1

LABORATORIO
INTEGRAL
DE FISICA
GUIA DE TEORIA

Elías Cuartín Eddie Avilan Gustavo Landaeta

 2

Material recopilado de las guías:

 Introducción a la Metrología
ELIAS CUARTIN

Facultad de Ingeniería UNIVERSIDAD CENTRAL DE VENEZUELA

CARMEN PELAEZ

Facultad de Medicina UNIVERSIDAD CENTRAL DE VENEZUELA

 Laboratorio de Física General

CARLOS E. GONZÁLEZ G.

JORGE JUZGA L.

LUÍS MORALES

ABDÓN HERNÁNDEZ

Departamento de Física Aplicada Escuela Básica Facultad de Ingeniería

Universidad Central de Venezuela

 Laboratorio Instrumental

ELIAS CUARTIN

LEONARDO ARAUJO

Departamento de Física Aplicada Escuela Básica Facultad de Ingeniería

Universidad Central de Venezuela

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

Si no existiera esta indicación, los resultados de las mediciones no podrían

compararse ni entre ellos ni con respecto a valores de referencia dados por
determinada especificación.

En la historia de la metrología, el termino incertidumbre como algo cuantitativo es

relativamente nuevo, en el año 1992 la Internacional Laboratory Conference (ILAC)
creo un grupo de trabajo sobre incertidumbre para desarrollar ejemplos de
aplicación en ensayos específicos, el resultado se presento en la Conferencia de la
ILAC en Hong Kong durante Octubre de 1994, ahora bien los términos error y
propagación de error y su análisis, han sido estudiado con bastante detenimiento
desde hace algún tiempo.

Así se hayan estudiado y controlado todas las fuentes de error en un proceso de

medición, siempre existe la duda o incertidumbre de cuán bien está| representado
el resultado en cuestión. Para calcular el valor de una incertidumbre se requiere
usar un método que sea, aplicable a todas las clases de mediciones y a todos los
tipos de datos empleados en las mediciones, es decir se debe usar un método
universal.

La incertidumbre en el resultado de una medición generalmente se puede clasificar

de acuerdo a como se estime el valor numérico:

A. Aquellos que se evalúan por análisis estadísticos (serie de observaciones

realizadas bajo similares condiciones).
B. Aquellos que se evalúan por otros medios distintos al análisis estadístico
(todo lo que no se clasifique como Tipo A).

En el mundo industrializado son numerosos los aspectos de la vida que dependen

de las medidas. La complejidad creciente de las técnicas modernas va acompañada
de continuas demandas de más exactitud, mayor rango y mayor diversidad de
patrones en los dominios más variados. El desarrollo y mejora de esos patrones es
de importancia, tanto a nivel internacional como nacional, para la ciencia, el
comercio y la industria.
 4

La Investigación Científica en el campo de la Metrología actual tiene los objetivos

siguientes:

 Desarrollar las bases científicas y técnicas para las medidas futuras,

realizando investigación fundamental y aplicada.
 Desarrollar, mejorar y mantener los patrones nacionales y las técnicas de
medida de las Magnitudes Fundamentales y Derivadas.
 Participar en las intercomparaciones internacionales que garantizan el
acuerdo internacional y la trazabilidad.
 Diseminar estos patrones, proveyendo de un servicio de medidas a las
instituciones o personas que necesiten calibraciones del más alto nivel.

La Metrología es la rama de la ciencia que se ocupa de las mediciones,

de los sistemas de unidades y de los instrumentos usados para
efectuarlas e interpretarlas. Esta comprende los aspectos teóricos y
prácticos de las mediciones y de su incertidumbre en los campos de
aplicación científico, industrial y legal.

La Metrología Científica es la encargada de la materialización física de los

conceptos fundamentales de las magnitudes, nombre que se da a las unidades de
medición, así como determinar el “valor verdadero” del mensurando.

La Metrología Legal se ocupa de la protección del consumidor, velando por la

transparencia de las transacciones comerciales, entregando un lenguaje técnico y
un referente común.

La Metrología Industrial consiste en la aplicación de la ciencia y la tecnología

metrológica a la producción a fin de asegurar la optimización de los procesos.

 CONCEPTOS BÁSICOS EN METROLOGÍA.

MEDICION: El objetivo de una medición es el de determinar el valor del

mensurando, esto es, el valor de la magnitud en particular a medirse. Entonces una
medición comienza con una especificación apropiada del mensurando, el método de
medición y el procedimiento de medición. Por lo general, el resultado de una medición
solo es una aproximación o una estimación del valor del mensurando y por lo tanto es
completa solo cuando va acompañada por una incertidumbre de esa estimación.

En la práctica, la especificación o definición requerida del mensurando depende de la

exactitud de la medición requerida. Por lo que el mensurando debe definirse lo más
completamente posible de modo de que para todos los efectos prácticos asociados con
la medición, su valor sea único.

En la mayoría de los casos el resultado de una medición se determina a partir de una

serie de observaciones obtenidas bajo condiciones de repetibilidad.
 5

Es de hacer notar que con solo hablar de medición aparecen términos

específicos de metrología como lo son: valor, mensurando, magnitud
particular, método de medición, procedimiento de medición, resultado de
medición, estimación, incertidumbre, exactitud, repetibilidad, todos
estos términos deben definirse adecuadamente lo cual se hará a medida
que se realiza el estudio.

La realización de una medición implica las actividades siguientes:

 Definir adecuadamente la magnitud a medir

 Establecer un método de medición
 Diseñar un proceso de medición
 Obtener un resultado (estimación) numérico asociado a un sistema de
unidades.
 Reportar la medición como la estimación con su correspondiente
incertidumbre.

Lo anterior lo podemos interpretar en el siguiente diagrama, donde se muestran los

factores que influyen en la variabilidad o dispersión de resultados. Esto incluye factor
humano, instrumentos, ambiente y naturaleza del propio mesurando.

Estado de animo, Agudeza visual,

experiencia, agotamiento del
observador, etc.

Temperatura, presión, humedad

Magnitud a
ambiental, fluctuaciones en la MEDICION
medir
alimentación eléctrica,
vibraciones mecánicas, etc.

Apreciación, resolución,
sensibilidad, exactitud,
calibración de los instrumentos,
etc.

Figura Nº 1 Mapeo del proceso de medición

 6

VALOR: Dimensión de una magnitud en particular, generalmente en forma de una

unidad de medida multiplicada por un número. Ejemplo: Masa de un cuerpo 0.152 kg
o 152 g.

MENSURANDO: Es la magnitud particular que se va a medir.

MÉTODO DE MEDICIÓN: Es la secuencia lógica, descrita en forma genérica,

utilizada en la ejecución de las mediciones.

PROCEDIMIENTO DE MEDICIÓN: Es el conjunto de operaciones, descrita de

forma especifica, utilizadas en la ejecución de mediciones particulares según un
método dado.

RESULTADO DE MEDICIÓN: Es el valor atribuido a un mensurando, después de

realizar la medición.

