Manual

Fsica Experimental
Manual de Laboratorio

Dr. Fernando G. Tomasel

Lic. Alejandra S. Uribarri

Universidad Nacional de Mar del Plata
Facultad de Ingeniera, Av. Juan B. Justo 4302, (7600) Mar del Plata.
TEL (0223)481-6600, FAX (0223)481-0046.
http://www.fi.mdp.edu.ar/
http://www.mdp.edu.ar/
Fsica Experimental Manual de Laboratorio

2
I. Introduccin

El proceso de medicin es de fundamental importancia en la actividad cientfica,
cualquiera sea la especialidad u orientacin. En las ciencias aplicadas, por ejemplo, los
ingenieros que disean una usina elctrica deben conocer las caractersticas de los materiales
y combustibles que planean utilizar. Es decir, alguien debe caracterizar estos materiales a
travs de mediciones y, una vez realizadas estas mediciones, debe establecer su grado de
incerteza, lo cual requiere un anlisis de errores. Los ingenieros que estn a cargo de la
seguridad de los aviones, trenes o automviles deben entender las incertezas relacionadas con
los tiempos de respuesta humanos, tanto en la distancia de frenado como en una gran
variedad de otras cantidades. Una falla en el anlisis de errores puede traer como
consecuencia accidentes increbles. En las ciencias bsicas, el proceso de medicin y el
anlisis del error tienen una importancia aun mayor, pues est relacionados ntimamente con
el mtodo cientfico. El proceso o mtodo cientfico funciona de la siguiente forma: en
primer lugar, tratamos de describir alguna clase de fenmeno de la naturaleza a travs de un
modelo matemtico simple. Analizamos el modelo ya sea analticamente, con lpiz y papel,
o a travs de simulaciones numricas, tratando de encontrar cules son las consecuencias o
predicciones del modelo simple. Una vez obtenidas, las comparamos con experimentos y
observaciones (es justamente la capacidad de formular predicciones contrastables mediante
observaciones lo que permite distinguir a las ciencias de las pseudociencias). Si existe un
acuerdo entre lo predicho y lo observado, entonces decimos que hemos logrado, en algn
sentido, comprender parte de la naturaleza. A pesar de que esta descripcin simple del
proceso cientfico es cruda y epistemolgicamente criticable, nos muestra que tanto el
surgimiento de nuevas teoras como la verificacin de sus predicciones dependen de
observaciones y mediciones.

II. Proceso de medicin y errores

Aunque existen innumerables procesos de medicin diferentes, todos ellos culminan
con la obtencin de un resultado, el cual es afectado por distintos errores que surgen de la
interaccin entre el aparato de medida, el observador y el sistema bajo estudio. Veamos con
algunos ejemplos cmo es la interaccin entre estos tres elementos. Supongamos, en primer
lugar que Ud., joven de buena vista, desea medir con un calibre el dimetro de un postre de
gelatina, o la altura de un bizcochuelo esponjoso, recin sacado del horno. Aunque el error
asociado con el observador y el instrumento de medida es probablemente pequeo comparado
con el valor que se desea medir, el objeto a medir se deformar al contacto con el
instrumento, por lo cual el error final de la medicin puede ser ostensiblemente mayor que la
menor divisin en la escala del instrumento de medida. Veamos ahora otra situacin: Ud.
desea medir el dimetro de un cilindro de acero con un calibre, pero le son colocados unos
anteojos de vidrio esmerilado. En este caso, aunque el objeto puede considerarse
indeformable dentro de la precisin con que mide el calibre, el error de la medicin ser
probablemente mayor que la mnima divisin en la escala del instrumento debido a
limitaciones en la capacidad de observacin. Por ltimo, imagine que Ud., ahora sin los
anteojos limitando su visin, trata de medir el dimetro del cilindro de acero usando un
centmetro de costura. Est claro ahora que la limitacin en la precisin de la medida estar
dada por el instrumento de medicin.

3
Los errores asociados a las mediciones pueden dividirse en dos clases: a) errores
sistemticos, y b) errores aleatorios. Los errores de tipo a) pueden corregirse, por lo cual son
frecuentemente designados tambin como errores corregibles o determinados, a fines de
distinguirlos de los errores aleatorios, los cuales se encuentran en toda medicin y estn fuera
del control del observador. Muchos errores sistemticos pueden eliminarse aplicando
correcciones muy simples. Un ejemplo de la vida diaria est en el ajuste de cero que Ud.
encontrar en las balanzas de bao o cocina. Otros casos de error sistemtico incluyen, por
ejemplo, la correccin que debe realizarse cuando se mide la presin atmosfrica con un
barmetro de mercurio. All debe corregirse la lectura por la diferencia en los coeficientes de
expansin trmica del mercurio y del material con que est hecha la escala del barmetro.
Los errores sistemticos no se manifiestan como fluctuaciones en los resultados de las
mediciones y, dado que el mismo error est involucrado en cada medicin, no pueden
eliminarse simplemente repitiendo las mediciones varias veces [imagine, por ejemplo, que
Ud. utiliza (sin darse cuenta) una regla a la que le faltan dos centmetros en el extremo del
cero]. Por lo tanto, estos errores son particularmente serios y peligrosos, y pueden eliminarse
slo despus de realizar cuidadosas calibraciones y anlisis de todas las posibles
correcciones. Algunas veces, los errores sistemticos se manifiestan como un corrimiento en
valores medidos consecutivamente o como un cambio en el valor experimental medido
cuando se cambia la tcnica experimental de medicin.
La segunda clase de errores, los errores aleatorios o accidentales, aparecen como
fluctuaciones en los valores de mediciones sucesivas. Estas variaciones aleatorias se deben a
pequeos errores que escapan al control del observador. Por ejemplo, si leemos varias veces
la presin indicada por la escala de un barmetro, los valores fluctuarn alrededor de un valor
medio. Estrictamente hablando, nunca podremos medir el valor verdadero de ninguna
cantidad, sino slo una aproximacin. El propsito del tratamiento estadstico de datos
experimentales es justamente determinar el valor ms probable de una cantidad medida y
estimar su confiabilidad.
Para tener una visin ms intuitiva de la diferencia entre errores aleatorios y
sistemticos, observe la analoga presentada en la Fig. 1. En esta figura, el experimento
consiste en una serie de disparos hechos a un blanco de tiro. En este caso, los errores
aleatorios estn producidos por cualquier causa que haga que los proyectiles lleguen
aleatoriamente a distintos puntos. Por ejemplo, puede ser que las condiciones atmosfricas
entre el arma y el blanco distorsionen la visin del blanco en forma aleatoria. Los errores
sistemticos ocurren cuando existe alguna causa por la cual los proyectiles impactan fuera del
centro en una forma sistemtica. Podra ser, por ejemplo, que la mira del arma estuviese
desviada. A partir de esta figura tambin podemos definir con claridad dos palabras
comnmente utilizadas en el proceso de medicin: precisin y exactitud. Diremos que una
medicin es precisa cuando la dispersin de los distintos valores obtenidos es pequea, es
decir, cuando los errores aleatorios son pequeos. Por otra parte, diremos que una medicin
es exacta cuando los errores sistemticos asociados con ella son pequeos.
Aunque la Fig. 1 es una excelente ilustracin de los efectos de los errores aleatorios y
sistemticos, es engaosa en cierto sentido. Debido a que hemos dibujado el blanco en cada
una de las figuras, podemos ver fcilmente cun exacto ha sido un disparo en particular. En
particular, la diferencia entre los casos a) y b) es evidente: claramente el error sistemtico es
grande en el caso b). En el laboratorio, sin embargo, no tenemos la referencia del blanco.
Nadie nos muestra la posicin relativa de los disparos respecto a una referencia externa.
Saber la posicin de los disparos respecto del centro del blanco equivale en la prctica a

4
conocer el verdadero valor de la cantidad a medir, valor que, por supuesto, nos es
desconocido en la inmensa mayora de los casos. Todo lo que podemos evaluar es la
precisin de nuestras mediciones, que est relacionada con la dispersin de nuestros valores.
La exactitud, dependiente de los errores sistemticos que cometemos al medir, es ms difcil
de evaluar que la precisin. Como dijimos anteriormente, los errores sistemticos pueden ser
difciles de encontrar, aunque tienen la ventaja de que una vez localizados pueden ser
corregidos.

