Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE CIENCIAS
Escuela de Física
Gráficas de Datos y Análisis de Errores
1. Graficación de Datos Experimentales
Las gráficas están entre los métodos más importantes de presentar y analizar los datos experimentales. Una buena representación gráfica
de datos permitirá ver fácilmente modelos (y problemas). La presentación de buenas gráficas forma a menudo el corazón de un informe
del laboratorio. Se dibujan las gráficas para obtener las conclusiones acerca de la ley física involucrada en el experimento. Ninguna
gráfica está completa si no esta en una forma en que pueda interpretarse y se de la conclusión apropiada.
Frecuentemente, una gráfica es la manera más clara de representar la relación entre dos cantidades de interés. Siga las convenciones que
se incluyen a continuación:
a) Una gráfica indica una relación entre dos cantidades, x e y, cuando otras variables o parámetros tienen valores fijos. Antes de trazar los
puntos en una gráfica, es importante colocar los valores correspondientes de x e y en una tabla.
b) Escoja una escala conveniente para cada eje para que los puntos trazados ocupen una parte importante del papel cuadriculado o
milimetrado, pero no escoja una escala que sea difícil de trazar y leer, como 3 o 3/4 unidades por cuadro.
c) Marque cada eje para identificar la variable a ser graficada y las unidades usadas. Puntee las divisiones prominentes en cada eje con los
números apropiados.
d) Identifique los puntos trazados con símbolos apropiados, como cruces, y cuando sea requerido dibuje las barras verticales u
horizontales a través de los puntos para indicar el rango de incertidumbre involucrado en estos puntos.
e) Cuando los puntos de una gráfica yacen en una línea recta inclinada al eje, existe una relación lineal entre las variables. La ecuación
para tal línea es y = mx + b dónde y es la variable dependiente, x la variable independiente, m la pendiente de la línea, y b el-intercepto con
y. Una relación lineal puede demostrarse si los puntos de datos caen a lo largo de una sola línea recta. Hay técnicas matemáticas para
determinar qué línea recta se ajusta más a los datos, pero en muchos casos es suficiente si usted simplemente hace visualmente una
estimación aproximada. La línea recta óptima debe dibujarse cerca de la media de todos los puntos. Es decir, la línea no necesita pasar
precisamente a través del primero y el último punto. En cambio, cada punto debe ser considerado tan exacto como cualquier otro punto (a
menos que haya razones experimentales para que algunos puntos sean menos exactos que otros). La línea debe dibujarse con tantos puntos
arriba como debajo de ella, y con la distribución 'arriba' y 'abajo' al azar a lo largo de la línea. (Por ejemplo, no todos los puntos deben
estar por encima de la línea en un extremo y debajo en el otro extremo).
Las relaciones lineales son fáciles de graficar y reconocer. Muchas relaciones son non-lineales. Es bastante difícil reconocer si un
conjunto de datos particular tiene una dependencia funcional específica. En estos casos es común introducir una variable auxiliar para que
los datos sean lineales en la nueva variable.
1.5 Terminología
Es necesario saber las definiciones de ciertos términos usados en el sistema de coordenadas rectangular para poder discutir la gráfica
cuando es trazada. Las más importantes de estas definiciones son:
Origen de coordenadas: El punto de cruce de los ejes vertical y horizontal.
Intercepto: La distancia del origen al punto dónde la gráfica cruza el eje.
Pendiente de una línea: La razón de la diferencia entre las coordenadas verticales de dos puntos a la diferencia entre las coordenadas
horizontales de los mismos dos puntos. Cuando la gráfica no es una línea recta la pendiente de la curva en cualquier punto es la pendiente
de la tangente de la línea a la curva a ese punto.
Regresión lineal o Ajuste por Mínimos cuadrados: La técnica matemática más importante para ajustar una curva (normalmente una línea
recta) a un conjunto de datos.
1.6 Ajuste a una recta por el Método de Mínimos Cuadrados. Regresión Lineal
Para conocer cual es la recta que menos se separa de los puntos representados se utiliza el método que se describe a continuación. Se va a
suponer una colección de N puntos (xi, yi) correspondientes a dos magnitudes x e y que deberían estar relacionadas según: y = mx + b. El
propósito es calcular la ecuación de la recta que "mejor" se ajusta a dichos puntos. La calidad del ajuste, es decir ese "mejor", se va a
determinar imponiendo la condición de que la desviación cuadrática de los puntos respecto de la recta de ajuste sea mínima. Este
procedimiento está incluido en muchas calculadoras científicas (mirar el correspondiente manual). A continuación se describe los cálculos
asociados a este método.