ESTIMACIÓN: Operación de asignar, a partir de observaciones en una muestra,

valores numéricos a los parámetros de una distribución elegida como modelo
estadístico de la población de la cual se tomo la muestra.

EXACTITUD: Grado de concordancia entre el resultado de una medición y un valor

verdadero del mensurando. El concepto de exactitud es cualitativo.

PRESICION: Es el grado de concordancia entre los resultados de un conjunto de

ensayos independientes obtenidos bajo condiciones estipuladas.

INTERVALO DE MEDICION: Modulo de la diferencia entre dos limites de un

rango nominal.

VALOR DE DIVISIÓN: Es la diferencia entre los valores correspondiente a dos

marcas sucesivas de una escala determinada.

RESOLUCION: Es la menor diferencia entre indicaciones de un dispositivo

indicador que puede ser distinguida significativamente. En un instrumento digital es el
cambio de indicación cuando el digito menos significativo cambia en un paso
incrementándose o decrementándose.

ESTABILIDAD: Es la aptitud de un instrumento para mantener constante en el

tiempo sus características metrológicas.

ERRROR MÁXIMO PERMISIBLE: En un instrumento de medición dado, es el

valor extremo del error permisible por las especificaciones o regulaciones, etc.

REPETIBILIDAD: Grado de concordancia entre resultados de sucesivas

mediciones del mismo mensurando, mediciones efectuadas con aplicación de
la totalidad de las mismas condiciones de medición.

ERRORES: Por lo general, cuando se realiza una medición ocurren imperfecciones

que se convierten en un error en el resultado de la misma. Se define como la diferencia
entre resultado de la medición y valor verdadero
 7

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.

Los errores aleatorios son causados por variaciones impredecibles y estadísticas de

naturaleza temporal y espacial de las magnitudes de influencia. No es posible
compensar el error aleatorio del resultado de una medición, sin embargo puede
reducirse tanto como se quiera aumentando el número de observaciones, cuando este
número tiende a infinito el error aleatorio tiende a cero, es decir su esperanza o valor
esperado es cero.

El error sistemático, podría eliminarse, sin embargo lo que se hace es reducirse al

mínimo. Si un error sistemático es identificado y conocido efecto de una magnitud de
influencia, entonces el efecto puede cuantificarse y, si es suficientemente
significativo frente a la exactitud requerida de la medición, puede aplicarse una
corrección o un factor de corrección para compensarlo. Se supone que después de la
corrección, la esperanza o el valor esperado del error causado por dicho efecto
sistemático es cero.

Los errores humanos como lo son: equivocación en la lectura de instrumentos, cálculos

erróneos, selección inadecuada de instrumentos, ajuste incorrecto del cero, etc. Su
valor no se puede estimar matemáticamente, se puede reducir al mínimo prestando
atención a los detalles, tener presente las limitaciones de los instrumentos usados,
realizar trabajo en equipo esto es emplear más de un observador, realizar varias
medidas, tener motivación acerca de lo que se está haciendo.
 8

 INCERTIDUMBRE:

La incertidumbre permite expresar el resultado de la medición como un

intervalo dentro del cual se supone que esta el valor de la magnitud medida,
con una determinada probabilidad.

Según la norma Venezolana COVENIN 2552-1999 (OILM V2:1993)

La incertidumbre es un parámetro asociado que caracteriza la

dispersión de los valores que pudiesen ser razonablemente atribuidos al
mensurando.

La incertidumbre del resultado de una medición refleja la falta de conocimiento exacto

del valor del mensurando. El resultado de una medición después de la corrección por
efectos sistemáticos identificados y conocidos es todavía una estimación del valor del
mensurando debido a la presencia de incertidumbre que surgen por los efectos
aleatorios y por las imperfectas correcciones de los resultados por efectos sistemáticos.

Cuando se realiza una medición existen muchas fuentes posibles de incertidumbre

estas son entre otras:

 Definición incompleta del mensurando

 Realización imperfecta de la definición del mensurando
 Muestreo no representativo, la muestra medida no representa al mensurando
definido.
 Conocimiento inadecuado de los efectos de las condiciones ambientales sobre las
mediciones, o mediciones imperfectas de dichas condiciones ambientales.

 Errores de apreciación del observador en la lectura de instrumentos analógicos

(agudeza visual)
 Resolución finita del instrumento o umbral de discriminación finito.
 Valores inexactos de los patrones de medición y materiales de referencia.
 Valores inexactos de constantes y otros parámetros obtenidos de fuentes externas y
usados en algoritmos de procesamiento de datos.

Según la respectiva norma la incertidumbre se clasifican en dos tipos A y B:

 9

Se usa la clasificación de incertidumbre en Tipo A y Tipo B para indicar las dos

diferentes maneras de evaluar las componentes de la incertidumbre, la clasificación no
significa que existe alguna diferencia en la naturaleza de los componentes resultantes
de los dos tipos de evaluación. Los dos tipos de evaluación, están basados sobre
distribuciones de probabilidades y los componentes de la incertidumbre resultante en
cada tipo están cuantificados por varianzas o desviaciones estándar.

La incertidumbre de una corrección por efectos sistemáticos conocido puede obtenerse

en algunos casos mediante una evaluación Tipo A, mientras que en otros casos puede
obtenerse por una evaluación Tipo B, de igual manera se habla para el caso de una
incertidumbre que caracteriza un efecto aleatorio.

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:

Incertidumbre Tipo A. Debido a la dispersión sistemática de un conjunto de

medidas sobre una magnitud dada y como estamos suponiendo que solo existen
errores aleatorios, debemos realizar un análisis estadístico, de la manera siguiente:
En la mayoría de los casos en que se realizan una serie de n mediciones de una
magnitud “q” bajo condiciones de repetibilidad, La varianza estimada u2 que es
característica de una componente de la incertidumbre, obtenida de una evaluación
tipo A, se calcula a partir de esta serie de observaciones y es estadísticamente
conocida como varianza estimada s2.
La desviación estándar estimada u es la raíz cuadrada de la varianza estimada u2
así que y se denomina convenientemente incertidumbre estándar Tipo A.

Entonces la incertidumbre estándar Tipo A, se obtiene a partir de una función de

densidad de probabilidad, derivada de una distribución de frecuencias observada.

Incertidumbre Tipo B Cualquier otra metodología de medición distinta al del

análisis estadístico, implica una incertidumbre tipo B. Cuando realiza la estimación
xi de una magnitud Xi que no se obtiene mediante tratamiento estadístico
(realizando observaciones repetidas) la varianza estimada asociada u 2(xi) o la
incertidumbre estándar u(xi) se deben evaluar mediante juicios y criterios
científicos basados en la mayor información disponible sobre la variabilidad de la
magnitud Xi . La desviación estándar estimada u generalmente se denomina
incertidumbre estándar Tipo B.

