Introducción a Errores Experimentales

Universidad Nacional Autónoma de Honduras

Facultad de Ciencias
Escuela de Fı́sica
Conceptos de Medición y Error

Medición: Es un proceso básico de la ciencia que consiste en comparar

un patrón seleccionado con el objeto o fenómeno cuya magnitud fı́sica se
desea medir para ver cuántas veces el patrón está contenido en esa
magnitud. En fı́sica, podemos clasificar las mediciones como directas e
indirectas.
Error: Es la diferencia que existe entre el valor verdadero de una
magnitud fı́sica y el valor obtenido experimentalmente. Estos errores los
podemos clasificar como sigue:

1. Errores Sistemáticos:

• Error Instrumental
• Error Personal
• Error de Elección del Método

2. Error Accidental
1
Exactitud, Precisión y Sensibilidad

1. Exactitud: Es el grado de concordancia entre el valor verdadero o

“aceptado”. Podemos decir que un experimento o un instrumento es
exacto, si sus resultados son muy próximos al valor real.
2. Precisión: Es la concordancia que existe entre mediciones reiteradas
de la misma magnitud fı́sica en condiciones similares.
3. Sensibilidad: Es el valor mı́nimo que se puede medir con ese
instrumento. Es habitual que la sensibilidad de un instrumento se
indique con el valor de la medición mas pequeña de la escala.

Podemos afirmar que si un instrumento es exacto, este también es

preciso, pero no es posible garantizar que si un instrumento es preciso
este es exacto.

2
Exactitud, Precisión y Sensibilidad

Podemos observar distintos casos de precisión y exactitud en la siguiente

figura:

3
Representaciones de una medición

Representación gráfica:

Representación matemática:

q = (q̄ ± ∆q) unidades

4
Incertidumbres

Consideraciones para la incertidumbre absoluta de una medición

• La incertidumbre absoluta debe ser mucho menor que el valor central

de una medición; de lo contrario, los resultados obtenidos arrojarı́an
que el procedimiento experimental carece de precisión y exactitud.
• La incertidumbre absoluta siempre debe ser positiva, y debe tener las
mismas unidades del valor central de la medición.

Otras representaciones de incertidumbres

• Incertidumbre relativa:
∆x
Ir =
x̄
• Incertidumbre porcentual:

Ip = Ir × 100 %

5
Cifras Significativas

Las cifras significativas son aquellas que están medidas con precisión,
según el instrumento, o también según cálculos realizados a partir de
mediciones directas. Para saber cuantas cifras se pueden utilizar en un
resultado, se pueden utilizar las siguientes reglas:

• Los ceros a la izquierda no son significativos, esto se debe a que los

ceros a la izquierda no añaden presición a la medición, solo sirven
para establecer la posición del punto decimal. Para contar las cifras
significativas, se parte del primer dı́gito distinto de cero y se cuentan
todos los dı́gitos a partir de este.
• Los ceros a la derecha si son significativos. Se debe tener la
precaución de escribir los ceros a la derecha si y solo si estos son
parte de una verdadera medición.

En muchas ocasiones resulta más práctico utilizar la notación exponencial

para expresar resultados, utilizando potencias de diez como base.
6
Cifras Significativas

Ejemplo 1. Determinar la cantidad de cifras significativas en:

• 0.000000013
• 130

Ejemplo 2. ¿Qué diferencia existe entre los resultados 1kg y 1.000kg?

¿Qué medición es más precisa?

7
Publicación de resultados experimentales

Al indicar el resultado experimental de la medición de una magnitud

debemos indicar tanto el valor central como el grado de incertidumbre de
la misma, ası́ como las unidades de la cantidad medida, como se
mostró previamente.
q = (q̄ ± ∆q) unidades
También es necesario tomar en cuenta la cantidad de cifras significativas
al momento de denotar una medición. Esto se logra respetando las
siguientes convenciones:
1. El error absoluto deberá contener únicamente una cifra significativa.
2. El error absoluto predispone cuántas cifras antes o después del punto
decimal debe contener el valor central.

En el caso de denotar mediciones de cantidades muy grandes o muy

pequeñas, es conveniente escribirlas siguiendo el mismo esquema
explicado anteriormente, seguido del orden de la cantidad en términos de
notación exponencial cientı́fica.
8
Publicación de resultados experimentales

Ejemplo. En una medición experimental de muy alta precisión de una

longitud x se obtuvo que su valor central es 1.234345 cm y su
incertidumbre absoluta es 0.06789 cm. Denote el resultado de forma
adecuada.

