El error y la estadística

Capítulo 2

El error y la estadística
Introducción a la estadística en la teoría de errores
2-1 Conceptos generales
Al efectuar una medición se debe tratar de eliminar o corregir los errores que en ella se
puedan originar, por ejemplo, cuantificando los sistemáticos, realizando curvas de
contraste de los instrumentos utilizados, estimando la influencia de las diferentes
fuentes de incertidumbre , combinado las incertidumbres individuales para obtener la
incertidumbre total.
La manera de hacerlo y la cantidad de datos a obtener, variará de acuerdo a la exigencia,
la complejidad y la exactitud que sea necesaria

Al colocar el resultado de una medición o de un cálculo aparece la duda:

¿Cómo escribir correctamente el número de acuerdo a la parte entera y la parte decimal

obtenida?
¿Qué consideraciones debemos hacer para ello?

2-2 Redondeo
Sabemos que no tiene sentido considerar más cifras decimales que la indica el error por
lo tanto, la forma de redondear será:

- Si la primera cifra que se suprime es menor que 5 se elimina y el número no altera.

- Si es mayor que 5 se coloca una unidad más en el orden anterior.
- Si es 5 :
Si las cifras suprimidas luego del 5 no son cero se eleva en 1 el orden
anterior.
Si las cifras suprimidas luego del 5 son cero aumenta en 1 si la cantidad
de ceros es impar y si es par no varía.

Ejemplos:

765,5165000 – Se redondea a 3 cifras como 765,517 - se suprimen 3 ceros (impar)

765,516500 – Se redondea a 3 cifras como 765,516 - se suprimen 2 ceros (par)
765,51651 _ Se redondea a 3 cifras como 765,517
765,5167 – Se redondea a 3 cifras como 765,517
765,51623 – Se redondea a 3 cifras como 765,516

2-3 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.

34
El error y la estadística
Capítulo 2
Si se efectúan varias medidas experimentales y después se entregan estos valores o se
hacen cálculos, es importante realizarlo de la manera más exacta posible, indicando
cómo se han obtenido estos.

Existen diversas maneras de expresar un resultado de esa medición.

Una es anotando el número sin cota de error entendiendo que el último dígito es
incierto.

Ejemplo1:

Medimos una corriente y obtenemos 2A.

En lugar de anotar la incertidumbre en la medida, escribimos el resultado de la
medición de alguna de las siguientes formas: 2 A, 2,0 A o 2,00 A.
Esta forma de indicar el grado de confianza en la medida con cifras
significativas, entiende que el último dígito es incierto.
Así, en 2 A se tiene una cifra significativa y la medida puede ser 1A, 2A o 3 A.
En 2,0 A se tienen dos cifras significativas y el cero indica que ahí está la
incertidumbre; el valor de la corriente puede ser 1,9A, 2,0A o 2,1 A.

Ejemplo .2:

El resultado de una medida de longitud es de 7482,6 m, y afirmamos que todas

las cifras son significativas y que el error es del orden de la media unidad de la
última cifra que está escrita.
Por consiguiente el error es del orden de 0,5 m, puesto que la última cifra
mostrada es del orden de las décimas de metro.

Otra forma de expresar el resultado de una medición es determinando su incertidumbre

(indicando el margen de error) y colocando el resultado con el número de dígitos
representativos de la cantidad medida.
En este caso las cifras significativas del número vienen determinadas por su error.

Si realizamos una medición y colocamos L = (97.1 ± 0.5) mm diremos que ella tiene
tres cifras significativas (2 exactas y una dudosa). Si colocamos L = (97 ± 1) mm
tendremos 2 cifras significativas (1 exacta y una dudosa).

Son cifras significativas aquellas que ocupan una posición igual o superior al orden o
posición del error.

Otra visión de lo expresado es que el número de cifras significativas es igual al número

de dígitos contenidos en el resultado de la medición que están a la izquierda del primer
dígito afectado por el error, incluyendo este dígito.

