2 CONCEPTO DE MEDICIÓN Y ERROR

Universidad Nacional Autónoma de Honduras

Facultad de Ciencias
Escuela de Fı́sica

Introducción a errores experimentales

Elaborada por: J. Pérez y R. Raudales

Adaptación: R. Mejı́a, C. Gabarrete y J. Hernández

1. Introducción
Todas las medidas experimentales vienen afectadas de una cierta imprecisión inevitable, debida
a las imperfecciones del aparato de medida, o a las limitaciones impuestas por nuestros sentidos que
deben registrar la información. El principal objetivo de la teorı́a de errores consiste en acotar el valor
de dichas imprecisiones, denominadas errores experimentales. Dado que el valor de las magnitudes
fı́sicas se obtiene experimentalmente por la medición (bien directa de la magnitud o indirecta, por
medio de los valores medidos de otras magnitudes ligadas con el problema mediante una fórmula
fı́sica), debe admitirse como postulado fı́sico el hecho de que resulta imposible llegar a conocer el
valor exacto de una cantidad fı́sica medible, ya que tanto los instrumentos de medición, como el
criterio propio del experimentador vienen siempre afectados por imprecisiones que son inevitables.
De este modo, aunque es imposible encontrar en la práctica el valor “cierto” o “exacto” de una
magnitud determinada, no hay duda de que este existe, y nuestro problema es establecer los lı́mites
dentro de los cuales se encuentra dicho valor.

2. Concepto de medición y error

En esta sección explicaremos el concepto de medición y error ası́ como sus clasificaciones.

1. Medición: es un proceso básico del conocimiento cientı́fico que consiste en comparar una
propiedad especı́fica de un sistema con el valor que tiene esa misma propiedad en un sistema
de referencia, al cual se ha asignado un valor numérico especı́fico. Las mediciones pueden ser
de dos tipos:

a) Medición directa: es aquella que realizamos utilizando un instrumento diseñado, cons-

truido y calibrado para cuantificar fı́sicamente e in-situ la cantidad fı́sica de interés.
b) Medición indirecta: Corresponde a la medida de una cantidad fı́sica como el resultado
numérico producto de una relación matemática dada por un modelo aceptado, y a partir
de valores medidos directa o indirectamente.

2. Error: corresponde a la diferencia entre el valor verdadero o exacto y el valor medido ex-
perimentalmente, para una cantidad fı́sica determinada. Estos errores los podemos clasificar
de la siguiente forma:

1
 3 EXACTITUD, PRECISIÓN Y SENSIBILIDAD

a) Errores sistemáticos: los errores sistemáticos se deben a causas identificables, y pueden,

en principio, ser eliminados. errores de este tipo dan como resultado valores medidos
que son constantemente demasiado altos o demasiado bajos. Los errores sistemáticos
pueden ser de cuatro tipos:
Error instrumental:
Es el error asociado al instrumento de medición. Este tipo de error depende de la
calibración que presenta el instrumento de medición.
Error por observación:
Está asociado directamente con la dificultad que pueda tener el experimentador en
realizar la medición, por ejemplo, claridad en la lectura, o falta de experiencia.
Error ambiental:
Depende de variables externas que puedan afectar la medición, como ser una confi-
guración inadecuada de la medición, o una falla que pueda afectar directamente la
medición.
Errores teóricos:
Debido a simplificaciones del modelo base, o aproximaciones en ecuaciones que
involucren cantidades fı́sicas medidas directamente. Este tipo de error es asociado
a medidas indirectas. En principio, el experimentador desea identificar y eliminar
este tipo de errores sistemáticos.
b) Errores aleatorios o estadı́sticos: corresponden a fluctuaciones positivas y negativas
que hacen que aproximadamente la mitad de las mediciones sean demasiado altas, y la
otra mitad demasiado bajas. Las fuentes de errores aleatorios no siempre se pueden
identificar. Las posibles fuentes de errores aleatorios son las siguientes:
Error por observación:
Error por el juicio o criterio del experimentador, especialmente en la lectura en la
escala de un instrumento para la división más pequeña.
Errores ambientales:
Errores por fluctuaciones en variables externas que pueden afectar la medición, por
ejemplo fluctuaciones en temperatura, interferencia electromagnética, inestabilida-
des en voltajes de alimentación, vibraciones, etc.
Los errores aleatorios pueden ser cuantificados por análisis estadı́stico. Estos errores
usualmente son pequeños en magnitud (comparados usualmente a errores sistemáticos).
Una gran cantidad de mediciones sucesivas, produce desviaciones mayores o menores al
valor central.

3. Exactitud, precisión y sensibilidad

Exactitud, precisión y sensibilidad son conceptos muy relacionados entre ellos, por lo que en
esta sección abordaremos las principales diferencias que existen y se explicará de manera ilustrativa
en las figuras 1 y 2 dichos conceptos.

1. Exactitud: corresponde al error presente entre el valor medido experimentalmente y el

valor verdadero de la cantidad fı́sica que se pretende medir. Un resultado experimental es
más exacto si sus resultados son muy próximos al valor real.

2
 3 EXACTITUD, PRECISIÓN Y SENSIBILIDAD

2. Precisión: corresponde a la dispersión que presenta un conjunto de valores medidos de la

misma cantidad fı́sica, una mayor dispersión involucra una menor precisión.
3. Sensibilidad: corresponde al valor mı́nimo que puede ser medido con un instrumento de
medición determinado. Es habitual que la sensibilidad de un instrumento se indique con el
valor de la medición más pequeña de la escala.
Podemos afirmar que si un resultado experimental presenta buena exactitud, este también
tendrı́a una buena precisión. Sin embargo, no es posible garantizar que un resultado de alta pre-
cisión resulte con buena exactitud.

