INDICE

CONTENIDO PAG.

TERORIA DE ERRORES Deficiencia en los instrumentos de medidas Faltas y Errores Mtodos de clculos y errores en las medidas Magnitud de errores Teora de observaciones Valor probable Error probable Error relativo Rango Compensacin Errores en las operaciones matemticas Recomendacin Conclusin Bibliografa

TEORIA DE ERRORES Teora de errores y clculo de compensacin: constituye la agrupacin de los mtodos matemticos que permiten la minimizacin de los inevitables errores cometidos en las mediciones, y que permiten tambin establecer los mtodos y los instrumentos idneos a utilizar en los diversos trabajos topogrficos, para obtener la mxima calidad en los mismos. TIPOS DE ERRORES Los errores pueden ser producidos, por la imprecisin de los aparatos de medida, que reciben el nombre de errores sistemticos, o causa de agentes externos o del propio operador, que reciben el nombre de errores accidentales. Mientras que los primeros se repiten en el mismo sentido, siempre que se utiliza el mismo aparato de medida, los segundos varan de una experiencia a otra, tanto en valor como en signo. CLASES DE ERRORES E1 error en general podemos definirlo como la diferencia que tenemos entre el valor obtenido y el verdadero. A este error se le denomina "error absoluto" y si llamamos x a la medicin y X al valor verdadero, el error absoluto ser: E a= x-X Otro tipo de error es el "error relativo", definido por el cociente entre el error absoluto y el valor real, dado por la frmula: Er = E a -----X MEDIA ARITMTICA Los errores sistemticos prcticamente se pueden hacer desaparecer, pero no as los accidentales. La experiencia y tambin la teora con aplicacin del clculo de probabilidades, demuestra que cuando hacemos una serie de mediciones, unos valores estarn por encima del valor verdadero y otros por debajo, de modo que cuando aumentamos el nmero de estas observaciones las diferencias por ms y por menos con el valor real al hallar la media aritmtica de estos valores, se van destruyendo las diferencias, y en general podemos tomar como valor ms probable de una serie de mediciones el de su media aritmtica, y sta ser tanto ms cercana al valor verdadero cuantas ms mediciones hagamos. Es decir, si tenemos una serie de mediciones de una magnitud, x1, x2, x3,....... el valor ms probable es: DESVIACIONES Naturalmente que este valor ms probable as determinado, no coincidir ni con e1 valor real, ni con la mayora de las mediciones hechas. A la diferencia entre cada una de las medidas obtenidas y el valor ms probable se le llama "desviacin", la cual podr ser igual, mayor o menor que cero.

DIFERENCIA MEDIA Y ERROR MEDIO La desviacin, diferencia media, ser la media de las desviaciones, y es a su vez la que nos define el grado de precisin de las observaciones. Ahora bien, no es conveniente usar las desviaciones en s para hallar la media aritmtica de las desviaciones, pues al ser estas variables por ms y por menos se van contrarrestando, dndonos entonces un nivel falso de la precisin. Por ello se toman los valores de los cuadrados de las desviaciones, viniendo entonces la diferencia media definida por: Ya se puede comprender que al no ser un valor que marque la diferencia con el valor verdadero, esta diferencia ser un valor aproximado. La verdadera diferencia media, a la que realmente se llama error medio estar definido por en la que d, si ser realmente la diferencia entre los valores obtenidos y el verdadero. Esta frmula no es prctica por no conocer d.Se le suele denominar tambin diferencia cuadrtica media o error cuadrticomedio de las desviaciones.Observemos que en (1) al hacer una nica observacin, se tendr quey como n = l, el valor de S = 0, por lo que en este caso tendramos que la precisin es infinita con una sola medida, lo cual es absurdo. Para salvar este inconveniente se suele tomar como denominador en lugar de n, (n-1) y entonces la frmula a aplicar quedar como sigue: con lo que en el caso particular que estamos considerando quedara indeterminada, eliminando el absurdo anterior. Esta frmula nos sirve para determinar el error medio de cada observacin. ERROR MEDIO DE LA MEDIA CUADRTICA Por brevedad se le llama error cuadrtico, y es el que nos define el error que tenemos con el valor verdadero al tomar como valor de este ltimo el ms probable, el cual ya dijimos era la media aritmtica.Si llamamos m a ste, su valor ser: y por tanto podemos decir que Para mejor comprenderlo pongamos un ejemplo. Es conveniente hacer siempre un cuadro, en el que la primera columna estn indicados los datos obtenidos. Imaginemos que hemos hecho una serie de mediciones del periodo de un pndulo, las cuales estn reflejadas en la columna primera del cuadro siguiente: Medida Media 2 1,3 0,07 49.10-4 1,1 -0,13 169.10-4 1,2 -0,03 9.10-4 1,4 0,17 289.10-4 1,2 -0,03 9.10-4 1,3 1,23 0,07 49.10-4 1,2 -0,03 9.10-4 1,1 -0,13 169.10-4 1,3 0,07 49.10-4 1,2 -0,03 9.10-4 Del cuadro tendremos y por tanto con lo que el valor ser: E1 valor correspondiente del error relativo ser: er = 0,03/ 1,23 = 0,024 o el 2,4 %.