Ejemplo3:

Consideremos una medida de longitud que arroja un valor de 7482,6754 m con

un error de 0,8 m.
El error 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.

35
El error y la estadística
Capítulo 2
En efecto, ¿qué sentido tiene dar el número con precisión de diezmilésimas si
afirmamos que el error 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.

Si el valor de L proviene de un promedio (valor supuesto verdadero) y el error es del

orden del milímetro, se debe redondear al dígito donde primero cae el error.

El primer dígito, o sea el que está más a la izquierda, es el más significativo y el último,
el más a la derecha, el menos significativo o sea en el que tenemos "menos certeza".

Mencionaremos algunas reglas para determinar la cantidad de cifras significativas:

 Cualquier dígito diferente de cero es significativo.
1234.56 6 cifras significativas

 Ceros entre dígitos distintos de cero son significativos.

1002.5 5 cifras significativas

 Ceros usados para determinar la coma decimal no son significativos o dicho de

otra forma ceros a la izquierda del primer dígito distinto de cero no son
significativos.
0,00139 3 cifras significativas
0.0026 2 cifras significativas

 Si el número es mayor que (1), todos los ceros a la derecha del punto decimal
son significativos.
400.00 5 cifras significativas

 De acuerdo con las 3 anteriores, cuando el número es menor que uno,

únicamente los ceros que están al final del número y entre los dígitos distintos
de cero son significativos.
0.01020 4 cifras significativas

 Cuando los números no contienen puntos decimales, los ceros pueden o no

pueden ser significativos, usualmente se necesita información adicional acerca
de cómo fue medido. (Obsérvese que 1 y 1000 son el mismo número si se
utiliza un cambio de unidades por ejemplo de m a mm)
1000 1, 2, 3, o 4 cifras significativas.
Ejemplo 4:

L = (83±1) m.
Podemos suponer que la incertidumbre es del orden del metro y, el resultado de
L tiene dos cifras significativas.
Si deseamos expresar L en mm, el resultado sería L = (83000±1000) mm.
¿Cambiaron las cifras significativas en el resultado?

36
El error y la estadística
Capítulo 2
¡No!
Hay dos, igual que antes, ya que la última cifra significativa sigue siendo 3. Sin
embargo, si no indicamos explícitamente la incertidumbre de L, es difícil saber
cuántas cifras significativas tenemos.

Conviene emplear la notación científica para evitar confusiones.

Escribimos la siguiente igualdad: 8,3 x101 m = 8,3 x 104 mm.
Los números en ambos miembros de la igualdad tienen igual número de cifras
significativas, siendo la única diferencia las unidades que son usadas.

Otros ejemplos
2,0 x 105 2 cifras significativas
2,00 x 105 3 cifras significativas

Uso en cálculos

Un número es menos preciso que otro si tiene menos cifras significativas.

Siempre el resultado de una operación algebraica tendrá un error comparable a la
cantidad que tiene mayor error.

Suma y Sustracción:

El número de cifras significativas a la derecha del punto decimal en la suma o la

diferencia está determinado por el número con menos cifras significativas a la derecha
del punto decimal de cualquiera de los números originales.

Dicho de otra forma: Al sumar o restar se redondean todos los números de acuerdo con
el que menos sitios decimales tenga (el número de la incertidumbre o error absoluto
mayor) antes de llevar a cabo la operación o al final de la misma. El resultado tendrá el
mismo número de lugares decimales que el que menos tiene.

3,28754 cifras significativas luego de la coma decimal

+ 0,922 cifras significativas luego de la coma decimal

4,2075Se redondea a 2 cifras luego de la coma decimal

Rta : 4,21

72,452 cifras significativas después del punto decimal

- 2,3163 cifras significativas después del punto decimal

70,134Se redondea a 2 cifras significativas

Rta.: 70,13

37
El error y la estadística
Capítulo 2
Multiplicación y División:
El resultado debe tener el número de cifras significativas de la cantidad o medida menos
precisa. O sea, es determinado por el número original que tenga las cifras significativas
más pequeño.

