Teoría: Manejo de los datos

Promedio, desviación estándar e incertidumbre

Cuando medimos1 la longitud de un objeto con el “centímetro” del costurero de la
abuela podemos concluir, por ej., que mide aproximadamente 423cm. Al repetir la medición en
condiciones idénticas probablemente lleguemos a la misma conclusión. Si, sin embargo,
deseamos mayor precisión podemos recurrir a la división en milímetros de nuestra regla y
concluir que realmente el objeto mide 423,5cm. Al repetir varias veces la medición
posiblemente veremos que en cada nueva medición los resultados no siempre son idénticos. Las
causas son, generalmente, los defectos del instrumento (el “centímetro” en este caso) o de la
persona que lo utiliza (que en la jerga de los físicos se la denomina el observador. Un nombre
más apropiado podría, quizás, ser “el medidor o el mensurador”).
En nuestro ejemplo, un defecto posible del instrumento es la dificultad de usar el
“centímetro” sin estirarlo (o de manera que en cada medición se estire siempre igual).
Un ejemplo de defecto del observador podría ser su falta de cuidado al medir longitudes
mayores que la máxima del “centímetro”. Por ejemplo, como el “centímetro” sólo mide 100cm,
para medir una longitud de 423cm hay que estirarlo, marcar y transladarlo hasta la marca,
volver a estirar etc. En cada paso una persona que no este atenta puede cometer un pequeño
error. Todos los errores juntos probablemente afecten a la medición final en unos milímetros de
incertidumbre.
Si, durante la medición, extremamos los cuidados se reducen los errores pero si la
precisión que se busca es mayor, cada vez es más difícil de lograr la repetitibilidad de los
resultados medidos.
Las fuentes de incertidumbres que aquí se mencionaron son las llamadas incertidumbres
de estadísticas de medición. Otra fuente muy común de incertidumbres es la llamada
incertidumbres sistemáticas de medición. Estos últimos son corrimientos sistemáticos de los
resultados. A modo de ejemplo de incertidumbre sistemática pensemos la siguiente
complicación para nuestra medición: Pudo haber ocurrido que el “centímetro” se había roto en
la marca 85cm y al unirlo, pegando los pedazos, se solapó medio cm de cada lado. Esto
significa que por cada metro reportado en la medición hay, en realidad, 1cm de menos. Así, el
valor de la distancia medida debe ser de aproximadamente 419cm en vez de los 423cm que
pensamos originalmente. Por el momento solo consideraremos las incertidumbres estadísticas
Llegamos así a la situación que tenemos muchas mediciones de la longitud de nuestro
objeto pero son todas levemente diferentes. En muchos casos esta diferencia puede ser

1
Para hacer más intuitivos los conceptos que se desean discutir nos referiremos aquí a la medición de
una longitud. Sin embargo, lo mismo es válido para mediciones de temperatura, masa, fuerza, etc.

1
importante. En tales casos es útil determinar un único valor que mejor estime la longitud del
objeto y, también, alguna medida de la confianza que podemos asignarle al valor estimado.
El criterio que se adopta usualmente es el de la repetibilidad. Si tenemos, por ej., 100
mediciones y uno de los valores obtenidos se repite 95 veces sería muy extraño que el valor
buscado fuera uno de entre los otros 5. Lamentablemente, en general las diferencias no son tan
marcadas y se debe recurrir a métodos mas refinados de selección.
¿Cuál es mejor valor?:
La experiencia y la teoría matemática de errores recomiendan usar un único resultado
que es el promedio de los valores medidos, es decir,
N
1 1
x=
N
∑ valores medidos = N
∑x
i =1
i (1)

donde hemos llamado x al valor medio de los valores medidos, xi a cada uno de los valores

medidos y N al número de medidas promediadas.