La incertidumbre estándar tipo B se obtiene a partir de una función de probabilidad

supuesta, basada, en el grado de conocimiento de que un evento pueda ocurrir.
 10

 EVALUACION DE LA INCERTIDUMBRE ESTANDAR.-

MODELO MATEMÁTICO DE LA MEDICIÓN.-

En muchos casos, el mensurando Y no se mide directamente sino que se calcula o se

determina a través de otras N magnitudes de entrada (X1,X2,X3…..XN) utilizando en
relación funcional f:

Y  f ( X 1 , X 2 ,....... X n ) (1)

Veamos un ejemplo de esto, la potencia disipada por una resistencia R cuando se le

aplica una diferencia de potencial V viene dada por:
2
P V (2)
R

pero si el valor de la resistencia varia con la temperatura, tendremos que:

V2
P  f (V , R0 ,  .t )  (3)
R0 1   (t  t 0 

donde: R0 es el valor de la resistencia a temperatura t0

α es el coeficiente de variación de la resistencia

t es la temperatura final que obtiene la resistencia R

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.

La desviación estándar estimada, asociada con la estimación de la magnitud de salida

o resultado de la medición y se denomina incertidumbre estándar combinada u c ( y ) .
Se determina a partir de la desviación estándar estimada asociada con cada valor
estimado de las magnitudes de entrada xi, denominada incertidumbre estándar u ( xi ) .

Cada valor estimado de la magnitud de entrada xi y su incertidumbre estándar

asociada u ( xi ) se obtienen a partir de una distribución de valores posibles de la
magnitud de entrada Xi. Esta distribución de probabilidades esta basada en
frecuencias, es decir basada en una serie observaciones Xik de Xi o puede ser una
distribución a priori. Las evaluaciones tipo A están fundamentadas en distribución de
frecuencia y la tipo B están basadas en una distribución a priori.
 11

 EVALUACION DE INCERTIDUMBRE TIPO A.-

Para una magnitud q que varíe aleatoriamente y de la cual se han realizado n

observaciones independientes qk bajo las mismas condiciones de repetibilidad, la
esperanza o valor esperado μq es en casi todos los casos la Media Aritmética.

Calculamos la media aritmética según la ecuación:

1 n
q  qi
n i 1
(4)

Este será la mejor estimación de la esperanza o valor esperado.

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:

Se calculan los desvíos de cada medición respecto a la media d i  qi  q estos

desvíos pueden ser positivos o negativos, por lo que se elevan al cuadrado, por
último se calcula el promedio de estos:

1 n
s 2 (q)   (qi  q ) 2
n  1 i 1
(5)

Este indicador recibe el nombre de Varianza Experimental y si tomamos la raíz

cuadrada, tendremos la Desviación Estándar Experimental:

1
s(q)  (q1  q ) 2 (6)
n 1

Estos indicadores muestran la dispersión de todas las medidas alrededor de la

media q .

Son mejores estimadores estadísticos; la varianza experimental media y la

desviación estándar experimental media dados por:

s 2 (q) 1 n
s 2 (q ) 
n
 s(q )   (q k  q ) 2
n(n  1) k 1
(7)

La varianza experimental de la media y la desviación estándar de la media

cuantifica que tan bien q estima el valor esperado de la magnitud y cualquiera de
las dos se puede utilizar como una medida de la incertidumbre, esto es entonces:

q Valor esperado y s(q ) Incertidumbre

 12

 EVALUACION DE INCERTIDUMBRE TIPO B.-

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:

 Datos de mediciones anteriores

 Experiencia con, o conocimiento general de, las características y el
comportamiento y las propiedades de los materiales e instrumentos
relevantes.
 Especificaciones del fabricante
 Datos obtenidos tanto de certificados de calibración como de otro tipo de
certificados.
 Incertidumbres asignadas a datos de referencia tomados de manuales.

Se requiere de experiencia y conocimiento general que se puede adquirir con la

práctica para hacer uso apropiado de la información disponible. La evaluación de la
incertidumbre Tipo B es tan confiable como la Tipo A.

Si la estimación xi se toma de una especificación del fabricante, de un certificado de

calibración, de un manual o de otra fuente y su incertidumbre es asignada con un
“múltiplo” dado de una desviación estándar, entonces la incertidumbre estándar u(x i)
es simplemente el valor asignado dividido entre el multiplicador y la varianza u 2(xi)
estimada en cuadrado de dicho cociente. (ver ejemplo E1)

Este múltiplo dependerá entre otras cosas de la fiabilidad y de la distribución de

probabilidad, además de la confiabilidad que se tiene de que el valor real este dentro
de intervalo establecido por la estimación y la incertidumbre multiplicado por el factor
en particular.

Es por esto que en ocasiones la incertidumbre asignada a xi no necesariamente está

dada como múltiplos de la desviación estándar, puede venir dada como un intervalo de
confianza, siempre y cuando la magnitud a medir siga una distribución normal. Estos
intervalos corresponden a los múltiplos siguientes entre otros, siempre y cuando se
asuma una distribución normal para calcular la incertidumbre indicada y recuperar la
incertidumbre estándar de xi dividiendo la incertidumbre indicada por el factor
apropiado para la distribución normal.
 13

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:

 E1.- Un certificado de calibración establece que la masa ms de un patrón de

masa de acero con valor nominal de un kilogramo es 1000.0003250g y
que la “incertidumbre de este valor es 270 µg = 0.000270 g al nivel de tres
desviaciones estándar”. La incertidumbre estándar del patrón de masa
entonces es:
u(ms) = 240 µg/3 = 0.000270 g/3 = 0.000080 g

y la varianza estimada será:

u2(ms) = 6.4 x 10-9 g.

 E2.- Un certificado de calibración declara que la resistencia de un resistor

patrón Rs de valor nominal diez ohm es 10.000742 Ω a 23° C y que la
incertidumbre asignada es de 129 µΩ = 0.000129Ω con un nivel de
confianza del 99%. Si observamos la tabla anterior esto corresponde al
múltiplo 2.576, entonces la incertidumbre estándar será en este caso
u(Rs) = 129 µΩ/2.576 = 50 µΩ = 0.000050 Ω

y la varianza estimada es entonces:

u2(Rs) = (50 µΩ)2= 2.5 x 10-9Ω2.

 14

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.

Veamos esto con más ejemplos.

 E3.- Un estudiante, al determinar las dimensiones de una pieza, estima que

su longitud encuentra entre 10.07 y 10.15 mm con una probabilidad de 50 %,
e informa lo siguiente: l  (10.11  0.04)mm , entendiendo que  0.04mm
define un intervalo con una probabilidad del 50 % entonces aquí a = 0.04
mm, y se supone que los posibles valores de l siguen una distribución
normal, la incertidumbre estándar de la longitud es u(l) = (1.48 x 0.04)mm
= 0.06 mm y la varianza estimada es: u2(l) = (1.48 x 0.04 mm)2 ≈ 3.5 x 10-3
mm2.

 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

Si la diferencia entre los límites, a+ y a- es 2a entonces tendremos que la varianza

asociada se escribe como:

a2
u ( xi ) 
2
(10)
3

Veamos un par de ejemplos:

 E5.- Un técnico mide la velocidad del sonido en el agua a 25ºC, V aguay

reporta como resultado 1460 m/s. y declara que el error en este
procedimiento es de 2.5 % esto es 36.5 m/s. A partir de esta
información podemos ver que el valor de la velocidad del sonido en el
agua está dentro del intervalo comprendido desde 1423.5 m/s a 1496.5
m/s. La varianza de esta distribución rectangular simétrica de los
posibles valores de la velocidad del sonido en el agua, con semi
intervalo igual a a = 36.5 m/s, es entonces según lo explicado
anteriormente:

u2(Vagua) = (36.5 m/s)2/3 = 444.08 m2/s2.