4,56 x 1,4 = 6,38 = 6,4

   
3 c.s. 2 c.s 3 c.s 2 c.s

3 c.s  0,0983
 0,008197  8,2 x 10 3
2 c.s.  12

2 c.s

2.51 x 2.30 = 5.773 redondeada a 5.77

2.4 x 0.000673 = 0.0016152 redondeado a 0.0016

2-4 Truncado de números

Ejemplo:

Determinar la densidad de un cuerpo al que se midieron:

Su volumen:

V = 3.5 ± 0.2 cm3 (V% = 6% redondeado)

Su masa:

m = 22.7±0.1 g. (m%=0.4% redondeado)

Para calcular la densidad, , debemos realizar el cociente de  = m / V.

Si realizamos este cociente con la calculadora obtenemos:

= 22.7/3.5=6.485714286 g/cm3.

Claramente, la mayoría de estas cifras no son significativas y debemos truncar el

resultado.
Para saber dónde hacerlo, debemos propagar los errores del numerador y denominador,
y ver a qué cifra afecta el error de .

Usando
 = M/M + V/V x100

El resultado es de 0.06 redondeado y por tanto 0.4 g/cm3.

38
El error y la estadística
Capítulo 2
De manera que, en el valor de  sólo una cifra decimal es significativa.

Sin embargo, al truncar el número 6.4857, debemos tener en cuenta que el número más
cercano a él (redondeo) y con una sola cifra decimal es 6.5 y no 6.4 que resultaría de un
truncado automático.

Finalmente, el valor que se obtiene para  es:

= 6.5 ± 0.4 g/cm3 y %= 6%

2-5 Tipos de mediciones

Fue mencionado que los errores accidentales, fortuitos o aleatorios son los que se
producen al azar.
En general son debidos a causas múltiples y fortuitas.
Estos errores pueden cometerse con igual probabilidad por defecto como por exceso.
Por lo tanto, midiendo varias veces y promediando el resultado, es posible disminuirlos
considerablemente.

Es a este tipo de errores a los que comúnmente hace referencia la teoría estadística de
errores y se aplica cuando se realizan N mediciones repetidas.

En el proceso de evaluar el error accidental nos podemos encontrar con mediciones:

a) Directas
Son las que se obtienen al realizar N mediciones de una determinada magnitud o
variable.

b) Indirectas
Son las que para obtener un valor de una magnitud o variable intervienen otras para
calcular ese valor que son medidas en forma directa.

2-6 Mediciones directas repetidas

Para que una medición se considere “repetida” debe tener el mismo operador, respetar la
manera en que se realizó la medición (circuito, lugar), establecer las mismas
condiciones ambientales y por supuesto realizarlas sobre el mismo elemento.
Por eso, el intervalo de tiempo el que se realice la operación debe ser el más corto
posible.

2-7 Histogramas y parámetros estadísticos

Se denomina frecuencia absoluta al número de veces que un suceso se repite y
frecuencia relativa al número anterior dividido por el número de experiencias realizadas.

Cuando el número de sucesos o eventos observados es muy grande, la frecuencia

relativa tiende al valor de la probabilidad del evento (ley de los grandes números).

39
El error y la estadística
Capítulo 2
Los histogramas son diagramas de frecuencias o probabilidades cuyos ejes ortogonales
tienen como ordenada a la frecuencia o probabilidad y como abscisa los sucesos o
eventos agrupados.

Consisten en la representación de una distribución de frecuencias (absolutas o relativas)

en forma de rectángulos que tienen su base en el eje horizontal, con centro en el punto
medio del grupo (o intervalo) de clase seleccionado y cuya anchura es igual al intervalo
en que se subdivide la categoría.
La altura del rectángulo representa a la frecuencia. El área del rectángulo es
proporcional a la frecuencia (absoluta o relativa) de los valores representados.
Si realizamos una figura uniendo los puntos medios de cada intervalo hasta cortar al eje
X tendremos el polígono de frecuencias. El área comprendida por el polígono de
frecuencias es igual al área que abarcaba el histograma.

