Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LABORATORIO
INTEGRAL
DE FISICA
GUIA DE TEORIA
Introducción a la Metrología
ELIAS CUARTIN
CARMEN PELAEZ
JORGE JUZGA L.
LUÍS MORALES
ABDÓN HERNÁNDEZ
Laboratorio Instrumental
ELIAS CUARTIN
LEONARDO ARAUJO
Este material es para ser usado como consulta en los laboratorios de Física Básica y cualquier otro
Laboratorio que lo considere pertinente.
Material en revisión.
3
METROLOGIA Y UNIDADES
INTRODUCCION
Al informar el resultado de una medición de cierta magnitud física, es necesario
que se de una indicación cuantitativa de la calidad del resultado, de modo de que la
persona que la lea o la utilice pueda tomar una decisión acerca de su confiabilidad
Apreciación, resolución,
sensibilidad, exactitud,
calibración de los instrumentos,
etc.
Cada vez que se realiza una medición se producen errores ya que esta tiene
imperfecciones, tradicionalmente se clasifican a los errores en: Sistemáticos y
Aleatorios, aunque recientemente se hace una distinción y se clasifican en:
Sistemáticos, Aleatorios y Humanos.
INCERTIDUMBRE:
Dado que existen distintos errores en la medición como lo son: Errores Aleatorios.
Errores Sistemáticos y Errores Humanos, y tomando en cuenta que solo los errores
aleatorios no se pueden eliminar completamente tendremos que se puede realizar una
definición de la incertidumbre de la manera siguiente:
Y f ( X 1 , X 2 ,....... X n ) (1)
V2
P f (V , R0 , .t ) (3)
R0 1 (t t 0
Puede que las variables de entrada X1,X2,X3…..XN de las cuales depende la variable de
salida o mensurando, sean vista como otros mensurados con dependencia a su vez de
otras magnitudes, incluyendo correlaciones y factores de corrección por efectos
sistemáticos, dando lugar a relaciones funcionales f muy complicadas. La función f
debe interpretarse en el sentido amplio como aquella función que contiene todas las
magnitudes que puedan contribuir con componentes significativos de incertidumbre al
resultado de la medición.
1 n
q qi
n i 1
(4)
Tenemos que las observaciones individuales qi difieren del valor esperado debido las
variaciones aleatorias. La varianza experimental de observaciones, que estima la
varianza σ2 de la distribución de probabilidad de q, esta dada por el siguiente
procedimiento:
1 n
s 2 (q) (qi q ) 2
n 1 i 1
(5)
1
s(q) (q1 q ) 2 (6)
n 1
s 2 (q) 1 n
s 2 (q )
n
s(q ) (q k q ) 2
n(n 1) k 1
(7)
Al igual que en la incertidumbre tipo A tenemos que, se hace una estimación xi de una
magnitud de entrada Xi pero aquí no ha sido obtenida por observaciones repetidas,
entonces tendremos que la varianza estimada u2(xi) o la desviación estándar u(xi) son
evaluadas utilizando el juicio científico basado en toda información de la que se pueda
disponer, respecto a la variabilidad de Xi . Esta información incluye:
Múltiplo Intervalo de
Confianza
1.480 50.00 %
1.645 90.00 %
1.960 95.00 %
2.000 95.45 %
2.576 99.00 %
3.000 99.73 %
Tabla N°1
Dos ejemplos:
Supongamos un caso en el que con la información se sabe que “existe una probabilidad
de cincuenta por ciento 50% de que el valor de la magnitud de entrada Xi se encuentre
en el intervalo que va desde a+ y a- “. Si asumimos que la distribución de valores
posibles de Xi es normal, entonces la mejor estimación de xi de Xi puede tomarse como
el punto medio del intervalo, ahora si el semi intervalo se denota como a = (a+ - a-)/2
podemos tomar como u(xi) = 1.48 a, ya que para una distribución normal con valor
esperado / 1.48 abarca mas o menos el 50% de la distribución.