Y la incertidumbre estándar vendrá dada por:

u(Vagua) =(36.5 m/s) / 3 = 21.07 m/s

 16

 E6.- Una empresa fabricante de instrumentos de medición, especifica

para un voltímetro que después de un año luego de la calibración del
equipo, su exactitud en el rango de 1V es 14 x 10-6 por el valor de la
lectura más 2 x 10-6 por el valor del rango. Consideremos ahora que el
instrumento se usa 20 meses después de la calibración para medir en
el rango de 1V, una diferencia de potencial V y que la media aritmética
de un determinado número de observaciones repetidas de V es:
V  0.928571V con una Incertidumbre Estándar Tipo A igual a:
u(V )  12V .
La incertidumbre Tipo B asociada a las especificaciones del fabricante
hay que obtenerla suponiendo que la exactitud declarada indica limites
simétricos para una corrección aditiva de V y de V , con igual
probabilidad de que se encuentre en cualquier lugar dentro del
intervalo. El semi intervalo a de la distribución rectangular simétrica
de los posibles valores de V es desde luego:

a = (14x10-6)x(0.928571 V)+(2x10-6)(1V)=15 µV

y como sabemos, en forma general para este tipo de distribución:

a2
u ( xi ) 
2
por lo que en esta caso particular u 2 (V )  75V 2
3
y u(V )  8.7V , seguidamente calculamos la estimación del valor
del mensurando: V  V  V V = 0.928571V.

Podemos observar que aquí existen dos incertidumbres una Tipo A

igual a 12 µ de V y una Tipo B igual a 8.7 µV de V , las cuales se deben
combinar.

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

Suponiendo esta distribución trapezoidal para Xi, se encuentra que la esperanza de Xi

es:

xi = (a- + a+)/2 (11)

y su varianza asociada sería:

u 2 ( xi )  a 2 (1   2 ) / 6 (12)

Y para la distribución triangular donde β = 0 tendríamos que:

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

Para una distribución normal con esperanza µ y desviación estándar σ, el intervalo µ ±

3σ cubre aproximadamente 99.73 % de la distribución. Si los limites inferior y superior
a- y a+ definen los límites del 99.73 % en lugar del 100 % y puede suponerse que Xi
tiene una distribución aproximadamente normal, en lugar de asumir que no se posee
información específica de Xi entre los limites como lo asumimos anteriormente,
tendremos que:
2
u 2 ( xi )  a (14)
9

Tenemos entonces para comparar que la varianza en cada distribución:

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)

Si realizamos un desarrollo es serie de Taylor despreciando los términos superiores

nos quedará:

f ( x)
Y  u (Y )  f ( x  u ( x))  f ( x)  u ( x) (16)
x

La incertidumbre estándar de Y será al despejar:

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

También la varianza combinada dada por:

2
 f 
N
u ( y )     u 2 ( x1 )
2

i 1  xi 
c

Cada incertidumbre u(xi) es una incertidumbre estándar evaluada Tipo A o Tipo B, la

incertidumbre estándar combinada uc(Y) es una desviación estándar estimada y
caracteriza la dispersión de los valores que podrían ser razonablemente atribuidos al
mensurando Y.

Veamos como se combina el ejemplo de la potencia disipada por la resistencia eléctrica

que depende de la temperatura como:
 20

V2
P  f (V , R0 ,  .t ) 
R0 1   (t  t 0  (19)

Hay que calcular: P , P , P , P

V R0  t

P = 2V / R0 1   (t  t 0 )  2P / V
V

P =  V 2 / R02 1   t  t 0  =  P / R0
R0

P =  V 2 (t  t 0 ) / R0 1   (t  t 0 )2 =  P(t  t 0 ) /1   (t  t 0 )



P =  V 2 / R0 1   (t  t 0 )2 =  P /1   (t  t 0 )
t

La varianza combinada será en este caso:

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)

Para el ejemplo E6 de la fábrica de instrumentos de medición tenemos que: la

estimación del valor del mensurando V es: V  V  V con V = 0.928571 V.

V
u(V )  12V la corrección aditiva es cero y u(V )  8.7V ahora como 1 y
V
V
 1 la varianza combinada vendrá dada por:
 (V )

uc2 (V )  u 2 (V )  u 2 (V )  (12V ) 2  (8.7V ) 2  219 x10 12V 2

La incertidumbre estándar combinada sería la raíz cuadrada uc  14.88V

 21

 DETERMINACION DE LA INCERTIDUMBRE EXPANDIDA.-

Universalmente es posible el uso de la incertidumbre combinada uc(y) como expresión

de la incertidumbre de una medición o de una calibración, pero en ocasiones y con
cierta frecuencia es necesario dar una medida de la incertidumbre que defina,
alrededor de un resultado de la medición, un intervalo dentro del cual pueda
encontrarse gran parte de la distribución de valores que razonablemente puedan ser
atribuidos al mensurando. Esta nueva medida se llama Incertidumbre Expandida y
se representara solo por U.

El valor de la incertidumbre expandida se obtiene multiplicando al valor de la

incertidumbre combinada uc(y) por un factor un factor de cobertura k:

U = k uc(y) (22)

El resultado de una medición sería expresado de la forma siguiente:

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.

Se debe indicar la probabilidad de cobertura p asociada al intervalo de finido por U.

Los conceptos intervalo de confianza y nivel de confianza solo se utilizan cuando las
componentes de la incertidumbre combinada uc(y) se obtengan mediante
incertidumbre Tipo A esto por que son definiciones especificas de estadística. Lo que
si se usa es la denominación “probabilidad de cobertura”. U se representa como un
intervalo que contiene el mensurando y que abarca una gran fracción p de la
distribución de probabilidad caracterizada por este resultado y su incertidumbre
estándar combinada, p es la probabilidad de cobertura.

El valor del factor de cobertura k se escoge en función de la probabilidad de cobertura

requerida en el intervalo y – U a y + U por lo general k toma valores entre 2 y 3,
comúnmente en situaciones de medición en que la ley de probabilidad caracterizada
por y y uc(y) es aproximadamente normal, se puede suponer que la elección k = 2
proporciona un intervalo con una probabilidad de cobertura de aproximadamente 95
% y k = 3 proporciona un intervalo con una probabilidad de cobertura de
aproximadamente 99 %.
 22

 EXPRESION DE RESULTADOS DE LA MEDICION.-

Se debe expresar el resultado de la medición acompañado de, bien sea la

incertidumbre estándar combinada uc(y) o de la incertidumbre expandida U.

