Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introduccion A La Metodologia Experimental - Booksmedicos - Orgl
Introduccion A La Metodologia Experimental - Booksmedicos - Orgl
Universidad de Guadalajara
ERRNVPHGL
Revisión técnica
Alm a Leticia Rodríguez Domínguez
José N ieves Carrillo Castillo
D ep artam en to d e F ísica
C en tro U niv ersitario d e C ie n c ia s E x actas
e In g en ierías - C U C E I
U niversidad de G u a d a la ja ra
PEARSON
f 3atos de catalogación bibliográfica
FIGUEROA M O N T A N O , ARTURO;
RAM ÍREZ SÁ N C H E Z . HERM ES ULISES
Y ALCALÁ G U TIÉRREZ, J AI ME
Edición en español
Dirección General: Philip De la Vega
Dirección Educación Superior: Mario Contreras
Editora Sponsor: Gabriela López Ballesteros
e-mail: gabriela.lopezballesteros@pearson.com
Editor de desarrollo: Felipe Hernández Carrasco
Supervisor de producción: Juan José García Guzmán
Gerencia Editorial Educación
Superior Latinoamérica: Marisa de Anta
Reseñados todos los derechos. Ni la totalidad ni parte de esta publicación pueden reproducirse, registrarse o
transmitirse, por un sistema de recuperación de información, en ninguna forma ni por ningún medio, sea electrónico,
mecánico, fotoquímica, magnético o electroóptico, por fotocopia, grabación o cualquier otro, sin permiso previo por
escrito del editor.
El préstamo, alquiler o cualquier otra forma de cesión de uso de este ejemplar requerirá también la autorización del
editor o de sus representantes.
PEARSON
www.pearsoncnespaftol.com
Introducción
Un aspecto fundamental en la formación de quienes se interesan por ejercer una profe
sión orientada a la ciencia y a la tecnología es el desarrollo de ciertas habilidades en la
medición e interpretación de los parámetros obtenidos en procesos experimentales o
industriales. Asimismo, deberán aprehender los conocimientos y las herramientas nece
sarias para el análisis de datos, la elaboración de reportes de investigación y el desarrollo
de nuevos experimentos, modelos y procesos, con el propósito de hacer más eficientes
los ya existentes. En consecuencia, es necesario destacar la importancia del método ex
perimental para el desarrollo científico que no es solamente una herramienta de investi
gación, sino una actitud del individuo ante cualquier fenómeno que se presente en la
naturaleza.
Inherente a todo proceso experimental, el error debe someterse a una cuidadosa se
lección de la instrumentación mediante la aplicación de técnicas de medición, el análisis
de datos y la aplicación de procesos estadísticos que coadyuven a la minimización del
error experimental. Como parte de la solución a estos problemas se propone el estudio
de la metodología experimental. Este libro tiene como finalidad ofrecer una guía para
todos aquellos que se introducen ai estudio de la misma; la exposición de los temas de
forma práctica y concisa facilitará la comprensión de los métodos y procesos analíticos
aplicados al desarrollo de experimentos.
La presente obra está dividida en cinco capítulos. En el capítulo 1 se presenta una
descripción detallada del origen y desarrollo del pensamiento científico, desde sus ini
cios en la antigua Grecia como el pensamiento filosófico que ha dado forma a la civili
zación occidental; además, se expone la definición de los conceptos ciencia, método,
m étodo científico, m odelos, entre otros.
El tema principal del capítulo 2 es la definición de variable, ya que es preponderan
te para un estudio científico cuantificar las magnitudes físicas que intervienen en el fenó
meno a estudiar; por ello, los procesos de medición son fundamentales para cualquier
actividad científica. Una falla en el análisis de los errores, ya sea en las ciencias aplica
das o en las básicas, implica consecuencias lamentables. En los procesos de medición, el
valor obtenido no siempre coincide con el valor real de cierta magnitud. Para comprobar
una teoría, caracterizar un producto o determinar las propiedades de un objeto, es nece
sario estimar la variación del valor m edido con respecto al valor real. La teoría de errores
se encarga de estimar tal desviación.
En el capítulo 3 se examina el concepto de inccrtidumbrc en las mediciones y su
evaluación en relación con los resultados experimentales, así com o su propagación y
algunos métodos para determ inar la inccrtidumbrc en función de una o más variables. En
experimentos donde se obtiene una gran cantidad de datos es recomendable presentar los
resultados en una gráfica y en este capítulo se enseña cóm o elaborarlas c interpretarlas
adecuadamente.
Introducción
Notación científica.................................................................................................................................. 32
Sistema internacional de unidades (SI)................................................................................................33
Múltiplos y submúltiplos del S I................................................................................................. 36
Unidades fuera del S I.................................................................................................................. 36
El sistema cegesimal de unidades.........................................................................................................37
Ejercicios........................................................................................................................................38
B ibliografía....................................................................................................................................39
Estructura general........................................................................................................................128
Extensión......................................................................................................................................128
Citas bibliográficas............................................................................................................................... 129
Materiales y m étodos............................................................................................................................ 129
Sujetos o unidades de observación......................................................................................... 130
Aparatos o instrumentos............................................................................................................ 130
Procedimientos............................................................................................................................ 131
Diseño ......................................................................................................................................... 131
Observación sistem ática............................................................................................................ 132
Resultados...............................................................................................................................................133
Texto....................................................................„ .........................................„ ............................134
Tablas y figuras............................................................................................................................ 134
Recomendaciones....................................................................................................................... 135
D iscusión................................................................................................................................................ 135
Sugerencias................................................................................................................................. 136
Agradecí m ientos....................................................................................................................................137
Referencias bibliográficas.................................................................................................................... 137
C uadros................................................................................................................................................... 138
Ilustraciones............................................................................................................................................139
Pies o epígrafes de las ilustraciones....................................................................................... 139
Presentación del texto...........................................................................................................................139
Integración del inform e.........................................................................................................................140
Abreviaturas, números y sistema m étrico......................................................................................... 142
Abreviaturas •••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••a* 142
N úm eros....................................................................................................................................... 142
Sistema de m edidas.................................................................................................................... 142
Consideraciones de e s tilo .................................................................................................................... 143
Estilo general de redacción.......................................................................................................143
Gramática y ortografía...............................................................................................................143
Voz y tiempo de los verbo s.......................................................................................................143
El estilo según George O rw ell................................................................................................ 144
Escribir, rccscribir y volver a rccscribir........................................................................................... 144
Aprender a escribir..................................................................................................................... 144
Presentación del manuscrito a la revista.................................................................................145
Publicación previa y duplicada................................................................................................ 145
Manuscritos electrónicos........................................................................................................... 146
C ontenido ix
1
C apítulo 1 M etodología de las ciencias experim entales
las grandes figuras de la filosofía científica son Karl R. Popper. Thom as Kuhn, Imre
Lakatos y Paul Feyerabend.
En los últimos 30 años la filosofía de la ciencia ha abordado varios temas de suma
importancia, entre los que destacan el gran desarrollo de muchas disciplinas científicas
y el método científico; sin embargo, cabe destacar que ya no es posible hablar de un
método único y umversalmente válido. Karl Popper (1902-1994) propone que la ciencia
no es capaz de verificar si una hipótesis es cierta, pero sí puede demostrar que es falsa.
Así pues, frente a la postura del verificacionismo, dominante hasta ese momento en la
filosofía de la ciencia, Popper propone el falsacionismo, seguido en España por Gustavo
Bueno (1924), autor del materialismo filosófico, en su teoría del cierre catcgorial. Por su
parte, M ario Bunge (1919) analiza los problemas de diversas epistemologías, desde el
racionalismo crítico popperiano hasta el empirismo, el subjetivismo o el relativismo.
Bunge es realista crítico y para él, la ciencia es falible (el conocimiento del mundo es
provisional c incierto), pero la realidad existe y es objetiva.
La historia reciente de la ciencia está marcada por el continuo refinamiento del co
nocimiento adquirido y el desarrollo tecnológico, acelerado desde la aparición del méto
do científico. A continuación se mencionarán algunos filósofos que han colaborado en el
desarrollo del método científico desde el siglo xvi hasta la actualidad:
Ciencia
Es un conjunto de conocimientos obtenidos mediante la observación y el razonamiento,
de los cuales se deducen principios y leyes generales. En un sentido más amplio, este tér
mino se emplea para referirse al conocimiento en cualquier campo, pero suele aplicarse,
sobre todo, a la organización del proceso experimental vcrificablc. La ciencia como
actividad (investigación) pertenece a la vida social, ya que se aplica al mejoramiento del
medio natural y artificial, así como a la invención y manufactura de bienes materiales y
culturales, y es el conducto para el desarrollo de la tecnología; trata con problemas de
valor de verdad, que son posibles comprobar y verificar, busca establecer las relaciones
existentes entre diversos hechos y conectarlos entre sí; describe y explica las cosas rea
les; busca la verdad.
El interés de la ciencia es el conocimiento, no las creencias, el subjetivismo o el
lenguaje privado. El propósito de la ciencia es la predicción y el control; establecer una
generalización, un modelo de aplicación universal en un lenguaje preciso y sin ambigüe
dades. Tiene como objetivo la verificabilidad, la corregibilidad, la falsabilidad y la sis
tematización (ensayo-error). En la sociedad, la ciencia tiene la finalidad de producir
modelos útiles para explicar la realidad, dar respuestas y soluciones a problemas de
investigación mediante la aplicación de procedimientos científicos, así como la descrip
ción, explicación, predicción y control de los fenómenos, ya que puede hacer prediccio
nes basadas en observaciones que, a menudo, benefician a los individuos.
El m étodo científico
El método científico se entiende como el estudio sistemático, controlado, empírico y
crítico de proposiciones hipotéticas referentes a presuntas relaciones entre varios fenó
menos. Es un procedimiento aplicado en las ciencias, que inicia con la observación y
posee las siguientes características: es fáctico, hace trascender los hechos, es verificable,
autocorrcctivo y objetivo. Está sustentado en la reproducibilidad (la capacidad de repetir
determinado experimento en cualquier lugar y por cualquier persona) y la falsabilidad.
El conocimiento em pírico se obtiene a partir de la exposición de los órganos senso
riales al mundo exterior y permite orientar a los individuos en su práctica diaria. Sirve
como base para la construcción del conocimiento científico, también se extrae del con
tacto con la realidad, pero su adquisición, a diferencia de lo cotidiano, se realiza con base
en métodos e instrumentos debidamente seleccionados y estructurados de acuerdo con
los lineamientos que proporcionan las teorías, de manera concreta las hipótesis plantea
das. La ciencia empírica depende de la experiencia para demostrar el valor de verdad en
sus enunciados; se basa en dos formas: la observación sistem ática (el observador no in
terviene) y la experimentación (el observador interviene, altera y controla el fenómeno
en cuestión).
C apítulo 1 M etodología de las ciencias experim entales
1 U n error tipo I se presenta si la hipótesis nula H o es rechazada cuando es verdadera y debía ser aceptada. La
probabilidad de com eter un error tipo I se representa con la letra alfa o .
: U n error tipo II se denota con la letra griega 0 . Se presenta si la hipótesis nula es aceptada cuando de hecho
es falsa y debía se r rechazada.
En cualquiera de los dos casos se com ete un error al tomar una decisión equivocada. En la siguiente tabla se
muestran las decisiones que puede tomar el investigador y las posibles consecuencias cuando de hecho es falsa
y debía ser rechazada.
En cualquiera de los dos casos se com ete un error al tomar una decisión equivocada. En la siguiente tabla se
muestran las decisiones que puede tomar el investigador y las posibles consecuencias.
Ho v e rd a d e ra H o falsa
A c e p ta r Ho No error Tipo 11 (0 )
R ech azar Ho U po I (a ) No error
El método científico 7
público hay que remitirse a publicaciones especializadas que dan a conocer los
resúmenes. Estas publicaciones son conocidas com o abstract o resumen y las hay
en casi todas las áreas del conocimiento humano.
c) Im portancia: se determina la relevancia de la investigación, su trascendencia y
aportación al conocimiento científico.
d) Objetivos: es la manera en la que se responderán las preguntas, cóm o se compro
bará la hipótesis y los efectos que se deberán estimar (redactados en términos
precisos). Una vez planteada la pregunta y hecha la consulta bibliográfica, se pro
cede a formular una hipótesis que tenga posibilidades de explicar la observación,
o decidir cuáles de las leyes naturales son aplicables, o por lo menos, esperar a que
haya una relación entre dos variables características del problema.
2. Hipótesis Je trabajo: es una predicción para explicar cóm o o por qué sucede un fe
nómeno, y de la cual se busca su comprobación (o negación) por medio de un experi
mento.
3. Diseño d el experimento: es la elección del procedimiento experimental y los instru
mentos capaces de medir y controlar las variables del fenómeno que se va a estudiar.
Para ello, es necesario considerar: a) el equipo de medida existente y su precisión, y
b) el tiempo y dinero disponibles.
4. Realización d el experimento: una vez realizado el experimento de prueba y la inter
pretación tentativa de resultados, realizar el experimento final se reduce a llenar co
lumnas con lecturas de las mediciones y detectar cualquier anomalía que se presente
durante el desarrollo del mismo.
5. Análisis d e resultados: la interpretación de resultados, ya sean valores, gráficas, tabu
laciones u otros, debe contestar con la mayor claridad posible las preguntas plantea
das durante la definición del problema.
6. Obtención de conclusiones: con los resultados del experimento el investigador hace
sus propias conclusiones, es decir, aplica su criterio científico para aceptar o rechazar
una hipótesis. También es posible que se hagan conjeturas acerca de un modelo o se
proponga la creación de otro nuevo, lo cual conduce a un problema diferente.
7. Elaboración d el informe: reporte en el que se comunican los resultados a la comuni
dad científica, y constituye una pieza útil para la evolución de la ciencia.
\ jx realización del informe debe ser clara; es necesario tener presente en todo mo
mento al lector a quien va dirigido el trabajo, para así determinar el nivel académico del
lenguaje que conviene utilizar.
En un reporte de divulgación debe empicarse un lenguaje sencillo y explicar con
más detalle todos los conceptos que no sean del dominio público, de manera que sea
entendido por la mayoría. F.n cambio, un trabajo especializado está dirigido a un sector
más reducido (la comunidad científica) y utiliza un lenguaje especializado, por lo que
resulta innecesario explicar todos los conceptos.
O tro factor importante es la estructura del informe, la cual consta de seis partes: a)
Título, b) Resumen, c) Definición del problema, d) Procedimiento experimental, e) Re
sultados y f) Conclusiones.
8 C apítulo 1 M etodología de las ciencias experim entales
P rim e ra etapa
S egunda etapa
• Experimentación: son todas las acciones requeridas para que sucedan los fenómenos
implicados en el experimento. Dentro de estas acciones se considera el montaje del
dispositivo, el control de las variables, las mediciones correspondientes y su registro
en el programa de mediciones.
• A nálisis gráfico: consiste en dibujar las gráficas correspondientes de los datos obteni
dos del experimento, utilizando el eje horizontal para la variable independiente y el eje
vertical para la variable dependiente. El análisis gráfico permite verificar si las obser
vaciones se dispersan dentro de los límites del error experimental. Si existen uno o
varios puntos que no queden dentro de los límites del error, se realizan nuevamente
estas mediciones.
T ercera etap a
• Evaluación: cuando se tiene determinado que es una recta la que describe el fenómeno
bajo estudio, se obtiene lo siguiente:
• Tratamiento estadístico: se inicia con el cálculo de los parámetros de la recta (pen
diente c intersección) y sus incertidumbres de acuerdo con las fórmulas dictadas por
el método de mínimos cuadrados. En este punto es importante encontrar el error rela
tivo que expresa el porcentaje de error del resultado. Con ello, se pretende constatar
que dentro del error experimental, la cantidad es confiable y se ajusta a la precisión del
experimento.
• M odelo m atemático em pírico: una vez obtenidos los parámetros de la recta, estos se
insertan en la relación matemática para expresar de m anera completa la relación fun
cional. Si este modelo empírico no describe el fenómeno estudiado, entonces se reco
mienda repetir la observación original y buscar las posibles discrepancias y, en su
caso, repetir todo el experimento. Si ocurre lo contrario, se considera terminado el
experimento.
• Comparación teoría-experimento: en los experimentos de verificación es conveniente
realizar un cálculo teórico basado en el modelo matemático de la etapa de plancación.
Una vez realizado, se compara con el resultado experimental; si este último queda
muy alejado del primero y fuera de los límites del error experimental, se recomienda
regresar al paso en el que se determina la precisión experimental. En caso contrario, se
considera terminado el experimento.
• Resultados y su interpretación: los resultados del experimento, los hechos adicionales
y la interpretación de estos nuevos hechos conducen al apoyo, rechazo o alteración de
una hipótesis.
C apítulo 1 M etodología de las ciencias experim entales
Demostración
o verificación Empinsmo
Modelo
matemático Observación
4
Selección Identificación
de variables de variables
si 4
PLANEACIÓN
Determinación do la Determinación d e la
precisión y selección precisión y selección
de aparatos d e d e aparatos do
medición medición
4 4
Programa Programa
da mediciones de mediciones
4
Realización Realización
del experimento do! experimento
4 EXPERIMENTACIÓN
4
Análisis gráfico Análisis gráfico
■4 ■4
Tratamiento Tratamíonto
estadístico estadístico
EVALUACIÓN
4
Modelo matemático
Modelo
fronto a resultados
matemático empírico
expen mentales
4
' ¿Resultado
SI SI - NO
dentro del error Describe \
experimental?
> IZ * ^ - el fenómeno /
Figura 1.2: Diagrama de las etapas para los experimentos de verificación o demostración
y empíricos. (Lara-Barragán, 1988).
M odelos II
M odelos
El concepto de modelo en el pensamiento científico
Los modelos intentan describir y explicar las características del fenómeno, sin pretender
ser una fotografía de la realidad. En la ciencia, el modelo se consituye de proposiciones
coordinadas y subordinadas que, con frecuencia, se expresan mediante fórmulas que
explican relaciones reales de los objetos; son esquemas teóricos (que no tienen existen
cia real) que se refieren a esquem as objetivos (que sí existen en realidad). Las teorías se
prueban mediante los modelos, lo cuales son solo una parte de la teoría.
Observaciones y modelos
Un modelo, comparado con el sistema verdadero que representa, proporciona informa
ción a un costo m ás bajo y permite un conocimiento m ás rápido de las condiciones
que no se observan en la vida real. El valor de un modelo surge cuando este mejora la
comprensión de las características del comportamiento de forma m ás efectiva que si
se observara el sistema real. Los modelos de cualquier clase son poco prácticos si no
están respaldados por datos confiables. Si se distorsionan las estimaciones, la solución
obtenida, pese a ser óptima en un sentido matemático, será de calidad inferior desde la
perspectiva del sistema real. En consecuencia, la disponibilidad de datos tiene un efecto
directo en una precisión del m odelo y su recopilación es una parte más difícil de deter
minar.
1. Identificación de las variables significativas: la primera fase de la investigación
de un fenómeno nunca antes estudiado consiste en la búsqueda de las variables
que parecen estar relacionadas. Mediante la identificación de estas se reduce el
campo de la investigación a niveles prácticos, lo cual facilita el trabajo sistemá
tico tanto a nivel experimental como teórico.
3. Comparación entre los m odelos y el mundo real: para que las propiedades del
modelo y las de su contraparte real en un experimento científico correspondan,
es necesario em pezar con una comparación entre el modelo y el sistema real. Y
solo será útil si se demuestra ex pe rimen tal mente que las propiedades del modelo
12 C apítulo 1 M etodología de las ciencias experim entales
guardan una correspondencia adecuada con las del sistema real. Para ello, un
modelo o concepto debe ser verificable mediante la observación.
4. Refinamiento de los modelos: en el trabajo científico es posible modificar o cam
biar los modelos en el momento que sea necesario. Para empezar, el modelo es
una construcción, una idea presente en la mente. Cuando se propone efectuar un
cambio, la única consideración que debe tomarse en cuenta es la utilidad básica
de la idea y el provecho que aporta si se modifica. Un proceso de refinamiento
continuo y de eventual remplazo forma parte del proceso científico. Es asunto
propio y normal de los científicos, ya sean aplicados o sociales, llevar a cabo el
proceso de comparación entre modelos y sistemas en una búsqueda continua del
mejoramiento del modelo.
