Profesor Dr. D.

José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

Análisis de las Medidas Experimentales en Laboratorio

1. Introducción
La tarea básica del experimentador consiste en la medida de magnitudes con objeto, tanto de
establecer nuevas leyes, como de comprobar la validez de otras previamente establecidas. El
proceso de medición introduce inevitablemente errores o imprecisiones en los resultados,
debido fundamentalmente a dos factores:
 Imperfecciones del instrumento de medida.
 Limitaciones atribuibles al experimentador.

Los errores del primer tipo son siempre inevitables, dado que no existe ningún instrumento
absolutamente perfecto. Los que se deben a la impericia del observador deben ser eliminados
o reducidos cuanto sea posible.

Del nivel de imprecisión presente en una medición pueden muchas veces deducirse diferentes
resultados en un experimento. Por ello, tan importante como el valor medido es dar una
estimación del error cometido en su obtención. Este capítulo se dedica fundamentalmente a
sugerir técnicas para llevar a cabo esta asignación. Todas ellas persiguen dos objetivos:
a) Estimar razonablemente los errores que no se pueden evitar.
b) Reducir en lo posible la influencia de los errores accidentales.

2. Estimación de errores
Una asignación razonable de errores a las magnitudes medidas depende de numerosos
factores que no se pueden especificar aquí en detalle. Sin embargo, como norma general,
dependerá de si las mediciones se efectúan directamente o si se obtienen tras la aplicación de
relaciones matemáticas entre otros valores previamente medidos (medidas indirectas).

2.1. Error de una Medida Directa

Si se mide directamente una magnitud mediante un instrumento de medida (una regla, un
cronómetro, una balanza, etc.) se dará el resultado en la forma:
M 0  0 .

1
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

Significa que el valor de la magnitud se supone comprendido entre M 0   0 y M 0   0 , con

un cierto nivel de confianza.

M 0 es el valor que proporciona dicho instrumento y  0 la sensibilidad del mismo, esto es, el

menor intervalo discernible en su escala. Por ejemplo, la sensibilidad de una regla graduada
en milímetros es 10-3 m.

Esa norma general debe ser aplicada con cautela. A menudo las características del
experimento introducen claramente imprecisiones superiores a la sensibilidad de los
instrumentos de medida. En tales casos no existen estrategias generales de asignación de
errores, por lo que es el propio experimentador quien debe hacer estimaciones razonables de
los errores cometidos.

Algunos ejemplos útiles de ello son:

1. Cuando se miden tiempos con un cronómetro con sensibilidad 0.01 s, la limitación
principal no es la precisión del instrumento de medida, sino los errores de sincronización
propios del experimentador en los instantes en que se accionan los pulsadores. Estos se
cifran en no menos de 0.2 s, y es éste el error que se debe asignar a las mediciones de este
tipo.
2. Sin embargo, al medir masas con una balanza con sensibilidad 0.001 kg, se debe dar
como error el valor de dicha sensibilidad.

2.2. Error de una Muestra de Medidas

El mejor modo de minimizar los errores accidentales en la determinación de una magnitud
física, M, consiste en repetir su medición varias veces, y dar por bueno el promedio de las
mismas. Por ejemplo, si se dispone de n medidas de dicha magnitud física, M 1 , M 2 , , M n  ,

el valor más probable de la citada magnitud física, M, es el promedio de las n medidas

realizadas:
M1  M 2    M n
M  .
n

Acerca de la incertidumbre que debe acompañar al promedio existen diversas opciones:

2
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

1. Calcular directamente el estadístico Desviación Estándar, ε:


M 1  M   M 2  M     M n  M 
2 2

.
2

(n  1)

Su significado es tal que el valor verdadero de la magnitud física, M, tiene una

probabilidad del 68% de estar en el intervalo definido por M    .
Ante todo, estamos interesados en saber lo alejado que está el valor medio, M , del
valor verdadero, M:

M  M    .

Aunque puede ser que no sepamos cuál es dicho valor verdadero, M.