Considere las regiones circulares de un tablero de dardos (también llamado diana) en la figura 1,
con el cual es posible ilustrar los conceptos de precisión y exactitud. En a, los lanzamientos fueron
consistentes en torno a un área especı́fica de la diana, por lo cual se dice que se tuvo alta precisión
al lanzar los dardos; sin embargo, ninguna acertó al blanco, por lo cual la exactitud es baja. En
b, podemos observar un caso de alta precisión y alta exactitud, ya que todos los dardos acertaron
en el blanco. En c se ilustra un caso de alta exactitud (ya que todos los dardos cayeron cerca
del blanco), pero baja exactitud (no todos los dardos cayeron en el blanco); y en d se observa un
caso de baja precisión y baja exactitud. De lo anterior podemos concluir que en un procedimiento
experimental, lo más deseable es lo que se ilustra en b y lo menos deseable es lo que sucede en d.

Figura 1. Ilustración de los conceptos de precisión y exactitud

En la figura 2 también puede encontrar una comparación más orientada a la estadı́stica en-
tre la precisión y la exactitud, aquı́ por ejemplo tenemos una campana que representa todas las

3
 4 VALOR CENTRAL Y DECLARACIÓN DE INCERTIDUMBRES

mediciones realizadas en un experimento y qué tanto se midieron (representado como la densidad

de probabilidad), el pico más alto de esta gráfica representa el valor más medido, mediante una
lı́nea recta se representa el valor de referencia o valor teórico, que es básicamente el valor que uno
esperarı́a medir si es que el modelo está bien planteado y el experimento ha sido exitoso con base
en dicho modelo. Aquı́ vemos que nuestros resultados no son exactos, ya que de hecho ninguno de
los valores medidos ha sido el de referencia; sin embargo, nuestros resultados son bastante precisos,
en el sentido de que la campana es poco ensanchada. Siempre tenga en mente que precisión y exac-
titud no son sinónimos, nuestra meta es tener resultados precisos y exactos; pero esto no siempre
es posible, cuando esto no sucede es deber del experimentador analizar el porqué del aparente fallo.

Figura 2. Ilustración matemática de los conceptos de precisión y exactitud.

4. Valor central y declaración de incertidumbres

A partir de los conceptos vistos anteriormente, podemos establecer que una medición nos arroja
un intervalo de valores donde confiamos, se encuentra el valor real de alguna cantidad fı́sica que se
pretende medir. Dentro de este intervalo de valores, hay uno que se puede proponer como el más
representativo de la medición por ser el que tiene mayor probabilidad de acercarse al valor real, a
este valor se le conoce como el valor central de la medición. Si se midió una cantidad fı́sica q, su
valor central se representa como q̄. Alrededor del valor central, hay una cantidad que determina
los lı́mites del intervalo de valores donde confiamos está el valor real de la medición (ver figura 3).
A esta cantidad se le denomina error absoluto (o incertidumbre absoluta) de la medición. Si se
midió una cantidad fı́sica q, su incertidumbre absoluta se representa como ∆q.

4
 5 CIFRAS SIGNIFICATIVAS

Figura 3. Comparación entre una medición y su valor real utilizando un instrumento de medición
(regla métrica).

Al realizar una medición, podemos estimar que el valor verdadero de la misma se encuentra
acotado en un intervalo, y dicho valor tiende a ser igual al valor central. Es de mucha impor-
tancia resaltar que para considerar que una medición experimental de una cantidad fı́sica se hizo
correctamente, la incertidumbre absoluta deberá ser mucho menor que el valor central, es decir:
|∆q| ≪ |q̄|. (1)
Al considerar las figuras 2 y 3, nos damos cuenta de que si la incertidumbre absoluta es dema-
siado elevada, el procedimiento experimental carece de precisión y exactitud, y, en consecuencia,
los resultados obtenidos no arrojarán conclusiones sólidas sobre un fenómeno fı́sico dado. Otra
consideración importante a tomar en cuenta es que la incertidumbre absoluta como valor numérico
siempre será positiva y tendrá las mismas unidades del valor central, ya que representa un intervalo
de incertidumbre respecto en donde se encuentra el valor real de una medición.

En muchos casos, resulta de interés ver la relación entre el error absoluto y el valor central aso-
ciado a una medición experimental. Esta relación suele llamarse incertidumbre relativa o también
llamada precisión de la medida, es adimensional y se define como sigue:
∆q
Ir = . (2)
q̄
Si multiplicamos el error relativo por 100 %, obtenemos el error porcentual (o incertidumbre por-
centual) (Ip ), el cual nos da una relación porcentual entre el error absoluto y el valor central.

En general, la incertidumbre absoluta en mediciones de cantidades fı́sicas se relaciona con el

nivel de precisión que hay en dichas mediciones. Las incertidumbres relativa o porcentual establecen
de forma comparativa dicha precisión. Es ası́ que, cuanto más baja es la incertidumbre porcentual
de una medición, más alta es la precisión del experimento.

5. Cifras significativas
Las cifras significativas son aquellas que están medidas con precisión, según el instrumento,
o también según cálculos realizados a partir de mediciones directas. Para saber cuantas cifras se
pueden utilizar en un resultado, se pueden utilizar las siguientes reglas:
Los ceros a la izquierda no son significativos, esto se debe a que los ceros a la izquierda no
añaden precisión a la medición, solo sirven para establecer la posición del punto decimal.
Para contar las cifras significativas, se parte del primer dı́gito distinto de cero y se cuentan
todos los dı́gitos a partir de este.