5. Comparación detallada entre modelos y sistemas: para comparar los procedi
mientos reales con las propiedades de los modelos y los sistemas no basta con un
concepto gráfico de la situación, además se requiere llevar a cabo una observa
ción cuantitativa del sistema y emplear procedimientos matemáticos para especi
ficar el modelo.
Construcción de modelos
La construcción de un modelo requiere de diversas etapas y depende del experimento
en cuestión. Por ejemplo, se puede generar un nuevo modelo para un fenómeno nunca
estudiado y del cual no hay información previa. Por otra parte, puede existir alguna
propuesta o teoría anterior que pueda aplicarse a un sistema y que dé como resultado un
nuevo modelo. Existen dos tipos de modelos: em píricos y teóricos. El modelo empírico
está basado únicamente en observaciones, sin referencia alguna a la operación interna y
detallada del sistema. En cambio, un modelo teórico se construye de forma más general
(no solo para un intervalo particular de observaciones), y se basa en algún concepto o
principio acerca del modo de operar del sistema.
Modelos empíricos
Una vez que se ha logrado reunir un grupo de observaciones acerca de un sistema para
el que no existe un modelo que describa alguna propiedad del mismo (por ejemplo, de
las mediciones de peso vs. alargamiento en un resorte cargado), los resultados probable
mente tomarán la forma de 5 (como la de la figura 1.3). El problema, entonces, es cons
truir un modelo adecuado, para lo cual deben considerarse los siguientes pasos:
3.5
3.0
0.5 •
0.0 -| 1 1 1 1------ 1—
0 10 20 30 40 50
Peso, kg
E
E
2
5
E
§>
10 20 30 40 50
Peso, Kg
trar una función analítica que se ajuste a esos puntos. Pese a toda la elaboración
matemática que representan, estos procedimientos todavía dependen, para su va
lidez. de la suposición básica de un comportamiento regular en el sistema; en
tanto, las curvas y funciones asociadas constituyen el concepto de compor
tamiento del sistema. Las funciones generadas empíricamente para ajustarse a
conjuntos de observaciones pueden ser muy útiles, ya que como modelos mate
máticos del sistem a pueden, con precisión variable, aplicarse para obtener valo
res inferidos de algunas características del sistema.
Modelos teóricos
Los modelos teóricos se construyen con bloques conceptuales básicos, como definicio
nes, axiomas, hipótesis, principios, entre otros, seguidos de una derivación analítica a
partir de estos elementos básicos. Como todos los elementos de las teorías son construc
ciones de la imaginación humana, las teorías y los resultados de estas son, de igual ma
nera, construcciones imaginarias. Por lo tanto, su pertinencia en los sistemas reales debe
evaluarse a través de la experimentación, por ejemplo: un balín de acero que desciende
en caída libre por efecto de la fuerza de gravedad. Fn este caso, primero debe medirse el
tiempo de caída desde diferentes alturas y después graficar los resultados; sin embargo,
para construir un modelo teórico de la misma situación el enfoque cambia: se elige un
conjunto de axiom as o hipótesis básicas, a partir de las cuales se derivan los resultados
requeridos (puede suponerse en la hipótesis básica un valor de la aceleración del balín:
a = 9.81m/s2). Además del supuesto valor constante para la aceleración, de manera implí
cita se está despreciando la presencia del aire. FJ modelo quedaría de la siguiente forma:
v = 9 .8 1 / (Suponiendo v = 0 e n / = 0) (1.1)
x= (Suponiendo v = 0 en / = 0) (1.2)
0.5
0.1
fttra concluir el m odelo teórico se realiza una comparación detallada entre las pro
piedades globales del sistema y las del modelo. Una inspección visual directa puede
confirmar si el modelo y el sistem a se corresponden. No tiene sentido preocuparse por si
una teoría es correcta o incorrecta, incluso debería evitarse el uso de términos com o es
tos aunque exista la seguridad de tener clara la situación, dadas las m últiples oportunida
des de que se haga una mala interpretación. Es mucho m ejor catalogar una teoría o un
modelo como satisfactorio o suficientemente bueno, o utilizar otra denominación pare
cida.
d .4 )
t = 0.4515 x * (1.5)
Donde:
Variable vertical = /
Variable horizontal = x *2
Pendiente = 0.4515
y = m x+ b + e (1.7)
Donde:
m x + b — valor medio de Y para una X dada
£ = error aleatorio
m + b w - parámetros desconocidos de la porción determinista (no aleatoria) del
modelo
b = la ordenada al origen de la línea
m = la pendiente de la línea
y = la variable dependiente
x = la variable independiente
18 C apítulo 1 M etodología de las ciencias experim entales
Tabla 1.3: Impacto de la temperatura (7) de operación de un proceso sobre el rendimiento (R)
de un producto.
T(°C) R (% )Y w m 2 XY
100 45 10000 2025 4500
110 51 12100 2601 5610
120 54 14400 2916 6480
130 61 16900 3721 7930
140 66 19600 4356 9240
150 70 22500 4900 10500
160 74 25600 5476 11840
170 78 28900 6084 13260
180 85 32400 7225 15300
190 89 36100 7921 16910
100
-9 0
-8 0
.1 70
60
50
& 40
30
90 100 110 120 130 140 150 160 170 180 190 200
T e m p e ra tu ra (°C)
• Segiuido paso: buscar la mejor línea recta que represente los puntos (Figura 1.7)
C apítulo 1 M etodología de las ciencias experim entales
Tercer paso: calcular la ecuación por mínimos cuadrados. Los valores de la pendiente
(m ) y origen (b) se obtienen de la siguiente manera utilizando la ecuación de la línea
recta (1.7).
m (1.9)
« I* : - 1*,
i-1
- IX . T x*¿
b= kí=! ¿_Aí=! A '- 1____ (1.10)
imI
temperatura (°C)
Este nuevo m odelo empírico será válido únicamente para el rango que se está estu
diando. Se sustituyen los valores de la pendiente (m) y el origen (b ):
r= _ í=!_________ A m __ (1.12)
«X*HX*,
f-l l-l
«Xi',’- \»m1
i-1
X^
10(101 5 7 0 )-( 1450) (673) 1015700.0 - 975850.0 39850.00
r= = 0.998
VT0( 218500) - (1450)2 * 47225) - ( 6 7 3 ) 2 287.23* 139.00 39924.71
Bibliografía
Baird, D.C. (2003). Experimentación: una introducción a la teoría de mediciones y al diseño
de experimentos. México: Pcarson Educación.
Berna!, C.A. (2006). Metodología de la imestigación. México: Pearson-Prcntice Hall.
Bunge, M. (1999). Im ciencia. Su método y su filosofía. Buenos Aires: Ediciones Siglo
Vfcinte.
Cariño, P.S. (2004). Métodos de imestigación. México: Limusa-Colegio de Bachilleres.
Castañeda, J J . (2002). Metodología de ¡a imestigación I. México: McGraw-Hill.
Castañeda, JJ.; L.M. De la Torre; J.M, Morán R. y R.P. Lara (2002). Metodología de la in
vestigación. México: McGraw-Hill.
Castañeda, J J . y C.E. Méndez. A. (2004). Metodología de ¡a imestigación. México: Mc
Graw-Hill.
Calleros, A.F.; A. Lara-Barragán G.; J.W. Lau S. y S. Gómez M. (1997). Introducción a la
metodología experimental. México: Univeisidad de Guadalajara-CUCEI-Ciendas Bási-
cas-Dcpartaincnto de Física.
C apítulo 1 M etodología de las ciencias experim entales
Conceptos generales
Variable
1.a variable es una característica (magnitud, vector o número) que puede ser medida y
que adopta diferentes valores en cada uno de los casos de estudio. También se puede
definir com o todo aquello que se va a medir y controlar en una investigación.
23
24 C apítulo 2 M edición de variables y errores de medición
En un estudio científico se pueden clasificar las variables según el valor que arroja
el resultado de su medición o por la influencia que ejerce cada una de estas sobre las
otras variables del estudio (tabla 2.1). Respecto a su valor, producto de su medición,
las variables se clasifican en variables cualitativas y cuantitativas, dependiendo de si los
valores presentados tienen o no atributos que no son cuantificables, o si tienen un orden
de magnitud natural. Por la influencia de una variable sobre otra, estas se clasifican en
independientes, dependientes y extrañas.
C riterio de T ipos de
clasificación variables D escripción
Depende de si 1 Cualitativas Son las variables que expresan distintas cualidades, caracte
el resultado de rísticas o modalidades. Cada modalidad que se presenta se
la medición es denomina atributo o categoría; la medición consiste en una
numérico o no clasificación de dichos atributos, pues no puede construirse una
serie numérica definida, sino que se ordenan en jerarquías con
base en la característica que se evalúa.
1.1 Ordinales La variable cualitativa ordinal es aquella que toma distintos va
lores ordenados siguiendo una escala establecida. Por ejemplo,
para medir la severidad de una lesión se puede usar la escala:
leve, moderada y grave. Otro ejemplo es el nivel socioeconó
mico: bajo, medio y alto.
1.2 Nominales En la variable cualitativa nominal los valores no tienen forma
natural de ordenación y los posibles valores son mutuamente
excluyentes. Por ejemplo. los posibles valores de un estudio
son si y no ; hombre” y “mujer”.
2 Cuantitativas Son las variables que se expresan mediante cantidades numé
ricas.
2.1 Discreta Son las variables que solo toman valores enteros o numérica
mente fijos. Por ejemplo, las veces que se repite un suceso, la
cantidad de pesos que se gastan en una semana, los puntos con
que cierra diariamente una bolsa de valores, el número de hijos,
entre otras.
2.2 Continua Son llamadas también variables de medición. Toman cualquier
valor numérico, ya sea entero, fraccionario o incluso irracional.
Este tipo de variable se obtiene a través de mediciones y su
valor está sujeto a la precisión de los instrumentos de medición.
Por ejemplo, el tiempo que un corredor tarda en recorrer cierta
distancia, la estatura de los alumnos, la cantidad de litros que
despacha una bomba de combustible, entre otras.
Medición 25
C riterio de Tipos de
clasificación variables Descripción
M edición
Según el Vocabulario Internacional de Metrología (VIM ), acordado desde la década de
1990 por las organizaciones de metrología más importantes y revisado en abril de 2004
por la Organización Internacional de estandarización (ISO, 2004), define la medición
como el “conjunto de operaciones cuyo objetivo es determinar el valor de una magni
tud o cantidad”. De esta manera, la medición puede definirse com o un proceso donde
el insumo o entrada es la definición de la magnitud por medir (figura 2.1), por lo que a
partir de este insumo, una persona opera un instrumento siguiendo un método de medi
ción, todo esto enmarcado dentro de un medio ambiente. El producto final del proceso
es un valor numérico basado en un sistema de referencia o patrón llamado resultado de
medición. Con base en este resultado se toman decisiones importantes, por ejemplo, se
acepta o rechaza un producto en una línea de fabricación, se determina el estado de salud
de una persona, se establece el precio en una transacción comercial, o bien, se refuta una
teoría científica.
Debido a que muchas de estas decisiones en el área de la ciencia y la ingeniería, se
toman con base en los resultados de la medición, es necesario asegurar que el resultado
de cualquiera de estas sea confiable, es decir, se debe verificar que el resultado de la
medición sea de buena calidad. Para ello, es preciso considerar algunos atributos como
la trazabilidad, la precisión y la exactitud de los instrumentos o métodos de medición, el
error de medición y la incertidumbre en el resultado.
26 C apítulo 2 M edición de variables y errores de medición
Definición d e
la m agnitud R esultado de
p o r medir m edición
M e dio A m b ie n te
Precisión
La precisión de un instrumento (o un método de medición) está asociada con la sensi
bilidad o m enor variación de la magnitud que se pueda detectar con dicho instrumento
o método. Por ejemplo, un vemier, con una apreciación nominal de 0.02 mm. es mucho
más preciso que una regla ordinaria, con una apreciación nominal de 1 mm: un cronó
metro digital es más preciso que un reloj común.
Exactitud
La exactitud está asociada a la calidad de la calibración del instrumento. Por ejemplo, en
el caso del cronómetro digital que se mencionó, este es capaz de determinar la centésima
de segundo pero se adelanta dos minutos por hora, mientras que el reloj común no lo
hace. En este caso se dice que el cronómetro es más preciso que el reloj común aunque
menos exacto. La exactitud es una medida de la calidad de la calibración del instrumento
respecto de los patrones de medida aceptados internacional mente. En general, los instru
mentos vienen calibrados pero dentro de ciertos límites, por lo que corresponderá a los
usuarios corroborar de manera periódica que estos se mantengan calibrados. Una buena
práctica para asegurar la exactitud en las medidas consiste en llevar una bitácora de m an
¿De dónde provienen los errores en las m edidas? 27
Error
El concepto error, en el lenguaje coloquial, se considera sinónimo de equivocación; sin
embargo, en ciencia e ingeniería tiene un significado diferente al uso habitual, es decir,
un error en la medición de una magnitud no significa una equivocación o una mala medi
ción, sino que no fue posible controlar alguno de los elementos del proceso de medición,
lo que ocasionó una discrepancia entre el valor verdadero y el valor medido, a esto se le
denomina error de la medición.
( 2 . 1)
1.0 que se procura en toda medición es encontrar el valor verdadero, aunque este en
realidad es un concepto puramente teórico y por completo inaccesible; así, en el proceso
de medición únicamente estimamos de forma aproximada el valor de la magnitud medi
da. Cuando de antemano se conoce un valor convcncionalmcntc verdadero de la magni
tud (esto porque los valores verdaderos son indeterminados por naturaleza) es muy fácil
evaluar el resultado de la medición: se calcula su error respecto a este valor. De acuerdo
con su definición, el valor convcncionalmcntc verdadero de una magnitud corresponde a
un resultado obtenido por sistemas de medición más sofisticados o refinados que aque
llos de los que se dispone en un momento dado.
Un valor convcncionalmcntc verdadero se encuentra en las tablas de textos, en la
tabla periódica de los elementos, en reportes científicos, etcétera. Otra forma de tener un
valor convcncionalmcntc verdadero consiste en medir en el laboratorio la misma canti
dad pero por métodos diferentes y asumir (de manera debidamente justificada) que uno
de los resultados es de mejor calidad que el otro. Después, se calcula el error del resul
tado menos confiable y se compara con el que se considera de mayor calidad.
O rigen T ipo
del e rro r de e rr o r Descripción
R esultado C ifras
U p o de balanza Precisión de m edida significativas
• Cualquier dígito diferente a cero es significativo. Por ejemplo, 845 cm tiene tres cifras
significativas, 1.234 kg tiene cuatro cifras significativas y así sucesivamente.
• Los ceros ubicados entre dígitos distintos de cero son significativos: 606 m tiene tres
cifras significativas, 40 501 kg tiene cinco cifras significativas.
• Los ceros a la izquierda del primer dígito distinto de cero no son significativos. Estos
ceros se utilizan únicamente para indicar la posición del punto decimal. Por ejemplo,
0.08 L tiene una cifra significativa y 0.0000349 g tiene tres cifras significativas, por lo
que se podrán escribir como 8 x 1(L2 L y 349 x 10-7 g, donde se observa que las cifras
significativas en estas cantidades son una y tres, respectivamente.
• Si un número es mayor que 1, todos los ceros escritos a la derecha del punto decimal
cuentan como cifras significativas. Entonces 2.0 g tiene dos cifras significati
vas, 40.062 mi tiene cinco cifras significativas y 3.040 dm tiene cuatro cifras signifi
cativas.
• Si un número es menor que 1, solamente son significativos los ceros que están al final
del número o entre dígitos distintos de cero. Esto significa que 0.090 kg tiene dos ci
fras significativas, 0.3005 L tiene cuatro cifras significativas y 0.00420 min tiene tres
cifras significativas.
• Para números que no tienen punto decimal, los ceros ubicados después del último dí
gito distinto de cero pueden ser o no cifras significativas: 400 cm puede tener solo una
cifra significativa (el dígito 4). dos cifras significativas (40) o tres cifras significativas
(400). No es posible saber cuál es la cantidad correcta si no se tiene m ás información,
de manera que 400 cm puede expresarse como 4 x 102 cm para una cifra significativa,
4.0 x 102 para dos cifras significativas y 4.00 x 102 para tres cifras significativas.
• Otra ambigüedad respecto al número de cifras significativas se presenta cuando se
hace un cambio de unidades. Por ejemplo, si en una medición se obtiene que L = 95
mm y se desea expresar el resultado en pm, el resultado sería L = 95000 pm. Sin em
bargo, como no se tiene mayor información que indique explícitamente la inccrtidum-
bre en este resultado, se tienen cinco cifras significativas; por lo tanto, 95 mm * 95000
pm, ya que el primer resultado tiene solo dos cifras significativas. Para evitar esta
ambigüedad se emplea la notación científica, por lo que es posible escribir la siguiente
igualdad:
Nótese que los números en ambos miembros de la igualdad tienen igual número de
cifras significativas, la única diferencia son las unidades usadas.
Redondeo 31
150.0 g R O
+ 0.507 g sal
150.5 g solución
Redondeo
En la actualidad, la mayoría de los cálculos se realizan por medio de herramientas como
las calculadoras electrónicas y las computadoras, por lo que. com o se mencionó en la
sección anterior, se tiende a utilizar todas las cifras que aparecen en la pantalla sin que
esto tenga sentido. El redondeo de cifras es una tarca común en el trabajo científico y
su propósito es que los datos experimentales aporten información según las condiciones
de medida en las que fueron obtenidos. Se debe tener cuidado con el número de cifras
32 C apítulo 2 M edición de variables y errores de medición
con que se expresan los resultados; además, se deben mantener solo aquellas que tienen
algún significado experimental. La tabla 2.4 muestra los criterios utilizados para el re
dondeo de cifras.
Notación científica
En la ciencia es muy común y necesario trabajar con números muy grandes o muy pe
queños. Por ejemplo, el diámetro de un glóbulo rojo es de 0.0065 cm, la distancia de la
Tierra al Sol es de aproximadamente 150 000 000 km y el número de moléculas en un
gramo de agua es 33 400 000 000 000 (XX) 000 000. Es complicado trabajar con estos
números, así que lo más práctico es abreviar usando la notación científica, la cual con
vierte los números de la notación decimal ordinaria a cantidades m ás manejables con
base en la expresión 10", donde n es un número entero. Esto significa 10 elevado a una
potencian. Así, 10*= 10 x 10 x 10 x 1 0 x 1 0 = 100000. Nótese que el número de ceros
en la notación decimal ordinaria es exactamente igual al exponente al que fue elevado.
Por consiguiente, usando la notación científica, el diám etro de un glóbulo rojo e s 6.5 x
1 0 3 cm, la distancia de la Tierra al Sol es 1.5 x 10® km y el número de moléculas en un
gramo de agua es 3.34 x 10“
Notación científica 33
Una nota importante respecto a la notación científica es que su base numeral debe
ser representada por un dígito simple seguido por decimales, siempre y cuando sea ne
cesario. Por lo tanto, el número 0.0065 se debe representar com o 6.5 x 10~3 y no como
0.65 x 10"2 o 65 x 10“*.
En resumen, la notación científica es una forma simple de representar los números
grandes, donde el exponente sobre 10 indica cuántos lugares hay que mover el decimal
para obtener el número original. Cuando la notación científica se usa con números me
nores al 1, el exponente sobre 10 es negativo y el decimal se mueve hacia la izquierda en
lugar de a la derecha (como en el caso de los números mayores a 1). Ejemplo:
6.5 x 10-’ = 0.0065.
Por otro lado, las unidades derivadas son unidades expresadas, a partir de las unida
des básicas, mediante símbolos matemáticos de multiplicación y división. En la tabla 2.6
se presentan algunos ejemplos de unidades derivadas expresadas directamente de unida
des básicas.
Algunas unidades derivadas reciben nombres especiales, los cuales son simplemen
te una forma compacta de la expresión resultante de la combinación de unidades básicas.
Por ejemplo, el joule (J), por definición es igual a m2kg s-2. Actualmente existen 22
nombres especiales aprobados en el SI (tabla 2.7). De esta serie de unidades especiales,
nótese que el hercio y el becquerel son ¡guales al recíproco de segundo, pero el hercio
únicamente se utiliza en fenómenos cíclicos.