2. Mediante la utilización de diversas herramientas de cálculo (EXCEL, calculadoras,

otros) puede obtenerse dicho estadístico: ε→ DESVEST(...),  n 1 ,otros.

Para obtener un mejor resultado experimental es necesario tener en cuenta ciertas

apreciaciones:
 El número de medidas experimentales, n, habrá de ser mayor cuanto más dispersos estén
los resultados de las mismas.
 Si alguna de las medidas se aleja claramente de la tónica general de las demás, ello ha de
atribuirse a alguna incorrección en la medición correspondiente, y se prescindirá de ella.

3. Presentación de resultados
En general, cada vez que el resultado de una magnitud física se exprese finalmente de la
forma: M   , deben seguirse las siguientes normas en cuanto a las Cifras Significativas (ver
ANEXO I):

1. Sobreestimar  cuando la segunda cifra significativa es mayor o igual a 2 (p.e., 0.032 →

0.04 ó 23 → 30), y se trunca cuando esa segunda cifra es 0 ó 1 (p.e., 0.030 → 0.03 ó 21
→ 20). Se permiten dos cifras significativas diferentes de cero si la primera es un ‘1’
(p.e., 0.0132 → 0.014 ó 154 → 160). Recuérdese que los ceros a la izquierda no son
cifras significativas.

3
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

2. Redondear M al mismo orden de magnitud que indica la cifra sobrestimada o truncada

en  (p.e., 4.215  0.014 ó 220  20).

Estas normas tienen por objeto suprimir un número de cifras no significativas en posiciones
decimales, unidades, decenas, etc.. Resulta incongruente, por ejemplo, pretender dar la
distancia entre dos poblaciones con una precisión de “centímetro” cuando se ha efectuado la
medición con el cuenta-“kilómetros” de un automóvil.

Veamos algunos ejemplos del procedimiento de adecuación del número de cifras

significativas teniendo en cuenta el valor del error o incertidumbre:
346  27  350  30
815  14  815  14
0.203  0.022  0.20  0.03
3.417  0.38  3.4  0.4

EJEMPLO: En cinco ensayos de medición de una fuerza se han obtenido los siguientes
valores:
28.0,
32.1, 27.6, 28.4, 28.3 N
Desechamos el segundo valor, 32.1, por ser muy diferente de los otros.
El promedio es:
M  28.075 N ,
La Desviación Estándar según EXCEL es:
  0.3594 N .
Luego, el intervalo con un nivel de confianza del 68% es:
M  28.075  0.3594  N .
Sin embargo, el número de cifras significativas de la incertidumbre,   0.3594 N  0.4 N ,
determinará el número de cifras significativas adecuadas del valor promedio:
M  28.1  0.4  N .

Las magnitudes estadísticas mencionadas hasta ahora (promedios, errores, etc.) pueden
obtenerse a través de diverso software como, por ejemplo, EXCEL. (ver ANEXO II)

