I.

MTODO CIENTFICO
Definir el problema
(determinar los
objetivos del modelo
para saber como
alcanzar- los).
a) Realizar una revisin
bibliogrfica acerca del
problema.
b) Proponer un modelo que
solucione el problema
(Hiptesis)
b) Determinar las limitaciones
del modelo.
c) Determinar la regin de
validez del modelo
d) Determinar con que equipo
se cuenta
=> Bases para proponer el modelo que
soluciona el problema.
=> Intervalo en el que se realizarn las
mediciones y en consecuencia eleccin
del equipo de medicin.
Diseo del
experimento
(planeacin del
trabajo desde saber
cuales son los
componentes del
experimento hasta la
obtencin de los
datos experimentales)
a)Analizar el equipo
b) Acoplar los componentes.
c) Realizar un experimento de
prueba.
d) Interpretacin tentativa.
e)Realizar el experimento final.
=> Determinar si el equipo cumple los
requerimientos (alcance, sensibilidad,
incertidumbre, etc)
=> Armar el equipo, revisando el buen
funcionamiento de cada componente.
=> Determinar el funcionamiento del
conjunto, posibles errores, fuentes de
incertidumbre
=>Modificacin, en caso necesario, del
modelo o del mtodo.
=>Obtencin de los datos, recopilacin en
tablas considerando: valores, unidades,
incertidumbre y posibles clculos.
Interpretacin de
resultados.
a) Graficar los datos.
b) Analizar las graficas
c) Contrastar los resultados
predichos por el modelo con los
resultados experimentales.
=> Seleccin adecuada, de acuerdo con el
modelo, de las variables a graficar.
=> Utilizar alguna tcnica para establecer
la relacin entre las variables graficadas.
=> Determinar la validez del modelo,
realizar los cambios necesarios en el
modelo, que permitan explicar los
resultados experimentales. En caso
necesario repetir el proceso
Presentacin y
conclusiones.
a) Preparar un informe claro y
conciso
=> Destacando: Planteamiento del
problema, modelo propuesto, descripcin
del experimento, datos y anlisis de datos,
conclusiones; bibliografa.
Pasos del mtodo experimental
En trminos generales, suele decirse que son siete:
1. Delimitar y simplificar el objeto de la investigacin o problema.
2. Plantear una hiptesis de trabajo. Una hiptesis es una suposicin comprobable basada en informacin disponible.
Elaborar un diseo experimental. Un diseo es el plan o la descripcin de los pasos a realizar. Tal descripcin puede
hacerse con dibujos y con palabras.
3. Realizar la investigacin. Una investigacin debe ser rigurosa en tanto que se lleve a cabo solicita, escrupulosa,
pulcra, detallada, cuidadosa, y prolijamente.
4. Analizar los resultados.
5. Obtener conclusiones.
6. Elaborar un informe escrito.
COMENTARIOS ACERCA DE LA BASE AXIOMTICA DE LA CIENCIA MODERNA
La ciencia moderna no acepta axiomas ni verdades absolutas apriorsticas Acepta, sin embargo un nmero
importante de postulados, no definidos a la manera de Euclides, como verdades necesarias aunque no obvias. Estos
postulados son definidos como principios sugeridos por la experiencia y aceptados, sin prueba previa, para ser
desechados si la experiencia ulterior estuviera en desacuerdo con ellos. Aunque la mayor parte de estos postulados
no son formulados explcitamente en las monografas o tratados cientficos, un anlisis cuidadoso revela su
existencia implcita en ellos. La necesidad de adoptar algunos principios bsicos para orientar la investigacin
cientfica, aparece desde las pocas tempranas de la ciencia moderna. Los cuatro postulados, formulados por
Descartes en su Discurso sobre el mtodo, aun cuando no constituyen una lista completa siguen siendo importantes
y, en gran parte, aplicables. Estos postulados son:
1. No aceptar nada que no constituya un conocimiento claramente verificable.
2. Dividir cada problema en partes.
3. Proceder de lo sencillo a lo complejo.
4. Aspirar a ser tan Completos como sea posible y a generalizar.
Por otra parte, los principios de Galileo fueron los siguientes:
1. Que existe una correspondencia y armona absolutas, entre las verdades matemticas y los eventos
naturales.
2. Que, en consecuencia, la actitud teleolgica aristotlica, debiera ser sustituida por el concepto de relaciones
causales.
3. Que los aspectos no medibles de la naturaleza, no constituyen un tema apropiado para el estudio cientfico,
1
ya que

no son susceptibles de una formulacin matemtica.
4. Que la justificacin lgica de los procedimientos empleados en la investigacin emprica, no es necesaria.
5. Que la naturaleza ntima o esencial de las cosas, consideradas como sustancias con atributos, no es del
dominio de la ciencia, sino que sta debe, ocuparse de las relaciones que existen entre estas cosas.
6. Que las explicaciones, o teoras cientficas, no deben ser finales absolutas, sino que deben dejar lugar a
verificaciones, correlaciones y estudios ulteriores.
Por su parte, Newton, en los Principia, dio cuatro reglas de raciocinio para la "filosofa natural'"
1. No debemos aceptar ms causas para los eventos naturales, que aquellas que son tanto verdaderas como
suficientes para explicar su aparicin.
2. Por lo tanto, debemos asignar, siempre que sea posible, las mismas causas a los mismos efectos naturales.
3. Debemos considerar como cualidades universales de todos los objetos, a las cualidades que encontramos
que pertenecen a todos los cuerpos
que estn al alcance de nuestros experimentos, y que son susceptibles de extensin o reduccin a otros
cuerpos u objetos.
4. Aunque pueda haber hiptesis alternativas concebibles, debemos aceptar como ciertas, las inducciones
hechas a partir de los fenmenos observados, hasta tanto que no se observen otros fenmenos que las puedan hacer
ms precisas, o que las invaliden.
Podemos resumir los postulados de la ciencia moderna como sigue:
FILOSFICOS
1. La. existencia de un Universo o realidad exterior: la materia o sustancia de los filsofos. Este Universo
exterior, se manifiesta a travs de nuestros rganos de los sentidos. De acuerdo con Galileo, la ciencia no se
preocupa de elucubrar acerca de la naturaleza ntima de esta realidad externa; le interesan los atributos y
relaciones, no la esencia.
2. La posibilidad de hacer observaciones, abstracciones y juicios. A estos atributos podemos llamarlos
mentales. Como hice notar antes, la aceptacin de estos dos primeros postulados, asigna al hombre de
ciencia una filosofa dualista.
3. La existencia de otras mentalidades independientes. El solipsismo mental es incompatible con la
investigacin cientfica, no slo porque niega la existencia de una realidad externa independiente de la mente
del observador, sino tambin porque la ciencia requiere de intercambios, de crticas y de repeticiones
independientes de experimentos; todos estos requisitos necesariamente implican pluralidad de mentalidades
independientes.
2
PERSONALES
1. La posibilidad de depender de la memoria, propia y ajena. Los informes cientficos encierran siempre
afirmaciones, que fueron confiadas a la memoria; y nadie tendra tiempo de repetir todos los experimentos
que han hecho otros.
2. La confianza en la honorabilidad de los hombres de ciencia. En ocasiones, esta fe se puede ver frustrada,
pero la ciencia avanzara bien poco si cada hombre de ciencia no aceptara sino sus propios resultados.
3. La fidelidad de los rganos de los sentidos. No quiero decir con esto que un hombre de ciencia que tenga
alguna deficiencia en sus rganos de los sentidos, slo ha de confiar en lo que l mismo percibe. Tampoco
esto significa que los .hombres de ciencia, piensan que todos los fenmenos del mundo exterior, deben y
pueden impresionar sus rganos de los sentidos. El postulado afirma que las relaciones que establecen los
receptores del observador entre el mundo exterior y su mentalidad son, en general, unvocas. Cuando estas
relaciones son equvocas hay siempre criterios capaces de eliminar la confusin.
DE JUICIO 0 RACIOCINIO
1. La validez de la lgica. Este postulado afirma que hay raciocinios legtimos, y que la ciencia debe siempre
conformarse a ellos. Como en realidad no existe una lgica absoluta y nica, sino que hay varias, y como
algunos de los cnones que estas lgicas aceptacin slo relativos, el hombre de ciencia tendr que adoptar
alguno. De hecho lo adopta y, as, la lgica gobierna todas las deducciones cientficas.
2. La validez de la induccin: Aun cuando es imposible de justificar lgicamente este mtodo de inferencia.
SOBRE LA REALIDAD DEL MUNDO EXTERIOR
1. La existencia de uniformidad o regularidad en la naturaleza. Esta uniformidad tiene dos aspectos. El
primero tiene relacin con la permanencia o individualidad de algunos objetos o eventos exteriores. Me
refiero a la creencia de quien afirma que la mesa que vio ayer, es la misma vio hoy, y que ver maana. El
segundo es el que est en relacin con la aceptacin de la validez de la induccin.
2. La posibilidad de formular matemticamente las leyes naturales. Este es el primer principio de Galileo. En
vista de la aceptacin del postulado de uniformidad, es casi innecesario citarlo como un nuevo postulado, ya
que si las relaciones entre las variables o eventos ocurren con regularidad, siempre ser posible formularlas
con precisin, es decir, en lenguaje matemtico.
3. La necesidad de poder someter a prueba experimental todas, las leyes, hiptesis y teoras. Esta es una
extensin del sexto principio de Galileo, que declara carentes de sentido cientfico a todas las proposiciones
acerca de los hechos, cuando es imposible llevar a cabo alguna operacin confirme o invalide. Como hace notar
Bridgman, las nociones de velocidades o dimensiones absolutas, o la del ter, no pertenecen a la ciencia ya que
no son reducibles a prueba experimental. De la misma manera la

seudo-explicacin de los fenmenos que
3
ocurren en los seres vivos, por la afirmacin de que poseen un fluido o atributo vital caracterstico, no es
aceptable para la ciencia, ya que nadie ha sugerido todava algn procedimiento experimental que permita el
estudio de este fluido o atributo.
Hay otros principios generales, adoptados por la ciencia, que son, a veces, citados como postulados cientficos.
Pienso que es preferible separarlos de los anteriores, porque representan, ms bien, tendencias o reglas. Por
otra parte, es posible desarrollar trabajos cientficos sin tener que seguir estos principios.
A. El principio de simplicidad. La regla de dar siempre preferencia a la explicacin o a la hiptesis ms sencilla, es
generalmente atribuida a Occam. En realidad, esta regla es de aplicacin comn. Cuando se inicia un estudio
cientfico hay que escoger entre dos hiptesis igualmente posibles, pero desigualmente complicadas
,
seguramente que se prefiere a la ms sencilla. Cuando se inicia un estudio, conviene empezar por formular
hiptesis sencillas. Es cierto, tambin, que muchas de las leyes naturales encierran pocos parmetros. La
historia de la ciencia, Sin embargo, presenta numerosos ejemplos de complicacin gradual de las hiptesis,
leyes o teoras, que fue-
ron inicialmente sencillas. Esta complicacin

es requerida por las observaciones, cada vez ms cuidadosas y
completas, y por las medidas, cada vez ms exactas. La simplicidad, adems, es siempre relativa. Si
estudiamos fenmenos complejos, y no cabe duda que los hay en la naturaleza, no debe sorprendemos que nos
veamos obligados a hacer teoras complicadas. No juzgo que el criterio de simplicidad deba ser un criterio, ni
decisivo, ni bsico, para decidir acerca de la aceptabilidad de una hiptesis o teora cientfica.
4
B. EI principio de las interpretaciones monstica. Existe la tendencia a no admitir la posibilidad de que hayan dos
explicaciones o teoras distintas e independientes, que sean igualmente vlidas para un mismo fenmeno o
grupo de fenmenos. Cuando ocurre esta situacin, como ha ocurrido en numerosas ocasiones en la historia de
la ciencia, se considera importante el buscar hechos que discriminen entre las distintas alternativas, o bien, el
averiguar si la independencia no es slo ficticia, y si los dos puntos vista son formalmente equivalentes.
C. El principio de la unidad de la ciencia. Aun cuando los hombres de ciencia en general trabajan en aislamiento
relativo dentro de su campo particular, en ninguna ciencia se aceptan hiptesis o teoras que no sean
consistentes con las de las dems ciencias.
D. El principio de la generalidad. El deseo de elaborar teoras de aplicabilidad tan grande como sea posible, est
ntimamente relacionado con el principio anterior. La mayora de los hombres de ciencia, considera probable
la realizacin de teoras que sean aplicables a todos los campos de la ciencia. Siendo la fsica, la que se ocupa
de las propiedades y relaciones comunes a todas las entidades del Universo, es natural que los investigadores
que se ocupan de fenmenos restringidos, recurran a la fsica como al paso intermediario para lograr que su
teora logre su incorporacin a la
ciencia universal, y a su unificacin con las dems ciencias. Es obvio que
si se ha de lograr alguna vez una ciencia nica universal, las teoras de esta
ciencia deben tener alcances de una generalidad completa.
Si la ciencia se basa en estos postulados y estos principios, que son explcitamente arbitrarios, es porque no reconoce
ninguna verdad absoluta y porque, cuando en su principio acept axiomas y verdades obvias a la intuicin, su
progreso no se vio favorecido, sino dificultado e impedido. Afirm que estos postulados son arbitrarios. Lo
son, pero son inspirados por la observacin emprica, y su arbitrariedad es solamente ab initio. Su
justificacin es pragmtica. La ciencia ha tenido, en el curso de su historia, innumerables fracasos. Pero
tambin es cierto que ha tenido, y tiene todava, muchos xitos. Nuestra experiencia de todos los das
atestigua, sin lugar a dudas,