¿Qué tan bueno es el promedio para caracterizar realmente la cantidad medida?:
Para responder esta pregunta deberíamos poder calcular un segundo número
(independiente del valor medio) que indique “de alguna manera” cuanto se acerca el valor
medio al valor real que se desea medir, en otras palabras, cual es el margen de incertidumbre en
la medida cuando la aproximaos por el valor medio.
Una manera posible de evaluar esa incertidumbre es la de calcular las desviaciones que
cada medición tiene con respecto al valor medio, o sea,
valor medido − promedio = xi − x
y luego hacer un promedio de estas desviaciones. Pero lamentablemente, si hacemos el cálculo
de dicho promedio, el resultado es 0 (¡piense!, ¿por qué es así?).
Para mantener la idea de promediar las desviaciones (y evitar el valor nulo) se hace el

promedio del cuadrado de las desviaciones ( xi − x )2 , sobre las N mediciones realizadas, es

decir,
N
1
Promedio de las desviaciones =
N
∑ (xi =1
i −x )2
A esta cantidad se la llama “dispersión o desviación estándar” (al cuadrado). La desviación
estándar se indica con la letra griega σ (se lee “sigma”), de esta forma,

N
1
σ2 =
N
∑ (x
i =1
i −x )2 (2)

2
σ nos da idea de la menor o mayor fluctuación o dispersión de los datos, medidos alrededor del
promedio, y su valor sólo depende del proceso de medición en sí. Observe que σ es igual a
cero sólo si todos los valores medidos xi son iguales entre sí, y su valor se incrementa cuando

los valores medidos se separan mucho del promedio (gran dispersión de los valores medidos).
El valor de σ se halla determinado por la forma en que se ha realizado la medida y de
los instrumentos utilizados. Si se mide con instrumentos muy precisos, la desviación estándar
resulta pequeña (los valores xi son muy parecidos entre sí y al valor medio), mientras que si el

instrumento es de menor calidad σ resulta mayor (los valores de xi se hallan muy dispersos).

¿Cómo puede visualizarse la desviación estándar ( σ ) en un gráfico?

La respuesta es: A partir de hacer un histograma de los datos.
Volvamos al ejemplo del objeto que medía 423,4cm . Supongamos que hemos

realizado un número muy grande de medidas, por ejemplo N = 2000 . Los datos medidos se
distribuyen alrededor del promedio x = 423,5cm . Si la medida ha sido buena, muchos de los

valores obtenidos resultan muy próximos al promedio (por ejemplo 423 o 424 ) y observamos
pocos resultados que se apartan mucho de él, dicho de otra manera, resulta mucho más probable
que el resultado de una medida cualquiera xi dé cercana al promedio a que dé muy alejada de él.

Si el error cometido en cada medición es puramente estadístico (al azar) los resultados no se
distribuyen de cualquier manera alrededor del promedio, sino que cuando el número de medidas
es grande tienden a una distribución llamada Gaussiana (ver la figura de la Campana de Gauss).

Construcción de un histograma:
Se cuenta con un número N de valores medidos. Se agrupan los datos medidos en
intervalos ∆x más representativos, se cuenta el número de veces que una medida cae en un
dado intervalo. Finalmente se hace un gráfico “numero de veces que ocurre cada valor” en el eje
Y contra el “valor” en el eje X. El gráfico resultante se llama histograma. La figura resultante
recuerda la forma de una campana.
A modo de ejemplo, si hemos repetido N = 2000 veces la misma medida, y tomando
el intervalo ∆x = 0,5cm , se agrupan las mediciones de la manera siguiente:
Sí, por ej. , Se han medido,

• 294 valores entre 422,5 y 423cm, se consideran equivalentes a 294 valores de

422,75cm

3
 • 349 valores entre 423 y 423,5cm, se consideran equivalentes a 349 valores de
423,25cm
• 393 valores entre 423,5 y 424cm, se consideran equivalentes a 393 valores de
423,75cm
• 318 valores entre 424 y 424,5cm, se consideran equivalentes a 318 valores de
424,25cm.
• etc. (ver grafico)

El gráfico resultante se llama histograma. La figura resultante recuerda la forma de una

campana:

Número de medidas 400

en cada interválo
Campana de
Gauss
300

2σ
200

100

0 Valores medidos
420 421 422 423 424 425 426 427 428

x = 423,5cm
Lo extraordinario del histograma así construido es que la forma se repite casi siempre,
independientemente del tipo de medición que se desee realizar.
Si el número total de mediciones que debemos analizar es muy grande se puede
demostrar que el histograma se aproxima a la llamada Campana de Gauss (curva continua en el
histograma):

