Laboratorio N⁰2

Teoría de Errores

Presentado por:

Rafael Ricardo Forigua Martínez Código 1401338

Andrés Felipe Aponte González Código 1401322

Diana Mayerly Tique Sepúlveda Código 1401335

Presentado a:

Universidad Militar Nueva Granada

Facultad De Ingeniería

Física Mecánica

Bogotá D.C

Agosto 27de 2018

1. Objetivos
 General:

Aplicar los métodos de tratamiento de errores como parte fundamental del análisis de datos
experimentales.

Especificas:

- Conocer la clasificación de los errores.

- Reconocer los diferentes tipos de errores que se pueden presentar durante una práctica de
laboratorio y las fuentes que los generan.
- Conocer y aplicar los fundamentos de tratamiento de errores en una variable.
- Conocer y aplicar los fundamentos de propagación de errores

2. Marco Teórico:

✓ Clasificación y Fuentes de Errores

Los errores circunstanciales, estocásticos, o aleatorios Los errores circunstanciales, estocásticos, o aleatorios, no
se repiten regularmente de una medición a otra, sino que varían y sus causas se deben a los efectos provocados
por las variaciones de presión, humedad, y temperatura del ambiente sobre los instrumentos. Por ejemplo, con
la temperatura la longitud de una regla puede variar, en una pequeña cantidad.
Los errores sistemáticos Los errores sistemáticos, se dan por una mala calibración en el aparato de medición,
defecto del instrumento o por una mala posición del observador al realizar la lectura, también se le conoce como
el nombre de error de paralaje.
Error absoluto: es la diferencia entre la medición y el valor promedio.
Error relativo: es el cociente entre el error absoluto y el valor promedio. (Se expresa en valores absolutos sin
importar el signo del error absoluto).
Error porcentual: es el error relativo multiplicado por cien, con lo cual queda expresado en por ciento

[1]

✓ Fundamentos de estadística:
La Estadística es una disciplina que utiliza recursos matemáticos para organizar y resumir una gran
cantidad de datos obtenidos de la realidad, e inferir conclusiones respecto de ellos. Por ejemplo, la
estadística interviene cuando se quiere conocer el estado sanitario de un país, a través de ciertos
parámetros como la tasa de morbilidad o mortalidad de la población. En este caso la estadística
describe la muestra en términos de datos organizados y resumidos, y luego infiere conclusiones
respecto de la población. Por ejemplo, aplicada a la investigación científica, hace inferencias cuando
emplea medios matemáticos para establecer si una hipótesis debe o no ser rechazada. La estadística
puede aplicarse a cualquier ámbito de la realidad, y por ello es utilizada en física, química, biología,
medicina, astronomía, psicología, sociología, lingüística, demografía, etc. Cuando en cualquiera de
estas disciplinas se trata de establecer si una hipótesis debe o no ser rechazada, no siempre es
 indispensable la estadística inferencial. Por ejemplo, si sobre 60 veces que se mira un dado, sale un
dos 10 veces, no se requiere la estadística para rechazar la hipótesis “el dado está cargado”. Si sale
un dos en 58 ocasiones sobre 60, tampoco se necesita la estadística para aceptar la hipótesis “el
dado está cargado”. Pero ¿qué ocurre si el número dos sale 20, 25 o 30 veces? En estos casos de
duda, la estadística interviene para determinar hasta qué cantidad de veces se considerará
rechazada la hipótesis (o bien desde qué cantidad de veces se la considerará aceptada). En otras
palabras, la estadística interviene cuando debe determinarse si los datos obtenidos son debidos al
azar o son el resultado de un dado cargado. [2]

Media aritmética
En matemáticas y estadística, la media aritmética, también llamada promedio o media, de un
conjunto finito de números es el valor característico de una serie de datos cuantitativos, objeto de
estudio que parte del principio de la esperanza matemática o valor esperado, se obtiene a partir de
la suma de todos sus valores dividida entre el número de sumandos. Cuando el conjunto es
una muestra aleatoria recibe el nombre de media muestral siendo uno de los principales estadísticos
muestrales. [3]