estos xitos. El espritu de duda y de crtica que aplica la ciencia a sus leyes y
teoras, lo aplica tambin a sus postulados bsicos. As como basta un solo hecho experimental contradictorio
para derribar una teora, as tambin bastara una sola excepcin notoria para abandonar alguno de los
postulados. Si la ciencia sigue aceptando estos postulados, es porque esta excepcin no ha ocurrido todava.
Es evidente que sin estos postulados el estudio cientfico de la naturaleza no sera posible.
Tomado de: Rosenblueth Arturo El Mtodo Cientfico, Centro de Investigacin y de Estudios Avanzados del
Instituto Politcnico Nacional. Mxico 1971.
Bibliografa.
Arana Federico, Mtodo Experimental para Principiantes, Joaqun Mortiz, Mxico 1982.
Bunge Mario, La Ciencia su Mtodo y su Filosofia, Siglo Veinte, Buenos Aires 1976.
Prez Tamayo Ruy, Cmo Acercarse a la Ciencia, Limusa Noriega, Mxico 1989.
5
II. SISTEMA INTERNACIONAL DE UNIDADES
Algunas definiciones antes de empezar
QU ES MEDIR? Medir es la comparacin de la magnitud de una determinada entidad fsica con un
patrn de caractersticas conocidas.
QU ES LA METROLOGA? La Metrologa es la ciencia de las medidas, cuyo estudio comprende los
patrones, las magnitudes y los sistemas de unidades.
QU ESTUDIA LA METROLOGA? La fiabilidad de la relacin establecida entre cualquier cantidad y su
patrn,. La eleccin de unidades y magnitudes fundamentales de medida y la uniformidad y coherencia de los
sistemas utilizados constituyen los principios bsicos de la metrologa.
EVOLUCIN DE LOS SISTEMAS DE UNIDADES
Sistemas mediterrneos antiguos:
Egipto: Unidad de longitud el cbito real, equivalente a 524 mm y subdividido en dgitos, palmos y
manos. Unidad de peso el kit.
Babilonia: Unidad de peso la mina babilnica (aproximadamente 640 g), influy en las culturas
vecinas: la mina hebrea, el siclo y el talento.
Grecia: Su presencia en el Mediterrneo sirve de vehculo para trasmitir hacia el oriente los sistemas
de unidades del norte de frica y de Asa. El talento, subdividido en cien dracmas, fue una herencia evidente de los
hebreos, y el dedo constitua la versin helnica del dgito egipcio.
Roma: Adopta gran parte de las unidades griegas e incorpora la libra.
Sistemas orientales:
Se desarrolla en forma independiente de Europa y tiene como base elementos del cuerpo humano.
China: El emperador Shi Huangdi en 221 a. C. Orden la unificacin del valor de las unidades, ya
que variaban segn la zona geogrfica.
Medidas y pesos medievales:
Europa, durante la edad media, utiliz unidades de pesos y medidas heredadas de la cultura
grecolatina. Sin embargo debido a las influencias rabes y escandinavas, junto a las numerosas variedades e
6
interpretaciones que haba de los patrones clsicos, conformaron un conjunto de magnitudes y unidades que
constitua un reflejo de la disgregacin social y poltica caracterstica de la poca.
En el siglo XIII, como consecuencia del incremento del comercio de la lana y el ganado hubo necesidad de
establecer cierta uniformidad en los patrones de medida.
Sistema mtrico de pesas y medidas:
Con los avances cientficos de los inicios de la edad moderna se hizo necesaria la creacin de un sistema
unificado de pesas y medidas que favoreciera la comunicacin de los nuevos descubrimientos e ideas. En 1670, el
religioso francs Gabriel Mounton sugiri los tres principios capitales que caracterizaran a los posteriores sistemas
de medicin: el empleo de subdivisiones decimales, la eleccin de dimensiones fsicas de la Tierra para establecer
unidades bsicas y bsicas y la utilizacin de prefijos racionales.
Charles-Maurice de Talleyrand-Prigord, miembro de la Asamblea Constituyente de la Repblica Francesa,
propuso en el mes de abril de 1790 la formacin de un comit cientfico, cuya funcin habra de ser la compilacin
de un informe sobre la eleccin de magnitudes y unidades fundamentales. En ese comit participaron
personalidades de la talla de Joseph-Louis Lagrange y Pierre-Simon Lapalce.
El grupo se pronunci a favor de que el metro, unidad de longitud muy extendida en la poca se redefiniese
como la diezmillonsima parte del cuadrante del meridiano terrestre.
Los ingenieros Jean Delambre y Pierre Mchain recibieron el encargo de determinar la longitud exacta del
metro de acuerdo con la definicin, para tal motivo tuvieron necesidad de medir la distancia de Barcelona a
Dunkerque. En 1799, la Asamblea Nacional present un metro patrn que sirvi como base del sistema mtrico
decimal, en el que se establece que los prefijos que designan a los mltiplos y submltiplos de las unidades son
derivados de vocablos griegos (deci, centi, kilo, etc.).
El gramo, definido como la cantidad de materia equivalente a un centmetro cbico de agua pura a
temperatura de 4
o
C, se estableci como unidad de masa, dando lugar a la construccin de un kilogramo patrn, un
cilindro de platino. El litro se defini unidad de volumen. La unidad de rea fue la que estaba delimitada por un
cuadrado de 10 metros de lado.
El sistema Mtrico Francs, legitimado en 1799, se impuso en toda Europa como secuela de las invasiones
napolenicas de principios del siglo XIX.
En la dcada de 1970 el Reino Unido de la Gran Bretaa adapta el sistema internacional de unidades,
evolucin del sistema mtrico decimal.
7
Sistemas de tres y cuatro unidades:
En el siglo XX surgen tres sistemas de unidades que utilizan como magnitudes fundamentales la longitud, la
masa y el tiempo.
El inicial MKS (metro, kilogramo, segundo) adopt el amperio como unidad de intensidad elctrica,
transformndose en sistema MKSA
El sistema cegesimal (centmetro, gramo, segundo) goz de popularidad ha mediados del siglo XX.
El sistema Tcnico utilizaba las mismas unidades fundamentales del sistema MKS excepto el kilogramo
sustituido por la unidad tcnica de masa (UTM) cuya definicin simplificaba la correspondiente unidad de fuerza. El
sistema tcnico incluy como unidad derivada el Kilopodio, peso que equivale a la fuerza de atraccin que ejerce la
Tierra sobre un cuerpo de un kilogramo de masa situado en su superficie.
Sistema Internacional de Unidades:
En 1948 la IX Conferencia General de Pesos y Medidas design un comit internacional, que a travs de
una encuesta a los medios cientficos, tcnicos y pedaggicos de todos los pases, determinase un sistema de
unidades que respondiese a los avances cientficos y tecnolgicos del momento. En 1954 la X conferencia decidi
adoptar seis unidades bsicas para las magnitudes de longitud, masa, tiempo, intensidad de corriente elctrica,
temperatura termodinmica e intensidad luminosa (aumento de sustancia).
La XI Conferencia Internacional de Pesas y Medidas de 1960 denomin Sistema Internacional de Unidades
(SI) al resultante de los anteriores estudios, y fijo las reglas para los prefijos, las unidades derivadas y las
suplementarias, as como una serie de especificaciones sobre su manejo.
En un sistema coherente el nico factor numrico que debe de aparecer en las unidades derivadas de las
unidades base es el uno.
El SI est formado por: 7 unidades base, mutuamente independientes; unidades derivadas, resultado de
combinar a travs de la multiplicacin o la divisin a las unidades base.
Actualmente slo hay dos clases de unidades en Sistema Internacional de Unidades: unidades base y
unidades derivadas. Las unidades de estas dos clases forman un sistema coherente de unidades conocido con el
nombre de SI de unidades. En este caso el trmino coherente significa un sistema en el que todas las unidades
derivadas son obtenidas de las unidades base a travs de las reglas de la multiplicacin y la divisin utilizando como
nico factor numrico el 1 en las expresiones para las unidades derivadas en trminos de las unidades base. El SI
8
incluye prefijos para formar mltiplos y submltiplos decimales de las unidades del SI. Dado que las unidades
formadas con los prefijos no son coherentes con las unidades del SI, las unidades as formadas deben de llamarse
por su nombre completo mltiplos y submltiplos decimales del SI de unidades, con el fin de distinguir entre ellas
y el conjunto coherente de unidades del SI. Al conjunto de unidades del SI junto con sus mltiplos y submltiplos
decimales se le designa frecuentemente como: Unidades del SI
1
.
DEFINICIN DE LAS UNIDADES BASE DEL S. I.
Introduccin
Las definiciones de las unidades base han sido tomadas de "The International System of Units (SI), ed. por
B. N. Taylor, Natl. Inst. Stand. Technol. Spec. Publ. 330, 1991 Edit. (U.S.) Governament Printing Office,
Washington, D.C, August 1991). Las definiciones de la unidades suplementarias, el radian y el steradian que ahora
se interpretan como unidades derivadas han sido tomadas de "American National Standard ofr Metric Practice",
ANSI/IEEE std 268-1992 (Institute of Electrical and Electronics Engineers, New York, NY, October 1992).
Tabla 1. Unidades de SI
Unidad Base SI
Magnitud Base
Nombre Smbolo
longitud metro m
masa kilogramo kg
tiempo segundo s
corriente elctrica ampere A
temperatura termodinmica kelvin K
cantidad de sustancia
2
mole mol
intensidad luminosa candela cd
Es necesario hacer notar que cualquier otra unidad derivada del SI est definida en trminos de las unidades base del
S.I.
Metro (17 CGPM, 1983)
El metro es la longitud de la trayectoria recorrida por la luz en el vaco durante un intervalo de tiempo de
1/299792458 de segundo.
1
Tomado de: Metric System of Measurements: Interpretation of internacional System of Units for the United States. Federal Register,
63.144, 40333-40340, (1998)/Notices. Edit Barry N. Taylor
2
De acuerdo con: NORMA Oficial Mexicana NOM-008-SCFI-2002, Sistema General de Unidades de
Medida, 2002.
9
Kilogramo (3 CGPM, 1901)
El kilogramo es la unidad de masa, y es la masa del prototipo internacional del kilogramo.
Segundo (13 CGPM, 1967)
El segundo es la duracin de 9 192 631 770 periodos de la radiacin debido a la transicin entre 2 niveles
hiperfinos del estado base de los tomos de cesio 133.
Ampere (9 CGPM, 1948)
El ampere es la corriente elctrica que el circular a travs de 2 conductos, de longitud infinita y seccin
transversal despreciable, paralelas entre ellos y a una distancia de un metro en el vaco produce entre los conductos
una fuerza de 2 X10
-7
Newton por cada metro de longitud.
Kelvin (13 CGPM, 1967).
El kelvin, unidad de la temperatura termodinmica, es la fraccin 1/273.16 de la temperatura termodinmica
del punto triple del agua.
Mole (14 CGPM, 1971).
1.- Es la cantidad de sustancia de un sistema que tiene tantos individuos elementales de la sustancia
(molculas, tomos, iones, etc) como tomos de carbono 12 hay en 0,012 kilogramos de tomos de carbono 12.
2.- Para poder hacer uso del mole es necesario definir cuales son las individuos elementales que pueden ser tomos,
molculas, iones, electrones, otras partculas o grupos especficos de dichas partculas.
En la definicin de mole los tomos de carbono se consideran que no estn interactuando, que se encuentra
en estado base y en reposo.
Candela (16 CGPM, 1979).
La candela es la intensidad luminosa, es una direccin dada proveniente de un fuerte monocromtica con
frecuencias de radiacin de 5.40 X 10
12
hertz y que tiene una intensidad radiante a la direccin de (1/683) watts por
cada esterradin.
Tabla 2.- Nombres de las magnitudes, smbolos y definiciones de las unidades SI derivadas
3
Magnitud Unidad Smbolo Definicin
3
Copiada de: NORMA Oficial Mexicana NOM-008-SCFI-2002, Sistema General de Unidades de Medida,
2002.
10
ngulo plano radin rad Es el ngulo plano comprendido entre dos
radios de un crculo, y que interceptan
sobre la circunferencia de este crculo un
arco de longitud igual a la del radio (ISO-
31/1)
ngulo slido esterradin sr Es el ngulo slido que tiene su vrtice en
el centro de una esfera, y, que intercepta
sobre la superficie de esta esfera una rea
igual a la de un cuadrado que tiene por lado
el radio de la esfera (ISO-31/1)
Tabla 3. Ejemplos de unidades derivadas del SI expresadas en trminos de unidades base del SI
Unidades derivadas del SI
Magnitud derivada
Nombre Smbolo
rea metro cuadrado m
2
volumen metro cbico m
3
velocidad, rapidez metro en cada segundo m/s
aceleracin metro en cada segundo al cuadrado m/s
2
nmero de onda inverso de metro m
-1
densidad de masa (densidad) kilogramo en cada metro cbico kg/m
3
volumen especfico metro cbico en cada kilogramo m
3
/kg
densidad de corriente ampere en cada metro cuadrado A/m
2
intensidad de campo magntico ampere en cada metro A/m
Aumento de concentracin de
substancia (concentracin)
mole en cada metro cbico mol/m
3
luminiscencia candela en cada metro cuadrado cd/m
2
Tabla 3a. Unidades derivadas del SI con nombres especiales y smbolos, incluyendo el radian y el esterradin.
Unidades Derivadas del SI
Magnitud derivada Nombre
Especial
Smbolo
especial
Expresada en
trminos de otras
Expresada en
trminos de
11
unidades del SI unidades base del
SI
ngulo plano radian rad m*m
-1
ngulo slido steradian sr m
2
*m
-2
frecuencia hertz Hz s
-1
fuerza newton N m*kg*s
-2
presin, tensin pascal Pa N/m
2
m
-1
*kg*s
-2
energa, trabajo, cantidad de calor joule J N*m m
2
*kg*s
-2
potencia, flujo de radiacin watt W J/s m
2
*kg*s
-3
carga elctrica, cantidad de
electricidad
coulomb C A*s
diferencia de potencial, fuerza
electromotora
volt V W/A m
2
*kg*s
-3
*A
-1
capacitancia farad F C/V m
-2
*kg
-1
*s
4
*A
2
resistencia elctrica Ohm V/A m
2
*kg*s
-3
*A
-2
conductancia elctrica siemens S A/V m
-2
*kg
-1
*s
3
*A
2
flujo magntico weber Wb V*s m
2
*kg*s
-2
*A
-1
densidad de flujo magntico tesla T Wb/m
2
kg*s
-2
*A
-1
inductancia henry H Wb/A m
2
*kg*s
-2
*A
-2
temperatura Celsius grados
Celsius
o
C K
flujo luminoso lumen lm cd*sr cd*sr
luminiscencia lux lx lm/m
2
m
-2
*cd*sr
actividad (de un ncleo radiactivo) becquerel Bq s
-1
dosis absorbida gray Gy J/Kg m
2
*s
-2
Dosis equivalente, dosis ambiental
equivalente, dosis direccional
equivalente, dosis personal
equivalente, dosis equivalente
sievert Sv J/Kg m
2
*s
-2
actividad cataltica* katal kat s
-1
mol
concentracin de actividad
cataltica
kat/m
3
m
-3
s
-1
mol
*La 21 CGPM 1999, aprob el katal, con smbolo kat, como nombre de la unidad derivada del SI mol en cada
segundo para expresar la actividad cataltica. Actualmente hay 22 unidades derivadas del SI con nombres especiales
y smbolos.
Magnitudes de Dimensin 1.
Algunas magnitudes derivadas se definen como el radio de cantidades mutuamente comparables, dos
magnitudes de la misma clase. Dada la coherencia del SI, la unidad derivada de tal magnitud es el radio de dos
unidades idnticas del SI, tal unidad es expresada por el nmero 1, smbolo 1. Tales magnitudes se conocen como
magnitudes de dimensin 1, o magnitudes adimensionales y en el SI la unidad de este tipo de magnitudes es el
nmero 1. Ejemplo de este tipo de unidades son: la fraccin de masa, la permeabilidad relativa, el factor de friccin
dinmico, ndice de refraccin, nmeros caractersticos como el nmero Mach, y nmeros resultado de contar, tal
como el caso del nmero de molculas. Por lo general el nmero 1 no se escribe explcitamente al expresar un valor
12
de alguna magnitud de dimensin 1. Por ejemplo, el ndice de refraccin de un medio dado se expresa como n=1.51
en lugar de n=1.51X1. Con el fin aumentar la claridad, en algunos casos, se ha dado un nombre especial al smbolo
1, el radin y el esterradin son dos ejemplos.
MLTIPLOS Y SUBMLTIPLOS DE LAS UNIDADES DEL S I
Es posible expresar, a travs de un conjunto de prefijos aceptados, mltiplos y submltiplos decimales de las
unidades del SI.
El prefijo debe de anteceder el nombre de la unidad, por ejemplo: kilmetro.
El smbolo del prefijo debe de anteceder al smbolo del nombre de la unidad, por ejemplo: km.
Tabla 4. Prefijos.
Factor Prefijo Smbolo Factor Prefijo Smbolo
10
24
=(10
3
)
8
yotta Y 10
-1
deci d
10
21
=(10
3
)
7
zetta Z 10
-2
centi c
10
18
=(10
3
)
6
exa E 10
-3
=(10
3
)
-1
mili m
10
15
=(10
3
)
5
peta P 10
-6
=(10
3
)
-2
micro
10
12
=(10
3
)
4
tera T 10
-9
=(10
3
)
-3
nano n
10
9
=(10
3
)
3
giga G 10
-12
=(10
3
)
-4
pico p
10
6
=(10
3
)
2
mega M 10
-15
=(10
3
)
-5
femto f
10
3
=(10
3
)
1
kilo k 10
-18
=(10
3
)
-6
atto a
10
2
hecto h 10
-21
=(10
3
)
-7
zepto z
10
1
deca da 10
-24
=(10
3
)
-8
yocto y
CONVENSIN DE REGLAS Y ESTILOS PARA IMPRIMIR Y USAR LAS UNIDADES DEL S.I.
Reglas y estilos para el uso de smbolos de las unidades:
Los smbolos de las unidades se escriben con el tipo de letra Romano derecho, sin importar el tipo de letra del
resto del texto.
Los smbolos se escriben con minsculas, excepto cuando el nombre de la unidad proviene de una persona,
por ejemplo: metro (m), segundo (s), volt (V), pascal (Pa). En Estados Unidos de Norteamrica se
utiliza la L como smbolo de litro.
Los smbolos no se usan en plural, por ejemplo: l= 75 cm pero no l= 75 cms.
No se escribe punto despus del smbolo, excepto cuando es fin de oracin, por ejemplo: 75 cm de
longitud., longitud de 75 cm.
Los smbolos de unidades que provienen del producto de otras unidades pueden expresarse:
13
a).- Colocando un punto a la mitad de los smbolos de las unidades que se multiplican.
b).- Dejando un espacio entre los smbolos.
Ambos estilos son incompatibles en un escrito.
Por ejemplo: N
.
m N m
El espacio puede omitirse cuando no cause confusin: kWh en lugar de kW h; pero no ms
-1

(que
significa milisegundo a la menos uno) en lugar de m s
-1

(que significa metro por segundo a la menos uno).
Los smbolos de unidades que provienen de una divisin de otras unidades pueden expresarse a travs de los
smbolos /, o exponentes negativos. m/s
2
,
2
s
m
, m
.
s
-2
.
No debe de utilizarse ms de una vez ninguno de los smbolos /, - . Es correcto m/s
2
,
2
s
m
, pero no
m/s/s
s
s
m
. En casos complicados es ms conveniente hacer uso de los exponentes negativos.
Al escribir, no mezclar smbolos de unidades con nombres de unidades. C/kg; C kg
-1
pero no
coulomb/kg o coulomb en cada kg.
En caso de requerir escribir el nombre de la unidad, ste debe de escribirse completo.
No se debe hacer uso de abreviaturas de los nombres de las unidades. Estas tienen nombre y smbolos
aceptados internacionalmente.
Unidad Smbolo aceptado Abreviatura no
aceptada
segundo S sec
milmetro
cuadrado
mm
2
Sqmm
centmetro
cbico
cm
3
cc
hora H hr
litro L lit
Reglas y estilos para el uso de smbolos de las unidades:
Los smbolos de los prefijos se escriben con el tipo de letra Romano derecho. Sin espacio entre el smbolo
del prefijo y el smbolo de la unidad. Sin espacio entre el nombre del prefijo y el nombre de la unidad, por ejemplo:
mL (mililitro), pm (picometro), G (gigaohm), THz (terhertz).
Los smbolos de los prefijos que se escriben con maysculas son: Y (yotta), Z (zetta), E (exa), T (tera), G
(giga) y M (mega); el resto de los smbolos de los prefijos se escriben con minsculas.
14
Los nombres de los prefijos se escriben con minsculas
Los smbolos de los prefijos asociados a los smbolos de las unidades forman un ente, que pueden ser
combinados con otros. Estos entes (prefijos-unidad) pueden ser expresadas en potencias positivas (negativas) de
diez de la unidad.
Los nombres de los prefijos con el de las unidades forman una sola palabra.
No deben de mezclarse prefijos; nm (nanmetros) y no mm (milimicrmetro).
En el caso de unidades derivadas provenientes de una divisin, la existencia de smbolos de prefijos en el
numerador y en el denominador puede causar confusin. Se acepta 10 kV/mm pero es mejor 10 MV/m. Para el
caso de unidades derivadas provenientes de multiplicacin, la mezcla de prefijos puede causar confusin. Se acepta
10 MV
.
ms pero es mejor 10 kV
.
s. Es necesario aclarar que estas dos ltimas consideraciones no se aplican
cuando el kg est involucrado, as 0.13 mmol/g no es mejor que 0.13 mol/kg.
Los prefijos siempre deben de estar asociados a una unidad, no pueden encontrarse solos: 5X10
6
/m
3
pero
no 5 M/m
-3
.
Ya que por motivos histricos la unidad base de la masa es el kilogramo (kg), unidad en la que ya se encuentra el
prefijo kilo y debido a que no se deben unir prefijos, los mltiplos y submltiplos del kg se forman con la
unidad g. As 10
-6
kg = 1 mg (miligramo) y no 10
-6
kg = 1 Kg (microkilogramo).
Es posible combinar prefijos y sus nombres con los C (grados Celsius), por ejemplo 12 mC (miligrados
Celsius).
No se permite, para evitar confusin, combinar prefijos con las unidades aceptadas de tiempo (minuto, hora, da,
etc.), ni con las relacionadas con ngulos (,minuto, seg. ).
Los prefijos y sus nombres pueden ser utilizados con las siguientes unidades: Litro (los mltiplos: kL (kilolitro)
y ML (megalitro) no son comunes, los submltiplos como mL (mililitro) y dL (decilitros) son de uso comn); la
tonelada mtrica (los mltiplos como kt (kilotolnelada) son de uso comn, mientras que los submltiplos como
el mt (militonelada) no son comunes); ev (electrn volt) y U (unidad de masa unificada).
Reglas y estilos para expresar valores de cantidades.
El valor de una cantidad es su magnitud expresada como el producto de un nmero y una unidad, el nmero que
est multiplicando la unidad es el valor numrico de la variable expresado en esa unidad.
Formalmente A = {A}[A]; con {A}valor numrico, [A] unidad, entonces el valor numrico se expresa como
{A}= A / [A] de tal forma que al representar en una tabla o en una grfica los valores numricos es recomendable
presentarlos de esta forma, por ejemplo: t/C en lugar de t (C); E/(V/m) en lugar de E ( V/m).
Una forma alternativa de expresar {A}= A / [A] es {A}
[A]
. Por ejemplo: t
C
; E
V/m
.
Es necesario dejar un espacio entre el valor numrico y el smbolo de la unidad, esta regla no aplica para las
unidades: grados (), minutos () y segundos ( ) que se escriben en forma seguida.
15
No se debe de expresar una cantidad en ms de una unidad. l = 10.234 m y no l = 10 m, 23 cm, 4 mm.
Esta regla no vale para intervalos de tiempo y para ngulos (, , ) aunque es recomendable que el ngulo se
exprese en dcimas de grado, excepto en algunos campos como la Cartografa.
No debe de asociarse informacin a las unidades. Cuando la cantidad expresada sea un valor especial, esta
denominacin debe de darse a la cantidad no a las unidades, por ejemplo debe escribirse V
max
= 1000 V y no
V = 1000 V
max