GENERALIZACIN DE LA FORMULA ANTERIOR Puede ocurrir que el valor que queremos determinar en lugar de depender de una sola variable, como en el caso anterior, dependa de varias, es decir G = f ( gl, g2, g3,..) Anteriormente a la obtencin final de G, habremos calculado cada uno de los valores interiores del parntesis, que constarn del ms probable ms, menos su error. Queremos hallar la variacin de G con respecto a una de las variables, luego diferenciando esa expresin, como funcin de varias variables, con respecto a cada una de ellas, tendremos E1 valor del segundo miembro ser por tanto el error. Debemos de tener en cuenta que todos los trminos de este segundo miembro se tomarn siempre con su valor positivo. Como en el caso anterior creemos que un ejemplo aclarar todos los conceptos, y para ello vamos por lo tanto a determinar la densidad de un cuerpo cilndrico. La densidad es la relacin entre la masa y el volumen, y ste a su vez depender segn la frmula geomtrica del radio y la altura, Lo primero y con los aparatos correspondientes determinaremos los valores correspondientes a la masa, al radio y a la altura. Supongamos que los valores obtenidos sean los siguientes: 1.3 Clasificacin de los errores Existen varias formas de clasificar y expresar los errores de medicin. Segn su origen los errores pueden clasificarse del siguiente modo: I. Errores introducidos por el instrumento: Error de apreciacin, sap: si el instrumento est correctamente calibrado la incertidumbre que tendremos al realizar una medicin estar asociada a la mnima divisin de su escala o a la mnima divisin que podemos resolver con algn mtodo de medicin. Ntese que no decimos que el error de apreciacin es la mnima divisin del instrumento, sino la mnima divisin que es discernible por el observador. La mnima cantidad que puede medirse con un dado instrumento la denominamos apreciacin nominal. El error de apreciacin puede ser mayor o menor que la apreciacin nominal, dependiendo de la habilidad (o falta de ella) del observador. As, es posible que un observador entrenado pueda apreciar con una regla comn fracciones del milmetro mientras que otro observador, con la misma regla pero con dificultades de visin slo pueda apreciar 2 mm. Error de exactitud, sexac: representa el error absoluto con el que el instrumento en cuestin ha sido calibrado. Fsica re-Creativa S. Gil y E. Rodrguez 5 II. Error de interaccin; , sint: esta incerteza proviene de la interaccin del mtodo de medicin con el objeto a medir. Su determinacin depende de la medicin que se realiza y su valor se estima de un anlisis cuidadoso del mtodo usado. III. Falta de definicin en el objeto sujeto a medicin: como se dijo antes, las magnitudes a medir no estn definidas con infinita precisin. Con sdef designamos la incertidumbre asociada con la falta de definicin del objeto a medir y representa su incertidumbre intrnseca. En general, en un dado experimento, todas estas fuentes de incertidumbres estarn presentes, de modo que resulta til definir el error nominal de una medicin snom, como: 22 int 222 nom ap def exac s = s +s +s +s (I.1)