La unidad de temperatura en la escala Celsius es el grado Celsius, que es igual en
magnitud a la unidad de temperatura termodinámica (kelvin). La cantidad de temperatu
ra Celsius está relacionada con la temperatura termodinámica por medio de la siguiente
ecuación:
t ° C - T K -2 7 3 .1 5 (2.2)
Las unidades derivadas en la becquerel, gray, sievert y katal fueron adoptadas, es
pecíficamente, para realizar mediciones seguras relacionadas con la salud humana. Aun
que para cada una de las cantidades solo existe una unidad en el SI, algunas veces pue
den expresarse con sus nombres especiales; por lo tanto, es importante no utilizar
únicamente la unidad para especificar determinada cantidad. Por ejemplo, algunas pan
tallas de los instrumentos de medida especifican la cantidad y la unidad. Respecto a las
cantidades adimensionales, también llamadas cantidades de dimensión uno, estas se de
finen como la relación de dos cantidades de la misma clase (dos unidades SI idénticas).
Cuando se expresan los valores de cantidades adimensionales, la unidad uno no se escri
be, como en el caso del radian y el estereorradián.
O
>■
o1
Longitud angstrom Á
II
3
milla náutica M 1 M = 1852 m
Fuerza dina dyn 1 dyn = 10~5N
Ejercicios
1. Realice d redondeo de cada número a la cantidad 5. Complete las unidades de medida para el sistema
de cifras significativas que se indica con base en los CGS y SI según corresponda.
criterios expuestos en la sección “Cifras significativas y
redondeo”. Unidad Sistema
CGS SI
Cantidad Cifras significat b i s Resultado final
Masa
2.7867 4
Longitud
3.2384 4
Tiempo
0.1452 3 Velocidad
0.1553 2 Aceleración
4.045 3 Fuerza
6.0050 3 Presión
3.015 3 Trabajo
0.0027 2 Patencia
300 1 Momento
Bibliografía
Bar, A. R. (2000). “ Un aporte a la discusión sobre el estatus metodológico de las variables y
escalas de medición". Cinta de Moebio. núm. 7. Chile: Facultad de Ciencias Sociales,
Universidad de Chile.
Bell, S. (2001). A Beginner's Cuide to Uncertainty in Measurements. 2a cd. Reino Unido:
National Physics Laboratory.
B1PM, (2006). The International System ofU nits SI. Paris: STHDI Media.
Gil, S. y Rodríguez E. (2001). Física recreativa: Experimentos de Física usando nuevas tec
nologías. Perú: Prcnticc Hall.
ISO. (2004). biternational Vocabulary o f Basic and Genera! Terms in Metrology (VIM). 3a
ed. ISO VIM (DGUIDE 99999).
Kurt. G.R. (1986). The International System o f Vnits (SI). Morgantown: Cost Enginccring.
Lyons, L. (1993). A Practical Cuide to Data Analysis fo r Physical Science Students. Nueva
York: Cambridge Univeisity Press.
Miranda, P. y Juárez, H (2006). Laboratorio de Física I. Chile: Facultad de Ciencias-Depar
tamento de Física. Universidad de Chile.
Rodríguez, L.A. (2001). laboratorio cero 2001-2. Facultad de Ingeniería, Departamento de
Qcncias Básicas. Bogotá: Pontificia Universidad Javeriana.
Táylor, B. y Kuyatt, C. (1994). Guidelines fo r Evaluating and Expressing the Uncertainty o f
N1ST Measurements Resulrs, nota técnica 1297. EUA: National Institute o f Standards and
Technology. United States Department of Commcrcc Technology Administration.
UKAS,° (2006). The expression o f uncertainty and confidence in measurement. Londres:
United Kingdom Acreditation Services, Draft 2.
Universidad de la Laguna España. Introducción a la Física experimental, http://wcbpagcs.ull.
es/users/fexposit/ife_err.pdf. Consulta realizada el 15 de enero de 2007.
Universidad Santiago de Cali. Colombia. Guías únicas de laboratorio de física I: aspectos
preliminares, metrología conceptos y definiciones, http://www.usc.cdu.co/laboratorios/
archivos/propuesta/LEY_DE_OHM_2.pdf. Consulta realizada el 15 de enero de 2007.
C A P ÍT U L O 3
Error
El resultado de todo proceso experimental que proporcione el valor medido de una mag
nitud X no coincidirá con el valor real de dicha magnitud. La diferencia entre el valor real
y el valor medido se denomina error de la medida:
(3.D
Incertidum bre
Debido a los errores, los valores obtenidos como resultado de los procesos de medición
poseen incertidumbre. La utilización de instrumentos en buen estado, el manejo ade
cuado de los aparatos y la consideración de correcciones a los modelos ideales, permiten
reducir los errores sistemáticos, sin embargo, no es posible deshacerse totalmente de
los errores aleatorios y de escala. Mientras m ás preciso es el instrumento de medición.
41
C apítulo 3 Incertidum bre en las m ediciones y evaluación de resultados experim entales
más significativos se vuelven los errores aleatorios. La incertidumbre que resulta de una
medida, en ciertas unidades, no puede ser un número exacto, sino un intervalo numérico.
La incertidumbre es pues, el semiancho del mínimo intervalo donde es posible afirmar,
con relativa seguridad (más o menos con 70% de confianza), dónde se encuentra el valor
real de la medida.
Una vez que se han explicado los dos conceptos, distinguirlos facilita la compren
sión de la teoría de errores. Es frecuente que en la mayoría de los casos se utilice la pa
labra error para referirse a la incertidumbre de una medida, lo cual es práctico, mas no
correcto.
El error es siem pre desconocido, pero puede estimarse una cota superior para su
valor absoluto, la cual se denomina incertidumbre absoluta de la m edida y se expresa
AX. De la definición de error y de incertidumbre, se deduce que el valor real de la medi
da se encuentra en el intervalo:
^ 6 [X— -A X . X - + A X ]
11 . 1I
11 * 11
Xmed-AX X^J X ^ j + AX
X = X mtJ± A X (3.2)
Sin embargo, a veces es útil comparar la incertidumbre de una medida con el valor
de la misma.
Ahora bien, se define incertidumbre relativa como el cociente entre la incertidum
bre absoluta de la medida y el valor medido:
S X = -^ ~ (3.3)
(105 ± 10) g
Un ejemplo útil es utilizar una escala analógica del instrumento que mide la rapidez en
los automóviles; por lo general estos presentan una división mínima de su escala en in
tervalos de 10 km/h. Si la lectura en un momento determinado marcara un valor entre 70
y 80 km/h (figura 3.2), bastante cercano a los 80 km/h, la mejor lectura que se tendría, si
se aplicara la regla anterior, sería de 70 ± 5 km/h, estimándose que el valor real se encon
traría entre 65 y 75 km/h. Si en este caso se subdividiera de manera virtual esta escala en
segmentos de 1 km/h, quizá se podría tener una mejor estimación de 79 ± 0.5 km/h, es
decir, un intervalo entre 78.5 y 79.5 km/h. Con estos ejemplos se comprueba que es ne
cesario entender correctamente el procedimiento experimental para encontrar el valor
correcto y tener presente que dicha regla debe aplicarse con criterio.
A
X*
X = -*=*— (3.4)
n
donde:
X = media aritmética.
X t = valores de la variable X desde el valor i = / hasta el valor n-ésimo.
n = número total de datos de X o el tamaño de la muestra.
En estos casos se toma com o inccrtidumbrc absoluta AX (la inccrtidumbrc mayor
entre la inccrtidumbrc que se debe a la precisión \p \ del aparato y la que se debe a los
factores aleatorios), que dependerá del número de medidas:
Propagación de incenidum bre 45
Si 2 ^ / i £ 1 0 AX = m áx(p,D m )
Si n > 10 A X = m á x (p ,S m)
Dm = (3.5)
2
Y Sn es la desviación típica de la media (desviación estándar o error cuadrático de
la media) expresada:
I f i W - X ) 7 ( 3 .6 )
S_ = \/4=!----------------
(n-1)
donde:
X = media aritmética.
X. - valores de la variable X desde el valor i = 1 hasta el valor n-ésimo.
fi = frecuencia del valor Y desde el valor / = 1 hasta el valor n-ésimo.
n= número total de datos de Y o el tamaño de la muestra.
Así, Smes una medida del grado d e dispersión de la distribución de los valores alre
dedor de la media. Cuando S es grande, los valores individuales están muy dispersos.
En resumen, para series de mediciones directas la incertidumbre absoluta de la serie
de medidas será igual a Dm para los casos en que el número de datos se encuentre entre
2 y 10, y Smen los casos que el número de datos sea mayor que 10.
a=- (3.7)
m
Existen instrumentos para medir la fuerza F (dinamómetro) y la masa m (balanza).
Sin embargo, es importante recordar que las mediciones de F y m tendrán que estar aso
ciadas con sus respectivas ¡ncertidum bres:dF y Am, y por lo tanto, a también presentará
su incertidumbre asociada: Aa. De manera que:
a + Aa = — — (3.8)
m + A/tí
En virtud de que la mayoría de las mediciones realizadas en ciencias e ingenierías
son indirectas es importante determinar cómo se propaga la incertidumbre. Hasta aquí se
ha presentado únicamente el concepto de incertidumbre de una sola variable medida; sin
embargo, es raro que el proceso se termine con la medición de una variable única. Con
46 C apítulo 3 Incertidum bre en las m ediciones y evaluación de resultados experim entales
Y = /(X ) (3.9)
Esta función permite calcular el valor estimado Ya¡, a partir de un valor medido
M ejor aún, permite laposibilidad de estimar que pueda variar de X ^ - AX a
X + AX, lo que implica un interv alo de posibles valores de Y - A Y a Y , + AY.
Ahora interesa saber cómo se calcula el valor de DK Antes de considerar los méto
dos generales de evaluar D J\ es ilustrativo ver la propagación de las perturbaciones fini
tas en funciones sencillas. Por ejemplo, la función:
Y =X 2 (3.10)
A Y = 2X medAX (3.12)
como lo ilustra el uso de diferencias finitas, puede lograrse una simplificación conside
rable de la formulación lograda usando el cálculo diferencial.
o también:
¿ Y = d- W » A X (3.15)
dX
Y= — (3.16)
( X 2 + l)
d Y _ ( X 7+ \ ) - ( X 2 X ) _ i-x 2
entonces: - - , , (3.17)
1 -X 2
y finalmente: AY = 2 AX (3.18)
(1 + X 2)
Más aún, da una expresión general para AY en función de X y AX. Este cálculo ha
bría sido muy complicado con otro tipo de planteamiento.Cualquier valor deseado en
particular puede obtenerse haciendo X = X ^ . Estas técnicas sirven para evaluar incerti-
dumbres de algunas funciones comunes, por ejemplo:
1. Potencias:
Y =X' (3.19)
— = nX ^' (3.20)
dX
AY AX
( 3 -2 2 )
rat i
Y = senX (3.23)
dY
se tiene que — = eos X (3.24)
dX
A y = (cosX)AX (3.25)
K = lo g X (3.26)
dY 1 .
se tiene que — =— (3.27)
dX X
AY = - A X (3.28)
X
Si Y = ex (3.29)
dY x
se tiene que — =e (3.30)
dX
A Y - e xAX (3.31)
Este es un caso importante, ya que las funciones exponenciales ocurren con frecuen
cia en la ciencia y la ingeniería. Estas funciones pueden hacerse muy sensibles al expo-
nente cuando toma valores mucho mayores que la unidad, y por lo tanto, la incertidumbre
D Y puede volverse muy grande. Como se mencionó antes, este método se aplica fácil
mente a cualquier función si se evalúa la derivada respectiva.
Incertidum bre en funciones de dos o m ás variables 49
Z=X +Y (3.32)
AZ AX + A Y (3.35)
Z X +Y
2. Diferencia de dos variables:
Z =X -Y (3.36)
± AZ = ( X ^ ± A X ) - ^ ± AY) (3.37)
A Z = AX + A Y (3.38)
50 C apítulo 3 Incertidum bre en las m ediciones y evaluación de resultados experim entales
la cantidad apropiada para calcular AZ es la diferencial total dZ. que está dada por:
d Z ^ ~ - d X + — dY (3.40)
BX BY
AZ = — AX + — AY (3.41)
BX BY
Bf Bf
y las derivadas — y — normalmente se calculan con los valores X y Ymei para los
Bf Bf
que se necesita AZ. Se observa que. dependiendo de la función/ , el signo de ^ y
resulta ser negativo. En ese caso, se utiliza la estimación pesimista para el valor máximo
de AZ, se escogen los valores negativos apropiados para A X o A Y , & fin de obtener de ahí
una contribución total positiva de la suma.
1. Producto de dos o rnás variables. Suponiendo que:
7 = XY (3.42)
M étodo general para determ inación de la incertidum bre 51
! = r (3.43)
fy - x (344)
por lo que el valor de DZ está dado por:
AZ = YAX + XA Y (3.45)
Z = X aY b (3.47)
(3.49)
Z X Y
Y tomando las diferenciales com o diferencias finitas:
— = a — +f>— (3.50)
7 at X fd lYmtd
Nótese que este proceso da la incertidumbre relativa de manera directa y eso, con
frecuencia, es conveniente. Si se requiere la incertidumbre absoluta DZ, puede multipli
carse la incertidumbre relativa por el valor calculado Z,Bque, por lo general, está dispo
nible. Esta forma de diferenciación implícita sigue siendo el procedimiento más sencillo
aun cuando la misma Z csté elevada a alguna potencia. Por ejemplo, si la ecuación es:
7} = X Y ( 3 . 51 )
52 C apítulo 3 Incertidum bre en las m ediciones y evaluación de resultados experim entales
. AZ AX AY . . .
2. Cocientes. Pueden tratarse como productos en los cuales algunas de las potencias son
negativas. Como antes, el valor máximo de AZ se obtiene despreciando los signos
negativos de la diferencial y combinando todos los términos de forma aditiva.
K = / ( X „ X 2,...X J (3.54)
AY =
3X, dX
AX,, AXr ... AXn son las incertidumbres totales de las medidas directas.
Los casos particulares sencillos más usados son:
kY
Potencias: Y = cX* => A Y = AX (3.57)
X
J ^ X .- X ,
M étodo general para determ inación de la incertidum bre 53
* ►
AX, AX, 1
Producto y cociente: Y = X,X2 => A Y = |K| (3.59)
r
Y=
AX
Logaritmo: Y = logX =* AK = (3.60)
a k = v/ ( a x , ) : + ( a x ! )3
E jem plo 1: una mesa cuadrada se mide con una cinta métrica; los lados son iguales a un valor de
(75.0 ± 0.5) cm. ¿Cuál es el valor de su perímetro? Expresa el resultado con su incerti
dumbre.
Se tiene que:
L -L ^ ± A L
Entonces:
E jem plo 2: si al medir el volumen de un objeto por desplazamiento de agua en una probeta se obtie
nen los siguientes valores: V, = (350.0 ± 0.5) mi y V ,= (400.0 ± 0 .5 ) mi. ¿Cómo se repor
ta el volumen del objeto?
V = V 2- V ¡ y A V = JA V ? + AVj2
E jem plo 3: si se tienen dos resistencias: K, = (300 ± 3) £2 y /?, = (200 ± 6 ) £2 y se conectan en serie,
¿qué resultado se obtiene?
V = (50.0±1.0) V ; / = (4 .0 ± 0 .5 ) A
avY ( ai
P - V t v AP = P
j + i
P = 5 0 V x 4 A = 200W = 2 x l 0 2 W
0.5 A V
+ = 2 x 102V a 16 = 2 x 102(0 .13) = 25.32 W = 3 x 10'W
14A
E jem plo 5 : 1en un experimento la medición de la densidad reportó los siguientes valores: masa (25.00
± 0.05) g y volumen (10.5 ± 0.1) cm3.
m Am 2 Í A V
donde: p = — y A p - p
m
25.00g
p= = 2.38 g
10.5 cm ' cm
2 / . V
0.1 cm
A p = 2.38—^ = 2.38 —^-r V0.000095 = 2.38 - A r (0.0097) = 0.023 - 1 -
cm ' V I 25.00cm 3 10.5 cm ' cm cm cm
Las gráficas
En experimentos donde se obtiene una gran cantidad de datos, con frecuencia se orga
nizan para presentarlos en forma de una gráfica, es decir, un diagrama que usa líneas,
círculos, barras o alguna otra forma geométrica para representar los datos.
I-as gráficas:
1. Concentran información que facilita la comparación entre un experimento y otro,
y se pueden comparar con otras gráficas, lo cual no ocurre si solo se utilizan ta
blas.
2. Revelan rápidamente ciertos rasgos como: máximo, mínimo, periodicidad, varia
ción de la pendiente, ordenada al origen, entre otros.
En las ciencias c ingenierías, las gráficas tienen, principalmente, tres aplicaciones:
1. Es muy rápido y sencillo determinar alguna característica de un fenómeno.
2. Funcionan como una ayuda visual.
3. En el trabajo experimental permiten conocer la relación existente entre dos o tres
variables.
56 C apítulo 3 Incertidum bre en las m ediciones y evaluación de resultados experim entales
Construcción de gráficas
Para la construcción de gráficas, a partir de datos experimentales, se deben seguir las
siguientes recomendaciones:
1. Elección del papel adecuado (depende del tipo de datos obtenidos y del problema por
resolver):
a ) Papel de coordenadas rectangulares uniformes (milimétrico): se caracteriza por
que ambos ejes, abscisas x y ordenadas y están a escala lineal. Por lo general se
utiliza para determinar un fenómeno con comportamiento lineal (figura 3.3).
01 2 3 4 5 6 7 8 9 1011 12 1314 15 16 17 18 19
P e s o (k g )
10000001
1000000
100000
10000
10 15 20
Oías transcurridos
1 10 100
D ía s tra n s c u rrid o s
45
40
35
30
?
— 25
T>
2
»20
l ,
10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1718 19
P o so (k g)
Figura 3.6: La escala de los dos ejes presenta como mínima división la incertidumbre
absoluta del instrumento de medición, que es en este caso de 0.1 kg para el peso y de 0.5
cm para la longitud.
58 C apítulo 3 Incertidum bre en las m ediciones y evaluación de resultados experim entales
3. Trazo de los punios experimentales: los valores experimentales en una gráfica deben
ser representados por rectángulos y no por puntos, en los cuales se muestre el in
tervalo de incertidumbre absoluta que corresponde a cada magnitud en cada eje (figu
ra 3.7). Ejemplo:
En la figura 3.7 el punto (14.4, 15.6) es representado por un rectángulo que en el eje
X tiene un rango de valores entre 14.3 y 14.5, y en el eje Y un rango entre 15.4 y 15.8.
Por lo tanto, la gráfica de este resultado experimental puede pasar por cualquier punto
dentro del rectángulo y no necesariamente por el punto, ya que la precisión del instru
mento utilizado, tanto para medir la magnitud del eje X com o la del eje Y, no permite
discriminar ningún punto (del rectángulo) de error como preferente para trazar una nue
va curva.