.
No debe mezclarse informacin con las unidades. Cuando se desee expresar alguna condicin particular de la
cantidad, caracterstica o condicin de la medicin, esta informacin no debe mezclarse con las unidades.
El contenido de Pb es 5 mg/L y no 5 mg de Pb/L o 5 mg de Plomo/L
La sensibilidad por molcula de NO
3
es de 5 X 10
10
/cm
3
pero no la sensibilidad es 5 X 10
10
NO
3
molcula
/cm
3
.
Esta regla es valida inclusive para las unidades 1.
La idea de un informe es que el material contenido en ste sea comprendido por la mayor cantidad posible de
personas, en ese sentido la presentacin de los resultados debe de ser lo ms independiente posible del idioma en
el que se escribe el informe, por tal motivo es necesario hacer uso de los smbolos aceptados mundialmente.
Los valores numricos se escriben en nmeros arbigos, de los cuales no se escribe el nombre y se utilizan los
smbolos de las unidades y de los prefijos, en caso de haber, en lugar de sus nombres. Ejemplos:
la longitud del lser es de 5 m pero no la longitud del lser es de cinco metros
Cuando la audiencia es lega es necesario definir las unidades usadas conforme estas van apareciendo.
No deben de combinarse nombres de nmeros con smbolos de unidades.
En algunas ocasiones el valor numrico es utilizado descriptivamente o en forma literal, en tal caso es
recomendable hacer uso del nmero y del nombre de la unidad, por ejemplo: La lmpara requiere el uso de dos
bombillas de 60 watts; Ellos han adquirido un rollo de pelcula de 35 milmetros.
Los valores de las cantidades se expresan como el producto de un nmero con una unidad. Se recomienda, para
determinar intervalos hacer uso de la preposicin a en lugar del smbolo - que puede generar confusin con
la resta. Ejemplos:
51 mm X 51 mm X 25 mm pero no 51 X 51 X 25 mm
225 mm a 2400 mm (225 a 2400) mm pero no 225 a 2400 mm
63.2 m 0.1 m (63.2 0.1) m pero no 63.2 0.1 m 63.2 m 0.1
129 s 3 s =126 s (129-3) s = 126 s pero no 129 3 s =126 s.
16
Es inaceptable escribir los smbolos de las unidades solos. Los smbolos de las unidades nunca deben de ser
utilizados sin valores numricos o smbolos de cantidades (no deben de ser abreviaturas). Ejemplo: Hay 10
6
mm
en 1 km pero no hay muchos mm en un km.
Las condiciones para elegir los prefijos, para generar los mltiplos y submltiplos de las unidades son:
La necesidad de que los dgitos de los valores numricos sean significativos. Un dgito es significativo si ste es
necesario para expresar el valor numrico de la cantidad.
La necesidad de tener valores numricos que sean fcilmente entendibles.
Las necesidades particulares del campo cientfico y tecnolgico en el cual se est trabajando.
Es recomendable no obligatorio, que los valores numricos se encuentren entre 0.1 y 1000 y que las potencias de
10 sean mltiplos de 3.
Por ejemplo:
3.3 X 10
7
Hz se puede expresar como 33 X 10
6
Hz = 33 MHz
0.00952 g se puede expresar como 9.52 X10
-3
g = 9.52 mg
2703 W se puede expresar como 2.703 X 10
3
W = 2.703 kW
5.8 X 10
-8
m se puede expresar como 58 X 10
-9
m = 58 nm
Es recomendable que cuando se tiene un conjunto de datos todos tengan el mismo prefijo, ejemplo: 10 mm X 2
mm X 0.02 mm en lugar de 1 cm X 3 mm X 20 m.
Aquellas cantidades que son el resultado del cociente de 2 cantidades con la misma unidad, tienen como unidad
1, que por lo general su smbolo no se escribe. Ejemplos de estas cantidades son: ndice de refraccin,
permeabilidad relativa, fraccin de masa.
Algunas cantidades cuya unidad es 1, tienen un nombre especial para designar a su unidad. Ejemplo de tales
cantidades son: el ngulo plano cuya unidad es el radian (rad) el ngulo slido cuya unidad es el steradian (sr).
Ya que no se debe unir un prefijo de mltiplos o submltiplos con la unidad 1, se hace necesario expresar los
mltiplos y submltiplos como potencias de 10. Por ejemplo:

r
= 1.2 X 10
-6
no 1.2
.
10
-6

r
permeabilidad relativa.
Considerando que el smbolo % significa un factor multiplicativo de 100, la forma como se expresan cantidades
con este smbolos es el valor numrico, espacio y el smbolo %. Por ejemplo:
x
B
= 0.0025 = 0.25 % pero no x
B
= 0.0025 = 0.25% x
B
= 0.25 por ciento
No se aceptan expresiones del estilo: por ciento por masa, por ciento en volumen, % (m/m), % (por
peso), % (V/V). Se prefiere la fraccin de masa es igual a .01 la fraccin de masa es 10 %.
17
Para hacer referencia a diferencia de valores en forma de porcentaje, es incorrecto decir: la cantidad A difiere de
B en un tanto por ciento es mejor A = B(1+ x %) o definir = (A B)/B.
En algunas ocasiones el trmino fraccin de o relativo es aceptado. Por ejemplo: El incremento fraccional
de la resistencia de referencia de 10 k, en 1994, fue de 0.002 %.
No se recomienda el uso de: ppm, partes por milln; ppb, partes por billn; ppt, partes por trilln.
Ejemplos:
Una estabilidad de 0.5 (A/A)/min pero no una estabilidad de 0.5 ppm/min
Una deriva de 1.1 nm/m pero no Una deriva de 1.1 ppb
Un cambio de frecuencia de 0.35 X 10
-9
f pero no Un cambio de frecuencia de 0.35 ppb
Una sensibilidad de 2 ng/kg pero no Una sensibilidad de 2 ppt
La incertidumbre expandida relativa de la resistencia R es U
r
= 3 / o La incertidumbre expandida de la
resistencia R es U= 3 X 10
-6
R o La incertidumbre expandida relativa de la resistencia R es U
r
= 3 X 10
-6
pero
no La incertidumbre expandida relativa de la resistencia R es U
r
= 3 ppm
La razn para evitar el uso de las abreviaturas comentadas, radica en el hecho de que no hay un acuerdo mundial
respecto al nombre del nmero 10
9
y de nmeros mayores (en muchos pases, 1billn = 1 X 10
12
, 1billn = 1 X
10
9
como en los Estados Unidos de Amrica); el mejor camino es, entonces, el escribir a los nmeros grandes
haciendo uso de las potencias de 10. Otra y ms importante razn, es lo inapropiado que resulta hacer
abreviaciones que dependen del lenguaje en combinacin con signos y smbolos aceptados mundialmente, como
son: Mpa, ln, 10
13
y %, para expresar el valor de cantidades y en ecuaciones u otras expresiones matemticas.
Cabe mencionar que en ciertos casos se justifica el uso de las abreviaturas ppm y ppb, por requerimientos
legales o de regulacin.
Es inaceptable el uso de nmeros romanos para expresar el valor de alguna cantidad. En particular, no debe de
utilizarse C, m, MM para sustituir 10
2
, 10
3
y 10
6
respectivamente.
Una ecuacin de una cantidad expresa una relacin entre cantidades. Como ejemplo l=vt, donde l es la distancia
recorrida por una partcula en movimiento uniforme, con una velocidad v y despus de que ha transcurrido un
tiempo t.
Dado que una ecuacin de cantidades como l=vt es independiente de las unidades en las que se expresen los
valores numricos de las magnitudes que intervienen en la ecuacin, y ya que l, v y t representan cantidades y no
valores numricos de las cantidades, es incorrecto asociar a la ecuacin comentarios tales como:donde l est en
metros, v en metros en cada segundo y t en segundos
Por otro lado, una ecuacin numrica expresa la relacin que hay entre los valores numricos de las cantidades y
entonces depende de las unidades utilizadas para expresar los valores de las cantidades. Por ejemplo, {l}
m
= 3.6
-1
18
{v}
km/h
{t}
s
expresa la relacin entre los valores de las cantidades l, v y t solamente cuando los valores de las
cantidades l, v y t estn expresadas en unidades de metros, kilmetros en cada hora y segundos, respectivamente.
(Aqu {A}
x
representa el valor numrico de la cantidad A expresado en unidades x).
Una forma alternativa de expresar la anterior ecuacin numrica, por su simplicidad y su generalidad, es l/m =3.6
-
1
[v/(km/h)](t/s). Los autores del NIST prefieren hacer uso de esta ecuacin en lugar de la forma tradicional: l
=3.6
-1
vt con l est en metros, v est en kilmetros en cada hora y t est en segundos. En efecto esta formase
presta a ambigedades ya que no se hace una distincin entre la cantidad y sus valores numricos. Una forma
correcta de expresar esta ecuacin numrica es: l*= 3.6
-1
v*t*, donde l* es el valor numrico de la distancia l
recorrida por una partcula en movimiento uniforme, cuando l est expresada en metros, con v* valor numrico
de la velocidad v de la partcula, cuando v est expresada en kilmetros en cada hora, y t* es el valor numrico
del tiempo t que ha transcurrido, cuando t est expresado en segundos. Debe de quedar claro que se hace
necesario expresar con diferentes signos los valores numricos de las cantidades y las cantidades con el fin de
evitar confusiones.
Cuando una cantidad sea el resultado de un cociente debe de expresarse como dividida por y no como por
unidad de con el fin de evitar la apariencia de asociar una unidad particular con una cantidad derivada. Por
ejemplo Presin es fuerza dividida por rea pero no presin es fuerza por unidad de rea.
Es necesario no confundir la caracterstica del objeto en estudio, con el objeto mismo. Es decir se debe de tener la
posibilidad de diferenciar entre un fenmeno, un objeto o una sustancia: Es diferente un cuerpo que su masa, la
superficie que su rea, un capacitor que su capacitancia. Por ejemplo: es correcto Se colg un objeto, de masa
de 1 kg, de un hilo inextensible para formar un pndulo pero no se acepta se colg una masa de 1 kg de un hilo
inextensible para formar un pndulo.
Cualquier cantidad derivada Q, del S I, puede ser expresada como combinacin de las cantidades base del SI
longitud (l), masa (m), tiempo (t), corriente elctrica (I), temperatura termodinmica (T), aumento de sustancia
(n), intensidad luminosa (I

) a travs de una ecuacin de la forma:

n
1 k
k

a I n T I t m l Q
con , , , , , , valores numricos y
k
a
tambin valores numricos. La dimensin de Q est dada por:

J N I T M L Q dim
con: L dimensin de longitud
M dimensin de masa
19
T dimensin de tiempo
I dimensin de corriente elctrica
dimensin de temperatura termodinmica
N dimensin de aumento de sustancia
J dimensin de intensidad luminosa.
Los exponentes , , , , , , se conocen como exponentes dimensionales. Para obtener la unidad derivada
correspondiente de Q es necesario sustituir en la ecuacin de la dimensin de Q las dimensiones bsicas por las
unidades correspondientes. La unidad de Q es

cd mol K A s kg m . Existen casos en los que todos los
exponentes dimensionales son iguales a cero, en esta situacin la cantidad Q es una cantidad adimensional, es
decir dimQ = 1. En tal situacin la unidad de tal cantidad es 1 y se conoce como unidad derivada adimensional.
ESTADSTICA
Introduccin
Cuando se cuenta con un nmero considerable de datos (10, 15, 20, 100 ms) que representan valores de
alguna variable (edad de una poblacin, ingresos por familia, masa de un lote de objetos, longitud de un lote de
barras de acero, etc.), los cuales se han obtenido ya sea a travs de alguna encuesta, como es el caso de las variables
de inters en la Ciencias Sociales, o realizando alguna medicin, como es el caso de las Ciencias Experimentales.
No basta contar con una tabla que muestre a estos datos para poder obtener informacin valiosa del proceso o
fenmeno, se requiere hacer un anlisis de los mismos, el cual se puede iniciar con la construccin de un
histograma de frecuencias o de un histograma de frecuencias relativas.
Tabla de frecuencia
Frecuencia Valor de la variable
1 17,82
4
1 17,90
2 17,95
2 18,02
4
De acuerdo con la NORMA Oficial Mexicana NOM-008-SCFI-2002, Sistema General de Unidades de Medida, los decimales se
separan de los enteros a travs de una coma (,).
20
2 18,09
4 18,10
2 18,15
1 18,20
1 18,25
1 18,30
2 18,37
1 18,40
Si se hiciese una grfica de la frecuencia con la que aparece cada uno de los valores en el conjunto de datos
en funcin de los posibles valores de la variable, se obtiene una grfica como la mostrada en la figura 1, en donde
solamente se observan un conjunto de puntos aislados, es claro que una grfica de estas caractersticas no es de gran
ayuda.
Histograma de Frecuencias.
Si ahora el intervalo en el que quedan comprendidos los valores, espacio muestral, que forman el conjunto de
datos es dividido en sub-intervalos, llamados clases y que tienen las siguientes caractersticas:
GRFICA DE PUNTOS
0
1
2
3
4
17.8 17.9 18 18.1 18.2 18.3 18.4
VARIABLE
F
R
E
C
U
E
N
C
I
A
Figura 1
a). Cada uno de los datos debe pertenecer a una y slo una clase. Los intervalos que forman las clases son
cerrados por la izquierda y abiertos por la derecha ([x
1
, x
f
), excepto el ltimo que es cerrado por ambos lados.
b). Las clases deben tener igual longitud.
c). Es deseable que no haya clases con frecuencia cero
d). El nmero de clase depende del nmero de datos. Es posible hacer uso de los siguientes valores.
Tamao de la muestra nmero de clases
21
(nmero de datos)
menos de 10 4
de 10 a 20 5
de 20 a 45 6
de 45 a 90 7
de 90 a 180 8
de 180 a 360 9
de 360 a 720 10
ms de 720 entre 10 y 20
Para determinar el tamao de las clases, una vez que se ha determinado el nmero de clases, se aplica:
mximo mnimo
X -X
Tamao de clase
Nmero de clases

(1)
Para facilitar la construccin del histograma y para que el tamao de las clases sea igual, es recomendable que el
tamao de cada clase se un mltiplo de la resolucin del equipo que se est utilizando, as por ejemplo si se miden
longitudes con un vernier cuya resolucin es de 0,05 mm, dependiendo del nmero de datos, el tamao de la clase
puede ser 0,05 mm, 0,10 mm, 0,15 mm, etc. Pero no es recomendable 0,08 mm, 0,12mm.
Una vez determinado el nmero de clases, el tamao de las clases y el intervalo de valores de cada clase es
posible construir una tabla de frecuencias y clases, donde la frecuencia (F) es el nmero de datos que pertenece a
cada clase. Si cada frecuencia se divide entre el nmero total de datos entonces se tiene una tabla de una frecuencia
relativas (f) y clases. Es posible construir ahora una grfica de frecuencias en funcin de clases con lo que se obtiene
un histograma de frecuencia (fig. 2), mientras que si se grfica frecuencia relativa en funcin de intervalo se obtiene
un histograma de frecuencias relativas (fig. 3).
Aplicando al ejemplo numrico se tiene:
5
82 , 17 40 , 18
clase de tamao

tamao de clase = 0,116

con el fin de que el tamao de clase no imponga complicaciones se puede hacer:
tamao de clase = 0,10
y entonces la tabla de clases y frecuencias queda como:
22
Tabla de Clases y Frecuencias
Clases Frecuencias
90 , 17 ; 80 , 17
1
00 , 18 ; 90 , 17
3
10 , 18 ; 00 , 18
4
20 , 18 ; 10 , 18
6
30 , 18 ; 20 , 18
2
[ ] 40 , 18 ; 30 , 18
4
En el caso de tener un histograma de frecuencia si se considera la base de cada una de las barras es igual a
uno entonces, el rea total de las barras que forman el histograma es el nmero total de datos. Mientras que en el
caso de un histograma de frecuencias relativas se tiene que el rea total de las barras es uno en este caso el rea de
cada barra es la probabilidad de ocurrencia de cada clase, es decir la probabilidad de que al realizar una nueva
medicin el resultado de sta pertenezca a una clase.
Figura 2
23
HISTOGRAMA DE FRECUENCIAS
0
1
2
3
4
5
6
17,85 17,95 18,05 18,15 18,25 18,35
VARIABLE
F
R
E
C
U
E
N
C
I
A
S

Figura 3
Probabilidad
Es posible definir de dos formas la probabilidad de un evento, la probabilidad A priori y la probabilidad A
posteriori.
En el primer caso basta con saber el nmero de valores del espacio muestral que forman el evento estudiado y el
tamao del espacio muestral:
Probabilidad A priori:

Apr
Nmero de valores de la variable que cumplen la condicin impuesta
P
Tamao del espacio muestral