5
 6 PUBLICACIÓN DE RESULTADOS EXPERIMENTALES

Los ceros a la derecha sı́ son significativos. Se debe tener la precaución de escribir los ceros
a la derecha si y solo si estos son parte de una verdadera medición.
En muchas ocasiones resulta más práctico utilizar la notación exponencial para expresar resul-
tados, utilizando potencias de base diez. A continuación se presentan algunos ejemplos de cifras
significativas.

Ejemplo 1: La respuesta 92.81 con una incertidumbre de 0.3, deberı́a ser redondeada como:
92.8 ± 0.3, por otro lado, si la incertidumbre es 3, entonces la respuesta deberı́a ser redondeada a
93 ± 3.

Ejemplo 2: Determinar la cantidad de cifras significativas en:

0.000000013
130
Solución: Para el primer valor notamos que tiene solamente dos cifras significativas. Si expre-
samos el valor utilizando la notación exponencial, el resultado serı́a el siguiente:

1.3 × 10−8

En el segundo caso, contamos tres cifras significativas y no vemos necesidad de utilizar notación
exponencial, pero si se quisiera utilizar el resultado serı́a ası́:

1.30 × 102

Ejemplo 3: ¿Qué diferencia existe entre los resultados 1kg y 1.000kg? ¿Qué medición es más
precisa?

Solución: la diferencia es la cantidad de cifras en las que se expresa la medición. La primera

medición nos indica que el instrumento tenı́a una sensibilidad en kilogramos y la segunda medición
fue realizada con un instrumento con sensibilidad en gramos (es decir que la mı́nima medida que
se puede hacer con ese instrumento es 0.001 kg=1 g). La segunda medición fue más precisa, mil
veces más precisa para ser exactos.

6. Publicación de resultados experimentales

Al indicar el resultado experimental de la medición de una magnitud debemos indicar tanto el
valor central como el grado de incertidumbre de la misma, ası́ como las unidades de la cantidad
medida. Esto se denota de la siguiente manera:

x = x̄ ± ∆x unidades. (3)

También es necesario tomar en cuenta la cantidad de cifras significativas al momento de denotar

una medición. Esto se logra respetando las siguientes reglas:
1. El error absoluto deberá contener únicamente una cifra significativa.
2. El error absoluto predispone cuántas cifras antes o después del punto decimal debe contener
el valor. central.

6
 6 PUBLICACIÓN DE RESULTADOS EXPERIMENTALES

En el caso de denotar mediciones de cantidades muy grandes o muy pequeñas, es conveniente

escribirlas siguiendo el mismo esquema explicado anteriormente, seguido del orden de la cantidad
en términos de notación cientı́fica. Veamos algunos ejemplos.

Ejemplo 4: En la medición experimental de un valor de longitud determinada se obtuvo que

su valor central es 1.234345 cm y su incertidumbre absoluta es 0.06789 cm. Denote el resultado de
forma adecuada.

Solución: Obsérvese que la incertidumbre dada posee cuatro cifras significativas. Considerando
la primera regla tenemos que la incertidumbre es:

∆x = 0.07 cm.

Ahora, para que se cumpla la segunda regla, tendrı́amos que el valor central es:

x̄ = 1.23 cm.

Ası́, la forma correcta de denotar el resultado obtenido serı́a:

x = (1.23 ± 0.07) cm.

Ejemplo 5: Considere las siguientes dos mediciones precisas y realizadas en un ensayo de la-
boratorio:

Cantidad medida Valor central Incertidumbre absoluta

Masa (m) 1842365952 kg 528314723 kg
Longitud (x) 0.00000009237 m 0.00000000057 m

Expréselas de forma adecuada.

Solución: Observemos que el valor central y la incertidumbre absoluta de la masa medida son
valores bastante grandes. Al re-expresarlos en notación cientı́fica, tenemos que:

m̄ = 1.842365952 × 109 kg ∆m = 5.28314723 × 108 kg.

Al considerar la primera regla tenemos que:

∆m = 5 × 108 kg.

Sin embargo, al observar el valor central de m, podemos darnos cuenta de que no hay concordancia
en el orden de magnitud de ambas cantidades (el valor central está en un orden mayor que la
incertidumbre), por lo cual será necesario, o bien disminuir el orden de magnitud del valor central,
o aumentar el orden de magnitud de la incertidumbre. Aumentando el orden de la incertidumbre,
tenemos que:
∆m = 0.5 × 109 kg.
Ahora que concuerdan los órdenes de magnitud, podemos aplicar la segunda regla, obteniendo
como valor central:
m̄ = 1.8 × 109 kg.

7
 7 DETERMINACIÓN DE ERRORES EN MEDICIONES DIRECTAS

Finalmente, la forma más adecuada de expresar el resultado obtenido serı́a:

m = (1.8 ± 0.5) × 109 kg.

Obsérvese que el orden de magnitud está fuera de los valores encerrados en paréntesis, ya que es
común tanto para el valor central como para la incertidumbre. Al tomar en cuenta las mismas
consideraciones previas para el caso de la medición de longitud, mostrada en la tabla anterior, la
forma más conveniente de expresarla es:

x = (924 ± 6) × 10−10 m.