Este procedimiento de sumar los cuadrados de los errores es un resultado de la estadstica, y proviene de suponer que todas las distintas fuentes de error son independientes una de otras[10,13]. & Se desea determinar el dimetro del tronco de un rbol y el rea de su seccin transversal. Cmo procederamos y cules son las fuentes principales de incertidumbre en esta determinacin? Un mtodo podra consistir en medir el permetro con una cinta mtrica y luego determinar el dimetro y usar este valor para calcular el rea. En este caso, la mayor fuente de incertidumbre proviene de la definicin del mesurando (el dimetro). Una forma de estimar la incertidumbre sera determinar los valores mximos y mnimos del dimetro usando una serie de mediciones y tomar como sdimetro la semidiferencia de estos valores, sdimetro= (Dmax - Dmin). Segn su carcter los errores pueden clasificarse en sistemticos, estadsticos e ilegtimos o espurios. a) Errores sistemticos: se originan por las imperfecciones de los mtodos de medicin. Por ejemplo, pensemos en un reloj que atrasa o adelanta, o en una regla dilatada, el error de paralaje, etc. Los errores introducidos por estos instrumentos o mtodos imperfectos afectarn nuestros resultados siempre en un mismo sentido. El valor de sexac sera un ejemFsica re-Creativa S. Gil y E. Rodrguez 6 plo de error sistemtico pero no son lo mismo, ni los errores de exactitud son los nicos responsables de los errores sistemticos. Imaginemos por ejemplo el caso de una balanza bien calibrada que se usa para conocer el peso de las personas en los centros comerciales u otros negocios, como es usual que las personas (en pblico) se pesen vestidas, los valores registrados con estas balanzas tendrn un error sistemtico por el peso de la vestimenta. La nica manera de detectarlos y corregirlos es comparar nuestras mediciones con otros mtodos alternativos y realizar una anlisis crtico y cuidadoso del procedimiento empleado. Tambin es aconsejable intercalar en el proceso de medicin patrones confiables que permitan calibrar el instrumento durante la medicin. b) Errores estadsticos: Son los que se producen al azar. En general son debidos a causas mltiples y fortuitas. Ocurren cuando, por ejemplo, nos equivocamos en contar el nmero de divisiones de una regla, o si estamos mal ubicados frente al fiel de una balanza. Estos errores pueden cometerse con igual probabilidad por defecto como por exceso. Por tanto, midiendo varias veces y promediando el resultado, es posible reducirlos considerablemente. Es a este tipo de errores a los que comnmente hace referencia la teora estadstica de errores de medicin que formularemos sucintamente en lo que sigue. A estos errores lo designaremos con sest. c) Errores ilegtimos o espurios: Supongamos que deseamos calcular el volumen de un objeto esfrico y para ello determinamos su dimetro. Si al introducir el valor del dimetro en la frmula, nos equivocamos en el nmero introducido, o lo hacemos usando unidades incorrectas, o bien usamos una expresin equivocada del volumen, claramente habremos cometido un error. Esta vez este error est ms asociado al concepto convencional de equivocacin. A este tipo de errores los designamos como ilegtimos o espurios. A este tipo de errores no se aplica la teora estadstica de errores y el modo de evitarlo consiste en una evaluacin cuidadosa de los procedimientos realizados en la medicin Un ejemplo

de este tipo de error es el que se cometi en el Mars Climate Explorer a fines de 1999, al pasar de pulgadas a cm se cometi un error que costo el fracaso de dicha misin a Marte. Cuando se desea combinar los errores sistemticos con los estadsticos, la prescripcin usual es sumar los cuadrados de los errores absolutos y luego tomar la raz cuadrada de este resultado, como lo indica la Ec. (1.2). Si estamos midiendo una magnitud Z, el error final o combinado o efectivo de Z, DZ, vendr dado por: Fsica re-Creativa S. Gil y E. Rodrguez 7 22 int 22222 DZ = sest +snom = sest +sap +sdef +s +sexac . (1.2) Los errores pueden asimismo expresarse de distintos modos, a saber: Error absoluto: es el valor de la incertidumbre combinada (Ec. 1.2). Tiene las mismas dimensiones que la magnitud medida y es conveniente expresarla con las mismas unidades de sta. Si Z es la magnitud en estudio, Z es el mejor valor obtenido y DZ su incertidumbre absoluta. El resultado se expresa adecuadamente como: Z = Z DZ (1.3) El significado de esta notacin es equivalente a decir que, segn nuestra medicin, con una cierta probabilidad razonable p0 (usualmente p0 = 0.68, 68%) el valor de Z est contenido en el intervalo ( Z -DZ, Z +DZ), o sea: Z - DZ < Z < Z + DZ . (1.4) lo que es equivalente a: P(Z - DZ < Z < Z + DZ) = p0 , (1.5) que significa que la probabilidad que el mejor estimador de Z est comprendido entre Z -DZ y Z +DZ es igual a p0. El valor de p0 se conoce con el nombre de coeficiente de confianza y los valores (Z - DZ , Z + DZ) determinan un intervalo de confianza para Z. Error relativo: eZ = DZ / Z , el cociente entre el error absoluto y el mejor valor de la magnitud. Error relativo porcentual: Z Z e =100e ,% , es la incertidumbre relativa multiplicada por 100. Fsica re-Creativa S. Gil y E. Rodrguez 8 & Imaginemos que medimos el espesor de un alambre (cuyo dimetro es d 3 mm) y su longitud (L 1 m) con la misma regla graduada en milmetros. Es claro que los errores absolutos de medicin, dados por la apreciacin del instrumento, es en ambos casos la misma (Dd = DL = 1 mm). Sin embargo, resulta evidente que la determinacin de la longitud del alambre es mucho mejor que la del dimetro. El error relativo porcentual refleja esta diferencia, ya que para el caso del dimetro su valor es ed% 30 %, y para el caso de la longitud tenemos eL% 0.1%. 1.6 Error de una magnitud que se mide una nica vez En este caso el mejor valor ser simplemente el valor medido y el error vendr dado por el error nominal (snom) del instrumento. Segn se deduce de (1.2), DZ=snom. 1.7 Error de una magnitud que se mide directamente N veces Un modo de minimizar la incidencia de los errores estadsticos, es realizar varias mediciones del mesurando. Dado el carcter al azar de los este tipo de errores es claro que, al promediar los resultados, el promedio estar menos afectado de las desviaciones estadsticas que los valores individuales. El procedimiento que se describe a continuacin es un mtodo para determinar el nmero ptimo de mediciones a realizar en cada caso y el modo de determinar