Al considerar que en los errores la distribución de los mismos se encuentra a igual valor
en exceso o en defecto, respecto al valor verdadero, aparece el concepto de distribución
normal (forma de campana)

Si el número de medidas es muy grande y los intervalos considerados para el

histograma son cada vez más pequeños se tiende a una función de distribución.

Los parámetros más usuales con los que puede caracterizarse la localización de una
distribución asociada a un conjunto de N datos de una variable X son:

a) la media
b) la mediana
c) la moda

La media o promedio de la distribución se define, como:

Es la media aritmética de los valores observados o medidos.

40
El error y la estadística
Capítulo 2
Se puede demostrar que el valor más probable de una medición es el valor que hace
mínima la suma de los cuadrados de los errores.
Ese valor es

Por eso se lo llama valor más probable.

Da una idea de la localización o valor medio de los valores en la muestra y en general

da el centro de masa (centroide) de la distribución.

La moda corresponde al valor de la variable donde está la máxima frecuencia, o sea, que
en un histograma la moda corresponde al valor de la variable donde hay un pico o
máximo.
Si una distribución tiene dos máximos la denominamos distribución bimodal, si tiene
tres máximos trimodal y así sucesivamente.
Si todas las variables tienen la misma frecuencia no hay moda.

Ejemplos:

Serie 14; 16; 18; 16; 15; 12; 14; 14; 16; 17; 18; 16; 16

El 14 se repite 3 veces
El 18 se repite 2 veces
El 16 se repite 5 veces

Por lo tanto la moda es 16 y la distribución es unimodal (el máximo es uno solo).

Serie 1, 2, 3, 4, 4, 5, 2, 1, 3, 4, 2, -3, 4, 6, 3, 3

El 3 y el 4 repiten el máximo (4), por lo tanto es bimodal

Serie 23; 37; 15; 46; 22; 17; 25

Ningún número se repite por consiguiente no tiene moda

La mediana (poco utilizada, pero que también define un valor medio) es el valor de la
variable que divide en 2 partes la serie de números conteniendo cada una de ellas la
misma cantidad de datos mayores y menores a ese valor.

Se llama Dispersión a la manera en que los datos se distribuyen alrededor del centro o
valor medio

Cuando se efectúan varias mediciones bajo idénticas condiciones, al valor promedio de

esas medidas se le asocia una incertidumbre que tiene relación con un parámetro
denominado desviación estándar, dispersión normal o dispersión.

Como expresa el término, da información sobre cómo se “dispersan” los valores

medidos en torno del valor medio.
41
El error y la estadística
Capítulo 2
A veces se utiliza la letra S como símbolo de la desviación estándar.

En realidad debería ser la raíz cuadrada del promedio del cuadrado de los errores con lo
que se debería usar ”n” y no “n-1” en la fórmula pero, al usar “n-1” se evita el uso de la
fórmula cuando se efectúa una sola medición.

Utilizando la expresión (a) para una sola medición se llegaría a 0/0 que es una
indeterminación.

En caso de tener una muestra con muchos valores se ve que ambas formas de cálculo
tienden a coincidir.

Se denomina varianza al promedio del cuadrado de los errores es decir al cuadrado de la

desviación standard

1
2  ( X i  X ) 2
n 1

La desviación normal de la media aritmética para n mediciones o error estándar de la

media es

En ingles SEM Standart error of the

mean

Muestra la influencia que se obtiene al variar la cantidad de mediciones.

Una desviación estándar más grande resultará en un error estándar de la media más
grande y una estimación menos precisa.
Un tamaño de muestra más grande resultará en un error estándar menor de la media y
una estimación más precisa.
Decir dispersión no equivale a decir error dado que no lo conocemos. Lo estima dentro
determinados límites establecidos por un intervalo, dado por el nivel de confianza que
elijamos, tal como se verá más adelante.