7. Determinación de errores en mediciones directas

Como se ha mencionado previamente, al realizar una medición debemos indicar una estima-
ción del error asociado a la misma, ya que no conocemos con certeza el valor verdadero, lo que
conocemos es un rango donde se puede ubicar ese valor. Ası́, por ejemplo, para poder realizar
la estimación del error al realizar una sola medición directa, consideraremos que el valor central
(x̄) es el valor medido directamente y que el error (∆x) coincide con la sensibilidad del instrumento.

Al realizar mediciones directas, se pueden suscitar situaciones en las cuales la sensibilidad del
instrumento de medición resulta ser insuficiente para poder obtener un valor central que concuerde
con el valor real de la medición de una cantidad fı́sica. De ser ese el caso, lo ideal serı́a hacer uso
de otro instrumento de medición de mayor sensibilidad; sin embargo, en muchas ocasiones resulta
muy difı́cil (o imposible) poder conseguir esa clase de instrumentos, por lo cual resulta necesario
aplicar criterios para la publicación de un resultado experimental.

Ejemplo 6: Se mide la longitud x de una varilla por medio de una cinta métrica graduada en
centı́metros y con una sensibilidad en milı́metros, como se observa en la figura 4. A partir de lo
observado, escriba la medición obtenida de forma adecuada.

Figura 4. Medición directa de una varilla.

De lo que se observa en la figura 4, se puede decir que la varilla tiene una longitud de aproxi-
madamente 4 cm. Sin embargo, al ampliar el rango de visión, nos damos cuenta de que el valor

8
 8 ERRORES SISTEMÁTICOS

verdadero de longitud de la varilla recae en un punto que no se puede cuantificar mediante el

instrumento de medición disponible, por lo cual, para obtener el valor central de la longitud de
la varilla, se necesita aplicar un criterio consensuado que contemple qué hacer con la medición en
este caso (ya que no serı́a correcto decir que su valor central recae en 4.05 o 4.06 cm, debido a que
el instrumento de medición no posee la sensibilidad suficiente para poder medir más allá de un
milı́metro). Un ejemplo del uso de un criterio consensuado, serı́a observar que la varilla tiene su
extremo derecho más cercano al valor de 4.1 cm en el instrumento de medición, por lo que podemos
afirmar que la medición quedarı́a expresada como:

x = (4.1 ± 0.1) cm.

De haber obtenido que dicho extremo es más cercano a la escala de 4 cm, la medición hubiese
quedado expresada como:
x = (4.0 ± 0.1) cm.

8. Errores sistemáticos
Aplicando el concepto de máxima incertidumbre posible, se pueden deducir las siguientes reglas
para el cálculo de errores sistemáticos en casos especiales:

1. Al tener una cantidad q que depende de la suma o resta de dos cantidades medidas x y y
(q = x + y ó q = x − y), el valor central queda expresado en la forma q̄ = x̄ + ȳ o q̄ = x̄ − ȳ,
según sea el caso. El error sistemático de q queda expresado en la forma ∆q = ∆x + ∆y.
independientemente de sı́ q depende de una suma o una resta de dos cantidades medidas.

2. Al tener una cantidad q que depende de dos cantidades medidas, en general, q(x, y), entonces
el error sistemático está dado por

∂q ∂q
δq = δx + δy. (4)
∂x ∂y

Es importante resaltar que ambas reglas parten de una deducción con base en cálculo diferencial
tomando en cuenta, en su mayorı́a, derivadas parciales, lo cual implica que su rango de aplicación
se limita a fenómenos fı́sicos cuantificables de forma infinitesimal.

La incertidumbre de una función en varias variables viene dada por un teorema (ecuación o
fórmula) como sigue: suponga que x, y, ..., z son cantidades fı́sicas que se miden con una incer-
tidumbre de δx, δy, ..., δz, respectivamente. Los valores anteriormente descritos se utilizan para
calcular una función q(x, y, ..., z). Si las incertidumbres son variables independientes y aleatorias,
entonces la incertidumbre de q viene dada por
s 2  2  2
∂q ∂q ∂q
δq = δx + δy + · · · + δz . (5)
∂x ∂y ∂z

En cualquier caso, podemos establecer una cota superior del error:

∂q ∂q ∂q
δq ≤ δx + δy + · · · + δz. (6)
∂x ∂y ∂z

9
 9 ERROR ESTADÍSTICO

Ejemplo 7: Una de las prácticas de laboratorio de FS100 consiste en verificar el carácter

vectorial de la fuerza, particularmente lo que se hace es que se miden tres masas diferentes y luego
se colocan sobre una mesa de fuerzas, después de ello movemos los brazos de dicha mesa en ciertos
ángulos hasta que una argolla metálica queda de tal forma que no toca de ninguna forma el centro
de la mesa. Para facilitar las cosas, normalmente una de las 3 masas se deja donde el medidor de
ángulo mide 90°, obtenemos una ecuación como sigue para uno de los ángulos restantes:
mc − ma sin θa
sin θb = . (7)
mb
Suponga que todas las cantidades aquı́ son medidas directamente, excepto él sin θb . Calcule el error
o incertidumbre para él sin θb , (suponga que lo que se mide es sin θa ).

Solución: Emplearemos la ecuación (5) para calcular error, note que aquı́ q = sin θb , ası́
s 2  2  2  2
∂ sin θb ∂ sin θb ∂ sin θb ∂ sin θb
δ sin θb = δma + δθa + δmc + δmb . (8)
∂ma ∂θa ∂mc ∂mb

Llevar los ı́ndices puede llegar a ser complicado; pero el proceso es simple aplicación de ecuación
y operatoria, haciendo las derivadas respectivas obtenemos:
" 2  2  2
mc − sin θa mc − ma cos θa 1 − ma sin θa
δ sin θb = δma + δθa + δmc
mb mb mb
 2 #1/2
ma sin θa − mc
+ δmb . (9)
m2b

La idea detrás de esta propagación de error es que en cada medición que se hizo se aplique la
ecuación para encontrar la incertidumbre de sin θb o bien, se puede aplicar también a valores
centrales con su respectiva incertidumbre, ambos casos son una aplicación válida de la teorı́a y se
empleará cada cual según el experimento y su método.

