entos de medición y con
el tiempo disponible para todo el experimento. Se recom ienda escribir el programa
de m ediciones en forma de tabla y se sugiere que esta contenga las variables y sus
cam bios de variables, propuestas a partir del modelo m atem ático o del análisis di
mensional.
S egunda etapa
• Experimentación: son todas las acciones requeridas para que sucedan los fenómenos
implicados en el experimento. Dentro de estas acciones se considera el montaje del
dispositivo, el control de las variables, las mediciones correspondientes y su registro
en el programa de mediciones.
• A nálisis gráfico: consiste en dibujar las gráficas correspondientes de los datos obteni
dos del experimento, utilizando el eje horizontal para la variable independiente y el eje
vertical para la variable dependiente. El análisis gráfico permite verificar si las obser
vaciones se dispersan dentro de los límites del error experimental. Si existen uno o
varios puntos que no queden dentro de los límites del error, se realizan nuevamente
estas mediciones.
T ercera etap a
• Evaluación: cuando se tiene determinado que es una recta la que describe el fenómeno
bajo estudio, se obtiene lo siguiente:
• Tratamiento estadístico: se inicia con el cálculo de los parámetros de la recta (pen
diente c intersección) y sus incertidumbres de acuerdo con las fórmulas dictadas por
el método de mínimos cuadrados. En este punto es importante encontrar el error rela
tivo que expresa el porcentaje de error del resultado. Con ello, se pretende constatar
que dentro del error experimental, la cantidad es confiable y se ajusta a la precisión del
experimento.
• M odelo m atemático em pírico: una vez obtenidos los parámetros de la recta, estos se
insertan en la relación matemática para expresar de m anera completa la relación fun
cional. Si este modelo empírico no describe el fenómeno estudiado, entonces se reco
mienda repetir la observación original y buscar las posibles discrepancias y, en su
caso, repetir todo el experimento. Si ocurre lo contrario, se considera terminado el
experimento.
• Comparación teoría-experimento: en los experimentos de verificación es conveniente
realizar un cálculo teórico basado en el modelo matemático de la etapa de plancación.
Una vez realizado, se compara con el resultado experimental; si este último queda
muy alejado del primero y fuera de los límites del error experimental, se recomienda
regresar al paso en el que se determina la precisión experimental. En caso contrario, se
considera terminado el experimento.
• Resultados y su interpretación: los resultados del experimento, los hechos adicionales
y la interpretación de estos nuevos hechos conducen al apoyo, rechazo o alteración de
una hipótesis.
Demostración
o verificación Empinsmo
Modelo
matemático Observación
4
Selección Identificación
de variables de variables
si 4
PLANEACIÓN
Determinación do la Determinación d e la
precisión y selección precisión y selección
de aparatos d e d e aparatos do
medición medición
4 4
Programa Programa
da mediciones de mediciones
4
Realización Realización
del experimento do! experimento
4 EXPERIMENTACIÓN
4
Análisis gráfico Análisis gráfico
■4 ■4
Tratamiento Tratamíonto
estadístico estadístico
EVALUACIÓN
4
Modelo matemático
Modelo
fronto a resultados
matemático empírico
expen mentales
4
' ¿Resultado
SI SI - NO
dentro del error Describe \
experimental?
> IZ * ^ - el fenómeno /
Figura 1.2: Diagrama de las etapas para los experimentos de verificación o demostración
y empíricos. (Lara-Barragán, 1988).
M odelos II
M odelos
El concepto de modelo en el pensamiento científico
Los modelos intentan describir y explicar las características del fenómeno, sin pretender
ser una fotografía de la realidad. En la ciencia, el modelo se consituye de proposiciones
coordinadas y subordinadas que, con frecuencia, se expresan mediante fórmulas que
explican relaciones reales de los objetos; son esquemas teóricos (que no tienen existen
cia real) que se refieren a esquem as objetivos (que sí existen en realidad). Las teorías se
prueban mediante los modelos, lo cuales son solo una parte de la teoría.
Observaciones y modelos
Un modelo, comparado con el sistema verdadero que representa, proporciona informa
ción a un costo m ás bajo y permite un conocimiento m ás rápido de las condiciones
que no se observan en la vida real. El valor de un modelo surge cuando este mejora la
comprensión de las características del comportamiento de forma m ás efectiva que si
se observara el sistema real. Los modelos de cualquier clase son poco prácticos si no
están respaldados por datos confiables. Si se distorsionan las estimaciones, la solución
obtenida, pese a ser óptima en un sentido matemático, será de calidad inferior desde la
perspectiva del sistema real. En consecuencia, la disponibilidad de datos tiene un efecto
directo en una precisión del m odelo y su recopilación es una parte más difícil de deter
minar.
1. Identificación de las variables significativas: la primera fase de la investigación
de un fenómeno nunca antes estudiado consiste en la búsqueda de las variables
que parecen estar relacionadas. Mediante la identificación de estas se reduce el
campo de la investigación a niveles prácticos, lo cual facilita el trabajo sistemá
tico tanto a nivel experimental como teórico.
2. Concepto de modelo: se concibe por medio de construcciones hipotéticas e ima

ginarias creadas a partir de conjuntos de definiciones del mundo real de nuestras
percepciones acerca de este. El uso de los modelos es casi universal en nuestro
pensamiento, sea científico o no. Los modelos proporcionan un marco de refe
rencia para el pensamiento y la comunicación, una descripción esquemática de
los sistemas, una base para el cálculo, una guía para el estudio futuro, etcétera.
Los modelos son diversos, pero tienen una característica en común: son con
ceptos inventados. Se construyen con la intención de que correspondan, lo más
posible, con el mundo real; sin embargo, ningún modelo puede ser jam ás una
réplica exacta de su contraparte real. Además, pertenecen a diferentes categorías,
por ejemplo: una pared no puede ser realmente un rectángulo, ni un círculo. Em
pero, las propiedades de un m odelo pueden ser semejantes a las del mundo real
y resultar útiles en la medida en que sus propiedades sí correspondan con las del
mundo real.
3. Comparación entre los m odelos y el mundo real: para que las propiedades del
modelo y las de su contraparte real en un experimento científico correspondan,
es necesario em pezar con una comparación entre el modelo y el sistema real. Y
solo será útil si se demuestra ex pe rimen tal mente que las propiedades del modelo
guardan una correspondencia adecuada con las del sistema real. Para ello, un
modelo o concepto debe ser verificable mediante la observación.
4. Refinamiento de los modelos: en el trabajo científico es posible modificar o cam
biar los modelos en el momento que sea necesario. Para empezar, el modelo es
una construcción, una idea presente en la mente. Cuando se propone efectuar un
cambio, la única consideración que debe tomarse en cuenta es la utilidad básica
de la idea y el provecho que aporta si se modifica. Un proceso de refinamiento
continuo y de eventual remplazo forma parte del proceso científico. Es asunto
propio y normal de los científicos, ya sean aplicados o sociales, llevar a cabo el
proceso de comparación entre modelos y sistemas en una búsqueda continua del
mejoramiento del modelo.
5. Comparación detallada entre modelos y sistemas: para comparar los procedi
mientos reales con las propiedades de los modelos y los sistemas no basta con un
concepto gráfico de la situación, además se requiere llevar a cabo una observa
ción cuantitativa del sistema y emplear procedimientos matemáticos para especi
ficar el modelo.
Construcción de modelos
La construcción de un modelo requiere de diversas etapas y depende del experimento
en cuestión. Por ejemplo, se puede generar un nuevo modelo para un fenómeno nunca
estudiado y del cual no hay información previa. Por otra parte, puede existir alguna
propuesta o teoría anterior que pueda aplicarse a un sistema y que dé como resultado un
nuevo modelo. Existen dos tipos de modelos: em píricos y teóricos. El modelo empírico
está basado únicamente en observaciones, sin referencia alguna a la operación interna y
detallada del sistema. En cambio, un modelo teórico se construye de forma más general
(no solo para un intervalo particular de observaciones), y se basa en algún concepto o
principio acerca del modo de operar del sistema.
Modelos empíricos
Una vez que se ha logrado reunir un grupo de observaciones acerca de un sistema para
el que no existe un modelo que describa alguna propiedad del mismo (por ejemplo, de
las mediciones de peso vs. alargamiento en un resorte cargado), los resultados probable
mente tomarán la forma de 5 (como la de la figura 1.3). El problema, entonces, es cons
truir un modelo adecuado, para lo cual deben considerarse los siguientes pasos:
1. Enunciado verbal: el modelo más sencillo es una descripción verbal de la varia

ción: El alargamiento aumenta uniformemente con el peso, según la c u n a en
forma de S.
2. Trazar una cur\’a continua po r los puntos: la siguiente etapa de la construcción
del modelo está representada por el trazo con puntos de una curva continua. Se
tendrá el conjunto de observaciones mostradas originalmente en la tabla 1.1 y en
la figura 1.3.
El conocimiento del sistema es bueno en los puntos en los que se han realizado
mediciones reales. Sin embargo, si se desea conocer el valor del alargamiento
para un peso intermedio entre dos de los valores medidos, entonces se tendrá un
problema. Se debe inferir d valor deseado por interpolación sobre la base de las
M odelos 13
Tabla 1.1: Peso frente a alargamiento de un resorte cargado.
Peso (kg) A largam iento (m m )

05.0 0.2
10.0 0.5
15.0 0.8
20.0 1.0
22.5 1.2
25.0 1.3
27.5 1.4
30.0 1.5
32.5 1.7
35.0 1.8
37.5 1.9
40.0 2.0
42.5 2.3
45.0 2.5
47.5 2.8
50.0 3.2
mediciones practicadas. La curva suave y continua proporciona una forma de

hacerlo, tal com o lo muestra la línea continua a) en la figura 1.4. De igual manera,
se puede emplear la curva suave y continua para extrapolar m ás allá del intervalo
existente de valores, como se muestra con la línea discontinua b). Este procedi
miento permite hacer conjeturas sobre los valores fuera del intervalo medido,
pero la validez del procedimiento es mucho más limitada que en el caso de la
interpolación.
3. Búsqueda de funciones: como una forma más elaborada de trazar curvas conti
nuas por puntos se puede usar una variedad d e métodos matemáticos para encon-
3.5
3.0
0.5 •
0.0 -| 1 1 1 1------ 1—
0 10 20 30 40 50
Peso, kg
Figura 1.3: Peso frente a alargamiento de un resorte cargado.

E
E
2
5
E
§>
10 20 30 40 50
Peso, Kg
Figura 1.4: Curva suave de las variables peso frente a alargamiento

de un resorte cargado, a) Valor interpolado, b) Valor extrapolado.
trar una función analítica que se ajuste a esos puntos. Pese a toda la elaboración
matemática que representan, estos procedimientos todavía dependen, para su va
lidez. de la suposición básica de un comportamiento regular en el sistema; en
tanto, las curvas y funciones asociadas constituyen el concepto de compor
tamiento del sistema. Las funciones generadas empíricamente para ajustarse a
conjuntos de observaciones pueden ser muy útiles, ya que como modelos mate
máticos del sistem a pueden, con precisión variable, aplicarse para obtener valo
res inferidos de algunas características del sistema.
Modelos teóricos
Los modelos teóricos se construyen con bloques conceptuales básicos, como definicio
nes, axiomas, hipótesis, principios, entre otros, seguidos de una derivación analítica a
partir de estos elementos básicos. Como todos los elementos de las teorías son construc
ciones de la imaginación humana, las teorías y los resultados de estas son, de igual ma
nera, construcciones imaginarias. Por lo tanto, su pertinencia en los sistemas reales debe
evaluarse a través de la experimentación, por ejemplo: un balín de acero que desciende
en caída libre por efecto de la fuerza de gravedad. Fn este caso, primero debe medirse el
tiempo de caída desde diferentes alturas y después graficar los resultados; sin embargo,
para construir un modelo teórico de la misma situación el enfoque cambia: se elige un
conjunto de axiom as o hipótesis básicas, a partir de las cuales se derivan los resultados
requeridos (puede suponerse en la hipótesis básica un valor de la aceleración del balín:
a = 9.81m/s2). Además del supuesto valor constante para la aceleración, de manera implí
cita se está despreciando la presencia del aire. FJ modelo quedaría de la siguiente forma:
v = 9 .8 1 / (Suponiendo v = 0 e n / = 0) (1.1)
x= (Suponiendo v = 0 en / = 0) (1.2)
' = <4 ¿ ¡» ) ‘ 2jr' 2 ( 1-3)

M odelos 15
P ru eb a de los m odelos teóricos

La tarca consiste en comparar dos resultados. Una sugerencia sencilla e s introducir los
diversos valores d e x e n la ecuación y calcular los valores correspondientes de t Luego,
estos se pueden comparar con los valores medidos. Si coinciden, se puede confiar en que
el sistema y el modelo se corresponden. No obstante, es poco probable que el modelo
esté totalmente libre de fallas y deficiencias sistemáticas. De hecho, uno de los principa
les propósitos en la experimentación es detectar esas discrepancias y tratarlas construc
tivamente. La posibilidad de hacerlo con eficacia, empleando la comparación aritmética
elemental, es pequeña. Es mucho más significativo el comportamiento global del sistema
y la mejor manera de apreciarlo es en una gráfica.
Un experimento real de caída libre, bajo la acción de la gravedad, arrojó los resulta
dos mostrados en la tabla 1.2 y la figura 1.5, las cuales describen el comportamiento del
sistema. En la figura 1.5 se muestran las observaciones (serie de puntos) donde el com
portamiento del modelo es una curva. La gráfica da una impresión visual de la relación
entre las propiedades del sistema y el modelo. Nótese que este diagrama contiene dos
componentes diferentes: 1) puntos que representan las propiedades del sistema y 2) una
línea que corresponde a la función analítica que pertenece al modelo.
Tabla 1.2: Tiempo de caída medido experimental mente frente

a la distancia para un balín de acero en caída libre.
Distancia, x, (m ) Tiem po, /, (s)

0.1 0.148
0.2 0.196
0.3 0.244
0.4 0.290
0.5 0.315
0.6 0.352
0.7 0.385
0.8 0.403
0.5
0.1
0 0.2 0.4 0.6 0.8

D is ta n c ia (m)
Figura 1.5: Proceso de comparar las propiedades de un sistema

real con las propiedades de un modelo.
fttra concluir el m odelo teórico se realiza una comparación detallada entre las pro
piedades globales del sistema y las del modelo. Una inspección visual directa puede
confirmar si el modelo y el sistem a se corresponden. No tiene sentido preocuparse por si
una teoría es correcta o incorrecta, incluso debería evitarse el uso de términos com o es
tos aunque exista la seguridad de tener clara la situación, dadas las m últiples oportunida
des de que se haga una mala interpretación. Es mucho m ejor catalogar una teoría o un
modelo como satisfactorio o suficientemente bueno, o utilizar otra denominación pare
cida.
Uso del análisis de la línea recta

El objetivo es arreglar el proceso de trazado de la gráfica, de modo que el com porta
miento del sistema y el modelo se representen de forma lineal en una gráfica. La función
anterior (3) para el tiempo de caída libre bajo la acción de la gravedad lleva a una repre
sentación parabólica en una gráfica de t, jr.
d .4 )
Suponiendo que se graficara, no / vs x, sino t vs x \ la ecuación sería:
t = 0.4515 x * (1.5)
Entonces, esta puede compararse con la ecuación de una línea recta:
Variable vertical = Pendiente x Variable horizontal (1.6)
Donde:
Variable vertical = /
Variable horizontal = x *2
Pendiente = 0.4515
En ciencias puras, y sobre todo en ciencias aplicadas, se denomina modelo a una

idealización de la realidad, que se utiliza para plantear un problema normalmente de
manera simplificada, en términos relativos y planteados desde un punto de vista m ate
mático; aunque también puede tratarse de un modelo físico. Es una representación con
ceptual o física a escala de un proceso o sistema (fenómeno), cuyo fin es analizar su
naturaleza, desarrollar o comprobar hipótesis o supuestos, y permitir una mejor com
prensión del fenómeno real al cual el modelo representa.
Para hacer un modelo es necesario plantear una serie de hipótesis, de manera que lo
que se quiere representar esté plasmado en la idealización, aunque también se busca que
el modelo sea sencillo de estudiar y de manipular.
M odelos 17
Tipos de modelos científicos

Modelo físico
La expresión m odelo físico tiene distintos significados dependiendo si se refiere al ám

bito de la física o al de la ingeniería. La física intenta entender el mundo haciendo mo
delos de la realidad, que son utilizados para racionalizar, explicar y predecir fenómenos
físicos a través de una teoría. Algunas teorías físicas son desechadas por la observación.
Una teoría física es un modelo de eventos físicos que no pueden ser probados por axio
mas básicos y es diferente a un teorema matemático. Los modelos de teorías físicas
son la realidad, una declaración de lo que se observa, así com o la predicción de nuevas
observaciones.
En contraposición, en la ingeniería se denomina modelo físico, a los modelos mate
máticos y análogos, a una construcción en escala reducida de obras de ingeniería para
estudiar en ellas su comportamiento, de manera que se puedan perfeccionar los diseños
antes de iniciar la construcción de las obras reales. A este tipo de m odelo se le denomina
modelo reducido. Se utilizan con frecuencia para el estudio de represas, puentes, puer
tos, aeronaves, entre otros. Muchas veces, para obras complejas (por ejemplo: una repre
sa), puede requerirse la construcción de más de un modelo.
M odelo m atem ático
Un modelo matemático es un esquema, una ecuación, un diagrama o una teoría que

simplifica una parte difícil de las matemáticas para hacer más sencilla su comprensión;
además, de manera general, engloba aspectos diferentes. Los modelos matemáticos se
construyen con varios niveles de significación y con diferentes variables.
• M odelos de regresión o m odelos estadísticos lineales: un modelo estadístico es
una teoría o situación causal de hechos, expresada con símbolos de formato ma
temático. Por ejemplo, las tablas de contingencia. Una de las aplicaciones más
importantes de la estadística es la estimación del valor medio de una variable de
respuesta y/o la predicción de algún valor futuro de Y con base en el conocimien
to de un conjunto de variables independientes relacionadas (*,, x r .. x j . Los mo
delos que se emplean para relacionar una variable dependiente Y con las variables
independientes X r X r .. Xn se denominan modelos de regresión o m odelos estadís
ticos lineales porque expresan el valor medio de Y para valores dados de Xit Xr ..
X como una función lineal de un conjunto de parámetros desconocidos:
y = m x+ b + e (1.7)
Donde:
m x + b — valor medio de Y para una X dada
£ = error aleatorio
m + b w - parámetros desconocidos de la porción determinista (no aleatoria) del
modelo
b = la ordenada al origen de la línea
m = la pendiente de la línea
y = la variable dependiente
x = la variable independiente
• Desarrollo de un m odelo estadístico: el primer paso para la construcción de un

modelo estadístico es postular la forma de la porción determinista del modelo
probabilístico. Esta etapa de construcción de modelos es la clave del éxito (o fra
caso) del análisis de regresión. Si el m odelo postulado no refleja, al menos aproxi
madamente. la verdadera naturaleza de la relación entre la respuesta media Y y las
variables independientes X r Xy .. X0,por lo regular resulta inútil.
1.a construcción de modelos se refiere a crear un modelo que se ajuste bien a un
conjunto de datos y proporcione buenas estimaciones del valor medio de Y, así como
predicciones de valores futuros de K valores dados por las variables independientes.
l-as características del modelo estadístico son:
1. Presencia del elemento aleatorio.

2. No son deterministas.
3. Se construyen a partir de datos empíricos.
4. Son válidos solamente para el rango que se estudia.
Los pasos para construir un modelo estadístico se enlistan a continuación:
1. Elaboración de un diagrama de dispersión.
2. Buscar la mejor línea recta que represente a los datos.
3. Calcular la ecuación por mínimos cuadrados.
4. Calcular el coeficiente de correlación.
¿Cómo saber cuál es el mejor modelo o su pertinencia en el mundo real?

El m ejor modelo es el que posee un mayor coeficiente de correlación r, pero se debe
tener cuidado, ya que una correlación elevada no implica causalidad. Si se observa un
valor positivo o negativo del coeficiente de correlación r de la muestra, no es correcto lle
gar a la conclusión de que un cambio en X causará un cambio en Y. 1.a única conclusión
válida es que puede existir una tendencia lineal entre X y Y. El coeficiente de correlación
permite predecir si entre dos variables existe o no una relación o dependencia matemá
tica. Los coeficientes de correlación r siempre oscilan entre valores de 1 y -1 . El valor
cero 0 significa que no existe correlación entre ambas variables. Un valor positivo indica
que hay incrementos en la variable A mientras se producen incrementos proporcionales
en B \ un valor negativo indica que son variables antagónicas.
Asimismo, se debe tener cuidado al analizar la correlación entre dos variables, pues
ambas pueden variar permanentemente. Esto es importante, por ejemplo, si se correla
ciona edad y altura; la altura aumentará con la edad hasta determinado punto, pero llega
rá el momento en que ya no lo hará. La ecuación de la recta es del tipo:
Y = mX + b (1.8)
Rara determinar la línea recta que mejor se adapta a los datos se aplica el método de
mínimos cuadrados. Por ejemplo, un ingeniero quím ico está investigando el impacto
d e la temperatura (7) de operación de un proceso sobre el rendimiento (R ) de un produc
to. El estudio arrojó los resultados de la tabla 1.3.
M odelos 19
Pasos para la elaboración de un modelo

• Prim er paso: elaboración de un diagrama de dispersión.
Con los datos de temperatura (°C) y rendimiento (%) de la tabla 1.3, se realiza la
gráfica de la figura 1.6.
Tabla 1.3: Impacto de la temperatura (7) de operación de un proceso sobre el rendimiento (R)
de un producto.
T(°C) R (% )Y w m 2 XY
100 45 10000 2025 4500
110 51 12100 2601 5610
120 54 14400 2916 6480
130 61 16900 3721 7930
140 66 19600 4356 9240
150 70 22500 4900 10500
160 74 25600 5476 11840
170 78 28900 6084 13260
180 85 32400 7225 15300
190 89 36100 7921 16910
1450 673 218500 47225 101570
100
-9 0
-8 0
.1 70
60
50
& 40
30
90 100 110 120 130 140 150 160 170 180 190 200
T e m p e ra tu ra (°C)
Figura 1.6: Diagrama de dispersión.
• Segiuido paso: buscar la mejor línea recta que represente los puntos (Figura 1.7)
Tercer paso: calcular la ecuación por mínimos cuadrados. Los valores de la pendiente
(m ) y origen (b) se obtienen de la siguiente manera utilizando la ecuación de la línea
recta (1.7).
m (1.9)
« I* : - 1*,
i-1
- IX . T x*¿
b= kí=! ¿_Aí=! A '- 1____ (1.10)
imI
temperatura (°C)
Figura 1.7: Linca que mejor ajustó a los puntos.
Valores obtenidos de la pendiente (m) y el origen (b):
10(101570)-(1450) (673) = 1015700 - 975850 = 39850 = Q 4g3Q

m 10(218500)-(1 4 5 0 )2 2185000 - 2102500 81500
(218500X673)-(1450)(101570) _ 147050500-147276500 _ 226000

10(218500) - (1450)2 2185000 - 2102500 82500
Al observar que los datos en el análisis de dispersión poseen un comportamiento

lineal, se elige la ecuación de la línea recta (1.7) para obtener la ecuación requerida y
estimar valores de rendimiento Y. De esa manera se obtiene el siguiente modelo:
Rend(% ) - m (Tem p°C )+ b ( 1. 11)

M odelos 21
Este nuevo m odelo empírico será válido únicamente para el rango que se está estu
diando. Se sustituyen los valores de la pendiente (m) y el origen (b ):
Rend(% ) = 0.4830(Temp°C) - 2.7394
Cuarto paso: calcular el coeficiente de correlación.
r= _ í=!_________ A m __ (1.12)
«X*HX*,
f-l l-l
«Xi',’- \»m1
i-1
X^
10(101 5 7 0 )-( 1450) (673) 1015700.0 - 975850.0 39850.00
r= = 0.998
VT0( 218500) - (1450)2 * 47225) - ( 6 7 3 ) 2 287.23* 139.00 39924.71
El valor de r im plica una excelente correlación positiva; de igual manera, el coefi

ciente de correlación muestra que es un buen modelo (r2 = 0.9% ).
Ahora, regresando al problema del ingeniero químico, si se quiere saber cuál es la
temperatura (°C) adecuada para obtener un rendimiento de 100%, se puede utilizar el
siguiente modelo:
(Temperatura0C ) = Z 0 6 3 ( rendimiento%) + 6.193

(°C) = 2.063(100)+ 6.193 = 212.445
La temperatura que debe aplicarse es d e 212.445°C para obtener 100% del

rendimiento.
Bibliografía
Baird, D.C. (2003). Experimentación: una introducción a la teoría de mediciones y al diseño
de experimentos. México: Pcarson Educación.
Berna!, C.A. (2006). Metodología de la imestigación. México: Pearson-Prcntice Hall.
Bunge, M. (1999). Im ciencia. Su método y su filosofía. Buenos Aires: Ediciones Siglo
Vfcinte.
Cariño, P.S. (2004). Métodos de imestigación. México: Limusa-Colegio de Bachilleres.
Castañeda, J J . (2002). Metodología de ¡a imestigación I. México: McGraw-Hill.
Castañeda, JJ.; L.M. De la Torre; J.M, Morán R. y R.P. Lara (2002). Metodología de la in
vestigación. México: McGraw-Hill.
Castañeda, J J . y C.E. Méndez. A. (2004). Metodología de ¡a imestigación. México: Mc
Graw-Hill.
Calleros, A.F.; A. Lara-Barragán G.; J.W. Lau S. y S. Gómez M. (1997). Introducción a la
metodología experimental. México: Univeisidad de Guadalajara-CUCEI-Ciendas Bási-
cas-Dcpartaincnto de Física.
Eyssaulicr, M. (2001). Metodología de la investigación II. México: ECAFSA-Thomson

Lcaming.
López, C J.L . (2001). Método e hipótesis científicos. Temas Ixísicos. Área Metodología de las
Gencia 3. México: Trillas.
García, A.A. (2000). Introducción a la metodología de la investigación científica. Colombia:
Plaza y Valdés.
Gutiérrez, A.C. (2001), Introducción a la metodología experimental. México: Litnusa-
Noricga.
Hernández, S.R.; C. Fernández C. y P. Baptista L. (2003). Metodología de la investigación.
México: McGraw-Hill.
Mcndcnhall, W. y Sincich T. (2000). Probabilidad y estadísticas para ingeniería y ciencias.
México: Prentice Hall Hispanoamericana.
Méndez, RX; D. Namihira G. y C. Sosa de Martínez (2001). El protocolo de investigación:
lincam ientos para su elaboración y diálisis. México: Trillas.
Medieta, A.A. (1999). Métodos de investigación y manual académico. México: Porrúa.
Pérez, T.R. (1998). ¿Existe el método científico? Im Ciencia para Todos, núm. 161. México.
Riveros, H.G. y L. Rosas. (1997). El método científico iplicado a las ciencias experimenta
les. México: Trillas.
Rojas, S.R. (2000). El proceso de la investigación científica. México: Trillas.
Tamayo y Tamayo, M. (2002). El proceso de la mvestigación científica. México: Limusa.
C A P ÍT U L O 2
Medición de variables y errores

de medición
Introducción
1.a física es una ciencia tcórico-experimcntal que busca dar explicación y solución a
los fenómenos naturales y sus consecuencias, para lo cual es necesario cuantificar las
magnitudes físicas que intervienen en el fenómeno estudiado, ya sea en el laboratorio o
en el campo. Así pues, el proceso de medición es fundamental en la actividad científica,
cualquiera que sea la especialidad u orientación.
En las ciencias aplicadas, por ejemplo, los ingenieros que están a cargo de la segu
ridad de los aviones, trenes o automóviles deben estimar las incertidumbres relacionadas
con los tiempos de respuesta humanos. Una falla en el análisis de errores puede causar
accidentes fatales.
Por otro lado, en las ciencias básicas, el proceso de medición y el análisis del error
tienen una importancia aún mayor, pues tienen una relación muy estrecha con el método
científico, el cual funciona de la siguiente manera: en primer lugar se describe un fenó
meno de la naturaleza a través de un modelo simple. Después, se analiza el modelo, ya
sea analíticamente con lápiz y papel, o por medio de simulaciones numéricas con el fin
de encontrar cuáles son las predicciones o consecuencias del modelo simple; una vez
obtenidas, se comparan con experimentos y observaciones. Si existe un acuerdo entre lo
predicho y lo observado, entonces se habrá logrado, en algún sentido, comprender parte
de la naturaleza.
Aunque existen innumerables procesos de medición, todos culminan con la obten
ción de un resultado, que es afectado por distintos errores que surgen de la interacción
entre el instrumento de medición, el observador y el sistem a que se estudia. Lo anterior
se discute en el presente capítulo, junto con otros conceptos relacionados.
Conceptos generales
Variable
1.a variable es una característica (magnitud, vector o número) que puede ser medida y
que adopta diferentes valores en cada uno de los casos de estudio. También se puede
definir com o todo aquello que se va a medir y controlar en una investigación.
23
24 C apítulo 2 M edición de variables y errores de medición
En un estudio científico se pueden clasificar las variables según el valor que arroja
el resultado de su medición o por la influencia que ejerce cada una de estas sobre las
otras variables del estudio (tabla 2.1). Respecto a su valor, producto de su medición,
las variables se clasifican en variables cualitativas y cuantitativas, dependiendo de si los
valores presentados tienen o no atributos que no son cuantificables, o si tienen un orden
de magnitud natural. Por la influencia de una variable sobre otra, estas se clasifican en
independientes, dependientes y extrañas.
Tabla 2.1: Clasificación de las variables en un estudio científico ( continúa)
C riterio de T ipos de
clasificación variables D escripción
Depende de si 1 Cualitativas Son las variables que expresan distintas cualidades, caracte
el resultado de rísticas o modalidades. Cada modalidad que se presenta se
la medición es denomina atributo o categoría; la medición consiste en una
numérico o no clasificación de dichos atributos, pues no puede construirse una
serie numérica definida, sino que se ordenan en jerarquías con
base en la característica que se evalúa.
1.1 Ordinales La variable cualitativa ordinal es aquella que toma distintos va
lores ordenados siguiendo una escala establecida. Por ejemplo,
para medir la severidad de una lesión se puede usar la escala:
leve, moderada y grave. Otro ejemplo es el nivel socioeconó
mico: bajo, medio y alto.
1.2 Nominales En la variable cualitativa nominal los valores no tienen forma
natural de ordenación y los posibles valores son mutuamente
excluyentes. Por ejemplo. los posibles valores de un estudio
son si y no ; hombre” y “mujer”.
2 Cuantitativas Son las variables que se expresan mediante cantidades numé
ricas.
2.1 Discreta Son las variables que solo toman valores enteros o numérica
mente fijos. Por ejemplo, las veces que se repite un suceso, la
cantidad de pesos que se gastan en una semana, los puntos con
que cierra diariamente una bolsa de valores, el número de hijos,
entre otras.
2.2 Continua Son llamadas también variables de medición. Toman cualquier
valor numérico, ya sea entero, fraccionario o incluso irracional.
Este tipo de variable se obtiene a través de mediciones y su
valor está sujeto a la precisión de los instrumentos de medición.
Por ejemplo, el tiempo que un corredor tarda en recorrer cierta
distancia, la estatura de los alumnos, la cantidad de litros que
despacha una bomba de combustible, entre otras.
Medición 25
Tabla 2.1: Clasificación de las variables en un estudio científico. (continuación)
C riterio de Tipos de
clasificación variables Descripción
Por la 1 Independiente La variable independiente es la propiedad de un fenómeno que

influencia puede influir, incidir o afectar a otras variables. Por lo tanto, es
que se asigna la que el investigador escoge o manipula para observar los efec
sobre otras tos en la variable dependiente.
variables
Son las variables de respuesta que se observan en el estudio y
2 Dependiente que pueden estar influidas por los valores de las variables inde
pendientes. En otras palabras, son las que registran los cambios
de la manipulación de la variable independiente por el investi
gador.
Son aquellas variables que el investigador no controla direc
3 Extraña tamente, pero que pueden influir en el resultado de su inves
tigación. Por lo tanto, deben ser controladas hasta donde sea
posible para asegurar que los resultados se deban únicamente al
manejo que el investigador hace de la variable independiente y
no a variables extrañas no controladas.
M edición
Según el Vocabulario Internacional de Metrología (VIM ), acordado desde la década de
1990 por las organizaciones de metrología más importantes y revisado en abril de 2004
por la Organización Internacional de estandarización (ISO, 2004), define la medición
como el “conjunto de operaciones cuyo objetivo es determinar el valor de una magni
tud o cantidad”. De esta manera, la medición puede definirse com o un proceso donde
el insumo o entrada es la definición de la magnitud por medir (figura 2.1), por lo que a
partir de este insumo, una persona opera un instrumento siguiendo un método de medi
ción, todo esto enmarcado dentro de un medio ambiente. El producto final del proceso
es un valor numérico basado en un sistema de referencia o patrón llamado resultado de
medición. Con base en este resultado se toman decisiones importantes, por ejemplo, se
acepta o rechaza un producto en una línea de fabricación, se determina el estado de salud
de una persona, se establece el precio en una transacción comercial, o bien, se refuta una
teoría científica.
Debido a que muchas de estas decisiones en el área de la ciencia y la ingeniería, se
toman con base en los resultados de la medición, es necesario asegurar que el resultado
de cualquiera de estas sea confiable, es decir, se debe verificar que el resultado de la
medición sea de buena calidad. Para ello, es preciso considerar algunos atributos como
la trazabilidad, la precisión y la exactitud de los instrumentos o métodos de medición, el
error de medición y la incertidumbre en el resultado.
Definición d e
la m agnitud R esultado de
p o r medir m edición
M edio A m b ie n te
Figura 2.1: FJ proceso de medición IJS C Fuente: http://www.usc.edu.co/laboratorios/archivos/

propuesta/ LEY_DE_OHM_2.pdf. Consulta. 15 de enero de 2007.
Trazabilidad de los resultados

l-a trazabilidad es la propiedad de medición que permite relacionar el resultado con el
respectivo patrón internacional de la magnitud que se está midiendo. La única forma en
que pueden compararse los resultados obtenidos, en diferentes sistemas de medición
y en distintos lugares del mundo, es asegurando su trazabilidad, dicho de otra manera,
que en ambos casos se tome com o referencia el patrón internacional. I-a trazabilidad es
uno de los atributos indispensables para garantizar la confiabilidad de cualquier resul
tado de medición.
Precisión
La precisión de un instrumento (o un método de medición) está asociada con la sensi
bilidad o m enor variación de la magnitud que se pueda detectar con dicho instrumento
o método. Por ejemplo, un vemier, con una apreciación nominal de 0.02 mm. es mucho
más preciso que una regla ordinaria, con una apreciación nominal de 1 mm: un cronó
metro digital es más preciso que un reloj común.
Exactitud
La exactitud está asociada a la calidad de la calibración del instrumento. Por ejemplo, en
el caso del cronómetro digital que se mencionó, este es capaz de determinar la centésima
de segundo pero se adelanta dos minutos por hora, mientras que el reloj común no lo
hace. En este caso se dice que el cronómetro es más preciso que el reloj común aunque
menos exacto. La exactitud es una medida de la calidad de la calibración del instrumento
respecto de los patrones de medida aceptados internacional mente. En general, los instru
mentos vienen calibrados pero dentro de ciertos límites, por lo que corresponderá a los
usuarios corroborar de manera periódica que estos se mantengan calibrados. Una buena
práctica para asegurar la exactitud en las medidas consiste en llevar una bitácora de m an
¿D e dónde provienen los errores en las m edidas? 27
tenimiento y calibración de los instrumentos d e medición. Es deseable que la calibración

sea tan buena com o la precisión.
Error
El concepto error, en el lenguaje coloquial, se considera sinónimo de equivocación; sin
embargo, en ciencia e ingeniería tiene un significado diferente al uso habitual, es decir,
un error en la medición de una magnitud no significa una equivocación o una mala medi
ción, sino que no fue posible controlar alguno de los elementos del proceso de medición,
lo que ocasionó una discrepancia entre el valor verdadero y el valor medido, a esto se le
denomina error de la medición.
( 2 . 1)
1.0 que se procura en toda medición es encontrar el valor verdadero, aunque este en
realidad es un concepto puramente teórico y por completo inaccesible; así, en el proceso
de medición únicamente estimamos de forma aproximada el valor de la magnitud medi
da. Cuando de antemano se conoce un valor convcncionalmcntc verdadero de la magni
tud (esto porque los valores verdaderos son indeterminados por naturaleza) es muy fácil
evaluar el resultado de la medición: se calcula su error respecto a este valor. De acuerdo
con su definición, el valor convcncionalmcntc verdadero de una magnitud corresponde a
un resultado obtenido por sistemas de medición más sofisticados o refinados que aque
llos de los que se dispone en un momento dado.
Un valor convcncionalmcntc verdadero se encuentra en las tablas de textos, en la
tabla periódica de los elementos, en reportes científicos, etcétera. Otra forma de tener un
valor convcncionalmcntc verdadero consiste en medir en el laboratorio la misma canti
dad pero por métodos diferentes y asumir (de manera debidamente justificada) que uno
de los resultados es de mejor calidad que el otro. Después, se calcula el error del resul
tado menos confiable y se compara con el que se considera de mayor calidad.
Errores durante el proceso de medición

Existen varias formas de clasificar y expresar los errores de medición; sin embargo, en
este texto solo se distinguirán los errores propios de los instrumentos de medición y los
del proceso de medición.
¿De dónde provienen los errores en las m edidas?