(2)
Por ejemplo la probabilidad de que al escoger a una persona al. azar, sta sea del sexo femenino es:
el Nmero de valores de la variable que hacen que el evento se cumpla es 1 (el valor de la variable es
femenino), el tamao del espacio muestral es 2 (la variable sexo solamente toma el valor femenino y el
valor masculino). Entonces: P
Apr
= .
Cul es la probabilidad de que al arrojar un dado, legal, caiga un nmero par? El nmero de valores
de la variable que hacen que el evento se cumpla es 3 ( los nmeros pares en un dado son 2, 4, 6), el
tamao del espacio muestral es 6 (los posible valores que puede tomar la variable son: 1, 2, 3, 4, 5, 6),
entonces la probabilidad A priori es: P
Apr
= 3/6; P
Apr
= ..
Para determinar la probabilidad A posteriori es necesario contar con un conjunto de resultados
experimentales, ya que:
Probabilidad A posteriori:
(P
Apos
) =
Nmero de datos en el que se cumpli la condicin
Nmero de veces que se realiz el experi mento
Apos
P

24
HISTOGRAMA DE FRECUENCIAS RELATIVAS
0
0.2
0.4
0.6
0.8
1
17,85 17,95 18,05 18,15 18,25 18,35
VARIABLE
F
R
E
C
U
E
N
C
I
A
S

R
E
L
A
T
I
V
A
S
(3)
As por ejemplo de los datos reportados en la tabla 1 Cul es la probabilidad de que la variable
tome el valor 18.1? El nmero de datos que satisfacen este evento (que la variable tome el valor 18.1) es 4,
el nmero de veces que se realiz el experimento es 20, entonces: P
Apo
= 4/20 es decir P
Apos
= 1/5.
La probabilidad del evento seguro es 1, mientras que la probabilidad del evento imposible es cero.
As por ejemplo la probabilidad de que al escoger a algn alumno el sexo de ste sea masculino o femenino
es 1. Mientras que la posibilidad de que la variable sexo tome el valor 20 (la variable sexo slo puede
tomar los valores masculino y femenino) es cero.
Parmetros de Tendencia Central y de Dispersin.
Sin proporcionar una informacin cuantitativa el histograma da cierta idea del comportamiento del conjunto
de datos estudiado. As por ejemplo, si existe un solo mximo o s hay ms de uno, con lo que se puede tener una
idea del valor ms representativo del conjunto de datos. Tambin es posible ver qu tan dispersos se encuentran los
datos respecto al centro del histograma y si en ste es donde se localiza el mximo.
Existen dos parmetros bsicos (en realidad son estimadores de los parmetros ya que el conjunto de datos
estudiado slo representa una muestra del universo total de datos) que permiten cuantificar las caractersticas
globales del conjunto de datos analizado. El primero de ellos es el promedio o media aritmtica o simplemente
media (
x
), que pertenece al grupo de parmetros de tendencia central y que se calcula de la siguiente manera:
n
i
-
i=1
x
=
n
x

(4)
donde x
i
es cada uno de los valores y n es el nmero total de datos. S el conjunto de datos se encuentra agrupado en
clases el procedimiento es el siguiente:
n
x F
x
m
1 j
j j

(5)
donde m es el nmero total de clases, F
j
la frecuencia de la j-esima clase y x
j
el valor representativo de la j-esima
clase, el cual, si no existe algn valor preferencial se obtiene al promediar los extremos de la clase.
2
X X
X
F I
J
+

(6)
Para el caso de contar con frecuencias relativas el promedio de los datos se obtiene:
25
m
j j
j=1
x= f x

(7)
Vale la pena hacer notar que los promedios obtenidos con las ecuaciones 5 y 7 no coinciden exactamente con
el obtenido con la ecuacin 4, con la que se obtiene el valor exacto del promedio, sin embargo representan una
buena aproximacin.
Aplicando la ecuacin 4 al conjunto de datos del ejemplo se tiene:
x
+ + + + + + + + + + 10 , 18 10 , 18 09 , 18 09 , 18 02 , 18 02 , 18 95 , 17 95 , 17 90 , 17 82 , 17
20
40 , 18 37 , 18 37 , 18 30 , 18 25 , 18 20 , 18 15 , 18 15 , 18 10 , 18 10 , 18 + + + + + + + + +
x
18,12
Mientras que al aplicar la expresin 7, se llaga a:
Clases
X
j
=
2
* 1 f
x x + Frecuencias
j j
x F
9 . 17 ; 8 . 17
17,85 1 17,85
0 . 18 ; 9 . 17
17,95 3 53,85
1 . 18 ; 0 . 18
18,05 4 72,20
2 . 18 ; 1 . 18
18,15 6 108,90
3 . 18 ; 2 . 18
18,25 2 36,50
[ ] 4 . 18 ; 3 . 18 18,35 4 73,40
.

m
j
j j
x F
1
362,70
de donde:
20
70 , 362
x
26
y
x
18,135
5
El segundo parmetro que permite caracterizar un conjunto de datos es la desviacin tpica y pertenece a los
parmetros de medida de dispersin, la desviacin tpica se calcula como:
( )
1 n
x x
s
n
1 i
2
i

(8)
Para el caso de tener los datos agrupados en clases se utiliza:
( )
1 n
x x F
s
m
1 j
2
j j

(9)
La situacin en la que se cuenta con las frecuencias relativas permite calcular la desviacin tpica como:
( )
1 n
x x f n
s
m
1 j
2
j j

(10)
Aplicando la Expresin 8 al ejemplo estudiado se tiene:
+ + + + +

2 2 2 2 2
18,12) (18,02 18,12) (17,95 18,12) (17,95 18,12) (17,90 18,12) (17,82
s

+ + + + +
2 2 2 2 2
18,12) (18,10 18,12) (18,10 18,12) (18,09 18,12) (18,09 18,12) (18,02

+ + + + +
2 2 2 2 2
18,12) (18,20 18,12) (18,15 18,12) (18,15 18,12) (18,10 18,12) (18,10

20
18,12) (18,40 18,12) (18,37 18,12) (18,37 18,12) (18,30 18,12) (18,25
2 2 2 2 2
+ + + +
+ + + + + + + + + +

0,0004 0,0004 0,0009 0,0009 0,0100 0,0100 0,0289 0,0289 0,0484 0,0900
s
19
0,0784 0,0625 0,0625 0,0324 0,0169 0,0064 0,0009 0,0009 0,0004 0,0004 + + + + + + + + +
5
Es necesario hacer notar que el nmero de cifras significativas que se estn informando es mayor que el adecuado, debera de
reportarse hasta las centsimas, esto se ha hecho con el fin de hacer notar la diferencia entre el resultado obtenido a travs de la
expresin 4 y el obtenido por medio de la expresin 6, de hecho el valor que debera de informarse es 18.14, debido al redondeo. El
mismo comentario aplica para la desviacin tpica.
27
s 19
0,4805
s
025 , 0
s
0,1590
Al aplicar la ecuacin 9 se tiene que la desviacin tpica de los datos utilizados en el ejemplo es:
Clases
X
j
=
2
* 1 f
x x + Frecuencias
( )
2
j
x x ( )
2
j j
x x F
9 . 17 ; 8 . 17
17,85 1 ,0812 ,0812
0 . 18 ; 9 . 17
17,95 3 ,0342 ,1026
1 . 18 ; 0 . 18
18,05 4 ,0072 ,0288
2 . 18 ; 1 . 18
18,15 6 ,0002 ,0012
3 . 18 ; 2 . 18
18,25 2 ,0132 ,0264
[ ] 4 . 18 ; 3 . 18 18,35 4 ,0462 ,1848
.

m
j
j j
x x F
1
2
) (
,4250
de donde:
19
0,4250
s
s
0223 , 0
s
0,1496
Es indispensable aclarar, que tanto la media como la desviacin tpica tienen las unidades de la
variable de los datos, en el ejemplo presentado este hecho se ha obviado, es decir la variable estudiada es
adimensional entonces la media y la desviacin tpica tambin lo son.. La moda, la mediana y la desviacin
media tienen las mismas unidades de los datos de los que provienen; no as la varianza cuyas unidades son
las unidades de los datos elevadas al cuadrado.
Dentro de los parmetros de dispersin se tienen tambin a:
1 n
x x
Media Desviacin
i

(11)
28
y la
( )
1 n
x x
Varianza
2
i

(12)
Existen dos parmetros ms de tendencia central: la moda y la mediana. La moda se define como el valor de
mayor frecuencia dentro del conjunto de datos, en el caso de contar con un histograma la moda corresponde a la
clase con la barra ms alta.
Al ordenar en forma ascendente los datos, el valor o valores que se encuentren a la mitad representan la mediana;
en caso de contar con un histograma, la clase o clases que se encuentran a la mitad del intervalo de valores
representan la mediana.
Para el caso del conjunto de datos estudiado se tiene que la moda y la mediana coinciden. El valor 18,10 aparece
4 veces y es el de mayor frecuencia, por lo tanto la moda es 18,10.
Al ordenar los datos en forma ascendente se tiene que el valor 18,10 ocupa el dcimo y el undcimo lugar por lo
tanto la median avale 18,10.
17,82, 17,90, 17,95, 17,95, 18,02, 18,02, 18,09, 18,09, 18,10, 18,10, 18,10, 18,10, 18,15, 18,15, 18,02, 18,25, 18,30, 18,37, 18,37, 18,40.

MEDIANA
Para el caso de contar con los datos en un histograma se tiene:
MEDIA, MODA, MEDIANA
Figura 4.
es decir la media, la moda y la mediana estn en la clase
20 . 18 ; 10 . 18
.
Vale la pena mencionar que cuando se tiene un histograma simtrico respecto a un valor mximo central los
valores de los tres parmetros de tendencia central coinciden, esto mismo pasa cuando la funcin de distribucin
de probabilidades es simtrica respecto al mximo. En la figura 5 se muestra la localizacin de los parmetros de
tendencia central (moda, mediana y media) en una funcin de distribucin de probabilidad.
29
HIS TOGRAMA DE FRECUENC I AS
0
1
2
3
4
5
6
17,85 17,95 18,05 18,15 18,25 18,35
VARI ABLE
Figura 5
Si se unen los puntos medio de los extremos superiores de las barras que forman el histograma de
frecuencias relativas, se obtiene un polgono irregular (figura 6) conocido como Polgono de Frecuencias; la curva
continua que se traza, de tal manera que pasa por la mayor parte de los vrtices del Polgono de Frecuencias, recibe
el nombre de Curva de Distribucin. La construccin de la Curva de Distribucin de algn experimento permite
aplicar alguna de las Funciones de Distribucin conocidas en el anlisis de los datos.
Figura 6
Si se aumenta el nmero de mediciones o de encuestas realizadas, se incrementara el nmero de datos, con
lo cual, s el espacio muestral no cambia, el nmero de clases aumenta mientras su ancho disminuye con lo que se
obtiene un Polgono de Frecuencias "ms suave". Si este proceso se continua hasta contar con un nmero infinito de
30
POLGONO DE FRECUENCIAS
0
0.05
0.1
0.15
0.2
0.25
0.3
17,85 17,95 18,05 18,15 18,25 18,35
VARIABLE
F
R
E
C
U
E
N
C
I
A
S

R
E
L
A
T
I
V
A
S
datos, el Polgono de Frecuencias deja de ser una curva quebrada y se convierte en una Curva de Distribucin. La
funcin que genera a la Curva de Distribucin se conoce como funcin de densidad de probabilidad (f(x)) y cumple
con las siguientes propiedades:
1. f(x) es una funcin unvaluada y positiva para todos los valores
x
.
2. f(x) est normalizada a la unidad

1 f(x)dx
.
3. La probabilidad de que x caiga entre dos valores reales a y b est dada por:

b
a
f(x)dx b) x P(a
y la probabilidad de que se obtenga un valor

x est dada por:

x
f(x)dx F(x)
donde la funcin F(x) se conoce como funcin de distribucin de probabilidad o funcin integral de distribucin.
El valor de la media poblacional () de la funcin de densidad de probabilidad est dado por:

xf(x)dx
(13)
Es necesario destacar que la media obtenida a travs de la ecuacin (13) es la media poblacional, mientras
que
x
es un estimador de esta media. Que tan buen estimador resulte
x
depende de que tan representativa es la
muestra de la poblacin.
Algunas propiedades de la media poblacional, que tambin son validas para la media muestral
definida en la ecuacin 2, son:
1.-Si c es una constante (magnitud no aleatoria)se cumple
(c)= c
(14)
(cx)= c(x)
(15)
2.- Si la magnitud aleatoria x es la suma de n magnitudes independientes
x = x
1
+ x
2
+ . . . +x
n
el valor medio de la variable x es igual a la suma de los valores medios de cada una de las n variables
aleatorias
(x) = (x
1
) + (x
2
) + . . . +(x
n
)
(16)
3.- Si la magnitud aleatoria y es una cierta funcin no lineal de n magnitudes aleatorias independientes
31
y = f(x
1
,x
2
, . . ., x
n
)
que vara poco en intervalos pequeos de variacin de los argumentos, para la media (y) se cumple, en forma
aproximada que
(y) = f((x
1
), ( x
2
), . . ., (x
n
))
(17)
La varianza poblacional (
2
) se obtiene:
x f(x)d ) (x
2 2

(18)
La varianza tiene las siguientes propiedades:
1.- Si c es un nmero constante entonces

2
(c) = 0
(19)

2
(cx) = c
2

2
(x)
(20)
2.- La ley de adicin de las varianzas: Si la magnitud aleatoria x es la suma de n magnitudes independientes
x=x
1
+ x
2
+ . . . +x
n
el valor de la varianza de la variable x es igual a la suma de los valores de las varianzas de cada una de las n
variables aleatorias

2
(x) =
2
(x
1
) +
2
(x
2
) + . . . +
2
(x
n
)
(21)
vale la pena hacer notar que la ley de adicin es valida para las varianzas (
2
(x)) no as para las desviaciones
tpicas ((x)).
Relacin Entre la Desviacin Tpica Poblacional y Muestral.
Sea la funcin y = f(x
1
,x
2
), a pesar de que el desarrollo se har para dos variables es vlido para n variables,
al desarrollar en series de Taylor
y y +
se llega a
) , (
2 2 1 1
x x x x f y y + + +
(22)
mayor orden de terminos x
x
f
x
x
f
) x , f(x y y
2
2
1
1
2 1
+

+ +
(23)
entonces
32
mayor orden de terminos x
x
f
x
x
f
y
2
2
1
1
+

(24)
Es necesario hacer notar que en particular, si el desarrollo se hace en torno del valor medio entonces
y y y
,
1 1 1
x x x
y 2 2 2
x x x
ya que
) x , x f( y
2 1

, de donde la varianza de y est dada por

( )
n
y
) y (
2

(25)
La n en el numerador se debe a que se est considerando la varianza poblacional. Sustituyendo el valor de y
se tiene
( ) ( )
1
]
1

,
_

,
_

2
2
2
1
1
2
x
x
f
x
x
f
n
1
) y (
(26)
al desarrollar el cuadrado del binomio llega a
( ) ( ) ( ) ( )

1
1
]
1

,
_

,
_

,
_

,
_

2 1
2 1
2
2
2
2
2
1
2
1
2
x x
x
f
x
f
2 x
x
f
x
x
f
n
1
) y (
(27)
Distribuyendo la suma y n
( ) ( ) ( )( )
1
1
]
1

,
_

,
_

,
_

,
_

n
x x
x
f
x
f
2
n
x
x
f
n
x
x
f
) y (
2 1
2 1
2
2
2
2
2
1
2
1
2
(28)
pero
( )
) (x
n
x
i
2
2
i

(29)
aplicando este resultado a la expresin
( )( )
1
1
]
1

,
_

,
_

,
_

,
_

n
x x
x
f
x
f
2 ) (x
x
f
) (x
x
f
) y (
2 1
2 1
2
2
2
2
1
2
2
1
2
(30)
El comportamiento de
( ) ( )
2 1
x x
depende de la relacin que hay entre las variables x
1
y x
2
. Efectuando
la suma
33
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
n 2 n 1 2 2 2 1 1 2 1 1
n
1 i
i 2 i 1
x x ... x x x x x x + +

(31)
El trmino
( ) ( )
k 2 k 1
x x
es un sumando del producto punto de los vectores
( ) ( ) ( ) ( ) { }
n 1 2 1 1 1 1
x ,... x , x X
y
( ) ( ) ( ) ( ) { }
n
x x x X
2 2 2 1 2 2
,... ,
(32)
Recordando que el producto punto de dos vectores est dado por
cos X Y X Y
(33)
al sustituir en el doble producto de la expresin (30) se tiene
( ) ( ) cos 2
2 1
2 1
x x
x
f
x
f

,
_

,
_

(34)
Para determinar el cos se grafica x
1
en funcin de x
2
. Se determina el valor promedio
1
x
y
2
x
. Tomando
como origen los valores promedio (
1
x
y
2
x
) se refieren los puntos (x
1
)
i
,(x
2
)
i
dando lugar al siguiente conjunto de
puntos
X
2
X
1
( )
2 1 2
x x ( )
1 1 1
x x
( )
2 2 2
x x ( )
1 2 1
x x
. . . . . .
( )
2 2
x x
k
( )
1 1
x x
k

. . . . . .
( )
2 2
x x
n

( )
1 1
x x
n

34
Se construyen las rectas X
1
= m
2
X
2
y X
2
= m
1
X
1
que se cruzan en el origen del nuevo sistema de ejes
coordenados, el punto (
1
x
,
2
x
) del sistema de ejes original.
Se tiene tres posibles situaciones con las rectas:
Caso en el que 90 0 < y entonces el cos se encuentra entre
1 , 0
Caso en el que
90
y el cos0
Caso en el que
180 90 <
y el cos se encuentra entre
0 , 1
35
El cos se obtiene del producto punto de los vectores
n
'
1 2
'
1 1
'
1 1
) ,...(x ) (x , ) (x X y
n
'
2 2
'
2 1
'
2 1
) ,...(x ) (x , ) (x X ,
entonces
2 1
2 1
cos
X X
X X

(35)
de donde
( )
( ) ( )

2
2
2
1
2 1
cos
i i
i
X X
X X

(36)
expresando ( )
'
1
x y ( )
'
2
x en trminos de (x
1
)
i
y (x
2
)
i
se llega a
1 2
2 2
1
2
)( ))
( ) ( )
1 2
1 2
((x x x x
cos
x x x x
i
i i

(37)
que se conoce como coeficiente de correlacin lineal (r).
Si hay una correlacin directa entre x
1
y x
2
entonces
0 1 > r
.
Si x
1
y x
2
no estn correlacionados entonces r=0..
Si x
1
y x
2
estn correlacionados inversamente entonces
1 0 > r
De lo anterior se tiene que la ecuacin (25) se puede expresar como
36
1
1
]
1