9. Error estadı́stico
Si tenemos un conjunto de N mediciones (directas o indirectas) de una misma cantidad fı́sica,
podemos calcular un valor central y su respectiva incertidumbre por medio de un análisis estadı́stico
de medias y desviaciones estándar; sin embargo, tome en cuenta que el análisis anterior tiene su
fundamento en teorı́a estadı́stica rigurosa, históricamente se le ha llamado a la sección que está
por leer error estadı́stico, no es el propósito de la guı́a cuestionar la validez del nombre. El valor
central para un conjunto de mediciones reiteradas de una misma magnitud está dado por:
i=N
1 X
x̄ = xi . (10)
N i=1

Esto representa simplemente el promedio del conjunto de mediciones o la suma de todas las medi-
ciones realizadas, divididas entre la cantidad de mediciones.

10
 10 CRITERIO DE ERROR ABSOLUTO PARA MEDICIONES REITERADAS

La desviación estándar se define cómo qué tan alejados están las cantidades medidas del valor
central, la desviación estándar de una variable x, léase cantidad medida, viene dada por:
r
1
σx = Σ(x − x̄)2 . (11)
N −1
Por otro lado, la desviación estándar de la media nos da una medida de qué tan lógico, racional
o posible serı́a encontrar un valor muy alejado del valor esperado o central, es decir, nos da una
vara de medida de qué tanto se puede alejar un valor medido de su valor esperado, viene dado por:
σx
σx̄ = . (12)
N
Ejemplo 8: Se tienen las siguientes medidas directas de una longitud x en µm:

Medición x1 x2 x3 x4 x5
Valor (µm) 67.6 67.8 68.2 67.2 66.7

Solución: Se puede afirmar que los datos descritos anteriormente son mediciones reiteradas de
una misma cantidad, ya que no presentan un orden creciente o decreciente, sino que son valores
cercanos entre sı́; por lo tanto, podemos aplicar el análisis de esta sección para encontrar el valor
central y la incertidumbre asociada a estas cantidades medidas. Ası́, tenemos que el valor central
está dado por
67.6 + 67.8 + 68.2 + 67.2 + 66.7
x̄ = = 67.5µm
5
Y la desviación estándar de la media
r
1 1
σx̄ = [(67.6 − 67.5)2 + (67.8 − 67.5)2 + (68.2 − 67.5)2 + (67.2 − 67.5)2 + (66.2 − 67.5)2 ]
5 4
= 0.1µm.

Ası́, entonces el resultado final es

x = (67.5 ± 0.1)µm.
Al igual que para el ejemplo sobre errores sistemáticos, para este ejemplo el error estadı́stico es
equivalente a la incertidumbre absoluta de la medición de x. Esto es debido a que no se considera
introducción de error por parte de otros factores (como las condiciones del equipo utilizado para
la toma de datos).

10. Criterio de error absoluto para mediciones reiteradas

Al analizar un conjunto de mediciones reiteradas de una misma magnitud fı́sica, lo ideal es
considerar que pueden existir errores sistemáticos y estadı́sticos asociados a la medición de dicha
cantidad. Para esto, se puede definir un error absoluto de la forma
q
∆x = δx2sys + σx̄2 . (13)

Donde ∆x es el error absoluto de la medición, δxsys es el término del error sistemático y σx̄ es el
término del error estadı́stico. Es importante resaltar que no en todas las mediciones van a existir

11
 10 CRITERIO DE ERROR ABSOLUTO PARA MEDICIONES REITERADAS

ambos tipos de errores (sistemático y estadı́stico), o bien podrı́a haber casos donde alguna de las
incertidumbres sea despreciable, por lo cual el establecimiento del error absoluto queda a criterio
del investigador y del contexto en que se realiza la experimentación.

Ejemplo 9: En uno de los que históricamente ha sido el primer experimento de FS200, se mide
la aceleración gravitacional a cierta altura a partir del periodo de un péndulo. Un péndulo simple
consiste en una cuerda a la que en uno de sus extremos se le ata una masa y se mantiene fija del
otro, luego se deja oscilar partiendo de algún ángulo pequeño. Cuando un péndulo es lo suficien-
temente simple, su periodo dependerá únicamente de su longitud y de la aceleración gravitacional
del lugar donde se encuentre. Lastimosamente, no existen las cuerdas perfectas y estas se pueden
estirar (hasta 1 mm) entre mediciones, si es que no se tiene el cuidado adecuado, estos cambios
son algo que todo experimento debe detectar, es por ello que se solicita siempre que se mida el
largo de la cuerda antes de comenzar cada ciclo de medición del periodo. Un estudiante de FS200
registra las siguientes medidas en su cuaderno de laboratorio:

Medición x1 x2 x3 x4 x5
Longitud (mm) 191 192 191 190 192

Determine el valor central de la longitud, expresada como la variable l y su incertidumbre

absoluta, suponga que se utilizó un metro para medir la longitud de la cuerda.

Solución: Podemos partir calculando el valor central, como se midió la misma cuerda, es obvio
de que estarı́amos tratando con un promedio, ası́

¯l = 1901 + 1902 + 1901 + 1900 + 1902 = 1901.2 mm.