(a) (b)

(c) (d)

Figura 1. Errores aleatorios y sistemticos en un ejercicio de prctica de tiro. a) Debido a que las marcas de los
disparos estn muy cerca unas de otras, podemos decir que los errores aleatorios son pequeos. Debido a que la
distribucin de disparos est centrada en el blanco, los errores sistemticos tambin son pequeos. b) Los
errores aleatorios son todava pequeos, pero los sistemticos son mucho ms grandes los disparos estn
sistemticamente corridos hacia la derecha. c) En este caso, los errores aleatorios son grandes, pero los
sistemticos son pequeos los disparos estn muy dispersos, pero no estn sistemticamente corridos del centro
del blanco. d) Aqu ambos errores son grandes.

III. Cmo expresar las incertezas o errores.

La forma correcta de escribir el resultado de una medicin es dar la mejor estimacin
del valor de la cantidad medida y el rango dentro del cual Ud. puede asegurar que este valor
se encuentra. Convencidos de que no existe tal cosa como el valor real de una cantidad a
medir, debemos conformarnos con saber dentro de qu intervalo estamos seguros que la
cantidad a medir se encuentra. Supongamos, por ejemplo, que deseamos medir la longitud
de un lpiz con una regla, como lo muestra la figura 2. Para ello, hacemos coincidir la parte
de atrs del lpiz con el cero de la regla y luego observamos dnde se ubica la punta sobre la
escala.

5

Figura 2. Midiendo la longitud de un lpiz con una regla.

Observando la figura, podemos decir que la longitud del lpiz es con seguridad mayor
que 42 mm y menor que 43 mm, pero no es posible dar una lectura ms precisa. En este
caso, expresaremos el resultado como

mejor estimacin de la longitud = 42.5 mm,
rango probable: 42 a 43 mm.

Este resultado puede escribirse en forma ms compacta como:

valor medido de la longitud = 42.5 0.5 mm.

En general, el resultado de una medicin cualquiera se expresa como

III.a. Cifras significativas

Existen varias reglas usadas para expresar las incertezas que vale la pena enfatizar.
En primer lugar, debido a que la cantidad x es una estimacin de la incerteza, obviamente
no debe establecerse con demasiada precisin. Si medimos la aceleracin de la gravedad g,
sera absurdo escribir el resultado como

(g medido) = 9.82 0.02385 m/s
2
.

No hay forma de conocer la incerteza en la medicin con cuatro cifras significativas! En
trabajos de gran precisin, las incertezas se establecen a veces con dos cifras significativas,
pero para nuestros propsitos podemos establecer la siguiente regla:

(valor medido de x ) = x
mejor
x.
Regla para expresar las incertezas

Las incertezas experimentales deben ser
redondeadas en la mayor parte de los casos a
una sola cifra significativa.
0 10 20 40 30 50

6

Por lo tanto, si un clculo resulta en una incerteza g = 0.02385 m/s
2
, la respuesta debe
redondearse a g = 0.02 m/s
2
, y el resultado anterior debe escribirse

(g medido) = 9.82 0.02 m/s
2
.

Esta regla tiene slo una excepcin significativa. Si el primer dgito en la incerteza x es un
1, entonces puede ser mejor mantener dos cifras significativas en x. Por ejemplo,
supongamos que un clculo resulta en una incerteza x = 0.14. Redondear este nmero a x
= 0.1 resulta en una disminucin substancial (del orden del 40%!), de forma tal que podemos
afirmar que es ms correcto en este caso retener dos cifras significativas, escribiendo la
incerteza como x = 0.14.
Una vez que se ha estimado la incerteza en la medicin, deben considerarse las cifras
significativas del valor medido. Un resultado escrito como

velocidad medida = 6051.78 30 m/s

es obviamente ridculo. La incerteza de 30 significa que el dgito 5 podra ser realmente tan
pequeo como 2 o tan grande como 8. Claramente, los dgitos siguientes 1, 7 y 8 no tienen
ningn significado y debieran ser redondeados. Es decir que la forma correcta de escribir
este resultado es

velocidad medida = 6050 30 m/s.

La regla general es esta:

Por ejemplo, la respuesta 92.81 con una incerteza de 0.3 debiera redondearse a

92.8 0.3.

Si la incerteza es 3, la misma respuesta debiera redondearse a

93 3,

y si la incerteza es 30, la respuesta debiera ser

90 30.

Tenga en cuenta que estamos refirindonos a cmo expresar el resultado final. Las reglas de
redondeo obviamente no se aplican a clculos intermedios.
Regla para escribir los resultados

La ltima cifra significativa del resultado
debe ser del mismo orden de magnitud
(estar en la misma posicin decimal) que la
incerteza.

7

III.b. Incerteza o error relativo

La incerteza x en una medicin,

(x medido) = x
mejor
x,

indica la precisin de la medicin. Sin embargo, la incerteza x por s misma no nos dice
demasiado. Una incerteza de un centmetro en una distancia de un kilmetro indicara una
medicin inusualmente precisa, mientras que una incerteza de un centmetro en una distancia
de tres centmetros indicara una estimacin grosera. Obviamente entonces, la calidad de
una medicin no est dada slo por la incerteza x sino tambin por el cociente entre x y
x
mejor
, lo cual nos lleva a definir el error o incerteza relativa:

En la mayora de las mediciones medianamente cuidadosas, la incerteza x es mucho
menor que el valor medido x
mejor
. Debido a que el error relativo x / | x
mejor
| resulta ser
entonces un nmero pequeo, es conveniente a veces multiplicarlo por 100 y referirse a l
como el error o incerteza porcentual. Por ejemplo, la medicin

longitud l = 50 1 cm

tiene un error relativo

l / | l
mejor
| = 1 cm / 50 cm = 0.02

y un error porcentual de 2%. Por lo tanto, el resultado puede escribirse tambin como

longitud l = 50 cm 2%.

El error porcentual es una indicacin aproximada de la calidad de la medicin,
cualquiera sea el tamao de la cantidad medida. Errores porcentuales del 10% comnmente
caracterizan a las mediciones gruesas. (Una medicin gruesa de 10 cm podra tener una
incerteza del orden del cm; una medicin gruesa de 10 kilmetros podra tener una incerteza
del orden del kilmetro). Incertezas relativas del 1 o 2% son caractersticas de experimentos
razonablemente cuidadosos y estn cerca del mejor valor que puede obtenerse en
experimentos de laboratorio de nivel introductorio. Errores relativos menores al 1% son
difciles de obtener y son raros de encontrar en el laboratorio de nivel introductorio. Esta
clasificacin es, por supuesto, muy gruesa. Por ejemplo, una buena cinta mtrica puede
medir una distancia de 3 metros con una incerteza del orden de un tercio de milmetro, o
aproximadamente 0.1%. En todo caso debemos recordar, sin embargo, que el proceso de
medicin involucra al aparato de medida, al observador y al sistema a medir, y existen errores
error relativo = x / | x
mejor
|.

8
asociados a cada uno de ellos. Aunque la cinta mtrica de este ejemplo pueda permitir
mediciones con una precisin del 0.1%, puede que los dems factores involucrados en la
medicin empeoren la precisin del resultado final.

IV. Propagacin de incertezas Una introduccin

Qu sucede cuando debemos combinar ms de una medicin para obtener el resultado
buscado? Cmo estimamos la incerteza del resultado final? Veamos algunos casos simples
para comenzar. Para estimar la incerteza en la suma x + y o la diferencia x - y, tenemos que
decidir cules son los valores probables ms altos y ms bajos del resultado. Los valores
probables ms alto y ms bajo para x son x
mejor
x, y para y son y
mejor
y. Por lo tanto, el
valor probable ms alto de x + y es

x
mejor
+ y
mejor
+ (x + y ),

y el valor probable ms bajo es

x
mejor
+ y
mejor
- (x + y ).

Por lo tanto, la mejor estimacin para q = x + y es

q
mejor
= x
mejor
+ y
mejor
,

y su incerteza es
q ~ x + y .

Un argumento similar muestra que la incerteza de la diferencia q = x y est dada por la
misma expresin, q ~ x + y . (Demustrelo!). Es decir que la incerteza en la suma x + y o
la diferencia x y es la suma x + y de las incertezas en x e y. En caso de que tengamos
varios nmeros x, ..., w a ser sumados o restados, repitiendo el argumento anterior llegamos a
la siguiente regla:

Incerteza en las sumas o diferencias

Si se miden varias cantidades x, ... , w con incertezas x, ... , w, y
se utilizan los valores medidos para calcular la cantidad

q = x + ... + z (u + ... + w),

entonces la incerteza en el valor calculado de q es la suma

q ~ x + ... + z + u + ... + w,

de todas las incertezas originales.


9

Veamos ahora el caso de un producto q = xy. Sabiendo que el valor medido de x es x
mejor

x, y que el valor medido de y es y
mejor
y, podemos escribir

(valor de q) = (x
mejor
x)(y
mejor
y).