Desviación:
La desviación típica o desviación estándar (denotada con el símbolo σ o s, dependiendo de la
procedencia del conjunto de datos) es una medida de dispersión para variables de razón (variables
cuantitativas o cantidades racionales) y de intervalo. Se define como la raíz cuadrada de la varianza de
la variable.[4]

Error cuadrático medio:

En estadística, el error cuadrático medio (ECM) de un estimador mide el promedio de los errores al
cuadrado, es decir, la diferencia entre el estimador y lo que se estima. El ECM es una función de riesgo,
correspondiente al valor esperado de la pérdida del error al cuadrado o pérdida cuadrática. La diferencia
se produce debido a la aleatoriedad o porque el estimador no tiene en cuenta la información que podría
producir una estimación más precisa. [5]
 Error estándar:
El error estándar es la desviación estándar de la distribución muestral de un estadístico.1 El término se
refiere también a una estimación de la desviación estándar, derivada de una muestra particular usada
para computar la estimación.[6]

¿ Qué es y cómo se construye un histograma

Para presentar los datos de una tabla de distribución de frecuencias, de manera más gráfica se utilizan
los Histogramas, las gráficas de barra y las gráficas circulares o de pastel.
HISTOGRAMAS
Una de las maneras más comunes de representar una distribución de frecuencia. Su grafica consiste en
un conjunto de barras (rectángulos), en la que la base de cada barra representa una clase o intervalo,
indicada en el eje horizontal, y la altura por su frecuencia, indicada en el eje vertical. Generalmente las
barras se trazan adyacentes una a la otra. Ejemplo:

El proceso para construir un histograma es muy sencillo.

▪ Se construyen dos ejes.

▪ En el eje horizontal, o eje de abscisas, se representan los datos o modalidades obtenidos. En nuestro caso:
18, 19, 20, etc.
▪ En el eje vertical, eje de ordenadas, se representan con números las frecuencias de cada dato o modalidad.
▪ Sobre el eje horizontal se levantan barras o rectángulos de igual base hasta la altura del valor numérico
de la frecuencia de cada modalidad. En nuestro caso: 18 hasta el 2, 19 hasta el 3, 20 hasta el 14, etc.
▪ Las barras se trazan una enseguida de la otra. [7]

✓ ¿Cuáles son los tipos de errores que se pueden presentar durante el desarrollo de una práctica, y
cuáles las causas que los producen? Explique con ejemplos.

Influyen de igual manera en todas las mediciones (de ahí su nombre) y son muy difíciles de localizar. No
aparecen estudiando las medidas hechas y a menudo se ignoran las causas que lo produce. En general
provienen de la imperfección de las teorías físicas que sirven de fundamento a las experiencias o de los
instrumentos empleados y de ciertas peculiaridades del observador. Actúan de igual modo en todas las
ocasiones que se realice una medición, es decir, sistemáticamente. Se caracterizan por actuar siempre
en el mismo sentido (ya sea por exceso o por defecto) y porque su valor es, o bien constante o
directamente proporcional al valor de la medición. Pueden ser de diversos orígenes, a saber:

a) Errores de calibración de los instrumentos de medida

Si un amperímetro, por ejemplo, tiene su aguja corrida con respecto al cero de la escala, todas las
mediciones que con él se hagan estarán afectadas de un error sistemático igual a la diferencia entre el
cero de la escala y la posición de la aguja cuando el aparato está desconectado. Es el llamado "error de
cero".
Otro ejemplo es el de un cronómetro que atrasa, en cuyo caso los tiempos leídos son menores que los
reales.

b) Errores Personales
Tratándose de observadores experimentados, se constata siempre que, cada uno tiene una manera
particular de apreciar determinado fenómeno. Por ejemplo, la demora en poner en marcha un
cronómetro al comienzo de un experimento o la tendencia permanente a leer desde la izquierda (o la
derecha) sobre una escala con paralaje. Es notable el hecho de que cada observador repite este error
con regularidad casi mecánica, derivando de allí el nombre de ecuación personal con que se lo designa.
Es decir, son los causados por los hábitos individuales del observador.