• D el instrumento de medición: los instrumentos son una fuente de errores debido a los
cam bios que sufren por el desgaste: escalas borrosas o fluctuaciones en corriente, si se
trata de instrumentos eléctricos.
• D el objeto medido: en algunos casos los objetos que se miden no son estables; por
ejemplo, cuando quiere medirse el tamaño de un cubo de hielo en un cuarto caliente.
• D el proceso de medición: algunos procesos de medición son difíciles de llevar a cabo.
Por ejemplo, medir el peso de insectos vivos es complicado porque no pueden perma
necer quietos.
28 Capítulo 2 Medición de variables y errores de medición
Tabla 2.2: Los errores de medición.
O rigen T ipo
del e rro r de e rr o r Descripción
De los Error de apreciación Está asociado a la mínima división de la escala de los

instrumentos (escala) instrumentos y, por lo tanto, a la mínima magnitud que es
de medición posible resolver con algún método de medición. El error de
apreciación puede ser mayor o m enor que la apreciación
nominal dependiendo de la habilidad del observador. Es po
sible que un observador entrenado pueda apreciar con una
regla común fracciones de mm, mientras que otro obser
vador con la misma regla, pero con dificultades de visión,
solo pueda apreciar cantidades enteras de mm (por ejemplo,
2 mm).
Error de interacción Proviene de la interacción que el instrumento de medición
tiene con el objeto que se va medir. Por ejemplo, cuando se
usa un termómetro para m edir una temperatura, parte del
calor del objeto fluye al termómetro o viceversa, de modo
que el resultado de la medición es un valor modificado del
original debido a la interacción.
Error de exactitud Tiene que ver con el error de calibración de los instru
mentos.
Propios Errores Se originan por las imperfecciones de los métodos de
del proceso sistemáticos medición. Estos errores se repiten constantemente en las
de medición medidas y afectan el resultado final siempre en el mismo
sentido (una medida siempre m ayor que el valor verdadero
o viceversa). Este error se origina esencialmente por una
deficiente calibración del instrumento en relación con el
patrón. Algunos ejemplos de estos errores son:
• Error de calibración en u/i aparato de medida: cuando
medimos una longitud con una regla mal graduada siem
pre obtendremos un valor erróneo en las medidas.
• No esperar a que la aguja d e un amperímetro de la escala
de medida esté en el cero antes de efectuar la medida.
Errores aleatorios Son resultado de la contribución de numerosas fuentes no
controladas que desplazan aleatoriamente, en un sentido o
en otro, el valor de la medida respecto a su valor verdadero.
Estos desplazamientos se deben, por ejemplo, a fluctuacio
nes en la corriente, variaciones de luminosidad, de presión,
de temperatura, de humedad, entre otras. Estos errores
tienen signo positivo o negativo y no se pueden evitar. La
única manera de disminuir su influencia es con la repetición
de las medidas.
C ifras significativas y redondeo 29
• D el error importado: ocurre cuando un objeto sufre un error durante el proceso de

calibración, lo que ocasionará errores en las mediciones. Sin embargo, es importante
aclarar que es mejor un error de calibración que mediciones con instrumentos no cali
brados.
• D e la habilidad d el operador: algunas mediciones dependen de la habilidad y buen
juicio del operador. Es claro que una persona es mejor que otra al realizar un trabajo
de medición. Para ejemplificar: cuando se requieren lecturas muy finas, el uso de al
gunos instrumentos, como un cronómetro, depende del tiempo de reacción del opera
dor para obturar el botón de paro y arranque.
• De las técnicas de muestreo: es importante que las mediciones que se realizan sean
representativas del proceso que se desea evaluar. Por ejemplo, si se quiere medir la
temperatura de un escritorio, no se debe efectuar con el termómetro que está colgado
en el muro cerca del aire acondicionado; o bien, al evaluar una línea de producción es
necesario tom ar algunas muestras, pero no se deben tom ar los primeros 10 productos
que se fabrican en el tum o de la mañana.
• D el ambiente: las variables ambientales, como la temperatura, la presión del aire, la
humedad y algunas otras condiciones pueden afectar los instrumentos de medición y
el objeto medido. Por ejemplo, en el estudio de partículas menores a 2.5 pm se debe
tener en cuenta el balance de masas, esto es, el peso de los filtros antes y después de
tom ar las muestras. Para este proceso es sumamente importante mantener constante la
humedad del cuarto donde se realicen las medidas.
Cifras significativas y redondeo

En el campo de la ciencia es muy importante ser honesto al reportar los resultados de
las mediciones para que los resultados no parezcan más precisos de lo que en realidad
permiten los instrumentos utilizados. Lo anterior se puede lograr controlando el número
de dígitos o cifras significativas usadas para reportar la medición. Para ejemplificar, el
número de cifras significativas en una medición tal com o 2.531 g con diferentes tipos de
balanzas es de la siguiente manera:
Tabla 2.3: Precisión de los instrumentos y cifras significativas.
R esultado C ifras
U p o de balanza Precisión de m edida significativas
Balanza de cartero 1g " 3g 1

Balanza de platillos 0.01 g 2.53 g 3
Balanza analítica 0.001 g 2.531 g 4
En la tabla 2.3 se observa que. conform e se mejora la sensibilidad de la balanza

utilizada para hacer la medición, aum enta el número de cifras significativas, que son la
cantidad de dígitos en una cantidad medida o calculada, y tienen que ver con la seguridad
que existe al afirmar que tales cifras son las que más se acercan al valor convencional-
C apítulo 2 M edición de variables y errores de medición
mente verdadero de la cantidad medida o calculada. La cantidad de cifras significativas

está asociada con la precisión de los instrumentos, o en otras palabras, con la apreciación
nominal o mínima escala que presente el instrumento de medición empleado. Por ejem
plo. si con una regla ordinaria se toma una magnitud de 2.27 cm. la cantidad expresada
tiene tres cifras significativas pero la última es incierta, pues en la regla solo puede leer
se 1 mm con precisión; mientras que magnitudes mayores o menores al milímetro serán
aventuradas, por lo que de la cantidad anterior 2.2 son los dígitos seguros y 0.07 es in
cierto.
En general, es muy fácil determinar cuántas cifras significativas hay en un número
si se siguen estas reglas:
• Cualquier dígito diferente a cero es significativo. Por ejemplo, 845 cm tiene tres cifras
significativas, 1.234 kg tiene cuatro cifras significativas y así sucesivamente.
• Los ceros ubicados entre dígitos distintos de cero son significativos: 606 m tiene tres
cifras significativas, 40 501 kg tiene cinco cifras significativas.
• Los ceros a la izquierda del primer dígito distinto de cero no son significativos. Estos
ceros se utilizan únicamente para indicar la posición del punto decimal. Por ejemplo,
0.08 L tiene una cifra significativa y 0.0000349 g tiene tres cifras significativas, por lo
que se podrán escribir como 8 x 1(L2 L y 349 x 10-7 g, donde se observa que las cifras
significativas en estas cantidades son una y tres, respectivamente.
• Si un número es mayor que 1, todos los ceros escritos a la derecha del punto decimal
cuentan como cifras significativas. Entonces 2.0 g tiene dos cifras significati
vas, 40.062 mi tiene cinco cifras significativas y 3.040 dm tiene cuatro cifras signifi
cativas.
• Si un número es menor que 1, solamente son significativos los ceros que están al final
del número o entre dígitos distintos de cero. Esto significa que 0.090 kg tiene dos ci
fras significativas, 0.3005 L tiene cuatro cifras significativas y 0.00420 min tiene tres
cifras significativas.
• Para números que no tienen punto decimal, los ceros ubicados después del último dí
gito distinto de cero pueden ser o no cifras significativas: 400 cm puede tener solo una
cifra significativa (el dígito 4). dos cifras significativas (40) o tres cifras significativas
(400). No es posible saber cuál es la cantidad correcta si no se tiene m ás información,
de manera que 400 cm puede expresarse como 4 x 102 cm para una cifra significativa,
4.0 x 102 para dos cifras significativas y 4.00 x 102 para tres cifras significativas.
• Otra ambigüedad respecto al número de cifras significativas se presenta cuando se
hace un cambio de unidades. Por ejemplo, si en una medición se obtiene que L = 95
mm y se desea expresar el resultado en pm, el resultado sería L = 95000 pm. Sin em
bargo, como no se tiene mayor información que indique explícitamente la inccrtidum-
bre en este resultado, se tienen cinco cifras significativas; por lo tanto, 95 mm * 95000
pm, ya que el primer resultado tiene solo dos cifras significativas. Para evitar esta
ambigüedad se emplea la notación científica, por lo que es posible escribir la siguiente
igualdad:
9.5 x 10' mm = 9 .5 x 104 pm
Nótese que los números en ambos miembros de la igualdad tienen igual número de
cifras significativas, la única diferencia son las unidades usadas.
Redondeo 31
Sum a y resta con cifras significativas

Cuando se combinan mediciones con diferente número de cifras significativas, la preci
sión del resultado final no puede ser mayor que la medición menos precisa. Este princi
pio se traduce en una simple regla para la suma y resta, la cual establece que el número
de cifras significativas a la derecha del punto decimal (se sumen o resten) es determinado
por el menor número de cifras significativas a la derecha del punto decimal de los núme
ros originales. Ejemplo:
150.0 g R O
+ 0.507 g sal
150.5 g solución
El sumando con el menor número de cifras significativas a la derecha del punto

decimal es 150.0 con una sola cifra.
M ultiplicación y división con cifras significativas

El mismo principio de la situación anterior gobierna el uso de cifras significativas en
la multiplicación y división. Al multiplicar o dividir dos números, el número de cifras
significativas del resultado es igual al del factor con menos cifras. Esto es importante
sobre todo cuando se utilizan calculadoras, pues existe la tendencia a reportar tan
tas cifras com o las que permite la pantalla; pero esto, la mayoría de las veces, carece
de sentido. Por ejemplo, si desea conocer cuál es la superficie de una lámina de aluminio,
se mide su longitud y su anchura utilizando una regla que aprecia hasta los milímetros
y se obtiene 28.7 cm y 3.6 cm, respectiva mente. A 1muí tiplicar ambos resu Itados se tiene que
S = (28.7 cm) (3.6 cm ) = 103.32 cm 2. Aplicando la regla anterior, el factor con menos
cifras significativas es 3.6, por lo que la cantidad de cifras significativas con que debe
escribirse el resultado de un producto o un cociente es igual a la cantidad m ás pequeña
de cifras decimales que tenga cualquiera de los números que se multiplican o dividen;
por lo tanto, el resultado final es expresado como 103.3 cm 2.
Finalmente, el resultado de las funciones trascendentes, como el seno, la arcotan-
gentc o la función exponencial, se escriben con el mismo número de cifras significativas
que tenga el argumento. Ejemplo:
sen 35.4° =0.579281 = 0.579

sen 35° = 0.573576 = 0.58
In 9.356 = 2.236017 = 2.236
In 9.3 = 2 .2 3 0 0 1 4 = 2 .2
Redondeo
En la actualidad, la mayoría de los cálculos se realizan por medio de herramientas como
las calculadoras electrónicas y las computadoras, por lo que. com o se mencionó en la
sección anterior, se tiende a utilizar todas las cifras que aparecen en la pantalla sin que
esto tenga sentido. El redondeo de cifras es una tarca común en el trabajo científico y
su propósito es que los datos experimentales aporten información según las condiciones
de medida en las que fueron obtenidos. Se debe tener cuidado con el número de cifras
con que se expresan los resultados; además, se deben mantener solo aquellas que tienen
algún significado experimental. La tabla 2.4 muestra los criterios utilizados para el re
dondeo de cifras.
Tabla 2.4: Criterios para el redondeo de números.
Si el dígito a eliminar es menor a 5. el Ejemplo: Si solo se debe mantener un

último dígito que se mantiene se queda decimal en la cantidad 6.422, esta se
sin cambio. convierte en 6.4.
Si el dígito a eliminar es mayor que 5, Ejemplo: Si solo se deben mantener dos
el último dígito que se mantiene au decimales de la cantidad 6.4872, esta se
menta una unidad. convierte en 6.49. De manera similar,
6.997 se convierte en 7.00.
Si el dígito a eliminar es igual a 5 y los Ejemplo: Si solo se debe mantener un
que le siguen son igual a cero; o si no decimal de la cantidad 6.6500, esta queda
hay dígitos después del 5, entonces el en 6.6.
dígito que se retiene no cambia si es
Si se deben mantener dos decimales en la
par.
cantidad 7.485, esta queda como 7.48.
Si el dígito a eliminar es igual a 5 y los Ejemplo: si solo se deben mantener dos
que le siguen son igual a cero; o si no decimales de la cantidad 6.755000, esta
hay dígitos después del 5. entonces el queda como 6.76.
dígito que se retiene se incrementa una
De manera similar, 8.995 se convierte
unidad si es impar.
en 9.00.
Si el dígito a eliminar es igual a 5 y Ejemplo: si solo se debe mantener un

los que le siguen son distintos a cero, decimal en la cantidad 6.6501, esta queda
entonces el dígito que se retiene se in como 6.7.
crem enta una unidad.
Si solo se deben m antener dos decimales
en la cantidad 7.4852007, esta queda como
7.49.
Notación científica
En la ciencia es muy común y necesario trabajar con números muy grandes o muy pe
queños. Por ejemplo, el diámetro de un glóbulo rojo es de 0.0065 cm, la distancia de la
Tierra al Sol es de aproximadamente 150 000 000 km y el número de moléculas en un
gramo de agua es 33 400 000 000 000 (XX) 000 000. Es complicado trabajar con estos
números, así que lo más práctico es abreviar usando la notación científica, la cual con
vierte los números de la notación decimal ordinaria a cantidades m ás manejables con
base en la expresión 10", donde n es un número entero. Esto significa 10 elevado a una
potencian. Así, 10*= 10 x 10 x 10 x 1 0 x 1 0 = 100000. Nótese que el número de ceros
en la notación decimal ordinaria es exactamente igual al exponente al que fue elevado.
Por consiguiente, usando la notación científica, el diám etro de un glóbulo rojo e s 6.5 x
1 0 3 cm, la distancia de la Tierra al Sol es 1.5 x 10® km y el número de moléculas en un
gramo de agua es 3.34 x 10“
Notación científica 33
Una nota importante respecto a la notación científica es que su base numeral debe
ser representada por un dígito simple seguido por decimales, siempre y cuando sea ne
cesario. Por lo tanto, el número 0.0065 se debe representar com o 6.5 x 10~3 y no como
0.65 x 10"2 o 65 x 10“*.
En resumen, la notación científica es una forma simple de representar los números
grandes, donde el exponente sobre 10 indica cuántos lugares hay que mover el decimal
para obtener el número original. Cuando la notación científica se usa con números me
nores al 1, el exponente sobre 10 es negativo y el decimal se mueve hacia la izquierda en
lugar de a la derecha (como en el caso de los números mayores a 1). Ejemplo:
6.5 x 10-’ = 0.0065.
Sistem a internacional de unidades (SI)

El sistema métrico decimal tiene su origen en la Revolución Francesa y estaba basado en
el metro y en el kilogramo. En la convención de 1875 se desarrollaron nuevos prototipos
internacionales acerca del metro y el kilogramo, aunque fueron formalmente adoptados
en 1989 por la Conferencia General de Pesas y Medidas. Desde entonces, el sistema
se desarrolló hasta incluir siete unidades básicas. En 1960, la Onceava Conferencia de
Pesas y Medidas decidió nombrarlo Systém e International d ’Unités, de manera que
ahora e s ampliamente reconocido como el SI. por sus siglas en francés; sin embargo, el
sistema no ha quedado estático y ha evolucionado para ajustarse a las demandas crecien
tes del mundo de la medida en las áreas de la ciencia y la tecnología.
En el sistema internacional (SI) existen dos clases de unidades: las unidades básicas
y las unidades derivadas. Las primeras funcionan com o referencia para definir al resto de
las unidades de medición del SI. En la tabla 2.5 se muestran las siete unidades básicas:
longitud, masa, tiempo, corriente eléctrica, temperatura termodinámica, cantidad de sus
tancia c intensidad luminosa.
Tabla 2.5: Las siete unidades básicas del SI. (continúa)
M edida U nidad Sím bolo Definición
Longitud metro m Es la longitud del cam ino recorrido por la luz en el

vacío en un intervalo de tiempo. 1.a velocidad de la
luz en el vacío es exactamente de 299 792 458 m/s.
Masa kilogramo kg Es la unidad de masa y es igual a la masa del proto
tipo internacional del kilogramo.
Tiempo segundo s Es el tiempo de la radiación emitida en la transición
entre los dos niveles hiperfinos del estado fundamen
tal del átomo de cesio 133, lo que corresponde exacta
mente a 9 192 631 770 hertz.
Corriente ampere A Es la intensidad de una corriente constante, la cual
eléctrica manteniéndose en dos conductores paralelos, rectilí
neos, de longitud infinita, de sección circular despre
ciable y situados a una distancia de un metro uno de
otro en el vacío, produciría una fuerza igual a 2 x 10 7
newton por metro de longitud.
34 Capítulo 2 Medición de variables y errores de medición
Tabla 2.5: Las siete unidades básicas del SI. (continuación)
M edida U nidad Sím bolo Definición

1
Temperatura kclvin K Es la fracción ■■■- — — de la temperatura termodiná-
273. lo
termodinámica mica del punto triple del agua.
Cantidad mol mol
Es la cantidad de sustancia de un sistema que contiene
de sustancia
tantas entidades elementales como átomos hay en
0.012 kilogramos de carbono 12. Cuando se utilice el
mol se deben especificar las entidades elementales, las
cuales pueden ser átomos, moléculas, iones, electro
nes u otras partículas.
Intensidad candela cd Es la unidad luminosa en una dirección dada de una
luminosa fuente que emite una radiación monocromática de fre
cuencia 540-1012 hertz. y cuya intensidad energética
en dicha dirección es ----- watt por estercorradián.
683
Por otro lado, las unidades derivadas son unidades expresadas, a partir de las unida
des básicas, mediante símbolos matemáticos de multiplicación y división. En la tabla 2.6
se presentan algunos ejemplos de unidades derivadas expresadas directamente de unida
des básicas.
Tabla 2.6: Algunas unidades derivadas del SI a partir de unidades básicas.
M edida d eriv ad a Sím bolo U nidad d eriv ad a Símbolo
Área A metro cuadrado m2

Volumen V Metro cúbico m3
Velocidad V metro por segundo m/s
Aceleración a metro por segundo cuadrado m /s2
Número de ondas O. GJ metro recíproco m*1
Densidad de masa P kilogramo por metro cúbico kg/m3
Volumen específico u metro cúbico por kilogramo mVkg
•
Densidad de corriente J ampere por metro cuadrado A/m2
Intensidad de campo
H ampere por metro A/m
magnético
Concentración
c mol por metro cúbico mol/m3
(cantidad de sustancia)
Concentración de masa P .Y Kilogramo por metro cúbico kg/m3
Luminiscencia L Candela por metro cuadrado cd/m2
índice de refracción n adimensional
Permeabilidad relativa Pr adimensional
El sistem a internacional de unidades (SI) 35
Algunas unidades derivadas reciben nombres especiales, los cuales son simplemen
te una forma compacta de la expresión resultante de la combinación de unidades básicas.
Por ejemplo, el joule (J), por definición es igual a m2kg s-2. Actualmente existen 22
nombres especiales aprobados en el SI (tabla 2.7). De esta serie de unidades especiales,
nótese que el hercio y el becquerel son ¡guales al recíproco de segundo, pero el hercio
únicamente se utiliza en fenómenos cíclicos.
La unidad de temperatura en la escala Celsius es el grado Celsius, que es igual en
magnitud a la unidad de temperatura termodinámica (kelvin). La cantidad de temperatu
ra Celsius está relacionada con la temperatura termodinámica por medio de la siguiente
ecuación:
t ° C - T K -2 7 3 .1 5 (2.2)
Tabla 2.7: Unidades derivadas con nombres especiales.
M edida d eriv ad a N om bre Sím bolo U nidades
Actividad (de un radionucleido) becquerel Bq s*

Actividad catalítica katal Kat mol-s"1
Ángulo plano radian rad m .m '= 1
Ángulo sólido estere orradián sr m2 n r 2= 1
Capacidad eléctrica faraday F m 2k g 1s4 A 2
Carga eléctrica, cantidad
coulomb C As
de electricidad
Conductividad eléctrica Siemens S n r 2 kg-‘ s3A2
Diferencia de potencial eléctrico,
volt V m2kg s J-A~*
fuerza electromotriz
Dosis absorbida, kerma. energía es
gray Gy M2s 2
pecífica comunicada
Dosis equivalente, índice de dosis
sievert Sv M 2s-2
equivalente
Energía, trabajo, cantidad de calor joule J m2 kgs*2
Flujo de inducción magnética weber Wb m2 k g s -2 A -1
Flujo luminoso lumen Im m2 n r 2cd = cd
Frecuencia hertz Hz S‘ ‘
Fuerza newton N r n k g s -2
Iluminancia lux Ix n r m 4-cd = m 2-cd
Inducción magnética tesla T k g s -2 - A 1
Inductancia eléctrica henry H m 2 kg s-2 A-2
Potencia, flujo radiante watt W m2 kg-s~3
Presión, tensión pasca 1 Pa n r 1 k g s -2
Resistencia eléctrica ohm ü m2 k g s 3 A*2
Temperatura Celsius grados Celsius °C K
Las unidades derivadas en la becquerel, gray, sievert y katal fueron adoptadas, es
pecíficamente, para realizar mediciones seguras relacionadas con la salud humana. Aun
que para cada una de las cantidades solo existe una unidad en el SI, algunas veces pue
den expresarse con sus nombres especiales; por lo tanto, es importante no utilizar
únicamente la unidad para especificar determinada cantidad. Por ejemplo, algunas pan
tallas de los instrumentos de medida especifican la cantidad y la unidad. Respecto a las
cantidades adimensionales, también llamadas cantidades de dimensión uno, estas se de
finen como la relación de dos cantidades de la misma clase (dos unidades SI idénticas).
Cuando se expresan los valores de cantidades adimensionales, la unidad uno no se escri
be, como en el caso del radian y el estereorradián.
M últiplos y subm últiplos del SI

Con el fin de expresar el valor de las cantidades que son muy grandes o muy pequeñas,
en relación con las unidades del SI, se ha adoptado una serie de prefijos que se listan en
la tabla 2.8.
Entre las unidades básicas del SI, la unidad de masa es la única cuyo nombre con
tiene un prefijo por razones históricas, lo s nombres y los símbolos de los múltiplos y
submúltiplos decimales de la unidad de masa están formados por la unión de prefijos de
la palabra gratno y los símbolos de los prefijos (véase la tabla 2.8) de la unidad g. Por
ejemplo, miligramos (mg) y no microkilogramos (pkg).
Tabla 2.8: Prefijos del SI.
F acto r N om bre Símbolo F acto r N om bre Sím bolo

10' Dcca da 10-' dcci d
102 Hecto h ÍO 2 centi c
103 Kilo k IO 3 mili m
106 Mega M 10^ micro M
10g Giga G 10* nano n
10‘- Tera T i o 12 pico P
10" Peta P 10-'5 fcmto f
1018 Exa E 10 18 atto a
102' Zctta Z io-2* zepto z
10* Yotta Y io * yocto y
U nidades fuera del SI

Algunas unidades que no figuran dentro del SI aún son am pliam ente utilizadas en
las publicaciones científicas, técnicas o comerciales. Son de uso tan cotidiano que
están profundamente enraizadas en la historia y la cultura de la humanidad. La tabla
2.9 m uestra algunas de estas unidades, junto con su factor de conversión a unidades
del SI. Para una lista m ás detallada se debe consultar la octava edición del Sistem a
Internacional de M edidas. editada por el Burcau Internacional des Poids et M esures
(BIPM , 2006).
El sistem a cegesim al de unidades 37
Tabla 2.9: Algunas unidades fuera del SI.
M edida U nidad Sím bolo V alor en un id ad SI
minuto min 1 min = 60 s

Tiempo hora h Ih = 3 600 s
día D 1 d = 86 400 s
Volumen litro U 1L = dm3
Masa tonelada t l t = lOOOkg
Energía electrón-volt eV 1 eV => 1.602 3 10~19 J
Presión bar bar 1 bar = 100 kPa
milímetros de mercurio mmHg 1 mm Hg - 133.3 Pa
O
>■
o1
Longitud angstrom Á
II
3
milla náutica M 1 M = 1852 m
Fuerza dina dyn 1 dyn = 10~5N
El sistem a cegesim al de unidades

También es conocido como Sistem a CG S o Sistem a Gaussiano. Es un sistem a de uni
dades basado en el centímetro, el gramo y el segundo (tabla 2.10). Su nombre se de
riva de las letras iniciales de estas tres unidades. Ha sido remplazado casi por completo
por el SI, aunque continúa vigente en muchas de las fórmulas de electromagnetismo y
astronomía.
Tabla 2.10: Unidades del Sistema Cegesimal.
M edida U nidad Sím bolo y equivalencia

Longitud centímetro 1 cm = 0.01 m
Masa gramo 1 g = 0.001 kg
Tiempo segundo s
Aceleración gal gal = 1 cm/s2
Fuerza dina dyn = g em/s2 = 10 5 N
Energía ergio ergio = g c m 2/s2 = 1(T7 J
Potencia dina/segundo potencia = g c m 2/s3 = 10-7 W
Presión bar bar = g /em s2 = 0.1 Pa
Viscosidad poise poise = g e m /s = 0.1 P a s
Carga eléctrica statcoulomb csu, franklin o statcoulomb = V (gcm V s2) = 3.336 x KT10 C
Potencial eléctrico statvolt statvolt = erg/esu = 299.8 V
Campo eléctrico stat volt/centímetro statvolt/cm = dyn/esu
Intensidad del campo oersted intensidad del campo eléctrico = oersted
eléctrico
Densidad de flujo gauss 1 gauss = HL"*T
Flujo magnético maxwell 1 maxwell = 1 gauss-cm2 = 10* Wb
Inducción magnética gauss 1 gass = 1 maxwcll/cm2
Resistencia siemens/centímetro S/cm
Resistividad Siemens S
Capacidad farad ay cm = 1.113 x 10-,J F
Inductancia sicmcns2/ccntím ctro sVcm = 8.988 x 10" H
Ejercicios
1. Realice d redondeo de cada número a la cantidad 5. Complete las unidades de medida para el sistema
de cifras significativas que se indica con base en los CGS y SI según corresponda.
criterios expuestos en la sección “Cifras significativas y
redondeo”. Unidad Sistema
CGS SI
Cantidad Cifras significat b i s Resultado final
Masa
2.7867 4
Longitud
3.2384 4
Tiempo
0.1452 3 Velocidad
0.1553 2 Aceleración
4.045 3 Fuerza
6.0050 3 Presión
3.015 3 Trabajo
0.0027 2 Patencia
300 1 Momento
2. Escriba la cantidad correcta de cifras significati 6. Un investigador en el área de ecología de sistemas

vas con base en los criterios de las secciones “Suma acuáticos está interesado en evaluar el estado de salud
y resta con cifras significativas” y “Multiplicación y del sistema ecológico del Lago de Chapala. Para ello,
división con cifras significativas”. se da a la tarea de medir las variables expresadas en la
tabla. Con base en los tipos de variables de la tabla 2.4.
Operaciones con cifras significativas Cálculo final ayude al investigador a identificar la naturaleza de las
variables de su estudio.
4.023 + 6.16= 10.183
2 .6 9 - 1.021 = 1.669 Variable Cualitativa Cuantitativa
7 .2 5 x 6 .2 = 4 4 .9 5 m edida_______ (sí/no)/tipo (si/no)/tipo
0.0501 / 3.224 x 104 = 1.55397 x 10-6 Cultivos que se
desarrollan en la
ln 2.6=0.955511
ribera del lago.
eos 4 =0.997564 Volumen de agua
almacenado en
3. Exprese las siguientes cantidades en sus respecti
millones de m \
vos múltiplos, manteniendo la congruencia en cuanto
Tasa de evaporación
al número de cifras significativas.
a) 3.7 mg a microgramos del lago en cm3.
b) 2.58 km a metros Volumen de agua
c) 27.24 m- a microlitros extraído para uso
d ) 135 s a horas sanitario en cmVs.
Presencia de
4. En la siguiente tabla, escriba cada una de las canti metales pesados en
dades con el número de cifras significativas que se in el agua (pg/m3).
dica. Número de granjas
porcícolas en la
Número C ifras significativas Respuesta ribera del lago.
8.300 dos El análisis de las
7,000 una variables llevó al
investigador a
0.004050 cuatro concluir que el
0.0009 una estado de salud del
lago es malo.
Bibliografía 39
Bibliografía
Bar, A. R. (2000). “ Un aporte a la discusión sobre el estatus metodológico de las variables y
escalas de medición". Cinta de Moebio. núm. 7. Chile: Facultad de Ciencias Sociales,
Universidad de Chile.
Bell, S. (2001). A Beginner's Cuide to Uncertainty in Measurements. 2a cd. Reino Unido:
National Physics Laboratory.
B1PM, (2006). The International System ofU nits SI. Paris: STHDI Media.
Gil, S. y Rodríguez E. (2001). Física recreativa: Experimentos de Física usando nuevas tec
nologías. Perú: Prcnticc Hall.
ISO. (2004). biternational Vocabulary o f Basic and Genera! Terms in Metrology (VIM). 3a
ed. ISO VIM (DGUIDE 99999).
Kurt. G.R. (1986). The International System o f Vnits (SI). Morgantown: Cost Enginccring.
Lyons, L. (1993). A Practical Cuide to Data Analysis fo r Physical Science Students. Nueva
York: Cambridge Univeisity Press.
Miranda, P. y Juárez, H (2006). Laboratorio de Física I. Chile: Facultad de Ciencias-Depar
tamento de Física. Universidad de Chile.
Rodríguez, L.A. (2001). laboratorio cero 2001-2. Facultad de Ingeniería, Departamento de
Qcncias Básicas. Bogotá: Pontificia Universidad Javeriana.
Táylor, B. y Kuyatt, C. (1994). Guidelines fo r Evaluating and Expressing the Uncertainty o f
N1ST Measurements Resulrs, nota técnica 1297. EUA: National Institute o f Standards and
Technology. United States Department of Commcrcc Technology Administration.
UKAS,° (2006). The expression o f uncertainty and confidence in measurement. Londres:
United Kingdom Acreditation Services, Draft 2.
Universidad de la Laguna España. Introducción a la Física experimental, http://wcbpagcs.ull.
es/users/fexposit/ife_err.pdf. Consulta realizada el 15 de enero de 2007.
Universidad Santiago de Cali. Colombia. Guías únicas de laboratorio de física I: aspectos
preliminares, metrología conceptos y definiciones, http://www.usc.cdu.co/laboratorios/
archivos/propuesta/LEY_DE_OHM_2.pdf. Consulta realizada el 15 de enero de 2007.
C A P ÍT U L O 3
Incertidumbre en las mediciones

y evaluación de resultados
experimentales
Introducción
En el proceso de medición de una magnitud el valor obtenido no es absolutamente pre
ciso, es decir, el resultado de la medida no coincide con el valor real de la magnitud.
Cuando se requiere llevar a cabo un experimento para comprobar una teoría, caracterizar
un producto, determ inar las propiedades de un objeto, etcétera, es necesario estimar la
variación del valor medido con respecto al valor real. La teoría de errores se encarga de
estimar esta desviación, pero antes de hacerlo es necesario com prender y diferenciar
dos conceptos que suelen confundirse: error c incertidumbre. En este capítulo se definirá
el concepto de incertidumbre y su relación con el error, mientras que de este último solo
se hará una pequeña mención debido a que ya fue descrito en el capítulo anterior.
Error
El resultado de todo proceso experimental que proporcione el valor medido de una mag
nitud X no coincidirá con el valor real de dicha magnitud. La diferencia entre el valor real
y el valor medido se denomina error de la medida:
(3.D
Incertidum bre
Debido a los errores, los valores obtenidos como resultado de los procesos de medición
poseen incertidumbre. La utilización de instrumentos en buen estado, el manejo ade
cuado de los aparatos y la consideración de correcciones a los modelos ideales, permiten
reducir los errores sistemáticos, sin embargo, no es posible deshacerse totalmente de
los errores aleatorios y de escala. Mientras m ás preciso es el instrumento de medición.
41
C apítulo 3 Incertidum bre en las m ediciones y evaluación de resultados experim entales
más significativos se vuelven los errores aleatorios. La incertidumbre que resulta de una
medida, en ciertas unidades, no puede ser un número exacto, sino un intervalo numérico.
La incertidumbre es pues, el semiancho del mínimo intervalo donde es posible afirmar,
con relativa seguridad (más o menos con 70% de confianza), dónde se encuentra el valor
real de la medida.
Una vez que se han explicado los dos conceptos, distinguirlos facilita la compren
sión de la teoría de errores. Es frecuente que en la mayoría de los casos se utilice la pa
labra error para referirse a la incertidumbre de una medida, lo cual es práctico, mas no
correcto.
El error es siem pre desconocido, pero puede estimarse una cota superior para su
valor absoluto, la cual se denomina incertidumbre absoluta de la m edida y se expresa
AX. De la definición de error y de incertidumbre, se deduce que el valor real de la medi
da se encuentra en el intervalo:
^ 6 [X— -A X . X - + A X ]
Esta situación se representa gráficamente de la siguiente forma:
11 . 1I
11 * 11
Xmed-AX X^J X ^ j + AX
Figura 3.1: Representación de la incertidumbre absoluta de una medición.
donde X wJ se encuentra en el punto medio del intervalo. El resultado de una medida se

escribe siempre:
X = X mtJ± A X (3.2)
Sin embargo, a veces es útil comparar la incertidumbre de una medida con el valor
de la misma.
Ahora bien, se define incertidumbre relativa como el cociente entre la incertidum
bre absoluta de la medida y el valor medido:
S X = -^ ~ (3.3)
También se representa como porcentaje y, en este caso, se denomina incertidumbre

relativa porcentual. Obsérvese que la incertidumbre relativa es adimensional, mientras
que la absoluta tiene las mismas unidades que la magnitud medida, por lo que siempre
se acostumbra expresar el resultado de una medición con la incertidumbre absoluta.
En resumen, medir una magnitud no se refiere únicamente a dar un número, sino
también sus unidades e incertidumbre y presentarlo correctamente. En cada resultado se
debe tener laseguridad de que esos cuatro aspectos queden representados de manera
clara para su interpretación. Por ejemplo, al determ inar elpeso de una fruta, este se debe
expresar de la siguiente manera:
Propagación de incenidum bre 43
(105 ± 10) g
Valor medido Incertidumbre Unidades
Propagación de ¡ncertidum bre

Debido a que tanto en las prácticas de laboratorio como en los experimentos cientí
ficos es necesario determinar la incertidumbre de las medidas y expresar correctamente
los resultados, e s fundamental aprender a obtener las mediciones en casos distintos. Los
tipos de determinaciones de incertidumbre que se utilizan en la práctica son los siguien
tes: 1) La ¡ncertidumbre absoluta cuando la medida es única directa, 2) La incertidumbre
absoluta en series de medidas directas, y 3) La incertidumbre absoluta en medidas indi
rectas (constante, suma, resta, multiplicación, división, potencia, logaritmo, exponen
cial, entre otras).
La incertidumbre absoluta cuando la medida es única directa

Las mediciones directas son las que se realizan al comparar directamente el patrón de
medida con el objeto a medir. Sin embargo, dentro de estas existen dos tipos: las me
diciones directas rcproduciblcs (o directas únicas) y las no reproduciblcs. Las primeras
son aquellas que se pueden repetir tantas veces com o sea necesario y bajo las mismas
circunstancias experimentales. En esta sección se evaluará cóm o se determina la inccr-
tidumbre en estos casos.
Cuando se realiza la medición directa de una magnitud y no es posible repetir la
medición, o cuando en una serie de lecturas se obtienen los mismos resultados para
la magnitud, al valor obtenido generalmente se le asocia una ¡ncertidumbre absoluta
igual a la m itad de la división más pequeña de la escala del instrumento. Por ejemplo,
si al medir repetidas veces la longitud de un cuerpo con una regla graduada en milíme
tros se obtiene siempre 250 mm, no se puede concluir que la incertidumbre es cero por
que los errores accidentales quedan ocultos al ser menores que la incertidumbre asociada
a la regla; así pues, como la escala mínima de un regla es de 1 mm, la mitad será 0.5 mm,
lo que se considerar como la ¡ncertidumbre absoluta (AL = 0.5 mm) y la medición se
deberá escribir de la siguiente manera:
L = (250 ± 0 .5 ) mm
El intervalo de incertidumbre va de 249.5 mm a 250.5 mm y es el doble de la incer

tidumbre absoluta.
F.1 hecho de asociar a las lecturas obtenidas con instrumentos sencillos una incerti
dumbre igual a la mitad de la división más pequeña de la escala, se debe a que la mayo
ría de los fabricantes garantizan que sus instrumentos están diseñados y construidos, de
tal m anera que la incertidumbre máxima que se puede introducir no sobrepasa ese valor.
Com o ya se dijo, la incertidumbre de la precisión finita del instrumento de medición
(incertidumbre sistemática de precisión) normalmente se toma igual a la mitad de la
mínima división de su escala, pero en otras ocasiones se sugiere utilizar la mínima divi
sión completa (en el caso de balanzas, la pesa de menor valor). En otros casos, en donde
el procedimiento de medición aumenta la ¡ncertidumbre, no puede tomarse la mitad de
la mínima escala ni la mínima división, dado que se obtendría una incertidumbre mayor.
44 C apítulo 3 Incertidum bre en las m ediciones y evaluación de resultados experim entales
Figura 3.2: Odómetro de un automóvil que se desplaza entre 70 y 80 km/h.
Un ejemplo útil es utilizar una escala analógica del instrumento que mide la rapidez en
los automóviles; por lo general estos presentan una división mínima de su escala en in
tervalos de 10 km/h. Si la lectura en un momento determinado marcara un valor entre 70
y 80 km/h (figura 3.2), bastante cercano a los 80 km/h, la mejor lectura que se tendría, si
se aplicara la regla anterior, sería de 70 ± 5 km/h, estimándose que el valor real se encon
traría entre 65 y 75 km/h. Si en este caso se subdividiera de manera virtual esta escala en
segmentos de 1 km/h, quizá se podría tener una mejor estimación de 79 ± 0.5 km/h, es
decir, un intervalo entre 78.5 y 79.5 km/h. Con estos ejemplos se comprueba que es ne
cesario entender correctamente el procedimiento experimental para encontrar el valor
correcto y tener presente que dicha regla debe aplicarse con criterio.
La incertidumbre absoluta en series de mediciones directas

Las series de mediciones directas son aquellas que pueden repetirse tantas veces como
sea necesario, bajo las mismas circunstancias experimentales. Ahora veamos cómo se
estima la incertidumbre, influida por factores aleatorios, en series d e mediciones direc
tas. Para realizar tal estimación es necesario repetir la medida varias veces en las mismas
condiciones. En cada una de estas repeticiones los factores aleatorios afectan de forma
diferente, lo que permite obtener información acerca de su magnitud. Si se repite n veces
la medida de una magnitud X y se expresan com oX ,, X:. Xn los resultados de las n
medidas; entonces, el mejor valor para el conjunto de mediciones es la m edia aritm ética
X (la cual se analizará a detalle en el capítulo 4), y se calcula de la siguiente forma:
X*
X = -*=*— (3.4)
n
donde:
X = media aritmética.
X t = valores de la variable X desde el valor i = / hasta el valor n-ésimo.
n = número total de datos de X o el tamaño de la muestra.
En estos casos se toma com o inccrtidumbrc absoluta AX (la inccrtidumbrc mayor
entre la inccrtidumbrc que se debe a la precisión \p \ del aparato y la que se debe a los
factores aleatorios), que dependerá del número de medidas:
Propagación de incenidum bre 45
Si 2 ^ / i £ 1 0 AX = m áx(p,D m )
Si n > 10 AX = m á x (p ,S m)
Donde Dmes la desviación máxima que está definida como:
Dm = (3.5)
2
Y Sn es la desviación típica de la media (desviación estándar o error cuadrático de
la media) expresada:
I f i W - X ) 7 ( 3 .6 )
S_ = \/4=!----------------
(n-1)
donde:
X = media aritmética.
X. - valores de la variable X desde el valor i = 1 hasta el valor n-ésimo.
fi = frecuencia del valor Y desde el valor / = 1 hasta el valor n-ésimo.
n= número total de datos de Y o el tamaño de la muestra.
Así, Smes una medida del grado d e dispersión de la distribución de los valores alre
dedor de la media. Cuando S es grande, los valores individuales están muy dispersos.
En resumen, para series de mediciones directas la incertidumbre absoluta de la serie
de medidas será igual a Dm para los casos en que el número de datos se encuentre entre
2 y 10, y Smen los casos que el número de datos sea mayor que 10.
Medidas indirectas que tienen incertidumbre asociada