En el primer caso las normas recomiendan:

 Describir clara y completamente la forma en que se ha definido el

mensurando Y.
 Expresar la estimación de la estimación y del mensurando así como de la
incertidumbre estándar combinada uc(y) indicando las unidades utilizadas.
 Dar el valor de cada uno de los estimadores de entrada xi y de su
correspondiente incertidumbre u(xi) describiendo la manera en que han sido
obtenida.
 Indicar la relación funcional Y = f(X1 , X2 , ….XN) así como los coeficiente de
sensibilidad o derivadas parciales.
 Cualquier otro argumento que considere necesario.

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 :

a) ms = 100,02147 g con uc = 0,35 mg

b) ms = 1000,02147 (35) g donde el numero dentro del paréntesis es el valor de u c
referido a los últimos dígitos del resultado.
c) ms = 100,02147 (0,00035) g donde el numero dentro del paréntesis es el valor
de uc expresada en la misma unidad que el resultado de la medición.
d) Ms = (100,02147 ± 0,00035) g donde el número que sigue al símbolo ± es el
valor numérico de uc y no un intervalo de confianza.

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.

En el segundo caso, cuando utilizamos la incertidumbre expandida U, se recomienda:

 Describir clara y completamente la forma en que se ha definido el mensurando

Y.
 Indicar el resultado de la medición de la forma Y = y ± U y dar la unidades
correspondientes.
 Incluir la incertidumbre relativa U/|y| cuando sea apropiado.
 Dar el valor de k utilizado para obtener U así como el valor de uc(y)
 Dar la probabilidad de cobertura aproximada asociada al intervalo y ± U, e
indicar como fue obtenido.
 Dar el valor de cada uno de los estimadores de entrada xi y de su
correspondiente incertidumbre u(xi) describiendo la manera en que han sido
obtenida.
 23

 Indicar la relación funcional Y = f(X1 , X2 , ….XN) así como los coeficiente de

sensibilidad o derivadas parciales.
 Cualquier otro argumento que considere necesario.

Si se expresa el resultado de la medición con la incertidumbre expandida U debemos

enunciarlo en la medidas de las posibilidades, de la manera siguiente:

ms = (100,02147 ± 0,00079) g donde el número que sigue al símbolo ± es

el valor numérico de U = k uc determinada a partir de uc = 0,35 g, y del
factor de cobertura k = 2,26 basado en la distribución t de student para v
= 9 grados de libertad, definiendo un intervalo con una probabilidad de
cobertura de 95 %.

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.

Cuando se expresa un número debe evitarse siempre la utilización de cifras no

significativas, puesto que puede suponer una fuente de confusión. Los números
deben redondearse de forma que contengan sólo cifras significativas. Se llama
redondeo al proceso de eliminación de cifras no significativas de un número. Una
última forma de expresar el error de un número consiste en afirmar que todas sus
cifras son significativas.

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.

A continuación se exponen algunos ejemplos. El resultado de la medición de una

temperatura se expresa en la forma

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

aunque la forma correcta es

puesto que 301,267 está más cerca de 301,3 que de 301,2.

Tampoco es correcto presentar la medida, por ejemplo de una velocidad, en la forma

Puesto que no es posible estimar una incertidumbre con tanta precisión. Lo razonable
es escribir:

Pueden también expresarse los resultados anteriores en la forma

 25

Añadiendo que todas las cifras son significativas. No es sin embargo aconsejable,
puesto que se pierde algo de información.

Si se quieren presentar los resultados anteriores con las incertidumbres relativas,

puede escribirse

Las reglas que emplearemos en el redondeo de números son las siguientes:

 Si la cifra que se omite es menor que 5, se elimina sin más.

 Si la cifra eliminada es mayor que 5, se aumenta en una unidad la última cifra
retenida.
 Si la cifra eliminada es 5, se toma como última cifra el número par más
próximo; es decir, si la cifra retenida es par se deja, y si es impar se toma la cifra
superior.

Algunos ejemplos. Si redondeamos 3,678 a tres cifras significativas, el resultado es

3,68, que está más cerca del original que 3,67. En cambio si el número a redondear,
también a tres cifras, fuera 3,673, quedaría 3,67 que es más próximo al original que
3,68. Para redondear 3,675, según la tercera regla, debemos dejar 3,68.

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

 ALGUNOS CONSEJOS PRACTICOS EN LA EVALUACION DE

INCERTIDUMBRE:

A la hora de expresar un resultado de una medición, se requiere de cierta indicación

cuantitativa, que nos indique la calidad del resultado. Esto es, dado que el valor verdadero
de la magnitud nunca se puede encontrar realizando un proceso de medición, se requiere
expresar un rango o intervalo donde existe cierta probabilidad de que este valor verdadero
se encuentre.

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.

La incertidumbre determinada a partir de observaciones repetidas se consideran

frecuentemente como objetivas y estadísticamente rigurosa. Esto implicaría que su
evaluación se puede realizar mediante ecuaciones estadísticas aplicadas a las
observaciones.

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:

 A cualquier instrumento sea analógico o digital se le debe a encontrar una

contribución a la incertidumbre debido a la repetibilidad en el proceso de
medición. Para hallar esta contribución podemos diseñar un procedimiento
en el cual midamos una magnitud “patrón” o una conocida varias veces y
realizamos un estudio estadístico (Tipo A). Ejemplo:
 Para una variable q se hacen aleatoriamente n observaciones
independiente qk el valor esperado vendrá dado por la media
1 n
aritmética q   q k . La varianza experimental viene dada
n k 1
1 n
por s 2 (q k )   (qk  q ) 2 el mejor estimador del cuadrado
n  1 k 1
de la incertidumbre será la varianza experimental media:
 27

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:

 Una balanza digital cuya menor cifra significativa es 1g tendrá

una contribución a la varianza igual a u2 = (12/12) g2 y la
incertidumbre estándar sería: u = (1/ 12 ) g = 0.29 g.

 PROCEDIMIENTOS.

 Cuando realizamos medidas con instrumento digital.

i. Se realizan muchas medidas. Como se realizan muchas medidas de un

mismo mensurando, la incertidumbre que se calcula es Tipo A.
Entonces si se realizan una serie de n mediciones de una magnitud q
bajo las mismas condiciones de repetibilidad, donde n representa una
muestra de la población total, calculamos la media aritmética según la
ecuación:
1 n
q   qi
n i 1

Este será la mejor estimación de la esperanza o valor esperado.

Luego dado que las observaciones individuales q i difieren del valor

esperado debido las variaciones aleatorias, se deberá calcular la
varianza y la desviación estándar experimental s 2 y s :

1
s(q)  (q1  q ) 2
n 1

El valor de la varianza experimental es s 2 y la mejor estimación de la

varianza de la media  2 (q )   2 / n es:
 28

s 2 (q) s(q)
s 2 (q )   s (q ) 
n n

Y la desviación estándar experimental de la media es la raíz cuadrada

positiva de s 2 (q ) .