c) Condiciones Experimentales
Se originan cuando las condiciones en que se utiliza el instrumento de medida difieren de aquéllas en las
que fue calibrado. Por ejemplo, si una regla ha sido graduada a 15°C, las longitudes que se midan con
ella a 20 °C estarán afectadas de un error sistemático por defecto debido a la dilatación.

d) Imperfección de Técnica
Por ejemplo, la demora en pesar líquidos en recipientes abiertos trae aparejado la comisión de errores
debido a la evaporación.

ERRORES ACCIDENTALES

También Conocidos hoy como DESVÍOS o INDETERMINACIONES, se deben a causas fortuitas y variables y
sus valores están comprendidos dentro de la aproximación de los instrumentos. Es a éstos a los cuales se
le aplica la “Teoría de errores”. En una gama de medidas es notable observar la presencia de errores
tanto por defecto como por exceso y de valor variable e impredecible, si bien los pequeños se dan en
mayor número que los grandes. Entre ellos se pueden citar:

a) Errores de Juicio
La apreciación a ojo de la fracción de división en una escala es sólo aproximada y, por razones difíciles de
conocer, dos fracciones iguales pueden ser leídas como distintas por un mismo observador.

b) Condiciones fluctuantes
Si se mide la intensidad luminosa de una fuente por comparación con una fuente patrón, los resultados
estarán afectados por variaciones en la tensión de alimentación del patrón.

c) Definición
Cuando se mide la distancia desde una lente hasta la imagen dada por ella sobre una pantalla, la falta de
precisión en la ubicación de la imagen produce error, lo mismo que el medir la temperatura de un
líquido sin haber homogeneizado la mezcla.[8]

✓ ¿Qué son cifras significativas, cómo se determinan en una cantidad, cuál es su incidencia en la
presentación de datos experimentales?

Las cifras significativas de un número son aquellas que tienen un significado real y, por tanto, aportan
alguna información. Toda medición experimental es inexacta y se debe expresar con sus cifras
significativas. Veamos un ejemplo sencillo: supongamos que medimos la longitud de una mesa con una
regla graduada en milímetros. El resultado se puede expresar, por ejemplo, como:
Longitud (L) = 85,2 cm
No es esta la única manera de expresar el resultado, pues también puede ser:

L = 0,852 m
L = 8,52 dm
L = 852 mm
etc…

Se exprese como se exprese el resultado tiene tres cifras significativas, que son los dígitos considerados
como ciertos en la medida. Cumplen con la definición pues tienen un significado real y aportan
información. Así, un resultado como
 L = 0,8520 m
no tiene sentido ya que el instrumento que hemos utilizado para medir no es capaz de resolver las
diezmilésimas de metro.
Por tanto, y siguiendo con el ejemplo, el número que expresa la cantidad en la medida tiene tres cifras
significativas. Pero, de esas tres cifras sabemos que dos son verdaderas y una es incierta, la que aparece
subrayada a continuación:
L = 0,852 m

Esto es debido a que el instrumento utilizado para medir no es perfecto y la última cifra que puede apreciar
es incierta. ¿Cómo es de incierta? Pues en general se suele considerar que la incertidumbre es la cantidad
más pequeña que se puede medir con el instrumento, aunque no tiene por qué ser así pues puede ser
superior a dicha cantidad. La incertidumbre de la última cifra también se puede poner de manifiesto si
realizamos una misma medida con dos instrumentos diferentes, en nuestro caso dos reglas milimetradas.
Por extraño que pueda parecer no hay dos reglas iguales y, por tanto, cada instrumento puede aportar
una medida diferente.