4
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

4. Análisis de Medidas Experimentales mediante Gráficos

Un gráfico es el mejor modo de visualizar e interpretar rápida y efectivamente el resultado de
un experimento. Por ello es importante prestar especial atención a su correcta elaboración.
Aparte de las indicaciones que se den específicamente en cada práctica se seguirá una serie de
criterios generales:
 Las medidas experimentales correspondientes a la variable independiente, “x”, se
emplazarán sobre el eje de abscisas, X, y las correspondientes a la variable
dependiente, “y”, sobre el eje de ordenadas, Y.
 En la etiqueta de cada eje, debe figurar el símbolo de la magnitud física representada,
junto con las unidades en que se dan las mediciones. Por ejemplo, F (N).
 Observaciones sobre la división de las escalas en ambos ejes:
° La amplitud de las escalas puede diferir de un eje al otro.
° El número de divisiones no debe ser excesivo.
° Los límites de las escalas se eligen tal que sólo las porciones de interés del
experimento aparezcan en el gráfico:
- Por tanto, los puntos o curvas no deben quedar confinados en un área
pequeña del gráfico.
- Ni siquiera es obligatorio que el punto (0,0) forme parte del mismo.
 Los puntos experimentales se representarán mediante pequeñas cruces, círculos,
triángulos, etc., para que sean bien visibles. Nunca se deben escribir sus
coordenadas en el gráfico, pues esa es misión de las tablas. Tampoco se deben
dibujar líneas de proyección o de unión de los puntos sobre los gráficos.
 En ocasiones, se podrá incluir en un mismo gráfico los resultados de varios
experimentos relacionados entre sí (“Series” en EXCEL):
° En ese caso, se procurará diferenciar cada serie de medidas experimentales.
° Para ello, se cambiará el tipo de símbolo, su color o ambos.
 También es importante escribir un título en el gráfico que explique concisamente lo
que se ha representado.
 Finalmente, cuando se calcule la función a la que mejor se ajustan el conjunto de
puntos de una serie de medidas experimentales mediante el Método Mínimos
Cuadrados, se representará la recta resultante del cálculo junto con su ecuación y el
coeficiente de correlación.

5
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

5. Cálculo de rectas mediante el Método Mínimos Cuadrados

Existen numerosas leyes físicas en las que se sabe de antemano que dos magnitudes “x” e “y”
se relacionan a través de una ecuación lineal:
y  ax  b .
Donde las constantes “a” (pendiente) y “b” (ordenada en el origen) dependen del tipo de
sistema que se estudia y, a menudo, son parámetros que pueden contener magnitudes físicas
de interés.

Por ejemplo, la Ley de Hooke establece que la fuerza F de reacción de un muelle (o resorte)
a una variación de su longitud natural, Δl = (l – l0), es:
 
F   k ·l .
Como puede observarse es una relación lineal, donde puede considerarse F como la variable
dependiente, “y”, Δl la variable independiente, “x”, –k la pendiente, “a”, y cero la ordenada
en el origen, “b”.

Por otra parte, esa misma Ley podría expresarse de una manera alternativa:
 1 
l  · F .
k
También es una relación lineal, pero ahora se considera |Δl| como la variable dependiente,
“y”, |F| la variable independiente, “x”, 1/k la pendiente, “a”, y de nuevo cero la ordenada en
el origen, “b”.

El método más efectivo para determinar los parámetros “a” y “b” se conoce como Método de
los Mínimos Cuadrados. Consiste en someter el sistema experimental a diferentes
condiciones, fijando para ello distintos valores de la variable independiente “x”, anotando en
cada caso el correspondiente valor medido para la variable dependiente “y”. De este modo, se
dispone de una serie de puntos experimentales,  X 1 , Y1 , ,  X n , Yn  , que, representados
gráficamente, deberían distribuirse de forma lineal. No obstante, los errores experimentales
hacen que no se hallen perfectamente alineados. Sin detallar el procedimiento matemático
(ver ANEXO III), se indican aquí el resultado de los citados parámetros, “a” y “b”:

6
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

 n   n  n 
n  X iYi     X i   Yi 
a   i 1   i 1  i 1 
2 .
 n
  n

n  X i2     X i 
 i 1   i 1 

 n 2  n   n  n 
  X i   Yi     X i   X iYi 
b   i 1  i 1   i 1  i 1
2

,
 n
2 
n

n  X i     X i 
 i 1   i 1 
Donde n es el número de puntos experimentales,  X 1 , Y1 , ,  X n , Yn  .

Por otra parte, se define el llamado coeficiente de correlación R 2 :

2
  n   n  n 
  i i
n X Y     i   Yi 
X
  i 1   i 1  i 1 
R 
2
.
  n 2  n    n 2   n  
2 2

n  X i     X i   n  Yi     Yi  
  i 1   i 1     i 1   i 1  

Su valor oscila entre 0 y 1. Cuanto más próximo esté a 1 tanto mayor será la cercanía de los
puntos experimentales a la función lineal ( y  ax  b ) calculada a partir de ellos.