E4.- Tenemos otro caso en el que según la información obtenida se dice que
“existe una posibilidad de dos a tres que el valor de Xi se encuentre dentro
del intervalo de va desde a+ hasta a-. Esto es la probabilidad de encontrar a
Xi dentro del intervalo es de 2/3 = 067. Aquí resulta razonable tomar u(xi) =
a puesto que para una distribución normal con esperanza µ y desvío
estándar σ, el intervalo µ ± σ abarca alrededor del 68.3% de la distribución.
Existen casos en que es posible estimar solo los limites superior e inferior del
intervalo para Xi en particular, para decir que la probabilidad de que el valor de Xi
este entre a+ y a- es uno y la probabilidad de que Xi este fuera del intervalo será
cero. Si no se tiene conocimiento especifico de los posibles valores de Xi dentro del
intervalo, solo podemos suponer que cualquier valor dentro del intervalo es
igualmente probable, una distribución uniforme o rectangular, como se muestra,
entonces xi la esperanza o valor esperado de Xi es el punto medio del intervalo:
x1 (a a ) / 2 (8)
15
y la varianza asociada:
u 2 ( xi ) (a a ) 2 / 12 (9)
P(x)
a a
a- µt a+ X
a a
t t
3 3
Figura N°2
a2
u ( xi )
2
(10)
3
a = (14x10-6)x(0.928571 V)+(2x10-6)(1V)=15 µV
Desde luego hemos supuesto hasta ahora que entre los límites a- y a+
cualquier valor es posible que sea tomado por Xi y todos los valores tienen la
misma probabilidad de ser tomados para Xi y la probabilidad de tomar un
valor fuera del escalón es cero. Físicamente este tipo de función de
probabilidad llamada función escalón, no tiene mucho sentido, es un poco
mas realista suponer una función tal que nos haga esperar que los valores
cercanos a los extremos sean poco probables y aquellos que estén cerca del
punto medio mas probables, por lo tanto seria razonable pensar en una
distribución trapezoidal simétrica con igual pendiente en ambos lados,
con una base inferior que tenga ancho absoluto igual a: a+ - a+ = 2a y una
base superior de ancho 2aβ donde 0 1 . A medida de que β se acerca a
uno la distribución se acerca a una rectangular, y si β se acerca a cero la
distribución se acerca a una triangular.
17
P(x) 2aβ
a- µt a+ X
2a
Figura N° 3
u 2 ( xi ) a 2 (1 2 ) / 6 (12)
u 2 ( xi ) a 2 / 6 (13)
P(x) a a
a- µt a+ X
a a
t t
6 6
Figura N°4
18
2
Rectangular u 2 ( xi ) (2a)
2
a
12 3
2
Triangular u 2 ( xi ) a
6
2
Normal u 2 ( xi ) a
9
19
DETERMINACION DE LA INCERTIDUMBRE
COMBINADA.-
Trataremos ahora los casos en que las magnitudes de entrada son independiente, la
incertidumbre estándar de y, siendo y la estimación del mensurando Y , esto es el
resultado de la medición, se obtiene combinando apropiadamente las incertidumbres
estándar de las estimaciones de entrada x1, x2, x3,…..xn que son
u( x1 ), u( x2 ), u( x3 ),....u( xn ) como las N magnitudes de entrada se relacionan según (1)
como Y f ( x1 , x2 ,.......xn ) entonces tendremos para el caso mas simple en que Y solo
depende de una variable de entrada x, lo siguiente; obtenemos x±∆x por lo que ahora
la relación funcional f será:
Y u(Y ) f ( x u( X )) (15)
f ( x)
Y u (Y ) f ( x u ( x)) f ( x) u ( x) (16)
x
f ( x)
u (Y ) f ( x) u ( x) Y (17)
x
Por lo tanto
f ( x)
u (Y ) u ( x) (18)
x
Si Y depende de muchas variables de entradas x1, x2, x3,…..xn con sus respectivas
incertidumbres estándar u( x1 ), u( x2 ), u( x3 ),....u( xn ) tendremos:
n
f ( x1 , x2 ,...xn )
u c (Y ) ( )u ( xi )
i 1 xi
i 1 xi
c
V2
P f (V , R0 , .t )
R0 1 (t t 0 (19)
P = 2V / R0 1 (t t 0 ) 2P / V
V
P = V 2 / R02 1 t t 0 = P / R0
R0
P = V 2 / R0 1 (t t 0 )2 = P /1 (t t 0 )
t
2
P P 2 P 2 P 2
2 2 2
u ( P) u 2 (V ) u ( R0 ) u ( ) u (t )
2
V R0 t (20)
V
u(V ) 12V la corrección aditiva es cero y u(V ) 8.7V ahora como 1 y
V
V
1 la varianza combinada vendrá dada por:
(V )
U = k uc(y) (22)
Y=y±U (23)
Esto quiere decir que la mejor estimación del valor atribuible al mensurando Y es y y
que en el intervalo y – U hasta y + U se encuentre una fracción bastante importantes
de la distribución de valores atribuibles a Y.