,
_

,
_

,
_

,
_

r x x
x
f
x
f
x
x
f
x
x
f
y ) ( ) ( 2 ) ( ) ( ) (
2 1
2 1
2
2
2
2
1
2
2
1
2

(38)
el caso general en el que y = f(x
1
, x
2
, x
3
, . . . , x
N
) entonces la varianza de y ((y)) es
1
1
]
1

,
_

,
_

,
_

ij j i
j i
N
j
N
i
i
i
N
i
r x x
x
f
x
f
x
x
f
y ) ( ) ( 2 ) ( ) (
1
1
1
2
2
1
2

(39)
Es necesario hacer notar que la ecuacin (39) es la utilizada en la GUA BIMP/ISO PARA LA
EXPRESIN DE LAS INCERTIDUMBRES EN LAS MEDICIONES para determinar la
incertidumbre combinada.
Al obtener el valor promedio de la variable x se tiene
( )
n
x x x x
n
x + + + + ...
1
3 2 1
(40)

,
_

+ + + +
n
x
n
x
n
x
n
x
x
n
...
3 2 1
de donde las derivadas parciales son:
n x
f
k
1

(42)
introduciendo este resultado en la expresin 39
( ) ( ) ( )

'

,
_

+ +

,
_

,
_

n
x s
n
x s
n
x s
n
x
2
2
2
2
2
1
2
2
2
1
...
1 1
) (
(43)
Se han sustituido las
k
(x )
por
k
s(x )
; ya que solamente se cuenta con las desviaciones tpicas de cada valor
individual de x. Ya que las varianzas s
2
(x
k
) son varianzas de la misma variable entonces cumplen
( ) ( ) ( ) { }
2 2 2
1 2
...
n
s x s x s x
(44)
de donde se obtiene que la varianza del promedio est dada por
( )
( )
n
x s
x
2
2

(45)
La expresin (45) multiplicada por el factor de correccin t es la incertidumbre tipo A.
37
Ejemplos de Funciones de Densidad de Probabilidad.
Funcin de Densidad de Probabilidad Normal.
Un ejemplo de funcin de densidad de probabilidad es la Funcin Gaussiana o Funcin de Densidad de
Probabilidad Normal. En la naturaleza no existe un gran nmero de variables que cumplan con esta distribucin; sin
embargo, presenta la ventaja que para un nmero grande de datos otras funciones de densidad se aproximan a la
funcin de Densidad de Probabilidades Normal.
La Funcin de Densidad Normal o Funcin Gaussiana para una variable aleatoria x est dada por:

'

1
]
1

2
2
1
exp
2
1

x
f
(46)
Mientras que la Funcin de Distribucin de Probabilidad es:
( )
0
2
x
-
1 1 x-
F x = dx exp -
2 2

1
' )
1
]

(47)
La curva de la Funcin de Densidad de Probabilidad (figura 7) es simtrica con respecto a la posicin de ,
razn por la cual la moda y la mediana coinciden con la media. Vale la pena hacer notar que el ancho de la curva
depende de , entre ms grande es la desviacin tpica ms ancha y ms baja es la campana.
38
Figura 7
El rea bajo la curva cumple que el .68 se encuentra en la regin determinada por [, + ], es decir existe
un 68%de probabilidad de que dado un valor de la variable aleatoria ste caiga en dicho intervalo.
Para la regin comprendida en [2, + 2], se cuenta con un .955 del rea bajo la campana, lo que indica que
dado un valor de x existe um .955 de probabilidad de que caiga en esa regin.
El 99.7% del rea bajo la Funcin de Densidad de probabilidad est comprendida en [3, + 3], con lo
que se tiene una probabilidad de. .997 de encontrar un valor dado de la variable x.
Los valores del rea bajo la curva de la Funcin de Densidad de probabilidad Normal se encuentran en tablas
para los valores =O y = 1, de tal suerte que para poder hacer uso de estos datos es necesario efectuar el siguiente
cambio de variable:
x-x
z=
s
(48)
Con x valor de la variable estudiada,
x
valor medio,
s
valor medio de las desviaciones tpicas de cada valor de x y
z es el valor de la variable que se requiere consultar en la tabla.
Para poder hacer uso de la informacin contenida en las tablas de rea bajo la funcin normal de distribucin
de probabilidad, se hace necesario saber que zona de la funcin se est presentando. En las siguientes figuras se
muestran algunas posibilidades.
Figura 8.- La zona achurada representa la funcin de Distribucin de Probabilidad F(x).
39
De acuerdo con la ecuacin 47 la Funcin de Distribucin de Probabilidad (F(x)) es el rea bajo la funcin
de Densidad de Probabilidad de

a un cierto valor x
0
de la variable, es decir es la probabilidad de encontrar un
valor de la variable en el intervalo
,
0
x
:
)
0 0
F(x )= P(- <x x
(49)
Con esta tabla tambin es posible determinar, directamente
6
, la probabilidad del intervalo complementario:
)
0 0
P(x x< )= 1 - P(- <x x
(50)
Figura 9.- rea central bajo la curva de la funcin de densidad de probabilidad Normal o de Gauss.
Algunas tablas de rea bajo la curva de densidad de probabilidad Normal lo que contienen es el rea central
de la curva (Fig. 9), es decir la probabilidad del intervalo centrado en el valor medio
0 0
(P(-x x x ))
. Es claro
que con la informacin contenida en esta tabla es posible determinar las siguientes probabilidades:
0 0
0 0
P(-x x x )
P(-x x 0) = P(0 x x ) =
2


(51)
6
La aclaracin directamente es porque la determinacin de la probabilidad no requiere hacer ninguna otra operacin matemtica, sin
embargo con cualquier tabla es posible determinar la probabilidad de cualquier intervalo, basta recordar que la integral de un intervalo es
igual a la suma de las integrales de los subintervalos en los que se divide el intervalo.
40
expresin valida cuando
0 0
-x = x
y sin olvidar que el valor medio usado para realizar los clculos es igual a cero
( = 0)
. La probabilidad de las colas:
0 0 0 0
P(- <x x ) + P(-x x< ) = 1 - P(-x x x )
(52)
por cierto existen tablas que contienen esta probabilidad (fig. 10).
Vale la pena repetir que sabiendo el tipo de informacin contenida en las tablas de la funcin de
densidad de probabilidad Normal es posible determinar la probabilidad de cualquier intervalo de inters, basta hacer
las sumas o las restas correspondientes, sin olvidar que las probabilidades de los intervalos son reas bajo la curva y
que stas pueden sumarse o restarse.
Figura 10.- rea de colas bajo la curva de la funcin de densidad de probabilidad Normal o de Gauss.
Con el fin de ver la aplicacin de las tablas de valores de la funcin de densidad de probabilidad se presenta
el siguiente ejemplo: Suponiendo que los datos utilizados en el ejemplo (tabla de frecuencia) siguen una distribucin
normal, suposicin inadecuada por qu?, cul es el intervalo de valores de la variable, centrado en el valor
promedio, en el que existe un 50 % de probabilidad de encontrar un valor x de la variable?.
Como se ve en la tabla mostrada en la figura 11, para un rea de 0.5 se tiene un valor de z = 0,674, con este
valor y haciendo uso de la ecuacin 48 es posible determinar el valor la variable x. Despejando a x:
x = (z s) + x
(53)
Sustituyendo: x = 18,12 y s = 0,16 en la ecuacin 53 se tiene:
41
x = (0,674 0,16) + 18,12
x = 18,23
Este valor de la variable x representa el lmite superior de la regin central que es el 50% del rea
bajo la curva, el lmite inferior se obtiene de la siguiente forma:
Figura 11.- Ejemplo de diferentes formas de presentacin del rea bajo la curva de la Funcin de de
Densidad de Probabilidad.
sup
x = x -x
inf
x = x-x
Sustituyendo los valores correspondientes:
x = 18,23-18,12
x = 0,11
inf
x = 18,12 - 0,11
inf
x = 18,01
El intervalo de valores de x en que existe un 50 % de probabilidad de que un valor de x caiga es
[ ]
18, 01;18, 23
. De la tabla de frecuencia se observa que hay 11 datos que caen en el intervalo, lo que demuestra una
buena aproximacin.
42
Con la misma hiptesis (que los datos utilizados en el ejemplo (tabla de frecuencia) siguen una distribucin
normal) determinar cual es la probabilidad de encontrar un valor de x en el intervalo[ ]
17, 80;18, 44
, centrado en el
valor promedio.
Para poder hacer uso de la tabla de la figura 11 es necesario transformar el intervalo de inters a un intervalo
en trminos de la variable z, dado que el intervalo est centrado en el valor promedio bastar transformar uno de los
valores extremos, por ejemplo 17,80 entonces haciendo uso de la expresin 48 se tiene:
17,80-18,12
z=
0,16
z = -2
Lo que significa, en trminos de la variable z, que el intervalo es [ ]
2, 2
. De acuerdo a la tabla de la figura
11, en dicho intervalo, se tiene aproximadamente (z = 1.960) un rea de 0,95. Recordando que el rea total bajo la
funcin de distribucin est normalizada a uno, entonces el rea comprendida en el intervalo representa un 95 % del
rea total, lo cual quiere decir que existe un 95 % de probabilidad de encontrar un valor en dicho intervalo:
P (17,80 x 18,44) = 0,95
Sin embargo de la tabal de frecuencia se tiene que el espacio muestral est comprendido en el
intervalo [ ]
17, 82;18, 40
, situacin que se debi prever. Es necesario reflexionar en el sentido que se est tratando
de predecir el comportamiento de una funcin de densidad de probabilidad obtenida a partir de un nmero finito de
datos y que su espacio muestral est contenido en un intervalo finito, a travs de una funcin de densidad
desarrollada para un nmero infinito de datos y cuyo espacio muestral es
, < >
.
Funcin de distribucin t-Student.
La funcin t-Student es una funcin de distribucin de probabilidad que considera a la desviacin tpica
muestral,, en contraste con la funcin normal que utiliza la desviacin tpica poblacional.

,
_

x s
x
t

(49)
La funcin de la densidad de probabilidad t-Student depende del nmero de grados de libertad (f) de la
desviacin tpica muestral, que es igual a n-1 con n nmero de observaciones, y se determina a travs de la frmula.
43
( )
( )
< <

,
_

,
_

,
_

,
_

t
f
t
f
f
f
t
f
2
1
2
2
1
1
2
2
1

(54)
Donde la funcin gama ( (x)) se define como:
1
-
0
( ) = e
z
y
z y dy

(55)
En la figura 12 se muestra la funcin de distribucin t-Student para varios grados de libertad, la funcin es
simetrca respecto al valor t=0. Para valores de f>20 la funcin de distribucin t-Student se acerca a la funcin
normal y para f = ambas coinciden. Para valores pequeos de f, es decir para pocos grados de libertad (pocas
observaciones) la funcin de distribucin se diferencia fuertemente de la normal. Por ejemplo para f=1 la funcin
(t) su mximo es menor y se acerca al eje de las abscisas ms lentamente para t.
Una de las aplicaciones de las funciones de distribucin de probabilidad, es dada una probabilidad
determinar el intervalo de valores de la variable que cumple con dicha probabilidad. En el caso de la funcin t-
Student si la probabilidad de que la magnitud aleatoria t caiga en un intervalo cualquiera est dada, los lmites del
intervalo buscado se caracterizan por las magnitudes -t
1-
(f),t
1-
(f), dependientes del nmero de grados de libertad f y
determinados de la condicin.
P(-t
1-
(f)<t(f)<t
1
(f))= (52)
44
Figura 12
Un ejemplo de aplicacin de la distribucin t-Studen es la determinacin del error que hay entre la media
poblacional de una variable y la media muestral. Considerando como centro la media muestral, dado un intervalo.
(Por lo general la probabilidad de que la media poblacional caiga en dicho intervalo es de 0.95, pudiendo tomar
otros valores dependiendo del tipo de observaciones.
El intervalo de confianza para la media poblacional de la magnitud aleatoria se puede construir mediante la
magnitud aleatoria t y la funcin de distribucin t-Student, ya que el nmero de observaciones es pequeo.
Aplicando la expresin (52), que determina los lmites del intervalo de confianza por la probabilidad de que la
magnitud aleatoria x caiga en l; como tal se toma la magnitud de la funcin t-Student (f) con f=n-1 grados de
libertad, donde n es el nmero de observaciones.
P(-t
1
(f)<t(f)<t
1-
(f))=
Sustituyendo el valor t(f) de acuerdo con la expresin (49). Se obtiene
P(-t
1-
(f)<

<

)) (
) (
1
f t
x s
x

(53)
A solucionar la desigualdad para , se llega a

( ) ( )


,
_

,
_
+ < <

,
_

x s f t x x s f t x P
1 1
(

(54)
este intervalo es el intervalo de confianza, que determina la certeza de la media muestral, como estimador de la
media poblacional de la magnitud que se mide.
Aplicando el resultado de la ecuacin (45) se obtiene
( )
( )
n
x s
f t x s f t ) (
1 1

,
_

(55)
Este resultado ser utilizado para expresar la desviacin tpica poblacional ((x)) en base a la desviacin tpica
muestral (s(x)) en el momento de determinar la incertidumbre tipo A.
Bibliografa
Baird D. C. "Experimentation: An Introduction to Measurement Theory and Experiment Design. Prentice Hall. New
Jersey, 1962.
45
Spiridonov V. P. Y Lopatkin A. A., Tratamiento Matmatico de Datos Fsico-Qumicos. MIR. Mosc, 1973.
Lpez Carmona Sergio y Snchez Fernndez Carlos. A. Reporte Tcnico CNM-MEE-PT-0001. "Resumen y
Ejemplos de Aplicacin de la Gua ISO/Bipm para la Expresin de Incertidumbres en la Mediciones". Quertaro,
1994.
Riveros G. Hctor y Rosas Luca. "El Mtodo Cientfico Aplicado a las Ciencias Experimentales": Trillas. Mxico,
1982.
"EVALUACION DE LA INCERTIDUMBRE EN LOS RESULTADOS DE LAS MEDICIONES"
Un poco de historia acerca de la evolucin de la recomendacin para la expresin de la incertidumbre.
1977 El CIPM (International Cornmittee for Weights and Measures) encarga al BIPM (International Bureau
of Weights and Measures) busque un consenso internacional en la forma de expresar la incertidumbre en las
mediciones.
1980 El BIPM convoca al grupo de trabajo sobre "El Informe de la Incertidumbre". Ese mismo ao surge la
recomendacin INC-.
1985 A solicitud que le hace el CIPM a la ISO (International Organization for Standardization) surge "La Gua
para la Expresin de la Incertidumbre en las Mediciones".
1993 Aparece la segunda edicin de "lntemational V ocabulary of Basic and General Terms in Metrology" en
donde se establece:
INCERTIDUMBRE EN LA MEDICION: parmetro asociado con el resultado de una medicin, que
caracteriza la dispersin de valores que puede ser razonablemente atribuido al mensurando ( cantidad particular
sujeta a medicin).
1996 NMX-CH-140:1996IMNC GUA PARA EVALUACIN DE LA INCERTIDUMBRE EN LOS
RESULTADOS DE LAS MEDICIONES
46
47
48
Cercana entre el resultado de una medicin y el
valor verdadero de la cantidad medida.
Cercana entre los resultados de mediciones de la
misma cantidad, bajo medicin.
Cercana entre los resultados de mediciones de la
misma cantidad, bajo medicin.
Mediciones resultado de una
comparacin directa entre un
instrumento de medicin y la cantidad
que se est midiendo.
Mediciones resultado de algn modelo
matemtico o relacin funcional, entre la
cantidad de inters y cantidades que se
miden directamente.
EXACTITUD
REPRODUCIBILIDAD
(de los resultados de condiciones
diferentes de mediciones)
REPETBILIDAD
(de los resultados las mismas
condiciones de de mediciones)
MEDICIONES DIRECTAS
MEDICIONES INDIRECTAS
1
Incertidumbre (de la medicin)
Parmetro asociado con el resultado de
una medicin que caracteriza la
dispersin de los va1ores, que
razonablemente pudiera ser atribuida al
mensurando.
Estandar-Incertidumbre del resultado de
una medicin expresada como una
desviacin tpica.
Tipo A-Incertidumbre determinada mediante
el anlisis estadstico de una serie de
observaciones.
Tipo B- Incertidumbre determinada por otro
medio que no sea el anlisis estadstico de
una serie de observaciones.
Estndar Combinada- Incertidumbre estndar
del resultado de una medicin cuando el
resultado se obtiene a partir de los valores
de algunas otras magnitudes, igual a la raz
cuadrada positiva de una suma de trminos,
siendo estos trminos las varianzas y
covarianzas de estas otras magnitudes
ponderadas de acuerdo a cmo el resultado
de la medicin vara con respecto a cambios
en esas magnitudes.
Expandida-Cantidad que define un intervalo
alrededor de una medicin del que se puede
esperar abarque una fraccin grande de la
distribucin de valores que razonablemente
pudieran ser atribuidos al mensurando.
2
INTUITIVAMENTE
-MEDICIONES DIRECTAS:
Una sola medida: se asocia la incertidumbre del aparato, por ejemplo: la mitad de la
mnima escala para el caso de un flexmetro o cinta mtrica; la mnima escala para
sistemas con nonio, de acuerdo a lo indicado en el manual para equipos elctricos y
electrnicos.
Repeticin de varias medidas: Se toma en cuenta la incertidumbre del aparato y se le
suma la desviacin tpica de los resultados de las mediciones.
1
) (
2

n
x x
s
-MEDICIONES INDIRECTAS:
En este caso se tiene un modelo matemtico que relaciona la variable de inters
con las variables de las que depende.
y=f(x
l
,x
2
,...x
n
)
Suponiendo, por facilidad, que "y" depende de una sola variable y considerando a
las derivadas como cocientes se tiene:
x
dx
dy
y

,
_

Con y y x incertidumbres de las variables x e y. Para el caso en el que y
depende de ms de una variable se tiene:
n
n
x
dx
dy
x
dx
dy
x
dx
dy
y

,
_

+ +

,
_

,
_

1
21
2
1
1
...
De Acuerdo con la Gua BIMP/ISO para la Expresin de las Incertidumbres en
las Mediciones:
La incertidumbre de una medicin se expresa como una desviacin tpica
3
2 / 1
1
1
1 1
2
1
2
) ( ) ( ) ( 2 )) ( ( ) (
1
1
]
1

,
_

+
n
i
n
i
n
i j
j i j i
j i i
x x r x x
x
y
x
y
x
x
y
y

Existen 2 contribuciones a la incertidumbre:

Incertidumbre Tipo A es igual a:
n
x S
f t x
A
) (
) ( ) (
1

Es comn no contar con una muestra mayor a 10 datos, en esas situaciones es

necesario multiplicar la desviacin tpica muestral (s(x)) por el factor de correccin t, el
cual se obtiene de la Funcin de Distribucin de Probabilidad t-Student. La tabla muestra
los valores de
1
t para un factor de cobertura k=2 y diferentes nmeros de datos.
Nmero de
observaciones
t
1-
2 7.0
3 2.3
4 1.7
5 1.4
6 1.3
7 1.3
8 1.2
9 1.2
4
En el caso de las incertidumbres tipo B se tiene que la desviacin tpica se evala por
medios diferentes al anlisis estadstico, tomando en cuenta toda la informacin de que
se disponga, tal Como:
-Datos de mediciones previas.
- Experiencia con el sistema de mediciones o conocimiento general del mismo
- Especificaciones del fabricante
- Datos disponibles de calibracin y otros reportes
- Incertidumbre asignadas a datos de referencia de manuales, informes, etc..
Es, en la mayora de los casos, necesario realizar alguna manipulacin de la
informacin para poder expresar la incertidumbre como una desviacin tpica, por
ejemplo:
a).- Suponiendo que la incertidumbre se expresa como un mltiplo de la desviacin
tpica, se tiene
B E
h en donde
E
es la Incertidumbre y
B
es la desviacin
tpica. Entonces la incertidumbre tipo B est dada por:
h
E
B


b ).- Si se supone que
E

se expresa como un nivel de confianza se tiene:

k

E
B

donde k es el factor de cobertura y se supone que el mensurando sigue una distribucin
normal.
c).- Suponiendo que el valor del mensurando se encuentra en un intervalo tal que, la
probabilidad de que el mensurando tome cualquier valor de dicho intervalo es la
misma, funcin de distribucin rectangular.
5
d).- En el caso en el que el mensurando siga una distribucin triangular :
6
a
B

donde a es la semibase del tringulo, de la funcin de distribucin.
La incertidumbre expandida ( exp

) es la incertidumbre combinada multiplicada

por un factor de cobertura k
c exp
k
6
suponiendo que el mensurando sigue una funcin de distribucin normal alrededor del valor informado, el factor de cobertura tiene el
siguiente nivel de confianza :
k
(factor de cobertura)
Nivel de confianza
1 68,27 %
2 95,45 %
3 99, 73 %
El valor de k=2, con un nivel de confianza de 95,45%, es el valor utilizado en la
mayora de los trabajos de metrologa.
Pasos necesarios para determinar la incertidumbre:
l.-Definir el mensurando, determinando los mensurandos de los que depende
II.-Determinar el modelo que representa el proceso de medicin, es decir expresar a
travs de la relacin entre el mensurando de inters y los mensurandos de los que
depende.
III.-Clasificar las componentes de la incertidumbre: Incertidumbre tipo A e
incertidumbre tipo B.
IV.- Para determinar la Incertidumbre Estndar Combinada Aplicar la expresin:
2 / 1
1 1 1
2
2
) , ( ) ( ) ( 2 )) ( ( ) (
1
1
]
1

,
_

+
N
I
n
i
n
i j
j i ij j i
j i
i
i
x x r x x
x
y
x
y
x
x
y
y

con
7

2
2
2
1
2 2 1
) ( ) (
)) )( ((
i i j j
j i i
ih
x x x x
x x x x
r

V.- Determinar la Incertidumbre Expandida
c
k
exp
con k factor de cobertura.
ANEXO.
DEFINICIONES UTILIZADAS EN LA NORMA ISO 5725-1
EXACTITUD (VERACIDAD Y PRECISIN) DE MTODOS
DE MEDICIN Y RESULTADOS
3.5 valor de referencia aceptado (accepted reference value): Un valor que sirve como
un valor de referencia acordado para comparacin, y que se obtuvo como:
a) un valor terico o establecido, basado sobre principios cientficos;
b) un valor asignado o certificado, basado en trabajo experimental realizado por
alguna organizacin nacional o internacional;
c) un valor por consenso o certificado, basado en un trabajo experimental de
colaboracin bajo el auspicio de un grupo cientfico o de ingeniera;
d) cuando a), b) y c) no estn disponibles, el valor de expectacin de una cantidad
(mensurable), y entonces el valor promedio de una poblacin especial de medidas.
8
3.6 exactitud (accuracy): la cercana o acuerdo que hay entre el resultado de una prueba
y el valor de referencia aceptado.
Nota 2 El trmino exactitud aplicado a un conjunto de resultados, involucra una
combinacin de componentes aleatorias y un error sistemtico comn o componente de
desviacin.
3.7 veracidad?? (truenes): La cercana de concordancia entre el valor promedio
obtenido de un gran nmero de series de resultados de una prueba y el valor de referencia
aceptado.
Notas
3 La medida de la veracidad se expresa, usualmente, en trminos de una desviacin.
4 La veracidad es referida como exactitud del promedio. Este uso no es recomendado.
3.8 sesgo (bias): La diferencia entre la expectacin (expectation)? de los resultados de la
prueba y el valor aceptado de referencia.
Nota a qu se refiere la expectacin?
Nota 5 Sesgo es el error sistemtico total y se contrasta con el error aleatorio. Puede
haber ms de un error sistemtico contribuyendo al sesgo. Un diferencia grande
sistemtica respecto al valor aceptado se refleja en un sesgo grande.
3.12 precisin (precision): Cercania en concordancia entre resultados de pruebas
independientes obtenidos bajo condiciones estipuladas.
Notas
9 La precisin depende exclusivamente de la distribucin aleatoria de errores y no est
relacionada con el valor verdadero oel valor especificado.
10 La medida de la precisin es usualmente expresada en trminos de imprecisin y es
calculada como una desviacin tpicade los resultados de las prueba. Una precisin baja
se refleja en una desviacin tpica muy grande..
11Resultados de pruebas independientes significa que los resultados obtenidos no estn
influidos de ninguna forma por resultados obtenidos previamente sobre el mismo objeto u
objeto similar.
9
ANEXO
RESUMEN
METROLOGA-VOCABULARIO DE TRMINOS FUNDAMENTALES Y
GENERALES
(Metrology-vocabulary of basic and general terms)
NMX-Z-055-1996-1MNC
1.-MAGNITUDES Y UNIDADES
10
1.1 Magnitud (medible)
Atributo de un fenmeno, cuerpo o substancia que es susceptible de ser diferenciado
cualitativamente y determinado cuantitativamente.
NOTAS
1 El trmino "magnitud" puede referirse a una magnitud en un sentido general (ver
Ejemplo a) o a una magnitud particular (ver Ejemplo b).
Ejemplos:
a) Magnitudes en un sentido general:
Longitud, tiempo, masa, temperatura, resistencia, concentracin en una cantidad de
substancia;
b) Magnitudes particulares:
-Longitud de una varilla.
-Resistencia elctrica de un alambre de una muestra dada.
-Concentracin de etanol, en cantidad de substancia, en una muestra de vino.
2 Las magnitudes que pueden ser clasificadas, las unas en relacin a las otras en
orden creciente o decreciente, son llamadas magnitudes de la misma naturaleza (ver 1.22).
3 Las magnitudes de la misma naturaleza pueden ser agrupadas en su conjunto en
categoras de magnitudes por Ejemplo:
-Trabajo, calor, energa;
-Espesor, circunferencia, longitud de onda.
4 Los smbolos de las unidades se establecen en la norma NOM-008-SCFI.
1.18 Valor (de una magnitud)
Expresin cuantitativa de una magnitud particular, expresada generalmente en la forma
de una unidad de medida multiplicada por un nmero.
Ejemplos:
a) Longitud de una varilla 5,34 m 534 cm;
b) Masa de un cuerpo 0,152 kg 152 g;
c) Cantidad de substancia de una muestra de agua (H20): 0,012 mol 12 mmol.
NOTAS
1 El valor de una magnitud puede ser positivo, negativo o cero.
2 El valor de una magnitud puede ser expresado en ms de una forma.
3 Los valores de las magnitudes de dimensin uno se expresan como nmeros.
11
4 Algunas magnitudes para las cuales no se sabe definir su relacin con una unidad,
puede ser expresadas por referencia a una escala de referencia o a un procedimiento de
medida especificado o a los dos.
1.19 Valor verdadero (de una magnitud).
Valor compatible con la definicin de una magnitud particular dada.
NOTAS
1 Es un valor que se obtendra por una medicin perfecta.
2 Los valores verdaderos son por naturaleza indeterminados.
3 El articulo indefinido "un" ms que el articulo definido "el" se utiliza
conjuntamente con el "valor verdadero" porque puede haber varios valores compatibles
con la definicin de una magnitud particular dada.
1.20 Valor convencionalmente verdadero (de una magnitud).
Valor atribuido a una magnitud particular y aceptado, algunas veces por convencin,
como un valor que tiene una incertidumbre apropiada para un propsito dado.
Ejemplos:
1 En un lugar determinado, el valor asignado a la magnitud realizada por un patrn
de referencia puede tomarse como un valor convencionalmente verdadero;
2 El valor recomendado por CODATA (1986) para la constante de Avogadro es:
NA=6,022 136 7 x 10
23
mol
-1
.
NOTAS
1 El valor convencionalmente verdadero es algunas veces llamado, valor asignado,
mejor estimado del valor, valor convenido o valor de referencia. El termino "valor de
referencia", en este sentido, no debe confundirse con el mismo termino utilizado en 5.7.
2 Con frecuencia se utiliza un nmero de resultados de medidas de una magnitud
para establecer un valor convencionalmente verdadero.
2 MEDICIONES
2.1 Medici6n.
Conjunto de operaciones que tienen por objeto determinar el valor de una magnitud.
NOTA
1 Las operaciones pueden ser realizadas automticamente.
2.2 Metrologa.
Ciencia de la medici6n.
NOTA
12
1 La metrologa incluye todos los aspectos tericos y prcticos relacionados con las
mediciones; cualquiera que sea su incertidumbre, en cualquiera que sea el campo de la
ciencia y de la tecnologa.
2.3 Principio de medici6n.
Base cientfica de una medici6n.
Ejemplos:
a) El efecto termoelctrico aplicado a la medici6n de temperatura;
b) El efecto Josephson aplicado a la medicin de la diferencia de potencial elctrico;
c) El efecto Doppler aplicado a la medicin de velocidad;
d) El efecto Raman aplicado a la medicin del nmero de onda de las vibraciones
moleculares.
2.4 Mtodo de medicin
Secuencia 1gica de las operaciones, descritas de manera genrica, utilizada en la
ejecucin de las mediciones.
NOTA
1 Los mtodos de medicin pueden ser calificados en varias formas:
- Mtodo de substitucin;
- Mtodo diferencial;
- Mtodo nulo o de cero.
2.5 Procedimiento (de medicin)
Conjunto de operaciones, descritas especficamente, para realizar mediciones particulares
de acuerdo a un mtodo dado.
NOTA
1 Un procedimiento de medicin es usualmente descrito en un documento, llamado
algunas veces "procedimiento" y que proporciona suficientes detalles para que un
operador pueda realizar una medicin sin necesitar ms informaci6n.
2.6 Mensurando.
Magnitud particular sujeta a medicin.
Ejemplo:
a) Presin de vapor de una muestra dada de agua a 20 C.
NOTA
1 La especificacin de un mensurando puede requerir indicaciones acerca de
magnitudes tales como el tiempo, la temperatura y la presin.
2.7 Magnitud de influencia.
13
Magnitud que no es el mensurando pero que afecta al resultado de la medicin.
Ejemplos:
a) La temperatura de un micrmetro cuando se trata de la medida de una longitud;
b) La frecuencia en la medicin de la amplitud de una tensin elctrica alterna;
c) La concentracin de bilirubina cuando se mide la concentracin de hemoglobina en
una muestra de plasma sanguneo humano.
3 RESULTADOS DE MEDICIONES
3.1. Resultado de una medicin
Valor atribuido a un mensurando, obtenido por medicin.
NOTAS
1 Cuando se da un resultado, se indicara claramente si se refiere:
- a la indicacin;
- al resultado no corregido;
- al resultado corregido;
y si el resultado es un promedio obtenido a partir de varias mediciones.
2 Una expresin completa del resultado de una medicin incluye informacin sobre la
incertidumbre de la medicin.
3.3 Resultado no corregido.
Resultado de una medicin antes de la correccin del error sistemtico.
3.4 Resultado corregido.
Resultado de una medicin despus de la correccin del error sistemtico.
3.5 Exactitud de medicin.
Proximidad de la concordancia entre el resultado de una medicin y un valor verdadero
del mensurando.
NOTAS
1 El concepto de <<exactitud>> es cualitativo.
2 El termino <<precisin>> no debe utilizarse por exactitud.
3.6 Repetibilidad (de los resultados de mediciones).
Proximidad de la concordancia entre los resultados de las mediciones sucesivas del
mismo mensurando, con las mediciones realizadas con la aplicacin de la totalidad de las
siguientes condiciones:
NOTAS
1 A estas condiciones se les llama condiciones de repetibilidad.
2 Las condiciones de repetibilidad comprenden:
14
- el. mismo procedimiento demedicin;
- el. mismo observador;
el mismo instrumento de medicin utilizado en las mismas condiciones;
- el mismo lugar;
- la repeticin dentro de un periodo corto de tiempo.
3 La repetibilidad se puede expresar cuantitativamente con la ayuda de las
caractersticas de la dispersin de los resultados.
3.7 Reproducibilidad (de los ;'resultados de mediciones).
Proximidad de la concordancia entre los resultados de las mediciones del mismo
mensurando, con las mediciones realizadas haciendo variar las condiciones de medicin.
NOTAS
1 Para que una expresin de la reproducibilidad sea vlida, es necesario especificar
las condiciones que se hacen variar.
2 Las condiciones que se hacen variar pueden ser:
- el principio de medicin;
- el mtodo de medicin;
- el observador;
- el instrumento de medicin;
- el patrn de referencia;
- el lugar;
- las condiciones de uso; - el tiempo.
3 La repetibilidad puede ser expresada cuantitativamente con la ayuda de las
caractersticas de la dispersin de los resultados.
4 Los resultados considerados aqu son, habitualmente, los resultados corregidos.
3.9 Incertidumbre de medicin.
Parmetro asociado al resultado de una medicin, que caracteriza la dispersin de los
valores que podran razonablemente, ser atribuidos al mensurando.
NOTAS
1 El parmetro puede ser, por Ejemplo, una desviacin estndar (o un mltiplo de
sta), o la mitad de un intervalo de nivel de confianza determinado.
2 La incertidumbre de medicin comprende, en general, varios componentes.
Algunos pueden ser evaluados a partir de la distribucin estadstica de los resultados de
series de mediciones y pueden ser caracterizados por las desviaciones estndar
experimentales. Los otros componentes, que tambin pueden ser caracterizados por las
15
desviaciones estndar, son evaluados admitiendo distribuciones de probabilidad, segn la
experiencia adquirida o de acuerdo con otras informaciones.
3 Se entiende que el resultado de la medicin es la mejor estimacin del valor del
mensurando, y que todos los componentes de la incertidumbre, incluyendo aquellos que
provienen de efectos sistemticos, tales que los componentes asociados a las correcciones
y a los patrones de referencia, contribuyen a la dispersin.
Esta definicin se toma de "Guide to the expression of uncertainly in measurement",
donde las bases se exponen detalladamente (ver en particular 2.2.4 y el anexo D [10]).
3.10 Error (de medicin).
Resultado de una medicin menos un valor verdadero del mensurando.
NOTAS
1 Puesto que un valor verdadero no puede ser determinado, en la practica se
.utiliza un valor convencionalmente verdadero (ver 1.19 y 1.20).
2 Cuando es necesario hacer la distincin entre <<el error>> y <<el error
relativo>>, el primero a veces es llamado <<error absoluto de medicin>>. No se le debe
confundir con el valor absoluto del error, el cual es el modulo del error.
3.11 Desviacin.
Un valor menos su valor de referencia.
3.12 Error relativo.
Es el error de medicin dividido entre un valor verdadero del mensurando
NOTA
1 Puesto que un valor verdadero no puede ser determinado, en la practica se utiliza
un valor convencionalmente verdadero (ver 1.19 y 1.20).
3.13 Error aleatorio.
Resultado de una medicin menos la media de un nmero infinito de mediciones del
mismo mensurando, efectuadas estas en condiciones de repetibilidad.
NOTAS
1 El error aleatorio es igual al error menos el error sistemtico.
2 Como s1o se puede hacer un nmero finito de mediciones, s1o es posible
determinar una estimaci6n del error aleatorio.
3.14 Error sistemtico.
Media que resultara de un nmero infinito de mediciones del mismo mensurando,
efectuadas bajo condiciones de repetibilidad, menos un valor verdadero del mensurando.
NOTAS
16
1 El error sistemtico es igual al error menos el error aleatorio.
2 Como el valor verdadero, el error sistemtico y sus causas no pueden ser
conocidos completamente.
3 Para un instrumento de medici6n, ver "error de ajuste" (5.25)
3.15 Correcci6n
Valor agregado algebraicamente al resultado no corregido de una medicin, para
compensar un error sistemtico.
NOTAS
1 La correccin es igual al valor negativo del error sistemtico estimado.
2) Puesto que el error sistemtico no puede ser conocido perfectamente, la
compensacin no puede ser completa.
3.16 Factor de correcci6n.
Factor numrico por el cual se multiplica el resultado no corregido de una medici6n para
compensar un error sistemtico.
5.1 Alcance nominal.
Alcance de las indicaciones que se obtienen para una posicin dada de los controles de
un instrumento de medicin.
NOTAS
1 El alcance nominal se expresa normalmente en trminos de sus lmites inferior y
superior, por Ejemplo, "100 AC a 200 AC". Cuando el lmite inferior es cero, el alcance
nominal se expresa habitualmente slo por el lmite superior, por Ejemplo, a un alcance
nominal de 0 V a 100 V se le llama alcance nominal de "100 V".
2 Ver la NOTA -5.2.
5.2 Intervalo de medicin.
Modulo de la diferencia entre los dos lmites de un alcance nominal.
Ejemplos:
Para un alcance nominal de -10 V a + 10 V, el intervalo de medida es de 20 V.
NOTA
1 En ciertos campos cientficos, a la diferencia entre el valor ms grande y el ms
pequeo se le llama intervalo.
5.10 Sensibilidad.
Cociente del incremento de la repuesta de un instrumento de medicin entre el incremento
correspondiente de la seal de entrada.
NOTA
17
1 El valor de la sensibilidad puede depender del valor de la seal de entrada.
5.11 (Umbral de) movilidad.
La variacin mxima de la seal de entrada que no provoca variacin detectable en la
respuesta de un instrumento de medicin, siendo lenta y montona la variacin de la seal
de entrada.
NOTA
1 El lmite de discriminacin puede depender, por Ejemplo, del ruido (interno o
externo) o de la friccin; tambin puede depender del valor de la serial de entrada.
5.12 Resolucin (de un dispositivo indicador).
La mnima diferencia de indicacin de un dispositivo indicador, que puede ser percibida
de manera significativa.
NOTAS
1 Para un dispositivo indicador digital, es la diferencia de indicacin que
corresponde al cambio de una unidad de la cifra la menos significativa.
2 Este concepto se aplica tambin a un dispositivo registrador.
AJUSTE DE RECTAS A TRAVS DEL MTODO DE LOS CUADRADOS
MNIMOS.
El mtodo de los cuadrados mnimos permite determinar los parmetros que mejor
ajustan una relacin entre dos variables, basado en hacer mnima la suma de los
cuadrados de las diferencias entre los valores de las variables obtenidos
experimentalmente y los obtenidos a travs de la relacin propuesta
(
2
1
1