N∆x ( x − x )2
Y ( x) = exp[ − ] (3)
2 πσ 2 2σ 2
donde N es el número de mediciones y ∆x (se lee delta x) es la distancia mínima entre
mediciones.
En la figura se puede apreciar el significado de σ (se lee sigma) y de x (se lee x medio).
En rigor sigma es el semiancho de la campana en el punto de inflexión, como regla práctica, sin
embargo, sigma se puede aproximar a partir del ancho de la campana cuando la altura es la
mitad del máximo en la forma:
σ ≈ ancho/2.35 (4)

4
Error de medición:
En los informes de mediciones científicas es usual encontrar expresiones como:
“La medición de “tal cosa” dio 423cm ± 1cm”.
El lector interpreta que se hicieron muchas mediciones de una longitud. El promedio da
423cm y hay muy buenas razones para creer que el valor real de lo medido está en el intervalo
entre 423 – 1 cm y 423 + 1 cm. Se afirma que el valor medido tiene un error o incertidumbre
de 1 cm.

¿Cómo podemos evaluar esa incertidumbre?:

Como primera aproximación a la incertidumbre del valor promedio, podemos adoptar a la
desviación estándar σ . De esta forma, si llamamos x a lo que queremos medir, el resultado se
expresa, sintéticamente, así:
x = x ±σ (5)
Pero la expresión 5 tiene un defecto, como dijimos antes el valor de σ se halla
determinado por la forma en que se ha realizado la medida y el instrumento utilizado. Una vez
que se han hecho una gran cantidad de medidas N (suficientes para que el histograma se
aproxime a una curva gaussiana), el valor de σ no cambia apreciablemente si aumentamos N .
Es más, si repitiéramos una segunda serie de N medidas, obtendríamos un valor medio y una
desviación estándar similares a las de la primera serie. Cuán similares son depende que tan bien
fueron estadísticamente determinados.
Una mejor determinación del valor medio se puede lograr aumentando el número N de
mediciones. Aumentando N mejora la estadística y de esa forma el promedio obtenido en las
primeras N mediciones resulta muy cercano al promedio obtenido en las segundas N
mediciones.
Finalmente en teoría de errores se adopta como estimador del error o incertidumbre de
una medición, no a σ sino a la desviación del promedio cuando se realizan varias series de N
mediciones. Esto no quiere decir que resulte necesario realizar muchas series de N mediciones,
sino que con una sola serie es posible estimar la desviación del promedio en la forma (consultar
el libro: Mecánica Elemental de Roederer),
σ
x=x± (6)
N
El error o incertidumbre se suele notar con la letra griega ξ (Xi) y a partir de 6 vemos que vale,

σ
ξ= (7)
N

5
 Las expresiones 6 y 7 permiten acotar aún más la incertidumbre reduciendo el valor
dado por σ en un factor raíz de N. Este factor resulta de gran importancia ya que nos esta
diciendo que a medida que aumenta el número N , de medidas realizadas, logramos disminuir
la incertidumbre del valor promedio obtenido. De acuerdo a este razonamiento, podríamos
realizar medidas muy precisas ( ξ pequeño), a pesar de medir con un mal instrumento

( σ grande), realizando una gran cantidad de medidas N .

Lo analizado hasta aquí se refiere a mediciones directas. Cada una de las cuales,
después del procedimiento indicado, tendrán su respectivoξ.
Aún no sabemos cómo se propagan estas incertezas en los cálculos. Por ejemplo, si
mido el largo y el ancho de una superficie rectangular y luego calculo el área o el perímetro,
¿Cuál será las incerteza del área?.

Error relativo y porcentual

ξ
Al cociente entre el error y el valor promedio se lo denomina error relativo de la
x
ξ
medición y a la cantidad 100 se le llama error porcentual. Estas cantidades no tienen
x
dimensiones y nos brindan una noción más intuitiva del error de la medición. Como ejemplo, si
se ha medido una longitud con un error absoluto de 1cm, no es posible afirmar si la medida es
mala, buena o excelente sin saber el resultado de la medida. Si la longitud a medir es el largo de
un lápiz, podemos afirmar que la medida fue muy mala, ya que el error porcentual ronda el
10%, mientras que si lo que se quería medir era el largo de una cuadra, la medida ha sido muy
buena ya que el error porcentual resulta ser del orden de 0,01% .