En este primer caso es preferible dar el resultado numérico, mediante una de las
cuatro formas siguientes, suponiendo que es el caso del ejemplo de expresar una masa
patrón de 100 g :
Tal cual se debe escribir así, como una de las cuatro formas anteriores, sin embargo la
expresión ± debe evitarse ya que este símbolo se usa habitualmente para indicar un i
ntervalo correspondiente a un nivel de confianza grande.
CIFRAS SIGNIFICATIVAS.
Se considera que las cifras significativas de un número son aquellas que tienen
significado real o aportan alguna información. Las cifras no significativas aparecen
como resultado de los cálculos y no tienen significado alguno. Las cifras significativas
de un número vienen determinadas por su error. Son cifras significativas aquellas que
ocupan una posición igual o superior al orden o posición del error. Por ejemplo,
consideremos una medida de longitud que arroja un valor de 5432,4764 m con un
error de 0,8 m. La incertidumbre es por tanto del orden de décimas de metro.
Es evidente que todas las cifras del número que ocupan una posición menor que las
décimas no aportan ninguna información. En efecto, ¿qué sentido tiene dar el número
con precisión de diezmilésimas si afirmamos que la incertidumbre es de casi 1 metro?.
Las cifras significativas en el número serán por tanto las que ocupan la posición de las
décimas, unidades, decenas, etc, pero no las centésimas, milésimas y diezmilésimas.
Esto significa que la incertidumbre es del orden de media unidad de la última cifra
que se muestra. Por ejemplo, si el resultado de una medida de longitud es de 5432,8 m,
y afirmamos que todas las cifras son significativas, quiere decirse que la incertidumbre
es del orden de 0,5 m, puesto que la última cifra mostrada es del orden de las décimas
de metro. ¿Cómo pueden determinarse las cifras significativas a partir del número que
expresa la incertidumbre?.
24
Hay que tener siempre presente que toda incertidumbre es una estimación y está por
tanto sujeto a su vez a una incertidumbre, generalmente grande. Por esto no tiene
sentido especificarla con excesiva precisión, según la norma EA-4/02 “Expression of
the Uncertainty of Measurement in Calibration” establece que el valor numérico de la
incertidumbre debe expresarse, como máximo, con dos cifras significativas. Salvo
casos excepcionales, se expresará con una sola cifra significativa.
REDONDEO DE NÚMEROS.
Hemos visto que todos los números resultantes de una medida tienen una cierta
incertidumbre. Es necesario eliminar de estos números aquellas cifras que carecen de
significado porque la incertidumbre es mayor que lo que estas cifras significan.
Incorrecto, puesto que las dos últimas cifras (67) no tienen significado alguno, al
ocupar una posición menor que la incertidumbre. La forma de expresar el resultado
anterior podría ser
Puesto que no es posible estimar una incertidumbre con tanta precisión. Lo razonable
es escribir:
Añadiendo que todas las cifras son significativas. No es sin embargo aconsejable,
puesto que se pierde algo de información.