9
Determinación de errores en mediciones directas

Para poder realizar la estimación del error al realizar una sola medición
directa, consideraremos que el valor central (x̄) es el valor medido
directamente, y que el error (∆x) coincide con la sensibilidad del
instrumento.
Al realizar mediciones directas, se pueden suscitar situaciones en las
cuales la sensibilidad del instrumento de medición resulta ser insuficiente
para poder obtener un valor central que concuerde con el valor real de la
medición de una cantidad fı́sica. De ser ese el caso, lo ideal serı́a hacer
uso de otro instrumento de medición de mayor sensibilidad; sin embargo,
en muchas ocasiones resulta muy difı́cil (o imposible) poder conseguir esa
clase de instrumentos, por lo cual resulta necesario aplicar criterios para
la publicación de un resultado experimental.

10
Determinación de errores en mediciones directas

Ejemplo. Se mide la longitud x de una varilla por medio de una cinta

métrica graduada en centı́metros, como se observa en la figura 3. A partir
de lo observado, escriba la medición obtenida de forma adecuada.

11
Propagación de errores: Máxima incertidumbre posible

La incertidumbre máxima posible esperada será la mitad de la diferencia

del valor máximo y mı́nimo de la medición obtenida indirectamente.
xmax − xmin
∆x =
2
Ejemplo. La constante elástica k para un resorte helicoidal cilı́ndrico
está dada en términos de sus dimensiones y el material del que
está hecho por:

Gd 4
k=
8nD 3
donde d es el diámetro del alambre, D es el diámetro medio, n es el
número de vueltas del resorte y G es el módulo de elasticidad del
material del alambre. Calcule k a partir de los siguientes datos:

d = (0.0890 ± 0.0005) cm D = (1.110 ± 0.005) cm

n = 115 vueltas G = (79 ± 3) × 104 N/cm2

12
Propagación de errores: Errores sistemáticos

1. Al tener una medición indirecta q que depende de la suma o

resta de dos cantidades medidas x y y (q = x + y o q = x − y ).
• Valor central: q̄ = x̄ + ȳ o q̄ = x̄ − ȳ (según sea el caso).
• Incertidumbre absoluta: ∆q = ∆x + ∆y
2. Al tener una cantidad q que depende de cantidades medidas
kx a y b
expresadas en la forma q = , con a, b, c y k constantes.
zc
k(x̄)a (ȳ )b
• Valor central: q =
(z̄)c
h  ∆x   ∆y   ∆z i
• Incertidumbre absoluta: ∆q ≈ q̄ a +b +c
x̄ ȳ z̄

Es importante resaltar que ambas reglas parten de una deducción con

base en cálculo diferencial, lo cual implica que su rango de aplicación se
limita a fenómenos fı́sicos cuantificables de forma infinitesimal.

13
Propagación de errores: Errores sistemáticos

Ejemplo. Considere el resorte del ejemplo anterior. Calcule k, pero ahora

calculando la incertidumbre por medio del método de propagación de
errores sistemáticos. No olvide que:

Gd 4
k=
8nD 3

d = (0.0890 ± 0.0005) cm D = (1.110 ± 0.005) cm

n = 115 vueltas G = (79 ± 3) × 104 N/cm2

14
Error estadı́stico

Si tenemos un conjunto de N mediciones (directas o indirectas) de una

misma magnitud, podemos calcular un valor central y su respectiva
incertidumbre por medio de análisis estadı́stico. El valor central está dado
por:
XN
xi
i=1
x̄ = (1)
N
La incertidumbre estadı́stica está dada por:
N
X
|xi − x̄|
i=1
∆x = (2)
N

15
Error estadı́stico

Ejemplo. Se tienen las siguientes mediciones indirectas:

Longitud (x) x1 x2 x3 x4 x5
(µm) 67.6 67.8 68.2 67.2 66.7

Determine x (valor central e incertidumbre absoluta).

16
Discrepancia

Se dice que hay discrepancia entre dos mediciones si estas difieren entre
sı́ de manera sustancial. Definiremos matemáticamente a la discrepancia
como la diferencia absoluta entre dos mediciones de una misma cantidad.
La discrepancia puede llegar a ser significativa o no, según sea el
comportamiento de los datos experimentales obtenidos.