La desviación cuadrática entre los puntos y una recta de ecuación y = mx + b se determina como:
N N
δ = ∑ ⎡⎣ yi − ( mxi + b ) ⎤⎦ = ∑ ( yi − mxi − b )
2 2
i =1 i =1
Con la condición de mínimo las derivadas de δ respecto de los dos parámetros m y b que se buscan (incógnitas) deben ser nulas
simultáneamente: ∂δ = ∂δ = 0
∂m ∂b
Luego se tiene que resolver un sistema de dos ecuaciones lineales con dos incógnitas que proporciona directamente los valores de la
pendiente y de la ordenada en el origen:
N
⎫ N N N N N N N N
∑
i =1
( yi − mxi − b ) xi = 0⎪ m∑ xi2 + b∑ xi = ∑ yi xi
⎪ i =1 i =1 i =1
N ∑ yi xi − ∑ xi ∑ yi ∑ yi − m∑ xi
⎬ ó ⇒ m = i =1 i =1 i =1
2
; b = i =1 i =1
⎛ ⎞
N N N
⎪ N
∑ m∑ xi + bN = ∑ yi
N N
( yi − mxi − b ) = 0 ⎪ N ∑ xi − ⎜ ∑ xi ⎟
2
i =1 ⎭ i =1 i =1 i =1 ⎝ i =1 ⎠
la calidad del ajuste suele medirse por el conocido como factor de regresión r (en el caso en que r = 1 el ajuste sería perfecto) que viene
dado por la expresión:
⎡ N 2 ⎛ N ⎞2 ⎤ ⎡ N 2 ⎛ N ⎞2 ⎤
⎢ N ∑ xi − ⎜ ∑ xi ⎟ ⎥ ⎢ N ∑ yi − ⎜ ∑ yi ⎟ ⎥
⎢ i =1 ⎝ i =1 ⎠ ⎥⎦ ⎢⎣ i =1 ⎝ i =1 ⎠ ⎥⎦
r =⎣
2
2
⎛ N N N
⎞
⎜ N ∑ yi xi − ∑ xi ∑ yi ⎟
⎝ i =1 i =1 i =1 ⎠
Procedimientos más elaborados permiten determinar las incertidumbres de m y b como:
N N
∑x ∑ ( y − mx − b )
2 2
Nσ i i i
δm = ; δb = δm i =1
con σ = i =1
N
⎛ N ⎞
2 N N −2
N ∑ x − ⎜ ∑ xi ⎟
2
i
i =1 ⎝ i =1 ⎠
Este tipo de método es también útil para tratar de ajustar otro tipo de funciones más complicadas; pero, si el número de parámetros es
mayor, el número de ecuaciones también lo será y por lo tanto la solución se complica.
2. Análisis de errores
2.1 Introducción a la Incertidumbre Experimental y Errores
La física es una ciencia que incluye un estudio cuantitativo de fenómenos naturales y las relaciones que existen entre estos fenómenos. En
los cursos de matemática, los números normalmente son exactos y no surgen preguntas sobre su exactitud. Pero las medidas de cantidades
físicas no son exactas debido a las limitaciones del instrumento de medición o del método usado. Por esta razón los errores en los datos
son inevitables. En la conclusión de cada experimento es esencial tener alguna idea de la fiabilidad del resultado y declarar el resultado en
cierto modo qué indicará esta fiabilidad. Por consiguiente, es necesario estudiar la naturaleza de los errores experimentales y
familiarizarse con una manera convencional de registrar un resultado.
Cada medida en el laboratorio tiene un poco de incertidumbre o error asociado con ella. Estos errores producen incertidumbres en los
cálculos y finalmente en el valor final para las cantidades que usted calcula y que desea comparar a con valores teórico o aceptados. Para
evaluar el éxito o fracaso de un experimento es esencial saber los errores presentes.
Hay tres conceptos asociados a una medida experimental de una medida directa: exactitud, precisión y sensibilidad.