Cómo generar un histograma con el Excel

Supongamos que deseamos realizar un histograma con los datos (mediciones) que
recogimos como resultado de un experimento, y que contamos con un número N de valores
medidos. Para poder generar un histograma utilizando el programa Excel debemos realizar los
siguientes pasos:
a) Primero debemos copiar los datos recogidos de manera encolumnada en una hoja de
trabajo:

6
b) En la barra de menú vaya a Herramientas, luego a Complementos, luego seleccione
la opción de Herramientas para análisis, y luego aceptar.

De esta forma habilitamos una nueva herramienta. Vuelva a ir a la opción

Herramientas de la barra de menú, luego haga clic en análisis de datos y luego en
Histograma para finalmente aceptar. Al hacerlo, le aparecerá la siguiente ventana:

Seleccione el rango de entrada de datos, es decir, haga clic en el botón cerrar diálogo
en el lado derecho del cuadro de Rango de entrada. Esto minimizará temporalmente
la ventana del diálogo de manera que usted pueda seleccionar en su tabla los valores que
quiera graficar. Seleccione también la opción Crear gráfico y finalmente presione el
botón aceptar.
Cuando lo haga, en una hoja nueva le aparecerá una tabla y el gráfico deseado:

7
La columna Clase hace referencia a los valores más representativos de los intervalos
(tomados por defecto). La cantidad de clases que el programa Excel toma es igual a la
raíz cuadrada del número total de mediciones. La columna Frecuencia hace referencia
la cantidad de valores (datos) que se encuentran dentro de cada clase.
c) Para poder encontrar el valor de la Media, la Mediana, la Moda y la desviación
estándar, debemos hacer un análisis estadístico. Para hacerlo, debemos ir a
Herramientas de la barra de menú, luego haga clic en análisis de datos y luego a
Estadística descriptiva para finalmente aceptar. Al hacerlo, le aparecerá una ventana
similar a la anterior, en donde deberá seleccionar el Rango de entrada de datos y
luego la opción Resumen de estadísticas. Finalmente haga presione el botón aceptar.

Cuando lo haga, en una hoja nueva le aparecerá una tabla con un resumen del análisis
estadístico deseado:

De esta forma, logramos realizar el histograma deseado y el análisis estadístico correspondiente.

Propagación de incertidumbres en medidas indirectas
Supongamos que medimos longitudes, con un cierto error, con el objeto de calcular la
superficie o el volúmen de un cuerpo. En este ejemplo, se realizan medidas directas de longitud
y el error se determina en la forma en que hemos discutido antes, pero la media de la superficie

8
o el volúmen se obtiene a partir de un cálculo matemático y no a través de una medida directa,
la pregunta es ¿con qué error se determinan estas magnitudes?
Analicemos algunos ejemplos:

Ejemplo 1: Supongamos que tenemos una regla de 1m y deseamos medir el largo de un objeto
de más de 1m . En ese caso, resulta necesario realizar dos medidas, cada una con su error, es
decir,
Largo1 = L1 ± ∆L1 y Largo 2 = L2 ± ∆L2 (7)

donde los errores o incertidumbres individuales ∆L1 y ∆L2 pueden ser iguales o no. El largo
total lo obtenemos sumando ambas longitudes, pero, ¿cómo obtenemos el error total cometido?.
Apelemos primero a la intuición, el valor mínimo y el máximo de la longitud del objeto,
compatible con los errores individuales resulta,
Largo mínimo = L1 + L2 − (∆L1 + ∆L2 ) y Largo máximo = L1 + L2 + (∆L1 + ∆L2 )
concluimos entonces que el resultado de la medida resulta,
Largo = L1 + L2 ± (∆L1 + ∆L2 ) (8)
por lo cual, el error total cometido en la medida del largo es simplemente la suma de los errores
individuales,
∆L = ∆L1 + ∆L2 (9)
Ejemplo 2: Supongamos que desea medir el peso de cierta cantidad de líquido, que debe pesar
dentro de un recipiente de vidrio. Resulta necesario realizar dos pesadas, una del recipiente
vacío y otra del recipiente con líquido, cada una con su error de medida. Restando obtenemos el
peso del líquido, por lo tanto, la medida resulta indirecta, ¿cómo determinamos el error?. Es
muy común el pensar que el error se obtiene restando los errores, pero esto es completamente
falso, podría llevar al absurdo de que el error podría ser menor al error de las medidas
individuales. Para determinar el error, volvamos a pensar cual es el valor máximo y el mínimo
que podemos obtener en la medida del peso del líquido,
Peso del Recipiente = PR ± ∆PR y Peso del ( Recip + Líq ) = PR + L ± ∆PR + L