D 0 O t e n m u e s t r a s d e a g u a s r e s id u a l e s d e l m u n ic ip io D 6 0 a e n m u e s t r a s d e a g u a s r e s i d u a l e s d e l m u n ic ip io
d e T o n a l* . J a l i s c o d e T o n a lA . J a l i s c o
1400 3000
1200 2500
1000 a M1
(p p m )
2000
M2
800
600
i
«o
1500
s M3
D B 05
400 1000
200 I <■B -| i 500
M 4
0 1 0
15/ 11/ 20G 5 W 0 3 / 2 0 0 6 24/ 05/ 2006 20/ 11/ 2006 07/ 04/ 2007 15/ 11/ 2005 1& C 3/ 2006 2 4 .0 5 / 2 0 0 6 20/ 11/ 2006 07/ 04/ 2007
F e c h a d e m u e s t ie o F e c h a d e m u e s tr e o
D B O ^ e n m u e s t r a s d e a g u a s r e s id u a l e s d e l m u n ic ip io D 6 0 t e n m u e s t r a s d a a g u a s r e s i d u a l e s d e l m u n ic ip io
d e T o n a l* , J a U s o o d e T o n a l* . J a l i s c o
1400
M4
1200
1000 L /'N *
Ippm )
M3
800 M1 i
600 to
M2 □ 1 0 0 0 -1 5 0 0
DBOO
400
M2
200 M3 i h □
_______________ M1 0 5 0 0 -1 0 0 0
0 M4 15/ 11/ 2005 2 4 4 )5 / 2 0 0 6 07/ 04/ 2007
O 0 -5 0 0
W 11/ 2005 16/ 03/ 2006 21/ 05/ 2006 20/ 11/ 2006 < 37/ 0 4/ 20 07 16/ 03/ 2006 20/ 11/ 2006
F e c h e d e m a e s tr e o F e c h a d e m u e s tr e o
Coeficiente de correlación
M uchos de los problemas de los que se ocupan las ciencias van más allá de la descrip
ción de una variable única en sus diversas ramificaciones y con frecuencia es necesario
determinar las relaciones entre dos o más variables. Por ejemplo, uno de los intereses
esenciales de las oficinas administrativas de las universidades es la relación existente
entre los promedios obtenidos en el bachillerato o las calificaciones en el examen de
ingreso universitario, y el rendimiento en la universidad. Los estudiantes que hacen un
buen bachillerato o que logran una calificación alta en el examen d e ingreso, ¿también
destacan en la universidad? O bien, aquellos que son malos estudiantes en bachillerato
y los que obtienen una calificación baja en el examen de ingreso, ¿tienen un pobre ren
dimiento en la universidad?
Establecer estas preguntas acerca de las relaciones que existen entre las variables,
equivale a internarse en el área de la correlación. Con el fin de expresar cuantitativamen
te hasta qué grado están relacionadas dos variables, es necesario calcular el llamado
coeficiente de correlación r. Hay muchas clases de coeficientes de correlación. La deci
sión de cuál emplear para una serie de datos específicos depende de factores como:
No importa qué técnica de correlación se emplee, todas tienen las siguientes carac
terísticas comunes, si continuamos con el ejemplo anterior:
1. Se obtienen dos series de medidas de los mismos individuos (o sucesos) o de
pares de individuos que tengan alguna forma de relación.
2. Los valores de los coeficientes de correlación varían entre +1.00 y -1.00. Ambos
extremos representan relaciones perfectas entre las variables, mientras que 0.00
representa la ausencia de relación.
• •
r
*
0 00 . --030 -1.00
-V /V
• ••: ••
3. Una relación positiva significa que los individuos que obtienen calificaciones
altas en una variable, tienden a obtener calificaciones altas en la otra. La aseve
ración contraria también es válida, es decir, los individuos con una calificación
baja en una variable, obtienen una calificación baja en la segunda.
4. En una relación negativa, los individuos con una calificación baja en una variable
alcanzan una calificación alta en una segunda variable y viceversa, los individuos
que consiguen una calificación alta tienden a una calificación baja en la segunda.
La figura 3.10 muestra una serie de diagramas de dispersión que ilustran varios gra
dos de relación entre dos variables X y Y. AI interpretar las figuras es importante recordar
que cada punto representa dos valores: la calificación de un evento en la variable X y la
calificación del mismo evento en la variable Y. Como se indicó anteriormente, la variable
X se representa a lo largo de las abscisas y la variable Ya lo largo de las ordenadas.
P o te n c ia (C V )
1800
1600
1400
5 1200
| 1000
! 800
600
400
200
0 10 20 30
Figura 3.12: Relación existente entre peso del automóvil (kg) y el tiempo (s) que tarda
en incrementar su velocidad de 0 a 100 km/h.
» I x ,r, -
r= /-i (3.62)
« i *• -
M
Ex
j-i J»l
E jem plo 6: hallar el coeficiente de correlación del conjunto de datos de la tabla 3.1:
y, y?
1 i i i i
3 2 9 6 4
4 4 16 16 16
6 4 36 24 16
8 5 64 40 25
9 7 81 63 49
11 8 121 88 64
14 9 196 126 81
M
X
3
M
II
é
Y=a+bX (3.63)
donde:
X = variable independiente.
Y= variable dependiente.
a = ordenada al origen o término independiente.
b = pendiente de la recta.
C apítulo 3 Incertidum bre en las m ediciones y evaluación de resultados experim entales
y
40 m
35 -
30 ■
25 -
20 -
15 •
10 m
5 •
0
a
0
Y = a+bX+cX2 (3.64)
donde:
X - variable independiente.
Y - variable dependiente.
a = coeficiente del término independiente.
b = coeficiente del término de primer orden,
c = coeficiente del término de segundo orden.
120000
100000 -
80000 -
60000 -
40000 -
/
20000 -
y - 5 e‘
0 • x
6 8 10
Figura 3.16: C om portam iento de dos variables correlacionadas de form a logarítm ica
Y =ahi{X).
66 C apítulo 3 Incertidum bre en las m ediciones y evaluación de resultados experim entales
5. Comportamiento polinom iol (figura 3.17): la ecuación que describe este com porta
miento se escribe de la siguiente manera:
A juste de rectas
Com o ya se explicó, la correlación de dos variables puede tener diferentes com porta
mientos. Sin embargo, uno de los más comunes en los fenómenos físicos es el compor
tam iento lineal, aunque en los casos que no se pueda utilizar directamente se trabaja con
las escalas de las variables (semilogarítmicas o logarítmicas) para alinear com porta
mientos no lineales y trabajar con la ecuación de la línea recta. A continuación se descri-
ben dos métodos para el ajuste de la recta a una correlación de dos variables X y Y. Estos
métodos son: 1) el método de pares de puntos y 2) el método de los mínimos cuadrados.
M étodo de pares de puntos 67
1 y 7, 2 y 8,..., 6 y 12
( * , - * , ) , (X$- X 2U (Xl2- x 6)
i r i - Y M Y 9- Y ¿ . . { Y a - Y J
Y se calcula la media aritmética de estas diferencias (Dx y Dy), con las que se puede
estimar la pendiente de la línea recta de ajuste mediante:
m- — (3.68)
Dx
12
11 hjH
10 hfH
2
1 HÉH
&
X
(3.71)
Todas las lecturas de y,, a Y, han desaparecido, aunque también pudo no haberlas
tomado en cuenta. Esto puede evitarse si se dividen las lecturas en dos grupos principales
y aparca los puntos uno de cada grupo, como se ha descrito.
.* construir la línea recta que mejor se adapte a los datos de la tabla 3.3 y hallar la ecuación
••
1 2 3 4 5 6 7 8 9 10 11 12
A ju s te d e re cta p o r m é to d o d e p a re s
d e p u n to s
co
T3
c
3
a
T ie m p o (s)
Figura 3.19: Línea recta que representa el mejor ajuste para el conjunto de datos de la
tabla 3.3 mediante el método de pares de puntos y de los mínimos cuadrados.
M étodo de pares de puntos 69
Solución: En primer lugar, los puntos se dividen en dos grupos ¡guales, uno para valores bajos de
d y t y el otro para los valores altos de d y /; después se aparean los puntos, uno de cada
grupo:
1 y 7. 2 y 8...., 6 y 12
b = y - n t x = 1 2 0 -2 0 (6 ) = 0
Sin embargo, en algunas ocasiones la mejor línea recta no necesariamente pasa por
todos los puntos y eso hace que las estimaciones á c m y b sean subestimadas o sobrestima-
das, dependiendo de los pares de puntos escogidos. En este caso se sugiere utilizar un
método que minimice estas subestimaciones y sobrestimaciones, como el método de los
mínimos cuadrados. El siguiente ejemplo ¡lustra este comportamiento.
E jem plo 8 : 1construir la línea recta que mejor se adapte a los datos de la tabla 3.4 y hallar la ecuación
de dicha recta mediante el método de pares de puntos.
*1 i 3 4 6 8 9 11 14
y, i 2 4 4 5 7 8 9
Solución: Primero los puntos se dividen en dos grupos iguales, uno para valores bajos de x y y. y el
otro para los valores altos d e * y y, después se aparean los puntos, uno de cada grupo:
1 y 5, 2 y 6 ,3 y 7, 4 y 8
70 C apítulo 3 Incertidum bre en las m ediciones y evaluación de resultados experim entales
A ju s te d e re c ta m e d ia n te el m é to d o
d e p a re s d e p u n to s
0
2
a
Variable x
Figura 3.20: Linca recta que representa el m ejor ajuste para el conjunto de datos de la
tabla 3.4 mediante el método de pares de puntos.
0 * ,= ( * , - * , ) = 8 - 1 = 7 y Dyi = ( y ; - y l) = 5 - 1 = 4
Dx2= (x 6- ^ = 9 - 3 = 6 y D y = ( y - y 2) = 7 - 2 = 5
a r 3= (x 7- x >) = 1 1 - 4 = 7 y 0 '7- > ’3) = 8 - 4 = 4
D x 4 = ( x s - x 4) = 1 4 - 6 = 8 y D y = (ya- y 4) = 9 - 4 = 5
Dy, 4.5
m - — = — = 0.64
Dx, 7
b = y - rnx = 4 .5 -0 .6 4 (7) « 0
Y = a +bX (3.72)
Donde:
X = variable independiente.
Y = variable dependiente.
a = ordenada al origen o término independiente y.
b = pendiente de la recta.
± X ͱ Y i-± X ¡± X M
——
U M M (3.73)
i-l l-l
b =- ü ;* ■ A (3.74)
D ia g ra m a d e d is p e rs ió n
E jem plo 9: construir la linca recta que mejor se adapte a los datos de la tabla 3.3 y hallar la ecuación
de dicha recta mediante el método de los mínimos cuadrados.
X, y, V X tY,
1 20 1 20
2 40 4 80
3 60 9 180
4 80 16 320
5 100 25 500
6 120 36 720
7 140 49 980
8 160 64 1280
9 180 81 1620
10 200 100 2000
11 220 121 2420
12 240 144 2880
Si se sustituyen los valores de los sumatorios de la tabla 3.5 en las ecuaciones 3.73
y 3.74 se obtiene:
650(1560)-78(13000) _ 1014000-1014000 _ 0 _A
a=
1 2 (6 5 0 )-(7 8)2 7800 - 6084 1716
E jem plo 10: construir la línea recta que mejor se adapte a los datos de la tabla 3.4 y hallar la ecuación
de dicha recta mediante el método de los mínimos cuadrados.
y, V x ,y,
1 i 1 i
3 2 9 6
4 4 16 16
6 4 36 24
8 5 64 40
9 7 81 63
11 8 121 88
14 9 196 126
X*
«O
O
Con la sustitución de los valores de los su matónos de la tabla 3.6 en las ecuaciones
3.73 y 3.74 se obtiene:
5 2 4 (4 0 )-5 6 (3 6 4 ) 2 0 9 6 0 -2 0 3 8 4 576
Q — ~ = — — — — —— — — — — U «9 4 D
8(524)-(56)* 4192 - 3136 1056
A ju s te s d e re cta m é to d o d e lo s m ín im o s c u a d ra d o
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
V a ria b le X
Figura 3.22: Línea recta que representa el mejor ajuste para el conjunto de datos de la
Tabla 3.4 mediante de los mínimos cuadrados.
74 C apítulo 3 Incertidum bre en las m ediciones y evaluación de resultados experim entales
Longitud L
Masa M
Tiempo T
Intensidad de corriente eléctrica 1
Temperatura t
Intensidad luminosa le
Cantidad de sustancia m
Dimensión de una m agnitud 75
[v] = L T l (3.75)
F = ma (3.76)
M L T t I le m
Aceleración A 0 1 -2 0 0 0 0
Capacitancia C -1 -2 4 0 2 0 0
Energía E 1 2 -2 0 0 0 0
Frecuencia F 0 0 -1 0 0 0 0
Impulso 1 1 1 -1 0 0 0 0
Inductancia L 1 2 2 0 -2 0 0
Presión P 1 -1 -2 0 0 0 0
Resistencia R 1 2 -3 0 -2 0 0
Viscosidad N 1 -1 -1 0 0 0 0
Trabajo W 1 2 -2 0 0 0 0
Coeficiente de transferencia H 1 0 -3 -1 0 0 0
de calor
Calor específico Ce 0 2 -2 -1 0 0 0
Coeficiente de dilatación lineal a 0 0 0 -1 0 0 0
R ujo magnético f 1 2 -2 0 -1 0 0
Iluminación E 0 -2 0 0 0 1 0
R ujo luminoso F 0 0 0 0 0 1 0
76 C apítulo 3 Incertidum bre en las m ediciones y evaluación de resultados experim entales
Teorema de Buckingham
Para aplicar el análisis dimensional en una investigación, el experimentador debe cono
cer, en su totalidad, la cantidad y clases de variables fundamentales que intervienen en el
experimento. Se entiende por variable fundamental cualquier variable experimental que
influya en la prueba y que se pueda modificar, independientemente de las otras variables
que intervengan. Cuando el investigador conoce todas las variables puede reducir su nú
mero por medio de la aplicación de la primera parte de teorema de Buckingham, el cual
establece que “cualquier ecuación dimensional mente homogénea se puede reducir en
un conjunto completo de productos adimcnsionalcs”. Una ecuación dimcnsionalmcntc
homogénea es com pleta cuando su forma no depende de las unidades fundamentales que
se emplean.
Un ejemplo de estas ecuaciones es el que relaciona el tiempo (/) que tarda en caer
un cuerpo en reposo y la distancia (x) que recorre durante su caída libre, matemática
mente se simboliza:
x =^~ (3.78)
donde:
/ = tiempo.
g = aceleración de la gravedad.
fundamentales (tabla 3.9), pero si la lista está incompleta no se podrá dar respuesta d e
bido a falta la información.
Com o T aparece en uno de los productos adimensionales, se obtiene T por una ex
presión igual:
T = G( 9) (3.81)
y despejando para T:
(3.82)
De acuerdo con los resultados obtenidos con el teorema jc, el periodo de oscilación
del péndulo simple varía en forma directamente proporcional a la raíz cuadrada de la
78 C apítulo 3 Incertidum bre en las m ediciones y evaluación de resultados experim entales
1 = *, (3.83)
= x, (3.84)
r l
(3.85)
r*)
7
se concluye que: T =~ (3.87)
Por lo tanto, midiendo T se calcula el periodo 7 del péndulo real con la expresión
matemática:
7 = 107' (3.88)
(3.89)
C am bio de unidades 79
«F = La M b r (3.90)
= (3.91)
Ai, = m M 2 (3.92)
Tx = t T2 (3.93)
E jem plo 11: i determínese el valor de la aceleración d e la gravedad (g = 981 cm /s2) en el sistema britá
nico de unidades.
Ejercicios
M edición de incertidu m b res 6. Dos resistencias dieron las siguientes lectura:
R 1 = (200 ± 5) Í2 y R2 =(250 ± 3) íl. ¿Cuál es la incer
tidumbre absoluta de la resistencia total en serie y la
1. Se usa un flexómetro (la división mínima es hasta
resistencia total en paralelo?
mm) para medir una longitud de 30.00 cm. ¿Cuál es la
incertidumbre absoluta y relativa? 7. Al medir indirectamente el valor de una resistencia
(V = R I\ la lectura del voltaje es V = (9.4 ± 0.1) volts y la
2. Un micróinctro puede leer hasta 0.01 mm en la me
de la comente es / = (1.20 ± 0.02) amperes. ¿Cuál es
dición de un diámetro de 4.00 mm, ¿cuál sería la incer-
la incertidumbre absoluta del valor de la resistencia?
tidumbre relativa y relativa porcentual?
8. Una medición de densidad de a los siguientes valo
3. ¿Cuál es la menor distancia que puede medirse
res: masa m = (15.281 ± 0.005) g: volumen V = (12.30
usando una regla (con divisiones mínimas hasta mm),
± 0.5) cm3. ¿Cuál es la incertidumbre absoluta en la
de manera que la incertidumbre no exceda de 2%?
densidad?
4. Un vemier puede leer hasta 0.1 mm. En la medi
9. Un condensador C = (5 ± 0.1) pf es cargado con
ción de un prisma de 5 mm, ¿cuál sería la incertidum
una diferencia de potencia de V = (80 ± 1) V, tiene una
bre relativa?
carga cuyo valor se calcula de Q = C x V. ¿Cuál es la
5. Se va a colocar una cinta en la orilla de una mesa incertidumbre absoluta de la carga?
cuadrada. Si al medir los lados se encontró que son
10. Un alambre de sección circular tiene una medida
iguales y con un valor de (74.4 ± 0.5) cm, ¿cuál es el
de 0.31 mm de radio y desviación estándar de 0.2 mm.
valor de su perímetro? Exprese el resultado con su in
¿cuál es el error del área medida?
certidumbre. La div isión efectuada sobre los lados de
un plano rectangular arrojó los siguientes resultados,
11. Si al medir el volumen de un objeto por desplaza
L \ =(14.10±0.05) cm y L2 = (8.6 ±0.05) cm,¿cuál es
miento de agua en una probeta se obtienen los siguien
la incertidumbre absoluta del perímetro y la incerti tes valores V} = (340 ± 0.5) inl y V\ = (392 ± 0.5) mi,
dumbre relativa del área? reporte el volumen con su incertidumbre absoluta y re
lativa porcentual asociada.
Ejercicios 81
R e p re se n ta c ió n g ráfica
Con base en las siguientes tablas: de levaduras en función del tiempo
Tiempo
Concentración de levaduras
1. en horas
0 2.00E+Q0
Gasto en litros/h de un m otor trabajando 1 5.44E+00
a diferentes potencias 2 1.48E+01
T
3 4.02E+01
Litros gastados/h Potencia (N) 4 1.09E+02
10 5.5 5 2.97E-f02
20 6 6 8.07E+02
30 6.5 7 2.19E+03
40 7 8 5.96E+03
50 7.5 9 1.62E+04
60 8 10 4.41E+04
mm
70 8.5 11 1.20E+05
12 3.26E+05
80 9
13 8.85E->05
90 9.5
14 2.41E+06
100 10 15 6.54E+06
110 10.5 16 1.78E-f<)7
120 II 17 4.83E+07
130 11.5 18 1.31 E-K)8
140 12 19 3.57E+08
150 12.5 20 9.70E+08
160 13 21 2.64E+09
170 13.5 22 7.17E+09
180 14 23 1.95E+10
^A
24 5.30E+10
190 14.5
25 I.44E+11
200 15
26 3.91E+11
210 15.5 27 I.06E+12
220 16 28 2.89E+12
230 16.5 29 7.86E+12
240 17 30 2.14E+13
250 17.5 31 5.81E+13
260 18 32 1.58E+14
270 18.5 33 4.29E+14
280 19 34 I.17E+15
290 19.5 35 3.17E+I5
36 8.62E+15
300 20
37 2.34E+16
38 6.37E+16
39 1.73E+I7
40 4.71E+17
41 I.28E+18
42 3.48E+18
43 9.46E+18
44 2.57E+19
45 6.99E+19
46 1.90E+20
47 5.16E+20
48 1.40E+21
82 C apítulo 3 Incertidum bre en las m ediciones y evaluación de resultados experim entales
b) Se lanza un proyectil de masa m en dirección hori d) Un cuerpo de 1.25 kg se mueve con una velocidad
zontal. con una velocidad inicial v0, desde una al de 6 m/s. Calcule su energía cinética en: i) joules,
tura h. Hallar el alcance x utilizando el análisis ii) poundal.ft, iii) atm.litro.
dimensional. Hacer lo mismo si la velocidad ini e) Ijí constante R que interviene en la ecuación de
cial forma un ángulo a con la horizontal. los gases ideales es R = 0.08206 atm.L/(molg.K).
c) La potencia requerida para mover una hélice de Calcule su valor en las siguientes unidades: i)
pende de las siguientes variables: D diámetro de la (mmHg).cmV(molg.K). ii) cal/(molg.K), iii) Btu/
hélice, r densidad del fluido, c velocidad del soni (mol-lb.°R), iv) bar.L/(molg.K).
do en el fluido, w velocidad angular de la hélice, y f ) En una referencia bibliográfica se encontró que la
h viscosidad del fluido. Analice cuántos grupos densidad relativa del ctanol a 60 °F, con respecto al
adimensionales caracterizan este problema y dé agua a 60 °F, es 0.7939. ¿Cuál es la densidad del
una expresión para los mismos. ctanol en g/cm' a 60°F si el volumen específico
del agua a dicha temperatura es 0.016030 ftVIb?