Las mediciones indirectas son aquellas que requieren la determinación de una o más
mediciones directas y se obtienen efectuando un cálculo matemático con dichas m e
diciones, lo cual en la mayoría de los casos, se debe a que no existen instrumentos
para determinarlas y, en otros casos, aunque estos existan no se dispone de ellos, por lo
que se tienen que evaluar mediante relaciones matemáticas. Por ejemplo, si se pretende
determinar la aceleración a de un cuerpo, no existe un acelerómetro; sin embargo, se
establece mediante relaciones matemáticas como:
a=- (3.7)
m
Existen instrumentos para medir la fuerza F (dinamómetro) y la masa m (balanza).
Sin embargo, es importante recordar que las mediciones de F y m tendrán que estar aso
ciadas con sus respectivas ¡ncertidum bres:dF y Am, y por lo tanto, a también presentará
su incertidumbre asociada: Aa. De manera que:
a + Aa = — — (3.8)
m + A/tí
En virtud de que la mayoría de las mediciones realizadas en ciencias e ingenierías
son indirectas es importante determinar cómo se propaga la incertidumbre. Hasta aquí se
ha presentado únicamente el concepto de incertidumbre de una sola variable medida; sin
embargo, es raro que el proceso se termine con la medición de una variable única. Con
frecuencia, el resultado deseado es una combinación de dos o más cantidades medidas,

o por lo menos, es una función calculada a partir de una sola variable. Por ejemplo, se
puede calcular el área transversal de un cilindro por la medida de su diámetro, o su volu
men por la medida tanto del diámetro com o de la altura. Las diferentes mediciones son
de distintos tipos: el cálculo de la aceleración de la gravedad (g) a partir de los valores de
la longitud, el periodo de un péndulo, etcétera. En estos casos es obvio que la presencia
de incertidumbre en las medidas originales trae consigo la presencia de una incertidum
bre en el valor final calculado. Para propósitos prácticos se supone que en la experim en
tación las incertidumbres tienen el carácter de alcances o intervalos, dentro de los cuales
existe la probabilidad de que se encuentre el valor correcto. Para los valores calculados
se encuentran intervalos dentro de los cuales, nuevamente, existe la probabilidad de que
ahí estén los valores buscados. Esto significa que se tienen que hacer cálculos para el
p e o r caso de combinación de incertidumbres.
Incertidumbre en funciones de una variable

Si se considera una cantidad medida (X^ con una incertidumbre (± AX) y un valor
calculado (>0, que es una función de la variable X, es decir.
Y = /(X ) (3.9)
Esta función permite calcular el valor estimado Ya¡, a partir de un valor medido
M ejor aún, permite laposibilidad de estimar que pueda variar de X ^ - AX a
X + AX, lo que implica un interv alo de posibles valores de Y - A Y a Y , + AY.
Ahora interesa saber cómo se calcula el valor de DK Antes de considerar los méto
dos generales de evaluar D J\ es ilustrativo ver la propagación de las perturbaciones fini
tas en funciones sencillas. Por ejemplo, la función:
Y =X 2 (3.10)
Si X puede variar entre X - AX a X ^ + AX , entonces Y puede variar entre Y(¡¡ -A Y

a Yai + AY, donde:
n , ± AK = ± AX)2 = ± + AX7 (3.11)
Si se ignora el término AX2, debido a que se supone que AX es pequeña en compa

ración con XnrJ y al elevarla al cuadrado se obtiene un valor todavía m ás pequeño, se
puede igualar Ytt¡ con XmJ , lo que para el valor de DXda:
A Y = 2X medAX (3.12)
Esto se expresa, de forma más conveniente, en términos de la incertidumbre rela

tiva:
AX = 2 X ^ = 2 AX
Ym X ^ X_
Así, la incertidumbre relativa del valor calculado es dos veces la de la medición
inicial. Aunque es esencial tener en mente la naturaleza de la incertidumbre propagada.
M étodo general para la determ inación de la incertidum bre 47
como lo ilustra el uso de diferencias finitas, puede lograrse una simplificación conside
rable de la formulación lograda usando el cálculo diferencial.
M étodo general para la determ inación de la incertidum bre

en funciones de una variable utilizando cálculo diferencial
Este método, en el caso de relaciones matemáticas complejas, provoca que las estima
ciones de propagación de incertidumbre se vuelvan difíciles de obtener, no obstante, se
puede recurrir al cálculo diferencial. Las diferencias finitas AY y AX se expresan en tér-
dY
minos de la derivada — . Por lo tanto, es posible conocer el valor de AY usando primero
dX
dY
las técnicas normales para obtener — de la siguiente forma:
dX
o también:
¿ Y = d- W » A X (3.15)
dX
Este es un procedimiento relativamente simple y funciona bien en los casos en que

el planteamiento de diferencias finitas lleva a una excesiva complejidad algebraica. Por
ejemplo, si
Y= — (3.16)
( X 2 + l)
d Y _ ( X 7+ \ ) - ( X 2 X ) _ i-x 2
entonces: - - , , (3.17)
1 -X 2
y finalmente: AY = 2 AX (3.18)
(1 + X 2)
Más aún, da una expresión general para AY en función de X y AX. Este cálculo ha
bría sido muy complicado con otro tipo de planteamiento.Cualquier valor deseado en
particular puede obtenerse haciendo X = X ^ . Estas técnicas sirven para evaluar incerti-
dumbres de algunas funciones comunes, por ejemplo:
1. Potencias:
Y =X' (3.19)
— = nX ^' (3.20)
dX
A Y = ,iX " A X (3.21)

Lo significativo de este resultado se hace un poco más obvio cuando se expresa en

términos de la incertidumbre relativa:
AY AX
( 3 -2 2 )
rat i
Por lo tanto, cuando se evalúan potencias, la incertidumbre relativa del resultado es

la incertidumbre relativa de la cantidad original multiplicada por la potencia respectiva.
Esto es válido tanto para potencias como para raíces, de modo que laprecisión dism i
nuye si una cantidad se eleva a potencias y mejora alsacar raíces. Esta situación debe
vigilarse con cuidado en un experimento que implique potencias; cuanto más alta es la
potencia, mayor es la necesidad de una alta precisión inicial.
2. Funciones trigonométricas. En el caso de:
Y = senX (3.23)
dY
se tiene que — = eos X (3.24)
dX
A y = (cosX)AX (3.25)
3. Funciones logarítmicas y exponenciales. Para la función:
K = lo g X (3.26)
dY 1 .
se tiene que — =— (3.27)
dX X
AY = - A X (3.28)
X
La incertidumbre relativa se calcula dividiendo ambos lados entre Y = f ( X ) , según

la expresión inicial de la función:
Si Y = ex (3.29)
dY x
se tiene que — =e (3.30)
dX
A Y - e xAX (3.31)
Este es un caso importante, ya que las funciones exponenciales ocurren con frecuen
cia en la ciencia y la ingeniería. Estas funciones pueden hacerse muy sensibles al expo-
nente cuando toma valores mucho mayores que la unidad, y por lo tanto, la incertidumbre
D Y puede volverse muy grande. Como se mencionó antes, este método se aplica fácil
mente a cualquier función si se evalúa la derivada respectiva.
Incertidum bre en funciones de dos o m ás variables 49
Incertidum bre en funciones de dos o m ás variables

Si el resultado se calcula a partir de dos o más valores medidos X. Y, Z ..., la ¡ncerti
dumbre de ese resultado se observa de dos maneras: se puede ser tan pesimista como
sea posible y suponer que las desviaciones reales de X y Y ocurren combinándose de ma
nera tal que desvíen el valor de Z, tan lejos como sea posible de su valor central. De esta
manera, se calcularía un valor de Z que d<5 la anchura extrema del intervalo de posibles
valores de Z. Por otra parte, se puede argumentar que e s más probable que se combinen
las incertidumbres de las medidas básicas de una manera menos extrema, donde algunas
hagan contribuciones positivas y negativas a AZ. de modo que el valor resultante de AZ
sea menor que el que da la suposición pesimista.
Por el momento se calculará el valor de AZ que representa el margen más amplio de
posibilidad para Z. Este enfoque, si bien es pesimista, ciertamente es seguro, ya que si
AX, AY, etcétera, representan límites dentro de los cuales estamos casi seguros de que se
encuentran los valores reales, entonces el valor calculado de AZ dará los límites dentro
de los cuales también estamos casi seguros que se encuentra el valor real de Z.
El enfoque inicial usa el método elemental de sustitución y es el que se em plea para
las primeras dos funciones.
1. Suma de dos o más variables. Si se considera que:
Z=X +Y (3.32)
La incertidumbre en Z se obtiene a partir de:
Z „ ± A Z = {XmeJ ± A X ) + (Y„d ± A Y ) (3.33)
y el valor máximo de A Z se alcanza al escoger signos semejantes todo el tiempo. Así:

A Z - A X + AY (3.34)
Como era de esperarse, la incertidumbre en lasuma es solamente la suma de las

incertidumbres individuales. Se expresa en términos de la ¡ncertidumbre relativa, pero
no se logra una mayor claridad:
AZ AX + A Y (3.35)
Z X +Y
2. Diferencia de dos variables:
Z =X -Y (3.36)
Como en el caso anterior, se obtiene AZ a partir de:
± AZ = ( X ^ ± A X ) - ^ ± AY) (3.37)
Aquí se puede obtener el valor máximo de AZ escogiendo el signo negativo para A Y.

lo que una vez más da:
A Z = AX + A Y (3.38)
En esta ecuación, cuando Xmed y Y son muy cercanas y X - Y pequeña, la inccrti

dumbrc relativa puede adquirir valores muy grandes. Esta es una situación insatisfactoria
y la precisión quizá sea tan baja que anule el valor de la medición. En particular, esa
condición peligrosa puede pasar inadvertida. Es perfectamente obvio que, si fuera posi
ble evitarlo, nadie intentaría medir la longitud d e un cuaderno midiendo la distancia de
cada borde desde un punto alejado para luego restar las dos longitudes. Sin embargo,
puede suceder que el resultado deseado se obtenga por sustracción de dos medidas he
chas por separado (en dos termómetros, dos relojes, entre otros) y el carácter de la me
dición como diferencia no sea claro.
En consecuencia, todas las mediciones que tengan que ver con diferencias deberán
tratarse con el mayor cuidado. Es claro que la forma de evitar esa dificultad es medir la
diferencia de manera directa, en lugar de obtenerla por sustracción. Por ejemplo, si se
tiene un aparato en el que dos puntos están a potenciales a tierra de V{ = 1500 V y
V:= 1510 V, respectivamente, y la cantidad que se requiere es V, - V,; solo un voltímetro
d e muy alta calidad permite medir los valores V7 y V{ con la exactitud requerida para
lograr incluso 10% de precisión en V2 - V,. Por otro lado, un voltímetro ordinario de
10 V conectado entre los dos puntos para medir V, - V, directamente, daría de inmediato
el resultado deseado con 2 o 3% de precisión.
M étodo general para determ inación de la incertidum bre

en funciones de dos o m ás variables
Los dos ejemplos anteriores, tratados por el método elemental, sugieren que una vez
más el cálculo diferencial ofrecería una simplificación considerable a este tratamiento.
Si se tiene:
Z =f(X ,Y) (3.39)
la cantidad apropiada para calcular AZ es la diferencial total dZ. que está dada por:
d Z ^ ~ - d X + — dY (3.40)
BX BY
Tomando esta diferencial y tratándola com o una diferencia finita, AZ se calcula a

partir de las ¡ncertídumbres A X y A Y . Esto es:
AZ = — AX + — AY (3.41)
BX BY
Bf Bf
y las derivadas — y — normalmente se calculan con los valores X y Ymei para los
Bf Bf
que se necesita AZ. Se observa que. dependiendo de la función/ , el signo de ^ y
resulta ser negativo. En ese caso, se utiliza la estimación pesimista para el valor máximo
de AZ, se escogen los valores negativos apropiados para A X o A Y , & fin de obtener de ahí
una contribución total positiva de la suma.
1. Producto de dos o rnás variables. Suponiendo que:
7 = XY (3.42)
M étodo general para determ inación de la incertidum bre 51
y se utilizan las diferencias finitas, se necesitan los valores de d f / BX y B f I B Y . Estos

son:
! = r (3.43)
fy - x (344)
por lo que el valor de DZ está dado por:
AZ = YAX + XA Y (3.45)
El significado de este resultado se ve con más claridad cuando se convierte en incer

tidumbre relativa:
AZ AX AY
T
' • / =XAn,J
~ Y~
'» <3 4 6 >
Así, cuando la cantidad deseada es el producto de dos variables, la incertidumbre

relativa es la suma de las incertidumbres relativas de los componentes.
Es muy común, sobre todo en física, que una función compuesta implique un pro
ducto algebraico que tiene componentes elevados a diferentes potencias. Al tener:
Z = X aY b (3.47)
en donde a y b pueden ser positivas o negativas, enteras o fraccionarias. En esc caso,

la formulación se simplifica de manera significativa tomando los logaritmos de ambos
lados antes de diferenciar. Así:
log Z = a log X + b log Y (3.48)
de donde, implícitamente, se obtiene:
(3.49)
Z X Y
Y tomando las diferenciales com o diferencias finitas:
— = a — +f>— (3.50)
7 at X fd lYmtd
Nótese que este proceso da la incertidumbre relativa de manera directa y eso, con
frecuencia, es conveniente. Si se requiere la incertidumbre absoluta DZ, puede multipli
carse la incertidumbre relativa por el valor calculado Z,Bque, por lo general, está dispo
nible. Esta forma de diferenciación implícita sigue siendo el procedimiento más sencillo
aun cuando la misma Z csté elevada a alguna potencia. Por ejemplo, si la ecuación es:
7} = X Y ( 3 . 51 )
es innecesario rescribirla como: Z = X '2Y ' 2
y si se expresa en logaritmos: 21og Z = log X + logJ' (3.52)
. AZ AX AY . . .
entonces: 2— = --------- + --- (3.53)

Z X mrd Y‘mrd
lo que da ^ como se requería.
2. Cocientes. Pueden tratarse como productos en los cuales algunas de las potencias son
negativas. Como antes, el valor máximo de AZ se obtiene despreciando los signos
negativos de la diferencial y combinando todos los términos de forma aditiva.
Si se encuentra una función distinta a las ya enumeradas, por lo general funciona

alguna forma de diferenciación. Con frecuencia es conveniente diferenciar una ecuación
de forma implícita, así se evita el requisito de calcular explícitamente la cantidad desco
nocida en función de las otras variables. De esta manera, se prepara una fórmula para la
incertidumbre en la que se insertan directamente todas las incógnitas. Asegúrese de que
se usen los signos adecuados para que todas las contribuciones a la incertidumbre se
sumen para dar los límites extremos de posibilidad del resultado.
Cuando la función sea tan grande y complicada que no se pueda obtener un valor
general de AZ, siempre se pueden tomar los valores medidos Xme/ entre otros, y
encontrar Zru. Entonces se trabaja con dos resultados diferentes, uno utilizando los valo
res numéricos propios de XmfJ + AX. YmeJ+ A y (o Y ^ - A Y , si es el adecuado) para obtener
uno de los valores extremos de Z; y el otro utilizando Xm j - AX. Esos dos valores corres
ponden a los límites de Z y así se conoce el valor de AZ
Finalmente, se calcula la incertidumbre de Y en las medidas indirectas en función de
varias medidas directas X r X2,...Xn:
K = / ( X „ X 2,...X J (3.54)
donde f e s una función de n variables. La incertidumbre de Y está dada por la expresión

matemática general:
AY =
3X, dX
AX,, AXr ... AXn son las incertidumbres totales de las medidas directas.
Los casos particulares sencillos más usados son:
Cambio de escala: Y = cX => A Y =|cjAX (3.56)
kY
Potencias: Y = cX* => A Y = AX (3.57)
X
Suma y diferencia: Y = X, + X 2 => A Y = V'(AX,)J +(AX: )J (3.58)
J ^ X .- X ,
M étodo general para determ inación de la incertidum bre 53
* ►
AX, AX, 1
Producto y cociente: Y = X,X2 => A Y = |K| (3.59)
r
Y=
AX
Logaritmo: Y = logX =* AK = (3.60)
Exponencial: K= => A Y = e x AX (3.61)
Ejemplos utilizando los casos particulares sencillos

Sum a y diferencia
El error absoluto de una suma o una diferencia es la raíz cuadrada de la suma de los
errores absolutos elevados al cuadrado de cada una de las cantidades que interv ienen en
dicha suma o diferencia (fórmula 3.58).
a k = v/ ( a x , ) : + ( a x ! )3
E jem plo 1: una mesa cuadrada se mide con una cinta métrica; los lados son iguales a un valor de
(75.0 ± 0.5) cm. ¿Cuál es el valor de su perímetro? Expresa el resultado con su incerti
dumbre.
Se tiene que:
L -L ^ ± A L
y el valor del perímetro P = P ^ ± AP
y si Lmíá = 75.0cm y AL - 0.5cm
Entonces:
/ , = ^ + / w + í w + í w = (75.0 + 75.0 + 75.0 + 75.0) cm = 300 cm
AP = V'(A/.2+ AL2 + AL2 + AL7) = ^((0.5cm )2 + (0 .5 c m )2 + (0 .5 cm )2 + (0.5cm )2) = 1 cm

y
El perímetro de la mesa es: P = (300± 1) cm.

E jem plo 2: si al medir el volumen de un objeto por desplazamiento de agua en una probeta se obtie
nen los siguientes valores: V, = (350.0 ± 0.5) mi y V ,= (400.0 ± 0 .5 ) mi. ¿Cómo se repor
ta el volumen del objeto?
V = V 2- V ¡ y A V = JA V ? + AVj2
V = (400.0 - 350.0) mi = 50.00 mi
AV = J ( 0 5 mi)2+ (0.5 m i)1 = 0.707mi - 0.7ml
Se puede escribir que el desplazamiento de volumen fue de V = (50.00 ± 0.7) mi.
E jem plo 3: si se tienen dos resistencias: K, = (300 ± 3) £2 y /?, = (200 ± 6 ) £2 y se conectan en serie,
¿qué resultado se obtiene?
Rs = /?, + /? ,= (300 + 200) £2 = 500 £2
ARs = + AR:: = J (3£2)2 +(6£2)2 =6.71£2 = 7£2
Por lo tanto, el resultado debe expresarse como: Rs = (5 0 0 ± 7 ) £2
P ro d u cto y cociente p o r un núm ero exacto

V
1 AX,2
AT“P .ll1
J+ X 2¿ /
E jem plo 4: en la determinación de la potencia eléctrica d e una resistencia se midieron el voltaje y la

corriente eléctrica, y se obtuvieron los siguientes resultados:
V = (50.0±1.0) V ; / = (4 .0 ± 0 .5 ) A
La potencia eléctrica y la incertidumbre asociada a la potencia eléctrica es igual a:
avY ( ai
P - V t v AP = P
j + i
P = 5 0 V x 4 A = 200W = 2 x l 0 2 W
0.5 A V
+ = 2 x 102V a 16 = 2 x 102(0 .13) = 25.32 W = 3 x 10'W
14A
Por lo tanto, el resultado debe expresarse como: P = ( 2 ± 0 .3 ) x l 0 : W

Las gráficas 55
E jem plo 5 : 1en un experimento la medición de la densidad reportó los siguientes valores: masa (25.00
± 0.05) g y volumen (10.5 ± 0.1) cm3.
m Am 2 Í A V
donde: p = — y A p - p
m
25.00g
p= = 2.38 g
10.5 cm ' cm
2 / . V
0.1 cm
A p = 2.38—^ = 2.38 —^-r V0.000095 = 2.38 - A r (0.0097) = 0.023 - 1 -
cm ' V I 25.00cm 3 10.5 cm ' cm cm cm
Por lo tanto, el resultado debe expresarse como: /> = (2.38 ± 0.02) g

cm
Análisis gráfico de los resultados

Representación de la incertidum bre en las gráficas
El análisis gráfico es una herramienta útil para la evaluación de experimentos y repre
senta el comportamiento esquemático y/o matemático del sistem a analizado. Existen
dos tipos de gráficas: las descriptivas y las d e cálculo. Las primeras ilustran el comporta
miento de un sistema físico (simple descripción esquemática del sistema), mientras que
las segundas permiten hacer estimaciones de valores no conocidos dentro del rango de
valores (interpolación) y en algunos casos extrapolarlos a valores no analizados (con un
alto grado de probabilidad de cometer una subestimación o sobrestimación).
Para extraer toda la información posible de las observaciones es necesario graficar,
además de los puntos, la incertidumbre correspondiente d e cada uno de ellos, de manera
que sea apreciable cualquier desviación y se evidencie la incertidumbre total del experi
mento. A menos que sobre cada punto se marque el intervalo de error, será imposible
decidir si una desviación particular de la tendencia general es o no significativa.
Las gráficas
En experimentos donde se obtiene una gran cantidad de datos, con frecuencia se orga
nizan para presentarlos en forma de una gráfica, es decir, un diagrama que usa líneas,
círculos, barras o alguna otra forma geométrica para representar los datos.
I-as gráficas:
1. Concentran información que facilita la comparación entre un experimento y otro,
y se pueden comparar con otras gráficas, lo cual no ocurre si solo se utilizan ta
blas.
2. Revelan rápidamente ciertos rasgos como: máximo, mínimo, periodicidad, varia
ción de la pendiente, ordenada al origen, entre otros.
En las ciencias c ingenierías, las gráficas tienen, principalmente, tres aplicaciones:
1. Es muy rápido y sencillo determinar alguna característica de un fenómeno.
2. Funcionan como una ayuda visual.
3. En el trabajo experimental permiten conocer la relación existente entre dos o tres
variables.
Construcción de gráficas
Para la construcción de gráficas, a partir de datos experimentales, se deben seguir las
siguientes recomendaciones:
1. Elección del papel adecuado (depende del tipo de datos obtenidos y del problema por
resolver):
a ) Papel de coordenadas rectangulares uniformes (milimétrico): se caracteriza por
que ambos ejes, abscisas x y ordenadas y están a escala lineal. Por lo general se
utiliza para determinar un fenómeno con comportamiento lineal (figura 3.3).
01 2 3 4 5 6 7 8 9 1011 12 1314 15 16 17 18 19
P e s o (k g )
Figura 3.3: Representación, en papel milimétrico, del incremento en la longitud de un

resorte (cm ) en función del peso (kg) que se le aplica.
b) Papel semilogarítmico: tiene una escala lineal y otra logarítmica. Se emplea en

funciones exponenciales y en el caso de funciones que representan variaciones
muy grandes de una variable (figura 3.4).
10000001
1000000
100000
10000
10 15 20
Oías transcurridos
Figura 3.4: Representación, en papel semilogarítmico, del incremento en la concentración

de levadura (escala logarítmica) en función del tiempo en días (escala lineal).
Las gráficas 57
c) Papel logarítmico: se caracteriza porque ambos ejes: abscisas y ordenadas son en

escala logarítmica. Es útil cuando las dos variables presentan variaciones grandes
o cuando se trata de representar una función potencial del tipo Y = Aje■ (figura 3.5).
1 10 100
D ía s tra n s c u rrid o s
Figura 3.5: Representación, en papel logarítmico, del incremento en la concentración de

¡sotopos (escala logarítmica) en función del tiempo en días (escala logarítmica).
2. Elección de la escala (el valor asignado a la menor división de la escala en cada

eje debe ser igual a la incertidumbre absoluta de la magnitud medida): el rango de
cada escala debe permitir gráficas que ocupen espacios más o menos cuadriculados
(figura 3.6).
45
40
35
30
?
— 25
T>
2
»20
l ,
10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1718 19
P o so (k g)
Figura 3.6: La escala de los dos ejes presenta como mínima división la incertidumbre
absoluta del instrumento de medición, que es en este caso de 0.1 kg para el peso y de 0.5
cm para la longitud.
3. Trazo de los punios experimentales: los valores experimentales en una gráfica deben
ser representados por rectángulos y no por puntos, en los cuales se muestre el in
tervalo de incertidumbre absoluta que corresponde a cada magnitud en cada eje (figu
ra 3.7). Ejemplo:
Figura 3.7: Representación de la incertidumbre absoluta de un punto donde se toma

el intervalo del valor X, - 14.4 ± 0.1 y Y, = 15.6 ± 0.2.
En la figura 3.7 el punto (14.4, 15.6) es representado por un rectángulo que en el eje
X tiene un rango de valores entre 14.3 y 14.5, y en el eje Y un rango entre 15.4 y 15.8.
Por lo tanto, la gráfica de este resultado experimental puede pasar por cualquier punto
dentro del rectángulo y no necesariamente por el punto, ya que la precisión del instru
mento utilizado, tanto para medir la magnitud del eje X com o la del eje Y, no permite
discriminar ningún punto (del rectángulo) de error como preferente para trazar una nue
va curva.
Gráficas en calculadoras y com putadoras

Con el desarrollo de la tecnología ha caído en desuso el papel milimétrico, el logarítmico
y el semilogarítmico, ya que en las computadoras existen herramientas para tabular,
graficar y obtener las ecuaciones de un conjunto de datos. Esto ha facilitado el trabajo
en la ciencia, pues permite ahorrar tiempo en el análisis gráfico en la interpretación de
resultados. Luis figuras 3.8 y 3.9 muestran el uso de las calculadoras para graficar con
juntos de datos.
Existe una amplia variedad de programas de cómputo que permiten realizar el aná
lisis gráfico de datos; entre los más populares se encuentran las hojas de cálculo como
Excel, Harvard Graphics, Quatro Pro, entre otros. Del mismo modo, existen muchos
programas estadísticos para graficar, entre los que se encuentran: Statistica, Statgra-
phics, SPSS, DataStudio, entre otros.
Gráficas en calculadoras y com putadoras 59
Figura 3.8: Utilización de las calculadoras para graficar conjuntos de datos.
D 0 O t e n m u e s t r a s d e a g u a s r e s id u a l e s d e l m u n ic ip io D 6 0 a e n m u e s t r a s d e a g u a s r e s i d u a l e s d e l m u n ic ip io
d e T o n a l* . J a l i s c o d e T o n a lA . J a l i s c o
1400 3000
1200 2500
1000 a M1
(p p m )
2000
M2
800
600
i
«o
1500
s M3
D B 05
400 1000
200 I <■B -| i 500
M 4
0 1 0
15/ 11/ 20G 5 W 0 3 / 2 0 0 6 24/ 05/ 2006 20/ 11/ 2006 07/ 04/ 2007 15/ 11/ 2005 1& C 3/ 2006 2 4 .0 5 / 2 0 0 6 20/ 11/ 2006 07/ 04/ 2007
F e c h a d e m u e s t ie o F e c h a d e m u e s tr e o
D B O ^ e n m u e s t r a s d e a g u a s r e s id u a l e s d e l m u n ic ip io D 6 0 t e n m u e s t r a s d a a g u a s r e s i d u a l e s d e l m u n ic ip io
d e T o n a l* , J a U s o o d e T o n a l* . J a l i s c o
1400
M4
1200
1000 L /'N *
Ippm )
M3
800 M1 i
600 to
M2 □ 1 0 0 0 -1 5 0 0
DBOO
400
M2
200 M3 i h □
_______________ M1 0 5 0 0 -1 0 0 0
0 M4 15/ 11/ 2005 2 4 4 )5 / 2 0 0 6 07/ 04/ 2007
O 0 -5 0 0
W 11/ 2005 16/ 03/ 2006 21/ 05/ 2006 20/ 11/ 2006 < 37/ 0 4/ 20 07 16/ 03/ 2006 20/ 11/ 2006
F e c h e d e m a e s tr e o F e c h a d e m u e s tr e o
Figura 3.9: Uso de Excel para el análisis gráfico de datos

Coeficiente de correlación
M uchos de los problemas de los que se ocupan las ciencias van más allá de la descrip
ción de una variable única en sus diversas ramificaciones y con frecuencia es necesario
determinar las relaciones entre dos o más variables. Por ejemplo, uno de los intereses
esenciales de las oficinas administrativas de las universidades es la relación existente
entre los promedios obtenidos en el bachillerato o las calificaciones en el examen de
ingreso universitario, y el rendimiento en la universidad. Los estudiantes que hacen un
buen bachillerato o que logran una calificación alta en el examen d e ingreso, ¿también
destacan en la universidad? O bien, aquellos que son malos estudiantes en bachillerato
y los que obtienen una calificación baja en el examen de ingreso, ¿tienen un pobre ren
dimiento en la universidad?
Establecer estas preguntas acerca de las relaciones que existen entre las variables,
equivale a internarse en el área de la correlación. Con el fin de expresar cuantitativamen
te hasta qué grado están relacionadas dos variables, es necesario calcular el llamado
coeficiente de correlación r. Hay muchas clases de coeficientes de correlación. La deci
sión de cuál emplear para una serie de datos específicos depende de factores como:
• El tipo de escala o medida en la cual se expresa la variable.

• La naturaleza de la distribución fundamental (continua o discreta).
• La característica de la distribución de las calificaciones (lineal o no lineal).
No importa qué técnica de correlación se emplee, todas tienen las siguientes carac
terísticas comunes, si continuamos con el ejemplo anterior:
1. Se obtienen dos series de medidas de los mismos individuos (o sucesos) o de
pares de individuos que tengan alguna forma de relación.
2. Los valores de los coeficientes de correlación varían entre +1.00 y -1.00. Ambos
extremos representan relaciones perfectas entre las variables, mientras que 0.00
representa la ausencia de relación.
r ■ 1.00 r~0B? r-0 5 7
• •
r
*
0 00 . --030 -1.00
-V /V
• ••: ••
Figura 3.10: Diagramas de dispersión que ilustran varios grados de coeficientes de

correlación entre dos variables X y Y.
C onstrucción de diagram as de dispersión 61
3. Una relación positiva significa que los individuos que obtienen calificaciones
altas en una variable, tienden a obtener calificaciones altas en la otra. La aseve
ración contraria también es válida, es decir, los individuos con una calificación
baja en una variable, obtienen una calificación baja en la segunda.
4. En una relación negativa, los individuos con una calificación baja en una variable
alcanzan una calificación alta en una segunda variable y viceversa, los individuos
que consiguen una calificación alta tienden a una calificación baja en la segunda.
La figura 3.10 muestra una serie de diagramas de dispersión que ilustran varios gra
dos de relación entre dos variables X y Y. AI interpretar las figuras es importante recordar
que cada punto representa dos valores: la calificación de un evento en la variable X y la
calificación del mismo evento en la variable Y. Como se indicó anteriormente, la variable
X se representa a lo largo de las abscisas y la variable Ya lo largo de las ordenadas.
Construcción de diagram as de dispersión

La correlación entre las dos variables se puede representar por medio de una gráfica de
dos ejes (abscisas y ordenadas) cartesianos. En la figura 3.11 se observa la correlación
entre potencia del motor de un automóvil y consumo en litros por cada 100 km.
La figura 3.11 permite deducir que a mayor potencia hay un mayor consumo de
combustible. Esto quiere decir que la correlación entre potencia y consumo no es aleato
ria. En este caso se estimó una r - 0.87 (correlación positiva).
En la figura 3.12 se representa la relación existente entre peso del automóvil en kg
y el tiem po que tarda en incrementar la velocidad de 0 a 100 km/h. El r - -0 .5 6 significa
que existe una correlación negativa significativa entre el peso del auto y su respuesta de
aceleración. Es decir, automóviles m ás pesados presentan un mayor tiempo de respuesta
y viceversa.
P o te n c ia (C V )
Figura 3.11: Correlación entre potencia de un autom otor y su consumo de combustible

en I itros por cada 100 km.
1800
1600
1400
5 1200
| 1000
! 800
600
400
200
0 10 20 30
Aceleración 0 a 100 km/h (segundos)
Figura 3.12: Relación existente entre peso del automóvil (kg) y el tiempo (s) que tarda
en incrementar su velocidad de 0 a 100 km/h.
Para interpretar el coeficiente de correlación se han dado los siguientes lincamientos

generales:
• Valor d e r de 0.00 a 0.25 implica que no existe correlación entre ambas variables.
• Valor de r d e 0.25 a 0.50 implica una correlación baja a moderada.
• Valor de r d e 0.50 a 0.75 implica una correlación moderada a buena.
• Valor de r £ 0.75 implica una muy buena a excelente correlación.
Estos intervalos de valores también se pueden extrapolar con correlaciones negati
vas. Se debe tener cuidado al analizar la correlación entre dos variables, pues es probable
que ambas varíen de manera uniforme. Esto quizá parezca redundante pero es importan
te. Por ejemplo, si se correlaciona edad y estatura, la estatura aumentará con la edad
hasta un punto determinado, después ya no aumentará más. Una vez entendido el signi
ficado del coeficiente de correlación, este se determina a través de la siguiente ecuación:
» I x ,r, -
r= /-i (3.62)
« i *• -
M
Ex
j-i J»l
E jem plo 6: hallar el coeficiente de correlación del conjunto de datos de la tabla 3.1:
Tabla 3.1: Datos iniciales.

X 3 4 6 8 9 11 14
2 4 4 5 7 8 9
A juste de datos a funciones m atem áticas 63
Tabla 3.2: Cálculos en tabla para determinar el coeficiente de correlación.
y, y?
1 i i i i
3 2 9 6 4
4 4 16 16 16
6 4 36 24 16
8 5 64 40 25
9 7 81 63 49
11 8 121 88 64
14 9 196 126 81
M
X
3
M
X * , =56 =364 =256

II
II
é
De acuerdo con la ecuación (3.62) se tiene que:
8 (3 6 4 )-5 6 (4 0 ) _ 2912 - 2240 _ 672.00 _ Q ?77

v/8 (5 2 4 )-(5 6 )2 >/8(256) - (40)2 (32.50X21.17) 687.90
Ajuste de datos a funciones m atem áticas

Cuando se correlacionan dos o más variables, los comportamientos matemáticos pue
den ser muy variados, por lo que existen las siguientes posibilidades: a) línea recta,
b) comportamiento cuadrático, c) com portam iento exponencial, d) comportamiento
logarítmico y e) comportam iento polinomial. A continuación se analizan estos com
portamientos, junto con las ecuaciones generales correspondientes y su respectiva des
cripción gráfica.
1. Línea recta (figura 3.13): la ecuación que describe el comportamiento lineal tiene la
forma Y= m X +£, que también se suele escribir de la siguiente manera:
Y=a+bX (3.63)
donde:
X = variable independiente.
Y= variable dependiente.
a = ordenada al origen o término independiente.
b = pendiente de la recta.
y
40 m
35 -
30 ■
25 -
20 -
15 •
10 m
5 •
0
a
0
Figura 3.13: Comportamiento dos variables correlacionadas de forma lineal Y = a + bX.
2. Comportamiento cuadrático (figura 3.14): la ecuación que describe el com porta

miento cuadrático de dos variables tiene la forma:
Y = a+bX+cX2 (3.64)
donde:
X - variable independiente.
Y - variable dependiente.
a = coeficiente del término independiente.
b = coeficiente del término de primer orden,
c = coeficiente del término de segundo orden.
Figura 3.14: C om portam iento de dos variables correlacionadas de form a cuadrática

Y = a + b X + c X 2.
Ajuste de datos a funciones m atem áticas 65
3. Comportamiento exponencial (figura 3.15): la ecuación de este comportamiento se

escribe:
Y = aex (3.65)
120000
100000 -
80000 -
60000 -
40000 -
/
20000 -
y - 5 e‘
0 • x
6 8 10
Figura 3.15: Comportamiento de dos variables correlacionadas de forma exponencial

Y = aex .
donde:
Y - variable dependiente.
a = coeficiente.
e = exponencial (2.7183).
4. Comportamiento logarítmico (figura 3.16): está representado por la siguiente ecuación:
Y =aLn(X) (3.66)
donde:
Y = variable dependiente.
a = coeficiente.
Ltí = logaritmo ncpcriano.
y
Figura 3.16: C om portam iento de dos variables correlacionadas de form a logarítm ica
Y =ahi{X).
5. Comportamiento polinom iol (figura 3.17): la ecuación que describe este com porta
miento se escribe de la siguiente manera:
Y = a + b X + c X 2+ d X ' + ....+ kX* (3.67)

donde:
a = coeficiente del término independiente.
b = coeficiente del término de primer orden.
c = coeficiente del término de segundo orden.
d = coeficiente del término de tercer orden.
k = coeficiente del término de orden n.
A juste de rectas
Com o ya se explicó, la correlación de dos variables puede tener diferentes com porta
mientos. Sin embargo, uno de los más comunes en los fenómenos físicos es el compor
tam iento lineal, aunque en los casos que no se pueda utilizar directamente se trabaja con
las escalas de las variables (semilogarítmicas o logarítmicas) para alinear com porta
mientos no lineales y trabajar con la ecuación de la línea recta. A continuación se descri-
Figura 3.17: Comportamiento de dos variables correlacionadas de forma polinomial

Y - a + b X + c X 2+ d X ' + e X * .
ben dos métodos para el ajuste de la recta a una correlación de dos variables X y Y. Estos
métodos son: 1) el método de pares de puntos y 2) el método de los mínimos cuadrados.
M étodo de pares de puntos 67
M étodo de pares de puntos

Determinación de la pendiente y de la ordenada al origen (o intercepto)
En muchas situaciones es posible dibujar una gráfica que teóricamente daría una línea
recta. Por ejemplo, la distancia x recorrida en un tiempo / por un cuerpo que viaja con
velocidad constante v, se obtiene: x = v t , lo cual permite graficar x frente a t.
La pregunta clave es: ¿cuál es la mejor línea recta que se ajusta a los puntos experi
mentales? La determinación de la pendiente o inclinación de la línea también es impor-
tante porque representa la constante de proporcionalidad. Por ejemplo, la pendiente —
será igual a la velocidad v. **
En algunas ocasiones será suficiente dibujar la línea que se vea más o menos recta;
en otras, será necesario tener m ás cuidadoso y utilizar la aproximación de los pares de
puntos. Este método se aplica a gráficas con los puntos del eje horizontal igualmente
espaciados. El método se ¡lustra en la figura 3.18. Primero los puntos se dividen en dos
grupos iguales, uno para valores bajos de X y Y, y el otro para los valores altos de X y Y;
entonces se aparean los puntos, uno de cada grupo:
1 y 7, 2 y 8,..., 6 y 12
Después, se encuentra la diferencia para cada par entre los valores de X y Y:
( * , - * , ) , (X$- X 2U (Xl2- x 6)
i r i - Y M Y 9- Y ¿ . . { Y a - Y J
Y se calcula la media aritmética de estas diferencias (Dx y Dy), con las que se puede
estimar la pendiente de la línea recta de ajuste mediante:
m- — (3.68)
Dx
y Aproxim ación “pares d e puntos'
12
11 hjH
10 hfH
2
1 HÉH
&
X
Figura 3.18: La aproximación pares de puntos.