Mínimo Peso del Líquido = Mínimo peso de ( Recip + Líq ) − Máximo peso del Recip.
= (PR + L − ∆PR + L ) − (PR + ∆PR ) = PR + L − PR − (∆PR + L + ∆PR )

Máximo Peso del Líquido = Máximo peso de (Recip + Líq ) − Mínimo peso de Recip
= ( PR + L + ∆PR + L ) − ( PR − ∆PR ) = PR + L − PR + (∆PR + L + ∆PR )

concluimos entonces que el resultado de la medida resulta,

9
 Peso del Líquido = PR + L − PR ± (∆PR + L + ∆PR ) (10)
por lo cual, el error total cometido en la medida del largo es simplemente la suma de los errores
individuales y no la resta, es decir,

∆PL = ∆PR + L + ∆PR (11)

Ejemplo 3: Supongamos que desea medir el volumen de una esfera. Es posible determinarlo en
forma indirecta a partir de medir el diámetro D de la esfera (con su error), supongamos que
hemos medido,
Diámetro = D ± ∂D = 10 ± 0,1cm (12)
y sabiendo que,
4 3 1
V = π r = π D 3 = 523,6cm 3 (13)
3 6
pero, ¿cómo determinamos el error en la determinación del volumen?. Podemos pensar que el
volumen es una función de la variable D y hacer un gráfico para entender el problema,

V
π 3
V (D ) = D
6

∆V

D
∆D = 0,1cm
En el gráfico observamos que si la variable D se mide con una incerteza ∆D , este error
se amplifica notablemente cuando se desea determinar el volumen. A partir del gráfico podemos
encontrar una forma de aproximar ∆V conocido el error ∆D . La forma de lograrlo consiste en
suponer que si ∆D es pequeño entonces el tramo de la curva, que relaciona ∆D con ∆V ,
puede aproximarse por una recta, cuya pendiente resulta,
∆V
Pendiente de la recta =
∆D
π 3
Y la pendiente puede calcularse a partir de evaluar la derivada de la función V (D ) = D , es
6
decir,
∂V (D ) π 2
Pendiente de la recta = = D (14)
∂D 2
y por consiguiente,

10
 ∂V (D ) π 2 ∆V π 2
= D = ⇒ ∆V = D ∆D ≅ 16cm 3 (15)
∂D 2 ∆D 2

y en forma general,
∂V
∆V = ∆D (16)
∂D
Finalmente el volumen resulta,
V = 523 ± 16cm 3 (17)
La expresión 16, puede generalizarse para cualquier magnitud que sea medida
indirectamente, por ejemplo, si queremos medir la magnitud f que es función de la variable x

y hemos medido esta última con un error ∆x , entonces podemos aproximar el error cometido
en la determinación de f como,

∂f ( x )
∆f = ∆x (18)
∂x
Note que hemos puesto el módulo de la derivada de la función f ( x ) y no simplemente
la derivada como en 16, ya que podría darse el caso que la pendiente de la curva fuera negativa
y por supuesto el error no lo es como sucedía en el ejemplo 2.

Ejemplo 4:
Suponga que quiere medir la superficie de un rectángulo y para ello mide sus dos lados,
obteniendo,
Lado1 = L1 ± ∆L1 y Lado 2 = L2 ± ∆L2 (19)
La superficie depende de estas dos variables, es decir,
S ( L1 , L2 ) = L1 . L2 (20)

Para calcular el error en S , necesitamos generalizar a la expresión 18 a dos variables, en la

forma (Discuta),

∂f ( x, y ) ∂f ( x, y )
∆f = ∆x + ∆y (21)
∂x ∂y
Usando la ecuación 21, demuestre que el error en la medida de la superficie es,
∆S = L2 ∆L1 + L1 ∆L2 (22)
Ejercicio 1: Demuestre las expresiones 9 y 11, halladas en los ejemplos 1 y 2, a partir de 18.
Ejercicio 2: Suponga que desea medir la aceleración de la gravedad a partir de medir el período
de oscilación de un péndulo. Más tarde demostraremos que para pequeñas oscilaciones la

11
 aceleración de la gravedad g se relaciona con el período T y la longitud L de péndulo, por la
expresión,
L
g = 4π 2 (23)
T2
Demuestre que el error en la determinación de g, resulta,

4π 2 8π 2 L
∆g = ∆ L + ∆T (24)
T2 T3
Una referencia, interesante para profundizar, es el libro: Mecánica Elemental de Roederer.