las incertidumbres asociadas al promedio. Esta teora no es aplicable para reducir los errores de carcter sistemtico o espurios. 1.8 Combinacin de N mediciones independientes Una situacin frecuente en ciencia es la determinacin del mejor valor de una dada magnitud usando N valores que resultan de mediciones independientes (obtenidos por diferentes autores, con diferentes tcnicas e instrumentos). Cada una de estas mediciones independientes puede tener asociada distintos errores. Es decir, tenemos un conjunto de N mediciones, cada una caracterizada por un par (xk, sk), con k = 1, 2, ..., N. Nuestro objetivo es obtener el mejor valor para la magnitud en discusin. Es claro que al combinar los distintos resultados para obtener el mejor valor, <x>, es preciso tener en cuenta los errores de cada determinacin, de tal modo que aquellos valores que tengan menos error pesen ms en el resultado final. Es posible demostrar en este caso que el mejor valor <x> viene dado por[1,8]: como el error asociado a cada medicin individual y s<x> como la incertidumbre asociada al mejor valor. 1.9 Discrepancia Si una magnitud fsica se mide con dos (o ms) mtodos o por distintos observadores, es posible (y muy probable) que los resultados no coincidan. En este caso decimos que existe una discrepancia en los resultados. Sin embargo, lo importante es saber si la discrepancia es significativa o no. Un criterio que se aplica en el caso especial pero frecuente, en el que las mediciones se puedan suponer que siguen una distribucin normal, es el siguiente. Si los resultados de las dos observaciones que se comparan son independientes (caso usual) y dieron como resultados: Medicin 1 : X1 = X1 DX1 Medicin 2 : X 2 = X2 DX 2 definimos: 222 1 2 DX = DX + DX Decimos que con un limite de confianza del 68% las mediciones son distintas si: X1 - X 2 DX , y que con un limite de confianza del 96% las mediciones son distintas si: X1 - X2 2 DX Estos criterios pueden generalizarse para intervalos de confianza mayores en forma similar. Tambin se aplican cuando se comparan valores obtenidos en el laboratorio con valores tabulados o publicados. Ntese la diferencia entre discrepancia y error, que en algunos textos poco cuidadosos se confunde. El error est relacionado con la incertidumbre en la determinacin del valor de una magnitud. La discrepancia est asociada a la falta de coincidencia o superposicin de dos intervalos de dos resultados 1.11 Eleccin de los instrumentos Un aspecto importante a tener en cuenta antes de proceder a realizar una medicin, es la eleccin de los instrumentos ms apropiados para medir con la tolerancia o error requerido. Ignorar este paso puede acarrear importantes prdidas de tiempo y dinero. Si se excede la tolerancia requerida, seguramente se dilapid esfuerzo y recursos innecesariamente; por el contrario, si se realiz la medicin con ms error del requerido, la medicin podra ser intil para los fines perseguidos.