El valor medio de X y Y está determinado pon

Y _ (X ,+ X , + X3+
(3.69)
12
_ {Yl + Y2 + Y3 + ... + Yl2)

Y= (3.70)
12
La mejor linca por este método es la de pendiente m que pasa por el punto (X, Y).
¿Q ué nos gustaría para estim ar un error en m? Las seis diferencias (K? - Yt), (yg- YJ,
(Y9- Kj), (y|0- y4X( ^ y5) y (y,2—y^ proveen seis medidas de la cantidad Dy y. por
consiguiente, seis medidas de m que pueden usarse en forma normal para estimar erro
res. Pero, ¿por qué parar en la sexta medida de m ? ¿Por qué no tom ar 11, evaluando
(y2- y(), (Yy- Y ) . . . (y,2- y„X y así aum entar la precisión? Si se va evalúa Dy, de estas
11 lecturas tendrá:
(3.71)
Todas las lecturas de y,, a Y, han desaparecido, aunque también pudo no haberlas
tomado en cuenta. Esto puede evitarse si se dividen las lecturas en dos grupos principales
y aparca los puntos uno de cada grupo, como se ha descrito.
.* construir la línea recta que mejor se adapte a los datos de la tabla 3.3 y hallar la ecuación
••
de dicha recta mediante el método de pares de puntos.
Tabla 3.3: Datos de tiempo / en segundos y distancia d recorrida en metros.
1 2 3 4 5 6 7 8 9 10 11 12
4 20 40 60 80 100 120 140 160 180 200 220 240
A ju s te d e re cta p o r m é to d o d e p a re s
d e p u n to s
co
T3
c
3
a
T ie m p o (s)
Figura 3.19: Línea recta que representa el mejor ajuste para el conjunto de datos de la
tabla 3.3 mediante el método de pares de puntos y de los mínimos cuadrados.
M étodo de pares de puntos 69
Solución: En primer lugar, los puntos se dividen en dos grupos ¡guales, uno para valores bajos de
d y t y el otro para los valores altos de d y /; después se aparean los puntos, uno de cada
grupo:
1 y 7. 2 y 8...., 6 y 12
Se encuentra la diferencia para cada par entre los valores de t y d , es decir:
D tl = (t7~ ,,)= 7 - 1 = 6 y D d{= (d1- d t)= 1 4 0 - 2 0 = 120

D/2= ( /a- í > 8 - 2 = 6 y Dd2= (dt - d ¿ = 160 - 4 0 = 120
D i= ( / , - , > 9 - 3 = 6 y Dd\ = ( - < /> 180 - 60 = 120
0 '4 = ( '.o “ ' > 1 0 - 4 = 6 y Dd4= ( d „ - d A}= 2 0 0 - 8 0 = 120
Dr, = ( / , , - / > 11 - 5 = 6 y ¿W5= (< /„-< /,)= 2 2 0 - 100= 120
D , = ( , 12- , 3 = 1 2 - 6 = 6 y Ddt = {d tí- d 6)= 2 4 0 - 120= 120
Se calcula la media aritmética de estas diferencias: Df, y , D/¿ = 6 y £)</, = 120

y la pendiente:
Drf 120
m = — L= ----- = 20
D/, 6
Por último, se calcula la ordenada al origen despejando b de la ecuación de la línea

recta y los valores medios de Dt, y Dd, , y se obtiene que:
b = y - n t x = 1 2 0 -2 0 (6 ) = 0
Sin embargo, en algunas ocasiones la mejor línea recta no necesariamente pasa por
todos los puntos y eso hace que las estimaciones á c m y b sean subestimadas o sobrestima-
das, dependiendo de los pares de puntos escogidos. En este caso se sugiere utilizar un
método que minimice estas subestimaciones y sobrestimaciones, como el método de los
mínimos cuadrados. El siguiente ejemplo ¡lustra este comportamiento.
E jem plo 8 : 1construir la línea recta que mejor se adapte a los datos de la tabla 3.4 y hallar la ecuación
de dicha recta mediante el método de pares de puntos.
Tabla 3.4: Datos de variables x y y.
*1 i 3 4 6 8 9 11 14
y, i 2 4 4 5 7 8 9
Solución: Primero los puntos se dividen en dos grupos iguales, uno para valores bajos de x y y. y el
otro para los valores altos d e * y y, después se aparean los puntos, uno de cada grupo:
1 y 5, 2 y 6 ,3 y 7, 4 y 8
A ju s te d e re c ta m e d ia n te el m é to d o
d e p a re s d e p u n to s
0
2
a
Variable x
Figura 3.20: Linca recta que representa el m ejor ajuste para el conjunto de datos de la
tabla 3.4 mediante el método de pares de puntos.
Se encuentra la diferencia para cada par entre los valores d e / y d, es decir,
0 * ,= ( * , - * , ) = 8 - 1 = 7 y Dyi = ( y ; - y l) = 5 - 1 = 4
Dx2= (x 6- ^ = 9 - 3 = 6 y D y = ( y - y 2) = 7 - 2 = 5
a r 3= (x 7- x >) = 1 1 - 4 = 7 y 0 '7- > ’3) = 8 - 4 = 4
D x 4 = ( x s - x 4) = 1 4 - 6 = 8 y D y = (ya- y 4) = 9 - 4 = 5
Se calcula la media aritmética de estas diferencias Dx, y Dx- , Dx, = 7 y Dy = 4 .5

y la pendiente se da por medio de la siguiente ecuación:
Dy, 4.5
m - — = — = 0.64
Dx, 7
Rara terminar, se calcula la ordenada al origen despejando b de la ecuación de la

línea recta y los valores medios de Dx, y Dy, . lo que da com o resultado:
b = y - rnx = 4 .5 -0 .6 4 (7) « 0
En la siguiente sección se analizará el método de los mínimos cuadrados y se utili

zarán los ejemplos anteriores para observar las diferencias entre ambos métodos.
M étodo de los m ínim os cuadrados

Con frecuencia, el experimentador recurre a métodos gráficos para encontrar la relación
existente entre dos variables. Cuando esta relación es lineal se enfrenta al problema de
ajustar la mejor línea recta para los datos experimentales, pues es posible adaptar un
conjunto de líneas rectas por medio de los mismos. Para resolver este problema el expe
rimentador recurre al empleo del método de los mínim os cuadrados y así evita que en la
construcción de la línea influya su juicio.
M étodo de los m ínim os cuadrados 71
Suponga que como resultado de un experimento se obtuvo un conjunto/» de valores

de Y en función de valores de X> es decir, se tiene un conjunto de valores (X¡, Y¡), la ¡n-
certidumbre prácticamente es cero para Xi, pero no así para Y¡. Cuando estos valores se
grafican aparecen com o se muestra en la figura 3.19, donde se observa que la línea recta
puede representar dichos datos, lo que quiere decir que la relación entre las variables es
del tipo:
Y = a +bX (3.72)
Donde:
a = ordenada al origen o término independiente y.
b = pendiente de la recta.
De acuerdo con lo antes mencionado, se determinan los valores de a y b cuando la

desviación es mínima.
Por medio del método de mínimos cuadrados, se obtienen los valores de a y de b:
± X Í± Y i-± X ¡± X M
——
U M M (3.73)
i-l l-l
b =- ü ;* ■ A (3.74)
D ia g ra m a d e d is p e rs ió n
Figura 3.21: D iagram a de dispersión de datos experim entales de x y y,

E jem plo 9: construir la linca recta que mejor se adapte a los datos de la tabla 3.3 y hallar la ecuación
de dicha recta mediante el método de los mínimos cuadrados.
Solución: La ecuación de la recta es del tipo: Y = a + bX

Para determ inar los parámetros a y b de la línea recta que mejor se adapta a dichos
datos se aplica el m étodo de mínimos cuadrados, por lo que los valores de a y b se obtie
nen de las ecuaciones 3.73 y 3.74. Al ordenar el cálculo de las sumas se obtiene la tabla
3.5:
Tabla 3.5: Cálculos útiles para el método de mínimos cuadrados.
X, y, V X tY,
1 20 1 20
2 40 4 80
3 60 9 180
4 80 16 320
5 100 25 500
6 120 36 720
7 140 49 980
8 160 64 1280
9 180 81 1620
10 200 100 2000
11 220 121 2420
12 240 144 2880
X * , = 78 Y .Y , = 1560 =650 Y ,X ,Y t = 13000
Si se sustituyen los valores de los sumatorios de la tabla 3.5 en las ecuaciones 3.73
y 3.74 se obtiene:
650(1560)-78(13000) _ 1014000-1014000 _ 0 _A
a=
1 2 (6 5 0 )-(7 8)2 7800 - 6084 1716
12(13000)-78(1560) 156000-121680 34320

b= : -------- = 20
12(650)- ( 7 8 ) 2 7 8 0 0 -6 0 8 4 1716
Por lo tanto, la ecuación de la recta es: Y = 20X + 0 y su representación gráfica se

muestra en la figura 3.19.
E jem plo 10: construir la línea recta que mejor se adapte a los datos de la tabla 3.4 y hallar la ecuación
de dicha recta mediante el método de los mínimos cuadrados.
Solución: La ecuación de la recta es del tipo: Y = a + b X . Para determinar los parámetros a y b de

la línea recta que mejor se adapta a dichos datos se aplica el método de mínimos cuadra
dos, por lo que los valores de a y b se obtienen de las ecuaciones 3.73 y 3.74. Ordenando
el cálculo de las sumas se obtiene la tabla 3.6:
M étodo de los m ínim os cuadrados 73
Tabla 3.6: Cálculos útiles para el método de mínimos cuadrados.
y, V x ,y,
1 i 1 i
3 2 9 6
4 4 16 16
6 4 36 24
8 5 64 40
9 7 81 63
11 8 121 88
14 9 196 126
X*
«O
O
=40 X * í =524 =364

II
Con la sustitución de los valores de los su matónos de la tabla 3.6 en las ecuaciones
3.73 y 3.74 se obtiene:
5 2 4 (4 0 )-5 6 (3 6 4 ) 2 0 9 6 0 -2 0 3 8 4 576
Q — ~ = — — — — —— — — — — U «9 4 D
8(524)-(56)* 4192 - 3136 1056
^ _ 8 (3 6 4 )-5 6 (4 0 ) _ 2912 - 2240 _ 672 _ Q636

8(524)- ( 5 6 ) J 4 1 9 2 -3 1 3 6 1056
Por lo tanto, la ecuación de la recta es: Y = 0.64X + 0.54 y su representación gráfica

se muestra a continuación:
A ju s te s d e re cta m é to d o d e lo s m ín im o s c u a d ra d o
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
V a ria b le X
Figura 3.22: Línea recta que representa el mejor ajuste para el conjunto de datos de la
Tabla 3.4 mediante de los mínimos cuadrados.
Si comparamos los resultados de la ecuación de la línea recta de los datos de la tabla

3.3. mediante el método de pares de puntos y de los mínimos cuadrados, observamos que
son ¡guales, ya que todos los puntos están sobre la línea recta de ajuste; sin embargo,
cuando no todos los puntos están sobre la línea recta de ajuste los resultados de ambos
métodos son diferentes. El método de los mínimos cuadrados proporciona un mejor
ajuste que el método de pares de puntos, por ese motivo tiene un mayor uso que el de los
pares de puntos.
A nálisis dim ensional

El análisis dimensional es una herramienta que permite investigar las relaciones que
intervienen en un sistema físico, así como predecir el comportamiento de dichos siste
mas. Mediante esta técnica es posible obtener una guía para el diseño de experimentos
encaminados a resolver problemas de fenómenos físicos de los que no se tenga elaborada
una teoría completa. El análisis dimensional es útil para:
1. Comparar cualitativamente las ecuaciones.
2. Determinar las dimensiones de los coeficientes empíricos.
3. Establecer y realizar experimentos para generalizar los resultados.
4. Formular leyes a partir de una investigación.
5. Realizar cam bio de unidades.
Dim ensión de una m agnitud

Cualquier observación directa de un fenómeno físico se puede relacionar con las mag
nitudes de las variables que intervienen en este. Las magnitudes físicas factibles que
pueden medirse se dividen en:
* Magnitudes fundamentales
* Magnitudes derivadas
Las magnitudes fundam entales están representadas por los símbolos M , L T, /, t, le
y m (tabla 3.7) y la dimensión de una magnitud física derivada es una expresión en tér
minos de las letras M , L, T, l , t , I e y m . Las dimensiones de las magnitudes fundamenta
les son:
Tabla 3.7: Magnitudes fundamentales.
M agnitudes fundam entales Sím bolo
Longitud L
Masa M
Tiempo T
Intensidad de corriente eléctrica 1
Temperatura t
Intensidad luminosa le
Cantidad de sustancia m
Dim ensión de una m agnitud 75
Para hacer referencia a la dimensión de determinada magnitud se utiliza los corche

tes, que significan “la dimensión de". Por ejemplo, para el caso de la dimensión de la
velocidad se tiene:
[v] = L T l (3.75)
Las magnitudes de la misma clase como distancia, altura,longitud de onda y pro

fundidad. además de tener la misma dimensión L (tabla 3.8), se miden y registran con la
misma unidad (metro en el SI).
Ejemplos: Área = [A] = longitud x longitud = L-

Dcnsidad = [p] = masa/volumen = MLry
Cantidad de movimiento = \Mo) = masa x velocidad = M l.T 1
Las dimensiones de ciertas magnitudes, como la fuerza, se obtienen cuando se ana

liza determinada ley; en este caso, de la segunda ley de Newton:
F = ma (3.76)
Se deduce la dimensión de F: [F] =[ ma] = [m][a]= MLT~2 (3.77)
Tabla 3.8: Dimensiones de algunas magnitudes derivadas.
C an tidad Sím bolo Exponente
M L T t I le m
Aceleración A 0 1 -2 0 0 0 0
Capacitancia C -1 -2 4 0 2 0 0
Energía E 1 2 -2 0 0 0 0
Frecuencia F 0 0 -1 0 0 0 0
Impulso 1 1 1 -1 0 0 0 0
Inductancia L 1 2 2 0 -2 0 0
Presión P 1 -1 -2 0 0 0 0
Resistencia R 1 2 -3 0 -2 0 0
Viscosidad N 1 -1 -1 0 0 0 0
Trabajo W 1 2 -2 0 0 0 0
Coeficiente de transferencia H 1 0 -3 -1 0 0 0
de calor
Calor específico Ce 0 2 -2 -1 0 0 0
Coeficiente de dilatación lineal a 0 0 0 -1 0 0 0
R ujo magnético f 1 2 -2 0 -1 0 0
Iluminación E 0 -2 0 0 0 1 0
R ujo luminoso F 0 0 0 0 0 1 0
Teorema de Buckingham
Para aplicar el análisis dimensional en una investigación, el experimentador debe cono
cer, en su totalidad, la cantidad y clases de variables fundamentales que intervienen en el
experimento. Se entiende por variable fundamental cualquier variable experimental que
influya en la prueba y que se pueda modificar, independientemente de las otras variables
que intervengan. Cuando el investigador conoce todas las variables puede reducir su nú
mero por medio de la aplicación de la primera parte de teorema de Buckingham, el cual
establece que “cualquier ecuación dimensional mente homogénea se puede reducir en
un conjunto completo de productos adimcnsionalcs”. Una ecuación dimcnsionalmcntc
homogénea es com pleta cuando su forma no depende de las unidades fundamentales que
se emplean.
Un ejemplo de estas ecuaciones es el que relaciona el tiempo (/) que tarda en caer
un cuerpo en reposo y la distancia (x) que recorre durante su caída libre, matemática
mente se simboliza:
x =^~ (3.78)
donde:
/ = tiempo.
g = aceleración de la gravedad.
Bar el contrario, la expresión x = 16 r es una ecuación correcta solamente si x se

representa en pies y / en segundos, pues si x se expresa en metros ya no es correcta, por
lo que se dice que esta ecuación no es dimensión al mente homogénea.
Los productos adimensionales señalados en el teorem a de Buckingham son simple
mente productos y cocientes de las variables que intervienen en el experimento, de tal
modo que las dimensiones en cada grupo se cancelan. Por ejemplo, en el caso del pén-
/
dulo simple, un grupo adimensional está dado por: .
La segunda parte del teorem a de Buckingham, conocido como teorema de k , esta

blece que “si existe una relación única de 4>(X, Y. 7 . ) - 0 entre las n variables físicas que
involucran k dimensiones fundamentales también existe una relación”:
# { x l t K2, x 3... * ,_ * ) = (> (3.79)
entre los (n - k) productos adimcnsionalcs ( * , , n , n n ¿ integrados por las variables
Una de las aplicaciones de este teorema consiste en la deducción de la forma de

relaciones desconocidas, y su éxito en un problema particular depende, aparte de la ex
periencia, de cierta sagacidad al establecer cuáles variables son significantes y cuáles no.
Si ó ( X Y„ . . Z) no se conoce, es posible, a pesar de ello, deducir la estructura de
^ (K¡t .... /rn l ) y así tener información útil acerca del sistema.
E je m p lo 11: suponga que no se conoce la expresión analítica para el periodo de oscilación d e un

péndulo sim ple y se desea calcularla a través de la aplicación del teorem a de B uc
kingham ; en este caso, lo prim ero q u e debe hacerse e s una lista de todas las variables
Teorem a de Buckingham 77
fundamentales (tabla 3.9), pero si la lista está incompleta no se podrá dar respuesta d e
bido a falta la información.
Tabla 3.9: Variables fundamentales para un péndulo simple.
M agnitud Sím bolo F o rm a dim ensional
Masa del péndulo M M

Longitud del péndulo L L
Aceleración de la gravedad G LT2
Periodo de oscilación T T
Amplitud angular 0 0
En este caso no se toman en cuenta las propiedades microscópicas de las esferas y

el hilo. La resistencia del aire y la masa del hilo se desprecian porque es prácticamente
nula su influencia en el periodo de oscilación.
En la tabla 3.9 se observa que hay cinco variables fundamentales (n = 5) y tres di
mensiones fundamentales (* = 3). Entonces, de acuerdo con el teorema de Buckingham,
debe haber (n - k - 2) dos productos adimcnsionalcs independientes (/r,y /r,). Estos se
determinan por ensayo y error; en este caso es simplemente 0 (amplitud angular) y n,
es • Q1^ no aparezca m se debe a que ninguna otra variable que interviene en el
experimento contiene su fórmula dimensional M y se concluye que el periodo de oscila

ción de un péndulo simple no depende de la masa de la esfera. Por lo tanto, del teorema
;rsc obtiene:
/
9 . =0 (3.80)
(»*«)
Com o T aparece en uno de los productos adimensionales, se obtiene T por una ex
presión igual:
T = G( 9) (3.81)
donde: G ( 9 ) = función arbitraria de 9.

Si en un principio se hubiera supuesto que 0 era muy pequeño para despreciarlo se
tendría:
I
n = 4, n - k = \ y = 0
y despejando para T:
(3.82)
De acuerdo con los resultados obtenidos con el teorema jc, el periodo de oscilación
del péndulo simple varía en forma directamente proporcional a la raíz cuadrada de la
longitud del péndulo e inversamente proporcional a la raíz cuadrada de la aceleración de

la gravedad. La magnitud de la constante adimensional (en este caso 2 ji) no se obtiene
del análisis dimensional.
También se aplica el análisis dimensional en el diseño del modelo. Con frecuencia,
el comportamiento de grandes sistemas complejos se deduce de los estudios que se rea
lizan a modelos en escala con grandes ahorros en el costo. En el modelo, cada parámetro
se reduce a la misma proporción relativa de su valor en el sistema original; de nuevo, el
caso del péndulo simple sirve de ejemplo. Si las magnitudes de 0, L 7 y g se vieran de
modo tal que no cambie el argumento de <p en valor numérico, el sistema tendrá exacta
mente el mismo comportamiento que el del sistema original, por lo que físicamente será
similar.
Suponga que se quiere construir un péndulo muy grande y caro que oscile con am
plitud finita, pero se desea saber su comportamiento antes de construirlo. Para tal fin se
fabrica un modelo a escala de 1/100 del periodo del péndulo. Este valor se obtuvo com
parando las expresiones del periodo para ambos péndulos, siendo 7 el periodo del pén
dulo grande y V el periodo del péndulo modelo, expresadas matemáticamente por las
siguientes ecuaciones:
1 = *, (3.83)
= x, (3.84)
Al comparar dichos periodos se obtiene:
r l
(3.85)
r*)
com o /'= (3.86)

100
7
se concluye que: T =~ (3.87)
o lo que es lo mismo: 7 = 107'
Por lo tanto, midiendo T se calcula el periodo 7 del péndulo real con la expresión
matemática:
7 = 107' (3.88)
Como se pudo constatar, no hubo necesidad de saber el valor de la constante adi

mensional que aparece en la ecuación:
(3.89)
C am bio de unidades 79
Ya en la práctica, se recurre al teorema ir y a la construcción de modelos cuando no

es posible obtener la solución por medios analíticos.
Cam bio de unidades

Con frecuencia, el resultado de una medición pasa de un sistem a de unidades a otro. Por
ejemplo, una medición hecha en yardas puede requerirse en metros. Por supuesto, es
imposible convertir un número de metros (distancia) en metros por segundo (velocidad)
o newtons (fuerza), ya que las conversiones entre unidades solo se hacen entre magni
tudes físicas de la misma especie. Las fórmulas dimensionales son útiles para el cambio
de unidades de un sistema a otro. Sea N el valor de una magnitud física Y, cuya fórmula
dimensional es:
«F = La M b r (3.90)
Suponiendo que L v M , y 7*,son unidades de longitud, masa y tiempo, respectiva

mente. en el sistema internacional, y que L ,, Af, y 7 2 son lasunidades en el sistema bri
tánico, para pasar de un sistema a otro se considera que:
= (3.91)
Ai, = m M 2 (3.92)
Tx = t T2 (3.93)
en donde, l m y i son factores de conversión.

Para cam biar las unidades en que está expresada una cantidad física se debe tener en
cuenta que su magnitud es independiente del sistema de unidades que se emplee para
medirla. Por lo tanto:
N ( O í M bx r x ) ^ N \ n Ai? 7?) (3.94)
Donde AT es el valor numérico de la magnitud física en el nuevo sistema de unidades

y Wcl valor numérico en el Sistema Internacional.
Considerando las ecuaciones 3.91,3.92 y 3.93 se tiene la siguiente expresión mate
mática:
W [ ( « , ) " (mAf; ) V j ] = A T (^ M ‘ T¡) (3.95)
Simplificando: N (/* m h tc) = N ' (3.96)
O sea que el nuevo valor de la magnitud en el sistema es: N (/* mb rc)
o lo que es lo mismo (3.97)

E jem plo 11: i determínese el valor de la aceleración d e la gravedad (g = 981 cm /s2) en el sistema britá
nico de unidades.
Solución: Del enunciado del problema se tiene que:

g = LT2
/V = 981
a - 1
b =Q
c=-2
El valor numérico de N ' de g en el sistema británico de unidades es el que va a de

terminarse, y sus unidades son: ft/s 2 = pie/segundo2.
De esto último se deduce que t = 1, ya que la unidad de tiempo no cambia.
Por otra parte, se sabe que: 1 pie = 30.48 cm. Es decir: / = 1/30.48 pie/cm. Entonces
el valor d e N ' se calcula con la ecuación 3.94: N (/* m b t c) = N '
Sustituyendo valores: /V = 9 8 l |^ ^ j (m )°(l) ‘ j=

AT=32.2
Finalmente se establece que: g = 981 cm/s2= 32.2 ft/s2.
Ejercicios
M edición de in certidum bres 6. Dos resistencias dieron las siguientes lectura:
R 1 = (200 ± 5) Í2 y R2 =(250 ± 3) íl. ¿Cuál es la incer
tidumbre absoluta de la resistencia total en serie y la
1. Se usa un flexómetro (la división mínima es hasta
resistencia total en paralelo?
mm) para medir una longitud de 30.00 cm. ¿Cuál es la
incertidumbre absoluta y relativa? 7. Al medir indirectamente el valor de una resistencia
(V = R I\ la lectura del voltaje es V = (9.4 ± 0.1) volts y la
2. Un micróinctro puede leer hasta 0.01 mm en la me
de la comente es / = (1.20 ± 0.02) amperes. ¿Cuál es
dición de un diámetro de 4.00 mm, ¿cuál sería la incer-
la incertidumbre absoluta del valor de la resistencia?
tidumbre relativa y relativa porcentual?
8. Una medición de densidad de a los siguientes valo
3. ¿Cuál es la menor distancia que puede medirse
res: masa m = (15.281 ± 0.005) g: volumen V = (12.30
usando una regla (con divisiones mínimas hasta mm),
± 0.5) cm3. ¿Cuál es la incertidumbre absoluta en la
de manera que la incertidumbre no exceda de 2%?
densidad?
4. Un vemier puede leer hasta 0.1 mm. En la medi
9. Un condensador C = (5 ± 0.1) pf es cargado con
ción de un prisma de 5 mm, ¿cuál sería la incertidum
una diferencia de potencia de V = (80 ± 1) V, tiene una
bre relativa?
carga cuyo valor se calcula de Q = C x V. ¿Cuál es la
5. Se va a colocar una cinta en la orilla de una mesa incertidumbre absoluta de la carga?
cuadrada. Si al medir los lados se encontró que son
10. Un alambre de sección circular tiene una medida
iguales y con un valor de (74.4 ± 0.5) cm, ¿cuál es el
de 0.31 mm de radio y desviación estándar de 0.2 mm.
valor de su perímetro? Exprese el resultado con su in
¿cuál es el error del área medida?
certidumbre. La div isión efectuada sobre los lados de
un plano rectangular arrojó los siguientes resultados,
11. Si al medir el volumen de un objeto por desplaza
L \ =(14.10±0.05) cm y L2 = (8.6 ±0.05) cm,¿cuál es
miento de agua en una probeta se obtienen los siguien
la incertidumbre absoluta del perímetro y la incerti tes valores V} = (340 ± 0.5) inl y V\ = (392 ± 0.5) mi,
dumbre relativa del área? reporte el volumen con su incertidumbre absoluta y re
lativa porcentual asociada.
Ejercicios 81
R e p re se n ta c ió n g ráfica
Con base en las siguientes tablas: de levaduras en función del tiempo
Tiempo
Concentración de levaduras
1. en horas
0 2.00E+Q0
Gasto en litros/h de un m otor trabajando 1 5.44E+00
a diferentes potencias 2 1.48E+01
T
3 4.02E+01
Litros gastados/h Potencia (N) 4 1.09E+02
10 5.5 5 2.97E-f02
20 6 6 8.07E+02
30 6.5 7 2.19E+03
40 7 8 5.96E+03
50 7.5 9 1.62E+04
60 8 10 4.41E+04
mm
70 8.5 11 1.20E+05
12 3.26E+05
80 9
13 8.85E->05
90 9.5
14 2.41E+06
100 10 15 6.54E+06
110 10.5 16 1.78E-f<)7
120 II 17 4.83E+07
130 11.5 18 1.31 E-K)8
140 12 19 3.57E+08
150 12.5 20 9.70E+08
160 13 21 2.64E+09
170 13.5 22 7.17E+09
180 14 23 1.95E+10
^A
24 5.30E+10
190 14.5
25 I.44E+11
200 15
26 3.91E+11
210 15.5 27 I.06E+12
220 16 28 2.89E+12
230 16.5 29 7.86E+12
240 17 30 2.14E+13
250 17.5 31 5.81E+13
260 18 32 1.58E+14
270 18.5 33 4.29E+14
280 19 34 I.17E+15
290 19.5 35 3.17E+I5
36 8.62E+15
300 20
37 2.34E+16
38 6.37E+16
39 1.73E+I7
40 4.71E+17
41 I.28E+18
42 3.48E+18
43 9.46E+18
44 2.57E+19
45 6.99E+19
46 1.90E+20
47 5.16E+20
48 1.40E+21
3. 1. Construya la representación gráfica con la escala co

rrespondiente (normal, semilogarítmica y/o logarítmi
Concentración isotópica en función del tiempo ca) que represente un comportamiento lineal.
Tiempo en horas Concentración isotópica 2. Determine la ecuación de la línea recta a través de
0 0.00 los métodos de pares de puntos y de los mínimos cua
100 5.81 drados.
200 7.27
300 8.30 3. Determine el coeficiente de correlación del compor
400 9.11 tamiento lineal.
500 9.80
600 10.40
A nálisis dim ensional
700 10.93
800 11.41 Con base en el análisis dimensional realice los siguien
900 11.86 tes procedimientos:
1000 12.27
1100 12.66 1. Comparar en términos cualitativos las ecuaciones
1200 13.02 y determinar si son dimensional mente homogéneas:
1300 13.37
m ri m /i n u ¡2
1400 13.69 a) F — , b) £ = — t c) W = ^
1500 14.00 / 2i
1600 14.30 mv Fd
1700 14.58 d) P
1id ^ ' C) P = aV
v
1800 14.86
1900 15.12
2000 15.37 Donde F = fuerza, m = masa, d = distancia, t = tiempo,
2100 15.62 E = energía, a = aceleración, W = trabajo. P = presión,
2200 15.86 v = velocidad y V = volumen.
2300 16.09
2400 16.31 2. Determinar las dimensiones de las siguientes cons
2500 16.53 tantes:
2600 16.74 a) La constante de gravitación universal G, en la rcla-
2700 16.95 Mm
2800 17.15 dón F = G —r - donde Fcsta en ncwtons, M y m
r‘
2900 17.35 están en kilogramos y r en metros.
3000 17.54 b) La constante de Boltzmann Aen la rcladón e = kT ,
3100 17.73 donde e está en joules y Ten kclvin (K).
3200 17.91 c) La constante de Planck h. en la relación =hf,
3300 18.09 donde e está en joules y / e n hertz (s-1).
3400 18.27
d) l a permitividad eléctrica del vacío o cons
3500 18.44
tante dieléctrica del vacío en la relación
3600 18.61
3700 18.78 F = ------------- , donde Fes la fuerza de atracción
3800 18.94 4 r
3900 19.10 o repulsión entre dos cargas eléctricas y está dada
4000 19.26 en (N). q, y q} son cargas eléctricas en coulomb
4100 19.41 (C = A • j) y r distancia en metros entre las cargas.
4200 19.57
4300 19.72 3. Establecer y realizar experimentos, y generalizar
4400 19.86 los resultados.
4500 20.01 a) Deducir, mediante análisis dimensional, la forma
4600 20.15
de la expresión de la velocidad de caída libre de un
4700 20.29
cuerpo desde una altura h.
4800 20.43
Bibliografía 83
b) Se lanza un proyectil de masa m en dirección hori d) Un cuerpo de 1.25 kg se mueve con una velocidad
zontal. con una velocidad inicial v0, desde una al de 6 m/s. Calcule su energía cinética en: i) joules,
tura h. Hallar el alcance x utilizando el análisis ii) poundal.ft, iii) atm.litro.
dimensional. Hacer lo mismo si la velocidad ini e) Ijí constante R que interviene en la ecuación de
cial forma un ángulo a con la horizontal. los gases ideales es R = 0.08206 atm.L/(molg.K).
c) La potencia requerida para mover una hélice de Calcule su valor en las siguientes unidades: i)
pende de las siguientes variables: D diámetro de la (mmHg).cmV(molg.K). ii) cal/(molg.K), iii) Btu/
hélice, r densidad del fluido, c velocidad del soni (mol-lb.°R), iv) bar.L/(molg.K).
do en el fluido, w velocidad angular de la hélice, y f ) En una referencia bibliográfica se encontró que la
h viscosidad del fluido. Analice cuántos grupos densidad relativa del ctanol a 60 °F, con respecto al
adimensionales caracterizan este problema y dé agua a 60 °F, es 0.7939. ¿Cuál es la densidad del
una expresión para los mismos. ctanol en g/cm' a 60°F si el volumen específico
del agua a dicha temperatura es 0.016030 ftVIb?
4. Realizar las siguientes conversiones: g) La transmisión de calor por conducción está dada
a) La densidad de un líquido es 755 kg/m \ Calcule el por la ecuación: q = kADÍ7dx, donde Les la conduc
valor de la densidad en las siguientes unidades: i) tividad térmica del material y dTes la diferencia de
Ib/ft1, ii) o z/in \ iii) lb /m \ iv) g/cm5. temperatura. Si la conductividad calorífica de deter
b) Exprese el valor de la aceleración normal de la minado material es k 30 Kcal/(m.h.<C ), exprese
gravedad (9.80665 m/s2) en las siguientes unida su valor en las siguientes unidades: i) Btu/(fl.h.aF),
des: i) ft/s2, ¡i) km/h2, iii) in/h2, iv) milc/h2. ü) W/(cm.°C). üi) cal/(cm.h.°K).
c) El peso de un objeto es de 100 kg en un lugar de la h) La energía potencial de la carga de un depósito
Tierra en el que la aceleración de la gravedad es con respecto a un determinado nivel de referencia
9.805 in/s2. ¿Cuál es la masa del objeto expresada es de 12500 poundal.ft. Exprese su valor en:
en kg? Si el volumen del objeto es de 15 litros, i) joules, ii) kWh, iii) atm.litro, iv) Ibf.ft.
¿cuál su densidad en lb/fl3?
Bibliografía
Baird. D.C. (2003). Experimentación: Una introducción a la teoría de mediciones y al diseño
de experimentos. México: Fearson Educación.
Bcmal, C.A. (2006). Metodología de la imestigación. México: Pcarson-Prcnticc Hall.
Castañeda, J J.; De la Torre, L.M. Morán, R. y Lara, R.P. (2002). Metodología de la im'esti-
gación. México: McGraw-Hill.
Gutién-ez, A.C. (2001). Introducción a la metodología experimental. México: Limusa-Norie-
ga-
Hernández, S.R.; Fernández, C. y Baptista, L. (2003). Metodología de la investigación.
México: McGraw-Hill.
Montgomcry, D.C. (1991). Diseño y análisis de experimentos. México: Grupo Editorial Ibe
roamericano.
Navidi, W. (2006). Estadística para ingenieros y científicos. México: McGraw-Hill.
Tamayo y Tamayo, M. (2002). El proceso de la imestigación científica. México: Limusa.
C A P IT U L O 4
Análisis descriptivo de los datos

Introducción
Hasta ahora no existe una definición de estadística; sin embargo, una interpretación acer
tada podría ser: “una colección de hechos y circunstancias pasadas, de interés vital, tales
como el número de devaluaciones de nuestro país, el número de acciones en las bolsas
de valores, o el número de personas encuestadas en una consulta para la ejecución de una
obra pública”. Aunque estas y otras actividades se atribuyen frecuentemente al campo de
la estadística, aún no existe un acuerdo respecto a su definición. ¿Qué es entonces la es
tadística? Es imposible obtener una respuesta única, pero es posible partir de lo siguiente
para comprender un poco:
1. En el día a día se considera que la estadística es una colección de hechos numé
ricos expresados en términos de una relación resumida, que han sido recopilados
a través de varias observaciones o a partir d e otros datos numéricos. Desde este
punto de vista, la estadística está constituida por una colección de enunciados
tales com o “el coeficiente intelectual promedio de los estudiantes del Centro
Universitario de Ciencias Exactas e Ingenierías (CUCEI) es de 100”. o “seis de
cada 10 estudiantes de CUCEI son mujeres", o bien, “el campeón del fútbol
mexicano anotó 40 goles durante esta temporada”.
2. En términos técnicos, la estadística es considerada com o un método para tratar
datos numéricos. Esta definición refuerza el concepto de que la estadística es un
instrumento orientado a la recolección, organización, análisis, presentación e in
ferencia de datos numéricos o de observaciones.
Este segundo concepto constituye el objeto de estudio de este capítulo. Pero antes
es necesario diferenciar las dos funciones del método estadístico denominadas: estadísti
ca descriptiva y estadística inductiva o inferencia estadística. El objetivo d e la estadística
descriptiva es recolectar, organizar, analizar y presentar la información de forma conve
niente, útil y comprensible. Mientras que la estadística inductiva se ocupa de generalizar
esta información; además, a partir de las muestras extraídas hace inferencias acerca de
poblaciones.
Al describir la función de la estadística han aparecido ciertos términos que pueden
o no ser familiares, por lo que es necesario comprender su significado, ya que serán
empleados con frecuencia en el capítulo.
85
86 C apítulo 4 Análisis descriptivo de los datos
Términos com unes utilizados en estadística

• Variable: característica o fenómeno que puede tom ar diferentes valores. Peso,
coeficiente intelectual, estatura y género son ejemplos de variables, dado que pue
den tom ar distintos valores cuando se observan diferentes individuos.
• Datos: valores numéricos que adoptan las variables y que han sido recopilados
com o resultado de las observaciones, entre los que destacan los recuentos (datos
de frecuencias): el número de alum nos que estudian en el CUCHI, o las califica
ciones obtenidas en el caso de una prueba psicológica o educativa, entre otros.
• Población o universo: conjunto completo de individuos, objetos o medidas que
poseen alguna característica común observable. Por ejemplo, todos los ciudada
nos de un país constituyen una población, pero tam bién toda la producción men
sual de perfiles tubulares de acero puede formar otra población.
• Población finita: cuenta con un número fijo de valores.
• Población infinita: consta de una sucesión sin fin de valores.
• Parámetro: cualquier característica estadística de una población que sea mcdiblc,
por ejemplo, la proporción de personas del sexo femenino que laboran en una
universidad. Comúnmente se acostumbra utilizar letras griegas (p, a 2, &) para
representar los parámetros de las poblaciones.
• Muestra: subconjunto de la población o universo. Por ejemplo, algunos ciudada
nos de un país, un lote de perfiles de acero producidos durante un mes.
• Estadístico: cualquier característica estadística de una muestra que sea medible;
comúnmente usamos un estadístico que se calcula a partir de una muestra para
estimar el parámetro de una población; por ejemplo, una muestra de los habitan
tes de la Zona M etropolitana de Guadalajara (ZMG) en edad para votar se emplea
para estimar la proporción de preferencias electorales de la población total de la
ZMG. Con frecuencia se utilizan letras itálicas ( X , s) para representar un estadís
tico de las muestras.
En la práctica diaria es más frecuente trabajar con muestras que con toda una pobla
ción, sobre todo cuando esta es bastante numerosa. Por tal motivo, es importante traba
ja r con muéstreos representativos cuando se quieren inferir los resultados de toda la po
blación. Por ejemplo, una fábrica produce tom illos de alta precisión, para los cuales
existen estrechos márgenes de tolerancia con respecto a su diámetro. Com o parte de los
procedimientos de control de calidad se selecciona un número d e tom illos de la produc
ción diaria y se determina, cuidadosamente, su diámetro. Los tom illos seleccionados
constituyen la muestra, que debe ser representativa de toda la población d e tomillos
producidos. La variable es el diámetro de los tomillos. Los datos están constituidos por
las medidas de todos los tomillos que conforman la muestra. Cuando los datos son m a
nipulados, de acuerdo con ciertas reglas pueden obtenerse algunas características repre
sentativas de la totalidad, por ejemplo, el diámetro promedio de los tom illos; además, el
valor numérico resultante constituye un estadístico. La población, en la cual estamos
interesados, es la producción diaria total de la fábrica. FJ diámetro promedio de los tor
nillos producidos en un día constituye un parámetro. Es poco probable que el parámetro
sea conocido siempre, ya que para lograrlo se requiere la medición de cada tomillo pro
ducido durante el día. Esto consumiría mucho tiempo, dinero y esfuerzo, por lo cual es
raro que se emprenda un estudio exhaustivo de las poblaciones. En consecuencia, los
Inferencia estadística 87
parámetros poblacionales son poco conocidos, pero pueden ser estimados a partir de
muestras estadísticas.
Estadística descriptiva
Cuando una persona conduce un estudio debe reunir una gran cantidad de datos acerca
del problema en cuestión. Los datos inicialmentc son un enredo de calificaciones, re
cuentos, frecuencias, etcétera. La estadística descriptiva establece procedimientos para
la presentación de datos de una forma más útil y significativa, básicamente, a través de
tablas y gráficas. Asimismo, formula reglas para calcular los estadísticos a partir de los
datos originales.
Imaginemos que un tutor académico quiere someter a un grupo de estudiantes a una
serie de pruebas (para medir su inteligencia, disposición, aptitud, actitud, capacidades,
personalidad, entre otras). ¿Qué tipo de operaciones podrá ejecutar con las calificaciones
y medidas resultantes para cumplir con la función descriptiva?
1. Reorganizar las calificaciones y agruparlas de varias formas para obtener una
visión global de todo el conjunto de datos (distribución d e frecuencias).
2. Construir tablas, gráficas y figuras que permitan visualizar los resultados (técni
cas de representación gráfica).
3. Convertir los resultados originales en formas más útiles para propósitos específi
cos (rangos percentiles. calificaciones estándar o grados).
4. Calcular promedios para aprender algo acerca del comportamiento específico de
sus problemas (medidas de tendencia central).
5. Emplear el promedio como referencia para describir la dispersión de calificacio
nes con respecto a esc punto central (medidas de dispersión).
6. Establecer una relación entre dos conjuntos diferentes de datos, ajustar el com
portamiento a una función matemática (recta, cuadrática, potencia, logaritmo,
potencial polinomial, entre otros) y establecer el grado de correlación entre los
conjuntos de datos a través del coeficiente de correlación.
Por citar un ejemplo, el tipo de correlación y el coeficiente de correlación son extre
madamente útiles al tutor en el caso de que quiera determinar la relación entre inteligen
cia y calificaciones escolares, entre personalidad y aptitudes, o entre personalidad c
intereses. Una vez establecidas estas relaciones, podrá em plear las calificaciones obteni
das (a partir de una de las pruebas específicas) para predecir el comportamiento de algu
na de las otras (correlación, regresión y predicción).
Com o se menciona en el ejem plo anterior, la estadística descriptiva permite inter
pretar los datos que se han obtenido y, al mismo tiempo, realizar el trabajo previo a la
estadística infcrencial.
Inferencia estadística
El trabajo de un científico no llega a su fin cuando ha concluido la función descriptiva.
Por el contrario, está más cerca del principio que del final de la tarea. Esto resulta evi
dente si se considera que el propósito de una investigación es explorar la hipótesis de

naturaleza general y no solamente comparar muestras.
ftira ejemplificar, imaginemos que un desarrollador de nuevos medicamentos está
interesado en conocer los efectos de una droga “X” en la ejecución de una tarea que in
volucra coordinación psicomotora. Para ello se diseña un estudio que implique dos con
diciones: una experimental y otra denominada “control” . En la primera se suministra
la droga a los sujetos de estudio por periodos previamente definidos; mientras que en la
segunda condición, se proporciona a los sujetos de control una píldora inocua (placebo)
que contenga ingredientes inertes. Después de que todos los sujetos hayan sido someti
dos a la prueba, se elabora su función descriptiva. Así se determinará que, en promedio,
los sujetos experimentales no actuaron tan bien como los de control. Es decir, la media
aritmética de los datos del grupo experimental fue más baja que la del grupo de control.
En consecuencia, el investigador se preguntará “¿puedo concluir que la droga produjo tal
diferencia entre los dos grupos?”, o dicho de otra manera, “¿puedo asegurar que la droga
tiene un efecto adverso sobre la ejecución de la tarea que se investiga?”. Para responder
estas interrogantes no es suficiente la estadística descriptiva y se debe recurrir a la esta
dística inferencial.
El análisis de la información podría develar que “aun si la droga no tuviera efectos,
es altamente improbable que los resultados de ambos grupos hubiesen sido idénticos.
Alguna diferencia habrá de observarse” . La intervención de variables incontrolables
(errores aleatorios) ciertamente produce alguna disparidad entre las medidas de los gru
pos. La pregunta crítica, desde el punto de vista de la inferencia estadística sería: ¿es la
diferencia lo suficientemente grande para descartar las variaciones incontroladas en el
experimento como una explicación satisfactoria? Enunciándolo de otra manera, si se
repitiera el experimento, ¿seríamos capaces de predecir con confianza que las mismas
diferencias (ejemplo, una medida es más grande que la otra) se repetirían de manera
sistemática?
En el momento en que surgen estas preguntas nos movemos hacia el área del análi
sis estadístico conocida com o inferencia estadística o estadística inductiva. Sin em bar
go, la estadística inferencial está fuera del alcance de este capítulo, por lo que no se
abordará a detalle.
Técnica de m uestreo
En la mayoría de los casos es necesario obtener muestras de una población, las cuales se
analizarán, y su resultado tendrá que ser representativo para poder extrapolarlo a toda la
población. Cada una de las unidades de observación que conforman la muestra deben ser
elegidas al azar (alcatoriedad), pertenecer a esa misma población (homogeneidad), tener
la misma oportunidad de ser seleccionadas (representatividad) y no estar condicionadas
entre sí (independencia). Existen varias técnicas para obtener una muestra, pero las más
utilizadas son: muestreo aleatorio simple, muestreo sistemático, muestreo de racimos y
muestreo estratificado.
Estos conceptos se pueden ilustrar mediante un ejemplo. Para una investigación de
salud se desea conocer el peso, edad, estatura y sexo de 10 000 estudiantes (población)
de un centro universitario. Sin embargo, resulta difícil obtener las mediciones de cada
elem ento de la población, por lo que se decide hacerlo mediante la extracción de una
M itos de la estadística 89
muestra de 500 estudiantes. Un ejemplo de cóm o proceder con las diferentes técnicas
de mucstrco es la siguiente:
• Muestreo aleatorio simple: es una técnica de generación de números aleatorios