5
Ahora encontraremos la desviación estándar
r
1
σx = [2(1901.2 − 1901)2 + 2(1901.2 − 1902)2 ) + (1901.2 − 1900)2 ]
4
= 0.84 mm, (14)

y la desviación estándar de la media

0.84
σx̄ = = 0.17 mm.
5
Finalmente, sabemos que la menor medición que puede hacer un metro es de 1 mm, ası́ el error o
incertidumbre absoluta estará dada por:
q √
∆l = δx2sys + σx̄2 = 12 + 0.172 = 1.01 mm.

Expresando el valor final como:

l = (1901 ± 1) mm.
Note que en este caso el error por promedio es despreciable, ya que prácticamente solo nos
quedó el sistemático, nunca crea que el cálculo de errores por promedios es irrelevante. Este tipo
de análisis, en el que decimos que nuestras mediciones han sido, al menos en promedio, consistentes,
se espera en su análisis de resultados.

12
 11 DISCREPANCIA Y COMPARACIÓN CON VALORES TEÓRICOS

11. Discrepancia y comparación con valores teóricos

11.1. Discrepancia
Se dice que hay discrepancia entre dos mediciones si estas difieren entre sı́ de manera sustancial.
Definiremos matemáticamente a la discrepancia como la diferencia positiva entre dos mediciones
de una misma cantidad.

La discrepancia puede llegar a ser significativa, o no, según sea el comportamiento de los datos
experimentales obtenidos. Al analizar la figura 5a, podemos darnos cuenta que la discrepancia
es significativa, ya que los valores medidos no son compatibles entre sı́ de ninguna manera. Una
de las mediciones (o bien ambas) están erradas y es necesaria una revisión de los datos y el
procedimiento experimental ejecutado para ver qué errores se pudieron haber cometido. En la
figura 5b, la discrepancia no es significativa, ya que los intervalos de incertidumbre de ambas
mediciones se traslapan, por lo cual ambas mediciones pueden ser correctas.

Figura 5. Ejemplo para apreciar una discrepancia significativa y no significativa.

11.2. Comparación con valores teóricos

Resulta importante comparar el valor central medido con el valor aceptado o valor teórico,
esta información es de suma relevancia al establecer conclusiones sobre el experimento realizado.
Matemáticamente, esta comparación se realiza de la siguiente manera
|qteórico − qexperimental |
%ϵ = × 100 %. (15)
qteórico
Esta comparación representa de manera cuantitativa el nivel de dispersión en la exactitud que
tiene un resultado experimental. Ası́, entre más alta es la dispersión, se dice que el resultado tiende
a ser menos exacto (es decir, menos cercano al valor verdadero o aceptado de una cantidad fı́sica)
y viceversa.

Ejemplo 10: En otra práctica de FS100 normalmente se hace una medición indirecta de la
gravedad en la Tierra mediante una regresión lineal y el principio de conservación de la energı́a,

13
 12 AJUSTE DE DATOS

básicamente lo que se hace es medir el tiempo que tarda un objeto regular en caer de diferentes
alturas y a partir de aquı́ se hace un análisis para determinar indirectamente el valor de aceleración
de la gravedad a la altura a la que se encuentra el laboratorio, recuerde que este valor cambia según
donde estemos en la Tierra.

Tres grupos de estudiantes presentan su informe de laboratorio en los cuales se reflejan los
siguientes valores centrales:
Grupo 1: 9.78 m/s2
Grupo 2: 9.8 m/s2
Grupo 3: 9.074 m/s2
El valor esperado a 3 metros del suelo en el edificio E1 de la UNAH es de 9.78338 m/s2 , hable sobre
la precisión y exactitud de estos valores, para ello también calcule el error porcentual de cada grupo.

Solución: Procederemos a calcular los errores porcentuales según la ecuación (15)

|9.78338 − 9.78|
G1 = × 100 % = 0.03 %
9.78338
|9.78338 − 9.8|
G2 = × 100 % = 0.17 %
9.78338
|9.78338 − 9.074|
G3 = × 100 % = 7.25 %
9.78338
Ahora con los comentarios, note que sin duda alguna el valor del grupo 1 es el que tiene mejor
exactitud, ya que su valor difiera del esperado en a penas 0.03 %; sin embargo, no es el más preciso,
ya que por ejemplo el grupo 3 tiene 4 cifras significativas en su resultado.

El grupo 2 es él presenta la menor precisión de los tres, ya que a penas y tiene cifras significa-
tivas; pero su resultado es bastante exacto, difiriendo en apenas 0.17 % del valor esperado.

Finalmente, el resultado del grupo 3 es por mucho el más preciso, con cuatro cifras significati-
vas; sin embargo, es el más inexacto, difiriendo su valor central del esperado en más de 7 %.

La lección de esto es que más cifras significativas no significan mayor exactitud. En cualquier
caso siempre mantenga en mente que en ningún momento es el propósito de ningún laboratorio
el hecho de que los resultados sean exactos, precisos o ambos, se estima muchı́simo más y será
mejor para su aprendizaje de la fı́sica que sepa explicar y localizar discrepancias entre los valores
esperados y obtenidos.

12. Ajuste de datos

12.1. Linealización
La linealización se refiere al proceso utilizado para encontrar o determinar una función lineal
que se ajuste a los datos experimentales de forma directa o indirecta, esto dependerá de la forma
en la que se considere una variable independiente y una variable dependiente. Esto no es más que
expresar una función no lineal de cualquier clase en términos de una función lineal de la forma

14
12.1 Linealización 12 AJUSTE DE DATOS

y = ax + b.

