Determinación de medidas físicas a partir de diferentes

métodos de medición

G.M. Gama1, P.C. Mahecha2, H.D. González3 , J.D. Gómez4 , T.L. Rivera5
Laboratorio de Fundamentos de Mecánica, Depto. de Física, Universidad Nacional, Bogotá
Agosto 31 de 2023

1. RESUMEN

Las campanas de Gauss, obedecen a un comportamiento normal de datos, teniendo en

cuenta las variables aleatorias. En esta práctica, se presentan los resultados del segundo
laboratorio, en el cual se utilizó el calibrador Vernier o Pie de Rey para tomar la magnitud
de diámetro a cien lentejas. Con las medidas tomadas se realizó un análisis estadístico de
los datos, incluyendo las medidas de tendencia central y de dispersión pertinentes, tales
como: el promedio, la desviación estándar, entre otros, para así realizar un análisis de la
forma en que pueden fluctuar distintas mediciones para una misma magnitud y así llegar a
conclusiones, tanto sobre las magnitudes medidas, en este caso el diámetro de una
lenteja, como también sobre el procedimiento que se debe seguir en este tipo de prácticas
experimentales.

2. INTRODUCCIÓN

Según la real academia española (RAE), un análisis es un método estadístico usado para
cuantificar la importancia de cada uno de los factores actuantes en un fenómeno [1], y la
estadística es la rama de la matemática que utiliza grandes conjuntos de datos numéricos
para obtener inferencias basadas en el cálculo de probabilidades [2]. En este orden de
ideas, tenemos que un análisis estadístico es el estudio que nos permite interpretar un
conjunto de datos numéricos con variaciones aleatorias, y a partir de esto vamos a
construir esta práctica.

Para iniciar, debemos tener claro que los errores aleatorios, son aquellos que no se pueden
controlar o evitar, pero sí se pueden reducir aumentando el tamaño de la muestra,
directamente proporcional el intervalo de confianza aumenta.[3].

Así mismo, cuando se aumenta la muestra, el número de resultados también aumenta y se

deben interpretar estos resultados. Para ello, se tienen las medidas de tendencia central,
las cuales nos resumen los N número de datos a un solo valor. Existen varias mediciones
de tendencia central, como, la media aritmética, que es el punto medio de la muestra, la
mediana, es aquella que ocupa la posición central de los datos, y la moda, definida como el
valor de la variable que más se repite. De igual manera, se tienen las medidas de
dispersión, las cuales nos miden el grado de separación de los valores entre sí mismos.
Existen diferentes tipos de medidas de dispersión como, el rango de variación, que indica
la distancia entre un valor máximo y uno mínimo, la varianza, es la diferencia que sufre un
conjunto de datos respecto a la media, la desviación estándar, es la variación habitual entre
el valor y la media, y el coeficiente de variación, se expresa en porcentaje resultado de la
desviación típica sobre la media de la muestra. [4]

Teniendo en cuenta las mediciones de tendencia central y de dispersión, podemos hacer

un análisis de datos un poco más concreto, sin embargo, hay muchos detalles que se nos
pueden escapar aún por falta de análisis estadístico u organización de la información, para
ello nos ayudamos por medio de representaciones gráficas. Para esto, la estadística, utiliza
los histogramas como gráfico para representar la distribución de frecuencias de datos
dependientes de una sola variable, este gráfico también segmenta la información por
grupos de rango. También tenemos la campana de Gauss que representa la distribución
normal de los datos, en dicha campaña, gráfica y numéricamente, están representadas las
medidas de tendencia central y de dispersión, con la cuales ahora sí se puede realizar un
análisis estadístico experimental, más completo y real. [5]

Para acercarnos a estos conocimientos conceptuales, en este laboratorio se tomaron

medidas del diámetro de 100 lentejas con un calibrador de Vernier, y a partir de los datos
obtenidos se ejecutará el análisis estadístico correspondiente.

3. PROCEDIMIENTO EXPERIMENTAL

La práctica consistió fundamentalmente en la medición del diámetro de 100 lentejas, para

ello se utilizó un calibrador de Vernier como el de la figura 1, se tuvo cuidado de no oprimir
las lentejas con el calibrador.

Figura 1: Calibrador pie de rey con precisión mínima de 0.02 mm.

4. RESULTADOS Y DISCUSIÓN

4.1 Medida de con calibrador de vernier

Medida de 100 lentejas usando el calibrador de vernier

Como se explicó en el procedimiento, se usó el calibrador de vernier para la medición de

100 lentejas de diferente diámetro. Los resultados de las mediciones se encuentran
reportados en la tabla 1.