4. Realizar las siguientes conversiones: g) La transmisión de calor por conducción está dada
a) La densidad de un líquido es 755 kg/m \ Calcule el por la ecuación: q = kADÍ7dx, donde Les la conduc
valor de la densidad en las siguientes unidades: i) tividad térmica del material y dTes la diferencia de
Ib/ft1, ii) o z/in \ iii) lb /m \ iv) g/cm5. temperatura. Si la conductividad calorífica de deter
b) Exprese el valor de la aceleración normal de la minado material es k 30 Kcal/(m.h.<C ), exprese
gravedad (9.80665 m/s2) en las siguientes unida su valor en las siguientes unidades: i) Btu/(fl.h.aF),
des: i) ft/s2, ¡i) km/h2, iii) in/h2, iv) milc/h2. ü) W/(cm.°C). üi) cal/(cm.h.°K).
c) El peso de un objeto es de 100 kg en un lugar de la h) La energía potencial de la carga de un depósito
Tierra en el que la aceleración de la gravedad es con respecto a un determinado nivel de referencia
9.805 in/s2. ¿Cuál es la masa del objeto expresada es de 12500 poundal.ft. Exprese su valor en:
en kg? Si el volumen del objeto es de 15 litros, i) joules, ii) kWh, iii) atm.litro, iv) Ibf.ft.
¿cuál su densidad en lb/fl3?
Bibliografía
Baird. D.C. (2003). Experimentación: Una introducción a la teoría de mediciones y al diseño
de experimentos. México: Fearson Educación.
Bcmal, C.A. (2006). Metodología de la imestigación. México: Pcarson-Prcnticc Hall.
Castañeda, J J.; De la Torre, L.M. Morán, R. y Lara, R.P. (2002). Metodología de la im'esti-
gación. México: McGraw-Hill.
Gutién-ez, A.C. (2001). Introducción a la metodología experimental. México: Limusa-Norie-
ga-
Hernández, S.R.; Fernández, C. y Baptista, L. (2003). Metodología de la investigación.
México: McGraw-Hill.
Montgomcry, D.C. (1991). Diseño y análisis de experimentos. México: Grupo Editorial Ibe
roamericano.
Navidi, W. (2006). Estadística para ingenieros y científicos. México: McGraw-Hill.
Tamayo y Tamayo, M. (2002). El proceso de la imestigación científica. México: Limusa.
C A P IT U L O 4
85
86 C apítulo 4 Análisis descriptivo de los datos
En la práctica diaria es más frecuente trabajar con muestras que con toda una pobla
ción, sobre todo cuando esta es bastante numerosa. Por tal motivo, es importante traba
ja r con muéstreos representativos cuando se quieren inferir los resultados de toda la po
blación. Por ejemplo, una fábrica produce tom illos de alta precisión, para los cuales
existen estrechos márgenes de tolerancia con respecto a su diámetro. Com o parte de los
procedimientos de control de calidad se selecciona un número d e tom illos de la produc
ción diaria y se determina, cuidadosamente, su diámetro. Los tom illos seleccionados
constituyen la muestra, que debe ser representativa de toda la población d e tomillos
producidos. La variable es el diámetro de los tomillos. Los datos están constituidos por
las medidas de todos los tomillos que conforman la muestra. Cuando los datos son m a
nipulados, de acuerdo con ciertas reglas pueden obtenerse algunas características repre
sentativas de la totalidad, por ejemplo, el diámetro promedio de los tom illos; además, el
valor numérico resultante constituye un estadístico. La población, en la cual estamos
interesados, es la producción diaria total de la fábrica. FJ diámetro promedio de los tor
nillos producidos en un día constituye un parámetro. Es poco probable que el parámetro
sea conocido siempre, ya que para lograrlo se requiere la medición de cada tomillo pro
ducido durante el día. Esto consumiría mucho tiempo, dinero y esfuerzo, por lo cual es
raro que se emprenda un estudio exhaustivo de las poblaciones. En consecuencia, los
Inferencia estadística 87
parámetros poblacionales son poco conocidos, pero pueden ser estimados a partir de
muestras estadísticas.
Estadística descriptiva
Cuando una persona conduce un estudio debe reunir una gran cantidad de datos acerca
del problema en cuestión. Los datos inicialmentc son un enredo de calificaciones, re
cuentos, frecuencias, etcétera. La estadística descriptiva establece procedimientos para
la presentación de datos de una forma más útil y significativa, básicamente, a través de
tablas y gráficas. Asimismo, formula reglas para calcular los estadísticos a partir de los
datos originales.
Imaginemos que un tutor académico quiere someter a un grupo de estudiantes a una
serie de pruebas (para medir su inteligencia, disposición, aptitud, actitud, capacidades,
personalidad, entre otras). ¿Qué tipo de operaciones podrá ejecutar con las calificaciones
y medidas resultantes para cumplir con la función descriptiva?
1. Reorganizar las calificaciones y agruparlas de varias formas para obtener una
visión global de todo el conjunto de datos (distribución d e frecuencias).
2. Construir tablas, gráficas y figuras que permitan visualizar los resultados (técni
cas de representación gráfica).
3. Convertir los resultados originales en formas más útiles para propósitos específi
cos (rangos percentiles. calificaciones estándar o grados).
4. Calcular promedios para aprender algo acerca del comportamiento específico de
sus problemas (medidas de tendencia central).
5. Emplear el promedio como referencia para describir la dispersión de calificacio
nes con respecto a esc punto central (medidas de dispersión).
6. Establecer una relación entre dos conjuntos diferentes de datos, ajustar el com
portamiento a una función matemática (recta, cuadrática, potencia, logaritmo,
potencial polinomial, entre otros) y establecer el grado de correlación entre los
conjuntos de datos a través del coeficiente de correlación.
Por citar un ejemplo, el tipo de correlación y el coeficiente de correlación son extre
madamente útiles al tutor en el caso de que quiera determinar la relación entre inteligen
cia y calificaciones escolares, entre personalidad y aptitudes, o entre personalidad c
intereses. Una vez establecidas estas relaciones, podrá em plear las calificaciones obteni
das (a partir de una de las pruebas específicas) para predecir el comportamiento de algu
na de las otras (correlación, regresión y predicción).
Com o se menciona en el ejem plo anterior, la estadística descriptiva permite inter
pretar los datos que se han obtenido y, al mismo tiempo, realizar el trabajo previo a la
estadística infcrencial.
Inferencia estadística
El trabajo de un científico no llega a su fin cuando ha concluido la función descriptiva.
Por el contrario, está más cerca del principio que del final de la tarea. Esto resulta evi
88 C apítulo 4 Análisis descriptivo de los datos
Técnica de m uestreo
En la mayoría de los casos es necesario obtener muestras de una población, las cuales se
analizarán, y su resultado tendrá que ser representativo para poder extrapolarlo a toda la
población. Cada una de las unidades de observación que conforman la muestra deben ser
elegidas al azar (alcatoriedad), pertenecer a esa misma población (homogeneidad), tener
la misma oportunidad de ser seleccionadas (representatividad) y no estar condicionadas
entre sí (independencia). Existen varias técnicas para obtener una muestra, pero las más
utilizadas son: muestreo aleatorio simple, muestreo sistemático, muestreo de racimos y
muestreo estratificado.
Estos conceptos se pueden ilustrar mediante un ejemplo. Para una investigación de
salud se desea conocer el peso, edad, estatura y sexo de 10 000 estudiantes (población)
de un centro universitario. Sin embargo, resulta difícil obtener las mediciones de cada
elem ento de la población, por lo que se decide hacerlo mediante la extracción de una
M itos de la estadística 89
muestra de 500 estudiantes. Un ejemplo de cóm o proceder con las diferentes técnicas
de mucstrco es la siguiente:
Estos ejemplos ¡lustran las diferentes técnicas de muestro, pero no las detallan, ya
que el estudiante es quien debe profundizar en este tópico; para ello, puede consultar la
bibliografía especializada de estadística.
M itos de la estadística
X, + X, + XJ+ X 4+ Xs+... + Xn
M edidas de tendencia central 91
¿X , (4.1)
(-1
Las notaciones colocadas abajo y arriba del símbolo de suma indican que / tomará
sucesivamente los valores 1,2, 3 ,4 , 5 ... hasta n. Verbalmente, la notación se lee:
Algunas veces esta forma de notación puede indicar la suma, pero únicamente de las
cantidades seleccionadas:
= X 2+ X i + X Á+ X i (4.2)
i-2
Media aritmética
Se define com o la suma de todos los valores de la distribución dividida entre el número
total de datos. En una muestra cuyos valores están dados por X,, Xv .... Xn, la media
aritmética está definida como:
II
X*,
X = -=!— (4.3)
n
Por ejemplo, para los siguientes datos: 15, 18, 12, 13, 12, 13, 16, 13, 12, 15,19, 12,
15, 13, 12, la media será:
- 1 5 + 1 8 + 12 + 13 + 12 + 13 + ...+ 12 _ tA
A— — I*r
92 C apítulo 4 Análisis descriptivo de los datos
Mediana
Se refiere al dato que ocupa la posición central en una muestra ordenada, por lo que deja
a su izquierda y derecha el mismo número de observaciones. De esta forma, para calcu
lar el valor de la mediana del ejemplo anterior, primero se procede a ordenar los datos.
12 12 12 12 12
13
13 13 13 15J 15
15 16 18 | 19
4+4
Me = =4
Moda
La moda es el valor de la variable que m ás veces se repite en la muestra, por lo que para
los dos casos anteriores la moda es de 12 y 4, respectivamente. El primero con cinco
repeticiones, y el segundo con cuatro. Sin embargo, habrá casos en los que más de un
valor se repita el mismo número de veces, por lo que la muestra puede ser bimodal (dos
valores con la misma frecuencia); trimodal (tres valores); o polimodal (para m ás de tres).
También existe la posibilidad de que el número d e repeticiones de los valores sea homo
géneo, en cuyo caso no existe moda.
Cabe señalar que la moda es la medida más representativa en el caso de distribucio
nes de variables en escala nominal, debido a que las distribuciones de este tipo presentan
datos no susceptibles de ordenación, de tal forma que para estas distribuciones no es
posible realizar operaciones elementales con sus observaciones.
M edidas de dispersión
Las medidas de dispersión cuantifican la dispersión y variabilidad de los valores de
la distribución respecto al valor central. Permiten calcular la representatividad de una
medida de posición, para lo cual será preciso cuantificar la distancia de los diferentes va
lores de la distribución respecto a dicha medida. A tal distancia es a lo que, en términos
estadísticos, le se llama variabilidad o dispersión de la distribución.
Las medidas de dispersión tienen com o finalidad estudiar hasta qué punto, para una
distribución de frecuencias determinada, las medidas de tendencia central o de posición
son representativas como síntesis de toda la información de la distribución.
Medir la representatividad de una medida de posición equivale a cuantificar la sepa
ración de los valores de la distribución respecto a dicha medida. Por ejemplo, se desea
M edidas de dispersión 93
estudiar en qué grado una media aritmética marca una tendencia central generalizable
del comportamiento de todos los elementos del conjunto por lo que primero se tendrá
que fijar la atención en la desviación de cada valor respecto a la media. Si todos los va
lores están cercanos al valor medio, este será representativo de ellos. La media aritm éti
ca de una variable es m ás representativa cuanto más agrupados estén los valores en tomo
a ella; y por el contrario, será más rechazable en la medida que exista mayor dispersión
de los valores de la variable respecto a la media.
Las medidas de dispersión son el rango, la desviación media, la varianza, la desvia
ción estándar y el coeficiente de variación.
Rango
El rango es la medida de dispersión más sencilla de calcular e interpretar, puesto que
simplemente es la diferencia entre los valores máximo ( X J y mínimo (XnJ . Indica la
variación máxima que se presenta en la muestra y está definida como:
(4.4)
De manera que para los siguientes los valores 2, 5 ,4 , 7 ,6 ,9 , el valor del rango está
dado por R - 9 - 2 = 7 , que representa la amplitud entre los extremos de la distribución.
Desviación media
1.a desviación media se define com o la m edia aritm ética del valor absoluto de las d i
ferencias de los valores de la variable con respecto a la m edia aritm ética y se expresa
así:
¿ I*. -x|
DM = ----------- (4.5)
n
La tabla 4.1 muestra el proceso del cálculo de la desviación media para la siguiente
serie de valores:
94 97 95 95 94 96 90 93 89 95
^ _ 94 + 97 + 95 + 94 + ... + 95 . . _
X - - = 9 3 .8
Después, en la tabla, a cada uno de los valores se le resta el valor promedio, para
luego obtener el valor absoluto y la sumatoria de las desviaciones. Dichos valores se
sustituyen en la ecuación de la desviación media para obtener la separación de la distri
bución con respecto a la media aritmética.
94 Capítulo 4 Análisis descriptivo de los datos
89 -4 .8 4.8
90 -3 .8 3.8
93 4 ). 8 0.8
94 0.2 0.2
94 0.2 0.2
95 1.2 1.2
95 1.2 1.2
95 1.2 1.2
% 2.2 2.2
97 3.2 3.2
n = 10 0 ¿ | X , - X | = 18.8
f-l
DAÍ = 1 M = j .88
10
Varían /.a
De todas las medidas de dispersión, respecto a la media aritmética, la varianza y su raíz
cuadrada (desviación típica) son las más importantes. La varianza se define com o la m e
dia aritmética del cuadrado de las desviaciones de los valores de la variable a la media
aritmética, mediante la expresión:
5 ’ = ■“ (4.6)
n -1
Valores (* ,) x ,- x ( x , - x )2
89 -4 .8 23.04
90 -3 .8 14.44
93 -0 .8 0.64
94 0.2 0.04
94 0.2 0.04
95 1.2 1.44
95 1.2 1.44
95 1.2 1.44
96 2.2 4.84
3.2 10.24
97
X ( X , - X ) J = 57.6
O
II
S’ = ™ = 6 . 4
10-1
Desviación estándar
La desviación típica es la raíz cuadrada de la varianza. De manera más práctica informa
cuál es el promedio de separación que existe en la distribución con respecto al valor
promedio. Se expresa en las mismas unidades que la variable original. La expresión para
su cálculo es:
S = V~
l¿(*.-xf (4.7)
i f l- 1
Coeficiente de variación
El coeficiente de variación (CV) expresa la desviación estándar respecto a la media
aritmética, usualmente en porcentaje, para una interpretación más clara del grado de
variabilidad de la desviación típica en relación al valor promedio; en otras palabras, es la
desviación estándar de la media aritmética expresada como porcentaje.
C apítulo 4 Análisis descriptivo de los datos
CV = ¿ x l O O (4.8)
X
El valor de la media para los alum nos de tercero y sexto grados es el mismo. Si el
director del plantel quisiera otorgar un premio a los niños que obtuvieron un mejor des
empeño basado en este valor no sería justo. Sin embargo, mediante los resultados del
CV, al director le quedaría muy claro cuáles alumnos deben recibir el premio. De mane
ra que, los respectivos coeficientes de variación serán:
Variables num éricas 97
Por lo que el premio debe entregarse a los alum nos de sexto grado, puesto que la
dispersión de los datos con respecto al valor promedio es menor.
Distribución de frecuencias
Se llama distribución de frecuencias al agrupamiento y clasificación de los datos de una
población o de una muestra. Este agrupamiento tiene el propósito de resumir grandes
conjuntos de datos con el fin de facilitar el análisis de las variables que resultan de
las características medidas de un fenómeno o evento en particular. En este apartado
se muestra cómo elaborar una distribución de frecuencias para variables, cuyo resulta
do de medición arroja un registro numérico (variables cuantitativas), así como para aque
llas variables cuyo resultado de medición no es un número sino una cualidad (variables
cualitativas) (ver tabla 2.1).
73 69 66 82 68 62 94 83 80
78 97 66 48 66 67 82 44 81
Con el simple hecho de ordenar y contabilizar cuántas veces está presente cada uno
de los valores registrados, se podrá saber con facilidad cuáles son las calificaciones más
frecuentes, las menos frecuentes, o si la mayoría de alum nos obtienen calificaciones
aprobatorias. Por lo tanto, se procede a realizar una tabla simple d e distribución de fre
cuencias de la siguiente manera:
C apítulo 4 Análisis descriptivo de los datos
44 66 67 73 81 83
48 66 68 78 82 94
62 66 69 80 82 97
Tallo H ojas
4 48
6 2 6 7 89
7 38
8 0123
9 47
Datos agrupados
La agrupación o clasificación de los datos resulta práctica cuando se maneja un buen
número de registros. Un criterio conservador para aplicar técnicas de resumen de la
información es cuando el total de valores que se maneja es mayor a 30, aunque habrá
quienes encuentren práctica la aplicación de las técnicas antes descritas.
Para facilitar la comprensión de los pasos para elaborar una distribución de frecuen
cias, se utilizan los datos del promedio diario de concentración de partículas en el aire en
el centro de Guadalajara durante el mes de abril de 2009.
Tabla 4.5: Promedio diario de partículas (PM Wen /ig/m5) durante el mes de abril
de 2009, en el centro de Guadalajara (Centro de Información Ambiental. SEMADES).
26.5 29.2 28.7 24.2 44.3 25.9 33.2 33.4 24.6 33.7 27.3 28.3 30.0 39.0 37.5
29.6 25.4 24.4 24.5 22.4 34.8 34.5 24.8 25.9 20.0 23.0 19.8 32.2 24.6 29.0
19.8 20 22.4 23 24.2 24.4 24.5 24.6 24.6 24.8 25.4 25.9 25.9 26.5 27.3
28.3 28.7 29 29.2 29.6 30 32.2 33.2 33.4 33.7 34.5 34.8 37.5 39 44.3
Velleman. 1976
*
ii
(4.10)
K = 2 .4 X \/ñ (4.12)
3. Am plitud o tamaño del intervalo: para determinar la amplitud del intervalo primero
se calcula el rango o recorrido: R = X nxíx - .
Entonces, en el ejemplo R = X n - X t = 44.3 -1 9 .8 = 24.5, el intervalo (/) o amplitud
de clase (A) es el cociente entre el rango y el número de clases:
I = A =- (4.9)
K
V
Y para el. ejemplo:
• I /. = A,R= —24.5
= -----
K 5
Con frecuencia, los valores que resultan de esta razón suelen ser incómodos; por lo
tanto, se recomienda utilizar un número fácil de comprender y de explicar para la infor
mación que se desea comunicar. Se propone redondear el intervalo de 4.9 a 5.
4. Definir los intervalos o límites de clase: se debe tener especial cuidado al definir los
límites de clase: dónde inicia y dónde se cierra, pues resulta muy relevante cuando se
trabaja con variables continuas, ya que habrá muchos valores intermedios entre el lí
mite superior de una clase y el límite inferior de la siguiente. Por ejemplo, si construi
mos la tabla a partir del primer valor de los datos ordenados y le sumamos el 5 del
Variables num éricas 101
tamaño del intervalo, se obtiene la tabla 4.7. Entonces, entre el límite superior del
primer intervalo y el límite inferior del segundo intervalo, los valores 24.81,24.82,...
24.89 quedarán sin ser contabilizados para la primera clase. Por lo anterior, un buen
criterio para construir los límites de clase sin perder la continuidad en los valores es
trabajar con los límites reales en lugar de los límites aparentes de clase.
I 1 9 .8 -2 4 .8
n 2 5 .8 -3 0 .8
ni 3 1 .8 -3 6 .8
IV 3 7 .8 -4 2 .8
V 4 3 .8 - 4 8 .8
Los límites reales de una clase son ¡guales al valor aparente, más/menos la mitad de
la unidad de medida. Para determinar los límites reales de los intervalos de clase se resta
0.5 al límite inferior, y se suma 0.5 al límite superior de cada clase. Los límites reales del
primer intervalo serían 19.8 - 0.5 = 19.3 para el límite inferior, y 24.8 + 0.5
= 25.3 para el límite superior. El primer intervalo queda de 19.3 a 25.3 y así sucesiva
mente (tabla 4.8).
I 1 9 .3 -2 5 .3
U 2 5 .3 -3 1 .3
ni 3 1 .3 - 3 7 .3
IV 3 7 .3 - 4 3 .3
V 43.3 - 49.3
Sin embargo, con este nuevo alcance es confuso saber en qué clase contabilizar el
valor 25.3, pues es el límite superior de la primera clase y el límite inferior de la segunda.