Se entiende por exactitud la cercanía del valor experimental obtenido, al ‘exacto’ de dicha medida. El valor ‘exacto’ de una magnitud
física es un concepto utópico, ya que es imposible conocerlo sin incertidumbre alguna. Por ello como valores ‘exactos’, se toman
resultados de experiencias con dispositivos muy fiables y efectuados con un control experimental muy riguroso. De tal forma que las
determinaciones efectuadas en el laboratorio son más o menos ‘exactas’ en relación a éstos valores supuestamente exactos. Así por
ejemplo: En una determinación del valor de la gravedad en un punto de la superficie de la Tierra con un procedimiento experimental muy
fiable, se obtiene que su valor es 9.803m/s2, mientras que con tres experimentos distintos se obtiene 9.810, 9.804 y 9.820m/s2. El valor dé
9.804 es el más exacto de los tres.
La precisión es un concepto relacionado con el dispositivo experimental. Así, si se desea determinar la longitud de una varilla metálica
empleando una cinta métrica graduada en milímetros, se puede asegurar que la mínima fracción que se puede detectar es 1mm mientras
que si se utiliza un método basado en técnicas microscópicas se podrán determinar fracciones más pequeñas de longitud. Se puede definir
la sensibilidad como la unidad más pequeña que puede detectar un instrumento de medida. El concepto de precisión o sensibilidad
también hace referencia al método experimental utilizado y se entiende como la repetitividad dentro de los márgenes más estrechos
posibles de los resultados experimentales obtenidos al realizar varias veces una misma experiencia en las mismas condiciones.
2.2 Cómo Estimar los Errores
Los errores asociados con las medidas son generalmente divididos en dos grupos, aleatorios y sistemáticos. Es igualmente probable que
los errores aleatorios sean demasiados grandes o demasiado pequeños y son manejables para análisis estadístico. Los errores sistemáticos
siempre son o demasiado grandes o demasiado pequeños y no pueden analizarse estadísticamente. Ambos tipos de error pueden reducirse
mejorando el experimento y la técnica y corrigiendo la instrumentación.
Hay tres clases de errores que pueden ocurrir:
(1) Errores o equivocaciones. Los errores por parte del observador en la lectura de instrumentos, registro de datos y resultados calculados
son completamente impredecibles. Estos errores pueden eliminarse siendo cuidadosos. Repetir una medida es a menudo una ayuda para
detectar una equivocación, aunque es normalmente bueno tener un segundo observador independientemente que revise la lectura.
(2) Errores sistemáticos. Los errores sistemáticos pueden ser introducidos por el uso de un instrumento que tiene un error fijo, o por un
observador que de forma consistente sobre o subestime un resultado en una medida dónde el juicio humano es necesario. Así, todos los
datos tendrán el mismo error. Si una escala que es correcta a una temperatura y se usa a una superior, la expansión de la escala lleva a
medidas de longitud que siempre son demasiado pequeñas y el error relativo será el mismo no importa que longitud se mida.
(3) Errores aleatorios. Los errores accidentales pequeños están presentes en todas las medidas debido al refinamiento limitado del
instrumento de medición o para razones desconocidas o indeterminadas. Un ejemplo de lo anterior es el uso de una escala cuyo sub-
división más pequeña es 0.1cm. Los errores aleatorios ocurrirán cuando esta escala se usa para estimar una longitud de 0.01cm. Un
ejemplo de lo último sería las variaciones aleatorias pequeñas en el tamaño de divisiones de la escala. Los errores aleatorios positivos y
negativos son igualmente probables.
Hay tres métodos para estimar los errores de las medidas originales. El primero y el mejor método es hacer medidas repetidas de la
cantidad, encontrar el valor promedio y luego usar la desviación media o la estándar como el error.
Aunque el método de encontrar la desviación media siempre es la mejor manera de estimar el error: a veces los apremios de tiempo hacen
impráctico tomar diez (o incluso cinco) medidas de la misma cantidad; a veces la cantidad no puede medirse más de una vez porque no
pueden reproducirse las condiciones iniciales del experimento; y a veces la desviación media es una estimación pequeña irrealista del
error. Cuando esto ocurre, hay otros dos métodos para estimar el error. El primero de los dos métodos alternativos simplemente es estimar
la precisión de la escala de la medida. Por ejemplo: un metro de madera no puede leer mejor que ~ 1/3 mm; un termómetro del mercurio-
en-vidrio tiene un error de por lo menos +.1°K y un termómetro de dial puede tener un error de varios grados K; los dispositivos digitales
siempre son inciertos por +1 en el último dígito además de su precisión general; y finalmente el tiempo de reacción es de un décimo de
segundo y algunas veces más. Como regla-de-aprobación, si la desviación media es mucho menor que la precisión de la escala del
instrumento, la precisión de la escala debe citarse como el error. (Esta regla se modifica en los casos dónde la división por √N es más
apropiada).