Las dos primeras reglas son de sentido común. La tercera es un convenio razonable
porque, si se sigue siempre, la mitad de las veces redondeamos por defecto y la mitad
por exceso.
Cuando los números a redondear sean grandes, las cifras eliminadas se sustituyen por
ceros. Por ejemplo, el número 3875 redondeado a una cifra significativa resulta 4000.
En este caso suele preferirse la notación exponencial, puesto que si escribimos “4000''
puede no estar claro si los ceros son cifras significativas o no. En efecto, al escribir
4.103 queda claro que sólo la cifra “4'' es significativa, puesto que si los ceros también
lo fueran escribiríamos 4,000.103.
26
Sabemos que este intervalo o rango es la incertidumbre, la cual puede tener varias
componentes, si alguna de esta, es evaluada a partir de observaciones repetidas decimos
que es una evaluación Tipo A de la incertidumbre estándar.
Si en las ocasiones que nos toca medir cierta magnitud dispusiéramos de suficiente
tiempo y recursos. Podríamos realizar siempre investigaciones estadísticas exhaustivas de
todas las causas de posible incertidumbre, esto es usando distintos instrumentos de
variedad de fabricantes, con distintos métodos de medición, diferentes modos de
aplicación del método de medición, etc. Las incertidumbres asociadas a todas las causas
ya estudiadas podrían entonces evaluarse mediante un análisis estadístico de series de
observaciones, y la incertidumbre debida a cada una de las causas podría caracterizarse
por una desviación estándar. Tal estudio, evaluación de Tipo A, no es económicamente
viable, por lo tanto muchas componentes de la incertidumbre deben evaluarse por otros
métodos, que no implican observaciones repetidas, evaluación Tipo B.
Normalmente cuando se hacen mediciones no hay una sola causa de incertidumbre, hay
unas que se pueden evaluar usando procedimiento Tipo A, otras se hacen con Tipo B.
Veamos algunos casos:
s 2 (q k )
s 2 (q ) , la contribución a la incertidumbre se puede
n
s (q k )
llamar incertidumbre estándar y viene dada por: u
n
También para cualquier instrumento bien sea analógico o digital se debe
encontrarle una contribución debido a la resolución del instrumento. Si la
resolución de un instrumento es δx, el valor de señal de entrada que produce
una indicación dada X. puede situarse con igual probabilidad en cualquier
punto dentro del intervalo que va desde X – δx/2 hasta X + δx/2. Si la señal
de entrada es descrita por medio de una distribución rectangular donde
existe probabilidad igual a uno de encontrar el valor de la magnitud dentro
del intervalo. En esta caso la varianza viene dada por: u2 = (δx)2/12.
Ejemplo:
PROCEDIMIENTOS.
1
s(q) (q1 q ) 2
n 1
s 2 (q) s(q)
s 2 (q ) s (q )
n n
u (0,0001) 2 / 12
q ( s(q )) 2 u 2
0 1 2 3 4 5 6 7 8 9 10 11 cm
P(x)
a a
a- µt a+ X
a a
t t
3 3
Figura N°5
2
u 2 ( x i ) ( 2a )
2
a 1 u ( x) 1
12 3 3 3
30
INTRODUCCIÓN.
Para visualizar en forma rápida y sencilla la relación entre las dos magnitudes, se
representan los datos experimentales en un gráfico sobre papel milimetrado. Cada
par de datos corresponde a puntos, cuyas coordenadas son los valores de las
magnitudes medidas y se traza una curva suave que pasa por estos puntos o muy
cerca de ellos. En el trazado de tal curva, quedan implícitas varias suposiciones
sobre el comportamiento del sistema, entre las cuales se destacan las siguientes:
Al igual que las medidas originales, el dibujo de los puntos y el trazado de la curva
son aproximaciones. La ecuación representará sólo aproximadamente la relación
entre las magnitudes que se miden. La determinación de la función que mejor
represente al conjunto de datos experimentales, constituye una disciplina formal,
sobre la cual en este curso cubriremos solo los aspectos más fundamentales.