Para prevenir ambigüedades en cuanto a la clase a la que pertenece cierto número, se
dice que un dato pertenece a determinada clase si su valor numérico e s estrictamente
mayor que el límite inferior, y m enor o igual cuando el límite es superior. Por lo tanto,
25.3 solo debe contabilizarse en la clase uno, pues cumple con el requisito de ser menor
o igual al límite superior de esa clase.
se presentaron valores promedio de partículas entre 19.3 a 25.3 /¿g/m \ Otra forma de
describir el fenómeno analizado es usando la frecuencia acumulada. Esta es igual a la
frecuencia absoluta de la clase en particular más la suma de las frecuencias de la cla
se o clases anteriores. Para la primera clase su frecuencia acumulada es 10, pues no
existe una clase anterior a esta; mientras que para la segunda clase es 11 + 10 = 21,
etc. Por lo tanto, la última frecuencia absoluta acumulada es igual a n o número total
de observaciones.
Una de las conclusiones que podemos tom ar con base en la frecuencia acumulada,
es que un poco más de la mitad de los días analizados, es decir 21, registraron concen
traciones de partículas menores o ¡guales a 31.3 pg/m J. Sin embargo, se pueden hacer
aseveraciones mucho más claras si utilizamos la frecuencia relativa o la frecuencia
porcentual. Ambos conceptos relacionan la frecuencia absoluta frente al total de obser
vaciones, aunque un alcance mucho más práctico lo proporciona la frecuencia relativa
porcentual, o la porcentual acumulada. Luí frecuencia relativa para la primera clase será:
^ = 0.33 o ^ = 0.33 x 100 = 33% para la frecuencia relativa porcentual. De estos dos
conceptos fácilmente se intuye que el total de la frecuencia relativa es igual a la unidad,
y para la relativa porcentual es 100%. De igual manera, la frecuencia porcentual acumu
lada de la última clase será de 100%.
AI observar la frecuencia relativa porcentual acumulada podemos constatar que
poco m ás de la mitad de los días analizados registraron valores £ 31.3 /¿g/m \ Esto co
rresponde a 70% de los días.
Tabla 4.9: Distribución de frecuencias de la concentración de partículas ( P Mia) para el mes de abril
en el centro de Guadalajara (SEMADES, 2009).
Frecuencia F recuencia
N úm ero Intervalos Frecuencia Frecuencia Frecuencia relativa acum ulada relativa
d e clase de clase absoluta acum ulada relativa porcentual porcentual
1 1 9 .3 -2 5 .3 10 10 0.33 33 33
0 2 5 .3 - 3 1 .3 11 21 0.37 37 70
m 3 1 .3 - 3 7 .3 6 27 0.20 20 90
IV 37.3 - 43.3 2 29 0.07 7 97
V 43.3 - 49.3 1 30 0.03 3 100
eg12
f 1°
I 8
• e 8
§ 4
S 2
it
Intervalo d e d a s e
M a rc a s d e c la se
55.3
Lím ite s s u p e rio re s d e d a s e Lim ite s s u p e rio re s d e d a s e
Figura 4.3: Ojiva de los datos de la tabla 4.10. donde se muestra la utilidad en la interpolación gráfica.
Variables no num éricas 105
G ru p o sanguíneo
AB A O B A
A O O O AB
B B O A O
O O B AB B
A B B AB O
A 5 0.20 20
B 7 0.28 28
O 9 0.36 36
AB 4 0.16 16
Gráfico de sectores
Consiste en un círculo en el que se representan sectores con áreas proporcionales a las
frecuencias de cada una de las clases (figura 4.5). Son aplicables a cualquier tipo de
variables, pero se utilizan, sobre todo, en las categóricas. Se construye tomando ángulos
proporcionales de las frecuencias para cada una de las clases o categorías.
9
3 8
3
I 6
H 5
® 4
3
“• 2
1
0
A B O AB
G ru p o s a n g u ín e o
A
B
O
AB
Gráfico de Pareto
R1 gráfico de Pareto (figura 4.6) se utiliza para representar la distribución de frecuencias
para variables categóricas. Los datos se ordenan de forma descendente, de izquierda a
derecha, separados por barras o clases. En el eje vertical se dibuja la frecuencia (absoluta
o relativa), que define la altura de las barras; y en el eje horizontal, se colocan los grupos o
categorías de la variable cualitativa. De esta forma, el gráfico facilita el estudio compa
rativo de numerosos procesos dentro de las industrias o empresas comerciales, así como
fenómenos sociales o naturales.
El ejemplo anterior corresponde a una variable nominal; sin embargo, el mismo
proceso se puede aplicar para una variable de tipo ordinal. Por ejemplo, si para el estudio
de una lesión muscular un traumatólogo utiliza la escala fuerte, moderada, leve, de igual
manera podrá hacer una distribución de frecuencias y análisis gráfico para el número de
lesiones atendidas durante el primer trimestre del año.
G ru p o s a n g u ín e o
I 5 7 .7 7 -6 2 .7 7 5
II 62.77 - 67.77 11
III 6 7 .7 7 -7 2 .7 7 1
IV 7 2 .7 7 -7 7 .7 7 4
V 7 7 .7 7 -8 2 .7 7 29
VI 82.77 - 87.77 0
VII 8 7 .7 7 -9 2 .7 7 9
Vffl 9 2 .7 7 -9 7 .7 7 21
Total 80
Media
En una distribución de frecuencias se toma como valor representativo de todos los valo
res que caen dentro de un intervalo, al punto medio del intervalo, al cual se le denomina
marca de clase. Entonces, el valor de la media será igual a la suma del producto de cada
valor central (*,), por su correspondiente frecuencia de clase ( f j , entre el total de valores
(n). Tal como se ilustra en la ecuación:
É /x ,
X = J^ (4.10)
n
Donde:
= Punto medio o marca de clase de cada intervalo de clase, así como para la primera
clase.
f x = Frecuencia absoluta de cada una de las clases.
n = Total de observaciones.
110 C apítulo 4 Análisis descriptivo de los datos
Nivel sonoro (dB A) Frecuencia absoluta (/.) M arca de clase (X .) < 0 (*>
n = 80 = 6531.60
Sfx< 6531.60
x =M
_
= 81.64
n 80
Por lo anterior se puede concluir que el nivel de ruido ambiental emitido por los
automotores en la ZM G es de 81.64 decibeles, y se encuentra por encima del valor reco
mendado para ruido comunitario, según los lincamientos de la Organización Mundial de
la Salud. Dicho organismo recomienda un valor promedio £ 65 dB A para un entorno
saludable.
Mediana
En datos agrupados, la mediana se refiere al valor que ocupa la posición central en la
distribución. La tarea principal para su cálculo consiste en ubicar la clase mediana. Esto
es, aquella clase que acumule al menos la mitad de los valores agrupados. En particular,
para este ejemplo, la clase mediana es la clase número cinco (tabla 4.16, fila en gris),
pues hasta aquí se logró agrupar a los primeros 50 registros, donde se agruparon por lo
menos la mitad del total de 80 valores. Con ello queda claro que la clase anterior a esta
no puede ser la d a s e mediana, pues apenas acumula 21 de los 80 registros.
La ecuación de la media es:
Me = L i + -n 2 ~ A (4.11)
Donde:
U = límite inferior de la clase mediana.
n= número de observaciones o frecuencia total.
/ar«.(W) = frecuencia acumulada de la clase que antecede a la clase mediana.
A= amplitud del intervalo.
= frecuencia de la clase mediana.
M edidas de tendenia central 111
I 5 7 .7 7 -6 2 .7 7 5 5
n 62.77 - 67.77 11 16
in 67.77 - 72.77 1 17
IV 72.77 - 77.77 4 21
V 77.77 - 82.77 29 50
VI 82.77 - 87.77 0 0
VII 8 7 .7 7 -9 2 .7 7 9 59
VIH 92.77 - 97.77 21 80
00
¡3
II
o
g0 ~ - 2 l
De esta forma, la mediana es igual a: Me = 77.77 + — ------ 5 = 81.04
29
Moda
La moda es el dato que se registra con mayor frecuencia en una distribución, enton
ces. nuestro parámetro inicial para su cálculo e s ubicar la clase con mayor frecuencia.
Siguiendo con el mismo ejemplo, la clase con la mayor frecuencia es la cinco.
La ecuación para calcular la moda es:
M o - L i+ — — A (4.12)
4 ^ + 4 ^
Donde:
Li = límite inferior de la clase modal.
Afpn = exceso de la frecuencia modal sobre la clase contigua inferior, o frecuencia de
clase premodal.
Afpm = exceso de la frecuencia modal sobre la clase contigua superior, o frecuencia de
clase posmodal.
M edidas de dispersión
Varían za
Luí varían za es la media aritmética del cuadrado de las desviaciones respecto a la media
d e una distribución estadística. Para datos agrupados se representa mediante la siguiente
ecuación:
S 2 =i=l---------------- ,
n- 1
Donde:
m = número de clases o agrupamientos.
X. = punto medio del intervalo o marca de clase.
X = media de datos agrupados.
f. - frecuencia absoluta de cada clase.
n = total de datos.
Tabla 4.17: Cálculo de la varianza para los niveles de ruido por tráfico vehicular en la ZMG.
Desviación estándar
Se refiera a la raíz cuadrada de la varíanza, la cual proporciona información más obje
tiva acerca de la separación promedio que existe en una distribución con respecto a su
valor central, pues se expresa en las mismas unidades que la variable a diferencia de la
varianza cuyas unidades serían cuadráticas. Así, la desviación estándar está dada por
la siguiente ecuación:
s = r ^ r -
5 =
79
Distribución normal
La interpretación de las medidas de tendencia central y de dispersión se observa en la
aplicación de la c u n a de distribución normal de población. La curva es un modelo en
forma de campana que permite comparar los resultados de una variable. Es muy fre
cuente que los datos se encuentren distribuidos de manera simétrica en tom o a la media
y en forma de campana.
La importancia de esta distribución radica en que permite m odelar numerosos fe
nómenos naturales, sociales y psicológicos. M ientras que los mecanismos que subya-
cen a este tipo de fenómenos son desconocidos, por la enorm e cantidad de variables
incontrolables que en ellos intervienen, el uso del m odelo normal puede justificarse si
se asum e que cada observación se obtiene como la suma de unas cuantas causas inde
pendientes.
Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el mo
delo de la distribución normal son:
• Caracteres morfológicos de individuos, como la estatura.
• Caracteres fisiológicos, como el efecto de un fármaco.
• Caracteres sociológicos, como el consum o de cierto producto por un mismo gru
po de individuos.
• Caracteres psicológicos, com o el coeficiente intelectual.
• Caracteres diversos, com o el nivel de ruido en telecomunicaciones, errores come
tidos al medir ciertas magnitudes, etc.
114 C apítulo 4 Análisis descriptivo de los datos
Al estimar el porcentaje de los datos, encontramos que los valores observados están
alejados de los porcentajes establecidos de la curva normal de distribución (tabla 4.18).
Si se complem enta esta evidencia con un histograma o polígono de frecuencias, enton
ces se puede evidenciar que este conjunto de datos se aleja de una distribución normal,
aun cuando los valores de la media aritmética, mediana y moda estén muy cercanos
(81.64, 8^.04, 80.08, respectivamente). Por último, se concluye que los datos encontra
dos en (X ± 5) son las observaciones m ás alejadas de la media representativa, que se
denominan observaciones atípicas o extremos; mientras que los valores más cercanos
corresponden a ( x ± 2 5 ) y ( x ± 3 5 ) y presentan una menor variación con respecto a la
media.
Ejercicios 115
-3 c -2 o -1 o m 1o 2o 3o
Tabla 4.18: Porcentajes de distribución normal y de los datos del ejemplo de valor sonoro.
Ejercicios
1. Con base en la siguiente tabla del coeficiente inte h) Obtenga el histograma, polígono de frecuencia y
lectual de estudiantes de CUCHI, calcule, para dalos no ojiva.
agrupados y agrupados: i) Calcule las medidas de tendencia central: media
a) Rango. aritmética, mediana y moda.
b) Número de dases. j ) Calcule las medidas de dispersión: desviación me
c) Intervalo o amplitud de dases. dia, varianza, desviación estándar ycoeficiente de
d) Límites aparentes. variación. _ _ _
e) Límites reales. k) Calcule ( X ± s ) . ( * ± 2 .s ) y ( * ± 3 S ) para
f ) Frecuencia absoluta, absoluta acumulada. determinar si la distribución d¿ datos de coeficien
g) Frecuencia relativa y relativa acumulada. te intdcctual se acerca a una distribución normal.
116 C apítulo 4 Análisis descriptivo de los datos
2. Con base en la siguiente tabla de peso corporal de i) Calcule las medidas de tendencia central: media
estudiantes de bachillerato, calcule lo siguiente para aritmética, mediana y moda.
datos no agrupados y agrupados: j ) Calcule las medidas de dispersión: desviación me
a) Rango. dia, varíanza, desviación estándar y coeficiente de
b) Numero de clases. variación. _ _ _
c) Intervalo o amplitud de clases. k) Calcule ,(Y ± s ) , (Y ± 2 S ) y (Y ± 3 j) para de
d) lim ites aparentes. terminar si la distribución de datos de peso corpo
e) Límites reales.
ral de estudiantes de bachillerato se acerca a una
j ) Frecuencia absoluta y absoluta acumulada.
distribución normal.
g) Frecuencia relativa y relativa acumulada.
h) Obtenga el histograma. polígono de frecuencia y
ojiva.
Bibliografía
Batista, J.F.; Valls. l.C. (1985). ‘Técnicas gráficas en análisis exploratorio de datos” . Qfiestló,
vol. 9(3), pp. 163-176.
Gifford, B.R. (2008). Koestadística. México: Pearson Educación.
Conde, J.E.; Rull, V. y Vegas, T. (1986). “Análisis exploratorio de datos ecológicos y biomé-
tricos”. Enseñanza de las Ciencias, vol. 4(2), pp. 53-62.
Dixon, W.J. y Kronmal, R.A. (1965). “The Choicc of Origen and Scalc for Graphs” . Journal
ofthe Association fo r Computing Machinery, vol. 12. pp. 259-261.
Hgucroa, A.; García, J. y Orozco. M. (2002). “Noisc Levéis at Critical Points in thc Munici-
pality of Guadalajara, Jalisco. México". The Journal o f the Acoustical Socierv o f America,
vol. 112(5), p. 2376.
Hoaglin, D.G.; Mostcllcr, F. y Turkcy, J.W. (2000). Understanding Rohust and Exploraíory
Data Analysis. Canadá: John Wiley & Sons.
Uinás, S.H. y Rojas. A.C. (2005). Estadística descriptiva y distribuciones de probabilidad.
Colombia: Universidad del Norte.
ftcciado, C.N.A. (2010). Estudio comparativo de niveles de atención en niños expuestos a
ruido ambiental, en tres planteles educativos de la ciudad de Guadalajara, 2009. Tesis
profesional de Maestría e n c ie n d a s de la Salud Ambiental. Guadalajara: CUCBA-CUCS,
Universidad de Guadalajara.
Sturgcrs. H. (1926). ‘T h e Choicc of a G ass lntcrval”. Journal o f the American Statistical
Association, vol. 21, pp. 65-66.
\fclleman, P.F. (1976). Interactive Computing fo r Exploraíory Data Analysis. Proceedings o f
the Statistical Computing Section. Washington: American Statistical Association.
C A P ÍT U L O 5
119
120 C apítulo 5 Elaboración del inform e de trabajo experim ental
Resumen: su objetivo es dar una idea concisa de lo que trata el informe. A sí el lector
puede conocer los temas que se abordan y decidir si es de su interés continuar con la
lectura de todo el trabajo experimental.
Introducción: su finalidad es iniciar al lector en la temática específica a tratar en el
trabajo experimental. Ésta debe ser breve, concisa y precisa, sin pretender ser una revi
sión bibliográfica; además, deberá abordar conceptos básicos, reales o nominales para
que estos no tengan dobles o triples interpretaciones. Aquí también se debe especificar
cuál es el objetivo y la importancia del experimento realizado.
Resultados calculados: este apartado debe incluir todos los resultados. A veces las
tablas son muy útiles para ver cóm o varía un dato particular de un ensayo a otro, pero
muchos experimentos requieren que los resultados se presenten a través de gráficas. Su
objetivo es presentar la relación entre las variables del experimento, ya que esta informa
ción se puede utilizar cuando se describen los resultados y se redactan las conclusiones.
En la mayoría de los informes de prácticas de laboratorio las gráficas se incluyen al final.
Parte inicial
Un informe técnico debe contener los siguientes elem entos en el orden que se indica a
continuación:
las que aparecen. También incluye una lista de ilustraciones y de tablas. Cuando un in
forme se publica en dos o más partes, en cada una de éstas debe aparecer el índice que
las abarque a todas.
Prefacio: puede considerarse como una nota de presentación para definir el estudio,
destacar algún aspecto en particular, mostrar su relación con trabajos realizados o trazar
las circunstancias históricas que condujeron a su iniciación. Sin embargo, no siem pre es
necesario.
Cuerpo principal: el núcleo del informe se divide en capítulos numerados que cu
bren aspectos tales com o teoría, método, resultados y discusión. A menudo es conve
niente dividir los capítulos en apartados y estos en subapartados, cada uno con su propio
encabezado.
Referencias: al final del cuerpo del informe se incluye una lista de las fuentes biblio
gráficas utilizadas para que el lector pueda identificar con rapidez las obras de donde se
obtuvieron las citas, evocaciones y, en general, todo el apoyo utilizado para su elabora
ción. L o s e le m e n to s d e to d a s la s r e f e r e n c i a s bibliográficas se dan en el orden
general:
Autor.
Título.
Datos de la publicación (editorial, ciudad, fecha, páginas, entre otros).
Las referencias pueden enlistarse de acuerdo con dos criterios distintos:
En orden alfabético del apellido del primer autor. Cuando hay dos o más referencias
de un mismo autor o grupo de autores, éstas se dan en orden cronológico. Las refe
rencias en el texto incluyen el nombre del autor o autores, la fecha de publicación y,
cuando se requiera, el número de la página (citas por nombre/fecha).
Por orden de aparición en el que se citan en el texto (referencias numeradas).
Por razones prácticas se considera preferible la primera forma.
Anexo
Deben considerarse por separado de la p a rte fin a l, d e s p u é s d e l c u e rp o d e te x to ,
d e b id o a q u e , a u n q u e no s ie m p re se requieren, forman parte esencial de algunos
informes.
Tipos de anexos
Los posibles tipos de materiales que se incluyen como anexos son:
Parte final
Contiene los siguientes elementos en el orden que se indica:
Portada
En la primera página del informe se escribe el título del trabajo; ésta no va numerada y
sólo contiene:
El título: determina si alguien leerá o no el artículo, por ello debe indicar claram en
te de qué trata el trabajo de investigación. Aunque no es fácil definir las características
que hacen a un título apropiado, se pueden aplicar ciertas reglas: 1) procurar que sea lo
más corto posible, pero sin sacrificar la precisión: 12 a 15 palabras es generalmente el
máximo; 2) no empezar con las frases “un estudio d e ...” o “ un experimento so b re...” ya
que esto está implícito; 3) no iniciar con frases como “los efectos de
Título corto (titulillo): no debe ser mayor a 40 golpes (contando caracteres y espa
cios), y se coloca debidamente rotulado en la última línea de la página inicial com o pie
de página.
Resumen
El propósito del resumen e s orientar sobre el tem a del estudio y proveer la información
suficiente para que el lector decida leer el trabajo completo. Así. el resumen debe reflejar
en forma concisa los contenidos del artículo. Com o es la primera parte del documento
que va a ser leída, necesita atraer el interés del lector. De hecho, debe constar de todas las
secciones del artículo: introducción (propósito y razón para hacer el estudio); materiales
y métodos (cómo fue colectada y analizada la información); resultados (hallazgos) y
conclusiones (qué se puede obtener del estudio).
El resumen se escribe en una hoja separada y en su elaboración se deben tener algu
nos cuidados; por ejemplo, las abreviaturas utilizadas en el artículo no deben usarse a
menos que también se expliquen. Se escribe en tiempo pasado, dado que describe un
estudio que ya fue terminado y no debe contener tablas, figuras o referencias bibliográ
ficas. Debe ser completo y explícito, ya que además de ofrecer al lector de la revista en
que se publica una visión panorámica, podría aparecer en un segundo Journal y en otros,
o quedar almacenado electrónicamente en un banco de información en los índices de las
bibliotecas, índex Citation y Currents Contents, entre otros.
