Está en la página 1de 11

CONOCIENDO LOS

TIPOS DE ERORES,
ANÁLISIS DE ERROR Y
UNIVERSIDAD
NACIONAL DE
APROXIMACIONES
INGENIERÍA
 Curso: Métodos Numéricos
 Código del curso: PM-311
 Integrantes/Código:
Gómez Huamaní, Ian/20180612D
Landeo Sosa, Fernán/20184152H
Pintado Velásquez, Deiner/20182182G
 Profesor: Msc. Lozano Pérez, Jean Paul

2020
Resumen del curso:
Este trabajo es un proyecto de investigación-acción, orientado hacia los
métodos numéricos, con el fin de poder utilizar la teoría para poder resolver
problemas y cálculos en los procesos de ingeniería, contando con algunos
ejemplos de teoría y como aplicar hacia dicho rubro.
En este primer proyecto de investigación-acción, nos dedicaremos a
explicar el tema de Teoría de Errores, para demostrar una comprensión del
tema, mediante nuestro concepto objetivo acerca de la teoría,
informaciones rescatadas de los libros y una cantidad de ejercicios hechos
mediante programas.
Introducción al tema general:
Para poder utilizar en forma efectiva los métodos numéricos es importante
entender el concepto de métodos numéricos.
En muchos problemas “reales” ingeniería no es posible obtener la solución
analítica; por ello, no se pueden calcular con exactitud los errores en
nuestros métodos numéricos, por eso, en estos casos usamos
aproximaciones o estimaciones de los errores.
Este trabajo tratará sobre los aspectos afines con la identificación,
cuantificación y minimización de los errores. Por ejemplo, veremos uno de
los dos errores numéricos más comunes: errores de redondeo, esta clase de
errores se deben a que la computadora tan sólo representa cantidades con
un número finito de dígitos.
La otra clase de errores, son los de truncamiento, este error es un
desacuerdo que ocurre por el hecho de que los métodos numéricos pueden
emplear aproximaciones para representar operaciones y cantidades
matemáticas exactas, es decir, resulta al usar una aproximación en lugar de
un procedimiento matemático exacto.
Por último, también veremos a los errores que están relacionados
indirectamente con el método numérico, estos son equivocaciones, errores
de formulación o del modelo, y la incertidumbre en la obtención de los
datos.
Objetivo general:
 Identificar los diferentes factores que influyen en la realización de nuestros
cálculos, y poder elegir el método más adecuado para que podamos expresar
dichas operaciones lo más exactas posibles con el mínimo error.

Marco Teórico:
I. Cifras Significativas:
Formalmente se usa el concepto de cifras se utiliza para designar la confiabilidad de un
valor numérico, es decir, se trata del número de dígitos que se ofrecen con mayor
acercamiento o certeza, más otro estimado. Por ejemplo, en la figura 1, notamos que, al
usar una regla para medir un lápiz, muestra mediciones de hasta cuatro cifras
significativas, diremos que, para la regla al medir el lápiz, los dígitos exactos serían 9.7,
por conveniencia ajustamos a la mitad de la menor medición exacta, entonces
afirmaríamos que el lápiz mide 9.75.

Figura 1. La regla midiendo el lápiz nos servirá de ejemplo para entender este
concepto.
Al determinar las cifras significativas de un número, nos damos cuenta de que es un
procedimiento sencillo, solo que requiere de ciertas reglas y esto genera cierta confusión
en algunos casos. Por ejemplo, los ceros no siempre son cifras significativas, ya que
pueden usarse sólo para ubicar el punto decimal; por ejemplo:
0.075: Las cifras que contaremos en este caso son las que están en la parte derecha
después de los primeros ceros, entonces decimos que tiene dos cifras significativas.
0.506505: En estos casos, los ceros cuentan, ya que estos indican un valor al número,
entonces indicaremos que cuenta con 6 cifras significativas.
30540.00: Contaremos aquí también a los ceros que están después del punto que separa
a los decimales, es decir diremos que este número tiene siete cifras significativas.
Haremos otro ejemplo de cómo poder reducir las cifras significativas en un número,
utilizaremos un número grande y múltiplo de alguna potencia de diez para poder estar
más cómodos a este ejemplo.
8567000: Podemos reducir este número a cuatro, cinco, seis cifras significativas,
mediante las siguientes notaciones científicas respectivamente; 8567×103, 85670×102,
85670×10.
En el estudio de los métodos numéricos, las cifras significativas tienen dos
implicaciones muy importantes:
1. Los métodos numéricos dan resultados aproximados, es decir, se deben
desarrollar criterios para especificar qué tan confiables son estos resultados.
Podemos emplear lo que hemos desarrollado, las cifras significativas. Por
ejemplo, es posible afirmar que la aproximación es aceptable siempre y
cuando sea correcta con el máximo número de cifras significativas que se
podrán medir en cualquier ejemplo.