Una vez determinadas las constantes, debe probarse la fórmula efectuando varios
experimentos adicionales y para valores de las magnitudes en el intervalo de los
datos iniciales. Luego, para validar el modelo, se comparan los resultados de los
experimentos con los que predice la fórmula empírica así obtenida.
Si el trazado por los puntos se aproxima a una recta, la relación funcional entre las
variable se podrá aproximar mediante una función de la forma:
y=a+mx (26)
Para ilustrar con un ejemplo tres diferentes métodos, se indican a continuación los
resultados de un experimento, realizado para medir el coeficiente de temperatura
de un alambre de cobre. Se sometió el alambre a diferentes temperaturas y para
cada una de ellas se midió la resistencia eléctrica, obteniéndose la siguiente tabla de
datos:
Tabla N°2
33
86 R ( μΩ )
85
84
83
82
81
80
79
78
77
76 T ( C)
75
0 10 20 30 40 50 60
Figura N°6
a = 70,63 y m= 0,291
R = 70, 63 + 0,291 T
Otra forma equivalente para determinar las constantes a y b con este método,
consiste en identificar a la constante a, como la intersección de la recta en la
ordenada y la constante m, como la pendiente de la recta. En este caso, para
determinar a se extrapola la recta hasta T = 0 y el valor de a, se lee directamente
en la escala vertical de R. El parámetro m corresponde a la pendiente de la recta y
se calcula a partir de los puntos escogidos.
34
R2 − R1
m=
(27)
T2 − T1
Método de Promedios
Las distancias verticales desde los puntos marcados hasta la línea representativa
se llaman residuos: son las diferencias entre los valores medidos de Re y los
valores calculados por la ecuación Rt = a + mT.
δRi = R ie − Rit
(28)
∑ (R − R ) =0
i
e
i
t
o, reemplazando
de donde,
∑R t
i = Na+m ∑ Ti
35
a = 70.59 y m = 0.293
obteniendo la ecuación de la recta,
R = 70.59 + 0.293 T
En este método como en el anterior se asume que la dispersión en los puntos
experimentales de la gráfica, es debido solamente a la incertidumbre en la variable
vertical.
(29)
O sea,
36
Lo que conduce a:
en donde Xie, Yie son los valores experimentales, Yit el valor calculado y N el
número de puntos experimentales.
Para utilizar en las ecuaciones (2.11) con los valores de la tabla (2.1), se amplía
ésta con columnas para RT y T², como se indica a continuación:
37
TABLA N°3
T (°C) R T² RT
(μW)
Reemplazando
566.00 = 7 + 245.3 m
de donde resulta
a = 70.76 y m = 0.288
R = 70.76 + 0.288 T
Para comparar los resultados con los tres métodos, cuyas ecuaciones son:
1. R = 70.63 + 0.291 T
2. R = 70.59 + 0.239 T
3. R = 70.76 + 0.288 T
se han calculado los valores de la resistencia con cada uno de los métodos así
como los correspondientes residuos, como se indica en la siguiente tabla:
38
TABLA N°4
la barra "|a|" representa valor absoluto de a y el símbolo " a " designa el promedio de los valores que toma a)
45.1 83.90 83.75 83.80 83.76 +0.15 +0.10 +0.14
Se observa que los valores de R calculados con los tres modelos, concuerdan
bastante bien con los datos originales y también entre sí. En los residuos se
encuentra
50.0 que
85.10el residuo
85.18 promedio
85.24 es85.16
menor en el tercer
-0.08 -0.14método y que es
-0.06
aproximadamente igual para los dos primeros métodos.
