1

AJUSTE DE OBSERVACIONES

TEORÍA DE ERRORES Y PROPAGACIÓN DE ERRORES

Revisión marzo 2023

René Zepeda Godoy

Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023
 2

CONTENIDO

1- TEORÍA DE ERRORES ................................................................................................................................. 3

2- DISTRIBUCIÓN NORMAL ........................................................................................................................... 5
3- PROPAGACIÓN DE ERRORES..................................................................................................................... 9
4- PESO DE LAS OBSERVACIONES ............................................................................................................... 12

Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023
 3

1- TEORÍA DE ERRORES

En el proceso de medición de toda cantidad física, factores como: limitación humana, imperfección de
instrumentos e inestabilidad natural, hacen que las mediciones sean afectadas de errores. Los errores se
pueden clasificar en:

▪ Falta. Debido a error grosero, proveniente de falta de cuidado o confusión. Las faltas generalmente no
son clasificadas como error y ellos solo pueden removerse con cuidadoso chequeo de los “datos”, aislando
el error grosero. Ejemplo: lectura o anotación equivocada de las unidades en una medición.
▪ Error sistemático. Es un error que puede ser expresado por una función matemática; afecta la medición
en “casi” la misma magnitud (tendencioso) y tiene una fuente específica. Ejemplo: error de índice (de cero)
en el ángulo vertical; temperatura no calibrada para una corrección; cambio de prisma en un
distanciómetro.
▪ Error aleatorio o accidental: después de removidos las dos clases anteriores de errores, quedan errores
(generalmente pequeños) de signos positivo y negativo, que pueden ser tratados de acuerdo a las leyes de
la estadística, obedecen la teoría de probabilidad y la distribución normal (gaussiana). Ejemplo: errores de
apreciación en lecturas.

PRECISIÓN Y EXACTITUD
Debido a los errores, repetidas mediciones de una misma magnitud tienen diferentes valores y las
discrepancias entre ellas son pequeñas. Entonces la tendencia es dar más credibilidad al valor obtenido del
mayor número de mediciones, es decir, con más precisión.

PRECISIÓN. Es el grado de consistencia, dispersión o refinamiento de un conjunto de mediciones (muestra);

es basado en la magnitud de las discrepancias entre los valores medidos. Es referida al valor más probable.
Está asociada a errores aleatorios.

EXACTITUD es el grado de acercamiento a un valor absoluto que representa el valor verdadero (o norma) que,
siendo verdadero es desconocido. Está afectada por errores sistemáticos.

Definiciones

▪ Cantidad Medida: valor observado directamente que contiene errores aleatorios.

▪ Valor Verdadero: valor teórico o exacto (desconocido).

Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023
 4

▪ Error: diferencia entre la cantidad medida y el valor verdadero.

 = ( xi − x v )
▪ Valor Más Probable-EMP: valor de una cantidad medida que, basada en las observaciones, tiene la más
alta probabilidad. El EMP es obtenido, directamente de varias mediciones independientes, por su media
aritmética.
▪ Residuo: diferencia entre la cantidad medida y su valor más probable; este es el valor que se trata en el
ajuste de observaciones. Este término es frecuentemente usado como sinónimo de error.
v i = (x i − )

▪ Grados de Libertad: Es el número de mediciones en exceso, o sea, es el número observaciones menos el

número de incógnitas, es el número de observaciones redundantes; hace posible el ajuste por mínimos
cuadrados.
▪
▪ Varianza de la población. (p2) Expresa la precisión de un grupo de observaciones; es la media del
cuadrado de los errores.
∑ e2
𝜎𝑝2 =
𝑛

• La varianza de la muestra es dada por:

∑ v2
𝜎2 =
𝑛−1

▪ Desviación Estándar: () Raíz de la varianza de la muestra;

∑ v2
𝜎=√
𝑛−1

n-1: grados de libertad

Se concluye que si n → 2 = p2

Las mediciones en general son tratadas en la siguiente secuencia:

▪ Detección y remoción de errores groseros o equivocaciones, esta fase, aunque en la práctica la
eliminación se realiza de manera intuitiva, existen técnicas de detección de errores groseros las que
se tratarán más adelante.
▪ Identificación y remoción de errores sistemáticos, en esta fase se aplican funciones (fórmulas) que
modelan a la fuente de error en valores tendenciosos presentes en las mediciones, esto puede ser
realizado en los propios equipos, programas o en gabinete.
▪ Cálculo del valor más probable de las mediciones, en esta fase se asume que las mediciones están
afectadas solo por errores accidentales; cualquier presencia de equivocaciones afectará la precisión
del resultado final; la presencia de errores sistemáticos, aunque no afectan la precisión, el resultado
no será representativo de la “realidad” de la medición.
Error Medio Cuadrático (RMS). Similar a la desviación estándar, representa la dispersión respecto a un
valor exacto (y) o establecido como exacto. Para una muestra sin efectos sistemáticos, el RMS tiende a ser
equivalente en valor a la desviación estándar.
Σ(xi -x̅)(yi-y̅)
RMS= √ n

Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023
 5

2- DISTRIBUCIÓN NORMAL

El ajuste de observaciones trata solo de errores aleatorios, o accidentales, admitiendo que los errores
sistemáticos han sido removidos.
Probabilidad es la razón entre el número de veces que un evento puede ocurrir respecto del número total
de posibilidades

y = f(x) representa la función de probabilidad (por unidad de intervalo de unidad medida) de obtener un
determinado valor de esa medida, siendo que la probabilidad es el área total bajo la curva:
+
p= 
− f(x) dx = 1

La ecuación de la curva de distribución normal es:

 − ( x −x )2 
1  
y = f (x) = e 2 2 

 2
y: probabilidad de ocurrencia del error entre x y dx
e: base de logaritmo natural
: desviación estándar

Histograma: es la representación gráfica de la distribución por intervalos de un grupo de mediciones o de un

grupo de residuos. Es un gráfico de barra de frecuencias.

El área total bajo el gráfico continuo de la función de probabilidad, representa la totalidad teórica de los
valores de una muestra, es decir el 100%.
La curva presenta 2 puntos de inflexión, el área entre estos límites es el 68% del área bajo la curva, es decir,
68% probabilidad de ocurrencia entre esos valores de X. A esta probabilidad se denomina “nivel o intervalo de
confianza”.

Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023
 6

▪ La curva normal es centrada en la media (𝑥̅ )

▪ Si a cada xi se reduce (normaliza) a la media, en el eje x se representan los residuos “v”
𝜐 = (𝑥𝑖 − 𝑥̅ )
▪ El punto de inflexión de la curva se presenta en 𝑥 = ±𝜎
▪ El área bajo la curva representa la probabilidad que un valor esté entre un intervalo específico, indica
“confianza” dentro del total de la muestra
La tabla indica la probabilidad (confianza) teórica respecto a valores de desviación estándar.

Nivel de confianza Sigmas

50 % 0,67 
68,3 % 1
90 % 1,65 
95,5 % 2
99 % 2,6 
99,73 % 3
99,99 % 4

Ilustración de precisión y exactitud.

Sean los resultados de 4 mediciones, expresadas por las gráficas siguientes, clasificar las mediciones según
precisión y exactitud.

Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023
 7

Ejemplos prácticos de uso de niveles de confianza en normas y especificaciones topográficas.

a. En las normas topográficas y geodésicas del Manual de Carreteras para la aceptación de productos
altimétricos (curvas de nivel), se exige que el 90% (1,65) debe cumplir con la tolerancia.

b. Fabricantes de Estaciones Totales en sus catálogos expresan la precisión de las mediciones

instrumentales al 68% (1) de confianza, ello obedeciendo las normas ISO 17123-4 y DIN 18723.

c. Detección de faltas o equivocaciones. Una técnica utilizada para detección de equivocaciones es

asignar un nivel de probabilidad de ocurrencia de este tipo de errores, normalmente en 5%, ello
quiere decir que en una muestra normal se desechan mediciones cuyo residuo (en valor absoluto)
esté fuera del intervalo del 95% de confianza, es decir mayor a 2.
Ejemplo, sea un operador de una estación total, midiendo 32 veces un ángulo horizontal desde una
instalación a los mismos calajes, las mediciones son:

ángulo (g) ángulo (g)

1 156,9190 17 156,8986
2 156,9332 18 156,9329
3 156,9416 19 156,9307
4 156,9213 20 156,9325
5 156,9413 21 156,9197
6 156,9272 22 156,9193
7 156,9290 23 156,9294
8 156,9189 24 156,9189
9 156,9303 25 156,9312
10 156,9426 26 156,9328
11 156,9314 27 156,9468
12 156,9287 28 156,9281
13 156,9069 29 156,9413
14 156,9411 30 156,9424
15 156,9194 31 156,9290
16 156,9434 32 156,9392

El promedio de las 32 mediciones:

𝑥̅ = 156,9296 𝑔
Desviación estándar:
𝜎 = ±0,0109 𝑔
Análisis

Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023
 8

▪ La desviación estándar es producto de una raíz cuadrada, consecuentemente puede ser positiva
o negativa, que es la naturaleza de los errores accidentales.
▪ El resultado indica que el ángulo puede variar en el 68% de probabilidad (ocurrencia), para el
ejemplo entre:
𝑥̅ = 156,9296 𝑔 −0,0109 𝑔 = 156,9187 𝑔
𝑥̅ = 156,9296 𝑔 +0,0109 𝑔 = 156,9405 𝑔
▪ Las cifras significativas de la desviación estándar establecen el número de cifras significativas
apropiado para la presentación del resultado de un conjunto de mediciones (muestra)
▪ Un resultado con mayor número de cifras decimales no lo hace más preciso
▪ Para el ejemplo, si se aumenta el intervalo de confianza, a 2𝜎, se espera que aproximadamente
el 95% de la muestra esté contenida entre
2𝜎 = ±0,0218 𝑔
▪ El valor de 2𝜎 deja un 5% de probabilidad que un valor está fuera del intervalo de confianza, o del
mismo modo, 5% de probabilidad que ocurra una equivocación (falta), esto es utilizado
usualmente como herramienta para detectar equivocaciones dentro de un conjunto de
mediciones “normales”
▪ Los intervalos de confianza también son aplicados como norma en el control de calidad e
inspección de trabajos, donde se verifica el cumplimiento de tolerancias al 90% o 95% de
confianza, es decir, el 90% o 95% de la información debe estar en tolerancia
Queda a cargo del estudiante el ejercicio de detección de faltas.

Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023
 9

3- PROPAGACIÓN DE ERRORES

En toda operación matemática, si los elementos que ingresan en esa operación contienen errores, el
resultado contendrá errores, es decir, los errores se propagan al resultado.
Los valores calculados a partir de mediciones, por ejemplo, cálculo de coordenadas a partir de distancia y
azimut, los cuales estos últimos están sujetos a errores accidentales, llevan a que las operaciones matemáticas
con valores inciertos, dan resultados también inciertos, por ese motivo es importante estimar el error
resultante a partir de los errores iniciales.
Si se presupone que el error (o variación) de la función es relativamente pequeño, este se considera un
valor “diferencial”, se puede reemplazar la curva de la función por una recta tangente a la curva. La relación
entre el error del lado (x) y el error del área (y) es representada por la pendiente de la curva en el punto de
interés, es decir, la derivada de la función.

𝑑𝑦
𝑦 = 𝑥2 → 𝑑𝑥
= 2𝑥 → 𝑑𝑦 = 2𝑥 𝑑𝑥

error superficie = lado · 2 · error lado

Por ejemplo, en el cálculo del área de un terreno rectangular de lados iguales de 80m con un error de
±0.4m en cada lado, el área será 6400m2. Siendo la superficie función del lado, si el error del lado de ±0.4m,
el error de la superficie será ±64m2.

Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023
 10

OBSERVACIONES NO CORRELACIONADAS (INDEPENDIENTES)

Si las observaciones (mediciones) “x” son no correlacionadas, es decir, estadísticamente independientes,

sus covarianzas son todas cero (elementos fuera de la diagonal). De ese modo la ecuación queda:

Σz = A Σx AT en que

∑x : es la matriz de covarianzas de las mediciones

A : es la matriz de coeficientes, denominada matriz Jacobiana, de derivadas parciales

 z1 z1 z1   z1 z 2 zm 

 x1 ...... ......
xn   x1 ... 0   x1 x1 
2
x 2 0 x1
 z 2 z 2 z 2   0  zm 
 2x 2 ... 0   z1 z 2
 Z =  x1
2
x 2

xn · ... · 
 ... ... ...   x..2 x 2 x 2 
 .. .. ...... ...    .. ...... ... 
 zm zm
...
zm   0 ... 0  2xn   z1 z 2
...
zm 
 x1 x 2 xn   xn xn xn 

Puede ser rescrita y resulta la expresión para la ley especial de propagación de varianzas, o LEY DE
PROPAGACIÓN DE ERRORES DE MEDICIONES INDEPENDIENTES, es para una función
𝑧 = 𝑓(𝑥1, 𝑥2, 𝑥3, … )

∂z 2 2 ∂z 2 2 ∂z 2 2
σ2Z = ( ) σx1 + ( ) σx2 + ( ) σx3 + ⋯
∂x1 ∂x2 ∂x3

En que:
z es la variable dependiente en función de x1, x2, x3, …
x1, x2, x3, … son variables independientes que permiten calcular z
2
𝜎𝑥i es la varianza (o error) de cada xi
𝜎𝑧2 es la varianza resultante (o error) al aplicar la función

PROPAGACIÓN DE ERRORES EN OPERADORES

ERROR DE LA SUMA:

Sea: A = B1 + B2 + Bn, con Bi observaciones independientes, cada una con errores i