Los parámetros, “a” y “b”, así como el coeficiente de correlación, R2, pueden obtenerse a
través de diverso software como, por ejemplo, EXCEL. (ver ANEXO II)

En resumen, de cada proceso de medida, el experimentador debe analizar los resultados

(gráfico, coeficiente de correlación, etc.), a fin de emitir un juicio razonable acerca de la
calidad y, por tanto, fiabilidad de la distribución de puntos experimentales.

Muy Importante para el Experimentador

a) Anotar la sensibilidad del instrumento de medida.
b) Anotar o corregir el Error de Cero del mismo, si no está correctamente calibrado.
c) Evitar errores sistemáticos. Para ello es esencial ser cuidadoso en el montaje de la
práctica y durante el proceso de medida.
d) Evitar errores espurios. Valores que se apartan de la tónica general de una distribución
de medidas, M 1 , M 2 ,, M n  . O mediante apreciación visual en la representación

gráfica de puntos que se apartan del comportamiento esperado (lineal, etc.).

7
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

ANEXO I

8
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

SIGNIFICADO DE “CIFRAS SIGNIFICATIVAS”

Son cifras significativas (c.s.) todos aquellos dígitos que pueden leerse directamente en un
aparato de medida, tienen significado real o aportan alguna información.

Cuando se realizan ciertos cálculos, las cifras significativas de los resultados se deben
expresar de acuerdo a la incertidumbre del instrumento de medida con menor sensibilidad.

SITUACIONES PARTICULARES

Cuando las cifras no tienen sentido

La masa 2.04763 kg medida en una balanza con sensibilidad de 0.0001 kg, tiene cinco cifras
significativas: 2, 0, 4, 7 y 6. El “3” no puede leerse en esta balanza y, por consiguiente, no
tiene sentido indicarlo.

El punto decimal
Cuando medimos 3.714 m = 37.14 dm = 371.4 cm = 3714 mm, en todos los casos hay 4 cifras
significativas. Este número de cifras significativas es independiente de la posición del punto
decimal.

REGLAS

Números diferentes de cero como cifras significativas

Cualquier dígito distinto de cero es significativo. Ejemplos:
351 mm tiene 3 cifras significativas.
1124 g tiene 4 cifras significativas.

El cero, considerado o NO, como cifra significativa

 Los ceros utilizados para posicionar la coma antes de números diferentes de él NO son
cifras significativas. Ejemplos:

9
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

0.00593, tiene 3 cifras significativas (en notación científica, = 5.93·10-3).

3.714 m = 0.003714 km = 3.714·10-3 km, tiene 4 cifras significativas. La segunda
igualdad que conduce a la notación científica
pone de manifiesto cuál es el número de c.s..
 Los ceros situados entre dígitos distintos de cero son significativos. Ejemplos:
301 mm tiene 3 cifras significativas.
1004 g tiene 4 cifras significativas.
 Si un número es mayor que la unidad, todos los ceros escritos a la derecha de la coma
decimal cuentan como cifras significativas. Ejemplos:
3.501 m tiene 4 cifras significativas.
9.050 g tiene 4 cifras significativas.
 Para números sin punto decimal, los ceros ubicados después del último dígito distinto de
cero pueden ser o no cifras significativas. Ejemplos:
Así 23000 cm puede tener:
2 cifras significativas, 2.3·104,
3 cifras significativas, 2.30·104, ó
4 cifras significativas, 2.300·104.
Sería mejor indicar la incertidumbre, por ejemplo, como: 23000 ± 1 (5 cifras
significativas), para fijar el número de cifras significativas de la medida.