17
Comparación de resultados experimentales con valores teóricos

Una conclusión relevante de un procedimiento experimental parte de la

comparación de dos o más resultados: una medición con el valor
verdadero, una medición con un valor teórico propuesto, o muchas
mediciones, para mostrar que hay concordancia entre los resultados de
dichas mediciones y una ley fı́sica.
Matematemáticamente, esta comparación se realiza de la siguiente
manera:
|qteorico − qexperimental |
% = × 100 %
qteorico
Esta comparación representa de manera cuantitativa el nivel de error de
exactitud que tiene un resultado experimental.

18
Comparación

Ejemplo. Se realizaron tres mediciones de la velocidad del sonido en el

aire en un laboratorio. Una medición A dio como resultado (329 ± 5)
m/s, la medición B dio como resultado (325 ± 5) m/s, y la medición C
dio (345 ± 2) m/s. Estime cuál de las medidas es la más exacta, si el
valor teórico aceptado de la velocidad del sonido en el aire es de 331 m/s.

19
Ajuste de datos: Linealización de funciones y regresión lineal

Linealización de funciones: La linealización se refiere al proceso

matemático de encontrar una aproximación lineal a una función. Esto
implica expresar una función no lineal de cualquier clase en términos de
una función lineal de la forma y = ax + b.

Regresión lineal: La regresión lineal es una técnica numérica en la que

dados un conjunto de pares ordenados (variable independiente y variable
dependiente), se intenta encontrar una función lineal continua que mejor
se aproxime al comportamiento de los datos.
Mediante la regresión lineal, buscamos construir una función de ajuste
con la forma y= ax+b. El método nos permite calcular los valores de los
parámetros a y b con sus errores absolutos. Los pares ordenados,
representados por x y y, son un conjunto de mediciones obtenidas
experimentalmente, sea de manera directa o indirecta.

20
Ajuste de datos: Regresión lineal

Resumen de fórmulas
xi2
P P P P P P P
N xi yi − xi yi xi yi −
xi yi
a= P 2 P
2 b= P 2 P
2
N xi − xi N xi − xi
s s
xi2
P
N
∆a = Sy P
2 ∆b = Sy P
2
xi2 − xi2 −
P P
N xi N xi
con
rP
[f (xi ) − yi ]2
Sy =
N −2
donde f (xi ) = axi + b, a y b obtenidos previamente.

Correlación:
P P P
N xi yi − xi yi
r=q P q

2 P
2
N xi2 − N yi2 −
P P
xi yi

21
Ajuste de datos: Regresión lineal

Ejemplo. A un resorte de masa despreciable que obedece a la ley de

Hooke, se le cuelgan diferentes masas, las cuales provocan diferentes
elongaciones del resorte, como se describen en la siguiente tabla:

Longitud l (m) 0.420 0.484 0.513 0.563 0.586

Masa m (kg) 2 4 6 8 10

Asumiendo que la aceleración de la gravedad es 9.8 m/s 2 y que la fuerza

necesaria para estirar el resorte está dada por
mg = k(l − l0 ):
1. Linealice la función.
2. Mediante regresión lineal, calcule la pendiente, el intercepto y las
incertidumbres asociados a los datos medidos. Además, calcule la
correlación entre la recta de ajuste y dichos datos.
3. A partir de los valores de a, b, ∆a y ∆b obtenidos en el inciso
anterior, calcule la constante elástica de resorte k y la longitud del
resorte sin estirar l0 y sus respectivas incertidumbres. 22
Ajuste de datos: Construcción de gráficas

Usualmente, junto con todo el proceso de regresión lineal se requiere un

bosquejo gráfico de dicho procedimiento. Dicha representación gráfica
debe apegarse a una serie de lineamientos, para mantener el rigor técnico
que debe haber en un documento cientı́fico.

La figura anterior muestra una gráfica de regresión lineal hecha a mano

que cumple con los lineamientos para la construcción de gráficas.
23
Ajuste de datos: Construcción de gráficas

Se procederá a finalizar el ejemplo asociado al proceso de regresión lineal,

al realizar la gráfica asociada a los datos obtenidos experimentalmente y
su función de ajuste, siguiendo los lineamientos para construcción de
gráficas. En este caso, la gráfica fue realizada mediante el uso de
software matemático.

24
Referencias

Pérez, J., Raudales, R., Introducción a Errores Experimentales.

Escuela de Fı́sica, UNAH, 2016.

25