El valor ms probable
Ninguna medicin es exacta y nunca se conoce el valor verdadero de la cantidad que se est midiendo. Para remediar los errores aleatorios se pueden tomar repetidas observaciones de la misma medida (observaciones redundantes) y valerse de la ley de probabilidades. Siendo n el nmero de observaciones y Xi el resultado de cada una de ellas, se puede calcular un valor medio, cercano a la medida exacta:

Este valor contiene un error que se expresa en funcin de la desviacin estndar de las observaciones. Para conocer la desviacin estndar (sigma) es necesario averiguar la diferencia entre cada observacin y la media, lo que se conoce como residuo o error residual (Vi = Xi Xmedia); de manera que la desviacin estndar de la media es:

Cuando se realizan varias observaciones los resultados tienden a acumularse al rededor de la media y a distribuirse de una forma particular, denominada curva de distribucin normal. Esta curva tiene una tpica forma de campana y sirve para determinar un intervalo dentro del que, con determinada probabilidad, se encuentra el valor exacto (o mejor, ms probable) de la medicin. La amplitud de la curva tambin permite conocer la precisin de la observacin en conjunto.

Las anteriores son curvas de distribucin normal en las que el eje de las abscisas marca los intervalos de clase, o el tamao del residuo escogido para la distribucin, y el eje de las ordenadas (el vertical) indica la frecuencia de ocurrencia, o el nmero de observaciones que caen dentro de cada intervalo. La desviacin estndar seala el punto de inflexin de cada curva y, como se dijo antes, la amplitud indica la precisin, de manera que las mediciones que se hicieron para obtener la curva roja fueron ms precisas que las de la grfica azul -ntese que la desviacin estndar es menor en el primer caso que en el segundo-. El rea bajo la curva indica a su vez la probabilidad de error para un determinado valor. As que, si se quiere tener una certeza del 50% respecto a una medida, se debe calcular el error probable como:

En general, se puede calcular Ep como:

En donde Cp es un factor que sale de una grfica que relaciona el porcentaje del rea bajo la curva de probabilidad y el error. En topografa se utilizan comnmente los errores del 50%, 90%, 95% (o 2sigma) y 99,7% (o 3sigma), los cuales tienen su correspondiente factor:

Finalmente se obtiene el valor ms probable de la medicin como:

dependiendo de la certeza buscada. El error unitario de la medicin se puede calcular con la siguiente expresin:

que indica la error que se produjo al medir una unidad, por ejemplo 0,0003 m por cada metro que se mide, y se expresa generalmente como:

y se lee uno a inverso del error unitario y consiste en el grado de precisin de la medicin. Tambin se puede evaluar cada observacin por aparte, calculando su desviacin estndar:

Ntese que la desviacin estndar de la observacin difiere en una n en el denominador del radical, de la desviacin estndar de la media. De igual manera, el error probable ser:

donde Cp es el mismo factor de ms arriba y sigma la desviacin estndar de la observacin. Los topgrafos suelen usar el error 3 sigma (Cp = 3) para descartar las observaciones que no caigan dentro de ese rango, pues corresponden a equivocaciones.

Ejemplo
Se mide una misma distancia cinco veces con la misma cinta mtrica y en iguales condiciones climticas obteniendo los siguientes resultados: 19,23 m ; 19,19 m ; 19,27 m ; 19,24 m ; 19,21 m . Cul fue la distancia medida?

Solucin
Hay que tabular los datos de la siguiente manera y aplicar lo explicado en este artculo: Xi (m) 19,23 19,19 19,27 19,24 19,21 = 96,14 V (m) + 0,002 - 0,038 + 0,042 + 0,012 - 0,018 = 0,000 V2 (m2) 0,000 004 0,001 444 0,001 764 0,000 144 0,000 324 = 0,003 68

Como el nmero de mediciones es igual a 5, entonces n=5; por lo tanto, la media es:
Xmedia = 96,14 m / 5 = 19,228 m

La desviacin estndar se calcula conociendo la sumatoria de los residuos al cuadrado (0,003 68) y la cantidad de observaciones:
= [(0,003 68)/(5*(5-1))] = 0,013 56 m

Aplicando la frmula para un error probable del 50% (Cp = 0,674 5) se tiene:
Ep = 0,674 5 *(0,01356 m) = 0,009 m

Entonces se puede afirmar que existe un 50% de probabilidad de que la distancia sea:
X = 19,228 m 0,009 m

Con estos resultados se puede calcular la precisin con la que se efectu la medida:
E = 0,009 m / 19,228 m = 0,000 47

Que significa que por cada metro que se midi se cometi un error de 0,000 47 m , que expresado como grado de precisin queda:
Precisin = 1 : 19,228 / 0,009 = 1 : 2 142