Por lo general, la información para la preparación de los resúmenes está incluida en
la guía de autores de la mayoría de las revistas. Cada revista marca determinadas carac
terísticas, aunque comúnmente son similares. Si se empican de manera adecuada estas
guías, los lectores deben ser capaces de identificar el objetivo básico del trabajo, deter
minar si es relevante para sus intereses y, por lo tanto, decidir leerlo en su totalidad. En
general, siga estas pautas al preparar el resumen:
I^as siguientes oraciones tratarán sobre la metodología, pueden incluir una descrip
ción de la población de sujetos (número, especie, edad, sexo, peso o todo lo que sea
importante para el experimento), el planteamiento de la tarea y/o instrumentos y,
cuando sea adecuado, pueden indicar el procedimiento o diseño.
Después deben exponerse los resultados de forma general, sin incluir los resultados
de pruebas estadísticas.
Las últimas oraciones deben dar al lector alguna indicación del contexto en el que
se comentaron los resultados (por ejemplo, qué teoría apoyan).
128 C apítulo 5 Elaboración del inform e de trabajo experim ental
Introducción
El cuerpo principal del informe experimental comienza con la introducción. Por acuerdo,
la introducción inicia el informe y no es necesario rotularla. Sin embargo, en algunos
casos el título se repite en el encabezado de la primera página de la introducción. Una
introducción bien escrita gana y retiene la atención del lector, lo convence de que el
material es importante e interesante y de que vale la pena continuar con la lectura. Se
recomiendan tres consideraciones básicas al escribir la introducción:
Es importante abarcar de manera clara y concisa cada uno de estos puntos. Si usted
tiene dificultad para hacerlo, puede preguntarse, en primer lugar, por qué realizó el expe
rimento (con frecuencia estas preguntas deben contestarse antes de realizar un estudio).
Estructura general
Al escribir la introducción se procede de la siguiente manera. Prim ero se dan algunas
descripciones generales acerca de la problemática planteada. Es preciso continuar con el
análisis, una revisión bibliográfica del trabajo que otras personas han realizado en
esta área y se requiere leerla previamente. Esto permite incluir comentarios sobre los ex
perimentos y de las teorías utilizadas en el área. Posteriormente, hay que indicar cómo
se relaciona el trabajo con otras investigaciones; es decir, ¿cómo es que los métodos y
procedimientos generan información novedosa que otras investigaciones no han apor
tado? Esta sección presenta la exposición razonada de motivos y la lógica que apoyan el
experimento. El último párrafo debe presentar la hipótesis que se sometió a prueba en
la investigación.
Extensión
La extensión de la introducción está determinada por la bibliografía que se haya consul
tado. La revisión de la misma, utilizada en la introducción, no necesita ser exhaustiva,
pero si representativa. Con excepción de pocas referencias generales al principio de la
introducción, los estudios citados deben estar directamente relacionados con la investi
gación realizada. Es decir, primero se toman en cuenta los estudios de interés general,
pero la revisión se centra en experimentos muy particulares.
Las introducciones son breves, de una a dos cuartillas máximo. La excepción a esta
regla se da en caso de estudios muy complejos o que utilizan una metodología con la que
la mayoría de los lectores no están familiarizados.
Extensión 129
Citas bibliográficas
Al redactar la revisión de la bibliografía hay que recordar un aspecto muy importante: si
se hace una afirmación es preciso documentarla; es decir, se deben citar los estudios que
sustentan cada punto de vista. En la escritura científica las notas a pie de página no son
apropiadas; en lugar de ello, la referencia se da directamente en el texto.
M ateriales y m étodos
El propósito de esta sección es asegurar que el lector tenga la suficiente información
para evaluar el diseño científico del estudio y notar su solidez o sus deficiencias. Sin
embargo, si se trata de incluir cada detalle del procedimiento, se escribirá una tesis y
no un artículo o reporte de investigación claro, conciso, completo y bien organizado.
Se debe procurar que la lectura sea rápida, precisa y comprensible. Asimismo, se debe
hacer todo lo posible por ayudar al lector a comprender rápidamente el material y cual
quier concepto que pueda crear confusión debe evitarse o eliminarse. Si cuando el autor
relee el material, este no es claro y conciso, debe reescribirse. Prácticamente, siempre es
necesario hacer modificaciones, reorganizaciones o cam bios en la redacción, aun para el
autor más experimentado.
Otra consideración al redactar esta sección es determ inar cuántos detalles técnicos
son suficientes. Si el estudio utiliza una técnica básica que ha sido presentada previa
mente, no es necesario incluir una descripción completa de la técnica en el artículo. Sin
embargo, si el procedimiento ha sido modificado, entonces la técnica básica debe ser
referida y la modificación presentada. Finalmente, si el estudio utiliza un procedimiento
nuevo, que además es bastante extenso, lo mejor es presentarlo en un artículo aparte.
Este puede ser som etido para su publicación en la misma revista, o en otra revista rela
cionada con procedimientos científicos específicos. Deben presentarse suficientes deta
lles a los lectores para que puedan evaluar las fuentes potenciales de sesgo en los resul
tados. Además, deben existir suficientes detalles para ayudar a otros investigadores a
evitar errores y esfuerzos innecesarios.
Es necesario que la sección sea clara y específica en la medición de los resultados.
¿Las mediciones son objetivas o subjetivas? Por ejemplo, medir variables cualitativas
subjetivas como el dolor en categorías de ligero, moderado y severo, ciertamente no es
muy exacto. Por consiguiente, debe establecerse clara y específicamente cómo determ i
na el autor cada categoría. Además, se debe ser sumamente claro en cuanto a los rangos
específicos asignados a las medidas subjetivas y establecer cóm o y por qué son asigna
dos así. Por ejemplo, si a ligero se le da un rango numérico d e 1 y al moderado de 2, es
obligatorio presentar diferencias específicas entre 1 y 2. Es aún más imperativo que si
esos números y numerales van a ser utilizados en análisis estadísticos, sean usados ade
cuadamente. También debe recordarse que aun medidas tales com o 1, 2 o 3 mm son solo
unidimensionales.
Se debe presentar de manera específica qué controles fueron usados en el estudio,
¿control positivo o control negativo? Si una técnica común fue utilizada com o un control
base, ¿fue verdaderamente parte del estudio, o se están tomando datos de otros estudios?
Además, debe especificarse cóm o fue llevada a cabo la aleatoriedad. Esto debe hacerse
con cada variable estudiada. La mayoría de los libros de estadística describen, en concre
to, cóm o se realiza la selección aleatoria adecuadamente. Si se usa una tabla o técnica
130 C apítulo 5 Elaboración del inform e de trabajo experim ental
1. Señalar a los participantes en el estudio (por ejemplo, los sujetos fueron 25 hom
bres y 30 mujeres, o los sujetos fueron 25 ratas albinas, 200 piezas de la produc
ción de tornillos de una fábrica, entre otros).
2. Indicar las características generales de los sujetos. En el caso de personas y ani
males: edad, género, raza y cualquier otra información que pueda ser importante.
Por ejemplo, si el estudio incluye a estudiantes universitarios, mencionar cuántos
fueron del primer año, cuántos del segundo y así sucesivamente. En el caso de
objetos, describir sus características generales, condiciones de fabricación, lote y
fecha de producción, especificaciones, entre otras.
3. Mencionar cómo se hizo el proceso de selección a los sujetos. ¿Se seleccionaron
aleatoriamente, fueron voluntarios, intervinieron como parte de los requisitos de
un curso?
4. Indicar si uno de los sujetos no terminó el estudio y explicar los motivos (por
ejemplo: “el sujeto no terminó el experimento por enferm edad”).
5. Si en lugar de personas se utilizaron animales en el experimento informe acerca
de la edad, sexo, peso, raza y condiciones de mantenimiento de los animales (por
ejemplo: “los animales se mantuvieron en parejas y se les suministró agua y ali
mento a voluntad, o se mantuvo a los animales individualmente y se les privó de
alimento durante 23 horas al día”). Si se utilizaron objetos, es prudente mencio
nar sus características: modelo, marca, país de fabricación y todo lo que pueda
ser útil en el momento de analizar los resultados.
Procedim ientos
El propósito de esta sección es explicar, a detalle, cómo se recopilaron los datos, de tal
manera que quienes no tienen antecedentes del experimento puedan repetirlo. Al escribir
acerca del procedimiento deben contestarse dos preguntas básicas:
¿Cómo se registró la variable dependiente? (Es decir, ¿cómo registró lo que hizo el
sujeto, el objeto o procedimiento?).
Administración de la variable independiente: si los sujetos fueron personas, descri
ba cómo se les trató. En la mayoría de los casos esto incluye una explicación de las ins
trucciones dadas a cada grupo (es adecuado transcribirlas) y una definición de la tarca
que se pidió a cada sujeto. Si se utilizaron sujetos animales, solo describa la tarea que
realizaron. Si la tarca es muy común bastará con nombrarla. Por ejemplo: “para accionar
la palanca se entrenó a las ratas con el método de aproximaciones sucesivas”. Si la tarca
es nueva, es necesario describirla exactamente; preséntelo com o un conjunto de instruc
ciones, pero en tiempo pasado. Si se trata de objetos, describa qué fue lo que se modificó
y cómo se realizó la variación.
Registro de la variable dependiente: es una descripción de cómo se recopilaron los
datos. Si los datos de interés fueron el número de veces que la rata accionó la palanca en
un lapso de 10 minutos, indique si usted los contaba o si se contaban automáticamente.
Si se contabilizó el número de veces en que dos niños de tres años de edad tuvieron
contacto mutuo durante un juego, debe indicarse si la observación se realizó de manera
directa o si se hizo el registro a partir de un video. Si se observaron varias conductas si
multáneamente: el número de veces que los niños tuvieron contacto y el número de ve
ces que hablaron, cerciórese de especificarlo. Si se trata de objetos describa cómo se
realizaron los registros d e la variable del objeto; por ejemplo, si se midió el diámetro y
largo de los tomillos, mediante qué instrumento y si fue de manera manual o automática,
si lo realizó un solo operador o varios, etcétera.
Diseño
Esta sección puede situarse antes o después de los procedimientos. Por lo general, las
secciones de diseño no están separadas en los artículos publicados; más bien, el material
se distribuye entre las otras partes de la sección de método. Pero es importante que el
nuevo escritor use una subsección de diseño a fin de proporcionar explícitamente cierta
información.
Indicar el tipo de diseño utilizado, ya sea un diseño de dos o tres grupos aleato
rios, de dos grupos en parejas, un diseño intrasujetos o correlacional, o cualquier
otro.
132 C apítulo 5 Elaboración del inform e de trabajo experim ental
Resultados
Los resultados de un artículo científico constituyen, usual mente, la sección más corta
del documento. A pesar de la brevedad relativa, sin duda son el núcleo y la parte más
importante del manuscrito porque se incluyen los datos que resultan de la investigación.
Esta sección debe ser escrita en forma clara y sencilla porque los resultados de la fase
experimental de un estudio constituyen la nueva verdad, la nueva información, o los nue
vos principios que el investigador presentará a sus colegas profesionales, a la comunidad
científica y, en general, al resto del mundo com o su aportación.
La respuesta de tres cuestiones fundamentales puede ser de gran ayuda para obtener
selectividad y discriminar de manera correcta:
La presente guía puede prevenir al escritor para no caer en algunos errores comunes.
La nueva evidencia deberá ser descrita tan eficientemente como sea posible. Presente
sólo los datos informativos y evite usar datos repetitivos. Aunque los datos numéricos
sean presentados en forma más eficiente en tablas y gráficas, si solo son reportadas pocas
determinaciones, colóquelas descriptivamente en forma narrativa. El texto no debe pre
sentar m ás que diferencias entre grupos. Un ejemplo de esto es el reporte de valores
medios de grupos y una apropiada evaluación estadística de las diferencias. No es nece
sario dar el cálculo estadístico en forma tabular, pero sí es importante presentar determi
naciones repetitivas, las cuales deberán estar en gráficas o en tablas. Es imperativo que
todas las determinaciones reportadas tengan un significado. Señalar los datos sobresa
lientes y evitar los datos superfluos. Donde sea posible, conviene conectar un resultado
con otro, lo cual permite establecer lo que no fiie encontrado bajo las condiciones del
experimento.
Muchos autores parecen impulsados a reportar datos que son estadísticamente no
significativos y a volcar la no significancia en pseudosignificancia. Frases que resuman
datos presentados en las tablas deben escribirse en términos inequívocos de significancia
estadística. Es esencial no hacer énfasis en hallazgos insignificantes: además, se debe
evitar el uso de afirmaciones como: “tiende a ser m ayor” o “mostró una tendencia signi
ficante”. Una vez que el nivel de confianza estadística ha sido establecido para el estudio
en el protocolo, los resultados que no alcancen ese nivel d e confianza, sin importar qué
tan cerca estén, deben considerarse no significativos estadísticamente. Encubrir esa falta
de significancia con frases tendenciosas es un mal servicio para el lector y denigra al
134 C apítulo 5 Elaboración del inform e de trabajo experim ental
investigador, e incluso a los autores. A menudo esas frases son interpretadas como una
afirmación importante y asumen, entonces, las proporciones de una verdad. Si la integri
dad de la investigación científica se desea mantener, los autores deben ser sinceros en los
resultados y coherentes en lo que escriben. El compromiso con los valores óticos debe
aprenderse y mantenerse, ya que investigar y descubrir es servir com o vehículo para el
progreso humano y el avance del conocimiento.
Texto
Después de que ha explicado por qué y cóm o hizo su experim ento, es tiem po de llegar
a las partes más importantes del informe: los resultados del estudio (en la sección de
resultados) y su interpretación (en la sección discusión). Com o en el caso de otros
aspectos del informe, los resultados deben escribirse en forma de párrafos. No basta
tabular o enlistar los datos, aunque puede (y en ocasiones debe) hacerse en tablas y
figuras para com plem entar el m aterial escrito. La sección de resultados debe presentar
los datos recopilados, los métodos estadísticos utilizados para analizar los datos y los
resultados del análisis estadístico. Las siguientes sugerencias son aplicables al escribir
esta sección:
Tablas y figuras
A menudo las tablas y figuras agregan claridad al informe. Estas se utilizan para presen
tar los datos de manera resumida a fin de que el lector tenga un panorama de los resulta
dos con solo mirarlos. También son útiles para aclarar datos extremadamente complejos
y difíciles de manejar por escrito. Las tablas y las figuras deben tener un título que
describa de manera clara los datos que contienen y todas sus partes deben identificarse
con facilidad.
Discusión 135
Entra figura 1
Esto indica en dónde entra la figura o tabla. La figura o tabla real se incluye al final
del informe; cada una de ellas se coloca en una página separada.
Recom endaciones
R e se ñ a r tos comentarios para la sección de discusión: no comentar la importancia
o repercusiones de los resultados en la sección de estos. Si se hace, no habrá nada que
reportar en dicha sección.
Discusión
Esta sección e s la más difícil de definir debido a que no hay reglas absolutas que deban
seguirse para escribirla. Sin embargo, hay algunos puntos que deben ser incluidos en la
discusión, los cuales no necesitan estar en un orden particular y pueden estar intercala
dos para mejorar la capacidad de lectura. El propósito de la discusión es:
Interpretación de análisis estadísticos: el cam ino más directo para exponer esta
sección es determinar si los resultados apoyan o no la hipótesis inicial (los resultados no
prueban o desaprueban algo). Si los datos apoyan o no la hipótesis, entonces bastará una
simple oración al respecto. Sin embargo, para el investigador principiante este no es caso
común, ya que en muchas ocasiones es difícil interpretar los datos debido a fallas en el
estudio. Un experimentador profesional termina el experimento al hacer las modificacio
nes que su experiencia dicta necesarias, pero un estudiante no tiene antecedentes, por lo
que es su responsabilidad comentar las fallas y explicar cóm o podrían corregirse en
estudios subsecuentes. Por ejemplo, durante su investigación podría tener ciertas dificul
tades para controlar determinada variable (demasiado ruido en el pasillo durante el ex
perimento) o quizá tuvo problemas con los instrumentos.
136 C apítulo 5 Elaboración del inform e de trabajo experim ental
Sugerencias
Explique los resultados no significativos: si realiza bien un experimento y observa que la
variable independiente no tuvo un efecto significativo, entonces se obtuvieron resultados
negativos. Sin embargo, esto no necesariamente significa que los resultados sean insig
nificantes. Con frecuencia los resultados negativos aportan información tan útil como la
que aportan los hallazgos positivos. Com o se mencionó, a los resultados negativos se les
debe dar la misma importancia que a los resultados positivos. Conviene escribir acer
ca de ellos en términos de cómo afectan la hipótesis inicial, qué tan adecuados son para
teorías existentes o si sugieren una nueva teoría, cómo se relacionan con investigaciones
previas y cóm o podrían utilizarse para sugerir nuevas investigaciones. Hay que evitar
justificar los resultados negativos, es decir, dar excusas por haberlos obtenido. Antes
de atribuir los resultados negativos solo a la falla de los instrumentos o a un diseño de
ficiente, aunque en ocasiones dichos factores pueden influir, a menudo simplemente
debe reconocerse que el experimento fracasó (es decir, que la variable independiente no
produjo una diferencia).
Evitar analizar los resultados no significativos: una m anera de identificar las va
riaciones no significativas es cuestionarse si. en caso de realizar nuevamente el experi
mento, la diferencia entre los dos grupos podría ser nula o lo contrario de la diferencia
Referencias bibliográficas 137
original. Algunos investigadores señalan que, aunque las diferencias no son significa
tivas, éstas se orientan hacia la dirección correcta. Esto significa que el grupo que se
suponía se desem peñaría m ejor (o peor) así lo hizo, aunque no significativamente. Esta
técnica es adecuada en algunas situaciones cuando se utiliza una muestra pequeña y
los resultados se aproximan a la significancia estadística, pero debe usarse con precau
ción.
Agradecim ientos
En un lugar adecuado del artículo una o varias declaraciones especificarán:
1. Ixis colaboraciones que deben ser reconocidas pero que no justifican la autoría,
tales como el apoyo general del jefe del departamento.
2. La ayuda técnica recibida.
3. El apoyo financiero y de material, especificando la índole del mismo.
4. Las relaciones financieras que puedan suscitar un conflicto de intereses.
Las personas que colaboraron intelectual mente, pero cuya participación no justifica
la autoría pueden ser citadas por su nombre, añadiendo su función o tipo de colabora
ción; por ejemplo: “asesor científico", “revisión crítica de la propuesta para el estudio",
“recolección de los datos", “participación en el ensayo", entre otros. Estas personas de
berán conceder su permiso para ser nombradas. Los autores se responsabilizarán de ob
tener la autorización por escrito de las personas mencionadas por su nombre en los
agradecimientos, pues los lectores pueden inferir que éstas respaldan los datos y las
conclusiones. El reconocimiento por la ayuda técnica recibida figurará en un párrafo
separado de los testimonios de gratitud por otras contribuciones.
Referencias bibliográficas
Esta sección es un listado de las fuentes citadas en el texto. Quizás es más fácil discutir
lo que una sección de referencias no debe ser, a decir lo que es.
Primero: no debe ser una larga compilación diseñada para mostrar erudición, apli
cación y amplitud de conocim iento del autor. Un artículo con un apéndice de referencias
prolijo es usualmente la tesis de un estudiante. Puede ser bueno para un estudiante pro
veer conocimiento enciclopédico de la literatura en una tesis, pero es inapropiado en un
artículo científico a publicar.
Segundo: lo obvio no necesita ser citado. Así, referencias a libros de texto, al menos
del área de estudio, son usualmente superfluas. Por ejemplo, en un estudio sobre el mó
dulo de elasticidad de limas endodónticas en el Journal o f Endodonlics, una referencia a
un texto de ingeniería puede ser razonable, pero una referencia al texto de Grossman (un
renombrado endodoncista) para establecer que la instrumentación del conducto es una
parte de la terapia endodóntica. no lo es.