Desarrollando este producto obtenemos

(valor de q) = x
mejor
y
mejor
(x y
mejor
+ x
mejor
y + x y).

En el caso generalmente encontrado en la prctica en que x y y son cantidades pequeas,
podemos despreciar el ltimo trmino del parntesis frente los dos primeros. Esto nos lleva
entonces al siguiente resultado:

q
mejor
= x
mejor
y
mejor
,

q ~ x y
mejor
+ x
mejor
y.

Es conveniente expresar la incerteza del producto como una incerteza relativa, es decir,
dividir esta ltima expresin por |q| = |q
mejor
| = |xy|:

q / |q| ~ x / |x| + y / |y|.

Concluimos entonces que la incerteza relativa del producto de dos cantidades x e y es
igual a la suma de las incertezas relativas de x e y. Veamos ahora el caso de la incertidumbre
relativa de un cociente q = x / y. En este caso podemos escribir

(valor de q) = x
mejor
(1 x / |x|) / [y
mejor
(1 y / |y|)] =

= (x
mejor
/ y
mejor
) [(1 x / |x|) / (1 y / |y|)],

donde

(valor de x) = x
mejor
x = x
mejor
(1 x / |x|).

Nuestro problema ahora es encontrar los valores probables extremos de la cantidad q. Esta
cantidad es mxima cuando el numerador alcanza su valor mximo 1 + x / |x|, y el
denominador toma su mnimo valor, 1 - y / |y|. Entonces, el valor mximo que puede tomar
q = x / y es

(valor de q) = (x
mejor
/ y
mejor
) [(1 + x / |x|) / (1 - y / |y|)].

El factor entre corchetes tiene la forma (1 + a)/(1 b), donde los nmeros a y b son
normalmente pequeos (es decir, mucho menores que 1). Este factor se puede simplificar
usando dos aproximaciones. Primero, y teniendo en cuenta que b es pequeo, el teorema del
binomio nos permite escribir

10

1 / (1 b) ~ 1 + b.

Por lo tanto,

(1 + a) / (1 b) ~ (1 + a)(1 + b) = 1 + a + b + ab ~ 1 + a + b,

donde, por ser a y b nmeros pequeos, hemos despreciado su producto ab frente a los dems
trminos de la suma. El valor probable ms grande de la cantidad q puede escribirse
entonces como

(valor ms grande de q) = (x
mejor
/ y
mejor
) (1 + x / |x| + y / |y|).

Un clculo semejante muestra que el valor probable ms pequeo est dado por una
expresin similar con dos signos negativos (demustrelo!). Combinando las dos,
encontramos que

(valor de q) = (x
mejor
/ y
mejor
) [1 (x / |x| + y / |y|)].

Comparando esta expresin con la forma comn de expresar un resultado

(valor de q) = q
mejor
(1 q / |q|),

vemos que el mejor valor para q es q
mejor
= x
mejor
/ y
mejor
, como esperbamos, y que la
incerteza relativa est dada por

q / |q| ~ x / |x| + y / |y|.

Concluimos entonces que cuando multiplicamos o dividimos dos cantidades medidas x e y, el
error relativo de la respuesta es la suma de los errores relativos de x e y. Este resultado lleva
a la siguiente regla:

Incerteza en productos y cocientes

Si se miden varias cantidades x, ... , w con pequeas incertidumbres x,
... , w, y los valores medidos se utilizan para calcular

q = (x x ... x z) / (u x ... x w),

entonces la incertidumbre relativa del valor calculado de q es la suma

q / |q| ~ x / |x| + ... + z / |z| + u / |u| + ... + w / |w|

de las incertidumbres relativas en x, ... , w.


11

Esta regla contempla un par de casos particulares: la multiplicacin de una cantidad
medida por una constante, y la incerteza al calcular una potencia de una cantidad medida.
En el caso de la multiplicacin por una constante B, q = Bx, la incerteza relativa de este
producto es la suma de las incertezas relativas de los factores. Como B = 0, entonces la
incerteza relativa de q es igual a la incerteza relativa de x, o sea q / |q| = x / |x|. El
resultado puede entonces escribirse como la siguiente regla:

El segundo caso particular de la regla de adicin de incertezas relativas para el
producto contempla el caso de elevar a una potencia una cantidad medida. Por ejemplo,
podemos medir la velocidad v de un objeto y luego calcular v
2
para encontrar su energa
cintica. Debido a que v
2
= v x v, la incerteza relativa de la cantidad v
2
es el doble de la
incerteza relativa en v. La regla general para las potencias es entonces como sigue:

Aunque no lo hemos demostrado, esta regla vale para todo n real. Para el caso en que
en exponente n es negativo, q / |q| = |n| x / |x|.

En el caso general en que q, se calcula a partir de un conjunto de cantidades x, y, z...
determinadas experimentalmente, el resultado constituye una funcin dependiente de los
Incerteza en una potencia

Si se mide una cantidad x con una incerteza x y el valor
medido se utiliza para calcular la potencia

q = x
n
,

entonces el error relativo en q es n veces aquel en x, o sea

q / |q| = n x / |x|.
Cantidad medida multiplicada por un nmero exacto

Si se mide una cantidad x con incerteza x y se utiliza
para calcular el producto

q = Bx,

donde B no tiene incerteza, entonces la incerteza en q es
|B| veces la incerteza en x,

q = B x.


12
valores de estas cantidades consideradas como variables independientes. Restringiendo el
tratamiento a un conjunto de dos variables independientes (su extensin al caso de mas
variables es obvio) podemos escribir la siguiente expresin pare el error absoluto de q.

y
y
q
x
x
q
q
m
m
m
m
y y
x x
x
y y
x x
y
(
(
|
|
\
|
+
(
(
\
|
=
=
=
=
=
* *

13
V. Caracterizando fenmenos a travs de grficos

No es extrao que la interpretacin de una serie de mediciones sea ms fcil a travs
de anlisis de un grfico bien confeccionado que a partir de una tabla construida con los
resultados de las mediciones. La confeccin e interpretacin de grficos es de gran
importancia tanto en el anlisis terico como en el experimental. En esta Seccin trataremos
brevemente el tema de la interpretacin de grficos. El Apndice B trata con detalle el tema
de su confeccin.
Muchas leyes fsicas implican una proporcionalidad entre dos cantidades medibles
experimentalmente. Por ejemplo, la ley de Hooke establece que el estiramiento de un resorte
es proporcional a la fuerza que lo deforma, y la segunda ley de Newton establece que la
aceleracin de un cuerpo es proporcional a la fuerza neta aplicada. Muchos experimentos de
laboratorio estn diseados para verificar esta clase de proporcionalidad.
Si una cantidad y es proporcional a otra cantidad x, un grfico de y versus x es una
lnea recta que pasa por el origen. Entonces, para averiguar si y es proporcional a x, Ud.
puede graficar los valores medidos de y versus los valores de x y observar si los puntos
resultantes yacen sobre una lnea recta que pasa por el origen. Debido a que una lnea recta
es fcilmente reconocible, este mtodo representa una manera simple y efectiva de evaluar
proporcionalidad.
Para ilustrar este uso de los grficos, imaginemos un experimento para verificar la ley
de Hooke. Esta ley, expresada comnmente por F = kx, establece que la extensin x de un
resorte es proporcional a la fuerza F que lo estira, o sea que x = F/k, donde k es la constante
del resorte. Una forma simple de verificar esta ley es colgar un resorte verticalmente y
suspender de l diferentes masas m. En este caso, la fuerza F es el peso de la masa
suspendida, de tal forma que la extensin del resorte debiera ser x = mg/k = (g/k) m. Por lo
tanto, la extensin x debiera ser proporcional a la carga m, y un grfico de x versus m debiera
dar como resultado una lnea recta pasando por el origen.
Si medimos x para una variedad de diferentes masas m y graficamos nuestros valores
de x y m, los puntos resultantes casi con seguridad no yacern exactamente sobre una lnea
recta. Supongamos, por ejemplo, que medimos la extensin x para ocho diferentes cargas m,
obteniendo los resultados mostrados en la siguiente tabla:

Carga m (gramos) 200 300 400 500 600 700 800 900
(m despreciable)
Extensin x (cm) 1.1 1.5 1.9 2.8 3.4 3.5 4.6 5.4
(x = 0.3 cm)

Estos valores estn graficados en la Fig. 2 a), donde tambin se muestra una posible lnea
recta que pasa por el origen y est razonablemente cerca de todos los puntos. Como era de
esperar, los ocho puntos no estn exactamente alineados. La cuestin es ahora si este
resultado es debido a las incertezas experimentales (como nosotros quisiramos), a errores
que hemos cometido, o a la posibilidad de que la extensin x no sea proporcional a m. Para
contestar esa pregunta, debemos examinar nuestras incertezas.