(como en los sorteos), que se hacen corresponder la matrícula escolar para selec
cionar a los 500 estudiantes y obtener la muestra. La característica principal de
este muestreo es que. de todas las formas posibles de extraer la muestra conteni
da en la población de estudiantes, cada uno de ellos tiene la misma posibilidad de
ser elegido.
• M uestreo sistemático: se caracteriza por llevar un orden con respecto a una se
cuencia en tiem pos o espacios. Por ejem plo, suponer que se decide obtener
dicha m uestra tom ando uno de cada 20 estudiantes en el orden del m atriculado
con núm eros 2 0 ,4 0 ,6 0 ,..., 460, 480, etcétera, son seleccionados para formar la
muestra. En este caso, los m atriculados con números 1, 2, 3,..., 19, 21.....
481........499, no contaban con las características definidas para form ar parte de
la muestra.
• Muestreo de racimo: se puede obtener la muestra de los 500 estudiantes aprove
chando el hecho de que la población estudiantil se encuentra agrupada en racimos
en las aulas de clase. Después de esto se toman muestras aleatorias de los raci
mos (aulas). En esta técnica se supone que cada racimo es representativo de la
población como un todo.
• Muestreo estratificado: este tipo de muestreo divide la población en subpoblacio-
nes llamadas estratos. Dentro de cada estrato se selecciona una muestra; cada
elemento de la muestra se selecciona al azar y de manera independiente. Los
estratos deben estar constituidos de la manera m ás homogénea posible, lo que
provoca que el error de estimación sea más pequeño y hace que la muestra estra
tificada sea precisa.
Estos ejemplos ¡lustran las diferentes técnicas de muestro, pero no las detallan, ya
que el estudiante es quien debe profundizar en este tópico; para ello, puede consultar la
bibliografía especializada de estadística.
M itos de la estadística
Con frecuencia se comete el error de creer que la estadística es un método sofisticado

para fabricar mentiras o falsificar la descripción de la realidad. Es verdad que algunos
individuos la emplean con esos propósitos (mercadotecnia); sin embargo, el propósito
de este capítulo no es enseñar estas técnicas, sino prevenir el uso mal intencionado del
análisis estadístico, de modo que el lector no pueda “decir una mentira” sin darse cuenta
y tenga la capacidad de notar cuando otros lo hagan.
Finalmente, es necesario que en la práctica se desarrolle el pensamiento estadístico
para poder aplicar estos conceptos en las actividades diarias sin im portar qué tan rutina
rias sean. Si se hace del pensamiento estadístico un liábito cotidiano, el estudio de las
estadísticas se vuelve más interesante.
Requisitos para aprender estadística

Es usual escuchar, entre los estudiantes, que las matemáticas son aburridas, difíciles y
para genios. Para muchos, esta es una apreciación desalentadora basada en experiencias
previas con las matemáticas. Muchas de las fórmulas que aparecen en este capítulo po
drían incrementar este temor, puesto que a primera vista parecen indescifrables e im po
sibles de dominar. Sin embargo, no se necesita ser un genio matemático para dominar la
estadística descriptiva. Los conocimientos matemáticos sofisticados, que son necesarios
para dominar los fundamentos de la estadística, han sido exagerados. En realidad, lo que
se requiere para aprender estadística es un buen aprendizaje del cálculo aritmético y la
lógica, así como el empeño para aprenderlo hasta dominarlo.
Lenguaje m atem ático

Las matemáticas poseen un lenguaje elemental, sim ilar al lenguaje hablado. Es así
como las matemáticas tienen sustantivos, adjetivos, verbos y adverbios.
• Sustantivos matemáticos: en matemáticas comúnmente se emplean símbolos para

representar cantidades (o resultados). La notación que se utiliza con mayor fre
cuencia en estadística es X. pero en ocasiones también se usa Y. En resumen, X y
Y se emplean para identificar variables; por ejemplo, si se estudian las variables
peso y altura, X representaría el peso y Y la altura. Otro sustantivo usado frecuen
temente es el símbolo N o n, que representa el número de elementos de una pobla
ción o muestra que se estudia, o bien, si se trabaja con una muestra o población n
o N, representará el número de observaciones o datos.
• Adjetivos matemáticos', cuando se quiere modificar un sustantivo matemático
para identificarlo con mayor precisión por lo general se empican subíndices. Por
lo tanto, si tenemos una serie de observaciones o resultados podemos represen
tarlos como X r X 2, Xy XA, etcétera. También, es frecuente encontrar la expresión
X., en la que el subíndice i puede tom ar el valor que nosotros deseemos y X h re
presentará el n-ésimo valor de X.
• Verbos matemáticos: las notaciones que dirigen al lector a realizar alguna acción
tienen las mismas características que los verbos en el lenguaje común. Uno de los
verbos m ás importantes es el símbolo I (letra griega sigma). Esta notación indica
la suma de todas las cantidades u observaciones que siguen al símbolo. De esta
manera, á(X,, X 2, Xy X4, X J dice que se deben sumar todas las cantidades desde
X ] hasta X y Otros verbos frecuentes son J ~ , que indica la extracción de la raíz
cuadrada y los exponentes com o (X*), los cuales significan que se debe elevar
una cantidad a la potencia n indicada. En matemáticas, los verbos matemáticos se
conocen comúnmente com o operadores.
• Adverbios matemáticos: son notaciones que, como en el lenguaje cotidiano, mo
difican a los verbos. Con frecuencia, los símbolos de suma están modificados por
notaciones adverbiales. Por ejemplo, imaginemos que vamos a indicar que las
siguientes cantidades deberán ser sumadas:
X, + X, + XJ+ X 4+ Xs+... + Xn
M edidas de tendencia central 91
La representación simbólica de esta operación es:
¿X , (4.1)
(-1
Las notaciones colocadas abajo y arriba del símbolo de suma indican que / tomará
sucesivamente los valores 1,2, 3 ,4 , 5 ... hasta n. Verbalmente, la notación se lee:
“Debemos sumar todas las cantidades de X empezando en i = 1,

que es, X y prosiguiendo hasta i = n (que es, X )”.
Algunas veces esta forma de notación puede indicar la suma, pero únicamente de las
cantidades seleccionadas:
= X 2+ X i + X Á+ X i (4.2)
i-2
Parám etros estadísticos
M edidas de tendencia central

El objetivo de las medidas de tendencia central es sintetizar los datos en un valor repre
sentativo. Estas son la media aritmética o promedio, la mediana y la moda, de la cuales,
el estadístico elegido para sim bolizar una distribución es la media, que es el valor más
representativo de todos los que toma la variable. Sin embargo, se debe tener especial
cuidado de elegir la media como el valor representativo en caso de que la variable es
tudiada presente valores anormalmente extremos, pues dependiendo de su valor, estos
tendrán el efecto de desplazar la media hacia el extremo derecho cuando haya valores
anormalmente altos, o al extremo izquierdo de la distribución cuando haya valores anor
malmente bajos. En esta situación, un mejor valor representativo de la posición central
de la distribución es la mediana, ya que refleja exactamente al valor que se localiza en el
centro de una distribución ordenada.
Media aritmética
Se define com o la suma de todos los valores de la distribución dividida entre el número
total de datos. En una muestra cuyos valores están dados por X,, Xv .... Xn, la media
aritmética está definida como:
II
X*,
X = -=!— (4.3)
n
Por ejemplo, para los siguientes datos: 15, 18, 12, 13, 12, 13, 16, 13, 12, 15,19, 12,
15, 13, 12, la media será:
- 1 5 + 1 8 + 12 + 13 + 12 + 13 + ...+ 12 _ tA
A— — I*r
Mediana
Se refiere al dato que ocupa la posición central en una muestra ordenada, por lo que deja
a su izquierda y derecha el mismo número de observaciones. De esta forma, para calcu
lar el valor de la mediana del ejemplo anterior, primero se procede a ordenar los datos.
12 12 12 12 12
13
13 13 13 15J 15
15 16 18 | 19
Si el número de datos fuera impar, como es el caso del ejemplo, 13 es el valor de la

mediana y se ubica en el centro de la distribución; por lo tanto, queda el mismo número
de observaciones a la izquierda y a la derecha. Cuando el número de observaciones es
par puede decirse que hay dos valores medianos; sin embargo, se toma com o mediana la
media aritmética entre ellos. Para los valores 2,4,3,5,4,3r5,7,6,2,4,5,7,4, cuyo total de
valores es un número par (14), la mediana sería igual al valor promedio de los dos valo
res centrales de la muestra ordenada.
4+4
Me = =4
Moda
La moda es el valor de la variable que m ás veces se repite en la muestra, por lo que para
los dos casos anteriores la moda es de 12 y 4, respectivamente. El primero con cinco
repeticiones, y el segundo con cuatro. Sin embargo, habrá casos en los que más de un
valor se repita el mismo número de veces, por lo que la muestra puede ser bimodal (dos
valores con la misma frecuencia); trimodal (tres valores); o polimodal (para m ás de tres).
También existe la posibilidad de que el número d e repeticiones de los valores sea homo
géneo, en cuyo caso no existe moda.
Cabe señalar que la moda es la medida más representativa en el caso de distribucio
nes de variables en escala nominal, debido a que las distribuciones de este tipo presentan
datos no susceptibles de ordenación, de tal forma que para estas distribuciones no es
posible realizar operaciones elementales con sus observaciones.
M edidas de dispersión
Las medidas de dispersión cuantifican la dispersión y variabilidad de los valores de
la distribución respecto al valor central. Permiten calcular la representatividad de una
medida de posición, para lo cual será preciso cuantificar la distancia de los diferentes va
lores de la distribución respecto a dicha medida. A tal distancia es a lo que, en términos
estadísticos, le se llama variabilidad o dispersión de la distribución.
Las medidas de dispersión tienen com o finalidad estudiar hasta qué punto, para una
distribución de frecuencias determinada, las medidas de tendencia central o de posición
son representativas como síntesis de toda la información de la distribución.
Medir la representatividad de una medida de posición equivale a cuantificar la sepa
ración de los valores de la distribución respecto a dicha medida. Por ejemplo, se desea
M edidas de dispersión 93
estudiar en qué grado una media aritmética marca una tendencia central generalizable
del comportamiento de todos los elementos del conjunto por lo que primero se tendrá
que fijar la atención en la desviación de cada valor respecto a la media. Si todos los va
lores están cercanos al valor medio, este será representativo de ellos. La media aritm éti
ca de una variable es m ás representativa cuanto más agrupados estén los valores en tomo
a ella; y por el contrario, será más rechazable en la medida que exista mayor dispersión
de los valores de la variable respecto a la media.
Las medidas de dispersión son el rango, la desviación media, la varianza, la desvia
ción estándar y el coeficiente de variación.
Rango
El rango es la medida de dispersión más sencilla de calcular e interpretar, puesto que
simplemente es la diferencia entre los valores máximo ( X J y mínimo (XnJ . Indica la
variación máxima que se presenta en la muestra y está definida como:
(4.4)
De manera que para los siguientes los valores 2, 5 ,4 , 7 ,6 ,9 , el valor del rango está
dado por R - 9 - 2 = 7 , que representa la amplitud entre los extremos de la distribución.
Desviación media
1.a desviación media se define com o la m edia aritm ética del valor absoluto de las d i
ferencias de los valores de la variable con respecto a la m edia aritm ética y se expresa
así:
¿ I*. -x|
DM = ----------- (4.5)
n
La tabla 4.1 muestra el proceso del cálculo de la desviación media para la siguiente
serie de valores:
94 97 95 95 94 96 90 93 89 95
Primero, se calcula la media con la ecuación correspondiente:
^ _ 94 + 97 + 95 + 94 + ... + 95 . . _
X - - = 9 3 .8
Después, en la tabla, a cada uno de los valores se le resta el valor promedio, para
luego obtener el valor absoluto y la sumatoria de las desviaciones. Dichos valores se
sustituyen en la ecuación de la desviación media para obtener la separación de la distri
bución con respecto a la media aritmética.
94 Capítulo 4 Análisis descriptivo de los datos
Tabla 4.1: Proceso del cálculo de la desviación media.
Valores (A1,) Xt-X \X, - x\
89 -4 .8 4.8
90 -3 .8 3.8
93 4 ). 8 0.8
94 0.2 0.2
94 0.2 0.2
95 1.2 1.2
95 1.2 1.2
95 1.2 1.2
% 2.2 2.2
97 3.2 3.2
n = 10 0 ¿ | X , - X | = 18.8
f-l
Si se sustituyen los valores en una ecuación, se tendrá:
DAÍ = 1 M = j .88
10
Varían /.a
De todas las medidas de dispersión, respecto a la media aritmética, la varianza y su raíz
cuadrada (desviación típica) son las más importantes. La varianza se define com o la m e
dia aritmética del cuadrado de las desviaciones de los valores de la variable a la media
aritmética, mediante la expresión:
5 ’ = ■“ (4.6)
n -1
La mayor desventaja de la varianza quizá sea la dificultad para interpretarla, ya que

se expresa en las mismas unidades que la variable original pero al cuadrado. Un alcance
mucho más práctico se logra con la desviación estándar, que al ser producto de la raíz
cuadrada de la varianza, sus unidades quedan expresadas en las mismas unidades de
medida que la variable original. De esta manera, la desviación estándar es una medi
da m ás objetiva del promedio de separación que existe en la distribución con respecto a
la media aritmética. En la tabla 4.2 se muestra el proceso de cálculo de la varianza para
los valores anteriores.
En dicha tabla, a cada uno de los valores se le resta el valor promedio, para luego
elevar al cuadrado y obtener la sumatoria de las desviaciones cuadráticas. Estos valores
se sustituyen en la ecuación de la varianza para obtener su valor, que expresa la separa
ción cuadrática que existe en la distribución con respecto a la media aritmética.
Tabla 4.2: Proceso del cálculo de la varianza.
Valores (* ,) x ,- x ( x , - x )2
89 -4 .8 23.04
90 -3 .8 14.44
93 -0 .8 0.64
94 0.2 0.04
94 0.2 0.04
95 1.2 1.44
95 1.2 1.44
95 1.2 1.44
96 2.2 4.84
3.2 10.24
97
X ( X , - X ) J = 57.6
O
II
La ecuación correspondiente a la varianza es:
S’ = ™ = 6 . 4
10-1
Desviación estándar
La desviación típica es la raíz cuadrada de la varianza. De manera más práctica informa
cuál es el promedio de separación que existe en la distribución con respecto al valor
promedio. Se expresa en las mismas unidades que la variable original. La expresión para
su cálculo es:
S = V~
l¿(*.-xf (4.7)
i f l- 1
Para el ejemplo anterior, la desviación estándar será: S = v 'M = 2 .5 3 , que apoya el

valor de la media como representativo de la distribución de los datos. La magnitud de
este valor indica que los datos se encuentran agrupados en tom o al valor promedio.
Coeficiente de variación
El coeficiente de variación (CV) expresa la desviación estándar respecto a la media
aritmética, usualmente en porcentaje, para una interpretación más clara del grado de
variabilidad de la desviación típica en relación al valor promedio; en otras palabras, es la
desviación estándar de la media aritmética expresada como porcentaje.
C apítulo 4 Análisis descriptivo de los datos
El CV es útil para comparar las dispersiones de dos distribuciones distintas, siempre

que sus medias sean positivas. A mayor valor del CV, mayor heterogeneidad de los valo
res de la variable; y a menor CV. m ayor homogeneidad en los valores de la variable. El
coeficiente de variación se obtiene por medio de la siguiente expresión matemática;
CV = ¿ x l O O (4.8)
X
Los valores de la siguiente tabla corresponden al extracto de un estudio realizado a

niños de educación primaria expuestos a ruido ambiental en la Zona Metropolitana de
Guadalajara (7.MG) durante el año 2009. El objetivo del estudio fue evaluar el impacto
d e la contaminación por ruido en la concentración de los alum nos mediante la prueba de
Stroop, que consiste en tres grupos de reactivos (100), escritos con un color de tinta que
provoca una situación de estrés, que deben leer los escolares sin importar el tiempo
que tarde. La tabla 4.3 muestra, de manera general, el total de aciertos obtenidos.
Tabla 4.3: Número de aciertos obtenidos durante una prueba de concentración

sostenida (Preciado, 2010).
G ra d o A ciertos G rad o A ciertos
Tercero 100 Sexto 99

Media de sexto grado: X = +-98-~f- 1j* * t. ^ L 100 _ 99 50 y s = 0.70
Media de tercer grado: X = 1QQ+ 1QQ+ W 0 + ...+ 100 = 99.50 y 5 = 1 .26
El valor de la media para los alum nos de tercero y sexto grados es el mismo. Si el
director del plantel quisiera otorgar un premio a los niños que obtuvieron un mejor des
empeño basado en este valor no sería justo. Sin embargo, mediante los resultados del
CV, al director le quedaría muy claro cuáles alumnos deben recibir el premio. De mane
ra que, los respectivos coeficientes de variación serán:
Variables num éricas 97
= X I00 = 1.26% para tercer grado.

99.60
CV = x i 00 = 0.70% para sexto grado y

99.60
Por lo que el premio debe entregarse a los alum nos de sexto grado, puesto que la
dispersión de los datos con respecto al valor promedio es menor.
Distribución de frecuencias
Se llama distribución de frecuencias al agrupamiento y clasificación de los datos de una
población o de una muestra. Este agrupamiento tiene el propósito de resumir grandes
conjuntos de datos con el fin de facilitar el análisis de las variables que resultan de
las características medidas de un fenómeno o evento en particular. En este apartado
se muestra cómo elaborar una distribución de frecuencias para variables, cuyo resulta
do de medición arroja un registro numérico (variables cuantitativas), así como para aque
llas variables cuyo resultado de medición no es un número sino una cualidad (variables
cualitativas) (ver tabla 2.1).
Variables num éricas

Datos sin agrupar
En las investigaciones científicas, así como en la observación y medición de los fenó
menos que acontecen en la naturaleza, la generación de registros o datos e s una tarea
primordial, ya que por medio de estos se logra una mejor comprensión c interpretación
de los mismos. En función de la cantidad de datos generados se podrán obtener conclu
siones casi de forma inmediata, o se requerirá de la aplicación de algunas técnicas de
agrupación o resumen para el entendimiento de fenómenos más complejos.
Una parte fundamental que comprende el análisis de resultados de las investigacio
nes, son las técnicas de ordenamiento, clasificación o resumen de la información obteni
da. Resulta práctico hacer un análisis directo de la información cuando el número total
de registros no excede los 30 valores. Aunque no existe un criterio bien definido, el in
vestigador o estudiante aplicará el criterio que más le resulte conveniente.
A continuación se presenta un ejemplo práctico que corresponde a las calificaciones
finales de la materia de Metodología experimental en un grupo de 18 alumnos.
Tabla 4.4: Calificaciones finales de la materia de Metodología experimental.
73 69 66 82 68 62 94 83 80
78 97 66 48 66 67 82 44 81
Con el simple hecho de ordenar y contabilizar cuántas veces está presente cada uno
de los valores registrados, se podrá saber con facilidad cuáles son las calificaciones más
frecuentes, las menos frecuentes, o si la mayoría de alum nos obtienen calificaciones
aprobatorias. Por lo tanto, se procede a realizar una tabla simple d e distribución de fre
cuencias de la siguiente manera:
C apítulo 4 Análisis descriptivo de los datos
1. Se ordenan los datos en form a ascendente.
44 66 67 73 81 83
48 66 68 78 82 94
62 66 69 80 82 97
2. Se contabiliza el número de veces que un dato se encuentra presente, lo que co

rresponde a la tabla de frecuencias:
Calificación Frecuencia absoluta

44 1
48 1
62 1
66 3
67 1
68 1
69 1
73 1
78 1
80 1
81 1
82 2
83 1
94 1
97 1
Total 18
A partir del análisis de la tabla se llegó a las siguientes conclusiones:
• Ninguno de los alumnos aprobó la materia de Metodología experimental con 100.

• Dos alum nos obtuvieron calificaciones reprobatorias < 50.
• Tres alumnos obtuvieron 66 y dos alumnos sacaron 82.
La misma serie de conclusiones se puede obtener de la tabla de datos ordenados; sin

embargo, estas no son inmediatas tal como se visualiza en la tabla, donde se presenta la
información de forma compacta y clara.
Existe una forma gráfica que permite una mejor visualización de los resultados, la
cual se denomina diagrama de tallo y hojas. La elaboración de este diagrama depende de
la naturaleza de los datos (si son enteros o presentan decimales). Para el ejemplo que
involucra únicamente enteros, los décim os formarán los troncos, y las unidades las ho
jas. Para los primeros dos valores su tronco es 4 y las hojas son 4 y 8, y así sucesivamen
te. Sin embargo, estos diagramas no son nada prácticos cuando el total de datos que se
analiza es grande.
Tallo H ojas
4 48
6 2 6 7 89
7 38
8 0123
9 47
Del diagrama de tallo y hojas fácilmente se concluye que:
• Dos de los alumnos tuvieron calificaciones reprobatorias.

• Las calificaciones con mayor repetición son de 62 a 69, y en segundo lugar las de
80 a 83.
• Dos alumnos sacan calificaciones mayores a 90.
Datos agrupados
La agrupación o clasificación de los datos resulta práctica cuando se maneja un buen
número de registros. Un criterio conservador para aplicar técnicas de resumen de la
información es cuando el total de valores que se maneja es mayor a 30, aunque habrá
quienes encuentren práctica la aplicación de las técnicas antes descritas.
Para facilitar la comprensión de los pasos para elaborar una distribución de frecuen
cias, se utilizan los datos del promedio diario de concentración de partículas en el aire en
el centro de Guadalajara durante el mes de abril de 2009.
Tabla 4.5: Promedio diario de partículas (PM Wen /ig/m5) durante el mes de abril
de 2009, en el centro de Guadalajara (Centro de Información Ambiental. SEMADES).
26.5 29.2 28.7 24.2 44.3 25.9 33.2 33.4 24.6 33.7 27.3 28.3 30.0 39.0 37.5
29.6 25.4 24.4 24.5 22.4 34.8 34.5 24.8 25.9 20.0 23.0 19.8 32.2 24.6 29.0
Pasos para construir una distribución de frecuencias

1. Se acomodan los datos en un arreglo ordenado, de menor a mayor valor.
19.8 20 22.4 23 24.2 24.4 24.5 24.6 24.6 24.8 25.4 25.9 25.9 26.5 27.3
28.3 28.7 29 29.2 29.6 30 32.2 33.2 33.4 33.7 34.5 34.8 37.5 39 44.3
2. Definir el número o intervalos de clases: es decir, se escoge el número de grupos

o intervalos en los cuales se ubicarán una única vez cada una de las observaciones o
datos. Estas clases deberán ser mutuamente excluyentes y exhaustivas. Esto es, las
observaciones se ubicarán en una y solo una de las clases, y todas las observaciones
del conjunto de datos quedarán incluidas en alguna de las clases definidas.
Como el objetivo de una distribución de frecuencias es resumir el conjunto de datos
para interpretarlos mejor, no es conveniente definir muchas clases; tampoco se deben es
coger muy pocas porque se pierde información. En la práctica, es una decisión que se
debe tom ar después de conocer muy bien el tipo y la cantidad de datos que desea ordenar.
Algunos libros de estadística recomiendan utilizar entre 6 y 15 intervalos; menos de

6 podría indicar que se han resumido los datos más de la cuenta y más de 15 que no se
han resumido adecuadamente. De esta manera, el número de intervalos o clases a consi
derar es una cuestión importante y no hay un criterio fijo para establecerlo. La tabla 4.6
muestra algunas fórmulas para calcular el número máximo de clases o intervalos. La
mayoría de los textos en estadística refieren al número de intervalos (/O como la raíz
cuadrada del número de datos, esto es K = v'n .
Por su parte, la regla de Sturgens tiende a subestimar el número de intervalos y la de
Dixon y Kronmal da mejores resultados para n grandes.
Tabla 4.6: Criterios para definir el número de intervalos o clases (K).
A utor N úm ero de intervalos
Sturges, 1926 K = l + 3.322(logl0/i)) (4.9)
Velleman. 1976
*
ii
(4.10)
Dixon y Kronmal, 1965 K = lO logn

(4.11)
K = 2 .4 X \/ñ (4.12)
Con base en lo anterior se puede aproximar el número de intervalos por medio de la

fórmula de Velleman (1976), que dice: K = yfñ , donde K es el número de intervalos y
n = 30 es el total de datos. Si aplicamos la fórmula a los datos del ejemplo, tenemos
K = v 3 0 = 5.48 ■ 5, donde 5 es el número apropiado de intervalos para la cantidad de
datos que se tienen.
3. Am plitud o tamaño del intervalo: para determinar la amplitud del intervalo primero
se calcula el rango o recorrido: R = X nxíx - .
Entonces, en el ejemplo R = Xn - X t = 44.3 -1 9 .8 = 24.5, el intervalo (/) o amplitud
de clase (A) es el cociente entre el rango y el número de clases:
I = A =- (4.9)
K
V
Y para el. ejemplo:
• I /. = A,R= —24.5
= -----
K 5
Con frecuencia, los valores que resultan de esta razón suelen ser incómodos; por lo
tanto, se recomienda utilizar un número fácil de comprender y de explicar para la infor
mación que se desea comunicar. Se propone redondear el intervalo de 4.9 a 5.
4. Definir los intervalos o límites de clase: se debe tener especial cuidado al definir los
límites de clase: dónde inicia y dónde se cierra, pues resulta muy relevante cuando se
trabaja con variables continuas, ya que habrá muchos valores intermedios entre el lí
mite superior de una clase y el límite inferior de la siguiente. Por ejemplo, si construi
mos la tabla a partir del primer valor de los datos ordenados y le sumamos el 5 del
tamaño del intervalo, se obtiene la tabla 4.7. Entonces, entre el límite superior del
primer intervalo y el límite inferior del segundo intervalo, los valores 24.81,24.82,...
24.89 quedarán sin ser contabilizados para la primera clase. Por lo anterior, un buen
criterio para construir los límites de clase sin perder la continuidad en los valores es
trabajar con los límites reales en lugar de los límites aparentes de clase.
Tabla 4.7: Límites dados con base en el valor aparente.
N úm ero de clase Intervalos de clase
I 1 9 .8 -2 4 .8
n 2 5 .8 -3 0 .8
ni 3 1 .8 -3 6 .8
IV 3 7 .8 -4 2 .8
V 4 3 .8 - 4 8 .8
Los límites reales de una clase son ¡guales al valor aparente, más/menos la mitad de
la unidad de medida. Para determinar los límites reales de los intervalos de clase se resta
0.5 al límite inferior, y se suma 0.5 al límite superior de cada clase. Los límites reales del
primer intervalo serían 19.8 - 0.5 = 19.3 para el límite inferior, y 24.8 + 0.5
= 25.3 para el límite superior. El primer intervalo queda de 19.3 a 25.3 y así sucesiva
mente (tabla 4.8).
Tabla 4.8: Límites reales.
N úm ero de clase Intervalos de clase
I 1 9 .3 -2 5 .3
U 2 5 .3 -3 1 .3
ni 3 1 .3 - 3 7 .3
IV 3 7 .3 - 4 3 .3
V 43.3 - 49.3
Sin embargo, con este nuevo alcance es confuso saber en qué clase contabilizar el
valor 25.3, pues es el límite superior de la primera clase y el límite inferior de la segunda.
Para prevenir ambigüedades en cuanto a la clase a la que pertenece cierto número, se
dice que un dato pertenece a determinada clase si su valor numérico e s estrictamente
mayor que el límite inferior, y m enor o igual cuando el límite es superior. Por lo tanto,
25.3 solo debe contabilizarse en la clase uno, pues cumple con el requisito de ser menor
o igual al límite superior de esa clase.
5. Completar la distribución de frecuencias: para cada una de las clases se contabiliza

el número de datos que cumplen con el requisito d e ser mayor al límite inferior de la
clase, y menor o igual al límite superior. Los datos del ejem plo que cumplen ese re
quisito incluyen los valores de 19.8 a 24.8, que son 10 y corresponden a la frecuencia
absoluta de la primera clase. Esto equivale a decir que en 10 de los 30 días analizados
se presentaron valores promedio de partículas entre 19.3 a 25.3 /¿g/m \ Otra forma de
describir el fenómeno analizado es usando la frecuencia acumulada. Esta es igual a la
frecuencia absoluta de la clase en particular más la suma de las frecuencias de la cla
se o clases anteriores. Para la primera clase su frecuencia acumulada es 10, pues no
existe una clase anterior a esta; mientras que para la segunda clase es 11 + 10 = 21,
etc. Por lo tanto, la última frecuencia absoluta acumulada es igual a n o número total
de observaciones.
Una de las conclusiones que podemos tom ar con base en la frecuencia acumulada,
es que un poco más de la mitad de los días analizados, es decir 21, registraron concen
traciones de partículas menores o ¡guales a 31.3 pg/m J. Sin embargo, se pueden hacer
aseveraciones mucho más claras si utilizamos la frecuencia relativa o la frecuencia
porcentual. Ambos conceptos relacionan la frecuencia absoluta frente al total de obser
vaciones, aunque un alcance mucho más práctico lo proporciona la frecuencia relativa
porcentual, o la porcentual acumulada. Luí frecuencia relativa para la primera clase será:
^ = 0.33 o ^ = 0.33 x 100 = 33% para la frecuencia relativa porcentual. De estos dos
conceptos fácilmente se intuye que el total de la frecuencia relativa es igual a la unidad,
y para la relativa porcentual es 100%. De igual manera, la frecuencia porcentual acumu
lada de la última clase será de 100%.
AI observar la frecuencia relativa porcentual acumulada podemos constatar que
poco m ás de la mitad de los días analizados registraron valores £ 31.3 /¿g/m \ Esto co
rresponde a 70% de los días.
Tabla 4.9: Distribución de frecuencias de la concentración de partículas ( P Mia) para el mes de abril
en el centro de Guadalajara (SEMADES, 2009).
Frecuencia F recuencia
N úm ero Intervalos Frecuencia Frecuencia Frecuencia relativa acum ulada relativa
d e clase de clase absoluta acum ulada relativa porcentual porcentual
1 1 9 .3 -2 5 .3 10 10 0.33 33 33
0 2 5 .3 - 3 1 .3 11 21 0.37 37 70
m 3 1 .3 - 3 7 .3 6 27 0.20 20 90
IV 37.3 - 43.3 2 29 0.07 7 97
V 43.3 - 49.3 1 30 0.03 3 100
Total 30 1.00 100
Representación gráfica de una distribución de frecuencias

• Histof>rama: constituye el gráfico típico de una distribución de frecuencias. Es un
gráfico de barras continuas de diferentes alturas, definidas usualmcnte con base en el
valor de la frecuencia absoluta. En otras palabras, corresponde a la representación vi
sual de la tabla de distribución de frecuencias. El histograma m ás común representa en
el eje horizontal los intervalos de clase, y en el eje vertical la frecuencia absoluta, tal
como lo muestra la figura 4.1.
eg12
f 1°
I 8
• e 8
§ 4
S 2
it
Intervalo d e d a s e
Figura 4 .1: Histograma de la distribución de partículas ( P M J durante el mes de abril

en el centro de Guadalajara (SEMADES, 2009).
• Polígono de frecuencias: otro gráfico igualmente útil para conocer la distribución

de los datos, lo constituye el polígono de frecuencias, que consiste en una suce
sión de líneas rectas cuyos puntos de unión corresponden al punto medio de cada
intervalo de clase, también conocido como la marca de clase (M C ). Entonces,
el punto medio en cada intervalo está dado por la siguiente ecuación:
MC = , donde Li es el límite inferior de la clase, y es el límite superior.
En consecuencia, la marca de clase para el primer intervalo es M C -

19.3+25.3 ,
---------------= 22.3 y así sucesivamente.
2
La tabla 4.10 se utiliza para elaborar el polígono de frecuencias (figura 4.2). Es
importante hacer notar que se agregaron dos marcas de clase con frecuencia cero al ini
cio y al final de la tabla, con el fin de iniciar y cerrar el polígono.
FJ polígono de frecuencias se construye colocando los puntos medios o marcas de
clase de cada intervalo en el eje horizontal. Y la frecuencia absoluta correspondiente a
cada marca de clase se ubica en el eje vertical. De esta forma, el polígono muestra la
distribución d e los puntos centrales a cada intervalo, es decir, el valor representativo de
la clase.
Tabla 4.10: La distribución de frecuencias para un polígono.
N úm ero M arca F recuencia Frecuencia

de clase Intervalos de clase de clase absoluta porcentual
13.3 - 19.3 16.3 0

I 19.3 - 25.3 22.3 10 33
11 2 5 .3 - 3 1 .3 28.3 11 37
III 3 1 .3 - 3 7 .3 34.3 6 20
IV 37.3 - 43.3 40.3 2 7
V 43.3 - 49.3 46.3 1 3
49.3 - 55.3 52.3 0
M a rc a s d e c la se
Figura 4.2: Polígono de frecuencias para el promedio diario de partículas

durante el mes de abril en el centro de Guadalajara.
I.as conclusión es que de los 11 valores clasificados en el segundo intervalo, 28.3

pg/m J es el valor representativo. Si por el contrario, en el eje vertical ahora se gráfica la
frecuencia relativa de la tabla 4.10, se puede concluir que 37% de los valores represen
tativos son £ 28.3 /ig /m \
• Gráfico Je frecuencia acumulada (ojiva): este gráfico corresponde a un polígono de
frecuencias o curva suavizada, que se construye con las frecuencias absolutas o relati
vas acumuladas. La utilidad del gráfico es que permite leer cuántos (figura 4.3a) o qué
proporción de los datos (figura 4.3b) se acumulan hasta un valor particular de la varia
ble estudiada.
Para construir el gráfico se asume una clase inferior a la prim era clase (tabla 4.10),
de cuyo límite superior comenzará el trazo de la curva suavizada. En el eje vertical se
colocan las frecuencias partiendo desde cero hasta la última frecuencia acumulada. En el
eje horizontal se ubican los límites superiores de cada clase y de de esta forma se obtie
nen los siguientes gráficos:
absoluta a c u m u la d a
Frecuencia
55.3
Lím ite s s u p e rio re s d e d a s e Lim ite s s u p e rio re s d e d a s e
Figura 4.3: Ojiva de los datos de la tabla 4.10. donde se muestra la utilidad en la interpolación gráfica.
Variables no num éricas 105
Considerando la información del ejemplo, se desea conocer el número de días del

mes de abril que presentaron <, 37.3 /ig/m 1 de partículas en el centro de Guadala-
jara. Por interpolación directa en el gráfico se observa que la respuesta es 27 días (figura
4.3a). Si por el contario, se quisiera conocer el acumulado de días con £ 37.3 ^g/m '
desde el inicio del mes, por interpolación directa la respuesta es 90% (figura 4.3b).
Variables no num éricas

En el área de las ciencias de la vida, la medición de los fenómenos genera resultados no
numéricos o de atributo que, de igual manera, es necesario resumir para su mejor com
prensión. Como se describió en el capítulo 2, estas variables cualitativas no aparecen en
forma numérica, sino como categorías o atributos (sexo, profesión, color de ojos, etc.) y
sólo pueden ser nominales u ordinales. De manera similar a las variables numéricas, la
distribución de frecuencias es la técnica apropiada para organizar los datos de una forma
más clara que ayude a los investigadores a obtener conclusiones mucho más asertivas.
Com o se puede notar, los datos de la tabla 4.11 están presentados de tal manera que
resulta difícil visualizar su comportamiento; así, surge la necesidad d e organizarlos o
sistematizarlos para una mejor comprensión.
Tabla 4.11: Resultados del análisis de tipo de sangre practicado a 25 estudiantes

como parte de una serie de exámenes médicos.
G ru p o sanguíneo
AB A O B A
A O O O AB
B B O A O
O O B AB B
A B B AB O
El primer paso es identificar el número de grupos sanguíneos, que en este caso es

el número de clases o categorías de la tabla de distribución de frecuencias. Después, del
conteo de estudiantes que pertenecen a cada uno de los grupos sanguíneos se puede
completar la otra serie de frecuencias (relativa, relativa porcentual).
Tabla 4.12: Distribución de frecuencias para los grupos sanguíneos.
Frecuencia Frecuencia Frecuencia

Clase absoluta relativa relativa %
A 5 0.20 20
B 7 0.28 28
O 9 0.36 36
AB 4 0.16 16
Total 25 1.00 100

Con base en el análisis de la tabla anterior, fácilmente se obtienen las siguientes

conclusiones:
• La mayoría de estudiantes tuvieron sangre tipo O, y solo 4 de ellos tipo AB, lo
cual se determ inó con base en la frecuencia absoluta.
• El segundo tipo de sangre más frecuente en los estudiantes fue B.
• En términos de la frecuencia relativa porcentual, esto equivale a decir que 36% de
los estudiantes tuvieron sangre tipo O, y solo 16% tuvieron sangre tipo AB.
• El segundo tipo de sangre m ás frecuente en los estudiantes fue el B, con 28% de
los casos analizados.
Representación gráfica de una distribución de frecuencias

(datos no num éricos)
Los resultados, producto de la medición de variables cualitativas, de igual manera pue
den ser representados mediante gráficas. Entre las más utilizadas para ilustrar la distribu
ción de estas variables se encuentran el gráfico de barras simples, el gráfico de sectores
y el gráfico de Pareto.
Gráfico de barras simples

Este gráfico (figura 4.4) permite visualizar la distribución de una variable cualitativa,
tanto para frecuencias absolutas como para relativas. Sobre el eje horizontal se colocan
las clases o categorías de la variable, y sobre el vertical las frecuencias que definen la
altura de las barras.
Gráfico de sectores
Consiste en un círculo en el que se representan sectores con áreas proporcionales a las
frecuencias de cada una de las clases (figura 4.5). Son aplicables a cualquier tipo de
variables, pero se utilizan, sobre todo, en las categóricas. Se construye tomando ángulos
proporcionales de las frecuencias para cada una de las clases o categorías.
9
3 8
3
I 6
H 5
® 4
3
“• 2
1
0
A B O AB
G ru p o s a n g u ín e o
Figura 4.4: G ráfico de barras sim ples.