A = (1· B1 )2 + (1· B2 )2 + ..... + (1· Bn )2
A =  2B1 +  2B 2 + ... 2Bn

si los errores son iguales:

A = n  B

Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023
 11

ERROR DE LA MEDIA:

Sea: z =
 zi =
z1 + z 2 + ... + zn
=
z1 z 2
+ + ... +
zn
n n n n n
Sea “” el error de cada medición,
     
2
 
2 2 2

 z =  z1  +  z 2  +  z 3  + .... zn 
2

 n   n   n   n 

por tratarse de mediciones de igual precisión: 1 =  = .... = n

 2
2

z = n  = → z =
2

n n n

El error medio de la media se obtiene del error medio de una observación divido por la raíz del número de
observaciones. Por ejemplo, es necesario hacer 4 observaciones para reducir el error a la mitad y 100 veces
para reducirlo a 0,1 del original.

EJEMPLO ILUSTRATIVO

Ejemplo: nivelación trigonométrica topográfica

Sean los siguientes datos de terreno con sus precisiones asociadas, estimar el error del desnivel H

H=Di*cosZ+hi-hj

Di = 425.000 m ±0.080 m
Z (g)= 110.0000 g ±0.0030 g
hi = 1.400 m ±0.010 m
hj = 1.800 m ±0.010 m

2
 H  2  H  2  H  2  H  2
2 2 2

 H =    Di +    z +   hi +    hj
 Di   z   hi   hj 

H
= cos z
Di
H
= − Di  senz
z
H
= 1
hi
H
= −1
hj

 Dh = cos z 2 (0,080) 2 + (Di  −senz ) 0.0000471 2 + (0.01) 2 + (−0.01) 2

2

 Dh = − 0.0125 2 + (− 0.0198 ) + (0.01) 2 + (−0.01) 2

2

 Dh = 0.027 m

Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023
 12

¿
4- PESO DE LAS OBSERVACIONES

Usualmente los datos son medidos con diferentes grados de precisión, asociándoles diferentes confianzas
o pesos.
Peso es la ponderación relativa entre valores observados de la misma clase, cuando es comparado con otro
valor; el peso estima o expresa la relativa confiabilidad de una observación.

1
Peso (p) se define como inversamente proporcional a su varianza (2) p∝ σ2

Su valor al depender de las unidades del inverso de su varianza, se reduce por un escalar de varianza,
denominado “varianza a priori” (o2), en principio de valor 1, de esa forma el valor de peso es adimensional.

De esa manera la matriz de pesos P es:

P = σ2o Σx −1
Para observaciones no correlacionadas, las covarianzas son cero, por lo tanto la matriz  es diagonal:
 o 
 2 0 ... 0 
 x1 
 o
P= 0 ... 0  =  o  −1 …………….. p i  1 (proporcional)
 2x 2 
 ...  i2
... ... ... 
 o 
 0 ... 0 
 n 
1
σ21
0 … 0
1
σ20 0
P= ̂ σ22
… 0
… … … …
1
[0 … 0 σ2n ]

MEDIA PONDERADA

Sean “n” observaciones separadas en dos conjuntos “na” y “nb”, tal que n = na+nb
Media conjunto a: za = (zai/na)
Media conjunto b: zb = (zbi/nb)
Haciendo na = pa y nb = pb
(mientras mayor número de observaciones, más confiable es la observación, mayor peso)
pa  za + pb  zb  pi  zi
z= =
pa + pb  pi
Por ejemplo, una distancia “d” es medida por dos grupos. El primero logró una media de 65,37m con 3
mediciones, el segundo calculó 65,32m con 10 mediciones. Por lo tanto, la media ponderada debe ser:

65,37  3 + 65,62  10
z= = 65,562
3 + 10

Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023
 13

PESOS EN LA NIVELACIÓN GEOMÉTRICA

Sea una línea de longitud “l”, con avances entre puntos de cambio a distancia “d”,  la desviación estándar
por cada instalación del instrumento:

C
B
d d
A d
d l2
d
l1

Siendo el peso inversamente proporcional a la varianza y la varianza también lo es respecto a la longitud de

la línea entre PRs; el peso de una línea nivelada es:

1 d
p1 = =
1
2
l12
d
donde los son todos proporcionalmente iguales, de esa forma
2
1 1 1
p1 = ; p2 = ; pn =
l1 l2 ln

Los pesos en nivelación son inversamente proporcionales a sus longitudes y estas a su vez es proporcional
al número de instalaciones, por lo tanto, los pesos son inversamente proporcionales al número de
instalaciones. De allí que las normas técnicas de la nivelación geométrica especifiquen las tolerancias respecto
a √k, siendo k el desarrollo de la nivelación en kilómetros.

Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023