Quedando claro que la última cifra de la medida de nuestro ejemplo es significativa pero incierta, la forma
más correcta de indicarlo (asumiendo por ahora que la incertidumbre es de ±1 mm), es
L = 0,852 ± 0,001 m
No obstante, lo más normal es omitir el término ± 0’001 y asumir que la última cifra de un número siempre
es incierta si éste está expresado con todas sus cifras significativas. Este es el llamado convenio de cifras
significativas que asume que
“cuando un número se expresa con sus cifras significativas, la última cifra es siempre incierta”.

Asumiendo que cualquier problema de física o química de un libro de texto nos muestra las cantidades
con sus cifras significativas, debemos saber expresar el resultado de las operaciones que hagamos con
dichos números con sus cifras significativas correspondientes. Es lo que veremos más adelante pues antes
es necesario ampliar conceptos y establecer procedimientos. [9]

✓ Para medición de una variable, cuál es el tratamiento de errores cuando se toma una medida,
cuando el número de medidas es mayor que uno y menor que 10; mayor que 10?

El nivel de medida de una variable en matemáticas y estadísticas, también llamado escala de medición,
es una clasificación acordada con el fin de describir la naturaleza de la información contenida dentro de
los números asignados a los objetos y, por lo tanto, dentro de una variable. Según la teoría de las escalas
de medida, varias operaciones matemáticas diferentes son posibles dependiendo del nivel en el cual la
variable se mide.

Escalas de medición son una sucesión de medidas que permiten organizar datos en orden jerárquico. Las
escalas de medición pueden ser clasificadas de acuerdo a una degradación de las características de las
variables. Estas escalas son: nominales, ordinales, Inter valares o racionales. Según pasa de una escala a
otra el atributo o la cualidad aumenta. Las escalas de medición ofrecen información sobre la clasificación
de variables discretas o continuas, también más conocidas como escalas grandes o pequeñas. Toda vez
que dicha clasificación determina la selección de la gráfica adecuada.

La medición puede definirse como la asignación de numerales a objetos o sucesos siguiendo ciertas
reglas Stevens (1946). El autor de esta definición desarrolló un método para clasificar los diferentes
resultados de las mediciones en lo que llamó niveles de medición. Un nivel de medición es la escala que
representa una jerarquía de precisión dentro de la cual una variable puede evaluarse, en función de las
características que rigen las escalas. Por ejemplo, la variable estatura puede analizarse en diferentes
niveles de medida. Un conjunto de personas puede clasificarse en altos y bajos, A y B respectivamente,
creando dos grupos. Para ello no es necesario recurrir a ninguna cinta métrica, simplemente basta
observar quienes destacan sobre los demás (el grupo de altos) y el resto completarán el grupo de bajos.
El nivel de medición que corresponde a esta forma de medir es nominal.
También podrían alinearse a los sujetos y ordenarlos según su altura, el primero sería el más alto y el
último el más bajo, el resto se organizaría de forma que cada persona tuviese delante a uno más alto y
detrás a uno más bajo. El nivel de medición en este caso es ordinal. Hasta el momento no es posible
decir cuánto es una persona más alta que otra.
A través del número de personas que hay entre dos sujetos, por ejemplo, Andrea y Juan en la fila
ordenada anteriormente. En este caso además del orden se conoce la magnitud de la altura. Si en lugar
de utilizar el número de personas se recurre a una regla se puede ofrecer otra medida de la altura. Esta
forma de medir es propia del nivel de intervalos, que permite saber la magnitud de los elementos
comparando unos con otros.
La cuarta posibilidad es utilizar un metro que sitúa el cero en el mismo suelo y, por lo tanto, la altura se
define en función de la distancia desde la cabeza al suelo (valor cero absolutos donde se sitúa la
ausencia de altura). En ciencias sociales es poco frecuente encontrar variables en niveles de razón,
normalmente son nominales, ordinales y en ocasiones de intervalos, rara vez de razón. Una
característica de esta clasificación es que las propiedades de una escala se cumplen en el nivel superior.
En la estadística descriptiva y con el fin de realizar pruebas de significancia, las variables se clasifican de
la siguiente manera de acuerdo con su nivel de medida:
nominal (también categórica o discreta)
ordinal
de intervalo o intervalo (continua)
de razón o racional (continua)
Las variables de intervalo y de razón también están agrupadas como variables continuas. [10]