Representación gráfica de una distribución de frecuencias 107
A
B
O
AB
Figura 4.5: Gráfico de sectores con base en la frecuencia

absoluta de los grupos sanguíneos.
Gráfico de Pareto
R1 gráfico de Pareto (figura 4.6) se utiliza para representar la distribución de frecuencias
para variables categóricas. Los datos se ordenan de forma descendente, de izquierda a
derecha, separados por barras o clases. En el eje vertical se dibuja la frecuencia (absoluta
o relativa), que define la altura de las barras; y en el eje horizontal, se colocan los grupos o
categorías de la variable cualitativa. De esta forma, el gráfico facilita el estudio compa
rativo de numerosos procesos dentro de las industrias o empresas comerciales, así como
fenómenos sociales o naturales.
El ejemplo anterior corresponde a una variable nominal; sin embargo, el mismo
proceso se puede aplicar para una variable de tipo ordinal. Por ejemplo, si para el estudio
de una lesión muscular un traumatólogo utiliza la escala fuerte, moderada, leve, de igual
manera podrá hacer una distribución de frecuencias y análisis gráfico para el número de
lesiones atendidas durante el primer trimestre del año.
G ru p o s a n g u ín e o
Figura 4.6: G ráfico de Pareto

Estadística descriptiva para datos agrupados

I-a estadística descriptiva para datos agrupados involucra técnicas para extraer y mos
trar la información que no se visualiza fácilmente cuando se trabajan conjuntos de
datos muy numerosos. Para grandes m asas de información es complicado obtener una
primera aproximación al comportam iento del objeto de estudio; sin embargo, al dividir
la información en grupos o celdas ordenadas se puede lograr una mejor comprensión
al mostrar, por ejemplo, algün patrón definido, la variabilidad o los valores que prin
cipalm ente se presentan. Por lo tanto, resulta práctico agrupar los datos en clases o
categoría cuando el total de registros que se analiza es m ayor que 30. A continuación se
describen las medidas de tendencia central y las medidas de dispersión más utilizadas
en los trabajos de investigación, a partir de la tabla de distribución de frecuencias para
datos agrupados.
M edidas de tendencia central

Para el cálculo de las medidas d e tendencia central y de dispersión se utilizan los resulta
dos de distribución de ruido en la Zona Metropolitana de Guadalajara (ZMG), con base
en puntos conflictivos de tráfico vehicular durante 2003 (Figucroa e ta l., 2002).
Tabla 4.13: Valor sonoro continuo equivalente (LEQ dB A) de tráfico vehicular

en 80 puntos conflictivos de la ZMG
58.27 65.00 77.03 79.63 81.07 88.15 93.18 94.65

61.12 65.00 77.92 79.63 81.10 88.78 93.25 94.75
61.80 66.00 78.17 79.70 81.30 89.88 93.25 94.85
62.25 66.68 78.72 79.80 81.37 89.88 93.27 95.37
62.28 67.00 78.82 80.32 81.37 89.98 93.75 95.43
64.00 67.50 79.00 80.38 81.90 90.12 93.75 95.95
64.00 68.00 79.05 80.60 82.43 92.23 94.08 95.95
64.18 76.00 79.10 80.87 82.43 92.30 94.23 96.07
64.62 76.45 79.38 80.97 82.48 92.57 94.52 97.07
64.80 76.82 79.40 81.05 82.60 92.85 94.57 97.48
Rango = 58.27 - 97.48 = 39.21.

Número de clases con base en la ecuación de Vellcman (tabla 4.14): K - n/80 = 8 .9 ,
se trabajan ocho clases porque con ello se cubre el rango de los datos.
Amplitud o tamaño del intervalo de clase: resulta de la división entre el valor del
39 21
rango y el número de clases. Esto es —¿— = 4.90 «* 5.00 .
M edidas de tendenia central 109
A partir de los datos originales se procede a elaborar la tabla de la distribución de

frecuencias basada en los límites reales para cada clase (punto 3.2.1, IV).
Tabla 4.14: Distribución de frecuencias para el nivel sonoro continuo equivalente

(dB A) en puntos conflictivos de la ZMG.
N úm ero de clase Intervalos de clase Frecuencia ab so lu ta (fx)
I 5 7 .7 7 -6 2 .7 7 5
II 62.77 - 67.77 11
III 6 7 .7 7 -7 2 .7 7 1
IV 7 2 .7 7 -7 7 .7 7 4
V 7 7 .7 7 -8 2 .7 7 29
VI 82.77 - 87.77 0
VII 8 7 .7 7 -9 2 .7 7 9
Vffl 9 2 .7 7 -9 7 .7 7 21
Total 80
Media
En una distribución de frecuencias se toma como valor representativo de todos los valo
res que caen dentro de un intervalo, al punto medio del intervalo, al cual se le denomina
marca de clase. Entonces, el valor de la media será igual a la suma del producto de cada
valor central (*,), por su correspondiente frecuencia de clase ( f j , entre el total de valores
(n). Tal como se ilustra en la ecuación:
É /x ,
X = J^ (4.10)
n
Donde:
= Punto medio o marca de clase de cada intervalo de clase, así como para la primera
clase.
f x = Frecuencia absoluta de cada una de las clases.
n = Total de observaciones.
Thbla 4.15: Proceso de cálculo para la m edia de los datos anteriores.
Nivel sonoro (dB A) Frecuencia absoluta (/.) M arca de clase (X .) < 0 (*>
57.77 - 62.77 5 60.27 301.35

62.77 - 67.77 11 65.27 717.97
6 7 .7 7 -7 2 .7 7 1 70.27 70.27
7 2 .7 7 -7 7 .7 7 4 75.27 301.08
7 7 .7 7 -8 2 .7 7 29 80.27 2327.83
8 2 .7 7 -8 7 .7 7 0 85.27 0.00
87.77 - 92.77 9 90.27 812.43
9 2 .7 7 -9 7 .7 7 21 95.27 2000.67
n = 80 = 6531.60
S
M
fx< 6531.60
x=_
= 81.64
n 80
Por lo anterior se puede concluir que el nivel de ruido ambiental emitido por los
automotores en la ZM G es de 81.64 decibeles, y se encuentra por encima del valor reco
mendado para ruido comunitario, según los lincamientos de la Organización Mundial de
la Salud. Dicho organismo recomienda un valor promedio £ 65 dB A para un entorno
saludable.
Mediana
En datos agrupados, la mediana se refiere al valor que ocupa la posición central en la
distribución. La tarea principal para su cálculo consiste en ubicar la clase mediana. Esto
es, aquella clase que acumule al menos la mitad de los valores agrupados. En particular,
para este ejemplo, la clase mediana es la clase número cinco (tabla 4.16, fila en gris),
pues hasta aquí se logró agrupar a los primeros 50 registros, donde se agruparon por lo
menos la mitad del total de 80 valores. Con ello queda claro que la clase anterior a esta
no puede ser la d a s e mediana, pues apenas acumula 21 de los 80 registros.
La ecuación de la media es:
Me = L i + -n 2 ~ A (4.11)
Donde:
U = límite inferior de la clase mediana.
n= número de observaciones o frecuencia total.
/ar«.(W) = frecuencia acumulada de la clase que antecede a la clase mediana.
A= amplitud del intervalo.
= frecuencia de la clase mediana.
M edidas de tendenia central 111
Tabla 4.16: C álculo de la m ediana.
N úm ero Nivel sonoro Frecuencia absoluta Frecuencia

de clase <dB A) </? acu m u lad a
I 5 7 .7 7 -6 2 .7 7 5 5
n 62.77 - 67.77 11 16
in 67.77 - 72.77 1 17
IV 72.77 - 77.77 4 21
V 77.77 - 82.77 29 50
VI 82.77 - 87.77 0 0
VII 8 7 .7 7 -9 2 .7 7 9 59
VIH 92.77 - 97.77 21 80
00
¡3
II
o
g0 ~ - 2 l
De esta forma, la mediana es igual a: Me = 77.77 + — ------ 5 = 81.04
29
Moda
La moda es el dato que se registra con mayor frecuencia en una distribución, enton
ces. nuestro parámetro inicial para su cálculo e s ubicar la clase con mayor frecuencia.
Siguiendo con el mismo ejemplo, la clase con la mayor frecuencia es la cinco.
La ecuación para calcular la moda es:
M o - L i+ — — A (4.12)
4 ^ + 4 ^
Donde:
Li = límite inferior de la clase modal.
Afpn = exceso de la frecuencia modal sobre la clase contigua inferior, o frecuencia de
clase premodal.
Afpm = exceso de la frecuencia modal sobre la clase contigua superior, o frecuencia de
clase posmodal.
El valor de la moda para la tabla anterior es:
M o = 77.77+ - 25 - (5) = 80.08

25+29
Pese a que el valor de la moda no puede constituir un dato real, en el ejercicio es

posible asumir que es el parámetro con mayor frecuencia.
M edidas de dispersión
Varían za
Luí varían za es la media aritmética del cuadrado de las desviaciones respecto a la media
d e una distribución estadística. Para datos agrupados se representa mediante la siguiente
ecuación:
S 2 =i=l---------------- ,
n- 1
Donde:
m = número de clases o agrupamientos.
X. = punto medio del intervalo o marca de clase.
X = media de datos agrupados.
f. - frecuencia absoluta de cada clase.
n = total de datos.
Tabla 4.17: Cálculo de la varianza para los niveles de ruido por tráfico vehicular en la ZMG.
Nivel sonoro (dB A) /, X1 /i* . (X,-X)
5 7 .7 7 -6 2 .7 7 5 60.27 301.35 -21.37 456.68 2283.38

6 2 .7 7 -6 7 .7 7 11 65.27 717.97 -16.37 267.98 2947.75
6 7 .7 7 -7 2 .7 7 1 70.27 70.27 -11.37 129.28 129.28
7 2 .7 7 -7 7 .7 7 4 75.27 301.08 -6.37 40.58 162.31
77.77 - 82.77 29 80.27 2327.83 -1.37 1.88 54.43
82.77 - 87.77 0 85.27 0.00 3.63 13.18 0.00
8 7 .7 7 -9 2 .7 7 9 90.27 812.43 8.63 74.48 670.29
9 2 .7 7 -9 7 .7 7 21 95.27 2000.67 13.63 185.78 3901.31
Total 1 / x , = 6531.60 10148.75

1-1
De la serie de datos registrados en la tabla, se obtiene el valor de la media (81.64)

con base en el procedimiento explicado en el punto 6.1.1. El segundo paso consiste en
que a cada uno de los valores centrales X. se le resta el valor promedio (por ejemplo,
60.27 - 81.64, .... etc.). Por último, se elevan al cuadrado cada una de las diferencias
resultantes, para luego multiplicar cada diferencia cuadrática por la frecuencia corres
pondiente a cada intervalo. Aplicando la ecuación del cálculo de la varianza tenemos:
^2 _ 10148/75 _ j 28.47
79
Desviación estándar
Se refiera a la raíz cuadrada de la varíanza, la cual proporciona información más obje
tiva acerca de la separación promedio que existe en una distribución con respecto a su
valor central, pues se expresa en las mismas unidades que la variable a diferencia de la
varianza cuyas unidades serían cuadráticas. Así, la desviación estándar está dada por
la siguiente ecuación:
s = r ^ r -
El valor de la desviación estándar del ejemplo anterior es:
5 =
79
Utilizando el valor representativo de la distribución y el promedio de separación de

los datos con respecto a este valor representativo, podemos concluir que el nivel de ruido
en puntos conflictivos por tráfico vehicular en la Zona M etropolitana de Guadalajara es
de 81.04 ± 11.26 dB A, lo cual excede el valor de 65 dB A recomendado por la Organi
zación Mundial de la Salud para entornos saludables.
Distribución normal
La interpretación de las medidas de tendencia central y de dispersión se observa en la
aplicación de la c u n a de distribución normal de población. La curva es un modelo en
forma de campana que permite comparar los resultados de una variable. Es muy fre
cuente que los datos se encuentren distribuidos de manera simétrica en tom o a la media
y en forma de campana.
La importancia de esta distribución radica en que permite m odelar numerosos fe
nómenos naturales, sociales y psicológicos. M ientras que los mecanismos que subya-
cen a este tipo de fenómenos son desconocidos, por la enorm e cantidad de variables
incontrolables que en ellos intervienen, el uso del m odelo normal puede justificarse si
se asum e que cada observación se obtiene como la suma de unas cuantas causas inde
pendientes.
Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el mo
delo de la distribución normal son:
• Caracteres morfológicos de individuos, como la estatura.
• Caracteres fisiológicos, como el efecto de un fármaco.
• Caracteres sociológicos, como el consum o de cierto producto por un mismo gru
po de individuos.
• Caracteres psicológicos, com o el coeficiente intelectual.
• Caracteres diversos, com o el nivel de ruido en telecomunicaciones, errores come
tidos al medir ciertas magnitudes, etc.
La distribución normal también aparece en muchas áreas de la propia estadística.

Por ejemplo, la distribución muestral de las m ediases aproximadamente normal, inclu
so si la distribución de la población no es normal. En probabilidad, la distribución
normal aparece com o el límite de varias distribuciones de probabilidades continuas y
discretas.
Algunas propiedades de la distribución normal son:
1. Es simétrica respecto de su media, /i.
2. La moda y la mediana son iguales a la media, /¿.
3. Los puntos de inflexión de la curva se dan para* = ^ - a y x = fi + (J.
4. Distribución de probabilidad en un entorno de la media:
a) En el intervalo f/i - <r, H + o\ se encuentra comprendida, aproximadamente,
68.26% de la distribución;
b ) En el intervalo [¡i - 2 <r, /i + 2a] se encuentra, aproximadamente, 95.44% de
la distribución;
c) Por su parte, en el intervalo [y - 3a, /i + 3tr) se encuentra comprendida,
aproximadamente, 99.74% de la distribución.
Estas propiedades son de gran utilidad para el establecimiento de intervalos de con
fianza. Por otra parte, el hecho de que prácticamente el total de la distribución se encuen
tre en tres desviaciones típicas de la media, justifica los límites de las tablas empleadas
habitualmentc en la normal estándar.
Un ejemplo de la aplicación e interpretación de la desviación estándar respecto a la
curva normal es la siguiente: De los datos de la tabla 4.13 se tiene una X = 81.64 y una
5 = 1 1 .2 6 dB A. Se calcula el primer intervalo de la desviación estándar, que es
8 1.64 -1 1 .3 3 = 70.31 y 81.64 + 11.33 = 92.97, y queda el primer intervalo entre 70.31 y
92.97. De manera semejante, se calculan los intervalos para dos y tres desviaciones es
tándar en tom o a la media (tabla 4.18); calculadas las tres distancias, se distribuyen los
datos para identificar a qué intervalo pertenecen:
Para (X ± s ) , es decir, el intervalo 70.31 y 92.97, pertenecen 13 de las 80 observa
ciones que representan 53.75% de distribución de los datos.
Para ( X ± 2 5 ) , es decir, el intervalo 58.98 - 104.3, pertenecen 79 de las 80 obser
vaciones que representan 98.75%.
Para (X ± 3 5 ) , es decir, el intervalo 47.65 - 115.63, pertenecen 80 de las 80 obser

vaciones que representan 100%.
Al estimar el porcentaje de los datos, encontramos que los valores observados están
alejados de los porcentajes establecidos de la curva normal de distribución (tabla 4.18).
Si se complem enta esta evidencia con un histograma o polígono de frecuencias, enton
ces se puede evidenciar que este conjunto de datos se aleja de una distribución normal,
aun cuando los valores de la media aritmética, mediana y moda estén muy cercanos
(81.64, 8^.04, 80.08, respectivamente). Por último, se concluye que los datos encontra
dos en (X ± 5) son las observaciones m ás alejadas de la media representativa, que se
denominan observaciones atípicas o extremos; mientras que los valores más cercanos
corresponden a ( x ± 2 5 ) y ( x ± 3 5 ) y presentan una menor variación con respecto a la
media.
Ejercicios 115
-3 c -2 o -1 o m 1o 2o 3o
Figura 4.7: Porcentaje de datos en torno a la media para la curva normal

de distribución.
Tabla 4.18: Porcentajes de distribución normal y de los datos del ejemplo de valor sonoro.
P orcentaje de distribución p a ra P orcentajes encontrados en los

Desviaciones u n a distribución norm al datos de valor sonoro
( X ± S ) =70.31 y 92.97 68 53.75
( X ± 2 S ) = 5 8.98-104.3 95 98.75
( X ± 3 S ) = 47.65-115.63 “ 99.7 100
Ejercicios
1. Con base en la siguiente tabla del coeficiente inte h) Obtenga el histograma, polígono de frecuencia y
lectual de estudiantes de CUCHI, calcule, para dalos no ojiva.
agrupados y agrupados: i) Calcule las medidas de tendencia central: media
a) Rango. aritmética, mediana y moda.
b) Número de dases. j ) Calcule las medidas de dispersión: desviación me
c) Intervalo o amplitud de dases. dia, varianza, desviación estándar ycoeficiente de
d) Límites aparentes. variación. _ _ _
e) Límites reales. k) Calcule ( X ± s ) . ( * ± 2 .s ) y ( * ± 3 S ) para
f ) Frecuencia absoluta, absoluta acumulada. determinar si la distribución d¿ datos de coeficien
g) Frecuencia relativa y relativa acumulada. te intdcctual se acerca a una distribución normal.
Coeficiente intelectual de 100 estudiantes de C U C E I

90 90 95 150 95 70 75 80 70 95
100 85 100 130 85 80 90 90 80 80
95 90 80 100 90 110 80 85 90 85
115 75 85 95 75 90 90 95 95 90
100 120 90 90 80 75 100 90 100 90
90 75 85 75 90 80 110 80 110 95
80 60 90 80 95 90 120 75 80 90
70 90 75 90 100 90 100 90 90 100
2. Con base en la siguiente tabla de peso corporal de i) Calcule las medidas de tendencia central: media
estudiantes de bachillerato, calcule lo siguiente para aritmética, mediana y moda.
datos no agrupados y agrupados: j ) Calcule las medidas de dispersión: desviación me
a) Rango. dia, varíanza, desviación estándar y coeficiente de
b) Numero de clases. variación. _ _ _
c) Intervalo o amplitud de clases. k) Calcule ,(Y ± s ) , (Y ± 2 S ) y (Y ± 3 j) para de
d) lim ites aparentes. terminar si la distribución de datos de peso corpo
e) Límites reales.
ral de estudiantes de bachillerato se acerca a una
j ) Frecuencia absoluta y absoluta acumulada.
distribución normal.
g) Frecuencia relativa y relativa acumulada.
h) Obtenga el histograma. polígono de frecuencia y
ojiva.
Peso corporal de 100 estudiantes de bachillerato

50 110 70 70 65 70 65 60 50
60 70 100 72 85 80 60 70 60
65 68 90 80 80 90 55 60 65
70 65 60 65 75 70 50 65 70
70 60 58 60 70 75 60 125 80
75 40 55 45 60 60 65 70 85
80 70 60 110 65 80 70 65 90
90 65 65 60 70 70 65 60 100
Bibliografía 117
Bibliografía
Batista, J.F.; Valls. l.C. (1985). ‘Técnicas gráficas en análisis exploratorio de datos” . Qfiestló,
vol. 9(3), pp. 163-176.
Gifford, B.R. (2008). Koestadística. México: Pearson Educación.
Conde, J.E.; Rull, V. y Vegas, T. (1986). “Análisis exploratorio de datos ecológicos y biomé-
tricos”. Enseñanza de las Ciencias, vol. 4(2), pp. 53-62.
Dixon, W.J. y Kronmal, R.A. (1965). “The Choicc of Origen and Scalc for Graphs” . Journal
ofthe Association fo r Computing Machinery, vol. 12. pp. 259-261.
Hgucroa, A.; García, J. y Orozco. M. (2002). “Noisc Levéis at Critical Points in thc Munici-
pality of Guadalajara, Jalisco. México". The Journal o f the Acoustical Socierv o f America,
vol. 112(5), p. 2376.
Hoaglin, D.G.; Mostcllcr, F. y Turkcy, J.W. (2000). Understanding Rohust and Exploraíory
Data Analysis. Canadá: John Wiley & Sons.
Uinás, S.H. y Rojas. A.C. (2005). Estadística descriptiva y distribuciones de probabilidad.
Colombia: Universidad del Norte.
ftcciado, C.N.A. (2010). Estudio comparativo de niveles de atención en niños expuestos a
ruido ambiental, en tres planteles educativos de la ciudad de Guadalajara, 2009. Tesis
profesional de Maestría e n c ie n d a s de la Salud Ambiental. Guadalajara: CUCBA-CUCS,
Universidad de Guadalajara.
Sturgcrs. H. (1926). ‘T h e Choicc of a G ass lntcrval”. Journal o f the American Statistical
Association, vol. 21, pp. 65-66.
\fclleman, P.F. (1976). Interactive Computing fo r Exploraíory Data Analysis. Proceedings o f
the Statistical Computing Section. Washington: American Statistical Association.
C A P ÍT U L O 5
Elaboración del informe

de trabajo experimental
Introducción
A través de los capítulos anteriores se analizó qué es la ciencia y cóm o ésta basa sus ha
llazgos en el método científico el cual consiste en plantearse un problema; no obstante,
para ello es necesario hacer acopio de información del problema a tratar, elaborar una
teoría, form ular una hipótesis para probarla, realizar un experimento para comprobar la
hipótesis y, con base en los resultados del experimento, evaluar, fortalecer, debilitar y
modificar la teoría. Sin embargo, la fase final después de concluir el experimento implica
la responsabilidad de comunicar los resultados.
Todos los que se dedican a hacer ciencia o investigación confían en los resultados de
experimentos previos; en la mayoría de las ocasiones se enteran de estos hallazgos al leer
los informes o artículos de investigación publicados en revistas especializadas. Por esta
razón, uno de los aspectos más importantes de la ciencia es el informe de los resultados
de investigación. Cabe mencionar que la escritura científica es única; tiene reglas, estilos
y convencionalismos propios, por lo que antes de intentar escribir los resultados de un
experimento, reporte técnico o artículo científico, es necesario conocer estas pautas.
Al leer artículos científicos sucede que: 1) aún después de la primera lectura no es
fácil comprender todo lo que el autor trata de comunicar (y con frecuencia después de
más de una lectura), 2) casi todos los artículos de una revista aparecen en un formato
similar. La idea de separar estos dos aspectos es mostrar que escribir los artículos con un
formato predeterminado permite que la lectura sea m ás comprensible.
Por lo general, para la mayoría de las personas los artículos de revistas especializa
das son complicados, pero este problema no se resuelve presentando cada artículo con
una estructura diferente porque quizá los haría ininteligibles, sobre todo para el estu
diante novato. Para evitar que la comprensión de este tipo de textos se dificulte la
comunidad científica ha acordado el uso de convenciones y formatos estándar para in
formar los resultados de investigaciones y experimentos.
El propósito de este capítulo es presentar reglas, estilos y convencionalismos bási
cos de la escritura técnica y científica, de manera que tanto el estudiante como el inves
tigador principiante, puedan entenderlo fácilmente y consigan em pezar este último paso
del proceso de investigación experimental y científico.
119
120 C apítulo 5 Elaboración del inform e de trabajo experim ental
La primera sección de este capítulo presenta la estructura general de una práctica de

laboratorio, que es el primer contacto que tiene el estudiante con los informes. En segun
do término, se plantea la estructura de un informe técnico y, por último, se expone la
estructura de un informe o artículo científico.
Estructura de un reporte de práctica de laboratorio

La estructura de un informe experimental sigue una serie de reglas determinadas. El
reporte o informe de una práctica de laboratorio debe presentarse de tal modo que la
persona que lo lea sea capaz de comprender la razón que llevó a su realización, la manera
operacional en la que se realizaron las observaciones que se plantean y las consecuencias
que se deducen de ellas. El reporte debe ser claro, conciso y con un lenguaje técnico di
recto sin frases ornamentales. Asimismo, se debe utilizar la redacción en tercera persona
y tiempo pasado, dado que el experimento ya concluyó.
La estructura del reporte d e una práctica de un experimento de laboratorio es la si
guiente:
índice: en éste se hace referencia a todos los apartados, subapartados y apéndices
del documento. Esta sección puede omitirse si el trabajo no es muy extenso.
Resumen: su objetivo es dar una idea concisa de lo que trata el informe. A sí el lector
puede conocer los temas que se abordan y decidir si es de su interés continuar con la
lectura de todo el trabajo experimental.
Introducción: su finalidad es iniciar al lector en la temática específica a tratar en el
trabajo experimental. Ésta debe ser breve, concisa y precisa, sin pretender ser una revi
sión bibliográfica; además, deberá abordar conceptos básicos, reales o nominales para
que estos no tengan dobles o triples interpretaciones. Aquí también se debe especificar
cuál es el objetivo y la importancia del experimento realizado.
Descripción de la instalación de los aparatos: en esta sección es necesario hacer

una descripción completa y exacta de los instrumentos y materiales utilizados en el de
sarrollo del ensayo. En caso de que estos sean de uso común, no es necesario abordarlos
con mucho detalle; en caso contrario, y si su instalación es complicada, es adecuado in
cluir una fotografía de la instalación junto con un diagrama de flujo. Si los procedimien
tos fueron empleados de manera rutinaria por otros autores se debe hacer referencia al
autor que los propuso.
Descripción del procedimiento experimental: en este apartado se hace una descrip

ción precisa, exacta y detallada de la secuencia del método o métodos empleados, con el
objetivo de que el lector pueda reproducirlo si quiere corroborar los resultados. Describir
d e manera detallada cada una de las operaciones realizadas permite que los datos sean
m ás confiables.
Observaciones: aquí se muestran los datos recopilados durante la realización del
ensayo. Se sugiere que estos sean recolectados a través de tablas, siempre y cuando el
tipo de variables analizadas lo permita. Todos los datos deben ir acompañados de sus
unidades.
Estructura de un inform e técnico 121
Planteamiento d e los cálculos: en esta sección se deben especificar las ecuaciones,

formulas y algoritmos empleados para la obtención de los resultados; a veces no es ne
cesario incluir teoría, pero en la mayoría de los casos es útil y conveniente presentar una
exposición de la forma en que estos se obtuvieron. La nomenclatura, simbología y uni
dades empleadas deben quedar bien especificadas.
Cálculos: aquí se incluye cualquier cálculo relacionado con la obtención de resulta

dos. En los casos en donde se repite el mismo procedimiento, sólo se incluye una vez y
se especifica que los demás resultados fueron obtenidos de la misma manera.
Resultados calculados: este apartado debe incluir todos los resultados. A veces las
tablas son muy útiles para ver cóm o varía un dato particular de un ensayo a otro, pero
muchos experimentos requieren que los resultados se presenten a través de gráficas. Su
objetivo es presentar la relación entre las variables del experimento, ya que esta informa
ción se puede utilizar cuando se describen los resultados y se redactan las conclusiones.
En la mayoría de los informes de prácticas de laboratorio las gráficas se incluyen al final.
Discusión y conclusiones: este apartado es el m ás importante del informe, ya que el

autor debe describir brevemente los hechos observados y constatarlos como los más
probables de acuerdo con las condiciones del ensayo. Además, en caso de existir experi
mentos similares debe confrontar los resultados y está obligado a hacer un comentario
personal sobre lo que aportó en su trabajo. La naturaleza de la discusión variará de acuer
do con el tipo de trabajo realizado. Por ejemplo, si se llevó a cabo un experimento para
demostrar o refutar algún hecho teórico, debe plantearse la evidencia o falta de ella, a la
vista de las demás conclusiones obtenidas en el experimento. Por otro lado, en un ensayo
en el que se trate de determ inar el valor numérico de alguna propiedad física, debe co
mentarse la exactitud del resultado. Cuando se investiga el desempeño de un equipo se
explican, en la medida de lo posible, las razones de los cambios observados en sus carac
terísticas de funcionamiento. La discusión debe contener críticas constructivas acerca de
la manera en que el procedimiento o aparato ensayado podría mejorarse. Al redactar la
discusión, se deben tener presentes los hechos evidentes que se presenciaron a lo largo
del experimento. En general, este apartado le permite al alumno acostumbrarse a razonar
y expresar lo que aprendió durante el experimento.
Bibliografía: en esta sección se presenta el material consultado para la elaboración

del informe. Se puede hacer referencia a libros de texto, tesis, artículos de investigación
y difusión, páginas de internet, entre otros.
Estructura de un inform e técnico

Un informe técnico se define como la exposición escrita de datos o hechos acerca de un
asunto o examen técnico, o sobre lo que conviene hacer del mismo. Dicho de otra manera,
es un documento que describe y explica, a detalle, el progreso y los resultados de una in
vestigación técnica o el estado de conocimiento de un problema técnico. Un informe de
este tipo debe presentar sistem áticam ente in fo rm ació n su ficien te para que un lecto r
calificado pueda juzgar, evaluar o proponer modificaciones a sus conclusiones y recomen
daciones.
Parte inicial
Un informe técnico debe contener los siguientes elem entos en el orden que se indica a
continuación:
Cubierta: además de proporcionar protección física al informe, la cubierta exterior

sirve para dar la presentación inicial. Por ello debe ser clara, distintiva e informativa. La
inform ación que a continuación se indica es la que debe aparecer en la parte exterior
de la cubierta:
Nombre y datos de la institución.

Título y subtítulo del informe.
Nombre del autor.
Fecha.
Portada: la portada de un documento es la fuente mínima de inform ación b ib liográ

fica para su tratam iento y recuperación eficientes. Por ello, es esencial que cada informe
induya una portada. Excepto cuando la portada sustituya a la primera página de la cubierta,
no es necesario que ocupe una página completa Por razones de economía, puede ocupar un
espacio de cabecera antes del resumea Cuando un informe se publica en dos o más partes,
cada parte debe contener una hoja en la que se indique el título y número de paite: esta lioja se
denomina *portadilla
Resumen: cada informe contiene un resumen que se presenta inmediatamente des

pués de la información de la portada. Cuando el resumen figura en una página separada,
debe ir seguido de la identificación bibliográfica completa: autor, título, datos de la ins
titución y fecha de publicación. Además, el texto del resumen debe:
Ser tan informativo como lo permita la naturaleza del documento.

Definir el objetivo, métodos, resultados y conclusiones presentados en el docum en
to original.
Constituir un texto completo y ser conciso.
Tener máximo 250 palabras.
Estar escrito en un solo párrafo.
Emplear frases concretas, verbos en forma activa y tercera persona.
No utilizar figuras y símbolos com o tablas cortas y fórmulas, salvo que sean indis
pensables.
Emplear una nomenclatura normalizada o definir los términos no familiares, así
como las abreviaturas y los símbolos.
Si el informe se publica en varios volúmenes, cada uno lleva su propio resumen,
especificando, si fuera necesario, su relación con los otros volúmenes. FJ resumen va
seguido de las palabras clave, es decir, las palabras más importantes que describen el
trabajo y que sirven para indexarlo en buscadores o catálogos científicos y facilitar su
búsqueda.
índice: el índice es un elemento esencial de todos los informes, salvo de los muy
cortos. Debe figurar inmediatamente después del resumen y consta de los títulos de las
principales subdivisiones del informe y los anexos, junto con el número de páginas en
C uerpo del inform e 123
las que aparecen. También incluye una lista de ilustraciones y de tablas. Cuando un in
forme se publica en dos o más partes, en cada una de éstas debe aparecer el índice que
las abarque a todas.
Glosario de signos, símbolos, unidades, abreviaturas, acrónirnos o términos técni

cos: cuando el informe contenga este tipo de elementos que quizá no sean comprendidos
por algunos lectores, deben definirse en una lista después del índice. La existencia de
esas listas no justifica la omisión de una explicación de esos símbolos cuando aparezcan
por primera vez en el texto.
Prefacio: puede considerarse como una nota de presentación para definir el estudio,
destacar algún aspecto en particular, mostrar su relación con trabajos realizados o trazar
las circunstancias históricas que condujeron a su iniciación. Sin embargo, no siem pre es
necesario.
Cuerpo del informe

Consta de los siguientes apartados y en el orden que se indica a continuación:
Introducción: aquí se establecen brevemente el alcance y los objetivos del trabajo y

su relación con otros trabajos y el enfoque general. No se debe repetir o parafrasear el
resumen, ni dar detalles de la teoría experimental, métodos o resultados, ni tampoco
anticipar las conclusiones o recomendaciones. Si no hay prefacio, la información que
podría figurar en este debe incluirse aquí.
Cuerpo principal: el núcleo del informe se divide en capítulos numerados que cu
bren aspectos tales com o teoría, método, resultados y discusión. A menudo es conve
niente dividir los capítulos en apartados y estos en subapartados, cada uno con su propio
encabezado.
1.a información plasmada en el cuerpo del informe no es demasiado detallada. Las

descripciones de la teoría, métodos y resultados deben ser suficientes para que un espe
cialista en la materia reproduzca las etapas de la investigación sin dificultad. Si se requie
ren pruebas matemáticas o detalles completos del procedimiento experimental, estos se
presentarán en los anexos. Todas las ilustraciones y tablas esenciales para la compren
sión del texto principal se incluyen en este apartado.
Conclusiones y recomendaciones: las conclusiones son el reflejo de las deducciones

hechas a partir del trabajo descrito en el núcleo del informe. Pueden incluirse datos cuan
titativos, pero no darse detalles de ningún argumento o resultado. Las recomendaciones
son manifestaciones concisas para acciones futuras, resultado directo de las conclusio
nes alcanzadas o de alguna experiencia en el curso del trabajo. Las recomendaciones no
son estrictamente necesarias y, de incluirse, deben estar justificadas por completo en el
trabajo descrito.
Agradecimientos: pueden incluirse agradecimientos relativos a ayudas en la realiza

ción del trabajo y en la preparación del informe: no es habitual agradecer las contribu
ciones tales como un control de rutina o una recomendación de tipo general.
Referencias: al final del cuerpo del informe se incluye una lista de las fuentes biblio
gráficas utilizadas para que el lector pueda identificar con rapidez las obras de donde se
obtuvieron las citas, evocaciones y, en general, todo el apoyo utilizado para su elabora
ción. L o s e le m e n to s d e to d a s la s r e f e r e n c i a s bibliográficas se dan en el orden
general:
Autor.
Título.
Datos de la publicación (editorial, ciudad, fecha, páginas, entre otros).
Las referencias pueden enlistarse de acuerdo con dos criterios distintos:
En orden alfabético del apellido del primer autor. Cuando hay dos o más referencias
de un mismo autor o grupo de autores, éstas se dan en orden cronológico. Las refe
rencias en el texto incluyen el nombre del autor o autores, la fecha de publicación y,
cuando se requiera, el número de la página (citas por nombre/fecha).
Por orden de aparición en el que se citan en el texto (referencias numeradas).
Por razones prácticas se considera preferible la primera forma.
Anexo
Deben considerarse por separado de la p a rte fin a l, d e s p u é s d e l c u e rp o d e te x to ,
d e b id o a q u e , a u n q u e no s ie m p re se requieren, forman parte esencial de algunos
informes.
Objetivo de los anexos

Los anexos se usan para presentar material que:
Es necesario para completar el texto, pero que si se inserta en el cuerpo del informe
puede alterar la presentación ordenada y lógica del trabajo.
No puede ser colocado adecuadamente en el cuerpo del informe debido a su tamaño
o al método de reproducción utilizado.
Puede ser omitido por el lector ordinario, pero ser valioso para el especialista en la
materia.
Tipos de anexos
Los posibles tipos de materiales que se incluyen como anexos son:
1. Ilustraciones o tablas suplementarias: las figuras o tablas que no se necesitan

para una comprensión inmediata del texto, pero proporcionan ejem plos co m p le
m entarios, deben colocarse en los anexos.
2. Material especial: algunos documentos no pueden ser incorporados fácilmente
en el cuerpo del informe por ser demasiado grandes (ilustraciones y tablas, por
ejemplo) o porque fueron reproducidos en un formato diferente al informe
(por ejemplo mapas, fotografías originales o microfichas). Este material se ma
neja con m ás facilidad si se integra en un anexo.
P an e final 125
3. Bibliografía sugerida: una bibliografía suplementaria de textos no citados en el

informe, pero considerados de interés para el lector, puede constituir un anexo.
Deben indicarse los criterios con los que se ha seleccionado la bibliografía (por
ejemplo, si ésta es exhaustiva, selectiva o general, entre otras).
4. Descripción de equipos, técnicas o programas de computadora: La descripción

detallada de equipo nuevo, técnicas innovadoras o programas de cómputo de re
ciente creación utilizados en los estudios y que hayan sido objeto del informe, no
deben figurar habitualmcntc en el cuerpo del mismo. Si esta descripción no cons
tituye un informe por separado, puede ser útil incluirla com o anexo.
Numeración de los anexos

Los anexos suelen identificarse con letras mayúsculas consecutivas. Ejemplo: Anexo A.
Anexo B.
Los anexos se consideran entidades independientes. Deben manejar por separado
sus elementos con una numeración independiente que inicie en cada anexo es decir, cada
número irá precedido por la letra correspondiente al anexo. Ejemplo: Anexo B. subapar-
tado B .l.l, Figura B.9, Tabla B.5, Ecuación B.14.
Referencia en los anexos

Las fuentes que se citan en los anexos deben tratarse independientemente de las del
cuerpo del informe y listarse por separado al final de cada anexo. La forma de las citas
y el método de ordenar las listas de referencias en los anexos deben ser iguales a los que
se utilizaron en el cuerpo del informe.
Parte final
Contiene los siguientes elementos en el orden que se indica:
1. Hojas de datos del documento: para proporcionar un acceso rápido al informe en

los sistemas de recuperación automatizados, la última página de cada informe o
parte d e este, debe ser una hoja de datos del documento donde figure la informa
ción bibliográfica de manera que sea identificada con facilidad por quien intro
duce los datos.
2. Lista de distribución y disponibilidad (si se requiere): puede incluirse una lista
de los destinatarios del informe, ya sea en una página separada, o bien, en el in
terior de la cubierta posterior (página 3 de la cubierta).
3. Cubierta posterior, el interior de la cubierta posterior (página 3 de cubierta), se
utiliza para incluir una lista de distribución. La parte exterior de la cubierta pos
terior (página 4 de la cubierta), se usa para incluir el nombre y dirección del im
presor o cualquier otra información, tal com o el número de almacenamiento. En
ocasiones se deja en blanco.
Estructura de un informe y/o artículo científico