Se podría completar el calculo utilizando la contribución a la

incertidumbre debido a la resolución del instrumento, la cual en un
instrumento digital es el cambio de indicación cuando el digito menos
significativo cambia en un paso incrementándose o decrementándose.
Luego considerando una distribución rectangular, la contribución a la
incertidumbre será, si el digito menos significativo es la diez milésima
(0.0001) entonces:

u  (0,0001) 2 / 12

Al final la incertidumbre se expresa como la combinación de ambas de

la siguiente manera:

q  ( s(q )) 2  u 2

ii. Si solo se realiza una medida. Evidentemente la incertidumbre a toma

es la Tipo B, sabemos que hay que tomar en cuenta, entre otras cosa:
Datos de mediciones anteriores, experiencia con, o conocimiento
general de, las características y el comportamiento y las propiedades
de los materiales e instrumentos relevantes, especificaciones del
fabricante, datos obtenidos tanto de certificados de calibración como de
otro tipo de certificados, incertidumbres asignadas a datos de
referencia tomados de manuales. Como se esta trabajando con un
equipo digital, es conveniente familiarizarse primero con el, esto es en
el manual encontrar el máximo error permisible, esto será una
contribución a la incertidumbre, otra cosa que se debería tomar en
cuenta es la resolución que en caso de un instrumento digital es el
cambio de indicación cuando el digito menos significativo cambia en un
paso incrementándose o decrementandose, esto también contribuye a
la incertidumbre, realmente lo que se puede hacer en caso de controlar
todos los errores sistemáticos y humanos, es calcular una
incertidumbre debido a la variabilidad del instrumento, para ello
previo al proceso de medición, se realizan varias medidas de un mismo
mensurando con condiciones de repetibilidad idénticas de manera de
poder realizar un calculo estadístico de la desviación estándar
incertidumbre en una sola medición realizada con un equipo digital. La
otra gran contribución sería la debida a la resolución del instrumento
como se hizo anteriormente, en caso de poseer información adicional
que contribuya a la incertidumbre estas se combinaran de igual
manera, de manera de que la incertidumbre vendrá siendo la raíz
cuadrada de la suma de las contribuciones al cuadrado.
 29

 Cuando realizamos medidas con instrumento analógico.

i. Realizando una sola medida. Primero veamos como se mide con un
instrumento analógico. Se desea medir el largo de una barra con un
instrumento analógico de cursor fijo (regla), el procedimiento es: Se
coloca el objeto de manera de que un extremo coincida con el cero
de la regla.

0 1 2 3 4 5 6 7 8 9 10 11 cm

Lo primero que debemos observar es cual el VALOR DE

DIVISIÓN en este caso específico es 2. a= 2. (0.5) =1 cm, ahora
bien podemos afirmar que la medida del objeto esta entre 5 y 6 cm
esto se podría considerar como una distribución rectangular.

P(x)
a a

a- µt a+ X

a a
t  t 
3 3

Figura N°5

Existe probabilidad igual a uno de encontrar el valor de la medida

en el intervalo entre 5 y 6 por lo que la contribución a la
incertidumbre debido a la resolución sería la correspondiente a una
distribución rectangular:

2
u 2 ( x i )  ( 2a )
2
a  1  u ( x)  1
12 3 3 3
 30

Podemos escribir la medida es: 3.5  0.6cm . Sería conveniente

averiguar cual es la contribución a la incertidumbre debido a la
repetibilidad, como se menciono al principio de estos consejos,
luego combinarlas de manera conveniente.

Ahora realizando muchas medidas. Se utiliza el mismo

procedimiento estadístico que cuando se realizan las mediciones
con un instrumento digital.
 31

 ANÁLISIS DE DATOS EXPERIMENTALES.

 INTRODUCCIÓN.

Cuando se analiza un sistema físico en el laboratorio, frecuentemente es necesario

determinar la relación existente entre las magnitudes que intervienen en su
evolución. Estas magnitudes, variables o parámetros del sistema, generalmente se
pueden clasificar en entradas (variables independientes) y salidas (variables
dependientes). Para simplificar el estudio de un sistema, a menudo se consideran
dos magnitudes (X y Y), donde una de ellas corresponde a una entrada y la otra a
una salida. La variación de la entrada o variable independiente se efectúa
procurando que las demás variables independientes permanezcan constantes.
Determinando los cambios en la variable de salida se obtiene una tabla de datos
experimentales (X,Y) con lo cual obtenemos una característica del sistema físico
estudiado.

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:

a) Continuidad en la relación causa efecto, presente entre las variables

consideradas.

b) Intervalo de variación (muestreo) lo suficientemente pequeño como para

garantizar la validez de una interpolación. Frecuentemente, la curva trazada
puede ser descrita analíticamente como una función Y=Y(X) de forma simple,
tal como una función afín, cuadrática, exponencial, potencial, logarítmica,
trigonométrica, o como un polinomio de grado n.

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.

En el caso más simple, cuando los puntos se distribuyen aproximadamente a lo

largo de una recta, se supone que la ecuación es de la forma Y = a + m x. Pero
si los puntos se desvían sistemáticamente de una recta, es más difícil escoger la
ecuación. A menudo la forma de la curva sugiere el tipo de ecuación, por
ejemplo, frecuentemente nos encontraremos con relaciones del tipo ley de
potencia Y = AXn , o del tipo exponencial, Y= ABcx .
 32

Es posible probar la aproximación a la ecuación de la curva, rectificando la

misma, por ejemplo, si la ecuación propuesta se puede escribir en la forma:
f(y) = a + mg(x) o v = a + mu (25)

en donde v = f(y) y u = g(x), se calculan los valores de v y u a partir de x

y y, se construye una nueva tabla (u, v). Con esta tabla se hace una
gráfica de u y v como coordenadas. Si los puntos se aproximan a una recta, se
puede afirmar que la ecuación (1) constituye una aproximación aceptable, en
correspondencia con la incertidumbre de los datos experimentales.

Verificada la forma de la ecuación aproximada, se procede a determinar los valores

aproximados de la constante o coeficientes que aparecen en la ecuación.

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.

 AJUSTE DE GRÁFICAS LINEALES.

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)

en donde las constantes a y m deben ser determinadas. Esto puede hacerse de

varias maneras dependiendo de la precisión que se desee.

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:

R (μΩ) 76.30 77.80 79.75 80.80 82.35 83.90 85.10

T (°C) 19.1 25.0 30.1 36.0 40.0 45.1 50.0

Tabla N°2
 33

En la figura 6 se muestra la representación gráfica correspondiente a la tabla 2

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

 Método de los puntos escogidos.

Se trata de determinar la recta que mejor se ajusta a los puntos experimentales,
como se indica en la figura 2.1. Se eligen dos puntos sobre la recta, preferiblemente
alejados y se leen los valores correspondientes; por ejemplo T = 20, R =
76,45 y T = 48, R = 84,60. Sustituyendo los valores anteriores en la
ecuación R = a + mT se obtiene:

m 76.45 = a + m20 y 84,60 = a + m48

resolviendo para a y m en las dos ecuaciones:

a = 70,63 y m= 0,291

por lo tanto, la ecuación buscada es:

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

Cuando se aplica este método, el criterio para el trazado de la mejor recta es

bastante subjetivo y las constantes no son muy precisas.