Tabla 1. Medidas diámetro de las lentejas

Número de Incertidumbre Número de Incertidumbre
Medidas (mm) Medidas (mm)
lenteja (±mm) lenteja (±mm)
1 7,10 0.02 51 6,62 0.02
2 6,90 0.02 52 7,00 0.02
3 6,48 0.02 53 6,48 0.02
4 6,46 0.02 54 6,60 0.02
5 6,60 0.02 55 6,68 0.02
6 6,60 0.02 56 6,90 0.02
7 7,06 0.02 57 6,72 0.02
8 6,48 0.02 58 6,78 0.02
9 6,70 0.02 59 6,76 0.02
10 6,38 0.02 60 6,40 0.02
11 7,10 0.02 61 6,18 0.02
12 6,60 0.02 62 6,28 0.02
13 6,36 0.02 63 6,18 0.02
14 5,30 0.02 64 5,90 0.02
15 6,38 0.02 65 6,80 0.02
16 6,18 0.02 66 6,40 0.02
17 6,28 0.02 67 6,46 0.02
18 6,38 0.02 68 6,24 0.02
19 6,18 0.02 69 6,72 0.02
20 7,00 0.02 70 5,70 0.02
21 5,70 0.02 71 7,08 0.02
22 6,90 0.02 72 6,60 0.02
23 6,48 0.02 73 6,28 0.02
24 6,28 0.02 74 7,16 0.02
25 6,28 0.02 75 6,58 0.02
26 6,60 0.02 76 6,90 0.02
27 6,72 0.02 77 6,48 0.02
28 7,12 0.02 78 6,46 0.02
29 5,70 0.02 79 6,30 0.02
30 6,78 0.02 80 6,52 0.02
31 6,44 0.02 81 6,48 0.02
32 6,40 0.02 82 6,76 0.02
33 7,20 0.02 83 6,20 0.02
34 6,58 0.02 84 6,08 0.02
35 6,80 0.02 85 6,48 0.02
36 6,28 0.02 86 6,80 0.02
37 6,20 0.02 87 6,00 0.02
38 6,00 0.02 88 6,80 0.02
39 6,00 0.02 89 6,66 0.02
40 7,06 0.02 90 6,38 0.02
41 6,88 0.02 91 5,50 0.02
42 6,38 0.02 92 5,68 0.02
43 6,18 0.02 93 5,00 0.02
44 5,60 0.02 94 6,60 0.02
45 6,90 0.02 95 5,70 0.02
46 6,38 0.02 96 6,54 0.02
 47 7,00 0.02 97 6,70 0.02
48 7,10 0.02 98 6,38 0.02
49 6,58 0.02 99 6,68 0.02
50 7,26 0.02 100 6,00 0.02

4.2 Análisis estadístico

Inicialmente realizamos el histograma de nuestra población, programado en Python con

intervalos de 0.2 mm, como se muestra en el gráfico 1

Gráfico 1. Histograma con intervalos de 0.2mm

Luego, para querer apreciar claramente un valor máximo sobresaliente sobre un intervalo
dado, hicimos que cada intervalo fuese el doble. es decir, de 0.4, como se evidencia en el
gráfico 2
 Gráfico 2. Histograma con intervalos de 0.4mm

Seguido de esto, normalizamos el histograma, para lo cual, primero hallamos el área bajo
el histograma, esto lo hicimos multiplicando el ancho de cada uno de los intervalos por el
número total de lentejas del mismo intervalo y sumando luego todos los resultados, que en
nuestro caso nos dió 20.0, luego de ello, tomamos las frecuencias de cada intervalo y la
dividimos entre el área total del histograma para hallar las nuevas frecuencias, dando los
resultados descritos en la imagen 3, y verificamos que el área total de este nuevo
histograma diera 1, lo cual fue verdadero.

Gráfico 3. Histograma normalizado

Así mismo, hicimos el mismo proceso para una muestra con un nivel de confianza del 99%
y un margen de error del 5%, lo cual nos dá una muestra de 88 datos, para los cuales sus
histogramas se verán a continuación

Gráfico 4. Histograma de la muestra con intervalos de 0.2mm

Gráfico 5. Histograma de la muestra con intervalos de 0.4mm

Gráfico 6. Histograma de la muestra normalizado

Luego de hacer este proceso, para la población y para la muestra, convertimos los
histogramas en curvas continuas y lisas, mostrando los resultados en las graficas 7 y 8
 Gráfico 7.

Gráfico 8.
Posteriormente se calculó el valor promedio de las medidas, a partir de la siguiente fórmula

Llegando así al resultado de 6.48 cm.