En esta sección se presenta al lector la estructura general de un informe científico. Para
lograr esto, se resume lo que debe incluirse en cada sección del informe y cómo tiene
que presentarse la información. Es de utilidad pensar en un experimento (y en un in
forme experimental) en términos de preguntas y respuestas. 1.a parte inicial del informe
(introducción) plantea la pregunta a resolver, al igual que los motivos para plantearla. La
sección del método especifica los sujetos, instrumentos y procedimientos utilizados para
contestar la pregunta. La respuesta a la pregunta se presenta en la sección de resultados
y la sección de discusión indica qué tan acertada fue la respuesta.
Portada
En la primera página del informe se escribe el título del trabajo; ésta no va numerada y
sólo contiene:
El título: determina si alguien leerá o no el artículo, por ello debe indicar claram en
te de qué trata el trabajo de investigación. Aunque no es fácil definir las características
que hacen a un título apropiado, se pueden aplicar ciertas reglas: 1) procurar que sea lo
más corto posible, pero sin sacrificar la precisión: 12 a 15 palabras es generalmente el
máximo; 2) no empezar con las frases “un estudio d e ...” o “ un experimento so b re...” ya
que esto está implícito; 3) no iniciar con frases como “los efectos de
Nombre y apellidáis) d e los autores: pueden ir acompañados de sus grados acadé

m icos más importantes y su afiliación institucional. Todas las personas designadas
com o autores deben cum plir con ciertos requisitos para tener derecho a la autoría. Cada
autor debe tener una participación suficiente en el trabajo para asum ir la responsabili
dad pública por su contenido. Para concederle a alguien el crédito de autor, hay que
basarse únicamente en su contribución esencial por lo que se refiere a; 1) la concepción,
el diseño del estudio, el análisis y la interpretación de los datos; 2) la redacción del ar
tículo o la revisión crítica de una parte importante de su contenido intelectual; y 3) la
aprobación final de la versión que será publicada. Los requisitos 1, 2 y 3 tienen que
cum plirse siempre.
La participación de alguna(s) pcrsona(s) en la obtención de financiamicnto y/o
colecta de datos no es suficiente para conceder el crédito de autor. La superv isión g e
neral o liderazgo de un grupo de investigación tam poco es m érito suficiente para con
siderar a la persona com o autor. En un artículo con colectivo de autores se especifica
quiénes son las personas principales que responden por el documento; a los demás
individuos que colaboran en el trabajo se les concede el reconocim iento en los agrade
cim ientos.
Nombre del departamento o departamentos y la institución o instituciones a quien
se atribuye el trabajo.
Declaraciones de descargo de responsabilidad: si las hay.
Nombre y dirección del autor que se ocupa de la correspondencia relativa al ma
nuscrito.
Nombre y dirección del autor a quien se dirigirán las solicitudes de sobretiros.
Resum en 127
Origen del apoyo recibido en form a de subvenciones, equipo y/o consumibles.
Título corto (titulillo): no debe ser mayor a 40 golpes (contando caracteres y espa
cios), y se coloca debidamente rotulado en la última línea de la página inicial com o pie
de página.
Resumen
El propósito del resumen e s orientar sobre el tem a del estudio y proveer la información
suficiente para que el lector decida leer el trabajo completo. Así. el resumen debe reflejar
en forma concisa los contenidos del artículo. Com o es la primera parte del documento
que va a ser leída, necesita atraer el interés del lector. De hecho, debe constar de todas las
secciones del artículo: introducción (propósito y razón para hacer el estudio); materiales
y métodos (cómo fue colectada y analizada la información); resultados (hallazgos) y
conclusiones (qué se puede obtener del estudio).
El resumen se escribe en una hoja separada y en su elaboración se deben tener algu
nos cuidados; por ejemplo, las abreviaturas utilizadas en el artículo no deben usarse a
menos que también se expliquen. Se escribe en tiempo pasado, dado que describe un
estudio que ya fue terminado y no debe contener tablas, figuras o referencias bibliográ
ficas. Debe ser completo y explícito, ya que además de ofrecer al lector de la revista en
que se publica una visión panorámica, podría aparecer en un segundo Journal y en otros,
o quedar almacenado electrónicamente en un banco de información en los índices de las
bibliotecas, índex Citation y Currents Contents, entre otros.
Por lo general, la información para la preparación de los resúmenes está incluida en
la guía de autores de la mayoría de las revistas. Cada revista marca determinadas carac
terísticas, aunque comúnmente son similares. Si se empican de manera adecuada estas
guías, los lectores deben ser capaces de identificar el objetivo básico del trabajo, deter
minar si es relevante para sus intereses y, por lo tanto, decidir leerlo en su totalidad. En
general, siga estas pautas al preparar el resumen:
La página del resumen se numera con el número 1 en el ángulo superior derecho.
La extensión deber ser corta: de 150 a 200 palabras.
La primera oración debe expresar el problema investigado o el propósito del expe

rimento.
I^as siguientes oraciones tratarán sobre la metodología, pueden incluir una descrip
ción de la población de sujetos (número, especie, edad, sexo, peso o todo lo que sea
importante para el experimento), el planteamiento de la tarea y/o instrumentos y,
cuando sea adecuado, pueden indicar el procedimiento o diseño.
Después deben exponerse los resultados de forma general, sin incluir los resultados
de pruebas estadísticas.
Las últimas oraciones deben dar al lector alguna indicación del contexto en el que
se comentaron los resultados (por ejemplo, qué teoría apoyan).
A continuación del resumen se agregan, debidamente rotuladas, de tres a 10 pala

bras o frases cortas que ayuden a los indi /adores a clasificar el artículo. Estas palabras o
frases clave se publican junto con el resumen.
Introducción
El cuerpo principal del informe experimental comienza con la introducción. Por acuerdo,
la introducción inicia el informe y no es necesario rotularla. Sin embargo, en algunos
casos el título se repite en el encabezado de la primera página de la introducción. Una
introducción bien escrita gana y retiene la atención del lector, lo convence de que el
material es importante e interesante y de que vale la pena continuar con la lectura. Se
recomiendan tres consideraciones básicas al escribir la introducción:
¿Cuál es el objetivo principal del experimento?, ¿cuál es el problema que trata de

resolver?
¿Cómo se relaciona el experimento con otras investigaciones en el área?

¿Cómo contribuyen los métodos y el diseño que se están utilizando a solucionar el
problema?
Es importante abarcar de manera clara y concisa cada uno de estos puntos. Si usted
tiene dificultad para hacerlo, puede preguntarse, en primer lugar, por qué realizó el expe
rimento (con frecuencia estas preguntas deben contestarse antes de realizar un estudio).
Estructura general
Al escribir la introducción se procede de la siguiente manera. Prim ero se dan algunas
descripciones generales acerca de la problemática planteada. Es preciso continuar con el
análisis, una revisión bibliográfica del trabajo que otras personas han realizado en
esta área y se requiere leerla previamente. Esto permite incluir comentarios sobre los ex
perimentos y de las teorías utilizadas en el área. Posteriormente, hay que indicar cómo
se relaciona el trabajo con otras investigaciones; es decir, ¿cómo es que los métodos y
procedimientos generan información novedosa que otras investigaciones no han apor
tado? Esta sección presenta la exposición razonada de motivos y la lógica que apoyan el
experimento. El último párrafo debe presentar la hipótesis que se sometió a prueba en
la investigación.
Extensión
La extensión de la introducción está determinada por la bibliografía que se haya consul
tado. La revisión de la misma, utilizada en la introducción, no necesita ser exhaustiva,
pero si representativa. Con excepción de pocas referencias generales al principio de la
introducción, los estudios citados deben estar directamente relacionados con la investi
gación realizada. Es decir, primero se toman en cuenta los estudios de interés general,
pero la revisión se centra en experimentos muy particulares.
Las introducciones son breves, de una a dos cuartillas máximo. La excepción a esta
regla se da en caso de estudios muy complejos o que utilizan una metodología con la que
la mayoría de los lectores no están familiarizados.
Extensión 129
Citas bibliográficas
Al redactar la revisión de la bibliografía hay que recordar un aspecto muy importante: si
se hace una afirmación es preciso documentarla; es decir, se deben citar los estudios que
sustentan cada punto de vista. En la escritura científica las notas a pie de página no son
apropiadas; en lugar de ello, la referencia se da directamente en el texto.
M ateriales y m étodos
El propósito de esta sección es asegurar que el lector tenga la suficiente información
para evaluar el diseño científico del estudio y notar su solidez o sus deficiencias. Sin
embargo, si se trata de incluir cada detalle del procedimiento, se escribirá una tesis y
no un artículo o reporte de investigación claro, conciso, completo y bien organizado.
Se debe procurar que la lectura sea rápida, precisa y comprensible. Asimismo, se debe
hacer todo lo posible por ayudar al lector a comprender rápidamente el material y cual
quier concepto que pueda crear confusión debe evitarse o eliminarse. Si cuando el autor
relee el material, este no es claro y conciso, debe reescribirse. Prácticamente, siempre es
necesario hacer modificaciones, reorganizaciones o cam bios en la redacción, aun para el
autor más experimentado.
Otra consideración al redactar esta sección es determ inar cuántos detalles técnicos
son suficientes. Si el estudio utiliza una técnica básica que ha sido presentada previa
mente, no es necesario incluir una descripción completa de la técnica en el artículo. Sin
embargo, si el procedimiento ha sido modificado, entonces la técnica básica debe ser
referida y la modificación presentada. Finalmente, si el estudio utiliza un procedimiento
nuevo, que además es bastante extenso, lo mejor es presentarlo en un artículo aparte.
Este puede ser som etido para su publicación en la misma revista, o en otra revista rela
cionada con procedimientos científicos específicos. Deben presentarse suficientes deta
lles a los lectores para que puedan evaluar las fuentes potenciales de sesgo en los resul
tados. Además, deben existir suficientes detalles para ayudar a otros investigadores a
evitar errores y esfuerzos innecesarios.
Es necesario que la sección sea clara y específica en la medición de los resultados.
¿Las mediciones son objetivas o subjetivas? Por ejemplo, medir variables cualitativas
subjetivas como el dolor en categorías de ligero, moderado y severo, ciertamente no es
muy exacto. Por consiguiente, debe establecerse clara y específicamente cómo determ i
na el autor cada categoría. Además, se debe ser sumamente claro en cuanto a los rangos
específicos asignados a las medidas subjetivas y establecer cóm o y por qué son asigna
dos así. Por ejemplo, si a ligero se le da un rango numérico d e 1 y al moderado de 2, es
obligatorio presentar diferencias específicas entre 1 y 2. Es aún más imperativo que si
esos números y numerales van a ser utilizados en análisis estadísticos, sean usados ade
cuadamente. También debe recordarse que aun medidas tales com o 1, 2 o 3 mm son solo
unidimensionales.
Se debe presentar de manera específica qué controles fueron usados en el estudio,
¿control positivo o control negativo? Si una técnica común fue utilizada com o un control
base, ¿fue verdaderamente parte del estudio, o se están tomando datos de otros estudios?
Además, debe especificarse cóm o fue llevada a cabo la aleatoriedad. Esto debe hacerse
con cada variable estudiada. La mayoría de los libros de estadística describen, en concre
to, cóm o se realiza la selección aleatoria adecuadamente. Si se usa una tabla o técnica
específica, entonces ha de establecerse y anotarse. Asimismo, debe incluirse cómo fue

realizado el análisis estadístico de los datos. Por lo general, es m ejor citar un libro de
texto si los detalles sobre el método utilizado son necesarios.
Al investigador principiante se sugiere dividir esta sección en cuatro subscccioncs:
sujetos o unidades de observación; aparatos c instrumentos; procedimiento; y diseño.
Sujetos o unidades de observación

El primer paso es indicar al lector las unidades de observación (personas, animales o
cosas) que se utilizaron en el experimento:
1. Señalar a los participantes en el estudio (por ejemplo, los sujetos fueron 25 hom
bres y 30 mujeres, o los sujetos fueron 25 ratas albinas, 200 piezas de la produc
ción de tornillos de una fábrica, entre otros).
2. Indicar las características generales de los sujetos. En el caso de personas y ani
males: edad, género, raza y cualquier otra información que pueda ser importante.
Por ejemplo, si el estudio incluye a estudiantes universitarios, mencionar cuántos
fueron del primer año, cuántos del segundo y así sucesivamente. En el caso de
objetos, describir sus características generales, condiciones de fabricación, lote y
fecha de producción, especificaciones, entre otras.
3. Mencionar cómo se hizo el proceso de selección a los sujetos. ¿Se seleccionaron
aleatoriamente, fueron voluntarios, intervinieron como parte de los requisitos de
un curso?
4. Indicar si uno de los sujetos no terminó el estudio y explicar los motivos (por
ejemplo: “el sujeto no terminó el experimento por enferm edad”).
5. Si en lugar de personas se utilizaron animales en el experimento informe acerca
de la edad, sexo, peso, raza y condiciones de mantenimiento de los animales (por
ejemplo: “los animales se mantuvieron en parejas y se les suministró agua y ali
mento a voluntad, o se mantuvo a los animales individualmente y se les privó de
alimento durante 23 horas al día”). Si se utilizaron objetos, es prudente mencio
nar sus características: modelo, marca, país de fabricación y todo lo que pueda
ser útil en el momento de analizar los resultados.
Aparatos o instrum entos

Este apartado debe incluir la descripción de cualquier equipo, dispositivo y material
utilizado para conducir el estudio.
Cuando se utiliza un equipo estándar basta con dar el nombre, número del m odelo y
fabricante (por ejemplo: “se utilizaron tres cámaras operantes Lafayctte, modelo #
85205”).
Cuando se ha usado equipo construido por uno mismo, es necesario hacer una des
cripción m ás completa indicando las dimensiones y los materiales empleados; por lo
general, un diagrama es muy útil en este caso.
Diseño 131
No es necesario especificar el equipo común como lápices o papel. La descripción:

“se utilizó un lápiz del número dos. amarillo, de 12 cm de largo y con punto mediano
para registrar las respuestas”, es entrar en detalles innecesarios.
Se debe decir para qué se utilizó cada parte del equipo; no simplificar la lista.
Procedim ientos
El propósito de esta sección es explicar, a detalle, cómo se recopilaron los datos, de tal
manera que quienes no tienen antecedentes del experimento puedan repetirlo. Al escribir
acerca del procedimiento deben contestarse dos preguntas básicas:
¿Cómo se administró la variable independiente? (Es decir, ¿qué hizo?).
¿Cómo se registró la variable dependiente? (Es decir, ¿cómo registró lo que hizo el
sujeto, el objeto o procedimiento?).
Administración de la variable independiente: si los sujetos fueron personas, descri
ba cómo se les trató. En la mayoría de los casos esto incluye una explicación de las ins
trucciones dadas a cada grupo (es adecuado transcribirlas) y una definición de la tarca
que se pidió a cada sujeto. Si se utilizaron sujetos animales, solo describa la tarea que
realizaron. Si la tarca es muy común bastará con nombrarla. Por ejemplo: “para accionar
la palanca se entrenó a las ratas con el método de aproximaciones sucesivas”. Si la tarca
es nueva, es necesario describirla exactamente; preséntelo com o un conjunto de instruc
ciones, pero en tiempo pasado. Si se trata de objetos, describa qué fue lo que se modificó
y cómo se realizó la variación.
Registro de la variable dependiente: es una descripción de cómo se recopilaron los
datos. Si los datos de interés fueron el número de veces que la rata accionó la palanca en
un lapso de 10 minutos, indique si usted los contaba o si se contaban automáticamente.
Si se contabilizó el número de veces en que dos niños de tres años de edad tuvieron
contacto mutuo durante un juego, debe indicarse si la observación se realizó de manera
directa o si se hizo el registro a partir de un video. Si se observaron varias conductas si
multáneamente: el número de veces que los niños tuvieron contacto y el número de ve
ces que hablaron, cerciórese de especificarlo. Si se trata de objetos describa cómo se
realizaron los registros d e la variable del objeto; por ejemplo, si se midió el diámetro y
largo de los tomillos, mediante qué instrumento y si fue de manera manual o automática,
si lo realizó un solo operador o varios, etcétera.
Diseño
Esta sección puede situarse antes o después de los procedimientos. Por lo general, las
secciones de diseño no están separadas en los artículos publicados; más bien, el material
se distribuye entre las otras partes de la sección de método. Pero es importante que el
nuevo escritor use una subsección de diseño a fin de proporcionar explícitamente cierta
información.
Indicar el tipo de diseño utilizado, ya sea un diseño de dos o tres grupos aleato
rios, de dos grupos en parejas, un diseño intrasujetos o correlacional, o cualquier
otro.
Explicar cuántos sujetos se asignaron a cada grupo y de qué manera (aleatoriamen

te o de otra manera).
Indicar el nombre de cada uno de los grupos. Si todavía no lo ha hecho, este es el
momento indicado para introducir cualquier abreviatura que haya utilizado como nom
bre para los grupos.
Comentar cualquier procedimiento de control utilizado (por ejemplo, una aleatorie-
dad o contrabalanceo).
Plantear cuáles fueron las variables independientes y dependientes y cómo se defi
nieron operacionalmente.
Advertencia: un error frecuente incurren los estudiantes principiantes al escribir la

sección de método es excederse en detalles. No es necesario indicar que la puerta de
la jaula se abrió, salió la rata, se cerró la puerta y la rata se quedó en el extremo derecho
del laberinto. Bastará una oración más corta para mencionar únicamente los datos com
petentes al experimento. Es difícil establecer reglas precisas respecto a cuántos detalles
son suficientes, pero no tendrá problemas si utiliza el sentido común y se pregunta: ¿po
dría alguien más realizar este experimento, del mismo modo, sin nada más que la sección
de materiales y métodos?
O bservación sistem ática

La mayor parte de la investigación toma la forma de los experimentos; así también los
intereses del investigador pueden requerir que recopile información al hacer una ob
servación sistemática. Por lo general, las observaciones sistemáticas toman una de dos
formas: observación naturalista o estudios correlaciónales.
En la observación naturalista el investigador simplemente observa la conducta de
un organismo. La tendencia es observar al sujeto en un am biente natural, aunque se ha
cen observaciones en ambientes modificados o artificiales; además, es común tener una
influencia moderada mientras se recopilan los datos (es decir, tratar que la presencia del
investigador no afecte la conducta del organismo). Por ello, la metodología de la obser
vación naturalista es muy diferente a la de un experimento. En esta última, el investiga
dor controla directamente un factor (la variable independiente) y observa los efectos de
este control en un segundo factor (la variable dependiente); por lo tanto, no es apropiado
com entar cóm o se administró la variable independiente o cómo se registró la variable
dependiente. En cambio, la sección de método de la observación naturalista debe descri
bir la conducta que el investigador observó y cómo registró la frecuencia, duración,
magnitud, entre otros aspectos. Luego de especificar las condiciones en las cuales se
recopilaron los datos, debe describir cómo observó la conducta de interés. Lo importan
te es, tal como en un experimento, que proporcione la suficiente información para que
alguien totalmente ajeno a su observación pueda aplicarla después de leer la sección de
métodos.
Un segundo tipo de observación sistemática es el estudio corre lacional. Aquí, como
en el caso de la observación naturalista, el investigador no controla nada (no hay variable
independiente); en cambio, selecciona a los sujetos que tienen el atributo que le interesa
estudiar. Al igual que en el caso de un experimento, la subsección de procedimiento debe
describir cóm o se administró y se calificó la prueba. 1.a manera en que seleccionaron los
sujetos se incluye en la sección de sujetos, y la prueba utilizada en la sección de instru
mentos. Es importante proporcionar suficientes detalles para que cualquier persona pue
da aplicar el estudio.
O bservación sistem ática 133
La introducción y las descripciones d e los sujetos e instrum entos tienen la misma

estructura, ya sea para inform ar respecto a un experim ento o a una observación siste
mática. El objetivo del m étodo tiene el mismo propósito general: detallar cóm o el
procedim iento para la realización del estudio, aunque en una observación sistem ática
no es apropiado hablar de variables independientes y dependientes. La descripción
del diseño es diferente en una observación sistem ática, debido a q ue se utilizan dife
rentes tipos d e procedim ientos de control, pero su propósito general continúa siendo
el mismo.
Resultados
Los resultados de un artículo científico constituyen, usual mente, la sección más corta
del documento. A pesar de la brevedad relativa, sin duda son el núcleo y la parte más
importante del manuscrito porque se incluyen los datos que resultan de la investigación.
Esta sección debe ser escrita en forma clara y sencilla porque los resultados de la fase
experimental de un estudio constituyen la nueva verdad, la nueva información, o los nue
vos principios que el investigador presentará a sus colegas profesionales, a la comunidad
científica y, en general, al resto del mundo com o su aportación.
La respuesta de tres cuestiones fundamentales puede ser de gran ayuda para obtener
selectividad y discriminar de manera correcta:
¿Este tema o estos datos son necesarios?
¿El tema o los datos pertenecen a la sección de resultados?

¿Todos los temas necesarios están incluidos?
La presente guía puede prevenir al escritor para no caer en algunos errores comunes.
La nueva evidencia deberá ser descrita tan eficientemente como sea posible. Presente
sólo los datos informativos y evite usar datos repetitivos. Aunque los datos numéricos
sean presentados en forma más eficiente en tablas y gráficas, si solo son reportadas pocas
determinaciones, colóquelas descriptivamente en forma narrativa. El texto no debe pre
sentar m ás que diferencias entre grupos. Un ejemplo de esto es el reporte de valores
medios de grupos y una apropiada evaluación estadística de las diferencias. No es nece
sario dar el cálculo estadístico en forma tabular, pero sí es importante presentar determi
naciones repetitivas, las cuales deberán estar en gráficas o en tablas. Es imperativo que
todas las determinaciones reportadas tengan un significado. Señalar los datos sobresa
lientes y evitar los datos superfluos. Donde sea posible, conviene conectar un resultado
con otro, lo cual permite establecer lo que no fiie encontrado bajo las condiciones del
experimento.
Muchos autores parecen impulsados a reportar datos que son estadísticamente no
significativos y a volcar la no significancia en pseudosignificancia. Frases que resuman
datos presentados en las tablas deben escribirse en términos inequívocos de significancia
estadística. Es esencial no hacer énfasis en hallazgos insignificantes: además, se debe
evitar el uso de afirmaciones como: “tiende a ser m ayor” o “mostró una tendencia signi
ficante”. Una vez que el nivel de confianza estadística ha sido establecido para el estudio
en el protocolo, los resultados que no alcancen ese nivel d e confianza, sin importar qué
tan cerca estén, deben considerarse no significativos estadísticamente. Encubrir esa falta
de significancia con frases tendenciosas es un mal servicio para el lector y denigra al
investigador, e incluso a los autores. A menudo esas frases son interpretadas como una
afirmación importante y asumen, entonces, las proporciones de una verdad. Si la integri
dad de la investigación científica se desea mantener, los autores deben ser sinceros en los
resultados y coherentes en lo que escriben. El compromiso con los valores óticos debe
aprenderse y mantenerse, ya que investigar y descubrir es servir com o vehículo para el
progreso humano y el avance del conocimiento.
Texto
Después de que ha explicado por qué y cóm o hizo su experim ento, es tiem po de llegar
a las partes más importantes del informe: los resultados del estudio (en la sección de
resultados) y su interpretación (en la sección discusión). Com o en el caso de otros
aspectos del informe, los resultados deben escribirse en forma de párrafos. No basta
tabular o enlistar los datos, aunque puede (y en ocasiones debe) hacerse en tablas y
figuras para com plem entar el m aterial escrito. La sección de resultados debe presentar
los datos recopilados, los métodos estadísticos utilizados para analizar los datos y los
resultados del análisis estadístico. Las siguientes sugerencias son aplicables al escribir
esta sección:
Presentar los datos de m anera resumida. En la mayoría de los casos es incorrecto

mostrar datos preliminares (los puntajes de cada sujeto). Es mejor exponer un resu
men de los datos de cada grupo, por lo general la media con su desviación estándar.
Antes de presentar los resultados de un análisis estadístico, es conveniente explicar

al lector por qué se realizó dicho análisis (por ejemplo: “se realizó una prueba para
determinar si la media de un grupo era significativamente diferente a la de otro
grupo").
Al informar resultados de análisis estadísticos ha de utilizarse este formato:
/(56) = 2.76. p < 0.05
Aquí, la / se refiere a la prueba estadística utilizada, 56 grados de libertad (gl),

2.76 el valor de / y 0.05 de probabilidad de un error tipo 1 (nivel de significancia). El
signo (<) significa m enor que, es decir, la probabilidad de un error tipo 1 es m enor que
5 en 100 y, por lo tanto, la diferencia entre los dos grupos es significativa al nivel 0.05
(si la probabilidad del error tipo 1 es m ayor que 5 en 100, tendría que escribir p >
0.05).
Tablas y figuras
A menudo las tablas y figuras agregan claridad al informe. Estas se utilizan para presen
tar los datos de manera resumida a fin de que el lector tenga un panorama de los resulta
dos con solo mirarlos. También son útiles para aclarar datos extremadamente complejos
y difíciles de manejar por escrito. Las tablas y las figuras deben tener un título que
describa de manera clara los datos que contienen y todas sus partes deben identificarse
con facilidad.
Discusión 135
Integración de tablas y figuras dentro del texto

Cada tabla o figura debe referirse en el texto. Por ejemplo, en la sección de resultados
puede exponen “I-a figura 1 se refiere a ... ", o: “ I-a tabla 6 muestra..." . Al final del pá
rrafo en el que se hace referencia a una figura o tabla, escriba:
Entra figura 1
Esto indica en dónde entra la figura o tabla. La figura o tabla real se incluye al final
del informe; cada una de ellas se coloca en una página separada.
Recom endaciones
R e se ñ a r tos comentarios para la sección de discusión: no comentar la importancia
o repercusiones de los resultados en la sección de estos. Si se hace, no habrá nada que
reportar en dicha sección.
Presentar únicamente resultados significativos: evitar hablar de las diferencias entre

los grupos si éstas no son significativas. Aun cuando las medias de los grupos difieran, si
la diferencia no es significativa es preferible om itir su mención.
No confundir lo no significante con lo insignificante: no significante es un término
estadístico (una prueba t indicó que la diferencia entre las medias no es significativaX
en tanto que insignificante es un juicio de valor. No existen resultados insignificantes
(aunque puedan ser no significativos), solo hay experimentos insignificantes.
Indique los datos con exactitud: no modificar los valores de la media que tiene
como dato original. Por ejemplo, si se quiere medir el tiem po de reacción en décim as de
segundos (como en 10.6 segundos), no se debe informar que el grupo A tuvo un tiempo
medio de reacción de 10.5632 segundos.
Discusión
Esta sección e s la más difícil de definir debido a que no hay reglas absolutas que deban
seguirse para escribirla. Sin embargo, hay algunos puntos que deben ser incluidos en la
discusión, los cuales no necesitan estar en un orden particular y pueden estar intercala
dos para mejorar la capacidad de lectura. El propósito de la discusión es:
Interpretación de análisis estadísticos: el cam ino más directo para exponer esta
sección es determinar si los resultados apoyan o no la hipótesis inicial (los resultados no
prueban o desaprueban algo). Si los datos apoyan o no la hipótesis, entonces bastará una
simple oración al respecto. Sin embargo, para el investigador principiante este no es caso
común, ya que en muchas ocasiones es difícil interpretar los datos debido a fallas en el
estudio. Un experimentador profesional termina el experimento al hacer las modificacio
nes que su experiencia dicta necesarias, pero un estudiante no tiene antecedentes, por lo
que es su responsabilidad comentar las fallas y explicar cóm o podrían corregirse en
estudios subsecuentes. Por ejemplo, durante su investigación podría tener ciertas dificul
tades para controlar determinada variable (demasiado ruido en el pasillo durante el ex
perimento) o quizá tuvo problemas con los instrumentos.
Los problemas de este tipo no necesariamente invalidan el experimento, pero es

responsabilidad del autor informar sobre ellos y dar al lector una idea de las interrupcio
nes ocurridas. Incluso el mejor experimento puede perfeccionarse, tam bién es difícil
admitir y reconocer un defecto y reportar una falla; sin embargo, por lo general esto
demuestra que se es un investigador cuidadoso y perceptivo.
Implicaciones de los resultados y com paración con investigaciones anteriores: si

se cuenta con datos lim pios (por ejem plo, resultados estadísticam ente significativos y
sin confusión en las variables), el siguiente paso es exponer las im plicaciones de e s
tos. Una manera d e lograrlo es com entar sus datos en térm inos de las teorías existen
tes, ¿qué teorías apoyan los datos? ¿Con cuáles difieren? Un experim ento no formula
o anula una teoría, pero es im portante ubicarlo en una perspectiva teórica. En esta
parte del inform e pueden com pararse los resultados con los de estudios previos. ¿Son
congruentes sus resultados con los de otro s investigadores? Si no lo son, ¿por qué?
¿H ubo alguna modificación en el procedim iento que pudo haber causado tal diferen
cia? Rara vez el investigador puede proponer una nueva teoría con base en un solo
experim ento. En general, un experim ento no basta para apoyar una nueva teoría; sin
em bargo, con base en los datos se puede sugerir una modificación a una teoría exis
tente.
Sugerencias para investigaciones futuras: un aspecto importante de la sección de
discusión es sugerir qué experimento (o experimentos) se podrían hacer después. La
propuesta no debe ser muy detallada. Una breve oración que inicie con la frase: “Futu
ras investigaciones podrían...” o “Estudios subsecuentes podrían investigar...” es sufi
ciente.
Sugerencias
Explique los resultados no significativos: si realiza bien un experimento y observa que la
variable independiente no tuvo un efecto significativo, entonces se obtuvieron resultados
negativos. Sin embargo, esto no necesariamente significa que los resultados sean insig
nificantes. Con frecuencia los resultados negativos aportan información tan útil como la
que aportan los hallazgos positivos. Com o se mencionó, a los resultados negativos se les
debe dar la misma importancia que a los resultados positivos. Conviene escribir acer
ca de ellos en términos de cómo afectan la hipótesis inicial, qué tan adecuados son para
teorías existentes o si sugieren una nueva teoría, cómo se relacionan con investigaciones
previas y cóm o podrían utilizarse para sugerir nuevas investigaciones. Hay que evitar
justificar los resultados negativos, es decir, dar excusas por haberlos obtenido. Antes
de atribuir los resultados negativos solo a la falla de los instrumentos o a un diseño de
ficiente, aunque en ocasiones dichos factores pueden influir, a menudo simplemente
debe reconocerse que el experimento fracasó (es decir, que la variable independiente no
produjo una diferencia).
Evitar analizar los resultados no significativos: una m anera de identificar las va
riaciones no significativas es cuestionarse si. en caso de realizar nuevamente el experi
mento, la diferencia entre los dos grupos podría ser nula o lo contrario de la diferencia
Referencias bibliográficas 137
original. Algunos investigadores señalan que, aunque las diferencias no son significa
tivas, éstas se orientan hacia la dirección correcta. Esto significa que el grupo que se
suponía se desem peñaría m ejor (o peor) así lo hizo, aunque no significativamente. Esta
técnica es adecuada en algunas situaciones cuando se utiliza una muestra pequeña y
los resultados se aproximan a la significancia estadística, pero debe usarse con precau
ción.
Agradecim ientos
En un lugar adecuado del artículo una o varias declaraciones especificarán:
1. Ixis colaboraciones que deben ser reconocidas pero que no justifican la autoría,
tales como el apoyo general del jefe del departamento.
2. La ayuda técnica recibida.
3. El apoyo financiero y de material, especificando la índole del mismo.
4. Las relaciones financieras que puedan suscitar un conflicto de intereses.
Las personas que colaboraron intelectual mente, pero cuya participación no justifica
la autoría pueden ser citadas por su nombre, añadiendo su función o tipo de colabora
ción; por ejemplo: “asesor científico", “revisión crítica de la propuesta para el estudio",
“recolección de los datos", “participación en el ensayo", entre otros. Estas personas de
berán conceder su permiso para ser nombradas. Los autores se responsabilizarán de ob
tener la autorización por escrito de las personas mencionadas por su nombre en los
agradecimientos, pues los lectores pueden inferir que éstas respaldan los datos y las
conclusiones. El reconocimiento por la ayuda técnica recibida figurará en un párrafo
separado de los testimonios de gratitud por otras contribuciones.
Referencias bibliográficas
Esta sección es un listado de las fuentes citadas en el texto. Quizás es más fácil discutir
lo que una sección de referencias no debe ser, a decir lo que es.
Primero: no debe ser una larga compilación diseñada para mostrar erudición, apli
cación y amplitud de conocim iento del autor. Un artículo con un apéndice de referencias
prolijo es usualmente la tesis de un estudiante. Puede ser bueno para un estudiante pro
veer conocimiento enciclopédico de la literatura en una tesis, pero es inapropiado en un
artículo científico a publicar.
Segundo: lo obvio no necesita ser citado. Así, referencias a libros de texto, al menos
del área de estudio, son usualmente superfluas. Por ejemplo, en un estudio sobre el mó
dulo de elasticidad de limas endodónticas en el Journal o f Endodonlics, una referencia a
un texto de ingeniería puede ser razonable, pero una referencia al texto de Grossman (un
renombrado endodoncista) para establecer que la instrumentación del conducto es una
parte de la terapia endodóntica. no lo es.
Tercero: una referencia que no se puede verificar, no es aceptable. Así, datos extraí
dos de la comunicación personal, el dato no publicado, o la tesis de maestría en la “Uni
versidad d e Rumorilandia” y citas semejantes a estas, no son fuentes a las cuales el lector
pueda remitirse. Finalmente, se recomienda que las referencias se limiten a publicacio
nes recientes.
La política de algunos Joum als es la de máximo 20 referencias para un artículo

científico y de 10 para reportes de casos, lo cual parece ser un número razonable. En
resumen, las referencias solo deberán contener fuentes que sean esenciales y estén dis
ponibles para el lector que desee andar por donde el autor caminó. Todo el material cita
do en el informe de investigación debe ser incluido en la sección de bibliografía. Todas
las referencias se incluyen en la misma lista en orden alfabético, empezando con el ape
llido. Si cita trabajos que no tienen autor, colóquclos en orden alfabético a partir de la
primera palabra importante en el título.
Ordene cada referencia de la siguiente manera:
Apellido del autor, inicial del primer nombre e inicial del segundo nombre.
Año de publicación (entre paréntesis).
Título del artículo, capítulo o libro.

Datos de la publicación: de revista: nombre de la revista, mimen) de volumen, pági
nas (nótese que el nombre de la revista y el número del volumen van en cursivas).
De un libro: ciudad en donde se publicó y editorial.
El título de un artículo de libro o revista se escribe en redondas y con la primera

letra mayúscula. En el caso de un libro completo, solo la primera letra se escribe con
mayúscula y todo el título en cursivas. Observe la puntuación que se utilizó: punto des
pués de las subscccioncs mayores (autor, año, título y datos de publicación). Las comas
separan las unidades de cada subsccción; por ejemplo, American Psychologist, 28, 312-
317.
Cuadros
Lo usual es capturar cada cuadro a doble espacio y en hoja aparte. Numerarlos conse
cutivamente siguiendo el orden en que se citan por prim era vez en el texto y asignarles
un título breve a cada uno. Cada columna lleva un encabezado corto o abreviado. Las
explicaciones van como notas al pie y no en el encabezado. En las notas a pie se explican
todas las abreviaturas no usuales empleadas en cada cuadro. Com o llamadas para las
notas al pie, deben utilizarse los siguientes símbolos en la secuencia que se indica: *, t,
t. S. IV*. t t . «...
Identificar las medidas estadísticas de variación, tales com o la desviación estándar
y el error estándar de la media. No trazar líneas horizontales ni verticales en el interior
de los cuadros. Cerciorarse de que cada cuadro sea citado en el texto. Si se incluyen
datos publicados o inéditos provenientes de otra fuente, debe obtenerse la autorización
necesaria para reproducirlos y conceda el reconocimiento correspondiente.
Incluir un número excesivo de cuadros en relación con la extensión del texto puede
ocasionar dificultades al confeccionar las páginas. Es recomendable examinar varios
números recientes de la revista en la que se planea presentar el artículo y calcular cuán
tos cuadros pueden incluirse por cada millar de palabras de texto.
Pies o epígrafes de las ilustraciones 139
Al aceptar un artículo, el director podrá recomendar que los cuadros suplementarios

que contienen datos de respaldo importantes, pero que son muy extensos para ser publi
cados queden depositados en un servicio de archivo, como el Servicio Nacional de Pu
blicaciones Auxiliares (NASP, por sus siglas en inglés) en Estados Unidos, o que sean
proporcionados por los autores a quien los solicite. En tal caso, se agregará en el texto la
nota informativa necesaria; sea com o fuere, dichos cuadros se presentarán junto con el
artículo.
Ilustraciones
Es necesario enviar los juegos completos de figuras en el número requerido por la re
vista. Las figuras estarán dibujadas y fotografiadas en forma profesional; no se aceptarán
los letreros trazados a mano o con máquina de escribir. En lugar de dibujos, radiografías
y otros materiales de ilustración originales, se deben enviar impresiones fotográficas
en blanco y negro bien contrastadas, en papel satinado y con medidas entre 127 x 173
mm, y 203 x 254 mm. Las letras, números y símbolos serán claros y uniformes en todas
las ilustraciones; además, tendrán un tamaño suficiente para que sigan siendo legibles
incluso después de la reducción necesaria para publicarlos. Los títulos y explicaciones
detalladas se incluirán en los pies o epígrafes, no sobre las propias ilustraciones.
Al reverso de cada figura colocar una etiqueta de papel que lleve anotados el núme
ro de la figura, el nombre del autor y cuál es la parte superior de la misma. No escribir
directamente sobre el dorso de las figuras ni sujetarlas con broches para papel, pues se
rompen y quedan marcadas. Las figuras no deben doblarse ni montarse sobre cartón.
Las fotomicrografías deben incluir en sí mismas un indicador d e la escala. Los sím
bolos, flechas y letras usadas en éstas contrastarán claramente con el fondo. Si se usan
fotografías de personas, no deberán ser identificables; de lo contrario, habrá que anexar
un permiso por escrito para poder utilizarlas.
Las figuras se numerarán en forma consecutiva de acuerdo con su primera mención
en el texto. Si la figura ya fue publicada, se reconocerá la fuente original y se presentará
la autorización por escrito que el titular de los derechos de autor concede para reprodu
cirla. Este permiso es necesario, independientemente de quién sea el autor o la editorial.
La única salvedad son los documentos considerados de dom inio público.
En el caso de las ilustraciones a color, se debe averiguar si la revista necesita nega
tivos, transparencias o impresiones fotográficas. Algunas revistas publican ilustraciones
a color únicamente si el autor paga el costo extra.
Pies o epígrafes de las ilustraciones

Los pies o epígrafes de las ilustraciones se redactarán a doble espacio, comenzando en
hoja aparte e identificándolos con los números arábigos correspondientes. Cuando se
utilicen símbolos, flechas, números o letras para referirse a ciertas partes de las ilustra
ciones, será preciso identificar y aclarar el significado de cada uno en el pie o epígrafe.
En las fotomicrografías habrá que explicar la escala y la simbología utilizada.
Presentación del texto

Los informes deben escribirse en computadora (en un procesador de textos); esto le dará
una mejor presentación y lo hará más fácil de leer. Mecanografiar o imprimir el manus
crito en papel bond blanco de 216 x 279 mm (para América) o de la m edida estándar
ISO A4 (212 x 297 mm para Europa), un margen de 2.5 a 4 cm de todos los lados es
lo convencional. La sangría en los párrafos debe ser de cinco espacios. Escribir sola
mente sobre una cara del papel. Utilizar doble espacio en todo el documento, incluidos
la página del título, el resumen, el cuerpo principal del texto, los agradecimientos, las
referencias, cada uno de los cuadros y los pies o epígrafes de las ilustraciones. Cada
uno de los siguientes componentes comenzará en hoja aparte: página del título con el
respectivo resumen y las palabras clave, texto, agradecimientos, referencias, cada uno
d e los cuadros y los pies o epígrafes de las ilustraciones. Numerar las páginas en forma
consecutiva, empezando por la del título. Sobre el ángulo superior o inferior derecho de
cada página anote el número correspondiente. Las ilustraciones se presentarán en forma
de impresiones fotográficas de buena calidad, en papel satinado, sin montar y sin exceder
o reducir las medidas estipuladas más arriba, en el apartado de ilustraciones.
Integración del informe

El manuscrito debe integrarse como sigue:
Título, autor y afiliación (separado, en una página no numerada).