Para calcular la incertidumbre asociada a la pendiente de la recta, se seleccionan

varias parejas de puntos y se calculan las pendientes, mi respectivas. Con los diferentes
valores de pendientes mi, se elige un criterio para estimar la incertidumbre de mi,
como por ejemplo la incertidumbre límite o la desviación media absoluta de las
pendientes respecto al valor medio de la pendiente (vea sección 1.7).

 Método de Promedios

Se asume que la dispersión en los puntos es debida incertidumbre en la variable

representada en el eje vertical.

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)

algunos de estos residuos son positivos y otros negativos. Si se supone que la

mejor línea es aquella que hace igual a cero la suma algebraica de los residuos, se
tiene:

∑ (R − R ) =0
i
e
i
t

o, reemplazando

de donde,

∑R t
i = Na+m ∑ Ti
 35

Para determinar los dos parámetros a y m de la recta, se separan las sumatorias de

los datos en dos grupos. En el ejemplo considerado se eligen para el primero, cuatro
conjuntos de datos y para el segundo, tres; se suman parcialmente obteniendo:

314.65 = 4 a + 110,2 y 251.35 = 3 a + 135.1 m

de las cuales se deduce

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.

 Método de los Mínimos Cuadrados

En el método de los Mínimos Cuadrados, la mejor recta o lo que es lo mismo, los

mejores valores de los parámetros a y m, son aquellos para los cuales la suma
de los cuadrados de los residuos es mínima, osea:

(29)

debe ser mínima

La expresión anterior depende de los valores experimentales y de los parámetros en

ajuste a y m.

Para hacer mínima la expresión, las derivadas parciales con respecto a a y m

deben ser nulas:

O sea,
 36

Lo que conduce a:

donde N es el número de observaciones. De estas dos ecuaciones se obtienen los

valores de a y de m.

Si se desea estimar la incertidumbre asociada a los parámetros a y m cuando se

utiliza el ajuste por mínimos cuadrados, se demuestra que δa y δm se pueden
expresar en base a la desviación estándar y vienen dados por:

en donde Xie, Yie son los valores experimentales, Yit el valor calculado y N el
número de puntos experimentales.

(Yi = a + m Xi) y X es el promedio de los valores de Xi.

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)

19.1 76.30 364.81 1457.33

25.0 77.80 625.00 1945.00

30.1 79.75 906.01 2400.49

36.0 80.80 1296.00 2908.80

40.0 82.35 1600.00 3294.00

45.1 83.90 2034.01 3783.89

ΣT i = 245.3
50.0 ΣR85.10
i = 566.00 ΣT² = 9325.83
2500.00 ΣTiR4255.00
i = 20044.50

Reemplazando

566.00 = 7 + 245.3 m

20044.50 = 245.3 a + 9325.83 m

de donde resulta

a = 70.76 y m = 0.288

de modo que finalmente se obtiene

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

T Re R(1) R(2) R(3) δR(1) δ R(2) δR(3)

19.1 76.30 76.19 76.19 76.25 +0.11 +0.11 +0.05

25.0 77.80 77.91 77.92 77.96 -0.12 -0.12 -0.16

30.1 79.75 79.39 79.41 79.43 +0.36 +0.34 +0.32

36.0 80.80 81.11 81.14 81.13 -0.31 -0.34 -0.33

40.0 82.35 82.27 82.31 82.28 +0.08 +0.04 +0.07

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

Considerando δa = 3σa 0,26 y δm = 3σm, se obtiene:

a = 70,0 ± 0,9
 39

m = 0,30 ± 0,02

También se puede utilizar el método de mínimos cuadrados para determinar

polinomios de orden superior que se ajusten a una tabla de datos. En tal caso, se
realizan diferenciaciones adicionales para determinar las constantes respectivas. Por
ejemplo, si se desea obtener un ajuste de mínimos cuadrados de acuerdo a la función
cuadrática.

Y = aX² + bX + c
La cantidad

se minimiza cuando las siguientes derivadas son iguales a cero:

Desarrollando las expresiones anteriores y agrupando términ0

 40

De las ecuaciones anteriores se resuelven los valores correspondientes a

las constantes a, b y c.

Actualmente es muy usual encontrar calculadores programables que tienen

incorporado el programa para ajustar datos experimentales mediante el
método de mínimos cuadrados para las regresiones más frecuentes como lo son
las de tipo lineal, ley de potencia, exponencial o logaritmo con parámetros
estadísticos asociados que facilitan el análisis de datos experimentales.

En el caso de que los puntos experimentales en la gráfica presenten dispersión

tanto en el eje vertical como en el horizontal, se utiliza el método de las
diferencias extendidas.

En este método se dividen las medidas en dos grupos A y B como en el caso

del método de los promedios y se calcula la pendiente entre grupos de puntos
correspondientes a un punto en A y otro en B. Calculadas las diferentes
pendientes, se obtiene la pendiente media con su respectivo error.

Para determinar el valor del coeficiente A, se toma un punto que debe

pertenecer a la recta ajustada: el centroide. El centroide se calcula tomando el
valor medio de las medidas verticales y el valor medio de las medidas
horizontales:

por lo tanto

Yc =a + mXc

de donde se calcula a.

A continuación se indica en la tabla un ejemplo para la aplicación del método:

 41

TABLA N°5

X y Δy = (yn+6 - yn) ΔX = (Xn+6 - Xn) Δy/ΔX

0 0.00 1.41 6 0.235

1 0.56 1.25 6 0.208

2 1.11 0.49 6 0.82

3 0.72 1.06 6 0.117

4 1.28 0.64 6 0.107

5 1.44 1.11 6 0.185

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:

Utilizando el método de mínimos cuadrados, determine los coeficientes a y b

de laecuación lineal, Y = aX + b, que ajustan mejor la siguiente tabla de datos:

TABLA N° 6

Y 0.0 5.0 6.9 9.4 12.5 14.5 17.0

X 0 5 10 15 20 25 30

Represente los puntos en una gráfica y trace en la misma la ecuación de la

recta obtenida.
 42

Mediante el método de mínimos cuadrados, determine las constantes A,

B, C, de la ecuación Y = AX² + Bx + C, que ajustan mejor la siguiente
tabla de datos.

TABLA N°7

Y 0 2 4 6 8 10
X 1 21 30 37 42 48

Represente gráficamente los datos y represente en la misma gráfica

los puntos calculados mediante la ecuación obtenida.

 REPRESENTACIÓN GRÁFICA

En este aparado abordaremos los aspectos más frecuentemente utilizados

en la representación gráfica de datos experimentales, en este curso.

 PRINCIPALES APLICACIONES DE LA
REPRESENTACIÓN GRÁFICA

Las aplicaciones mas importantes en relación a las actividades experimental

comprenden:

.- Comportamiento de una relación analítica tal como y = f(x).

.- Representación de la interdependencia entre datos experimentales.

.- Determinación de la ecuación empírica que mejor describe la dependencia

entre datos experimentales.

.- Representación de valores tabulados con la finalidad de obtener

interpolaciones y extrapolaciones.

.- Comparar el comportamiento de datos experimentales bajo diversas condiciones

o entre éstos y el resultado de una modelación numérica o un resultado teórico.
 43

.- Curvas de calibración de instrumentos.

