PRACTICA 0: INTRODUCCION A LA EXPERIMENTACION

Las personas que de una u otro manera dedican gran parte de su tiempo estudio de las
ciencias, se encuentra constantemente relacionando con lo que se conoce como trabajo
experimental. Existen muchas razones para ello, y entre ellas sobresale que los
experimentos permiten poner a prueba nuevas teorías. Esto no siempre es fácil, pero lo
cierto es que hasta que un experimento confirma los resultados predichos por una teoría,
ésta no suele ser completamente aceptada.
De este modo es indispensable en la formación de estudiantes de ciencia e ingeniería el
estudio y análisis de datos experimentales que permitan observar directamente cómo
funciona el mundo real.

Características de los datos experimentales

Unidades de medida:

El uso correcto de las unidades es imprescindible en física.

El sistema internacional o SI, aceptado por convenios internacionales en prácticamente todo
el mundo, consta de siete unidades fundamentales, que son:

Magnitud Unidad Símbolo

Masa Kilogramo Kg.
Longitud Metro M
Tiempo Segundo s,
Corriente eléctrica Amperio A
Temperatura Kelvin K
Intensidad lumínica Candela cd
Cantidad de sustancia Mol mol

Estas unidades son denominadas fundamentales, por que cualquier otra unidad se puede
expresar en términos de ellas. Existe caso en los cuales las variables a estudiar arrojan
resultados numéricos demasiado grande o demasiado pequeños de modo que es
conveniente utilizar múltiplos o submúltiplos de dichas unidades para representarlas de
manera adecuada. Con los siguientes prefijos:

Potencia de 10 Prefijo Símbolo Ejemplo

10-12 Pico p picofaradio
10-9 Nano n nanometro
10-6 Micro  microsegundos
10-3 Mili m milímetros
103 Kilo K Kilojulios
106 Mega M Megavoltios
109 Giga G Gigahertz
Cifras significativas
Puesto que toda medida es imprecisa, se debe expresar con un número limitado de cifras,
aún cuando su obtención nos haya proporcionado un número superior de ellas. Las cifras
que deben mantenerse se conocen como cifras significativas.

mm, se entiende que tiene 3

mm mm.
Nótese que, en notación científica, no es lo mismo 23 mm mm.
El primero tiene dos cifras significativas, luego se entiende que el valor real está entre 22
mm y 24 mm.
El segundo tiene tres cifras significativas, luego se entiende que el valor real está entre
mm mm.
Respecto al uso de las cifras significativas, se deben usar las reglas siguientes:

1. Redondeo: si la última cifra significativa (la que está más a la derecha) se aumentará en
una unidad si la primera no significativa a su derecha es 5 o mayor de 5, y se dejará igual si
dicha cifra es menor que 5.
Ejemplos:

2. Cálculos con datos experimentales: Cuando se realizan operaciones con datos

experimentales se deben utilizar los números con todas sus cifras, y redondear solamente el
resultado final. Es muy importante no redondear los resultados intermedios, ya que esto
podría provocar errores muy grandes en el resultado final.

3. Cifras significativas y cálculos. Cuando se opera con dos números, el resultado debe
tener tantas cifras significativas como el que menos tuviera de los números originales.
Ejemplo: Al multiplicar 3

4. Notación científica. Cuando se utilizan números muy grandes o muy pequeños, es

frecuente expresarlos utilizando la notación científica. Este sistema es muy simple, y evita
tener que escribir números con grandes filas de ceros. El sistema consiste en escribir la
coma decimal tras la primera cifra significativa, y a continuación el resto de cifras
significativas. Finalmente, se multiplica ese número por 10 elevado a la potencia
correspondiente. La excepción la forman los números entre 0 y 10, que se expresan sin la
potencia.

Ejemplos:
Número En notación científica
1
12.65 1
−4
0.00023
342.5

5. Resultados acompañados de error: Todo resultado debe ir acompañado de su error

correspondiente. También el valor de dichos errores debe ser redondeado a una sola cifra
significativa, a no ser que las dos cifras significativas más a la derecha sean menores que
25. En ese caso, se redondea a esas dos cifras.
Por lo tanto, si un montaje preparado para medir la velocidad del sonido en el aire tiene
m· s m· s−1, lo correcto será
expresarlo como c m· s
c m· s

c m· s

6. Órdenes de magnitud. Es muy importante, siempre que sea posible, tener una idea
aproximada del valor de una medida antes de llevarla a cabo, ya que evita situaciones
embarazosas.

Toma de datos:

La forma habitual de presentar los datos en un experimento es la utilización de tablas. Toda

tabla debe constar de tres elementos: un título aclaratorio, las unidades de medidas y las
medidas propiamente dichas.
Ejemplo.