Resumen (página separada): el resumen se escribe en un párrafo. La palabra Resu
m en debe figurar, centrada, al inicio de la página que abrirá la numeración.
Introducción (página separada).

M étodo: después de la última línea de la introducción, dejar un doble espacio y
centrar la palabra Método.
Sujetos.
Instrumentos.
Diseño.
Procedimiento.
Cada uno de estos subtítulos va con la primera letra en mayúscula, subrayado y
justificado a la izquierda.
Resultados: dejar doble espacio después de la sección de método, centrar y subrayar

la palabra Resultados.
Discusión: luego de escribir la última línea de la sección de resultados dejar doble
espacio, centre y subraye la palabra Discusión.
Conclusiones: luego de escribir la última línea de la sección de Discusión dejar

doble espacio, centre y subraye la palabra Conclusiones.
Bibliografía (página separada): centrar la palabra Bibliografía al inicio de la nueva

página.
Tablas: cada tabla debe aparecer en una página separada; debe estar numerada
(por ejemplo, tabla / , centrada), tener título y estar referida en el texto.
Figuras: se aplican las mismas reglas que para las tablas.

Pies o epígrafes de las ilustraciones 141
Numeración de páginas: el resumen se numera en la página 1 en el ángulo superior

derecho y todas las páginas siguientes (incluyendo tablas, figuras y bibliografía) se nu
meran consecutivamente. No identificar cualquiera de las subsecciones con letras o
números.
En resumen, el manuscrito se integra como se indica a continuación:
(En hoja aparte)

Título
(Centrado en una página separada y sin numerar)
(En hoja aparte)
R esum en
(Centrado en una página separada numerada con 1)
(En hoja aparte)
Introducción
(Sin numerar, en una página separada) Doble espacio
M étodo
(Centrado)
Doble espacio
Sujetos (subrayado y sin sangría)
Com enzar el texto dos líneas abajo dejando sangría.
Doble espacio
Instrumentos
Com enzar el texto dos líneas abajo dejando sangría.
Doble espacio
Diseño
Iniciar el texto dos líneas abajo dejando sangría.
Doble espacio
Procedimiento
Iniciar el texto dos líneas abajo dejando sangría.
Doble espacio
R esultados
(Centrado)
Doble espacio
Discusión
(Centrado)
Doble espacio
Conclusiones
(Centrado)
(En hoja aparte)
Bibliografía
(Centrada, en una página separada)
(En hoja aparte)

Tabla 1.
(En hoja aparte)

Figura 1
Abreviaturas, números y sistem a m étrico
Abreviaturas
Existen dos tipos de abreviaturas, las de uso com ún y las que no lo son. Las primeras
incluyen abreviaturas al m enos tan conocidas com o las palabras que representan (por
ejemplo, CI: Coeficiente Intelectual) y las otras contienen abreviaturas únicas para
un informe de investigación específico. ¿Cóm o notar la diferencia? Las abreviaturas
conocidas se indican com o palabras de entrada en el diccionario. Si utiliza una de
estas abreviaturas, no es necesario explicar qué significa; sim plem ente úsela como
cualquier otra palabra. Si se em plea una abreviatura poco conocida, debe explicár
sele al lector el significado. Por ejem plo, si realiza un experim ento acerca del tiempo
d e reacción, con frecuencia escribirá las palabras tiem po de reacción; por lo tanto,
e s conveniente abreviar este término. Puede hacerse especificando la abreviatura en
paréntesis inm ediatam ente después de la primera mención de las palabras tiempo de
reacción, por ejemplo, “E l estudio intentó m edir el tiem po de reacción (TR) en es
tudiantes universitarios”. A hora, cada vez que se refiera al tiem po de reacción, solo
necesitará escribir TR. Por supuesto, puede com binar el térm ino y la abreviatura en el
artículo para evitar el tedio.
Las abreviaturas son útiles para referirse a diversos gropos experimentales; usual-
mente, dichas abreviaturas se introducen en la subsección del diseño. Tratar de que las
abreviaturas se deriven lógicamente del nombre, esto facilita la tarea del lector. Por
ejemplo, si se enseñó a un grupo con el método de grupos extensos, abrevie el nombre
del grupo com o Grupo E, no como Grupo A o B (observe que la E de Grupo E se escribió
con mayúscula, como en el caso de la T de Tabla o la F de Figura; Grupo E es el nombre
de algo).
Números
Cuando se utilizan números en el texto, los números menores que 10 usualmente se
escriben con letra (uno, d o s...). El 10 y los números mayores se escriben con dígitos,
excepto cuando el número inicia una oración (evítelo). Los números menores que 10
también pueden escribirse con dígitos si es que representan edades (5 años de edad),
horas o fechas (5:30 P.M., 7 de mayo), razones (7:1), números agrupados para hacer
una comparación en la oración (7 perros, 3 gatos, 1 oso hormiguero), porcentajes (7%
d e respuestas), cantidades exactas de dinero (5 pesos), números de páginas (página 2),
o unidades de medida o tiempo (1 semana, 10 ensayos por día, 6 centilitros de leche, 3
horas por día). Las excepciones parecen infringir las reglas, pero en la mayoría de los
casos encontrará alguna justificación para utilizar dígitos.
Sistem a de medidas
Las medidas de longitud, talla, peso y volumen se expresarán en unidades del Sistema
Internacional de Unidades (metro, kilogramo, segundos) o sus múltiplos y submúltiplos.
Las temperaturas se consignarán en Celsius o Kelvin según sea temperatura relativa o
absoluta. La redacción de la revista podrá solicitar que. antes de publicar el artículo, los
autores agreguen unidades alternativas o distintas de las del SI. No hay puntos después
de g, kg, y cm ; estas abreviaturas son siempre aceptables.
Vo7. y tiem po de los verbos 143
Consideraciones de estilo
Estilo general de redacción

La escritura científica debe ser clara y concisa. Se debe suprimir cualquier palabra o
frase que no sea absolutam ente necesaria para la claridad del informe. Los escritores
novatos tienden a utilizar un lenguaje poético en los informes de investigación. Pero a
pesar de que los tropos literarios (onomatopeya, aliteración, metáfora, etc.) son agrada
bles en los cuentos, resultan inapropiados para la escritura científica. Si desea hacer una
afirmación, hágala tan sucinta y clara como sea posible.
G ram ática y ortografía

A menudo, los estudiantes creen que los artículos científicos no deben apegarse a las
reglas gramaticales; sin embargo, los textos con mala ortografía y sintaxis desmeritan el
trabajo. Estas deficiencias indican la negligencia de los autores y por lo tanto, de los in
vestigadores descuidados. Una vez que el lector detecta este hecho le será difícil evaluar
objetivamente su artículo, aun cuando el contenido sea bueno.
Tener a la mano un diccionario de la lengua y uno de términos técnicos especializa
dos es muy útil. Revisar y corregir el artículo después de que alguien más ajeno a la
realización, lo haya leído. Si se ha invertido tiempo para realizar un estudio, analizar
los datos, escribir y capturar el informe, sería una pena dejar que los errores tipográficos
demeriten el producto final. Una técnica muy útil es leer el artículo hacia atrás. Esto
fuerza a leer cada palabra y le ayuda a detectar muchos errores.
Voz y tiempo de los verbos
Voz
Para dar objetividad, los investigadores tradicionalmente escriben sus informes en forma
impersonal.
“El experimentador observó” en lugar de “Observé”.
“El lector puede observar” en lugar de “Usted puede observar".
Sin embargo, en algunos casos es preferible utilizar pronombres personales para

evitar el abuso de la voz pasiva:
“Entrené (o entrenamos) a las ratas” , en lugar de “Las ratas fueron entrenadas”.
“Apliqué (o aplicamos) una prueba t", en lugar de "Fue aplicada una prueba t".
En general, usted debe evitar la voz pasiva siempre que sea posible:
“Diversos experim entos m ostraron” , en lugar de “Se m ostró"

Tiempo
Debido a que el informe siempre se escribe al terminar el experimento, debe redactarse
en tiempo pasado. Esto se aplica especialmente a las secciones de método y resultados.
En ocasiones es correcto usar el tiempo presente en la discusión, especialmente el co
mentario de las implicaciones de los datos; por ejemplo, “en síntesis, los datos de este
experimento sugieren...” Un error común en el aprovechamiento del tiempo ocurre en
la revisión de la bibliografía. No escriba “ Moc (1974) sugiere” . Todos los estudios cita
dos ya se realizaron; por lo tanto, refiérase a ellos en tiempo pasado, por ejemplo, “Moe
(1974) sugirió” .
El estilo según George Orwell

George Orwell resumió el estilo en la escritura científica de la siguiente manera:
Nunca utilizar una metáfora, símil u otras figuras gramaticales o sintaxis figurada.
Evitar el uso de palabras largas donde deba ir una palabra corta.
Si es posible acortar una palabra, hacerlo siempre.
Nunca utilizar voz pasiva donde pueda utilizar voz activa.
Nunca utilizar modismos, galicismos, anglicismos, entre otros. Evite las palabras
científicas o de uso circunscrito a ciertos grupos; es preferible sustituirlas por una
palabra de uso cotidiano.
Hacer caso omiso de cualquiera de estas reglas antes que decir algo inaceptable.
Escribir, reescribir y volver a reescribir

Con frecuencia se pregunta cuántas veces se debe reescribir un artículo. La respuesta a
esta interrogante es: “las que sean necesarias” . Algunas personas son capaces de sentarse
frente a una computadora sin una copia manuscrita o inclusive sin un bosquejo y lograr
un informe perfecto. Si se tiene este talento, con seguridad no se necesitará el consejo
d e nadie. Sin embargo, la mayoría de los investigadores revisan sus manuscritos muchas
veces antes de enviarlos a publicación. Es frecuente tener que hacer tres, cuatro o cinco
borradores. El número de borradores que puedan escribirse estará limitado al tiempo
del que se disponga. Pero si el artículo no es perfecto después de dos borradores, no
se desanime; aún está uno o dos borradores adelante que la mayoría.
Aprender a escribir
Se nos enseña primero a leer y luego las reglas de ortografía, pero parece que nadie se
preocupa por enseñamos a escribir. Escribir es algo que se supone debemos aprender es
cribiendo. Sin embargo, nada aprendemos en relación con la escritura científica. En este
capítulo se ha intentado indicar cómo comenzar a escribir informes científicos. Cuando
ya conozca los fundamentos, la mejor m anera de aprender a escribir es leer, Ix e r artícu
los de revistas científicas y, además, es necesario poner atención en el contenido y en
cóm o el autor presenta la información. Mientras m ás lo haga (y desde luego, mientras
más escriba), más fácil será para usted la escritura científica.
Publicación previa y duplicada 145
Presentación del m anuscrito a la revista

Envíe el número requerido d e copias del manuscrito en un sobre de papel resistente; si
es necesario, proteja las copias y las figuras metiéndolas entre dos hojas de cartón para
evitar que las fotografías se doblen durante la manipulación postal. M eta las fotografías
y transparencias en su propio sobre de papel resistente.
Los manuscritos irán acompañados de una carta de presentación que proporcione:
a) información acerca de la publicación previa o duplicada, la presentación del manus
crito a otra revista o la publicación de cualquier parte del trabajo; b) una manifestación
de las relaciones financieras o de otro tipo que pudieran desembocar en conflicto de in
tereses; c) una declaración de que el manuscrito ha sido leído y aprobado por todos los
autores y ha cumplido con los requisitos de la autoría expuestos anteriormente en el
presente documento; y de que el manuscrito representa un trabajo honrado; y d) el nom
bre. la dirección y el número telefónico del autor responsable de com unicarse con
los demás autores en lo concerniente a las revisiones y a la aprobación final de las prue
bas de imprenta. La carta debe incluir cualquier información suplementaria que pueda
resultar de utilidad para el director, tal como el tipo de artículo que el manuscrito repre
senta para esa revista en particular y si el autor (o los autores) estarían dispuestos a su
fragar el costo de reproducir las ilustraciones a color.
El manuscrito se acompañará de copias de los permisos concedidos para reproducir
material ya publicado, para usar ilustraciones, revelar información personal privada so
bre individuos que puedan ser identificados o para nombrar a ciertas personas por su
colaboración.
Publicación previa y duplicada

La mayoría de los directores de revista no desean considerar para publicación un ma
nuscrito acerca de un trabajo que ya se ha dado a conocer previamente o que se ha
descrito en un artículo propuesto o aceptado para publicación en otra parte, ya sea un
medio impreso o electrónico. Por lo general, esta norma no impide considerar un artí
culo rechazado por otra revista o una comunicación completa que sigue a la publicación.
Tampoco impide considerar un artículo presentado en una reunión científica si este no
aparece íntegramente en las actas de la reunión o en una publicación semejante. Las
informaciones periodísticas acerca de la reunión no se consideran infracciones de esta
regla, pero no habrán de ampliarse mediante datos suplementarios o copias de los cua
dros o las ilustraciones. Cuando se propone un artículo para publicación, el autor está
obligado a informar plenamente al director de la revista acerca de cualquier presentación
del documento a otras revistas o cualquier informe que pudiera considerarse publicación
previa o duplicada de un mismo trabajo. Junto con el manuscrito se incluyen copias de
los documentos pertinentes para ayudar al director a decidir la manera de hacer frente a
este asunto.
Rara vez se justifica la publicación múltiple, que se define como el acto de publicar
más de una vez los mismos resultados de un estudio, aunque la redacción se cambie. Una
posible justificación es la publicación secundaria en otro idioma, siempre y cuando se
cumplan las siguientes condiciones:
Se informará cabalmente a los directores de las dos revistas involucradas; el director

de la publicación secundaria tendrá en su poder una fotocopia, reimpreso o manuscri
to de la versión primaria.
Se respetará la precedencia d e la publicación primaria dejando transcurrir un inter

valo de por lo menos dos sem anas antes de sacar a la luz la versión secundaria.
El artículo secundario estará dirigido a un grupo diferente de lectores y no será sim
plemente una traducción del primario: a menudo basta con una versión resumida.
La versión secundaria reflejará fielmente los datos y las interpretaciones de la pri

maria.
Mediante una nota colocada al pie de la primera página de la versión secundaria, se

informará a los lectores que el artículo se ha editado y se destina a un público paralelo
con la versión primaria, basada en los mismos datos c interpretaciones. Este podría ser
un texto apropiado para dicha nota: “El presente artículo está basado en un estudio que
se dio a conocer en (título de la revista y referencia completa)” .
Los directores no aceptarán la publicación múltiple que discrepe de la definición

anterior, ya que si transgreden esta regla tendrán que atenerse a las medidas editoriales
del caso. La divulgación preliminar, generalmente por conducto de los medios de com u
nicación de masas, de la información científica contenida en un artículo ya aceptado
pero aún sin publicar, representa una infracción de las normas de muchas revistas. En
contadas ocasiones y solo mediante previo acuerdo con el director, puede aceptarse la
diseminación preliminar de datos; por ejemplo, cuando se trata de prevenir a la gente
contra ciertos riesgos para la salud pública.
M anuscritos electrónicos
En el caso de artículos que están cercanos a la aceptación final, algunas revistas piden
que los autores proporcionen los manuscritos en forma electrónica (en CD, DVD. USB.
etc.).
Al presentar el archivo electrónico los autores deben:
Cerciorarse de incluir un impreso de la versión del manuscrito.
Incluir en el medio electrónico solamente la versión más reciente del manuscrito.
Poner claramente el nombre del archivo.

Rotular el medio electrónico con el formato y el nombre del archivo.
Facilitar información sobre el software y el hardware empleados.
En las instrucciones de la revista dirigidas a los autores, estos deben consultar cuá
les son los formatos que se aceptan, las convenciones para denominar archivos y sopor
tes de almacenamiento, el número de copias que han de enviarse y otros detalles del
caso.
Revisión de la bibliografía
Una de las partes más complicadas del informe de investigación es la revisión de la
bibliografía. Esto no es porque sea complicado escribir, sino porque es difícil obtener
la información. Revisar la bibliografía implica dos procesos básicos:
Captar la información.
Bibliografía 147
Determinar qué aspectos de la misma son importantes.

1.a m ayor parte de la bibliografía que se cita en los informes corresponde a artículos
de revistas científicas.
A rtículos de revistas
A menudo, un artículo sobre un tema determinado puede tener el mismo propósito que
una reseña de artículos, sobre todo si es reciente. La introducción al artículo dará un
panorama de la bibliografía y la sección le indicará en dónde encontrar los estudios ci
tados. En muchos casos una de las mejores formas de empezar la revisión bibliográfica
es exam inar el índice de contenido de una revista que usualmcntc trata los temas de su
interés. Si empieza con el número más reciente y examina los números que cubren un
lapso de un año, es probable que encuentre artículos importantes y que estos informes
actualizados citen mucha de la bibliografía más reciente.
Scientifíc Citation Index

¿Qué ocurre si encuentra una revisión o un artículo que cubra su área de interés pero
que se publicó en 1972? Si se confía en este com o la única fuente de otras referencias,
necesariamente excluirá todos los artículos publicados desde 1972. Por fortuna, el índice
de citas científicas (Scientifíc Citation Index) ofrece una solución a este dilema. Este ín
dice contiene todos los artículos publicados anualmente. Por ello, al revisar el índice de
cada año desde 1972 puede saber qué artículos se citaron en el artículo que le interesa.
Por supuesto, si un artículo cita a otro, los dos están relacionados. Cuando tenga la lista
podrá examinarlos para saber cuáles son los más importantes.
Libros de texto
Una manera relativamente fácil y muy eficiente para comenzar una búsqueda bibliográ
fica e s consultar los libros de texto más recientes y extensos en el área de interés. La
ventaja de hacer esto es que el texto resume los estudios más importantes. La desventaja
es que inclusive en un libro publicado hoy, los estudios que incluye son un año o dos
atrasados. Además, los libros están necesariam ente prejuiciados por las opiniones del
autor, en consecuencia, no toda la literatura importante en un área específica puede
revisarse.
Bibliografía
Castañeda. J.J.; De la Torre. L. M.; Morán, J.M. y Lara. R.P. (2002). Metodología de la inves
tigación. México: McGraw-Hill.
Gutiérrez, A.C. (2001). Introducción a la metodología experimental. México: Limusa-
Noriega.
Hernández, S.R.; Fernández.C. y Baptista, P. (2003). Metodología de la investigación. Méxi
co: McGraw-Hill.
Méndez. R.I.; Namihira. D. y Sosa de Martínez, C. (2001). El protocolo de Investigación:
IJneamientos para su elaboración y análisis. México: Trillas.
Tamayo y Tamayo, M. (2002). El proceso de la imestigación científica. México: Limusa.
Bibliografía general
Baird, D.C. (2003). Experimentación: Una Introducción a la teoría de mediciones y al diseño
de experimentos. México: Pearson Educación.
Bar, A.R. (2000). “Un aporte a la discusión sobre el estatus metodológico de las variables y
escalas de medición”. Cinta de Moebio, núm. 7. Chile: Facultad de Ciencias Sociales.
Universidad de Chile, 6 pp.
Bell. S. (2001). A Beginner's Cuide to Uncertainty in Measurements (documento 2). Reino
Unido: National Physics Laboratory. 41 pp.
Bcmal. C.A. (2006). Metodología de la investigación. México: Pearson- Prcnticc Hall.
BIPM (2006). The International System o f Units SI. Paris: STEDI Media, 186 pp.
Bunge, M. (1999). In ciencia. Su método y su filosofía. Buenos Aires: Ediciones Siglo
Veinte.
Cariño, P.S. (2004). Métodos de investigación. México: Limusa-Colcgio de Bachilleres.
Castañeda, J.J. (2002). Metodología de la investigación I. México: McGraw-Hill.
Castañeda, J.J.; L.M. De la Torre; J.M, Morán y R.P. Lara. (2002). Metodología de la inves
tigación. México: McGraw-Hill.
Castañeda, J.J. y C.E. Méndez. (2004). Metodología de la investigación. México: McGraw-
Hill.
Calleros, A.F.; A. Lara-Barragan; J.W. Lau y S. Gómez. (1997). Introducción a la metodolo
gía experimental. Guadalajara: U. de G.-CUCF.I-Cs Básicas-Dcpartamcnto de Física.
Eyssautier, M. (2001). Metodología de la investigación II. México: ECAFSA-Thomson
Lcaming.
G arda, A. A. (2000). Introducción a la metodología de la inv estigación científica. Colombia:
Raza y Valdés Editores.
Gil. S. y Rodríguez, E. (2001). Física recreativa: Experimentos de física usando nuevas tec
nologías. Perú: Prcnticc Hall, 355 pp.
Gutiérrez, A.C. (2001). Introducción a la metodología experimental. México: Limusa-
Noricga.
Hernández, S.R.; C. Fernández y P. Baptista. (2003). Metodología de la investigación. Méxi
co: McGraw-Hill.
ISO. (2004). International Vocabulary o f Basic and General Tcrms in Metrology (V.I.M).
ISO V1M (DGUIDE 99999), 71 pp.
Kurt G.R. (1986). Tlie International System o f Units (SI). Cost Enginccring. Morgantown,
28(11): 26-30 pp.
Lyons, L. (1993). A Pradical Guide to Data Analysis fo r Physical Science Students. Nueva
York: Cambridge Univcrsity Press, 95 pp.
López, C.J.L. (2001). Método e hipótesis Científicos .México: Trillas.
Mendenhall, W. y T. Sincich (2000). Probabilidad y estadística para ingeniería y ciencias.
México: Prcnticc Hall.
Méndez, R.I.; D. Namihira y C. Sosa de Martínez. (2001). El protocolo de investigación:
Lineamientos para su elaboración y análisis. México: Trillas.
Mcndicta, A. A. (1999). Métodos de investigación y manual académico. México: Porrúa.
Miranda. P. y Juárez, F. (2006). lxd)oratorio de física 1. Chile: Facultad de Ciencias. Depar
tamento de Física de la Universidad de Chile. 4 pp.
Pérez, T.R. 1998. ¿Existe el método científico? México: Fondo de Cultura Económica.
Bibliografía general 149
Riveros, H.G. y Rosas, L. (1997). El método científico aplicado a las ciencias experimenta
les. México: Trillas.
Rodríguez, L.A. (2001). laboratorio cero 2001-2. México: Facultad de Ingeniería, Departa-
mento de Ciencias Básicas. Colombia: Pontificia Universidad Javcriana, 31 pp.
Rojas, S.R. (2000). El proceso de la investigación científica. México: Trillas.
Tamayo y Tamayo, M. (2002). El proceso de la investigación científica. México: Limusa.
Taylor, B. y Kuyatt, C. (1994). Guidelines fo r Evaluating and Expressing the Uncertainty o f
NIST Measurements Results, nota técnica 1297. EUA: National Institutcof Standards and
Technology-United States Department of Commerce Technology Administration.
UKAS (2006). The Expresión o f Uncertainty and Confidence in Measurement. Londres: Uni
ted Kingdom Acrcditation Services. Draft 2.79 pp.
Universidad de la Laguna España. Introducción a la física experimental. En http-y/webpages.
ull.es/users/fexposit/ife_eiT.pdf. Fecha de consulta, enero 15 de 2007.23 pp.
Universidad Santiago de Cali. Colombia. "Guías únicas de laboratorio de física 1: aspectos
preliminares, metrología, conceptos y definiciones” . En http://www.usc.edu.co/laborato-
rios/archivos/propuesta/LEY_DE_OHM_2.pdf. Fecha de consulta, enero 15 de 2007.
39 pp.
Indice analítico
A Cienciaís), 5 Creencia(s), 4
concepto de la, 4 conocimiento y. 4
Abrev¡atura(s), conocimiento y, 4 fuentes de las, 4
números y sistema métrico, 142 experimentales, 1 Criterios para el redondeo, 32
Adjetivos matemáticos, 90 filosofía de la, 2 Cuadros, 138
Adverbios matemáticos. 90 intereses de la, 4 Cubierta. 122
Advertencia, 132 objetivo de la, 4 posterior, 125
Agradecimientos, 123. 137 origen de la, 1 Cuerpo
Ajustéis) Cifras significativas y redondeo. 29 del informe, 123
de datos a funciones matemáticas. Citas bibliográficas, 129 principal, 123
63 Clasificación de las variable. 24 C una continua por puntos, 12
de rectas, 66 Codente(s), 52
Ambiente. 29 de correlación, 60, 87
Amplitud de intervalo. 100 de varianza, 95
Análisis Comparación Dalos. 86
de la línea recta, 16 detallada entre modelos, 12 agrupados, 99
de los resultados. 7 entre los modelos y el mundo análisis descriptivo de los. 85
descriptivo de los datos, 85 real. 11 sin agrupar, 97
dimensional, 74 teoría-experimento. 9 Definición del problema, 6
gráfico, 9 Comportamiento Desarrollo de un modelo estadístico,
de los resultados, 55 cuadrático. 64 18
Anexo(s), 123 de dos variables correlaciónales Descripción de equipo, 125
objetivos de los. 124 en forma exponencial, 65 técnicas o programas de
tipos de, 124 exponencial, 65 computadora en. 125
Aparatos o instrumentos, 130 logarítmico, 66 Desviación
Aprender a escribir, 144 polinomial. 66 estándar. 95, 113
Artículos de revistas, 147 Conclusiones y recomendaciones. media, 93
123 típica de la media. 45
B Conocimiento Determinación de la pendiente
auténtico, 2 y de la ordenada al origen
Bibliografía, 121 empírico, 5 (o intercepto), 67
sugerida. 125 oscuro. 2 Diagrama de dispersión, 60
Búsqueda de funciones. 13 ciencia y, 4 construcción de un, 60
creencia y, 4 Diámetro promedio, 86
c Consideraciones de estilo, 143
Construcción
Diferenciáis)
de dos variables. 49
Cálculos, 120 de diagrama de dispersión, 60 finitas. 51
Calificación estándar o grados, 87 de gráficas. 56 Dimensión de una magnitud, 74
Cambio(s) de modelos. 12 Discusión. 135
de escala, 52 Consulta bibliográfica. 6 conclusiones, 120
de unidades, 79 Diseño, 131
del experimento, 7
152 índice analítico
Distribución precisión del, 8 en funciones

de frecuencias, 87,97,99,101, realización del, 7 de dos o más variables, 49
102 Exponencial. 53 de una variable. 46
representación gráfica Extensión, 128 en las mediciones, 4 1
en una. 106 propagada, 46
normal, 113 relativa, 42,46,48,51
F
porcentual. 42
Filosofía índice, 120, 122
E
ciencia y, 2 Inferencia estadística. 87
Edad media. 2 de la ciencia. 2 Informe
Elaboración del informe, 7 Física. 13 integración de un. 140
del trabajo experimental. 119 Funciones técnico, 121
Elección de una variable utilizando cálculo estructura de un. 120
de la escala, 57 diferencial. 47 Instalación de los aparatos. 120
del papel adecuado, 56 logarítmicas y exponenciales, Instrumentos de medición, 27
Enunciado verbal. 12 48 Integración
Error(es), 27, 41 trigonométricas, 48 de tablas y figuras dentro del
aleatorios, 28 texto. 135
de apreciación. 28 del informe, 140
G Interpretación de análisis estadístico,
de calibración, 28
de exactitud, 28 Glosario. 123 135
de interacción, 28 Gráfica(s), 55 Intervalo
de medición, 27-28 construcción de, 56 límites de clase e, 100
y medición de variables, 23 de barras simple, 106 tamaño del, 100
durante el proceso de medición. de frecuencia acumulada, 104 Introducción, 120, 123, 128
27 de Pareto, 107
importado, 29 de sectores. 106
sistemáticos, 28 en calculadoras o computadoras,
Escribir y reescribir. 144 58 Lenguaje
Estadística Gramática y ortografía, 143 matemático, 90
descriptiva. 85, 87 Grecia. 1,2 privado y subjetivismo. 5
para datos agrupados, 108 Libros de texto, 147
inductiva, 85 Lista de distribución y
requisitos para aprender. 90
H disponibilidad, 125
Estadístico. 86 Habilidad del operador. 29 Logaritmo. 53
Estilo Hechos observados. 8
consideraciones de. 143 Hipótesis, 8
general de redacción, 143 de trabajo. 7
según George Orwell. 144 Histograma, 103 Manuscritos electrónicos, 146
Estructura de un informe Historia de la ciencia, 3 Material
artículo científico. 126 Hoja de datos del documento, 125 especial. 124
de práctica de laboratorio. métodos y, 129
119 Media, 109
experimental. 120 I
aritmética. 44,91
general, 128 Ilustraciones. 139 Mediana, 110
técnico, 121 y tablas suplementarias. 124 Medición(es). 23.25
Estudios correlaciónales, 132 Importancia. 7 de variables y errores de
Evaluación. 9 Incertidumbre, 4 1 medición, 23
Exactitud, 26 absoluta. 43 directas, 43
Experimentación, 9 de la medida, 42 indirectas, 45
Experimento, 8 en series de mediciones Medida(s)
de verificación, 8 directas, 44 de dispersión, 87,92,112
diseño del, 7 de tendencia central. 87,91. 108
índice analítico 153
indirectas que tienen O Realización del experimento, 7

incertidumbre, 45 Recomendaciones, 135
Método(s) Objetivo!s), 7 Redondeo. 31
científico, 5, 9 délos anexos. 124 Referencias, 123
de los mínimos cuadrados. 70 Objeto medido. 27 délos anexos, 125
de pares de puntos, 67 Observadón(es), 8, 120 bibliográficas, 137
experimental. 6 del fenómeno, 6 Refinamiento de los modelos. 12
pasos del, 6 naturalista, 132 Relación sujeto-objeto, 4
general para determinación de la sistemática. 132 Renacimiento, 2
incertidumbre, 47,50 Obtención de conclusiones. 7 Representación de la incertidumbre
Metodología de las ciencias Origen de la ciencia. I en las gráficas, 55
experimentales, I Resultados, 133
Mitos de la estadística. 89 P calculados. 120
Moda, 92, 111 y sus interpretaciones, 9
Modelofs) 11 Papel Resumen. 120,122, 127
científicos, tipos de, 17 logarítmico. 57 Revisión de bibliografía. 146
comparación detallada entre, 12 semilogarítmico, 56
concepto de, 11
construcción de, 12
Parámetros. 86
estadíticos, 91 s
de regresión o modelos Parte Scientific Citalion Index, 147
estadísticos lineales, 17 final. 125 Selección de variables, 8
empíricos, 12 inicial. 122 Sistema
estadístico Pasos del método experimental, 6 cegesimal de unidades, 37
características del. 18 Pies y epígrafes de ilustraciones, 139 CGS o Sistema Gaussiano, 37
desarrollo de un, 18 Planeación, 8 de medidas. 142
lineal. 17 Planteamiento de los cálculos, 120 internacional de unidades (SI), 33
físico, 17 Población, 86 Subjetivismo y lenguaje privado. 5
matemático. 17 finita, 86 Sugerencias, 136
empírico, 9 infinita, 86 Sujetos o unidades de observación.
teórico, 8 o universo, 86 130
observaciones y, 11 Portada. 122, 126 Suma
pasos para elaborar un, 19 Potencias, 52 de dos o más variables, 49
refinamiento de los, 12 Precisión, 26 y diferencia, 52.53
teóricos, 14 del experimento, 8 y resta con cifras significativas,
pruebas de los. 14 Prefacio. 123 31
Muestra, 86 Prefijos del SI. 36 Sustantivos matemáticos, 90
Muestrco Presentación
aleatorio, 89 del manuscrito a la revista. 145
del texto, 139 T
simple, 89
de racimo, 89 Procedimiento experimental, 120 Tablas y figuras. 134
estratificado. 89 Proceso de medición, 27 Tamaño del intervalo. 100
sistemático, 89 Productofs) Técnica(s)
Multiplicación y división con cifras de dos o más variables, 50 de muestreo, 29, 88
significativas. 31 y cociente. 53 de representación gráfica, 87
Múltiplos y submúltiplos del SI, 36 por un número exacto, 54 o programas de computadora, 125
Propagación de incertidumbre. 43 Teorema de Buckingham. 76
Pruebas de los modelos teóricos, 14 Teoría de errores, 41
N Publicación previa y duplicada. 145 Texto, 134
Nombre y apellido de los autores. Tiempo, 143
126 R Tipo(s)
Notación científica, 32 de anexos. 124
Numeración de los anexos. 125 Rangoís), 93 de modelos científicos, 17
Números, 142 percentiles. 87 de reacción, 142
154 índice analítico
Título, 126 V de medición. 24

Tratamiento estadístico, 9 dependiente, 25
Trazabilidad de los resultados. 26 Valor verdadero. 27 extraña. 25
Trazo de los puntos experimentales, Variableís). 23.86 independiente, 25
58 correlaciónales en forma no numéricas. 105
exponencial, 65 numérica, 97
cualitaliva(s), 24 significativas, 11
u nominal, 24 Vbrianza, 94,112
Unidades ordinales. 24 Verbos matemáticos, 90
básicas de SI. 33 cuantitativa(s), 24 Voz, 143
fuera del SI, 36 continuas o variables de y tiempo de los verbos, 143
Uso de Excel para el análisis de medición, 24
gráfico de datos. 59 discretas, 24
Introducción a la metodología experimental
Un aspecto fundamental en la formación de cualquier persona que busca ejercer

una profesión orientada a la ciencia y a la tecnología es la adquisición de ciertos
habilidades en la medición y la interpretación de los paróme tros obtenidos en procesos
experimentales o industriales. Igual de importante es que posea bs conocimientos y
las herramientas necesarias p a ra llevar a c a b o de manera eficiente el análisis de
datos, la elaboración de reportes de investigación, así como el desarrollo de nuevos
experimentos, modelos y procesos. Por elb. el método experimental no es sobmente
una ruta de investigación sino, sobre todo, una actitu d del individuo ante cualquier
fenómeno que se presente en lo naturaleza
Introducción o lo m etodología experimento! es una guia p a ra todos aquellos

que se introducen al estudio de lo experimentación científica. Lo exposición de
temas en forma p rá ctica y concisa facilita lo comprensión de métodos y procesos
analíticos aplicados al desarrollo de experimentos. El texto orienta al lector hacia lo
minimización del error experimental mediante la aplicación de técnicas de medición,
de una cuidadosa selección de la instrumentación, del análisis de datos y de
la aplicación de procesos estadísticos. Asimismo, presenta las características del
reporte de p rá ctica de laboratorb. del informe técnico y del articulo científico,
que permiten dar a conocer públicamente los resultados de cualquier investigación
científico experimental

Introduccion A La Metodologia Experimental

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Introduccion A La Metodologia Experimental

Cargado por

Copyright:

Formatos disponibles

Introducción

a la m etodo lo gía experim ental

Arturo Figueroa Montaño

Hermes U lises Ramírez Sánchez

Introducción a la m etodología experim ental

PEARSON ED U CACIÓ N , M éxico, 2014

fo rm ato : 185 x 2 3 5 c m Páginas: 168

Todos los derechos reservados

PRIMERA EDICIÓN, 2014

D.R. O 2013 por Pearson Educación de México, S.A. de C.V.

Cámara Nacional de la Industria Editorial Mexicana Reg. Núm. 1031

ISBN VERSIÓN IMPRESA: 978-607-32-2222-8

Impreso en México. Printcd in México.

En el capítulo 4 se presenta un análisis de los datos basado en descripciones estadís­

1 M etodología de las ciencias exp erim en tales..............................................1

2 M edición de variables y errores de m ed ición ......................................... 23

Incertidum bre en las m ediciones y evaluación

4 Análisis descriptivo de los datos............... •••••••••••••••••••••••••••••••••••••••••••• 85

5 Elaboración del inform e de trabajo experim ental..............................119

Revisión de la bibliografía........................................................................................................ 146

Bibliografía general................................ - ...........................................................148

Metodología de las ciencias

dos mundos: el de los sentidos o terreno y el suprasensible o celeste. Demócrito de Ab-

• G alilea G alilei (1564-1642): em pleó procedim ientos inductivos para conocer

C oncepto, objetivos e intereses de la ciencia

Creencia y conocim iento

Figura 1.1: Conocimiento es una relación sujeto-objeto.

FJ sujeto determina la relación con el objeto y por lo tanto con el conocimiento, y es

Subjetivism o y lenguaje privado

El m étodo experim ental se aplica principalmente en las ciencias naturales (física,

Elementos del método científico

• Planeación: constituye la columna vertebral de todo experimento, ya que el éxito o

• Programa de mediciones: el program a de m ediciones para diferentes valores de la

2. Concepto de modelo: se concibe por medio de construcciones hipotéticas e ima­

1. Enunciado verbal: el modelo más sencillo es una descripción verbal de la varia­

Tabla 1.1: Peso frente a alargamiento de un resorte cargado.

Peso (kg) A largam iento (m m )

mediciones practicadas. La curva suave y continua proporciona una forma de

Figura 1.3: Peso frente a alargamiento de un resorte cargado.

Figura 1.4: Curva suave de las variables peso frente a alargamiento

' = <4 ¿ ¡» ) ‘ 2jr' 2 ( 1-3)

P ru eb a de los m odelos teóricos

Tabla 1.2: Tiempo de caída medido experimental mente frente

Distancia, x, (m ) Tiem po, /, (s)

0 0.2 0.4 0.6 0.8

Figura 1.5: Proceso de comparar las propiedades de un sistema

Uso del análisis de la línea recta

Suponiendo que se graficara, no / vs x, sino t vs x \ la ecuación sería:

Entonces, esta puede compararse con la ecuación de una línea recta:

Variable vertical = Pendiente x Variable horizontal (1.6)

En ciencias puras, y sobre todo en ciencias aplicadas, se denomina modelo a una

Tipos de modelos científicos

La expresión m odelo físico tiene distintos significados dependiendo si se refiere al ám­

M odelo m atem ático

Un modelo matemático es un esquema, una ecuación, un diagrama o una teoría que

• Desarrollo de un m odelo estadístico: el primer paso para la construcción de un

1. Presencia del elemento aleatorio.

¿Cómo saber cuál es el mejor modelo o su pertinencia en el mundo real?

Pasos para la elaboración de un modelo

1450 673 218500 47225 101570

Figura 1.6: Diagrama de dispersión.

Figura 1.7: Linca que mejor ajustó a los puntos.

Valores obtenidos de la pendiente (m) y el origen (b):

En el capítulo 4 se presenta un análisis de los datos basado en descripciones estadís

2. Concepto de modelo: se concibe por medio de construcciones hipotéticas e ima

1. Enunciado verbal: el modelo más sencillo es una descripción verbal de la varia

La expresión m odelo físico tiene distintos significados dependiendo si se refiere al ám

El valor de r im plica una excelente correlación positiva; de igual manera, el coefi

2. Escriba la cantidad correcta de cifras significati 6. Un investigador en el área de ecología de sistemas

El intervalo de incertidumbre va de 249.5 mm a 250.5 mm y es el doble de la incer