.- Comportamiento estadístico de un conjunto de datos experimentales

(histograma).

El uso de la representación gráfica como recurso para la determinación de la

relación empírica entre conjuntos de datos experimentales ha perdido importancia
debido a la gran difusión de métodos estadísticos computarizados para la
realización de ajustes y regresiones. Sin embargo, es importante destacar la
importancia de aplicar diversos procedimientos manualmente, para la
comprensión del fundamento de métodos más avanzados.

A continuación ilustraremos con ejemplos diversos tipos de representación

gráfica.

 EJEMPLOS
Representación gráfica de funciones.

En la figura N°7 se muestra la representación de la función

f(x) = ax + b

Figura N°7 Representación gráfica de la función f(x) = 2x – 1 en el

intervalo -1<X<5

en donde se tiene que a=2,0 y b=-1 . La representación comprende el intervalo

–2<x<5 en el eje horizontal o abscisa. En la gráfica de la figura 4.1 se observa
que la curva pasa por el punto (0 , -1). En este punto o intercepto con el eje
y, en el caso de una función afín, el valor de y es justamente el valor del
término independiente de la función representada. El valor a es la pendiente,
 44

la cual corresponde numéricamente con el coeficiente de x. El valor de a se

determina calculando (y1-y2)/(x1-x2) donde (x1,y1) y (x1, y2) son las
coordenadas de los puntos p1 y p2 de la curva, como se muestra en la figura
N°9.

P1
Δy

P2

Δx

Figura N°9.- Determinación de la pendiente de la recta.

Se tiene que

 Representación de datos experimentales

Supongamos que como resultado de un experimento en el cual se determina la

posición de un móvil en función del tiempo, se obtiene la siguiente tabla de datos

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

En donde la incertidumbre de los datos es de 0,1 cm y 0,02s para la posición y el

tiempo, respectivamente.

Tiempo (s)

Desplazamiento (cm)

Figura N°9 Representación gráfica de la Tabla N°8

En la figura N°9 se han representado los puntos (experimentales) mediante cruces. En

este caso, no es posible representar en la gráfica la incertidumbre correspondiente a
los datos experimentales debido a que los mismos son menores que la resolución de
las escalas. Para ilustrar como se gráfica la incertidumbre, en la figura N°10 se
muestra un sector ampliado de la gráfica de la figura N°9

Figura N°10 Detalle de la representación de la Tabla N°8

Como se observa en la figura N°10, los puntos experimentales corresponden mas

bien a una región rectangular de lados 2Δx por 2Δy. La gráfica de la figura N°9
parece corresponder a una recta. Podemos argumentar que la dispersión de los
 46

puntos experimentales alrededor de una recta, obedece a la variabilidad propia del

proceso de medición. Los puntos experimentales están sujetos a errores y además,
cada uno tiene asociada unaincertidumbre experimental que se puede representar
como se indicó en la figura N°10.

Tiempo (s)

Desplazamiento (cm)

Figura N°11

En lugar de enlazar los puntos mediante un trazo curvilíneo, la suposición de una

dependencia lineal se concreta trazando la mejor recta alrededor de la cual se
distribuyen los puntos experimentales.

En la figura N°11 se muestra el resultado de incluir en la representación gráfica, la

suposición sobre una dependencia lineal (afín) entre los datos experimentales.

 Determinación de una expresión empírica a partir de una

gráfica.

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

Las escalas logarítmicas son utilizadas en uno o en ambos ejes de

coordenadas, básicamente en los siguientes casos:

.- Cuando el rango de variación de los datos abarca varios ordenes de magnitud.

.- Cuando se desee verificar o destacar un tipo de comportamiento específico, tal

como en el caso de las funciones potencial y exponencial.

 Representación de una función exponencial ( f(x)=abx )

Supongamos que se desea representar la función f(x) = 2×10x . Utilizando la

representación semilogarítmica, tenemos:

Figura N°12 Representación de la función f(x) = 2×10 x mediante un gráfico semilog.

Al representar la misma función en un grafico lineal, se obtiene el resultado

mostrado en la figura N°13
 48

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.

 Representación de una función potencial.

Consideramos a continuación el caso de la representación de una función
potencial, tal como f(x)=2x3, en este caso, utilizando escalas logarítmicas en ambos
ejes, tenemos:

Figura N°14 Representación de la función f(x)=2x3 en una gráfica logarítmica.

 49

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

Determinación empírica de parámetros de una expresión

potencial. (f(x)=axn)

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

Efectivamente, en la figura N°16 se observa un detalle de la grafica de la figura N°14

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

Para determinar el valor del exponente es importante observar que la

representación logaritmica (loglog) de la función potencial, es una recta, debido a
que en este tipo de representación, las distancias entre los valores en las escalas son
proporcionales a la deferencia de los logaritmos de estos valores. En efecto,
tomando logaritmo a ambos lados de la expresión f(x)=axn tenemos:

log f (x) = log(a) + n log(x)

por consiguiente, reemplazar los valores de la función y de su argumento sobre una

escala lineal, por distancias proporcionales a sus logaritmos, conduce a la
linealización de la gráfica.

El valor de n se determina tomando en cuenta las variables introducidas en la

figura N°17, en donde Kx y Ky son los factores de escala (longitud de los ciclos en
cm u otra unidad) correspondientes a los ejes, ΔX es una distancia sobre la gráfica
(cm u otra unidad) y ΔY también es una distancia medida consistentemente en
las mismas unidades que las distancias anteriormente definidas.

ΔY

Ky
ΔX

Kx

Figura N°17 Parámetros para la determinación del exponente de la función

potencial.
 51

A partir de los valores definidos en la figura N°17 tenemos:

 Determinación empírica de la relación entre los datos cuando

la representación semilogarítmica es una recta.

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

por otra parte, tomando logaritmo (decimal) de la expresión f(x)=abx tenemos:

log f ( x) = log(a) + x log(b)

Mediante un razonamiento similar al realizado a la sección anterior y definiendo

Ky de la misma forma mostrada en la figura 4.11, tenemos:

Es importante resaltar que en este caso, en el denominador tenemos la

diferencia de los valores de la abscisa, y no una distancia medida con una regla
como en el caso de ΔY.

Si la exponencial es de base 10, generalmente se expresa la función como f(x)=a

10nx. En este caso, a se calcula de idéntica manera, mientras que n se determina
mediante:

ya que claramente, si 10n=b, tenemos que log(b) = n.

 52

 EJERCICIOS

Represente en papel milimetrado la siguiente tabla de datos y determine los

parámetros de la ecuación empírica correspondiente.

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)

Determine los parámetros de la función representada en la figura N°12 utilizando las

expresiones (5) y (7). Compare sus resultados con los indicados en el texto.

Determine los parámetros de la función representada en la figura N°14 utilizando las

expresiones (2) y (4). Compare sus resultados con los indicados en el texto.

A partir de las siguientes tablas de datos, determine las ecuaciones empíricas

correspondientes así como los parámetros de la misma.

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,