Tabla 1: Tiempo de caída de un objeto desde 25 m.

Tiempo de 2.2 2.1 2.3 2.2 2.5 2.3 2.0 2.2

caída (s)

Toda medida en física va acompañada de una incertidumbre inherente a la medida. Por muy
fino que haya sido el método experimental, el aparato que se haya utilizado tiene una
precisión dada, que no es posible superar.

Representación gráfica

Cuando los datos experimentales se representan en una gráfica, se obtiene más información
que leyendo una tabla, especialmente cuando el número de datos de los que se dispone es
muy grande.

Una gráfica es especialmente importante como ayuda visual para apreciar la presencia de
algún tipo de comportamiento en los datos .En particular, permite apreciar si los datos
ajustan a un curva teórica, previamente representada en el mismo gráfico. Así mismo, nos
informa de la existencia de algunos datos que no comparten la característica general
exhibida por la mayoría de datos.

Elección de la escala
Normalmente los datos se representan en escala lineal. Para ello se usa un gráfico
cartesiano o gráfico x-y, donde la primera coordenada corresponde a la variable
independiente, mientras que la segunda corresponde a la variable dependiente.

También se pueden representar los datos en escala semi-logarítmica (se representa ln(y)
frente a x). Útil cuando existe una relación de tipo exponencial o logarítmico entre los
datos.
Así mismo, se puede utilizar la escala logarítmica (se representa ln(y) frente a ln(x)). Útil
cuando entre los datos existe una relación del tipo y  xn.

Los rangos de los ejes

Se fijarán de modo que nos permitan visualizar de manera clara las características
importantes de la relación entre la variable dependiente e independiente. Así mismo, deben
permitir que los puntos representados estén repartidos de manera homogénea en el gráfico.

Líneas

Los puntos experimentales no deben unirse con líneas. Es mucho más realista suponer que
la relación entre las variables x e y es suave. En general se dibujará una curva que sirva
como ayuda para el ojo y que de alguna manera represente la dependencia funcional entre
ambas variables, tal y como se muestra en la figura 1.

1,5

0,5
d/mm

0
0 2 4 6 8
-0,5

-1

-1,5
X/m

Figura 1: Forma correcta de dibujar una línea que ajusta una nube de puntos.

Barras de error

Cualquier medida experimental va acompañada siempre de un cierto error. Cuando se hace

una representación gráfica de los datos experimentales, es posible indicar la magnitud de
dicho error empleando las llamadas barras de error. Las barras de error son segmentos de
recta verticales centrados en el punto correspondiente y cuya longitud nos indica el error
asociado con dicho dato en particular.
Representar las barras de error sólo aportan información sobre los datos, si el error asociado
con cada dato es diferente y las barras de error son grandes. En caso contrario, no deben
incluirse.

Título, etiquetas y unidades

Las gráficas deben ir acompañadas de un título breve y claro.
En los ejes deben quedar suficientemente claras las marcas correspondientes a las
divisiones del intervalo de interés de las variables x e y. Dichas marcas irán acompañadas
del número correspondiente a la división.
En cada eje se escribirá también el nombre de la magnitud correspondiente y, entre
paréntesis, las unidades que se emplean.

Tratamiento de errores
Todo valor experimental posee una cierta imprecisión que es inherente a cualquier proceso
de medida. Esta imprecisión se denomina también error experimental o incertidumbre. Por
incertidumbre (o error) se entiende que si se hacen varias mediciones, se encontrará una
variación en los valores observados. No importa lo sofisticado que sea un método
experimental, el error nunca se puede eliminar completamente.
La validez de los resultados experimentales, así como las conclusiones que se quieran
extraer de los mismos, dependen del grado de imprecisión del que vienen afectados. Un
error grande hace inútil una medida, y por tanto, es muy importante acotar tal imprecisión.

Los errores pueden ser de dos tipos:

1. Error aleatorio. Este error aparece porque no es posible hacer dos medidas en las
mismas condiciones. Se asume que el efecto es aleatorio, y por ello, susceptible de
tratamiento estadístico. El motivo de que se realicen varios experimentos es para minimizar
este error.
2. Error sistemático. Es causado por problemas en el funcionamiento de los aparatos
experimentales o a un procedimiento experimental incorrecto.

Cálculo de errores de medidas directas

Una única medida

Si se realiza una única medida el error depende del aparato de medida. Si tiene una escala
analógica, se toma como error la mitad de la división más pequeña de la escala. Si es
digital, el error será el mínimo incremento entre dos medidas que el aparato pueda mostrar.