14

Figura 2. Tres grficos de extensin x de un resorte versus la carga m. a) Los datos de la tabla sin barras de
error. b) Los mismos datos con las barras de error para mostrar las incertezas en x . (Las incertezas en m se
consideran despreciables). Estos datos son consistentes con la proporcionalidad esperada entre x y m. c) Un
conjunto diferente de datos, que es inconsistente con una relacin lineal entre x y m para todo el rango
desplazamientos medido en el experimento.

Como es comn, las cantidades medidas, extensiones x y masas m, estn sujetas a incertezas.
Por simplicidad supondremos que las masas usadas son conocidas con gran exactitud, de
forma tal que la incerteza en m es despreciable. Supongamos, por otra parte, que todas las
0
1
2
3
4
5
6
0 500 1000
m (gramos)
x

(
c
m
)
0
1
2
3
4
5
6
0 500 1000
m (gramos)
x

(
c
m
)
0
1
2
3
4
5
6
0 500 1000
m (gramos)
x

(
c
m
)
a) b)
c)

15
mediciones de x tienen una incerteza de aproximadamente 0.3 cm. Para una carga de 200
gramos, por ejemplo, la extensin estar probablemente en el rango 1.1 0.3 cm. Nuestro
primer punto en el grfico cae en la lnea vertical m = 200 gramos, en algn lugar entre x =
0.8 y x = 1.4 cm. Este rango se indica en la Fig. 2 b), donde se muestra una barra de error
asociada a cada punto indicando cul es el posible rango para esa medicin. Obviamente, si
la relacin entre x y m es lineal, deberamos poder encontrar una lnea recta que pase por el
origen y pase tambin a travs de todas o casi todas las barras de error. La Fig. 2 b)
muestra que tal lnea existe, de tal forma que podemos concluir que los datos son consistentes
con una relacin lineal entre x y m.
Hemos visto que la pendiente del grfico x versus m es g/k. Midiendo la pendiente de
la lnea recta de la Fig. 2 b) podemos, por lo tanto, encontrar la constante k del resorte.
Dibujando las lneas de mxima y mnima pendiente que se ajustan a los datos
razonablemente bien, podemos tambin encontrar la incerteza de este valor de k.
Si la mejor lnea recta no pasa a travs de un gran nmero de barras de error, o si los
puntos estn alejados una gran distancia respecto al tamao de las barras de error, entonces
nuestro resultados son inconsistentes con una relacin lineal entre x y m. Esta situacin se
muestra en la Figura 2 c). Con los resultados all mostrados, tendramos que comenzar por
controlar nuestras mediciones y clculos (incluyendo el clculo de los errores) y considerar si
x puede no ser proporcional a m por alguna razn. [En la Fig. 2 c), por ejemplo, los primeros
cinco puntos pueden ajustarse a una lnea recta pasando por el origen. Esta situacin sugiere
que x puede ser proporcional a m hasta aproximadamente unos 600 gramos, pero que la ley
de Hooke deja de valer en ese punto y que a partir de all el resorte comienza a estirarse ms
rpidamente.]

Figura 3. Mediciones que tienen incertidumbres en ambas variables pueden indicarse mediante cruces formadas
por una barra de error para cada variable.

Hasta ahora hemos supuesto que la incerteza en la masa (que est graficada en el eje
horizontal) es despreciable y que las nicas incertezas estn en x, como lo indican las barras
verticales. Si tanto x como m estn sujetas a incertezas apreciables, la manera ms simple de
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
0 200 400 600 800
m
x


16
mostrarlas es dibujar barras de error verticales y horizontales, cuyas longitudes muestren las
incertezas en x y m, respectivamente, como se muestra en la Fig. 3. Cada cruz en este
grfico corresponde a una medicin de x y m, en la cual x probablemente cae en el intervalo
definido por la barra vertical y m cae en aquel definido por la barra horizontal.

Figura 4. a) Si y es proporcional a x
2
, un grfico de y versus x debera mostrar una parbola con esta forma
general. b) La bondad del ajuste parablico es difcil de evaluar en un grfico de y versus x. c) Por otra parte, un
grfico de y versus x
2
debera resultar en una lnea recta pasando por el origen, lo cual es fcil de verificar
visualmente. (En el caso que se muestra, podemos ver fcilmente que por los puntos pasa una recta.)

Una posibilidad un poco ms complicada ocurre cuando una cantidad puede ser
proporcional a una potencia de otra. (Por ejemplo, la distancia recorrida por un objeto que
cae un tiempo t es d = gt
2
y es proporcional al cuadrado de t.) Supongamos que se espera
que y sea proporcional a x
2
. Entonces, y = Ax
2
, donde A es alguna constante, y un grfico de y
versus x debera ser una parbola con la forma general de la Fig. 4 a). Si medimos una serie
de valores (x, y) y graficamos y versus x, puede ser que obtengamos un grfico como el que
muestra la Fig. 4 b). Desafortunadamente, juzgar visualmente si un conjunto de puntos se
ajusta a una parbola (o a cualquier otra curva, excepto una lnea recta) es muy difcil. Una
mejor forma de verificar que y es proporcional a x
2
(y x
2
) es graficar y versus x al
cuadrado. Tal grfico debiera ser una lnea recta, y eso s es fcilmente verificable, como se
ve en la Fig. 4 c).
De la misma forma, si y = A x
n
(donde n es una potencia cualquiera), un grfico de y
versus x
n
debiera ser una lnea recta, y graficando los valores observados de y versus x
n

deberamos poder verificar fcilmente dicho ajuste. Existen muchas otras situaciones en las
cuales una relacin no lineal (es decir, una que resulta en un grfico curvado, no lineal) puede
convertirse en una relacin linea mediante una hbil seleccin de las variables a graficar.
Por ejemplo, es comn el caso en que una de las variables y depende exponencialmente de
otra variable x, en la forma y = A e
Bx
. Para esta clase de relaciones, se puede ver fcilmente
que el logaritmo natural de y es lineal respecto de x, es decir, un grfico de ln(y) versus x
debera ser una lnea recta en el caso de una relacin exponencial. Ms adelante veremos
algunos ejemplos de estas operaciones de linealizacin.
0
5
10
15
20
25
30
35
40
0 2 4 6 8
x
y

-5
0
5
10
15
20
25
30
35
40
0 2 4 6 8
x
y

-5
0
5
10
15
20
25
30
35
40
0 10 20 30 40
x
2
y

a) b) c)

17

VI. Anlisis de mltiples de mediciones de una misma cantidad

Hasta ahora hemos considerado procesos de medicin donde cada una de las
cantidades se meda una sola vez. Dejando de lado el caso de mediciones llevadas a cabo
durante sucesos nicos, donde no puede medirse ms que una vez, rara vez en el laboratorio
el valor de una cantidad se define a partir de una sola medicin. Una de las mejores maneras
de evaluar la confiabilidad de una medicin es repetirla varias veces y examinar los diferentes
valores obtenidos. Tenga en cuenta, sin embargo, que no todas las incertezas experimentales
pueden ser evaluadas mediante un anlisis estadstico basado en mediciones reiteradas. Si
existen en el proceso de medicin errores sistemticos, el anlisis estadstico no ayudar a
identificarlos, corregirlos o disminuirlos.
Supongamos que cuidadosamente hemos eliminado todas las fuentes de error
sistemtico, y que medimos entonces una misma cantidad 100 veces. Cmo reportaremos
estos resultados? Haremos una lista de 100 nmeros? Qu resultado particular caracteriza
mejor al conjunto de mediciones? Cul es el rango en donde es ms probable encontrar el
resultado de una medicin en particular? Cul es la probabilidad de que una medicin resulte
en un dado valor de la cantidad medida? Todas estas preguntas y algunas ms pueden
responderse a travs de un anlisis estadstico de los datos. Ahora que Ud. ha adquirido
alguna prctica en la medicin de cantidades en el laboratorio, y que ha ledo atentamente
este apunte y ha resuelto los problemas propuestos, le recomendamos estudiar el Captulo 3
del libro Experimentacin: una introduccin a la teora de mediciones y al diseo de
experimentos, especialmente las secciones 1-11. En esta seccin de nuestro apunte
pasaremos a desarrollar un caso particular de mediciones para que Ud. pueda ver cmo
funciona el anlisis estadstico en la prctica.