Muchas leyes fı́sicas expresan la proporcionalidad de una cantidad con respecto a otra, una
cantidad es proporcional a otra, si graficando ambas cantidades en un plano cartesiano obtenemos
una lı́nea recta, muchas veces veremos leyes fı́sicas que implican una proporcionalidad entre una
cantidad y el cuadrado, logaritmo, exponente, seno, coseno, etc. de otra, la linealización nos ayuda
a ver esta proporcionalidad; sin embargo, es posible que, según el experimento, necesitemos graficar
una proporcionalidad como un cuadrado, logaritmo, seno, coseno, exponente, etc. de otra.

La técnica o regla es bastante sencilla y será ilustrada en los siguientes ejemplos. A saber:
debemos convertir una cantidad no lineal en una cantidad lineal al tomar la función como nuestra
nueva variable dependiente o independiente, según sea el caso.

Ejemplo 11: Sea la función:

x = a ln(y)
Donde x y y son cantidades medidas experimentalmente. El propósito del experimento es deter-
minar la constante a de forma indirecta, tomando esto en cuenta linealice de tal forma que a sea
la pendiente de un gráfico lineal.

Solución: Tal como implica el enunciado debemos cambiar la relación para que sea un gráfico
lineal, definamos: ln(y) = Y , ası́:
x = aY
Y ası́ tenemos una nueva ecuación en la que a es la pendiente, la cual podemos medir directamente
mediante el método gráfico.

Ejemplo 12: Sea la función:

u(v) = A sin(kv − φ)
Donde u, v, φ y A se miden experimentalmente, linealice la función, de tal forma que k sea la nueva
pendiente.

Solución: Tal como el enunciado dice, la idea es dejar k como la pendiente de una función
equivalente, esto se hace porque gráficamente serı́a relativamente complicado determinar k; pero
si k es la pendiente de una gráfica lineal, el trabajo se vuelve mucho más sencillo, el trabajo se
reduce a despejar, de alguna manera k, con un poco de álgebra vemos que:
u
= sin(kv − φ)
A
−1 u
 
sin = kv − φ
A
Si queremos verlo de una forma más amigable podemos definir, y = sin−1 u


A
, x = v y ası́:

y = kx − φ

Ejemplo 13: En la primera práctica de FS200 se trabaja con un péndulo para calcular el valor
de la aceleración gravitacional en la Tierra a partir de la ecuación del periodo del péndulo simple,

15
12.2 Regresión lineal 12 AJUSTE DE DATOS

dada por: s
L
T = 2π
g
Linealice esta ecuación, tal que pueda obtener una gráfica de la forma y = mx + b, puede elegir
las variables dependientes e independientes a su conveniencia; pero fuerce a que la pendiente sea
una función de la gravedad.

Solución: Esta es una pregunta hasta cierto punto abierta, con la única restricción de que la
gravedad tiene que ser parte de la pendiente, ¿a qué se refiere esto? Recuerde que la constante m,
representa la pendiente de una ecuación lineal, con esto en mente presentamos una posible solución
(que no es única):
Elevando ambos lados al cuadrado:
L
T 2 = 4π 2
g
Ahora podemos unir la constante 4π 2 con g:

4π 2
T2 = L
g

Y renombramos Y = T 2 y X = L, ası́:
4π 2
Y = X
g
Finalmente, usamos:
Y = mX + b
A estas alturas el lector más ávido se preguntará por qué es necesario él intercepto, recuerde que
la teorı́a de regresiones lineales viene del problema de mı́nimos cuadrados, el cual por defecto trae
un intercepto, esta constante b es una medida de qué tan preciso fue su recolección de datos, entre
más se acerque a cero, mejor. Si se aleja de cero hay que preguntarse y tratar de explicar el porqué.

12.2. Regresión lineal

La regresión lineal es una técnica estadı́stica en la que dados un conjunto de pares ordenados
(variable independiente y variable dependiente) se encuentra una función lineal continua que me-
jor se aproxime al comportamiento de los datos. Mediante la regresión lineal, buscamos construir
una función de ajuste con la forma y = ax + b. El método nos permite calcular los valores de los
parámetros a y b con sus errores absolutos. Los pares ordenados, representados por x y y, son un
conjunto de mediciones obtenidas experimentalmente, sea de manera directa o indirecta.

Es importante hacer notar que a todo conjunto de datos se le puede hacer una regresión lineal;
sin embargo, si los datos no se comportan de manera lineal, no obtendremos el resultado deseado,
por lo que previo a realizar un proceso de regresión lineal, es necesario comprobar que los pares
ordenados de datos experimentales recopilados se comporten gráficamente de forma lineal con base
en un modelo matemático dado a partir de una linealización.