El último método para estimar los errores es encontrar la sensibilidad del experimento a un cambio pequeño en uno de los parámetros. Por
ejemplo, suponga un experimento que involucra el colgar una masa en un resorte. En principio la masa que podría ser 100g podría medirse
dentro de unos miligramos, dando un error muy pequeño. Sin embargo, puede ser que la masa pudiera aumentarse en 5g sin producir un
cambio perceptible en el dispositivo experimental En este caso, puesto que la masa de 100g puede reemplazarse por una masa de 105g sin
afectar el experimento, el error es 5g. Este método es un atajo que evita la realización repetida de medidas estimando la velocidad de
valores que ocurrirían si las medidas se repitieran.
2.3 Análisis estadístico de Errores Aleatorios
Suponga que se mide una cantidad A, N veces produciendo los valores Ai, i = 1,..., N. El promedio, A está definido como
1 N
A = ∑ Ai
N i =1
y la desviación individual de cada medida es δAi ≡ Ai - A
El promedio A es la estimación óptima de la cantidad y es el valor que se usa en cálculos subsecuentes. El error δ A , de A puede
encontrarse como la desviación media
∑ ( A − A)
N
i
δA = Desv. media = i =1
N
o como la desviación estándar
∑ ( A − A)
N
2
i
σ= i =1
N −1
Note el signo de valor absoluto en la definición de la desviación media. Cuando se hacen los cálculos a mano o con una calculadora la se
usa la desviación media. Sin embargo, algunas calculadoras tienen una construcción en el teclado para calcular la desviación estándar. Si
dispone de tal calculadora, entonces use la desviación estándar, es matemáticamente preferible. Bajo ciertas circunstancias el error citado
debe ser δ A /√N en lugar de δ A . El método de desviación media siempre debe usarse por lo menos con N cinco o preferiblemente diez.
En conclusión, ninguna medida está completa sin una estimación de su incertidumbre o error. Cada cantidad experimental debe darse en la
forma A + δA (δA es un número positivo con unidades), es el error (absoluto) determinado por uno de los métodos discutidos en 2.2.
∑ (T − T )
N
2
σ= i =1
= = 21.8[ms]
N −1 9
Estimación del error de la media. Viene dado por la siguiente expresión:
3σ 3 × 21.8
δT = = [ms]=20.7[ms]
N 10
†
El error así definido se interpreta del modo siguiente: la probabilidad de que el valor real del periodo del péndulo (que por supuesto, no se
conoce) esté en el intervalo (T - δT, T + δT) = (873,6ms, 915ms) es del 99,7 %. Esto es, si se repitiese 1000 veces el experimento de hacer
10 medidas del periodo del péndulo, sólo en 3 casos de los 1000, el valor medio del periodo (T) que se obtuviera sería diferente de
894,3ms en más de 21ms.
Cuando termine de calcular los errores, no olvide poner las unidades y trabajar sólo con las cifras significativas.
En el ejemplo dado, el resultado del experimento se expresaría del modo siguiente:
T = 894 ± 21ms = (873ms, 915ms)
Cálculo de errores de medidas indirectas
Aunque algunas magnitudes se obtienen por medida directa, otras muchas son el resultado del cálculo a partir de una cierta formula
(magnitudes derivadas). Es evidente que si se tienen incertidumbres en la determinación de las magnitudes directas estas se manifestarán
en la magnitud indirecta deducida de ellas.
En la mayoría de los casos las magnitudes medidas directamente no son el objetivo final de un experimento, sino un paso necesario para
obtener otras magnitudes relacionadas con ellas mediante alguna dependencia funcional.
Si se considera el error como una suma (adición o sustracción). Sea C = A ± B dónde A + δA y B + δB son valores experimentales. Se
puede escribir C + δC = (A + δA) ± (B + δB) y asumiendo el peor caso C + δC = (A ± B) + (δA + δB)
†
Como el error decrece con el número de medidas, conviene tomar el mayor número posible de medidas de cualquier magnitud que se desea conocer.
da
δC = δA + δB
Se establece:
El error absoluto de una suma o diferencia es la suma de los errores absolutos
Extendiendo esto a la multiplicación, asuma C = AB y considere C + δC = (A + δA) (B + δB) = AB + BδA + AδB + δAδB . Omitiendo el
término δAδB por ser muy pequeño se encuentra δC = BδA + AδB. Dividiendo ambos lados por C = AB da
δC/C = δA/A + δB/B o %C = %A + %B.