Ejemplo:
Al medir cien veces la longitud de un escritorio, un alumno obtiene la siguiente tabla
de datos (expresados en milmetros):

999.0 993.0 1003.5 997.0 1002.0 994.5 1001.5 990.5 1004.5 994.5
1001.0 996.0 1001.5 998.5 1000.5 998.5 998.5 999.5 1001.5 999.0
996.5 992.5 1004.0 988.0 1007.5 994.5 1002.5 990.5 1008.5 987.5
1000.5 999.5 996.0 1001.5 997.0 1002.0 996.5 1005.0 998.0 1004.0
1004.0 999.0 999.5 1000.5 998.0 1001.5 997.0 1002.5 999.0 1003.0
1002.0 998.0 999.5 999.5 999.5 1000.5 997.5 1000.5 1000.0 1000.0
1008.5 1006.0 993.0 1008.0 987.5 1007.5 994.5 1010.0 994.0 1005.5
1008.0 1002.5 996.0 1001.5 995.0 1005.5 996.0 1005.5 997.0 1005.5
1001.5 996.5 1000.0 999.5 1000.0 999.5 998.5 1000.5 1001.0 999.5
1000.0 993.5 1002.5 998.0 1001.0 995.0 1001.0 999.0 1003.0 996.0

Para medir el escritorio, el estudiante us una pequea regla de 5 cm de longitud graduada en
milmetros. Para cubrir la longitud total del escritorio, el estudiante fue trasladando la regla
sobre el lado del escritorio, valindose de marcas que l mismo fue haciendo con una lapicera
de fibra. Luego de cada medicin, el estudiante borraba las marcas y volva a repetir el
proceso. Asumiremos que estas cien muestras fueron tomadas de un universo Gaussiano.

18
a) Dibuje el histograma de las observaciones.

Para construir el histograma, se dividi el rango total sobre el cual se extienden las
observaciones en intervalos de 2 mm, comenzando por 986 mm y finalizando en 1010 mm.
La barra dibujada en la posicin 988.0 mm, por ejemplo, indica el nmero de observaciones
que se encuentran en el rango (986.0, 988.0].

b) Identifique la moda y la mediana.

La moda es el valor del rango horizontal para el cual se registra el mximo de la
distribucin. En este caso, la moda est entre 998.0 mm y 1000.0 mm. La mediana es aquel
valor en el cual una lnea recta divide a la distribucin en dos partes de igual rea. En esta
caso, la mediana vale 999.5 mm.

c) Calcule la media.

La expresin para en clculo de la media o promedio es x
m
= x
i
/ N. En este caso, x
m

= 999.6 mm. Recuerde que la mejor estimacin del verdadero valor X que Ud. puede
calcular a partir de sus mediciones es justamente el valor medio x
m
de sus N resultados.

d) Calcule la mejor estimacin de la desviacin estndard del universo.

La mejor estimacin de la desviacin estndard del universo es
N-1
= [ (x
i
x
m
)
2
/(N - 1)]
1/2
.
En este problema,
N-1
= 4.54 mm.
H i s t o g ra ma
0
5
1 0
1 5
2 0
2 5
9
8
6
.
0
9
8
8
.
0
9
9
0
.
0
9
9
2
.
0
9
9
4
.
0
9
9
6
.
0
9
9
8
.
0
1
0
0
0
.
0
1
0
0
2
.
0
1
0
0
4
.
0
1
0
0
6
.
0
1
0
0
8
.
0
1
0
1
0
.
0
M
o
r
e
L m i te s u p e ri o r d el ra n g o ( m m )
N
m
e
r
o

d
e

o
c
u
r
r
e
n
c
i
a
s

19

e) Calcule la desviacin estndard de la media.

Este es un buen momento para revisar qu es lo que sabemos hasta el momento: en
primer lugar, si las mediciones de x estn sujetas slo a errores aleatorios, su distribucin
lmite es la funcin de Gauss G
X,
(x) centrada en el verdadero valor X y con ancho . El
ancho es el intervalo de confianza del 68%, es decir que existe un 68% de probabilidades
de que una medicin individual cualquiera caiga dentro de una distancia del verdadero
valor X. En la prctica, no conocemos el valor de X o . En su lugar, tenemos nuestros N
valores medidos x
1
, ..., x
N
. Basados en estos N valores medidos, nuestra mejor estimacin
del verdadero valor de X es la media x
m
, y nuestra mejor estimacin del ancho de la
distribucin es
N-1
.
Ahora surgen dos preguntas, una de las cuales es: cul es la incerteza en x
m
como
estimacin del verdadero valor de X? Es decir, si medimos varios grupos de N mediciones,
cmo estarn distribuidas las medias x
m
de los distintos grupos de mediciones respecto al
verdadero valor X? La respuesta es que la incerteza en la estimacin del verdadero valor X es
la desviacin estndard de la media, que vale
xm
=
N-1
/N
1/2
. En nuestro caso, este valor
resulta
xm
=
N-1
/10 = 0.45. Esto quiere decir que nuestra respuesta x
m
= 999.6 mm est ,
con un 68% de probabilidad, a una distancia menor a 0.45 mm del valor real de X.

f) Calcule la desviacin estndard de la desviacin estndard.

La segunda pregunta que surge es: cul es la incerteza en
N-1
como estimacin del
verdadero ancho ? Puede demostrarse que la incerteza de la incerteza est dada por

=
N-1
/ [2(N 1)]
1/2
.
Este resultado muestra claramente la necesidad de realizar numerosas mediciones para lograr
conocer la incerteza en forma confiable. Por ejemplo, con slo tres mediciones de una
cantidad (N = 3), este resultado muestra que la desviacin estndard tiene una incerteza del
50%! En este problema,
= 0.32 mm, y la incerteza relativa en el valor de es 1 / [2(N

1)]
1/2
= 1 / [2(100 1)]
1/2
= 0.07, o sea del 7%.

g) Dentro de qu lmites hay una probabilidad del 68% de que est includa una observacin
particular? Qu lmites dan una probabilidad del 95%?

Los intervalos dentro de los cuales la probabilidad de que est includa una
observacin particular es del 68% y 95% son, respectivamente, x
m

N-1
y x
m
2
N-1
. En
este problema, estos intervalos expresados en milmetros son (995.1, 1004.1) y (990.5,
1008.7).

h) Dentro de qu lmites la media tiene 1) una probabilidad del 68%, y 2) una probabilidad
del 95% de estar includa?

Note que ahora la pregunta es diferente, y se refiere al rango dentro del cual Ud.
espera que el valor medio de una muestra se encuentre con cierta probabilidad. En 1), este
rango est dado por x
m

xm
, y en 2) est dado por x
m
2
xm
. En este caso, estos intervalos
expresados en milmetros son (999.1, 1000.1) y (998.7, 1000.5).

20
i) Dentro de qu lmites el verdadero ancho tiene 1) una probabilidad del 68%, y 2) una
probabilidad del 95% de estar includa?

Estos intervalos estn definidos por 1)
N-1

, y 2)
N-1
2
. En nuestro caso,
estos intervalos son, en milmetros, (4.22, 4.86) y (3.90, 5.18).

VII. Discrepancia

Cuando dos mediciones de la misma cantidad se hallan en desacuerdo, decimos que
existe una discrepancia. Numricamente, definimos la discrepancia entre dos mediciones
como su diferencia:

Ms especficamente, cada una de las dos mediciones consiste de un valor que es nuestra
mejor estimacin del verdadero valor, y una incerteza. Cada una de estas mediciones puede
ser el resultado de largas series de medidas, las cuales fueron procesadas en la forma vista en
la seccin anterior. O pueden ser el resultado de dos mediciones individuales, con la
incerteza calculada mediante las simples reglas de propagacin del error vistas anteriormente.
En cualquier caso, definimos la discrepancia como la diferencia entre las dos mejores
estimaciones. Por ejemplo, si dos estudiantes miden la misma resistencia y obtienen los
siguientes valores

Estudiante A: 15 1 ohms; Estudiante B: 25 2 ohms,

su discrepancia es

discrepancia = 25 15 = 10 ohms.

Note que una discrepancia puede o no ser significativa. Entre las dos mediciones que
acabamos de comentar existe una discrepancia significativa, puesto que no encontramos
ningn valor posible de resistencia que sea compatible con ambas mediciones. Obviamente,
al menos una de las mediciones es incorrecta, y se necesita en este caso buscar
cuidadosamente qu es lo que ha fallado.
Suponga ahora que otros dos estudiantes has reportado los siguientes resultados:

Estudiante C: 16 8 ohms; Estudiante D: 26 9 ohms.