REDONDEO EN NÚMEROS

Cuando se manejan números racionales (p.e., 10/3, 1/6, etc.) ó irracionales (p.e., los números
π ó e), se podría considerar un sinfín de cifras decimales. En estos casos, el redondeo se
efectúa usando los siguientes criterios:

a) Si el dígito que sigue a la derecha de la última cifra significativa es menor que cinco,
simplemente se suprime éste y todos los demás que le siga. Por ejemplo, si se trata de
redondear a décimas:
7.83 (3 c.s.) y redondeado, queda como sigue: 7.8 (2 c.s.).
12.5438 (6 c.s.) y redondeado, queda como sigue: 12.5 (3 c.s.).

b) Si lo que sigue a la derecha de la última cifra significativa es mayor que cinco, la última

10
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

cifra significativa crece una unidad. Por ejemplo, si se trata de redondear a milésimas:
3.4857 (5 c.s.) y redondeado, queda como sigue: 3.485 (4 c.s.).
6.1997 (5 c.s.) y redondeado, queda como sigue: 6.200 (4 c.s.).

c) Si la cifra que sigue a la que se quiere redondear es precisamente cinco, la cifra redondeada
sube una unidad si es impar, y se conserva suprimiendo el cinco si es par. Por ejemplo, si
la última cifra significativa es la de las centésimas.
1.485 (4 c.s.) y redondeado, queda como sigue: 1.48 (3 c.s.).
45.335 (5 c.s.) y redondeado, queda como sigue: 45.34 (4 c.s.).

OPERACIONES CON CIFRAS SIGNIFICATIVAS

En la práctica experimental, es habitual realizar operaciones aritméticas con mediciones de

diferente número de cifras significativas. En estos casos, los resultados se deben expresar de
acuerdo a la incertidumbre del instrumento de medida con menor sensibilidad, es decir,
respecto a aquel que da la medida con menor precisión.

Suma y resta con cifras significativas

El resultado se expresa con el menor número de cifras decimales (c.d.). Si se quieren sumar
una medida con milésimas a otras dos con centésimas y décimas, el resultado deberá
expresarse en décimas. Por ejemplo:
26.03
+ 1.485
+ 0.9 Menor número de cifras decimales (1 c.d.).
+28.415
56.830
El resultado redondeado es: 56.8 (1 c.d.)

Multiplicación y división con cifras significativas

Si se tiene un producto entre valores con diferentes cifras significativas, el resultado
redondeado obedecerá a aquel que tenga el menor número de cifras significativas:
32.5054
 2.20 Menor número de cifras significativas (3 c.s.).

11
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

71.51188
El resultado redondeado es: 71.5 (3 c.s.)

Si se tiene un cociente entre valores con diferentes cifras significativas, el resultado

redondeado obedecerá a aquel que tenga el menor número de cifras significativas:
4.580
 0.372 Menor número de cifras significativas (3 c.s.).
12.311828
El resultado redondeado es: 12.3 (3 c.s.)

12
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

ANEXO II

13
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

Análisis de las medidas experimentales con EXCEL

 El análisis de las medidas experimentales obtenidas en el desarrollo de cada práctica, se

realizará mediante el software EXCEL dentro de cada guión de prácticas.

 Cada guión contiene uno o más Libros EXCEL incrustados a los cuales puede accederse
haciendo un doble “clic” sobre ellos.

 Se introducirán los datos experimentales y se realizarán TODOS los cálculos y

visualizaciones gráficas dentro del Libro EXCEL. NO se utilizará calculadora salvo casos
excepcionales.

Para evitar sorpresas desagradables por un posible colapso informático, un

duplicado de dichos datos experimentales debe anotarse en la correspondiente
libreta de laboratorio. No debe olvidarse indicar las magnitudes físicas y sus
unidades (SI).

 Si algún alumno lo necesitara, se dispone de un TUTORIAL EXCEL en el Aula Virtual o

puede consultar con el profesor. Las funciones que más habitualmente se utilizarán son:
o PROMEDIO(...). Para calcular el valor medio o más probable de una muestra
de medidas experimentales.

o DESVEST(...). Para calcular el estadístico Desviación Estándar (ε). En

versiones actuales de Office, esta función pretende sustituirse por
DESVEST.M(...).
o RAIZ(...). Función raíz cuadrada.
o SENO(...), COS(...), TAN(...), ASENO(...), etc. Funciones trigonométricas que
utilizan los ángulos en radianes. Debe tenerse en cuenta que EXCEL trabaja
en radianes.
o ABS(...). Función valor absoluto.