,
_

n
i
i
i
X X
donde las X
1
i
son los valores de la variable obtenidos a travs de la relacin propuesta,
mientras que las X
i
son los valores experimentales, n es el nmero de datos.
En el caso en el que la relacin entre las variables sea lineal sta se expresa con la
siguiente ecuacin:
Y=mx + b
De donde el mtodo de los cuadrados mnimos es usado para determinar el mejor
valor de la pendiente (m) y de la ordenada al origen (b). Es necesario hacer notar que para
el presente caso es posible minimizar la suma de los cuadrados de las diferencias para la
variable "y" y para la "x". Para simplificar los clculos se minimizar exclusivamente la
suma de los cuadrados de las diferencias de la variable "y", para poder hacer esto es
18
necesario que la incertidumbre relativa de cada valor de la variable "x" sea ms pequea
que la incertidumbre relativa de su correspondiente valor de la variable "y", con el fin de
que las diferencias entre los valores calculados y los experimentales en la variable "x"
sean despreciable respecto a las mismas diferencias entre los valores de la variable "y".
Se tiene entonces que la diferencia entre cada uno de los valores de "y"
calculados y los experimentales se puede expresar como:
Y
i
-(mx
i
+b)
Al elevar al cuadrado cada diferencia y hacer la suma se tiene:
( ) ( )
2
i
1
b mx y +

n
i
i
Vale la pena recordar que al derivar una funcin con respecto a alguna variable,
cuando la derivada se hace cero se tiene un mximo o un mnimo, entonces si se desea
buscar el mnimo de
( ) ( )
2
i
1
b mx y +

n
i
i
se debe de cumplir
( ) ( )
0
m
b mx y
2
n
1 i
i i

y
( ) ( )
0
b
b mx y
2
n
1 i
i 1

es de hacer notar que el smbolo de diferencial utilizado en las anteriores expresiones ()

es diferente al acostumbrado (d), esto se debe a que en el presente caso se tienen
derivadas parciales

,
_

m
ya que la funcin depende de ms de una variable, sin
embargo, desde el punto de vista operativo el manejo es similar. En el presente caso la
derivada con respecto a m se hace considerando a b como un constante y para la
derivada con respecto a b la pendiente se considera como una constante, de donde se
llega a:
( ) ( )
( ) ( ( )

+
n
1 i
i i i
2
n
1 i
i i
x b mx y 2
m
b mx y
haciendo la multiplicacin, en el miembro derecho, por -x
i
e igualando a cero:
( ) 0 bx mx x y 2
n
1 i
i
2
i i i

19
distribuyendo el smbolo de suma () y dividiendo la expresin entre 2:
0 x b x m x y
n
1 i
i
n
1 i
2
i i
n
1 i
i



(1)
siguiendo el mismo procedimiento para la derivada parcial respecto a b se tiene:
( ) ( )
( ( ) ( ) 1 b mx y 2
b
b mx y
n
1 i
i i
2
n
1 i
i i
+

haciendo la multiplicacin, del miembro derecho, por -1 e igualando a cero:

( )

n
1 i
i i
0 b mx y 2
distribuyendo el smbolo de una suma () y dividiendo la expresin entre 2:



n
1 i
n
1 i
i
n
1 i
i
0 b x m y
se tiene

n
1 i
bn, b
al sustituir este resultado se llega a:
0 bn x m y
n
1 i
i
n
1 i
i



(2)
de la ecuacin 1 y 2 se tiene el sistema de ecuaciones:
i
y


+
n
1 i
i
n
1 i
n
1 i
i
2
i
x x b x m


+
n
1 i
i
n
1 i
i
y bn x m
que al encontrar la solucin para m se obtiene la pendiente y al encontrar la solucin
para b se obtiene la ordenada al origen. Estos parmetros generan la recta que mejor se
ajusta a los datos experimentales. Existen varios mtodos para solucionar el sistema de
ecuaciones, aqu se har uso del mtodo por determinantes.
El determinante del sistema es:
20
n x
x x

n
1 i
i
n
1 i
i
n
1 i
i2

2
n
1 i
i
n
1 i
2
i
x x n
,
_

de donde la pendiente es igual a:
m=

n y
x y x
n
1 i
i
n
1 i
i
n
1 i
i i

calculando el determinante del numerador y sustituyendo el valor del determinante del
sistema () se llega a:

,
_

n
1 i
2
n
1 i
i
2
i
n
1 i
n
1 i
i i i i
x x n
y x y x n
m
(3)
siguiendo los mismos pasos para determinar el valor de la ordenada la origen se llega a:
n n
2
i i i
i 1 i 1
n n
i i
i 1 i 1
x x y
x y
b=

21
n n n n
2
i i i i
i
i 1 i 1 i 1 i 1
2
n n
2
i i
i 1 i 1
y x x y
b=
n x x
x

,


(4)
La pendiente y la ordenada al origen han sido obtenidas de datos experimentales,
se hace pues necesario determinar su desviacin tpica, con la cual es posible determinar
su incertidumbre combinada y expandida.
En general se sabe que si y = f(x
1
, x
2
, x
3
, ..., x
n
) entonces la desviacin
cuadrtica media de y est dada por:
2
x
2
n
2
x
2
3
2
x
2
2
2
x
2
1
2
n 3 2 1
S )
x
f
( ... S )
x
f
( S )
x
f
( S )
x
f
( (y) S

+ +

(5)
Para el caso particular para determinar la desviacin tpica de m y de b, se ha
supuesto que no hay dispersin en los valores de la variable "x" y por lo tanto su
desviacin tpica es igual a cero, de donde la desviacin tpica de los parmetros m y
b proviene de la dispersin de la variable y, entonces se puede hacer la siguiente
identificacin con las variables que interviene en la ecuacin (5):
n n 3 3 2 2 1 1
y x y x y x y x
S S ..., , S S , S S , S S
Desarrollando la suma sobre y
i
en la expresin (3) es posible expresar la
pendiente de la siguiente forma:

'

+ + + + +

,
_

n
1 i
n
1 i
n
1 i
n
1 i
i n n n i k k k 2 2 2 2 i 1 1 1
n
1 i
2
n
1 i
i
2
i
x y ) y n(x ... x y ) y n(x ... x y ) y n(x x y ) y n(x
x - x n
1
m
derivando la expresin anterior respecto a y
k
se llega a :

,
_

,
_

n
1 i
i k
n
1 i
2
n
1 i
i
2
i
k
x nx
x - x n
1

y
m
elevando al cuadrado:
22

'

,
_

'

,
_

n
1 i
2
n
1 i
i i k
2
k
2
2
n
1 i
2
n
1 i
i
2
i
k
x x 2nx x n
x - x n
1
y
m
(6)
Se tiene que la desviacin media cuadrtica de y se puede expresar como:
( ) ( )
2 n
b mx y
S
2
n
1 i
i i
2
y
i

suponiendo que
2
y
i
S
es igual para cada y
i
y sustituyendo los resultados de (6) en la
ecuacin (5), se obtiene:
2
1
...
2
2
n n n
y 2 2 2 2 2
m 1 1 i i 2 2 i 2
2
n n
i=1 i=1 i 1
2
i i
i=1 i=1
S
S = n x - 2nx x + x + n x - 2nx x
n x - x
n
i
i
x

_ _
+ +
'

, ,

_
' )

,




2
n n
2 2
n n i i
i=1 i=1
+ n x - 2nx x + x

_
)

,

compactando las sumas:
2 2
2
n n n
y 2 2 2
m i i i 2
2
n n
i=1 i=1 i=1
2
i i
i=1 i=1
S
S = n x - 2n x + n x
n x - x

_ _
' )

, ,

_
' )

,




puede expresarse de la siguiente manera
2
2
n n
y 2 2 2
m i i 2
2
n n
i=1 i=1
2
i i
i=1 i=1
S
S = n x - n x
n x - x

_
' )

,

_
' )

,




finalmente se tiene
m y 2
n n
2
i i
i=1 i=1
S = S
n x - x
n
_

,

(7)
23
Para determinar la desviacin tpica de la ordenada al origen, b, se sigue un
procedimiento similar obtenindose:
n
2
i
i=1
b y 2
n n
2
1 i
i=1 i=1

S =S
n -
_

,

CIFRAS SIGNIFICATIVAS
Algunas definiciones de "Cifras Significativas" son:
"El nmero de cifras que dan informacin real"
"Las cifras significativas son dgitos susceptibles de ser
comprobados por la precisin de un instrumento de medicin".
Las cifras estimadas son aquellas que el observador determina de
acuerdo a su criterio. No tienen valor significativo para el resultado de la
medicin.
El cero como cifra significativa:
Si el cero se encuentra al inicio de un nmero, el cero no es cifra
significativa. Por ejemplo:
,00052=5,2 x 10
'4 1
tiene solamente dos cifras significativas el 5 y el 2, suponiendo que ambos
son resultado de una medicin.
,07= 7X 10
''2
24
tiene slo una cifra significativa, el 7.
Una forma til de expresar los resultados experimentales es a travs
de potencias de 10. Para nmeros mayores o iguales a 10 se tiene:
10
1
=10
10
2
= 10 X 10 = 100
10
3
= 10 X 10 X 10 = 1000
.................
.................
..................
10
n
= 10 X 10 X 10 X 10 ...........= 1 000
n veces n ceros
Es necesario recordar que 10
0
= 1.
Los nmeros menores que uno, decimales, se expresan por potencias
negativas de 10:
10
-1
=
10
1
= 0,1
10
-2
=

2
10
1
,01
10
-3
=

2
10
1
,001
.............................
.............................
.............................
10
-n
=

n
10
1
,000...1
n-1 ceros
Cuando es necesario hacer uso de las potencias de 10 para expresar
alguna medicin se recomienda:
El factor multiplicativo debe de contener exclusivamente las cifras
significativas. Por ejemplo. La velocidad de la luz c=300 000 km/s
se expresa como: c=3 X 10
5
Km/s
25
Se recomienda que el factor multiplicativo se presente en unidades.
Por ejemplo: La densidad del aire a 20C y una presin de una
atmsfera es ,00121 gr/cm
3
.
Si el cero se encuentra entre cifras diferentes de cero que son
significativas, entonces el cero es significativo. Por ejemplo:
20,5 cm tiene tres cifras significativas.
35,05 gr tiene cuatro cifras significativas.
Cuando el cero se encuentra al final de un nmero es significativo si
el cero representa un valor real medible. Por ejemplo: Se ha medido la
masa de un objeto, obtenindose de lectura 10 Kg entonces el 0 es cifra
significativa, por lo que el resultado tiene dos cifras significativas.
En el caso en que los ceros, al final de un nmero, no representan el
resultado de una medicin, entonces no se considera cifra significativa. Por
ejemplo: En 33 000 cm/s haciendo referencia a la velocidad del sonido en
el aire, se tiene que los ceros no son resultado de una medicin entonces no
son cifras significativas. El valor 33 000 cm/s = 3.3 X 10
4
cm/s tiene slo 2
cifras significativas.
Operaciones Matemticas y Cifras Significativas.
En muchas ocasiones es necesario realizar operaciones matemticas
para obtener el resultado de alguna medicin, estos resultados deben de
expresarse con el nmero adecuado de cifras significativas, entonces
cmo deben realizarse las operaciones para que los resultados contengan
exclusivamente cifras significativas? La respuesta, si desea continuar
leyendo, la encontrar en los siguientes prrafos.
Adicin
Cul ser el resultado de sumar: 4,15 + 0,842 + 0,0785? La
operacin es sencilla:
4,15
+0,842
0,0785
5,0705
.........(1)
Este es el resultado obtenido si se estuviesen sumando nmeros sin considerar que
stos son el resultado de alguna medicin. Este resultado es el correcto si solamente se
toman en cuenta los valores numricos, sin considerar que los sumandos son resultados
de mediciones y por lo tanto, cada uno de los dgitos que forman los nmeros son
cifras significativas y que al realizar la operacin matemtica, adicin en este caso, el
resultado debe de estar constituido por cifras significativas.
26
As el nmero 4,15 indica que ms all de las centsimas se
desconoce el valor de los dgitos, que no necesariamente tienen que ser
cero, es decir 4,15? Donde los signos de interrogacin significan que no se
conoce el valor de los dgitos que ocupan esos lugares, es decir no son
cifras significativas.
Una situacin similar se da con 0,842 para la posicin de las
diezmilsimas, 0,842?.
De acuerdo con lo anterior la suma original queda como:
4,15??
+0,842??
0,0785
5,06??
Cuyo resultado ya no coincide con el obtenido en la expresin (1).
Para efectuar la suma planteada en el expresin (2) existen 2
posibilidades: La primera ms sencilla pero menos exacta consiste en
redondear los sumandos, redondendolos al menor nmero de dgitos, a la
derecha de la coma decimal. As en el ejemplo los 3 sumandos deben de
redondearse a las centsimas, ya que 4,15 es el nmero que menos cifras
significativas tiene a la dercha de la coma decimal, entonces: 0,842 se
redondea a 0,84, mientras que 0,785 se redondea a 0,08.
La regla para realizar el redondeo indica que cuando el dgito que se
va a redondear es mayor o igual que cinco, entonces el siguiente dgito a la
izquierda se incrementa en uno. Por ejemplo:
Al redondear el 7 se tiene que 4,87 4,9
Al redondear el 5 se tiene 2,825 2,83
Para la situacin en la que el dgito que se va a redondear es menor
que 5, entonces el dgito que se encuentra a su izquierda no sufre ninguna
modificacin
4,31 4,3
28,71 28,7
4,24 4,2
No es recomendable que el redondeo afecte ms all de un dgito a la
izquierda del dgito que se est redondeando. Por ejemplo:
27
4,249 4,25 y no 4,3
excepto en casos como:
2,96 3 y no 2,9
Retomando el ejemplo se tiene que aplicando este mtodo el
resultado est dado por:
4,15
+0,84
0,08
5,07
El segundo mtodo consiste en: Primero, en ordenar los sumandos
por grado de aproximacin de izquierda a derecha. Segundo, sumar por
grupos aquellos nmeros con el mismo grado de aproximacin. Tercero,
sumar el resultado de la suma parcial de mayor aproximacin, con el
resultado de la suma parcial del grupo de la siguiente aproximacin, a este
resultado se le suma el resultado parcial de la suma de los nmeros de la
siguiente aproximacin. Este proceso se repite hasta haber sumado el
resultado de la suma parcial de menor aproximacin.
Al aplicar este mtodo al ejemplo que se ha trabajado se tiene:
0,0785 es el nmero de mayor aproximacin.
0,842 es el siguiente nmero en aproximacin.
4,15 es el nmero de menor aproximacin.
Ya que no hay nmeros con la misma aproximacin, se suma el
nmero de mayor aproximacin al nmero con la siguiente menor
aproximacin:
0,0785
+ 0,842?
0,920
A este resultado se le suma el nmero de menor aproximacin:
0,920
+4,15?
5,07
Seguro que un ejemplo con mayor nmero de sumandos puede
aclarar el segundo mtodo;
28
3,28 + 0,075 + 0,1 + 4,2 + 5,822 + 0,3 + 2,28 + 5,671 + 4,7 + 2,25
Se ordenan por grados de aproximacin:
Los nmeros de mayor aproximacin: 0,075; 5,822; 5,671.
Los nmeros de la siguiente aproximacin: 3,28; 2,28; 2,25.
Los nmeros de menor aproximacin: 0,1; 4,2; 0,3; 4,7.
Se realizan las sumas parciales de acuerdo al orden de los nmeros:
La suma parcial de las nmeros con mayor aproximacin es:
0,075 + 5,822 + 5,671 = 11,568
La suma parcial de los nmeros con el siguiente orden de
aproximacin:
3,28 + 2,28 + 2,25 + = 7,81
La suma parcial de nmeros con menor aproximacin:
0,1 + 4,2 + 0,3 + 4,7 = 9,3
Se suman las sumas parciales de la de mayor aproximacin a la de
menor aproximacin:
11,568
+ 7,81?
19,37
A este resultado se suma la siguiente suma parcial, en este ejemplo la
suma de nmeros de menor aproximacin:
19,37
+ 9,3?
28,6
Es decir al tomar en cuenta las cifras significativas el resultado de la
suma:
29
3,28 + 0,075 + 0,1 + 4,2 + 5,822 + 0,3 + 2,28 + 5,671 + 4,7 + 2,25 = 28,6.
En general se tiene que las sumas no deben de tener ms cifras
significativas a la derecha de la coma decimal que el sumando con menor
cifras significativas a la derecha de la coma decimal.
Vale la pena hacer notar que al realizar una suma en una calculadora
el resultado, tomando en cuenta las cifras significativas, se obtiene
efectuando la adicin de los sumandos y tomando como cifras
significativas, a la derecha de la coma decimal, las que tienen el sumando
de menor aproximacin.
Resta (sustraccin).
Para obtener el resultado de una resta el proceso es similar al realizado para
el caso de la suma ejemplo:
425,8 - 2,43
se rescribe como:
425,8?
- 2,43
423,4
Un segundo ejemplo:
258,622 - 45, 1
se rescribe como:
258,622
- 45,1??
213,5
El resultado tiene tantas cifras significativas a la derecha de la coma
decimal como el que menos cifras tenga de los nmeros que intervienen en
la sustraccin.
Multiplicacin.
30
Para efectuar la multiplicacin se aplica la siguiente regla: El nmero
de cifras significativas de un producto es igual al nmero de cifras
significativas del multiplicador con menor grado de aproximacin, sin
embargo cuando el producto es de mayor orden que el de los
multiplicadores el nmero de cifras significativas del producto aumenta, de
acuerdo al incremento del orden del producto; es decir, si el producto
aument un orden respecto a los multiplicadores, el nmero de cifras
significativas del producto aumenta en uno. Por ejemplo:
3 X 2
Se expresa como:
3,?
X 2,?
??
6?
6,??
Cada multiplicador tiene una cifra significativa, el producto tiene una cifra
significativa, ya que no aument de orden.
Es necesario hacer notar que en el lugar, a la derecha de la ltima
cifra significativa, se pone un ?, lo que significa que a partir de esa posicin
se desconoce el valor de los dgitos correspondientes. Por lo general, como
se ve en el tema de incertidumbres, el desconocimiento de ms cifras
significativas est relacionado con la incertidumbre en la medida
5 X 8
Se expresa como:
5,?
X 8,?
??
40?
40,??
Los multiplicadores tienen una cifra significativa pero el producto es
de un orden superior, entonces tiene dos cifras significativas.
Se puede ver un ejemplo con ms cifras significativas:
4,1234 X 2,3
31
Se tiene:
4,1234?
X 2,34?
??????
123702?
82468?
9,4??????
El multiplicador que tiene menos cifras significativas, 2,3, tiene 2
cifras significativas, el producto no aumenta de orden, entonces debe de
tener dos cifras significativas (9,4).
Para el caso:
5,45 X 3,2
Se expresa como:
5,45?
X 3,2?
17,3????
El menor nmero de cifras significativas es de 3,2 pero el producto
es de un orden mayor, que el multiplicador de mayor orden (En el presente
ejemplo ambos nmeros son de igual orden) entonces tiene tres cifras
significativas.
Un ltimo ejemplo puede ser:
(3 X 10
2
) X (25,25)
La cual se puede expresar como:
( 3 X 10
2
) X (0,2525 X 10
2
)
Expresin en que la ambos multiplicadores se han expresado como la
misma potencia de 10. El primer multiplicador tiene slo una cifra
significativas, mientras que el segundo tiene cuatro.
Al realizar el producto de los coeficientes de las potencias de 10 se
tiene:
0,2525
X 3,????
32
????
????
????
????
7575
7???????
De tal suerte que el resultado es 0,7 X 10
4
. con slo una cifra significativa.
Divisin
En la divisin se aplica la misma regla que en la multiplicacin. Por
ejemplo:
233 174
La cual es posible presentar como:
??? , 1
6,8?
?? , 07
?? 52,