Varias medidas
Un ejemplo ayudará a entender como se calcula el error asociado a un conjunto de
mediciones.
Gracias a un cronómetro se mide el periodo T de un péndulo y se obtienen los siguientes
resultados:

T(ms) 980 956 889 945 960 901 943 888 850 950
1. Paso: Desechando medidas. A veces se obtienen medidas extremadamente diferentes
al resto. Estas medidas se conocen como medidas espúreas o outliers. Si se está seguro
de que un valor no refleja un efecto físico no previsto, se puede desechar y trabajar con el
resto. Cuando se hace ésto, siempre debe escribirse qué puntos han sido eliminados y
por qué.

2. Paso: Cálculo de la media. La mejor aproximación al valor real del periodo del péndulo
(Que es desconocido) es la media de los valores obtenidos. Se calcula así:

1 n
T   Ti
n i 1
3. Paso : Estimación de la desviación típica de los datos. La dispersión de los datos
alrededor de la media se mide por su desviación típica. Se calcula del modo siguiente:

 Ti  T 
n
2

S i 1
n 1
4. Paso: Estimación del error de la media. Viene dado por la siguiente expresión:

3S
T 
n
El error así definido se interpreta del modo siguiente: la probabilidad de que el valor
real del periodo del péndulo (que por supuesto, no conocemos) esté en el intervalo [T − T,
T +T 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 en más de T.

Cálculo de errores de medidas indirectas

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
(medidas indirectas) con ellas mediante alguna dependencia funcional.

Si se supone que una magnitud z depende de las magnitudes q1, q2,..., qn, el cálculo del
error z a partir de los errores directos q1, q2, ..., qn se denomina propagación de
errores.
La propagación del error se calcula con la siguiente fórmula:

z z z
z  q1  q2  ......  qn
q1 q2 qn
Algunos casos prácticos, suponiendo que la función z depende de otras dos magnitudes q1
y q2, son los siguientes:

Suma: z  q1  q2  z  q1  q2

Resta: z  q1  q2  z  q1  q2
Producto: z  q1 q2  z  q2 q1  q1 q2
q z q1 q2
División:
z 1   
q2 z q1 q2

Regresión lineal

Supongamos que tenemos un conjunto de puntos con coordenadas (xi yi) y que a simple
vista parece existir una relación lineal entre las variables x e y, es decir, que existe entre
ellas una dependencia del tipo yi  mxi  c  errori
Entonces cabe preguntarse:
-¿Cómo se pueden calcular los valores de m y c?

-¿La recta obtenida es una buena descripción de los puntos?, esto es, ¿los términos que
hemos llamado errori son pequeños?

-Puesto que no hay un único errori, sino tantos como puntos, ¿cómo se comparan dos
conjuntos de valores de errori para decidir cuál es mejor?

Para responder a estas preguntas se necesita conocer el método de los mínimos cuadrados.
Método de los mínimos cuadrados
En la figura se puede ver que para cada valor xi tenemos dos valores: yi que
corresponde al valor medido experimentalmente de yi(p) que corresponde al valor
calculado usando la ecuación de una recta con pendiente m y ordenada en el origen c:
yi( p )  mxi  c

Figura : Gráfica que muestra el ajuste por mínimos cuadrados a un conjunto de puntos. También se
muestran las barras de error, así como la forma correcta de escribir el título y las etiquetas de los ejes.
Obsérvese que el origen está situado en (0,0.2) y no en (0,0) porque así se gana en claridad.

Para encontrar la recta que mejor ajusta a los datos hay que fijar un criterio. El más
utilizado es el criterio de los mínimos cuadrados, que dice: la mejor recta es aquella
cuyos parámetros m y c minimizan la suma de los cuadrados de los yi, siendo yip la
diferencia entre el valor experimental yi y el dado por la recta y(p) :

yi  yi  yi( p )
Es decir, si llamamos ZZ a esa suma de cuadrados, hay que minimizar:

ZZ   y1    y2   ...   yn 

2 2 2

n
ZZ    yi   mxi  c   ,
2

i 1
Donde n es el número de datos experimentales que estamos considerando para el ajuste.
El criterio anterior no es arbitrario, sino que tiene una justificación intuitiva. Es evidente
que yi depende de la recta que se tome (i.e. de los parámetros m y c). Si los datos se
hallan en una recta, se verifica que yi = 0 para todos los puntos. Por tanto, cuanto más
grande sean los valores yi peor será el ajuste de la recta a los datos, pero, ¿cómo se
comparan las yi obtenidas con diferentes rectas?. La solución que da el método de los
mínimos cuadrados consiste en calcular el cuadrado (así sólo tenemos números
positivos) y sumarlos, eso da un número que nos permite comparar la bondad del ajuste
para diferentes rectas. El resultado que se obtiene de minimizar ZZ es que la recta de
error cuadrático mínimo:
y ( p )  mx  c

Tiene los siguientes parámetros m y c:

m
  x  x  y  y 
i i

 x  x 
2
i

c  y  mx
Donde x e y son los valores medios de las xi y de las yi respectivamente, y donde para
no recargar la notación, hemos eliminado los índices de las sumas (que se extienden al
conjunto de n datos experimentales).
Nota: es recomendable utilizar software de estadísticas o en su defecto utilizar
herramientas como Excel que facilitan la realización de los cálculos.