16
12.2 Regresión lineal 12 AJUSTE DE DATOS

12.2.1. Resumen de ecuaciones

Las ecuaciones que rigen la regresión lineal o método de los mı́nimos cuadrados son de carac-
terı́sticas estadı́sticas (estocásticas, de hecho) y el método trata de encontrar la menor probabilidad
de que un valor de un conjunto se aleje de una ecuación lineal continua, no es el propósito de esta
guı́a hacer la deducción del método y de las ecuaciones a las que este llega, ası́ que simplemente
presentaremos dichas ecuaciones y las describiremos:

Sea la ecuación y = Ax + B, una ecuación lineal donde A y B son parámetros a medir indirec-
tamente y suponga que tenemos yi y xi una serie de N datos medidos (de preferencia directamente;
pero también pueden ser indirectos), ası́:

(xi )2 yi − xi xi yi
P P P P

A= i i i i
∆
P P P
N xi yi − xi yi
i i i
B=
∆
Donde por conveniencia hemos introducido la abreviación:
!2
X X
∆=N (xi )2 − xi
i i

Como todo proceso de medición, este tiene su incertidumbre, para calcularla, primero debemos
saber qué tanto se desvı́an nuestros datos de su regresión, para ello calcularemos la desviación
estándar de los puntos con respecto a la recta que encontramos gracias a las ecuaciones anteriores:
v
u
u 1 X N
σy = t (yi − A − Bxi )2
N −2 i

Ahora podemos proceder a presentar las ecuaciones que representan la incertidumbre en nuestros
parámetros A y B: sP
(xi )2
i
σA = σy
∆
r
N
σB = σy
∆
Finalmente, hablaremos de la correlación, esta es una cantidad estadı́stica que permite verificar
de forma cuantitativa la relación que hay entre los puntos que representan datos experimentales
y un modelo lineal asociado a dichos puntos. El ı́ndice de correlación puede tener valores entre
-1 (si la pendiente del modelo es negativa) y 1 (si la pendiente del modelo es positiva), y entre
más cercano esté el valor absoluto del ı́ndice de correlación a 1, se puede decir que hay mayor
correlación entre los datos experimentales y su respectivo modelo lineal, es decir que la recta se
ajusta bien a los datos. P
(xi − x̄)(yi − ȳ)
i
r = qP P
(xi − x̄)2 (yi − ȳ)2
i i

17
12.2 Regresión lineal 12 AJUSTE DE DATOS

Ejemplo 14: Ejemplo interactivo. Acceda al QR para ver un ejemplo de una regresión
lineal:

Figura 6. Ejemplo en vı́deo

Lineamientos para construcción de gráficas de ajustes lineales

La representación gráfica de los fenómenos fı́sicos a estudiar durante las prácticas de laboratorio
debe ajustarse a los siguientes lineamientos:

1. De ser desarrolladas a mano, las gráficas deben dibujarse en papel milimetrado con los ejes
bien trazados, indicando la magnitud fı́sica representada en las unidades en que ha sido
medida. La ubicación de dicha información puede ser al centro de cada eje o cerca de las
flechas que indican continuación de los mismos. El tı́tulo de la gráfica debe ser claro y conciso
y deberı́a ir ubicado en la parte superior de la misma.

2. La variable independiente del fenómeno estudiado debe ir representada en el eje de las abscisas
(eje horizontal) y la dependiente en el eje de las ordenadas (eje vertical).

3. Las escalas, sobre ambos ejes, han de permitir una lectura rápida y sencilla. Estas se han de
definir mediante intervalos (como 1 en 1, 5 en 5, etc).

4. Las escalas deben abarcar todo el intervalo de medidas realizadas.

5. Sobre los ejes solo se indican los valores correspondientes a las divisiones enteras de la escala
(que han de quedar uniformemente espaciadas). Nunca se señalan los valores asociados a las
medidas realizadas.

6. Primero se trazan los valores medidos, luego se hace la regresión y después se traza el gráfico
de la función encontrada, tanto los datos experimentales como la función trazada, deberı́an
tener cierta correspondencia, la tengan o no debe hablar de ello en su análisis de resultados.

7. Las gráficas de las funciones de ajuste lineal han de ser lı́neas rectas continuas que siguen la
tendencia gráfica que tienen los datos medidos experimentalmente.

18
12.2 Regresión lineal 12 AJUSTE DE DATOS

8. Bajo ninguna circunstancia se deben graficar segmentos de recta que unan los puntos que
representan los datos experimentales.

Ejemplo 15: Gráfica en papel milimetrado

Como ejemplo se ilustra una gráfica en papel milimetrado que fué construida basándonos en
el siguiente experimento. Un resorte con constante de fuerza k desconocida se cuelga de forma
vertical y sobre el extremo inferior se colocan un conjunto de masas de tal manera que éstas
producen un estiramiento en el resorte. Dichos estiramientos son medidos antes y después de
colocar las diferentes masas y son medidos con una regla. Los resultados se resumen en la siguiente
tabla.

Masa Fuerza Altura inicial Altura final Desplazamiento

(g) (N) (cm) (cm) (m)
10 0.098 0.9 1.6 0.007
20 0.196 0.9 2.3 0.014
30 0.294 0.9 3.1 0.022
40 0.392 0.9 4.0 0.031
50 0.490 0.9 4.8 0.039
60 0.588 0.9 5.6 0.047

Ejemplo 16: Realice la gráfica de los datos experimentales y la función de ajuste del ejemplo
del ejemplo interactivo, de manera que se ajuste a los lineamientos para la construcción de gráficas.

Solución: Siga los lineamientos aquı́ presentados y los datos en el vı́deo, su gráfica deberı́a
verse algo ası́:

Ejemplo de una regresión lineal

19
 13 REFERENCIAS

13. Referencias
1. Taylor, J. An Introduction to Error Analysis: The Study of Uncertainties in Phyisical Mea-
surements, 2da Edición, University Science Books, Sausalito California.

2. Preston, Daryl W. y Dietz, Eric R. The art of experimental physics, 1991 Preston

3. BAIRD, D. (1996). Experimentación; una introducción a la teorı́a de mediciones y al diseño

de experimentos (1a. ed.). México: Prentice-Hall hispanoamericana.

4. Bevington, Philip R. y Robinson, D. K. Data reduction and error analysis, 2003 McGraw &
Hill, New York.

20