?? 059,
? 174,
? 34 , 1
? , 233 ? , 174
Ambos nmeros, divisor y el dividendo, tienen 3 cifras
significativas, el cociente tiene tres cifras significativas:
Un ejemplo ms:
44,33 16
Que es igual a:
? 1?,
? 112,
12?,3
32?
2,7
443,3 ? , 16
33
DERIVADAS Y DERIVADAS PARCIALES
En el presente desarrollo la incertidumbre se considera como el parmetro que
determina el intervalo en el que se tiene casi la certeza de que el valor de la medicin se
encuentra.
Si se considera que una variable "Y" depende de otras variables x
i
, de tal forma que;
Y = f(x
1
, x
2
. x
3
, ....., x
n
)
Entonces se tiene que la incertidumbre de la variable "Y" depende, entre otras
cosas, de las incertidumbres de las variables "x
i
", la pregunta que surge es cmo se da
esa dependencia? Con el fin de dar una explicacin clara se supondr que la variable "Y"
slo depende de la variable "x". Por ejemplo el permetro de un cuadrado depende
exclusivamente de la longitud del lado del cuadrado. Si "Y" slo depende de "x" se tiene
que "Y=f(x)". Al graficar "Y" en funcin de "x" se tiene una grfica como la mostrada en
la figura 1. En la cual x representa la incertidumbre en la variable x, es decir x
x, y Y la incertidumbre en la variable Y.Si x "no es muy grande" f(x),
funcin a travs de la cual se mide "Y", se puede aproximar a una recta en el intervalo
x, y entonces la razn que existe entre Y y x es muy parecida a la que existe
entre los lados del tringulo df, dx, es decir:
( )
dx
x df
x
Y

(1)
34
Donde
x
Y
es la tangente del ngulo formado por la lnea que contiene la
hipotenusa y el eje de las x. Se sabe que la definicin de tangente es:
opuesto cateto
adyacente cateto
Tan
Si la base del tringulo, x, se hace cada vez ms pequea se tiene que en el
lmite x0 la expresin
x
Y
es igual a la derivada de la funcin f(x), que en
general da lugar a una funcin, a travs de la cual es posible determinar las pendientes de
las rectas tangentes a cada uno de los puntos de la funcin f(x).
En la figura 2 se muestra con una lnea discontinua una lnea secante
72
a f(x),
mientras que la lnea continua es la tangente en ese punto.
7
Vale la pena recordar que la secante de una curva es la lnea que corta en 2 puntos a una
curva. Mientras que la tangente a una curva es la lnea que toca en un solo punto a la
curva. La derivada de una funcin permite determinar la pendiente de la tangente de dicha
funcin en todos los puntos de la funcin.
35
Se tiene entonces que la incertidumbre en Y, f(x), se puede expresar como
8
:
dx
df
x Y
(2)
en muchos textos se encuentra
1
f
dx
df

(3)
de manera que:
1
xf Y
(4)
En este punto surgen tres preguntas:
Qu tan vlida es la aproximacin de la ecuacin 1?
Vale la pena recordar que la secante de una curva es la lnea que corta en 2 puntos a la curva. Mientras
que la tangente a una curva es la lnea que toca en un solo punto a la curva. La derivada de una funcin
permite determinar la pendiente de la tangente de dicha funcin en todos los puntos de la funcin.
La formula aqu presentada para determinar la incertidumbre es una aproximacin de la
establecida en: GUA PARA LA EVALUACIN DE LA INCERTIDUMBREEN LO
SRESULTADOS DE LAS MEDICIONES, NMX-CH-140:1996IMNC.
Cmo se obtiene
?
dx
df
y
Qu para cuando la variable "Y" depende de ms de una variable?
8
La formula, aqu presentada, para determinar la incertidumbre es una aproximacin de la
establecida en: GUA PARA EVALUACIN DE LA INCERTIDUMBRE EN LOS
RESULTADOS DE LAS MEDICIONES,NMX-CH-140:1996 IMNC.
36
Para poder responder a la pregunta uno es necesario saber cmo se obtienen las
derivadas, as que primero se responder a la segunda pregunta?
La definicin de la derivada de una funcin es:
( ) ( )
x
x f x x f
0 x
lim
dx
df +

(5)
donde x = x
f
x
o.
Aplicando la definicin de la expresin 5 a la funcin:
Y= mx + c
Que por cierto es la ecuacin de una lnea recta, se tiene:
( ) ( )
x
c mx - c x x m
lim
dx
dy
0
+ + +

x
(6)
efectuando las operaciones:
x
mx
lim
dx
dy
0 x
c mx c x m + +

x
lim
dx
dy
0 x
x m

m lim
dx
dy
0 x

m
dx
dy

(7)
De donde la derivada de una recta es la pendiente de la recta (m).
Para el caso de la parbola que pasa por el origen (y= ax
2
) la derivada est dada por:
37
( ) ( )
x
x a x x a
lim
dx
dy
2 2
0 x
+

Desarrollando el binomio al cuadrado:
( )
x
ax x 2xx x a
lim
dx
dy
2 2 2
0 x
+ +

x
x a 2axa
lim
dx
dy
2
0 x

x a 2ax lim
dx
dy
0 x
+

2ax
dx
dy

(8)
Aplicando el mismo procedimiento es posible obtener la derivada de cualquier
funcin, siempre y cuando esta funcin sea derivable. Y como siempre pasa, los ejemplos
sencillos son los que se presentan y los de mayor dificultad ni se tocan. Desde fines del
siglo XVII, cuando Newton y Leibniz desarrollan el Clculo Diferencial e Integral,
muchos matemticos han obtenido las derivadas de diversas funciones, de manera que
actualmente se puede acceder a tablas de derivadas (integrales) sin mayor dificultad.
A continuacin se da una lista de algunas funciones y sus correspondientes
derivadas. Es un ejercicio interesante comprobar algunos de estos resultados.
0
dx
c d

si c es una constante.
1
dx
dx

1 n
n
nx
dx
dx

con "n" cualquier nmero real.

38
( ) ( )
dx
x du
c
dx
x dcu

con "c" cualquier constante y u (x) cualquier funcin derivable de x.

( ) ] [
( ) [ ]
dx
du
x u n
dx
x u d
1 - n
n

) ( ) ( [ ]
( ) ( )
( )
dx
x u d
x u sen
dx
x u cos d

( ) ( ) [ ]
( ) ( )
( )
dx
x u d
x u cos
dx
x u sin d

( ) ( ) [ ]
( ) ( )
( )
dx
x u d
x u sec
dx
x u tan d
2

( ) ( ) [ ]
( ) ( )
( )
dx
x u d
x u csc
dx
x u cot d
2

( ) ( ) [ ]
( ) ( ) ( ) ( )
( )
dx
x u d
x u tan x u sec
dx
x u sec d

( ) ( ) [ ]
( ) ( ) ( ) ( )
( )
dx
x u d
x u cot x u csc
dx
x u csc d

( ) ( ) [ ]
( )
( ) ( )
2
x u 1
dx
x u d
dx
x u arcsin d

( ) ( ) [ ]
( )
( ) ( )
2
1

-
arccos
x u
dx
x u d
dx
x u d

( ) ( ) [ ]
( )
( ) ( )
2
x u 1
dx
x u d

dx
x u arctan d
+

39
( ) ( ) [ ]
( )
( ) ( ) 1 x u x u
dx
x u d
dx
x u arcsec d
2

( ) ( ) [ ]
( )
( ) ( ) 1 x u x u
dx
x u d
-
dx
x u arccsc d
2

( ) ( ) [ ]
( ) ( )
( )
dx
x u d
x u exp
dx
x u exp d

( )
( ) ( ) ( )
( )
dx
x u d
x u exp a 1n
dx
a d
x u

( ) ( [ ]
( )
( ) x u
dx
x u d
dx
x u 1n d

( ) ( ) [ ]
( )
( )1na x u
dx
x u d
dx
x u lg d
a

En muchas ocasiones la funcin de inters es una combinacin de otras, por

ejemplo:
y= F(f(x)g(x))
(9)
Es decir "y" no slo depende de una funcin de "x" si no de al menos 2, para
derivar tales funciones existe una serie de reglas, consecuencia de las propiedades de las
40
( ) ( ) [ ]
( )
( ) ( )
2
x u 1
dx
x u d
-
dx
x u arccot d
+

funciones y de las derivadas, a continuacin se enlistan algunas de ellas sin dar su

demostracin la cual es fcil de encontrar en algn libro de Clculo Diferencial e Integral.
Si y= f(x) + g(x), y es igual a la suma de dos funciones de x.
( ) ( ) ( )
dx
x g x f d
dx
dy +

(10)
( ) ( )
dx
x dg
dx
x df
dx
dy
+
(11)
La derivada de la suma de funciones es la suma de las derivadas de las funciones.
Para y= f(x) * g(x), "y" es el producto de dos funciones.
( ) ( ) ( )
dx
x g x f d
dx
dy *

(12)
( )
( )
( )
( )
dx
x g d
x f
dx
x f d
x g
dx
dy
+
(13)

La derivada del producto de dos funciones es igual a la derivada de la primera
funcin por la segunda funcin, ms la derivada de la segunda funcin por la primera
funcin.
En el caso
( )
( ) x g
x f
y
, "y" es igual al cociente de dos derivadas.
( )
( )

,
_

x g
x f
dx
dy
dx
d
(14)
( )
( )
( )
( )
( ) [ ]
2
x g
dx
x g d
x f
dx
x f d
x g
dx
dy

41
(15)
La derivada del cociente de dos funciones es igual al cociente de la funcin divisor por
la derivada de la funcin dividendo menos la funcin divisor por la derivada de la
funcin dividendo, entre el cuadrado de la funcin divisor.
Hasta aqu queda contestada la segunda pregunta. La primera pregunta se contesta a
travs de un ejemplo: Se ha medido el rea de la seccin circular de un cilindro, a
travs de medir su dimetro con diversos instrumentos con lo cual se tiene diferentes
valores para la incertidumbre.
Como se sabe el rea de un crculo se obtiene:
A = r
2
(16)
donde r es el radio del crculo.
Aplicando la ecuacin (2) y considerando que la nica fuente de incertidumbre es
el equipo de medicin, se tiene:
dr
dA
r A
r r 2 A
(17)
Calculando la incertidumbre del rea a partir de calcular el rea tomando en cuenta la
incertidumbre del radio:
( )
2
r r A A t t
(18)
( ) ( )
2 2
r 2rr r A A + t t
entonces:
42
( )
2
r rr 2 A + t
(19)
Comparando las ecuaciones 18 y 19 se observa que la diferencia entre ellas es el
trmino
( )
2
r
. En la siguiente tabla se muestran los resultados experimentales, en donde
se hace la comparacin entre la incertidumbre calculada a travs de la ecuacin 18 y el
trmino
( )
2
r
Equipo r (cm) r (cm) A (cm
2
)
rr 2 A
(cm
2
)
( )
2
r

(cm
2
)
Vernier 1,00 0,005 3,14 0,031 77X10
-6
Regla 1,0 0,05 3,1 0, 31 77X10
-4
Metro 1 0,5 3 3,1 77X10
-2
De la 5
a
y 6
a
columnas es evidente que la contribucin
( )
2
r
es despreciable
respecto a la contribucin A. Vale la pena hacer notar, a pesar de no ser tema de esta
unidad, que es indispensable hacer una eleccin adecuada eleccin del equipo de
medicin tomando en cuenta la precisin y exactitud requerida, as como las como
caractersticas y costo del equipo. Comparando la 4
a
columna con la 5
a
, se observa que la
incertidumbre porcentual asociada a la medicin hecha con el vernier es cercana al 1 % ,
mientras que la asociada a la regla es del 10% y finalmente la incertidumbre porcentual
asociada a la medicin realizada con el metro es de aproximadamente del 100%. Para
qu se va a usar el resultado de la medicin?, Cul es el equipo ms adecuado?
Del anterior ejemplo se puede concluir que una forma intuitiva de determinar la
incertidumbre asociada a un mensurando y, y, est dada por:
43
0
x
|
dx
dy
x y
0
|
x
significa que la derivada debe de ser evaluada en el valor x
0
, valor en el cual se est
calculando "y".
La tercera pregunta, de qu hacer cuando la variable "y " depende de ms de una
variable, es decir y = f(x,v,w,...), se soluciona si al efectuar la. derivada con respecto a
una variable el resto de las variables se mantienen fijas, es decir:
( ) ( )
x
,... w , v x, f ,... w , v x, x f
lim
x
y
0 0 0 0
0 x
+

(20)
donde el subndice "0" significa que las variables se toman como parmetros fijos. Se
hace necesario destacar que el smbolo
dx
dy
se ha modificado, para dar lugar al smbolo
x
y

y el nombre ha pasado de derivada a derivada parcial. Los resultados obtenidos para

las derivadas son los mismos que para las derivadas parciales y la derivada total de y =
f(x,v, w, ...) est dada por:
...
...
+

w
f
v
f
x
f
w v x
dy
(21)
Como se muestra en la seccin EVALUACIN DE LA INCERTIDUMBRE EN
LOS RESULTADOS DE LAS MEDICIONES (teo4incert) de las derivadas parciales
de una variable dependiente con respecto a cada una de las variables independientes
permite determinar la incertidumbre en las mediciones.
A continuacin se muestra un ejemplo:
44
Se mide la densidad de un lquido (p), midiendo su volumen (V) y su masa (m) y
aplicando la relacin:
V
m

Ya que la densidad es el resultado de una medicin es necesario calcular su
incertidumbre, para lo cual se requiere determinar las derivadas parciales de la densidad
respecto a las variables de las que depende:
Respecto al volumen se tiene:
2
V
m
V

(22)
en este caso se aplic la igualdad:
1 n
n
nx
dx
dx

Respecto a la masa se tiene:

V
1
m

(23)
y entonces la incertidumbre asociada a la medicin de la densidad es:
m V

m V

45
al sustituir los valores de las derivadas parciales se llega a:
m V +
V
1

V
m

2

(24)
Es necesario hacer notar que la derivada parcial de la densidad respeto al volumen
tiene un signo negativo, el cual ha sido suprimido en la ecuacin 24. La justificacin se
tiene en el hecho de que al propagarse la incertidumbre, sta tiende a crecer no a
disminuir.
Al medir la masa se obtuvo (13,6 0,05) Kg, mientras que el volumen fue de (1,00
0,005) x 10
-3
m
3
. Sustituyendo estos valores en la ecuacin (24):
( )
3
3 -
3
2 3
kg/m
1,00x10
0,005
0,005x10
) (1,00x10
13,6

1
]
1

3
kg/m 73
El resultado de la densidad es:
3
3
kg/m
1,00x10
13,6

46
al realizar las operaciones se llega a:
3
kg/m 13600,0
El valor de la densidad con su incertidumbre es:
3 3
kg/m 0,07)x10 6 (13, t
BIBLIOGRAFA
-Herrera Miguel ngel. Cifras Significativa, Departamento de Fsica y Qumica
Terica. Laboratorio de Fsica. Facultad de Qumica. U.N.A.M.
47
-Greenberg Leonard H. "Discoveries in Physics for Scientists and Engineers", W.B.
Saunders Company. Philadelphia 1975.
-Baird D.C. "Experimentation: An Introduction to Measurement Theory and Experiment
Design, Prentice- Hall. Englewood Cliffs, 1962.
-Kuratowski Kazimierz. Introduccin al Clculo, Limusa, Mxico, 1975.
-Courant R. y John F. Introduccin al Clculo y al Anlisis Matemtico, Vol. I y II.
Limusa, Mxico 1974.
48