Tras esto, también fue necesario hallar el valor de la desviación estándar de los datos, pues
se utilizó para los distintos análisis que se desarrollaron a continuación. Para esto, se utilizó
la siguiente fórmula:
 Llegando así a un valor de varianza de 0.18 y a un valor de desviación estándar de 0.43

Una vez obtenidos los valores previos se llega a la función de densidad de probabilidad de la
distribución normal de este grupo de datos , definida como:

La cual nos permitió encontrar las frecuencias teóricas para cada uno de los datos, o en este
caso de los intervalos, pues en x se reemplazó el valor medio encontrado en cada intervalo,
llegando así a la siguiente gráfica, donde x es el valor de los dato y Y la frecuencia teórica
encontrada con la fórmula

Gráfico 9. Distribución teórica Gaussiana de los datos

Podemos ver que la gráfica se aproxima a la normal de los datos vista en el gráfico 7
(normal de la población), aunque difiere sobre todo en los valores máximos que toma cada
una, lo cual nos permite concluir que los valores medidos no cumplen exactamente con una
distribución normal.
Finalmente, para saber el error del valor a reportar encontramos el error estadístico a partir
de la fórmula

para posteriormente usarlo en la fórmula del valor total, teniendo en cuenta que el error del
instrumento, o error nominal, es de 0.02 mm.

Finalmente podemos decir que el valor promedio que tomará el diámetro de una lenteja será
de (6,48± 0,65) mm

CONCLUSIONES
1. La desviación estándar de 0.48 cm que es una medida de la dispersión en los tamaños
de las lentejas. En este caso, dada la desviación estándar relativamente baja respecto al
tamaño promedio de las lentejas sugiere que los diámetros de las lentejas en la muestra no
varían mucho con respecto al valor promedio de 6.48 cm. Esto indica que las lentejas
tienen un tamaño bastante consistente.
2. Para optimizar la medición de los datos con el calibrador Vernier encontramos más
óptimo dividir las mediciones en lotes más pequeños para evitar la fatiga y los errores ,
establecer un proceso consistente para medir, registrando los resultados de manera
organizada y verificar periódicamente la precisión del calibrador vernier.
3. Al observar una cola hacia la izquierda en el gráfico de la distribución, se puede derivar
la conclusión de que la probabilidad de que una lenteja tenga un tamaño menor que la
media más una desviación estándar es significativamente mayor que la probabilidad de
que su tamaño sea mayor que la media más una desviación estándar. Esta asimetría en la
distribución sugiere que las lentejas tienden a ser más pequeñas en su mayoría y, por
ende, existe una tendencia en la muestra a inclinarse hacia tamaños inferiores al valor
central representado por la media incrementado en una desviación estándar.
4. Dado que el gráfico exhibe una distribución mesocúrtica, se puede inferir que la mayor
parte de los datos se concentra alrededor de las medidas de tendencia central, y que las
variaciones significativas son menos comunes. Esta característica de mesocurticidad en la
distribución implica que la mayoría de las lentejas en la muestra tienden a agruparse cerca
del valor central representado por las medidas de tendencia central, lo que sugiere una
mayor consistencia en los tamaños de las lentejas. Esta observación es indicativa de una
menor dispersión y una relativa homogeneidad en el tamaño de las lentejas en el conjunto
de datos analizado.
5.La reducción del tamaño de los intervalos en el histograma conlleva la ventaja de una
mayor claridad en la representación de la distribución de los datos recopilados. Esta
reducción gradual de los intervalos de clase se asemeja al concepto teórico de una
integral, donde se considera un número infinito de puntos para describir con precisión una
distribución continua. Al disminuir el ancho de los intervalos en el histograma, se logra una
representación más detallada de la variación en los datos, lo que permite una observación
más minuciosa de las características específicas de la distribución.
BIBLIOGRAFÍA

[1]https://www.rae.es/drae2001/an%C3%A1lisis
[2] https://dle.rae.es/estad%C3%ADstico
[3] Armenteros, A. M. R., Balboa, J. L. G., & Mingorance, J. L. M. (2010). Error,
incertidumbre, precisión y exactitud, términos asociados a la calidad espacial del dato
geográfico. In Catastro: formación, investigación y empresa: Selección de ponencias del I
Congreso Internacional sobre catastro unificado y multipropósito (pp. 95-102).
[4] Quevedo F. Medidas de tendencia central y dispersión. Medwave 2011 Mar;11(3). doi:
10.5867/medwave.2011.03.4934
[5] Pérez Porto, J., Gardey, A. (21 de junio de 2016). Campana de Gauss - Qué es, funciones,
definición y concepto. Definicion.de. Última actualización el 24 de junio de 2021.
Recuperado el 14 de septiembre de 2023 de https://definicion.de/campana-de-gauss/

[1] D.C. Baird, Experimentación, Una introducción a la teoría de mediciones y al diseño de

experimentos, Prentice-Hall Hispanoamericana,México, 1991.

[2]https://www.redeweb.com/actualidad/vernier/

[3] A.M. Ardila , Física Experimental, Universidad Nacional de Colombia, Unibiblos , 2007.