2. Sin embargo, ciertas cantidades como e, φ o √ 7representan cantidades


específicas y estas no se pueden expresar exactamente con un número finito
de dígitos. Por ejemplo:
e=2.7182818284 ... hasta el infinito.
Como las computadoras retienen sólo un número finito de cifras
significativas, tales números jamás se podrán representar con exactitud. A la
omisión del resto de cifras significativas se le conoce como error de
redondeo.

II. Exactitud y Precisión:


Los errores asociados con cálculos y medidas se pueden caracterizar con respecto a su
exactitud y su precisión. Estos términos suenan parecidos, pero definamos cada uno de
ellos para ver la diferencia, para ayudarnos a definir utilizaremos un ejemplo clásico de
una “práctica de tiro”:
1. Exactitud: Se refiere a la magnitud de la cercanía que tiene el valor calculado o
medido del valor verdadero.

2. Inexactitud: Se refiere a qué tan cercanos se encuentran, unos de otros, diversos


valores calculados o medidos.
Ahora definamos otros significados que nos ayudarán a una mejor comprensión de este
tema:
1. Inexactitud o sesgo: Se define como una desviación sistemática del valor
verdadero.

2. Imprecisión o incertidumbre: Se refiere a la magnitud en la dispersión de los


valores obtenidos.
En el ejemplo que usaremos para la precisión y exactitud, el círculo amarillo del centro
servirá para representar al valor verdadero, mientras los círculos (tiros) de color verde
representarán las predicciones mediante una técnica numérica, veremos inexactitud en
las figuras inferiores, pero, diremos que la de la derecha tiene alta precisión, ya que la
mayoría de tiros coincidieron muy cerca, no obstante, en la figura inferior izquierda
veremos además de inexactitud, veremos imprecisión, ya que ninguno de los valores se
encuentran cerca del otro, en la figura superior derecha encontraremos que tiene una alta
exactitud y una alta precisión, ya que los tiros están junto al centro y estos tiros están
cerca.
Figura 2. Ejemplo del tiro al blanco, demostrando una gráfica de exactitud contra
precisión.
Para ayudarnos a entender mejor el tema, aquí hay un link de un video de
recomendación: https://www.youtube.com/watch?v=Uar4YGnz7ek
Los métodos numéricos deben ser los más exactos que se puedan o sin sesgo para poder
satisfacer los requisitos de un problema particular de ingeniería. También deben ser
suficientemente precisos para ser adecuados en el diseño de la ingeniería. Ahora
analizaremos los factores que contribuyen al error en los cálculos numéricos.

III. Tipos de errores:


Del uso de aproximaciones con el fin de representar operaciones y cantidades
matemáticas exactas surgen los métodos numéricos.
Podemos clasificar los errores en errores de truncamiento o errores de redondeo, que los
definiremos así:
1. Errores de truncamiento: resultan del empleo de aproximaciones como un
procedimiento matemático exacto.

2. Errores de redondeo: Se producen cuando se usan números que tienen un


límite de cifras significativas para representar números exactos.
Para estos tipos de errores, la relación entre el resultado exacto o verdadero, y el
aproximado está dada por la siguiente forma:
VA + Et* = Vv (1)
VA: Valor aproximado
Et: Valor exacto del error*
Vv: Valor verdadero
Es decir, que para la ecuación (1), el error numérico es igual a la diferencia entre el
valor verdadero y el valor aproximado, es decir, ajustaremos una ecuación para que nos
de la solución del error:
Et = valor verdadero – valor aproximado (2)
*Aclaramos que el subíndice t indica que se trata del error “verdadero”.
Normalizaremos el error respecto al valor verdadero, como manera de tomar en cuenta
las magnitudes de las cantidades que se evalúan, es decir:
Ev
Erfv =
Vv

Erfv: Error relativo fraccional verdadero


Ev: Error verdadero
Ahora multiplicaremos al error relativo fraccional verdadero por 100% para
representarlo en porcentaje, así veremos de la cantidad que se tratará el error.
Ev
ε t= (3)
Vv
ε t: Error relativo porcentual verdadero