En conclusión: Los tres métodos dan buenos resultados; el método de los Mínimos
Cuadrados da los mejores valores de las constantes, pero es el que requiere más
cálculo; el método gráfico de puntos escogidos es el que requiere menos cálculos,
pero su exactitud depende de la exactitud con la que se representen los puntos y de
lo adecuado de la línea trazada; el segundo método da buenos valores para las
constantes y requiere poco cálculo.
En el ejemplo considerado
σ(a) = 0,31
-3
σ(m) = 8,4 x10
a = 70,0 ± 0,9
39
m = 0,30 ± 0,02
Y = aX² + bX + c
La cantidad
por lo tanto
Yc =a + mXc
de donde se calcula a.
TABLA N°5
6 1.41 ---------
Sum = 0.934
7 1.81
Para calcular8 la incertidumbre
1.60 en la pendiente, se calcula el valor medio de los valores
absolutos de las desviaciones de cada una de las pendientes respecto Media = 0.156
al valor de la
9 1.78
pendiente media. Al calcular se obtiene m = 0,156 y Δm= 0,054. Si se desea un criterio
estadístico más exigente, se puede calcular Δm utilizando la desviación estándar en este
10 1.92
caso Δm =σm=0,06
11 2.55
En consecuencia
m = 0,16 ± 0,06
EJERCICIOS:
TABLA N° 6
TABLA N°7
Y 0 2 4 6 8 10
X 1 21 30 37 42 48
REPRESENTACIÓN GRÁFICA
PRINCIPALES APLICACIONES DE LA
REPRESENTACIÓN GRÁFICA
EJEMPLOS
Representación gráfica de funciones.
f(x) = ax + b
intervalo -1<X<5
P1
Δy
P2
Δx
Se tiene que
TABLA N°8
x (cm) 4,0 6,0 8,0 10,0 12,0 14,0 16,0 18,0 20,0 22,0 24,0
t (s) 0,08 0,11 0,17 0,21 0,23 0,29 0,34 0,37 0,39 0,46 0,50
45
Tiempo (s)
Desplazamiento (cm)
Tiempo (s)
Desplazamiento (cm)
Figura N°11
Para los datos de la tabla N°8, la aplicación del método de mínimos cuadrados arroja
el siguiente resultado
y = -0,058+0,020x (1)
47
Escalas logarítmicas
Figura N°13
Representación de la función f(x) = 2×10 x en una gráfica lineal. Observe que en el intervalo
0<x<<2 la resolución de la gráfica de la figura 4.6 es notablemente mayor.
Figura N°15 se representa la función F(x) = 2x3 en una grafica lineal. Compare la
resolución de las figuras N°14 y N°15 para pequeños valores de x
Para el ejemplo de la sección anterior se tiene a=2 y n=3 (lo que sigue también es
válido para todo a y n reales). Supongamos que se requiere determinar los valores
de a y n a partir de la gráfica 4.8. Evaluando la función para x=1 tenemos
a = f (x) (2)
x =1
Figura N° 16 Representación de la
función para el intervalo 1<x<2 en
donde se observa que el valor de F(x)
para x=1 es 2 luego a=2
50
ΔY
Ky
ΔX
Kx
En este caso, como vimos más arriba (figura N°12), los datos se ajustan a una
función exponencial de la forma f(x)=abx en donde es fácil demostrar que
a = f (x)
x=0
EJERCICIOS
x 4,0 6,0 8,0 10,0 12,0 14,0 16,0 18,0 20,0 22,0 24,0
Y 0,16 0,22 0,34 0,42 0,46 0,58 0,68 0,74 0,78 0,92 0,99
Determine los parámetros de la función afín de la figura N°11 y compare con los
valores indicados en la ecuación (1)
Tabla A
t(s) 0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0 9,0 10 11 12 13 14 15
V(m/s) 15,0 19,5 25,0 32,0 41,5 54,0 69,0 89,0 117 150 195 250 325 420 550 710
Tabla B
t(s) 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 6,0 7,0 8,0 9,0 10,0
m(g) 1,50 31,0 50,0 73,0 100, 130, 165 205 242 334 435 550 680 810,