Aqu, nuevamente, la discrepancia es de 10 ohms. Sin embargo, la discrepancia aqu no es
significativa, dado que los mrgenes de error de ambos estudiantes se solapan
confortablemente y ambas mediciones podran ser igualmente correctas. La discrepancia
entre dos mediciones de la misma cantidad debe ser evaluada entonces no por su tamao, sino
por cun grande es comparada con las incertezas en las mediciones.
discrepancia = diferencia entre dos valores medidos de la misma cantidad

21

VIII. Promedios pesados

Frecuentemente, una cantidad fsica se mide varias veces, inclusive en diferentes
laboratorios, y la pregunta que se suscita es cmo pueden combinarse estos resultados para
dar una nica mejor estimacin. Supongamos, por ejemplo, que dos estudiantes A y B miden
cuidadosamente una cantidad x y obtienen los siguientes resultados:

Estudiante A: x = x
A

A

y

Estudiante B: x = x
B

B
.

Cada resultado es probablemente el resultado de varias mediciones, en cuyo caso x
A
ser la
media de todas las mediciones de A y
A
la desviacin estndard de la media (lo mismo se
aplica a x
B
y
B
).
La cuestin es entonces cul es la mejor forma de combinar x
A
y x
B
para obtener una sola
estimacin de x.
Antes de examinar esta cuestin, note que si la discrepancia |x
A
x
B
| entre las dos
mediciones es mucho ms grande que ambas incertezas
A
y
B
, deberamos sospechar que
algo est mal en al menos una de las mediciones. En esta situacin, diramos que ambas
mediciones son inconsistentes, y deberamos examinar ambas mediciones cuidadosamente
para ver si una (o ambas) ha estado sujeta a algn error sistemtico desapercibido.
Supongamos que las mediciones son consistentes, es decir, que la discrepancia |x
A

x
B
| no es significativamente mayor que
A
y
B
. En ese caso sera muy razonable preguntar
cul es la mejor estimacin del valor real X, basado en ambas mediciones. Un primer
impulso nos lleva a pensar que este valor debera ser el promedio (x
A
+ x
B
)/2 de ambas
mediciones. Sin embargo, un poco de reflexin nos sugiere que este promedio es inadecuado
en el caso que que las incertezas
A
y
B
sean diferentes. El simple promedio le da igual
importancia a ambas mediciones, mientras que es ms razonable pensar que a la medicin
ms precisa (con menor ) debiera drsele ms peso.
Puede demostrarse que la mejor estimacin del verdadero valor de X est dado por el
promedio pesado (al que llamaremos x
pp
), dado por la siguiente expresin:

(mejor estimacin de X) = x
pp
= (p
A
x
A
+ p
B
x
B
)/(p
A
+ p
B
),

donde p
A
= 1/
A
2
y p
B
= 1/
B
2
son denominados pesos. Observe que si las dos mediciones
son igualmente inciertas (
A
=
B
, y por lo tanto p
A
= p
B
), esta respuesta se reduce al simple
promedio (x
A
+ x
B
)/2. Esta ecuacin es similar a la del centro de gravedad de dos cuerpos,
donde p
A
y p
B
son sus pesos y x
A
y x
B
sus posiciones. Si las mediciones de A son ms
precisas que las de B, entonces
A
<
B
y por lo tanto p
A
> p
B
, de forma tal que la mejor
estimacin est ms cerca de x
A
que de x
B
, tal y como debiera ser.

22
IX. Ajuste por cuadrados mnimos

Uno de los tipos ms comunes e interesantes de experimento involucra la medicin de
varios valores de dos diferentes variables fsicas a fines de investigar la relacin matemtica
entre las dos variables. Ud. mismo ha realizado experimentos de esta clase en este curso. Sin
embargo, en dichos experimentos el ajuste de los datos a una funcin propuesta, tal como una
lnea recta, fue realizada en forma cualitativa, es decir, a ojo. Existen formas cuantitativas de
encontrar el valor de los parmetros que mejor representan a un conjunto de datos, y es
precisamente este tema el que trataremos en esta Seccin. Le recomendamos nuevamente
que, adems del breve desarrollo includo en este apunte, consulte la bibliografa
recomendada por la Ctedra.
Probablemente, los experimentos ms comunes del tipo descripto ms arriba son
aquellos para los cuales la relacin esperada entre las variables es lineal. Por ejemplo, si
creemos que un cuerpo est cayendo con aceleracin constante g, entonces su velocidad v
debera ser una funcin lineal del tiempo t,

v = v
0
+ gt.

En forma ms general, consideraremos un par cualquiera de variables fsicas x e y de las
cuales sospechemos que estn relacionadas por una relacin lineal de la forma

y = A + Bx,

donde A y B son constantes. Si las dos variables y y x estn relacionadas de esta manera,
entonces un grfico de y versus x debiera resultar en una lnea recta de pendiente B, que
intercepta al eje y en y = A. Si medimos N diferentes valores de x y los correspondientes
valores de y, y si nuestras mediciones no estn sujetas a incerteza alguna, entonces cada uno
de los puntos (x
i
, y
i
) caera exactamente sobre la lnea y = A + Bx. En la prctica, existen
incertezas, y lo mejor que podemos esperar es que la distancia entre cada punto y la recta sea
razonable comparada con las incertezas, tal como en el caso de la figura 5.
Cuando realizamos una serie de mediciones de este tipo, podemos hacernos dos
preguntas. En primer lugar, si tomamos por garantido que y y x estn relacionadas
linealmente, entonces el problema es encontrar la recta y = A + Bx que mejor se ajusta a las
mediciones, es decir, las mejores estimaciones para los valores de A y B. Este problema
puede tratarse grfica o analticamente. El mtodo analtico de encontrar la mejor recta que
se ajusta a una serie de datos experimentales es llamado regresin lineal, o ajuste de mnimos
cuadrados para una recta.
La segunda pregunta que surge es si los valores medidos realmente llenan nuestras
expectativas acerca de la linealidad entre y y x. Para contestar a esta pregunta, deberamos
primero encontrar la recta que mejor se ajusta a los datos, y adems encontrar alguna forma
de medir qu tan bien esta lnea se ajusta a los datos. Si conocemos las incertezas asociadas
a los datos, como en el caso de la figura 5, podemos evaluar el ajuste visualmente. Si no
tenemos una estimacin confiable de las incertezas, entonces tenemos que analizar la bondad
del ajuste examinando la distribucin de los puntos mismos. Este problema, relacionado con
los conceptos de covarianza y correlacin, no ser tratado en esta Seccin.


23

Figura 5. Las inevitables incertezas experimentales se muestran a travs de las barras de error, y slo podemos
esperar que los puntos estn razonablemente cerca de la recta. En este caso, slo la variable y est sujeta a
incertezas apreciables.

Vayamos a la cuestin de encontrar la recta y = A + Bx que mejor se ajusta a un
conjunto de puntos (x
1
, y
1
),..., (x
N
, y
N
). Para simplificar nuestra discusin, supondremos que
slo las incertezas de la variable y son apreciables. Esta suposicin es frecuentemente muy
razonable, porque es comn el caso en que las incertezas en una variable son muchos ms
grandes que en la otra. Supondremos adems que todas las incertezas en y tiene la misma
magnitud. (Esta suposicin es tambin razonable en muchos experimentos. Si las incertezas
fueran diferentes, existen formas de generalizar el anlisis dndole un peso adecuado a las
distintas mediciones).
Si conociramos las constantes A y B, entonces, para cualquier valor x
i
podramos
calcular el verdadero valor y
i
que le corresponde:

(verdadero valor de y
i
) = A + B x
i
.

La desviacin de esta magnitud respecto al valor medido se puede escribir entonces como:

y
i
= y
i
(A + B x
i
).

Intuitivamente, vemos que un criterio razonable para elegir la recta que mejor se ajusta a los
puntos experimentales es elegir aquella que minimice la suma de los cuadrados de las
desviaciones individuales y
i
. Esto significa que el valor de los parmetros A y B estar dado
por las siguientes dos condiciones:

( /A)[ (y
i
)
2
] = -2 (y
i
- A - B x
i
)
2
= 0

( /B)[ (y
i
)
2
] = -2 x
i
(y
i
- A - B x
i
)
2
= 0.

-5
0
5
10
15
20
25
30
35
40
0 10 20 30 40
x
2
y


24
La resolucin simultnea de estas ecuaciones resulta en las expresiones siguientes
(demustrelo!):

A = ( x
i
2
y
i
- x
i
x
i
y
i
) / ,

B = ( N x
i
y
i
- x
i
y
i
) / ,

donde

= N x
i
2
- ( x
i
)
2
.