Ahora mostraremos un ejemplo clásico del “cálculo de errores” para poder demostrar
los errores mediante estas fórmulas:
Ejemplo 1: Suponemos que medimos la longitud de un puente y la de un torniquete, y se
obtiene 99 999 y 9 cm, respectivamente. Si los valores verdaderos son 100 000 y 10 cm,
calcule I) el error verdadero y II) el error relativo porcentual verdadero, para ambos
casos.
Solución:
I) Error verdadero:
1. En el caso del puente es:
Usando la ecuación (2):
Et= 100 000 – 99 999 = 1 cm
Por lo tanto, el error es de 1 cm.
2. En el caso del torniquete:
Se usa la misma ecuación:
Et= 10 – 9= 1 cm
El error es de 1 cm.
II) Error relativo porcentual:

1. En el caso del puente es:


1
εt = ×100 %=0.001 %
100 000
El porcentaje de error relativo sería 0.001%
2. En el caso del torniquete es:
1
εt = ×100 %=10 %
10
El porcentaje de error relativo sería 1%
Por lo tanto, aunque ambas medidas tienen un error de 1 cm, el error relativo porcentual
del torniquete es mucho mayor. Se concluye entonces que se ha hecho un buen trabajo
en la medición del puente; mientras que la estimación para el remache no hizo un buen
trabajo a nivel de ingeniería.
En situaciones reales en las que usaremos la ingeniería es difícil poder encontrarnos con
estos tipos de problemas, conoceremos en los métodos numéricos el valor verdadero
cuando se tengan funciones que se resuelvan analíticamente, entonces diremos que este
será el caso cuando se estudie el comportamiento teórico de una técnica específica para
sistemas simples.
En aplicaciones reales, donde no se conoce inmediatamente la respuesta verdadera, se
podrá normalizar el error, usando la mejor estimación posible al valor verdadero; es
decir, para la aproximación misma, como en:
EA
ε a∗¿ × 100 %(4)
VA

EA= Error aproximado


VA= Valor aproximado

*Aclaramos que el subíndice a significa que el error está normalizado a un valor


aproximado.

En aplicaciones reales la ecuación (2) no se podrá usar para calcular el término del error
de la ecuación (4). Una de las complicaciones que enfrentan los métodos numéricos es
el de determinar estimaciones del error en ausencia o falta del conocimiento de los
valores verdaderos.
IV. Error de truncamiento de Taylor
Una expresión matemática al ser reemplazada por una formula más simple, se produce
un error, conocido como error de truncamiento.
Este tipo de error decrece a medida que aumenta el número de cálculos.

Por ejemplo, podríamos reemplazar la serie de Taylor.


x x x2 x3
e =1+ + + +… ,−∞< x <∞
1! 2! 3!

v. Números en punto flotante


Los cálculos numéricos en una computadora digital son hechos en aritmética de punto
flotante. Un conjunto de números en punto flotante es un sistema numérico con un
número finito de dígitos para aproximar el sistema de números reales empleados en los
cálculos exactos.

EXPONENTE
MANTISA
(8 BITS)
(23BITS)

SIGNO

(1 bit)

1= negativo

0=positivo
Componentes

Un numero de punto flotante está formado por:

-1.10111*21101 Exponente

Mantisa (parte decimal)

Mantisa (parte entera)

Signo

Exponente
Se modifica antes de ser almacenado.
El número que se almacenará en la posición del exponente será:
E= e+2m-1-1
e = exponente verdadero
m = numero de bits del exponente
Se usa para no usar el bit de signo

Mantisa
La parte entera será siempre 1.
Solo se guarda al numero la parte decimal derecha.
Por razones prácticas, solo puede manejarse una cantidad finita de bits para cada
numero en una computadora, y esta cantidad o longitud varia de una maquina a otra.
Los errores numéricos se generan con el uso de aproximaciones para representar las
operaciones y cantidades matemáticas. Como no es posible guardar un numero binario
de longitud infinita o un numero de más dígitos de los que posee la mantisa de la
computadora que se esta empleando, se almacena solo un numero finito de estos dígitos,
por lo tanto, se está cometiendo un pequeño error, conocido como error de redondeo,
que al repetirse muchas veces puede llegar a ser considerable.
La desventaja es que los números se almacenan con una precisión limitada. Esto
significa que si un numero requiere 100 bits de mantisa será aproximado a uno que solo
ocupa 52.

Conclusiones:
 El resultado que obtendremos al desarrollar una serie de operaciones se
“aproximara” al valor esperado, por lo que el resultado se vera afectado por un
error.
 Tener en cuenta que cuando se hace uso de algún software, este presentará un
error de redondeo, podrá ser mínimo, pero debemos tenerlo presente en los
cálculos.

Bibliografía:

 Métodos numéricos para Ingenieros (7ma edición) por Chapra Steven.


 Análisis numérico (10ma edición) por Burden Richard.
 Métodos numéricos para Ingenieros MATLAB por John Mathews.