Determinación de la recta que mejor ajusta con los datos medidos

Cuadrados Mínimos
Suponga el siguiente experimento: Cuelga 10 masas distintas de un resorte con
el objeto de encontrar una ley que relacione el estiramiento del resorte con la masa.
Suponga que se obtuvieron las medidas de la tabla y, graficando, se observa que existe
una relación lineal entre la masa y el alargamiento:

200
masa en Alargamiento
180
gramos en cm
160
1 25 140
2 36 120
Alargamiento

+y 3 63 100

4 77,6 80

5 102,5 60

40
6 117
20
7 133 0
8 167 0 2 4 6 8 10
Masa en gramos
9 186
10 195

Queremos determinar la función lineal que mejor se ajusta a los puntos experimentales.
Método gráfico: Se determine a ojo el centro geométrico de todos los puntos sobre la
gráfica (como una especie de centro de masas de los puntos sobre la gráfica), se hace
pasar una recta sobre ese punto tratando de que ajuste lo mejor posible a los datos, es
decir, tratando que queden tantos puntos por encima de la recta como por debajo. Una
vez determinada la mejor recta, se calcula su pendiente. Para estimar el error de la
pendiente, trace sobre el gráfico otras dos rectas a ojo, una con pendiente mayor que la
determinada antes y otra con menor pendiente, de tal forma que, den idea del error en la
determinación de la pendiente. A partir de ellas determine el error de la pendiente ∆m .

12
Cuadrados mínimos: Existe un proceso matemático más riguroso para determinar la
recta que mejor ajusta con los datos experimentales, comúnmente llamado método de
los cuadrados mínimos. Este método consiste en hallar la recta que minimiza la función
suma de las distancias de los puntos medidos a la recta. Los detalles matemáticos de
este proceso pueden estudiarse en el libro Mecánica Elemental de Roederer (Hay varios
ejemplares en la biblioteca). Igualmente sin entrar en los detalles matemáticos, se puede
hallar la recta por cuadrados mínimos empleando un programa de procesamiento de
datos tal como el Origin (disponible en el Laboratorio) o el Excel. Para hallar la recta
por cuadrados mínimos con el Origin, introduzca en la tabla, los datos medidos. La
variable x (la masa, en nuestro ejemplo) en la primer columna y en la segunda columna
la variable y (el alargamiento, en nuestro ejemplo). Grafique, para ello presione la
ventana Plot, luego Scatter (significa que solo pondrá puntos en los datos
correspondientes), sale una ventana en donde le pide que elija que columna corresponde
al eje x y cual al eje y , presionan enter y se obtiene el gráfico (puntos aproximadamente
alineados). Luego debe buscar la ventana donde dice Fit (ajustar los datos por alguna
curva) luego presionan en Regresión lineal (significa que la curva que quieren ajustar es
una recta y por ende usa cuadrados mínimos) y sobre el gráfico aparece dibujada la
recta que mejor ajusta a los datos. En una ventana aparte se indica el valor de la
pendiente con su error y el de la ordenada al origen (que en este caso debe ser cercano a
cero).
Para hallar la recta por cuadrados mínimos con el Excel, realice primero una tabla con
los datos medidos. La variable x (la masa, en nuestro ejemplo) en la primer columna y
en la segunda columna la variable y (el alargamiento, en nuestro ejemplo).

13
 Para realizar el gráfico seleccione los datos que desea graficar utilizando el Mouse.

Luego, en la barra menú, haga clic en el asistente para gráficos.