Como vemos, la aplicacin del criterio de minimizacin de la suma de los cuadrados
de las desviaciones resulta en la obtencin de resultados objetivos para los parmetros A y B.
Adems de que este criterio es intuitivamente razonable, se puede demostrar que si la
medicin de cada y
i
est gobernada por una distribucin Gaussiana, entonces la mejor
estimacin de los parmetros A y B es aquella que minimiza la suma (y
i
)
2
.
La desviacin estndard de la pendiente y la ordenada al origen se calculan en
trminos de la desviacin estndard
y
de la distribucin de valores de y
i
alrededor de la
mejor recta (en el sentido de los cuadrados mnimos). Esta desviacin estndard est dada
por

y
= [ (y
i
)
2
/ (N 2)]
1/2
.

El factor (N 2) obedece a razones que no demostraremos aqu, y que estn ligadas al
nmero de grados de libertad disponibles. (Para una justificacin estadstica ms profunda
refirase a la bibliografa sugerida). Usando esta expresin para la incerteza de los valores
medidos y
i
, podemos usar propagacin de errores para escribir las incertezas en las
cantidades A y B:

A
=
y
(x
i
2
/ )
1/2

B
=
y
(N

/ )
1/2
.

De esta forma, la aplicacin del criterio de cuadrados mnimos nos ha permitido
encontrar la mejor estimacin de los parmetros A y B, as como tambin su incerteza. Es
fcil demostrar que si por alguna razn tenemos motivos para suponer que la mejor recta
debe pasar por el origen de coordenadas, o sea que es de la forma y = Bx, entonces la mejor
estimacin para la constante B es:

B = x
i
y
i
/ x
i
2
.

La incerteza en B est dada en este caso por:

B
=
y
/ ( x
i
2

)
1/2
= [ (y
i
- Bx
i
)
2
/ (N 1)]
1/2
/ ( x
i
2
)
1/2
.


25
APNDICE A

INFORMES DE LABORATORIO: ESTRUCTURA Y PREPARACIN

I. Introduccin

Adems de las habilidades analticas y de diseo que le sern necesarias para
convertirse en un ingeniero de xito, existen un nmero de otras habilidades, llamadas
transferibles, que Ud. necesitar en su carrera. Entre ellas, las habilidades de comunicacin
son de importancia primaria. La habilidad de comunicar sus ideas o hallazgos a otros es tan
importante como el conocimiento mismo.
Uno de los elementos ms utilizados en la comunicacin de conocimientos es el
reporte o informe. El propsito de un reporte es canalizar la informacin breve y claramente.
La brevedad es importante, un reporte no es un ensayo. La claridad se alcanza subdividiendo
el reporte en secciones, cada una jugando un rol determinado. Un informe de laboratorio
bien pensado y bien escrito no slo condensa el experimento en una forma fcil de recordar,
sino que tambin ayuda al entendimiento de la experiencia de laboratorio.
Todo trabajo cientfico eventualmente encuentra expresin en un reporte escrito. En
investigacin y desarrollo industrial, los reportes informan a los supervisores y directores,
pueden circular internamente dentro de la compaa, y pueden inclusive llegar a otros
investigadores trabajando en el mismo campo en otros lugares del mundo. Algunos reportes
son publicados en revistas cientficas y tcnicas. An el personal tcnico escribe a veces
reportes.
Muchos cientficos e ingenieros descubren tardamente que la gente juzga la calidad
del trabajo experimental a partir de la calidad de los reportes. Reportes pobres pueden hacer
que las personas encangadas de tomar las decisiones ignoren la lnea de investigacin misma
y, en un nivel eminentemente prctico, pueden poner en peligro los fondos asignados a esas
investigaciones.
El diseo de un reporte no es rgido. Sin embargo, a pesar de las variaciones que
puedan encontrarse, el objetivo es el mismo: documentar sus hallazgos para comunicar el
conocimiento que Ud. ha adquirido a travs de la experiencia de laboratorio. Para escribir un
buen reporte, Ud. no slo tiene que presentar los datos claramente, sino que tambin tiene que
demostrar su comprensin de los conceptos detrs de los datos. Por ejemplo, no es suficiente
escribir simplemente los resultados esperados y observados en su experimento, Ud. debera
tambin identificar el cmo y porqu de las diferencias observadas, explicar cmo han
afectado su experimento, y mostrar su comprensin de los principios subyacentes al
experimento que Ud. realiz.
Si bien en cierto que no existe una manera nica de escribir un reporte, a travs de los
aos ha evolucionado un formato conveniente de estructura que puede verse en trabajos
publicados en revistas cientficas, tales como el American Journal of Physics. La estructura
que aqu se presenta es un formato general, usado en la mayora de los trabajos de fsica
experimental.


26
II. Estructura del informe

Los componentes tpicos de un reporte o informe son los siguientes:

TTULO
El informe debe comenzar con un ttulo. A continuacin, deben especificarse el
nombre de los autores y la fecha de realizacin y/o entrega.

RESUMEN
El resumen es el informe en miniatura. Est constituido por un prrafo corto,
de unas tres a cinco oraciones, descriptivas del cuerpo del informe. Un buen resumen
permite al lector reconocer inmediatamente los conceptos ms importantes incluidos
en el informe. El resumen no debe establecer los objetivos del trabajo. En cambio,
debe establecer la naturaleza del experimento, resumir los resultados y los medios por
los cuales fueron obtenidos, y resumir las conclusiones. Los datos y los clculos no
deben mencionarse en el resumen. El resumen debe ser autocontenido, no puede
hacer referencia a tablas, figuras o partes posteriores de texto. Escriba el resumen
como parte final de la escritura del informe, pero resistiendo la tentacin de repetir
trozos enteros del cuerpo del informe. Use esta seccin para mostrar su visin
integrada de toda la informacin contenida en el informe.

INTRODUCCIN
La introduccin debe cumplir con dos objetivos: debe establecer el propsito
del reporte, y debe familiarizar al lector con el experimento. El propsito del reporte
no es simplemente mostrar que Ud. obtuvo todas las respuestas correctas. Porqu,
ahora que el experimento est terminado, tengo que escribir todo esto? Ud. debera ser
capaz de contestar esta pregunta claramente. Cul es el contexto dentro del cual el
experimento se realiza? Luego de establecer el propsito del reporte y el propsito del
experimento, la introduccin debera proveer el material necesario acerca de teora,
resultados previos o frmulas que el lector necesite para la lectura del reporte.
Mucha de esta informacin est a veces en la gua de laboratorio, pero Ud. debera
mostrar su comprensin de este material escribiendo esta seccin con sus propias
palabras.

PROCEDIMIENTO
Esta seccin debe describir breve y claramente el arreglo experimental y cmo
fue usado. En particular, el autor debera explicar cmo este aparato en particular
permite probar o verificar los principios o cuestiones que estn siendo examinados.
ste es el lugar donde tambin se introducen y definen las cantidades medidas
experimentalmente. Es aqu donde debe dirigirse la atencin del lector hacia un
diagrama que muestre el equipo experimental y su disposicin. Este diagrama, as
como los grficos subsiguientes, son llamados figuras, y se numeran secuencialmente
a medida que se mencionan en el texto. En esta seccin, Ud. debera proveer
suficiente informacin como para que otro investigador en su mismo campo pueda
reproducir su experimento. Cuente lo que Ud. realmente hizo y cmo, no lo que se
supona que debera haber pasado o lo que los libros cuentan. Si Ud. se desvi del

27
procedimiento especificado, describa los cambios que hizo y explique cmo estos
cambios afectaron sus resultados.

ANLISIS DE LOS DATOS
Aqu se describen cmo fueron calculadas las cantidades derivadas a partir de
los datos crudos. Tenga en cuenta, sin embargo, que algunos ejemplos de clculo
debieran reservarse para los apndices. El autor debe explicar en forma clara y
concisa los pasos involucrados en el manejo de los datos. No se base en los
resultados que debieran haberse obtenido, enuncie sus resultados reales. Aunque los
resultados se presentan comnmente en forma cuantitativa, Ud. debera siempre
introducir cada bloque de informacin con un lenguaje claro y sencillo. Las figuras,
grficos y tablas pueden ayudar a sustentar sus resultados, pero no se apoye solamente
en ellos para reunir la informacin esencial. Enuncie todos los resultados
significativos explcitamente. Escribir las ecuaciones y mostrar las tablas, esperando
que el lector las interprete sin ninguna gua, no es suficiente. Ud. debe describir todos
los resultados importantes con palabras, clara y simplemente. No olvide que el
trabajo debe incluir un anlisis apropiado de las incertezas asociadas a cada cantidad.

