Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AJUSTE DE OBSERVACIONES
Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023
2
CONTENIDO
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.
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
Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023
4
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
2
y: probabilidad de ocurrencia del error entre x y dx
e: base de logaritmo natural
: desviación estándar
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
Ajuste de Datos - Teoría de Errores y Propagación de Errores – René Zepeda – Rev. marzo 2023
7
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
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
Σz = A Σx AT en que
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
ERROR DE LA SUMA:
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
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
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 = 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.
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
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
1 d
p1 = =
1
2
l12
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