Al presionarlo se abrirá la ventana del asistente para gráficos (paso 1 de 4). En la solapa

“Tipos estándar” elija la opción “XY dispersión” (a veces

aparece como Scatter). NO elija la opción que conecta los puntos con líneas o curvas
suaves, elija el siguiente sub tipo de gráfico:

Luego presione siguiente. Al hacerlo, una ventana llamada datos de origen se abrirá
(paso 2 de 4). Haga clic en la pestaña llamada “serie” ubicada cerca del borde superior

de la ventana .
Luego haga clic en el botón “agregar”. Esto causará que aparezca otro cuadro de datos

como los mostrados a continuación. Luego haga clic en el botón cerrar diálogo en
el lado derecho del cuadro de valores de X. Esto minimizará temporalmente la ventana
del diálogo de manera que usted pueda seleccionar en su tabla los valores de X que
quiera graficar en el eje horizontal.

Cuando la ventana de diálogo se minimiza, usted puede usar el Mouse para seleccionar
los valores de X que se incluirán en el eje horizontal del gráfico. Fíjese que cuando lo
haga, las referencias aparecerán en el cuadro de valores de X. Cuando haya terminado
haga clic en el botón expandir diálogo que devolverá la ventana diálogo a su tamaño

14
máximo. Repita esta última secuencia pero para los valores que serán incluidos en el eje
Y del gráfico.

Terminado el proceso debería poder ver una vista previa de su gráfico en la ventana.
Luego presione el botón siguiente.
Una nueva ventana para las opciones del gráfico se abrirá (paso 3 de 4). Aquí usted
podrá agregar el título al gráfico y los nombres para los ejes (con sus respectivas
unidades). Cuando haya terminado presione el botón siguiente.

Una nueva ventana se abrirá (paso 4 de 4). Aquí usted puede decidir dónde ubicará a su
nuevo gráfico, en una hoja nueva o en la misma donde se encuentra trabajando. Elija
una opción y presione el botón finalizar. Al hacerlo debería aparecer su gráfico
terminado.

15
Como nuestro objetivo es encontrar una recta que mejor se ajuste a los datos, deberemos
hacer una Regresión lineal (significa que la curva que quieren ajustar es una recta y por
ende usa cuadrados mínimos), para ello haremos lo siguiente:
Con el Mouse sobre algún punto del gráfico presione el botón derecho. Y elija la opción
Agregar línea de tendencia:

Como queremos ajustar la curva a una recta, elija de solapa Tipo

la opción de regresión lineal. Luego vaya a la solapa Opciones y seleccione las
siguientes opciones.

De esta forma, al seleccionar estas opciones y presionar el botón aceptar, aparecerá

dibujada en su gráfico la recta que mejor ajusta a los datos, con su respectiva ecuación y
el valor del coeficiente de correlación lineal R (elevado al cuadrado). Este número nos
da una idea de cuánto se ajustó la recta propuesta a los datos. Cuanto más cercano sea a
la unidad, tanto más representativa será dicha recta (menor será el error). En una
ventana aparte se indica el valor de la pendiente con su error y el de la ordenada al
origen (que en este caso debe ser cercano a cero).
Una forma más elegante de hacerlo es la siguiente:
En la barra de menú vaya a Herramientas, luego a Complementos, luego seleccione la
opción de Herramientas para análisis, y luego aceptar.

16
De esta forma habilitamos una nueva herramienta. Vuelva a ir a la opción
Herramientas de la barra de menú, luego haga clic en análisis de datos y luego en
regresión para finalmente aceptar. Al hacerlo, le aparecerá la siguiente ventana:

Seleccione los rangos de X e Y de entrada (de la misma forma que ya habíamos hecho
para seleccionar los datos para el gráfico) y la opción para agregar la curva de
regresión ajustada para que se grafique la recta aproximada. Finalmente presione el
botón aceptar.
Cuando lo haga, en una hoja nueva le aparecerá el siguiente cuadro con todo el análisis
estadístico y el gráfico con la recta de regresión lineal deseada:

En esta parte de la tabla, encontrará el

valor de los coeficientes de la recta de
regresión, es decir, su pendiente (19.88)
y su ordenada al origen (0.85) con sus
respectivos errores. Los demás valores
encontrados no nos resultarán útiles
para este análisis.