138 C apítulo 5 Elaboración del inform e de trabajo experim ental
Tercero: una referencia que no se puede verificar, no es aceptable. Así, datos extraí
dos de la comunicación personal, el dato no publicado, o la tesis de maestría en la “Uni
versidad d e Rumorilandia” y citas semejantes a estas, no son fuentes a las cuales el lector
pueda remitirse. Finalmente, se recomienda que las referencias se limiten a publicacio
nes recientes.
Cuadros
Lo usual es capturar cada cuadro a doble espacio y en hoja aparte. Numerarlos conse
cutivamente siguiendo el orden en que se citan por prim era vez en el texto y asignarles
un título breve a cada uno. Cada columna lleva un encabezado corto o abreviado. Las
explicaciones van como notas al pie y no en el encabezado. En las notas a pie se explican
todas las abreviaturas no usuales empleadas en cada cuadro. Com o llamadas para las
notas al pie, deben utilizarse los siguientes símbolos en la secuencia que se indica: *, t,
t. S. IV*. t t . «...
Identificar las medidas estadísticas de variación, tales com o la desviación estándar
y el error estándar de la media. No trazar líneas horizontales ni verticales en el interior
de los cuadros. Cerciorarse de que cada cuadro sea citado en el texto. Si se incluyen
datos publicados o inéditos provenientes de otra fuente, debe obtenerse la autorización
necesaria para reproducirlos y conceda el reconocimiento correspondiente.
Incluir un número excesivo de cuadros en relación con la extensión del texto puede
ocasionar dificultades al confeccionar las páginas. Es recomendable examinar varios
números recientes de la revista en la que se planea presentar el artículo y calcular cuán
tos cuadros pueden incluirse por cada millar de palabras de texto.
Pies o epígrafes de las ilustraciones 139
Ilustraciones
Es necesario enviar los juegos completos de figuras en el número requerido por la re
vista. Las figuras estarán dibujadas y fotografiadas en forma profesional; no se aceptarán
los letreros trazados a mano o con máquina de escribir. En lugar de dibujos, radiografías
y otros materiales de ilustración originales, se deben enviar impresiones fotográficas
en blanco y negro bien contrastadas, en papel satinado y con medidas entre 127 x 173
mm, y 203 x 254 mm. Las letras, números y símbolos serán claros y uniformes en todas
las ilustraciones; además, tendrán un tamaño suficiente para que sigan siendo legibles
incluso después de la reducción necesaria para publicarlos. Los títulos y explicaciones
detalladas se incluirán en los pies o epígrafes, no sobre las propias ilustraciones.
Al reverso de cada figura colocar una etiqueta de papel que lleve anotados el núme
ro de la figura, el nombre del autor y cuál es la parte superior de la misma. No escribir
directamente sobre el dorso de las figuras ni sujetarlas con broches para papel, pues se
rompen y quedan marcadas. Las figuras no deben doblarse ni montarse sobre cartón.
Las fotomicrografías deben incluir en sí mismas un indicador d e la escala. Los sím
bolos, flechas y letras usadas en éstas contrastarán claramente con el fondo. Si se usan
fotografías de personas, no deberán ser identificables; de lo contrario, habrá que anexar
un permiso por escrito para poder utilizarlas.
Las figuras se numerarán en forma consecutiva de acuerdo con su primera mención
en el texto. Si la figura ya fue publicada, se reconocerá la fuente original y se presentará
la autorización por escrito que el titular de los derechos de autor concede para reprodu
cirla. Este permiso es necesario, independientemente de quién sea el autor o la editorial.
La única salvedad son los documentos considerados de dom inio público.
En el caso de las ilustraciones a color, se debe averiguar si la revista necesita nega
tivos, transparencias o impresiones fotográficas. Algunas revistas publican ilustraciones
a color únicamente si el autor paga el costo extra.
crito en papel bond blanco de 216 x 279 mm (para América) o de la m edida estándar
ISO A4 (212 x 297 mm para Europa), un margen de 2.5 a 4 cm de todos los lados es
lo convencional. La sangría en los párrafos debe ser de cinco espacios. Escribir sola
mente sobre una cara del papel. Utilizar doble espacio en todo el documento, incluidos
la página del título, el resumen, el cuerpo principal del texto, los agradecimientos, las
referencias, cada uno de los cuadros y los pies o epígrafes de las ilustraciones. Cada
uno de los siguientes componentes comenzará en hoja aparte: página del título con el
respectivo resumen y las palabras clave, texto, agradecimientos, referencias, cada uno
d e los cuadros y los pies o epígrafes de las ilustraciones. Numerar las páginas en forma
consecutiva, empezando por la del título. Sobre el ángulo superior o inferior derecho de
cada página anote el número correspondiente. Las ilustraciones se presentarán en forma
de impresiones fotográficas de buena calidad, en papel satinado, sin montar y sin exceder
o reducir las medidas estipuladas más arriba, en el apartado de ilustraciones.
Sujetos.
Instrumentos.
Diseño.
Procedimiento.
Cada uno de estos subtítulos va con la primera letra en mayúscula, subrayado y
justificado a la izquierda.
Tablas: cada tabla debe aparecer en una página separada; debe estar numerada
(por ejemplo, tabla / , centrada), tener título y estar referida en el texto.
Abreviaturas
Existen dos tipos de abreviaturas, las de uso com ún y las que no lo son. Las primeras
incluyen abreviaturas al m enos tan conocidas com o las palabras que representan (por
ejemplo, CI: Coeficiente Intelectual) y las otras contienen abreviaturas únicas para
un informe de investigación específico. ¿Cóm o notar la diferencia? Las abreviaturas
conocidas se indican com o palabras de entrada en el diccionario. Si utiliza una de
estas abreviaturas, no es necesario explicar qué significa; sim plem ente úsela como
cualquier otra palabra. Si se em plea una abreviatura poco conocida, debe explicár
sele al lector el significado. Por ejem plo, si realiza un experim ento acerca del tiempo
d e reacción, con frecuencia escribirá las palabras tiem po de reacción; por lo tanto,
e s conveniente abreviar este término. Puede hacerse especificando la abreviatura en
paréntesis inm ediatam ente después de la primera mención de las palabras tiempo de
reacción, por ejemplo, “E l estudio intentó m edir el tiem po de reacción (TR) en es
tudiantes universitarios”. A hora, cada vez que se refiera al tiem po de reacción, solo
necesitará escribir TR. Por supuesto, puede com binar el térm ino y la abreviatura en el
artículo para evitar el tedio.
Las abreviaturas son útiles para referirse a diversos gropos experimentales; usual-
mente, dichas abreviaturas se introducen en la subsección del diseño. Tratar de que las
abreviaturas se deriven lógicamente del nombre, esto facilita la tarea del lector. Por
ejemplo, si se enseñó a un grupo con el método de grupos extensos, abrevie el nombre
del grupo com o Grupo E, no como Grupo A o B (observe que la E de Grupo E se escribió
con mayúscula, como en el caso de la T de Tabla o la F de Figura; Grupo E es el nombre
de algo).
Números
Cuando se utilizan números en el texto, los números menores que 10 usualmente se
escriben con letra (uno, d o s...). El 10 y los números mayores se escriben con dígitos,
excepto cuando el número inicia una oración (evítelo). Los números menores que 10
también pueden escribirse con dígitos si es que representan edades (5 años de edad),
horas o fechas (5:30 P.M., 7 de mayo), razones (7:1), números agrupados para hacer
una comparación en la oración (7 perros, 3 gatos, 1 oso hormiguero), porcentajes (7%
d e respuestas), cantidades exactas de dinero (5 pesos), números de páginas (página 2),
o unidades de medida o tiempo (1 semana, 10 ensayos por día, 6 centilitros de leche, 3
horas por día). Las excepciones parecen infringir las reglas, pero en la mayoría de los
casos encontrará alguna justificación para utilizar dígitos.
Sistem a de medidas
Las medidas de longitud, talla, peso y volumen se expresarán en unidades del Sistema
Internacional de Unidades (metro, kilogramo, segundos) o sus múltiplos y submúltiplos.
Las temperaturas se consignarán en Celsius o Kelvin según sea temperatura relativa o
absoluta. La redacción de la revista podrá solicitar que. antes de publicar el artículo, los
autores agreguen unidades alternativas o distintas de las del SI. No hay puntos después
de g, kg, y cm ; estas abreviaturas son siempre aceptables.
Vo7. y tiem po de los verbos 143
Consideraciones de estilo
Voz
Para dar objetividad, los investigadores tradicionalmente escriben sus informes en forma
impersonal.
“Apliqué (o aplicamos) una prueba t", en lugar de "Fue aplicada una prueba t".
En general, usted debe evitar la voz pasiva siempre que sea posible:
Tiempo
Debido a que el informe siempre se escribe al terminar el experimento, debe redactarse
en tiempo pasado. Esto se aplica especialmente a las secciones de método y resultados.
En ocasiones es correcto usar el tiempo presente en la discusión, especialmente el co
mentario de las implicaciones de los datos; por ejemplo, “en síntesis, los datos de este
experimento sugieren...” Un error común en el aprovechamiento del tiempo ocurre en
la revisión de la bibliografía. No escriba “ Moc (1974) sugiere” . Todos los estudios cita
dos ya se realizaron; por lo tanto, refiérase a ellos en tiempo pasado, por ejemplo, “Moe
(1974) sugirió” .
Nunca utilizar modismos, galicismos, anglicismos, entre otros. Evite las palabras
científicas o de uso circunscrito a ciertos grupos; es preferible sustituirlas por una
palabra de uso cotidiano.
Hacer caso omiso de cualquiera de estas reglas antes que decir algo inaceptable.
Aprender a escribir
Se nos enseña primero a leer y luego las reglas de ortografía, pero parece que nadie se
preocupa por enseñamos a escribir. Escribir es algo que se supone debemos aprender es
cribiendo. Sin embargo, nada aprendemos en relación con la escritura científica. En este
capítulo se ha intentado indicar cómo comenzar a escribir informes científicos. Cuando
ya conozca los fundamentos, la mejor m anera de aprender a escribir es leer, Ix e r artícu
los de revistas científicas y, además, es necesario poner atención en el contenido y en
cóm o el autor presenta la información. Mientras m ás lo haga (y desde luego, mientras
más escriba), más fácil será para usted la escritura científica.
Publicación previa y duplicada 145
M anuscritos electrónicos
En el caso de artículos que están cercanos a la aceptación final, algunas revistas piden
que los autores proporcionen los manuscritos en forma electrónica (en CD, DVD. USB.
etc.).
Al presentar el archivo electrónico los autores deben:
Cerciorarse de incluir un impreso de la versión del manuscrito.
En las instrucciones de la revista dirigidas a los autores, estos deben consultar cuá
les son los formatos que se aceptan, las convenciones para denominar archivos y sopor
tes de almacenamiento, el número de copias que han de enviarse y otros detalles del
caso.
Revisión de la bibliografía
Una de las partes más complicadas del informe de investigación es la revisión de la
bibliografía. Esto no es porque sea complicado escribir, sino porque es difícil obtener
la información. Revisar la bibliografía implica dos procesos básicos:
Captar la información.
Bibliografía 147
A rtículos de revistas
A menudo, un artículo sobre un tema determinado puede tener el mismo propósito que
una reseña de artículos, sobre todo si es reciente. La introducción al artículo dará un
panorama de la bibliografía y la sección le indicará en dónde encontrar los estudios ci
tados. En muchos casos una de las mejores formas de empezar la revisión bibliográfica
es exam inar el índice de contenido de una revista que usualmcntc trata los temas de su
interés. Si empieza con el número más reciente y examina los números que cubren un
lapso de un año, es probable que encuentre artículos importantes y que estos informes
actualizados citen mucha de la bibliografía más reciente.
Libros de texto
Una manera relativamente fácil y muy eficiente para comenzar una búsqueda bibliográ
fica e s consultar los libros de texto más recientes y extensos en el área de interés. La
ventaja de hacer esto es que el texto resume los estudios más importantes. La desventaja
es que inclusive en un libro publicado hoy, los estudios que incluye son un año o dos
atrasados. Además, los libros están necesariam ente prejuiciados por las opiniones del
autor, en consecuencia, no toda la literatura importante en un área específica puede
revisarse.
Bibliografía
Castañeda. J.J.; De la Torre. L. M.; Morán, J.M. y Lara. R.P. (2002). Metodología de la inves
tigación. México: McGraw-Hill.
Gutiérrez, A.C. (2001). Introducción a la metodología experimental. México: Limusa-
Noriega.
Hernández, S.R.; Fernández.C. y Baptista, P. (2003). Metodología de la investigación. Méxi
co: McGraw-Hill.
Méndez. R.I.; Namihira. D. y Sosa de Martínez, C. (2001). El protocolo de Investigación:
IJneamientos para su elaboración y análisis. México: Trillas.
Tamayo y Tamayo, M. (2002). El proceso de la imestigación científica. México: Limusa.
148 C apítulo 5 Elaboración del inform e de trabajo experim ental
Bibliografía general
Baird, D.C. (2003). Experimentación: Una Introducción a la teoría de mediciones y al diseño
de experimentos. México: Pearson Educación.
Bar, A.R. (2000). “Un aporte a la discusión sobre el estatus metodológico de las variables y
escalas de medición”. Cinta de Moebio, núm. 7. Chile: Facultad de Ciencias Sociales.
Universidad de Chile, 6 pp.
Bell. S. (2001). A Beginner's Cuide to Uncertainty in Measurements (documento 2). Reino
Unido: National Physics Laboratory. 41 pp.
Bcmal. C.A. (2006). Metodología de la investigación. México: Pearson- Prcnticc Hall.
BIPM (2006). The International System o f Units SI. Paris: STEDI Media, 186 pp.
Bunge, M. (1999). In ciencia. Su método y su filosofía. Buenos Aires: Ediciones Siglo
Veinte.
Cariño, P.S. (2004). Métodos de investigación. México: Limusa-Colcgio de Bachilleres.
Castañeda, J.J. (2002). Metodología de la investigación I. México: McGraw-Hill.
Castañeda, J.J.; L.M. De la Torre; J.M, Morán y R.P. Lara. (2002). Metodología de la inves
tigación. México: McGraw-Hill.
Castañeda, J.J. y C.E. Méndez. (2004). Metodología de la investigación. México: McGraw-
Hill.
Calleros, A.F.; A. Lara-Barragan; J.W. Lau y S. Gómez. (1997). Introducción a la metodolo
gía experimental. Guadalajara: U. de G.-CUCF.I-Cs Básicas-Dcpartamcnto de Física.
Eyssautier, M. (2001). Metodología de la investigación II. México: ECAFSA-Thomson
Lcaming.
G arda, A. A. (2000). Introducción a la metodología de la inv estigación científica. Colombia:
Raza y Valdés Editores.
Gil. S. y Rodríguez, E. (2001). Física recreativa: Experimentos de física usando nuevas tec
nologías. Perú: Prcnticc Hall, 355 pp.
Gutiérrez, A.C. (2001). Introducción a la metodología experimental. México: Limusa-
Noricga.
Hernández, S.R.; C. Fernández y P. Baptista. (2003). Metodología de la investigación. Méxi
co: McGraw-Hill.
ISO. (2004). International Vocabulary o f Basic and General Tcrms in Metrology (V.I.M).
ISO V1M (DGUIDE 99999), 71 pp.
Kurt G.R. (1986). Tlie International System o f Units (SI). Cost Enginccring. Morgantown,
28(11): 26-30 pp.
Lyons, L. (1993). A Pradical Guide to Data Analysis fo r Physical Science Students. Nueva
York: Cambridge Univcrsity Press, 95 pp.
López, C.J.L. (2001). Método e hipótesis Científicos .México: Trillas.
Mendenhall, W. y T. Sincich (2000). Probabilidad y estadística para ingeniería y ciencias.
México: Prcnticc Hall.
Méndez, R.I.; D. Namihira y C. Sosa de Martínez. (2001). El protocolo de investigación:
Lineamientos para su elaboración y análisis. México: Trillas.
Mcndicta, A. A. (1999). Métodos de investigación y manual académico. México: Porrúa.
Miranda. P. y Juárez, F. (2006). lxd)oratorio de física 1. Chile: Facultad de Ciencias. Depar
tamento de Física de la Universidad de Chile. 4 pp.
Pérez, T.R. 1998. ¿Existe el método científico? México: Fondo de Cultura Económica.
Bibliografía general 149
Riveros, H.G. y Rosas, L. (1997). El método científico aplicado a las ciencias experimenta
les. México: Trillas.
Rodríguez, L.A. (2001). laboratorio cero 2001-2. México: Facultad de Ingeniería, Departa-
mento de Ciencias Básicas. Colombia: Pontificia Universidad Javcriana, 31 pp.
Rojas, S.R. (2000). El proceso de la investigación científica. México: Trillas.
Tamayo y Tamayo, M. (2002). El proceso de la investigación científica. México: Limusa.
Taylor, B. y Kuyatt, C. (1994). Guidelines fo r Evaluating and Expressing the Uncertainty o f
NIST Measurements Results, nota técnica 1297. EUA: National Institutcof Standards and
Technology-United States Department of Commerce Technology Administration.
UKAS (2006). The Expresión o f Uncertainty and Confidence in Measurement. Londres: Uni
ted Kingdom Acrcditation Services. Draft 2.79 pp.
Universidad de la Laguna España. Introducción a la física experimental. En http-y/webpages.
ull.es/users/fexposit/ife_eiT.pdf. Fecha de consulta, enero 15 de 2007.23 pp.
Universidad Santiago de Cali. Colombia. "Guías únicas de laboratorio de física 1: aspectos
preliminares, metrología, conceptos y definiciones” . En http://www.usc.edu.co/laborato-
rios/archivos/propuesta/LEY_DE_OHM_2.pdf. Fecha de consulta, enero 15 de 2007.
39 pp.
Indice analítico
A Cienciaís), 5 Creencia(s), 4
concepto de la, 4 conocimiento y. 4
Abrev¡atura(s), conocimiento y, 4 fuentes de las, 4
números y sistema métrico, 142 experimentales, 1 Criterios para el redondeo, 32
Adjetivos matemáticos, 90 filosofía de la, 2 Cuadros, 138
Adverbios matemáticos. 90 intereses de la, 4 Cubierta. 122
Advertencia, 132 objetivo de la, 4 posterior, 125
Agradecimientos, 123. 137 origen de la, 1 Cuerpo
Ajustéis) Cifras significativas y redondeo. 29 del informe, 123
de datos a funciones matemáticas. Citas bibliográficas, 129 principal, 123
63 Clasificación de las variable. 24 C una continua por puntos, 12
de rectas, 66 Codente(s), 52
Ambiente. 29 de correlación, 60, 87
Amplitud de intervalo. 100 de varianza, 95
Análisis Comparación Dalos. 86
de la línea recta, 16 detallada entre modelos, 12 agrupados, 99
de los resultados. 7 entre los modelos y el mundo análisis descriptivo de los. 85
descriptivo de los datos, 85 real. 11 sin agrupar, 97
dimensional, 74 teoría-experimento. 9 Definición del problema, 6
gráfico, 9 Comportamiento Desarrollo de un modelo estadístico,
de los resultados, 55 cuadrático. 64 18
Anexo(s), 123 de dos variables correlaciónales Descripción de equipo, 125
objetivos de los. 124 en forma exponencial, 65 técnicas o programas de
tipos de, 124 exponencial, 65 computadora en. 125
Aparatos o instrumentos, 130 logarítmico, 66 Desviación
Aprender a escribir, 144 polinomial. 66 estándar. 95, 113
Artículos de revistas, 147 Conclusiones y recomendaciones. media, 93
123 típica de la media. 45
B Conocimiento Determinación de la pendiente
auténtico, 2 y de la ordenada al origen
Bibliografía, 121 empírico, 5 (o intercepto), 67
sugerida. 125 oscuro. 2 Diagrama de dispersión, 60
Búsqueda de funciones. 13 ciencia y, 4 construcción de un, 60
creencia y, 4 Diámetro promedio, 86
c Consideraciones de estilo, 143
Construcción
Diferenciáis)
de dos variables. 49
Cálculos, 120 de diagrama de dispersión, 60 finitas. 51
Calificación estándar o grados, 87 de gráficas. 56 Dimensión de una magnitud, 74
Cambio(s) de modelos. 12 Discusión. 135
de escala, 52 Consulta bibliográfica. 6 conclusiones, 120
de unidades, 79 Diseño, 131
del experimento, 7
152 índice analítico