Esta regla también aplica a la división debido a que el error relativo en 1/C es el mismo como el error relativo en C, si el error es pequeño.
Para demostrar esto, sea C' = 1/C dónde C tiene el error absoluto δC.
C' + δC' = [C + δC]-1 = C-1·[1 + δC/C]-1 ≈ C-1·[1 - (+δC/C)] = C'·[1 + δC/C]
Dividiendo ambos lados por C' da 1 + δC'/C' = 1 + δC/C
y por consiguiente %C' = %C
Esto puede generalizarse:
El error porcentual en un producto o cociente es la suma de los errores porcentuales.
Estas dos reglas simples se ocupan de casi todas las situaciones que usted encontrará.
Si supone que las incertidumbres relativas son pequeñas se puede hacer la siguiente aproximación:
df
f ( x + δx ) f ( x ) + δx ≡ f + δf
dx
donde el valor medio de f y su incertidumbre son
df
f = f ( x ) y δf = δx
dx
Luego por simple extrapolación cuando se tenga una función f de dos magnitudes observadas (x; y) con x = x + δx y y = y + δy se tiene
que f = f + δf con f = f ( x , y ) y
∂f ∂f
δf = δx + δy
dx dy
donde ∂f/∂x es la derivada parcial de f con respecto a x evaluada en x = x que corresponde a una derivada manteniendo a y constante.
En un caso más general, la magnitud derivada puede escribirse como función de un número más o menos grande de magnitudes conocidas
x, y, z, ... , q = f(x, y, z,...) donde x, y, z, ... tendrían incertidumbres δx, δy, δz, ... .
Para calcular la incertidumbre de q se recurre al concepto matemático de diferencial.
El diferencial de q= f(x, y, z, ... ) viene dado por:
∂f ∂f ∂f
d q = d f ( x , y , z ,K ) = dx + dy + dz + K
dx dy dz
indica cuanto varía la función q al variar (ligeramente) las variables x, y, z, ... .
Es decir, el diferencial permite estimar la incertidumbre en el valor de q en función de las incertidumbres de las variables, siempre que las
incertidumbres sean pequeñas. Teniendo en cuenta, que no se sabe que signo tienen las incertidumbres, se puede evaluar la incertidumbre
de q, como:
∂f ∂f ∂f
δq = δx + δy + δz + K
dx dy dz
donde los valores de las derivadas parciales están dados por los valores conocidos de x , y , z , ... .
Con las propiedades arriba enunciadas no es difícil comprobar las siguientes relaciones:
δx
δx n = n x n −1δx = n x n
x
δ ( x ± y ) = δx + δy
⎛ δx δy ⎞
δ ( xy ) = xy ⎜ + ⎟
⎝ x y ⎠
⎛ x ⎞ x ⎛ δx δy ⎞
δ⎜ ⎟ = ⎜ + ⎟
⎝ y⎠ y⎝ x y ⎠
⎛ δx δy ⎞
δ ( xn y m ) = xn y m ⎜ n +m ⎟
⎝ x y ⎠
Por ejemplo, si se quiere medir el volumen de un cilindro y se sabe que su radio es r = 6,0cm y su altura h = 10,0cm, se sabe que su
volumen viene dado por V = πr2h = 1131cm2. Pero, si la magnitud h tiene un error de δh = 0,1cm y r tienen un error de δr = 0,1cm, ¿cuál
es el error que se comete en el cálculo del volumen?
El valor de δV se obtiene de la ecuación:
∂V ∂V
δV = δr + δh
∂r ∂h
que requiere calcular las derivadas parciales. Pero eso es inmediato:
∂V ∂V
= 2πrh = 377 ⎡⎣cm 2 ⎤⎦ , = πr 2 = 113 ⎡⎣ cm 2 ⎤⎦ ,
∂r ∂h
y por tanto, el error en el volumen‡ es:
δV = ( 377 × 0.1 + 113 × 0.1) [cm3 ] = 49[cm 3 ]
Por consiguiente, se tiene que:
V = 1130 ± 50 [cm3],
o en notación científica:
V = (1,13 ± 0,05)×103[cm3].
‡
La mayor contribución al error δV se debe al radio (37.7), por lo tanto si se quisiera mejorar el error habría que mejorar la precisión de la medida de r.