Estas son algunas de las formas de hacer una aproximación con el comúnmente método
de los cuadrados mínimos, a partir del cual se pueda determinar cuál es la recta que
mejor ajusta con los datos experimentales y minimiza la función suma de las distancias
de los puntos medidos a la recta.

17
¿Cómo se reportan, en el informe, los datos y el trabajo realizado?
Hacer un informe de un trabajo puede llegar a ser un dolor de cabeza. Para evitar las
dificultades más comunes siga las siguientes indicaciones (Cuando tenga más práctica puede
mejorar el estilo según su gusto):
En la primera página (carátula) indique el nombre de la práctica de laboratorio, la fecha de
entrega del trabajo, el número de la comisión con su respectivo horario de clase, apellido y
nombre de cada uno de los integrantes del grupo y el nombre del docente de la clase teórica.
El informe propiamente dicho sepárelo en diferentes secciones cuyos nombres serán:
• INTRODUCCION,
• TEORIA,
• METODOLOGIA,
• RESULTADOS,
• CALCULOS Y GRAFICOS,
• CONCLUSIONES,
• BIBLIOGRAFIA
Los encabezados de sección deberán estar escritos en letra imprenta mayúscula.
En la Introducción indique el o los objetivos de la experiencia, qué se desea evaluar,
qué se quiere medir y cómo se obtiene lo que se desea evaluar a partir de lo que se mide.

Bajo el título Teoría debe constar una suerte de introducción a los conceptos teóricos
utilizados para la realización de esta experiencia e indicar cuáles son las ecuaciones que usa
para evaluar los datos. Usualmente las ecuaciones útiles son muy específicas para el
experimento en cuestión y se obtienen a partir de otras ecuaciones más generales. Debe mostrar
en detalle cuáles son los pasos lógicos que le permiten pasar del la ecuación general a la
particular. Es lo que usualmente -y abusando del lenguaje- se llama “demostrar la fórmula”.
Cada una de las ecuaciones que usa se numeran (ec. 1, ec.2 , etc) para su posterior referencia.
En el apartado Metodología debe asentar cómo se realizan y se disponen los aparatos e
instrumentos para medir (usualmente con la ayuda de dibujos esquemáticos), es decir, se debe
hacer explícito cuáles son los pasos metodológicos que le permitieron realizar el experimento,
cuáles son los métodos específicos empleados para medir cada una de las magnitudes
requeridas, las técnicas empleadas, etc. Cabe aclarar que también se debe incluir la descripción
de los instrumentos de medición presentando la exactitud del mismo.
En Resultados deberá escribir los resultados numéricos que obtuvo (para esto conviene
organizar la presentación de los datos en tablas de fácil interpretación). Los encabezados de las
tablas deberán incluir el nombre de la/s variables, su símbolo y las unidades de medida. Junto a
cada entrada numérica debe estar su incertidumbre respectiva, a menos que un análisis de las

18
incertidumbres por separado clarifique del todo la precisión de las medidas. La tabla o La tabla
o tablas deberán identificarse claramente con un número de tabla y un pie de tabla donde se
indica qué representa cada columna y cada fila.
Bajo el título de Cálculos y Gráficos explique claramente cómo usa los datos medidos
para hacer las evaluaciones que indicó en la introducción y realice los cálculos necesarios.
Deberá hacer una tabla con los resultados de sus cálculos. Generalmente en esta sección se
incluyen los gráficos y también las evaluaciones que se realizan a partir del mismo. Cada
gráfico tiene un pie de gráfico que explica el contenido y el uso del mismo.
En el apartado Conclusiones deberá hacer explícito la relación entre el sistema y el
modelo (comente y discuta), haciendo un resumen comparativo de los resultados obtenidos en la
experiencia (sistema) y los esperados con el modelo teórico (ideal). Deberá dejar en claro la
correspondencia existente entre muestro sistema y el modelo que usamos, si encontró o no
discrepancias, es decir, deberá dejar en claro qué tanto se ajustó el sistema al modelo. De
encontrar discrepancia entre el sistema y el modelo, deberá inferir el origen de la misma.
También deberá incluir las dificultades que halló y como las resolvió.
Finalmente en el apartado Bibliografía deberá incluir toda la bibliografía utilizada para
la realización de este informe.
Recordar que un informe debe ser escrito de manera tal que un estudiante que no hizo la
práctica pueda entenderlo.

19