Se puede definir otro parámetro de dispersión denominado amplitud que es la diferencia

entre el mayor y menor valor una serie de mediciones.

2-8 Distribución normal de Gauss

La distribución usual (que tiene forma de campana) es la distribución normal o de
Laplace - Gauss.

La expresión matemática de esta distribución es:

donde

42
El error y la estadística
Capítulo 2

X = error absoluto
K= cte. que varía según el caso y es 
K  1/  2

K se denomina Precisión pues cuanto menor es mayor es K por lo que mayor es el

número de valores que están cerca del valor más probable.

La “campana de Gauss” está centrada en la media y su ancho está determinado por la

desviación.

El área que existe entre la curva y el eje de abscisas es 1

La distribución normal posee ciertas propiedades importantes que conviene destacar:

Por tratarse de una curva simétrica y unimodal coinciden la moda, la media y la

mediana.
La curva normal es asintótica al eje de abscisas. Por ello, cualquier valor entre – infinito
y + infinito es teóricamente posible.
Es simétrica con respecto a su media. Por ello, para este tipo de variables existe una
probabilidad de un 50% de observar un dato mayor que la media, y un 50% de observar
un dato menor.
El valor del error cuadrático medio (es la abscisa del punto de inflexión de la curva.
La forma de la campana de Gauss depende de los parámetros X media y σ.
La media indica la posición del centro de la campana, de modo que para diferentes
valores de x media la gráfica es desplazada a lo largo del eje horizontal.

35
El error y la estadística
Capítulo 2
Por otra parte, la desviación estándar determina el grado de “apuntamiento” de la curva.
Cuanto mayor sea el valor de σ, más se dispersarán los datos en torno a la media y la
curva será más plana.

Un valor pequeño de este parámetro indica, por tanto, una gran probabilidad de obtener
datos cercanos al valor medio de la distribución. O sea, si los errores cometidos son
pequeños, los valores medidos estarán cerca del valor medio y la medida de la magnitud
será muy precisa.
En cambio los valores más alejados tienen menos probabilidad de ocurrencia. Por eso la
curva va decreciendo. Esto significa que la probabilidad de realizar mediciones con
errores grandes es baja.

Se define como error probable al que tiene probabilidad 0,5 (igual probabilidad -50%)
de que alguna medición tenga un error aleatorio ± 0,675

2-9 Relación entre área y probabilidad

El área comprendida entre, +/- 1σ, es de 68,27% y define la probabilidad de que un
valor de la medición caiga dentro de ese intervalo.
Dicho de otra forma la probabilidad de que una medida caiga fuera de ese intervalo es
de 31,73.

Esto equivale a decir que sobre 100 mediciones podría ocurrir que 31,73 sean mayores
al valor más probable más la desviación estándar (σ)
X 

De la misma manera, el área bajo la curva comprendida entre los valores situados
aproximadamente a dos desviaciones estándar de la media es igual 95,45% y la de 3 σ
es de 99,72%. En este último caso se ve que si efectuamos 1000 mediciones solo 3
tienen la probabilidad de caer fuera de ese intervalo. Lo que demuestra que se pueden
eliminar sin que afecte el resultado de la medición.

36
El error y la estadística
Capítulo 2

Para resumir lo anterior, si realizamos 100 mediciones:

El 68,2% caerán dentro del intervalo

El 95,5% de ellas caerán dentro del intervalo

El 99,7% de ellas caerán dentro del intervalo

NOTA: Las variables medidas pueden considerarse estadísticas o no estadísticas. Una

variable es estadística cuando se ha obtenido un elevado número de medidas de la
misma (en general mayor que 100). Pero algunos autores consideran que se puede tomar
como variable estadística cuando el valor medido es superior a 30.

Si el número de mediciones es menor a 10 (no estadística) se suele afectar la

incertidumbre por un factor k

k se denomina factor de cobertura.