✓ Qué sucede con el tratamiento de errores en las operaciones básicas (suma, resta, multiplicación y
división)
 donde x e y son números y ex y ey sus errores

suma

e(x+y) = ex + ey

resta

e(x-y) = ex + ey

producto

e(x*y) = x*y*( ex/x + ey/y)

división

e(x/y) = ex/y + x*ey/y^2 = (x/y) *(ex/x + ey/y)

3. Materiales

- Aparatos de medida: cronómetro, calibrador o tornillo micrométrico, regla, calculadoras científicas.

 4. Procedimiento
- Discutir con el docente el marco teórico de esta práctica para reforzar lo que aprendió al desarrollar el
cuestionario.

- Para el tratamiento de errores en una variable, tenga en cuenta los casos que se presentan dependiendo del
número de datos que se tomen de la cantidad física (variable). Para el caso de un número de datos (n) mayor de
10: tome una muestra no menor de 50 datos de una medida que le indicará su profesor, realice las tablas y los
cálculos pertinentes: media aritmética, desviaciones, error cuadrático medio, error estándar, etc… y presente la
medida en forma correcta.

- Para el caso de 1 ≤ n ≤ 10 haga una toma de datos no menor de 5 de la cantidad y con el instrumento de medida
que le indique el docente, realice las tablas y los cálculos pertinentes: media aritmética, error máximo y presente
la medida en forma correcta.

- Para el caso de n= 1 haga una sola toma del dato de la variable y con el instrumento de medida que le indique
el docente, realice las tablas y los cálculos pertinentes de la apreciación del instrumento de medida y presente
ésta en forma correcta.

- Para el caso de la propagación de errores calcule el volumen de un cilindro, midiendo su altura con un
instrumento de medida y el diámetro con otro instrumento según las indicaciones del docente. Realice el análisis
de errores que corresponda a manejar en una medida más de una variable.
Bibliografía

[1] María García . Problema de errores en la medición. Agosto 25 de 2018, 8:15 am

https://www.uaeh.edu.mx/scige/boletin/prepa3/n7/m4.html

[2] Chris Leach, Fundamentos de estadística. Agosto 25 de 2018, 10:30 am

https://www.researchgate.net/profile/Chris_Leach/publication/49303936_Fundamentos_de_estadistica
/links/0c96051764e3e98a83000000/Fundamentos-de-estadistica.pdf

[3] UV, Media Aritmética. Agosto 25 de 2018, 1:27 pm

https://www.uv.es/webgid/Descriptiva/24_media_aritmtica.html

[4] okdiario, Desviación Típica. Agosto 26 de 2018, 1:15 am

https://okdiario.com/curiosidades/2017/07/13/desviacion-tipica-1133576

[5]Buksman Efrain, Error Cuadrático Medio. Agosto 26 de 2018, 5:45 am

https://www.ort.edu.uy/fi/pdf/documento5fi.pdf

[6]Formación Estandar, Error Estándar. Agosto 26 de 2018, 7:12

http://formacion.educalab.es/pluginfile.php/43502/mod_imscp/content/4/error_tpico_o_error_estnda
r.html

[7] Wordpress, Que es y como se construye un histograma. Agosto 26 de 2018, 9:50 am

https://marcelomendizabal.wordpress.com/2017/02/09/que-es-y-como-se-construye-un-histograma/

[8]educaplus, Que Son Cifras Significativas. Agosto 26 de 2018, 11:30 am

http://www.educaplus.org/formularios/cifrassignificativas.html

[9] Escritos Científicos. Cifras Significativas. Agosto 26 de 2018, 1:12 pm

http://www.escritoscientificos.es/trab21a40/cifrassignificativas/00cifras.htm

[10] slideshare. Medicion de una Variable. Agosto 26 de 2018, 3:24 pm

https://es.slideshare.net/LuiscarlysMaican/escalas-o-niveles-de-medicin-estadstica