Coeficiente de correlación lineal

El método de los mínimos cuadrados nos da una recta que mejor se ajusta a los datos.
Pero queda la cuestión de cuantificar la que tan bueno es el ajuste lineal. Una forma de
medir si x e y están relacionadas linealmente es calculando el coeficiente de correlación
lineal r, que se obtiene de aplicar la siguiente fórmula:

 x  x 
2

rm i

 y  y 
2
i

Donde, como antes, la suma se hace para los n datos experimentales.

Es fácil demostrar que −1  r  1. Un valor de |r| < 0,95 significa que la recta no es una
buena descripción de los datos, y un |r| > 0,99 implica que el ajuste es muy bueno.
Es importante tener claro que un valor de |r|  1 no implica una relación de causa-
efecto.
Ésta sólo puede derivarse de un estudio de la naturaleza del fenómeno que relaciona x
con y. Así mismo, un valor de r  0 no implica que no exista una relación entre x e y,
sólo permite afirmar que si existe una relación, no es lineal.

Aplicación a relaciones no lineales

En el método de los mínimos cuadrados se ha trabajado con una relación lineal entre x e
y.
Aunque la dependencia lineal es frecuente entre magnitudes físicas, muchas otras
dependencias más complicadas pueden reducirse a ésta mediante un cambio de
variables (Linealización de una curva).
Así, por ejemplo:
Función inicial cambio forma lineal
y  ax2 x z
2
y  az
ya x x2  z y  az
x
y  ae ln y  z;ln a  b z  x  b
y  axn ln y  z;ln a  b;ln x  t z  b  nt

Elaboración de informes
El propósito del informe

La elaboración de informes constituye una tarea ineludible en el quehacer científico por

cuanto es el instrumento habitual para hacer llegar al conjunto de la comunidad
científica resultados y nuevas conclusiones.
Para realizar una buena informe, es recomendable tener un cuaderno de notas en el que
apuntar absolutamente todo lo que se hace, se mide y se observa en el laboratorio.
Aunque
al terminar el experimento todo parezca muy claro, con el paso del tiempo los detalles
se van olvidando, por lo que es fundamental tomar el mayor número de anotaciones
posibles. Conviene anotar tanto lo importante como lo que no lo es tanto, ya que
muchas veces no es hasta más tarde cuando se descubre qué es lo verdaderamente útil
para la dicho informe.

Estructura del informe

Un esquema frecuentemente empleado en la redacción de memorias es el siguiente:

1. Título Debe ser breve pero debe informarnos del contenido del trabajo de forma clara.
2. Autor. Debajo del título suele escribirse el nombre del autor del trabajo.
3. Resumen. Debe contener los resultados más importantes obtenidos en el trabajo. Debe
ser
breve y centrarse en los puntos importantes sin dar detalles.
4. Introducción. Debe informarnos sobre los fundamentos teóricos del experimento. No
debe extenderte mucho en este punto.
5. procedimientos y materiales. Es una descripción breve tanto del montaje como del
método experimental empleado. Puede resultar muy interesante la inclusión de
diagramas o dibujos explicativos que ayuden en este aspecto.
6. Resultados. En esta sección se deben incluir los datos necesarios para dar
consistencia
a las discusiones y conclusiones posteriores. No se trata de presentar todos los datos de
que dispongamos, sino sólo los que resulten útiles para la comprensión del trabajo que
se
presenta.
Es preferible su presentación en forma de gráficas, antes que en forma de tablas.
Se debe dejar bien claro el grado de precisión que poseen nuestros datos, ya que esto es
crucial en la discusión de los resultados.
7. Discusión. Se interpretan los resultados obtenidos.
8. Conclusión. Se estudia hasta qué punto los resultados obtenidos permiten afirmar que
el
objetivo del experimento se ha alcanzado.
9. Apéndices. Aquí puede incluirse determinado material como la deducción de una
ecuación el código de un programa especialmente relevante en la obtención o el
tratamiento de los resultados, de los cuales no existen o no conocemos referencias.