Por consiguiente la desviación standard se debe afectar por el factor de cobertura para
establecer un “nivel de confianza” en el valor de la incertidumbre.
37
El error y la estadística
Capítulo 2

’ =  x k

En el mundo industrial se suelo adoptar k=2, con el que el nivel de confianza rodará el
95%

2-10 Criterios para desechar mediciones

Existen varios criterios

Uno de ellos dice lo siguiente:

- Si las medidas realizadas para determinar una variable son pocas (menores a 10) no
se debe realizar tratamiento estadístico y el error asociado se calcula en la forma
convencional.
- Cuando el número de mediciones oscila entre 10 y 25 se puede considerar que un
valor obtenido está equivocado cuando difiere del valor más probable en más de 2 σ.
- Cuando el número de mediciones es grande (más de 50) se considera que un valor
está equivocado cuando difiere del valor medio en más de 3 σ.

2-11 Clasificación de las incertidumbres

El CIPM: Comité Internacional de Pesos y el NIST:Medidas y National Institute of
Standars and Terminology definen como:

Incertidumbre categoría A: Las que son evaluadas por métodos estadísticos.

Incertidumbre categoría B: Las que son evaluadas por otros métodos como ser
las especificaciones dadas por un fabricante o el conocimiento previo que se
tenga (experiencia).

Está clasificación es tomada por ISO en su guía para la expresión de la Incertidumbre de

Medida (GUM-Guide of the Uncertainty in Measuremen)

2-12 Ley de propagación de las incertidumbres

Si realizamos varias mediciones y obtenemos un valor medio X.
Luego hacemos otra serie de mediciones y obtenemos un valor medio Y.
Seguramente ambos valores no coincidirán, por consiguiente ocurrirá lo mismo con sus
desviaciones estándar
Esto significa que las estadísticas también se comportan de una manera aleatoria,
similar a la de las mediciones individuales, y esto se mide con el error estándar.

Resumiendo en caso de tener mediciones que se puedan tratar estadísticamente una

manera de determinar la incertidumbre (mediciones directas reiteradas de una variable)
es la siguiente

1- Se realizan las mediciones de la variable X.

2- Se calcula el promedio (X media).

38
El error y la estadística
Capítulo 2

3- Se toma ese valor como valor verdadero y se calculan los errores de todos los
valores de las mediciones.

4- Se calcula el error cuadrático medio (). Aquí se considera al error absoluto.

Lo mismo se puede realizar con la desviación normal de la media aritmética.

5- El resultado del error accidental será, si el nivel de confianza elegido fuese del 68%.

X  X 
(1 k=1 por lo que ’ =  

El instrumento suele agregar una incertidumbre en la medición.

Si realizamos una medición N veces aparte de N mediciones tendremos N

incertidumbres que aporta el instrumento.
Podremos entonces calcular las respectivas desviaciones estándar.

Se pueden considerar como 2 valores independientes

Si existen otras incertidumbres como ser la incertidumbre en la determinación de

los errores sistemáticos, se deben sumar los cuadrados de los errores absolutos y
luego tomar la raíz cuadrada de este resultado. (X) – Ley de propagación de las
incertidumbres-

En general

El error puede estar definido por su desviación estándar por lo que si

X = A + B y aplicamos propagación de errores

Es decir que su varianza es igual a la suma de cada una las varianzas de los Commented [c1]: qué cosa???
componentes. Esto es válido siempre y cuando los errores no estén correlacionados,
o sea que uno no influya en el otro

6- El error absoluto final será

X  X  X

7- El error relativo porcentual será

X
erel   100
X

39
El error y la estadística
Capítulo 2

2-13 Ejemplos
Ejemplo 1

Se disponen de 4 valores de mediciones hechas sobre una variable

6.2; 6,3; 6,2; 6,4
Con esa cantidad de datos la muestra no es estadística
Su valor medio será

Su valor cuadrático medio (Desviación estándar)

Para saber las cifras significativas hay que conocer el error que introduce el instrumento
de medición.
Supongamos 0,1.
El valor de la medición será 6,3 +/- 0.1 – Las otras cifras dejan de tener sentido.