14
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

o RADIANES(...) y GRADOS(...). Funciones que convierten el valor de un

ángulo, α, de grados (º) a radianes (rad) y viceversa. Debe tenerse en cuenta

que EXCEL trabaja en radianes.
o OTRAS que puedan irse necesitando.

 Las visualizaciones gráficas formarán parte del correspondiente Libro EXCEL incrustado
como “Hoja aparte” a la que contiene los datos visualizados en dicho gráfico. Se utilizará el
Menú (Insertar > Gráficos...) y se seguirán las siguientes instrucciones en la versión Office
2016 (para el resto de versiones consultar al profesor):
o Paso 1 (de 4):
 Rango de datos: Series en Columnas, por lo que los datos origen deben
distribuirse en columnas (salvo que el profesor indique en Filas y, por
tanto, la elección sea Series en Filas).
 Serie: Comprobar que el origen de los datos de cada serie es el
correcto.
o Paso 2 (de 4): XY (Dispersión): SÓLO PUNTOS.
o Paso 3 (de 4):
 Ejes: Seleccionar.
 Títulos: Seleccionar los de Ejes y Gráfico. Título del gráfico (p.e.,
MRU: v(t)), Eje de valores X (p.e., t (s)), Eje de valores Y (p.e., v
(m/s)).
 Etiquetas de datos: NO seleccionar nada.
 Barras de error: NO seleccionar nada.
 Líneas de la cuadrícula: NO seleccionar ninguna.
 Leyenda: NO seleccionar nada.
 Línea de tendencia: Seleccionar. Elegir la función adecuada. NO
OLVIDAR seleccionar también “Presentar ecuación” y “Presentar R2”.
o Paso 4 (de 4): Clica en la esquina superior derecha del Gráfico con el “Botón
Derecho del Ratón”, elige de la ventana de diálogo la opción “Mover gráfico”
y Selecciona “Hoja nueva”: añade el mismo Título de gráfico arriba indicado.
 NOTA sobre “Agregar Línea de Tendencia”: Para calcular y visualizar la función que
mejor se ajusta a la distribución de puntos experimentales del gráfico, puede también

15
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

realizarse haciendo “clic” sobre uno de una serie de puntos, se selecciona en el Menú la
opción “Gráfico > Agregar línea de tendencia...” y se siguen los siguientes pasos:
o Paso 1 (de 1):
 Tipo: Se elige el tipo de función que debería obedecer la distribución
de puntos experimentales.
 Opciones: Selecciona las opciones: Automática, Presentar ecuación en
el gráfico y Presentar el valor R cuadrado en el gráfico.
 Los resultados numéricos obtenidos de los cálculos en la Hoja EXCEL y en las
visualizaciones gráficas (ecuaciones de ajuste y R2), así como las comparativas entre
diferentes resultados de una misma magnitud física, se expondrán de forma breve y razonada
a continuación de los indicadores de su valoración.

El texto se escribirá en color ROJO y las ecuaciones (“Microsoft Editor de

Ecuaciones” de Word) se recuadrarán con ese mismo color.

 Para comparar 2 resultados (m1 y m2) de una misma magnitud física, se utilizará el tanto
por ciento de la diferencia (%DIF) entre ambos resultados:
o %DIF = (ABS(m1 - m2)/PROMEDIO(m1 ; m2))*100. Cuando ambos resultados
obtenidos por nosotros tienen la misma o parecida fiabilidad.
o %DIF = (ABS(m1 - m2)/m1)*100. Cuando m1 es una referencia externa con alta
fiabilidad (p.e., el módulo de la aceleración de la gravedad en las proximidades
de la superficie terrestre, g = 9.8 m/s2) y m2 es nuestro resultado.

16
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

ANEXO III

17
Profesor Dr. D. José Daniel Sierra Murillo Análisis de las Medidas Experimentales en Laboratorio

18