Ejemplo 2

Un valor expresado como

S = 7,25 ± 0,2 (k= 2)

Significa que el valor medido es 7,25 estando el valor verdadero entre 7,45 y 7,05 con
una confianza del 95%

Ejemplo 3

Para medir una temperatura se utiliza un instrumento que tiene una incertidumbre de
0,2ºC.
Se realizan 50 mediciones y con los valores obtenidos se calcula su media que resulta
ser 30ºC.
Su desviación estándar es 5ºC
¿Cómo expresaríamos el resultado?

Son muchas muestras por lo que se puede determinar el SEM.

La desviación de la media es:

40
El error y la estadística
Capítulo 2

Tomamos un coeficiente de confianza del 95% - k=1,96

Como tenemos que considerar la incertidumbre del instrumento, la incertidumbre total

será

El resultado final de la medición será

30ºC +/- 1,89ºC

Lo cual significa que si se toman otros valores de temperatura existe un 95% de

probabilidad que esos valores se encuentren comprendidos en ese intervalo de confianza
elegido.

2-14 Sobre las distribuciones

A menos que se especifique especialmente, siempre la distribución que se asume es la
normal, pero existen otras.

Ejemplo:

- Rectangular (también conocida como distribución uniforme continua).

Podría establecerse cuando se dice que los valores de la medición no deben

sobrepasar límites superior e inferior determinados. Todos los valores tienen la
misma probabilidad.
No se establece en este caso un nivel de confianza.

41
El error y la estadística
Capítulo 2

2-15 Mediciones indirectas

Para obtener el valor de una resistencia (R) medimos tensión (V) y corriente (I), estas
últimas V e I son variables independientes, mientras que R es la dependiente.

Si estas magnitudes son independientes una de otras, la incertidumbre se puede obtener

como lo hemos hecho, propagando errores (ley de propagación de las incertidumbres)
que incluye a todas las incertidumbres aportadas por las magnitudes que intervienen
para calcular el valor de la variable medida.

Si tenemos una función Z que relaciona con las mediciones realizadas X e Y

Z = f(X, Y)
Será

Su desviación estándar es

Si combinamos las 2 resulta

Al ser variables no dependientes el último término se puede despreciar con lo que

42
El error y la estadística
Capítulo 2

Esto muestra que las varianzas son aditivas, afectadas por las derivadas (suelen llamarse
coeficientes de sensibilidad) al cuadrado.
Si las variables fuesen correlacionadas, el término que incluye al producto de las
indeterminaciones no podría despreciarse y debería ser considerado en el cálculo.

Existe una correlación entre las mediciones que efectúa un operador, por ejemplo
tensión y corriente, con el cansancio que ello le genera.

2-16 Preguntas y problemas

1) Se miden 2 resistencias conectadas en serie con un multímetro digital. Los
valores resultan ser R1= 21,4y R2= 4,360. ¿Cuál será el valor de la
resistencia equivalente expresado con las cifras significativas que corresponda?

2) Se obtuvieron los siguientes valores en ohm en la medición de una resistencia:

100,3 100,7; 100,3; 100,4; 100,2; 100,3; 100,1; 100,0; 100,5; 100,2; 99.
Calcular la desviación estándar. ¿Para qué sirve calcularla? ¿Todas las
mediciones se consideran válidas o hay alguna que puede ser desechada?

3) ¿Se pueden clasificar las incertidumbres? ¿Cómo?

4) Se conocen los valores de dos magnitudes X e Y que vienen afectados por

sendos errores ΔX y ΔY.
Se efectúan las siguientes operaciones: X/Y; (X.Y)2 .
¿Cuál será el valor del error absoluto cometido en cada una de ellas?

5) ¿Para qué sirve el factor de cobertura?

6) Características de una distribución normal.

43