DISCUSIN
Esta seccin es la parte ms importante del informe. Aqu tendr la
oportunidad y el desafo de mostrar que entiende el experimento ms all del simple
hecho de completarlo. Usted debe explicar, analizar e interpretar sus resultados. Sea
particularmente cuidadoso en la consideracin de errores o problemas. Como
estudiante, Ud. debe presentar no slo la informacin apropiada, sino tambin proveer
evidencia que muestre que entiende el material que ha escrito. La cuestin
subyacente a esta seccin es la siguiente: Cul es el significado de estos resultados?
En particular, enfoque su atencin en preguntas como sta: Qu resultados se
esperaban? Qu resultados se obtuvieron? Si existen discrepancias, cmo explicarlas?
Tiene alguno de sus resultados algn inters tcnico o terico en particular? Cmo se
relacionan sus resultados con sus objetivos experimentales? Cmo se comparan sus
resultados con aquellos obtenidos en experimentos similares? Cules son las ventajas
y limitaciones de su diseo experimental? Si encontr dificultades en el experimento,
cules fueron sus fuentes? Cmo podran evitarse en futuros experimentos?

CONCLUSIN
Extraiga conclusiones a partir de los resultados y la discusin, tratando de
contestar la pregunta: Y entonces qu? Basado en la respuesta a esta pregunta,
explique entonces sus conclusiones. Sus conclusiones deben relacionarse con los
propsitos u objetivos que Ud. estableci al principio del informe. Mustrele al lector
hasta qu punto ha cumplido los objetivos. No trate de afirmar ms de lo que los
hechos le permitan. Respalde sus afirmaciones con evidencia, lgica, o referencias
especficas de la literatura. Establezca claramente lo que Ud. ha logrado, junto con la
incerteza asociada a sus resultados, pero no haga ninguna generalizacin amplia e
infundada. Recuerde que no podr explicar algo a alguien a menos que Ud. lo
entienda primero. En esta seccin puede tambin criticar el experimento y hacer
recomendaciones para mejorarlo. Tales recomendaciones y crticas, sin embargo,
deben enfocarse en el laboratorio como una experiencia de aprendizaje. Comentarios

28
tales como quejas acerca de aparatos defectuosos o la cantidad de tiempo que tom
hacer la experiencia, etc., no son apropiados para esta seccin.

AGRADECIMIENTOS
Mencione aqu (cuando correspondan) a las personas que contribuyeron al
trabajo y mereceran ser mencionadas.

REFERENCIAS
Escriba el detalle completo de las referencias usadas para preparar el trabajo.

APNDICES
En un reporte largo, es comn que parte del material dificulte la lectura del
trabajo si se lo incluye en el cuerpo del informe, por ejemplo, una larga deduccin de
una frmula, el listado de un programa que us en el anlisis de los datos, etc. Este
material debe incluirse en los apndices.

III. Fecha de entrega

Propngase entregar el informe dos o tres das antes de la fecha lmite. Las fechas
lmite NO son fechas alrededor de las cuales debera presentarse el informe. Las fechas
lmite estn colocadas para facilitar la evaluacin de los informes, y corresponden al
LTIMO da en que se puede entregar el informe sin ser penalizado (recuerde que Ud. no es
la nica persona que entrega el reporte!). Informes tardos sern penalizados con una
reduccin en el puntaje total. La penalizaciones pueden ser obviadas en caso de enfermedad
o fuerza mayor. Las presiones normales del trabajo y la vida universitaria no son razones
vlidas para entregar tarde un informe.

IV. Notas generales

Un experimento real puede llevar meses o aos. El registro del laboratorio puede
consistir en varios cuadernos llenos de anotaciones, impresiones de computadora, fotografas,
grficos, etc. Usted debe destilar, reorganizar y empaquetar todo este material en un
documento claro y conciso de unas pocas pginas. El reporte debe comunicar los resultados
eficientemente. Debe tener una estructura lgica que permita al lector extraer fcilmente los
puntos esenciales. Los lectores desean saber qu es lo que se ha logrado, y Ud. debe decirlo
clara y efectivamente. Cada experimento tiene ciertos objetivos, y Ud. debe establecer hasta
qu punto stos fueron cumplidos. Si Ud. va a determinar la constancia de la aceleracin
debida a la gravedad, deber, en su discusin de los resultados, establecer si su experimento
ha demostrado esta constancia, y dentro de qu incerteza. Si Ud. va a determinar el valor de
la aceleracin debida a la gravedad, entonces Ud. deber dar un valor nico para esta
cantidad, acompaado por la incerteza estimada. Estas afirmaciones deben constar en la
seccin de resultados, an en el caso de que se mencionen en otras partes del texto.
El estilo del informe debera ser conciso, formal y escrito en pasado, especialmente en
lo que se refiere al experimento. ste es el estilo preferido para escribir reportes en el medio
tcnico o cientfico. Se espera que Ud. escriba legiblemente, con buena gramtica, y sin

29
faltas de ortografa. El uso de procesadores de texto es ciertamente recomendable, pero de
ninguna manera obligatorio. Los diagramas, circuitos y grficos debieran hacerse en
computadora slo si el detalle logrado es tan bueno como el de un buen dibujo hecho a mano.
El objetivo no es hacer una presentacin extremadamente elaborada. En esta etapa, debe
concentrarse en la claridad de la escritura y la presentacin.
Condense y recorte la presentacin para remarcar los puntos importantes en forma
efectiva. Cuando el reporte es corto, es a veces razonable condensar varias secciones en una,
por ejemplo Resultados y Discusin. No sobrecargue el texto con clculos, a menos que
necesite explicar algo acerca de ellos. No rellene el texto: el informe va a ser evaluado por
su contenido, no por su peso.

V. Trece pequeas claves de escritura para estudiantes

Antes de escribir:

1. Planifique. Si puede, venga y mustrenos un esquema y/o borrador de su informe.
Pueden ser los diez minutos ms productivos del cuatrimestre. Tenga en cuenta que
nuestra capacidad de consulta es reducida, no venga a ltimo momento.

2. Siga las instrucciones cuidadosamente. Sepa lo que se espera de Ud., e invierta su
tiempo de manera acorde. Por ejemplo, evaluar un diseo toma ms tiempo que
simplemente describirlo, justificar una conclusin toma ms tiempo que simplemente
reportarla. Omitir o prestar poca atencin a una seccin importante respecto a otra
irrelevante puede afectar severamente su nota.

3. Escriba un esqueleto del trabajo. Resista la tentacin de comenzar llenando
pginas con frases sin sentido tales como Desde el principio de los tiempos, el
hombre se ha sentado alrededor de las hogueras tribales, contemplando las estrellas y
pensando acerca de {ponga su tema aqu}. Para tratar de evitar esta clase de
problemas, especialmente la noche antes de la fecha de entrega, Ud. debera tener una
idea clara de adnde quiere llegar antes de salir.

Mientras est escribiendo:

4. Haga un backup de sus archivos, y dele de comer a su perro algo que no sea su
informe de laboratorio. De esta forma, no tendr que ofrecer una excusa lamentable
por no entregar.

5. Nunca se copie. An cuando no copie las palabras exactas del autor original, usar
el trabajo de otra persona sin mencionarlo explcitamente es plagio. Recuerde que si
Ud. se copia, nunca desarrollar la habilidad de escribir!

6. Organice su texto. Use una buena estructura de prrafos, prestando atencin a la
transicin entre temas. Defina los trminos antes de usarlos, partiendo de
informacin conocida y yendo cuidadosamente hacia lo nuevo.


30
7. Use las ilustraciones apropiadamente. No importa cun bellos sean sus grficos y
figuras, no podrn compensar una mala escritura. No deje que los grficos le tomen
demasiado tiempo, dedquese a una escritura clara. Recuerde que debe describir en
palabras toda informacin importante mostrada en los grficos.

8. Recuerde que el reporte debe ser conciso, no lo rellene.

Despus de escribir:

9. Verifique la cohesin del trabajo. Asegrese que el ttulo y la introduccin que
escribi originalmente todava tienen sentido. Ud. ser evaluado, en parte, por la
claridad con que est tratando de decir las cosas. Si Ud. encuentra que al final el
documento no muestra lo que prometi al principio, pero Ud. est satisfecho con el
resultado, entonces cambie ligeramente la introduccin para hacerla compatible.
Recuerde no repetir la introduccin en las conclusiones (o viceversa).

10. Controle cuidadosamente la gramtica y ortografa del texto.

11. Haga que el texto luzca bien. Elija un buen formato. Deje un par de centmetros
de margen alrededor de la hoja y use doble espacio. Use un tamao de letra 12,
tamaos ms pequeos son difciles de leer. Los nuevos prrafos comienzan con
sangra, no dejando una lnea en blanco. Numere las pginas, aunque sea a mano.
Todo el mundo juega con el formato una vez escrito el texto, pero tenga en cuenta que
grandes espacios en blanco, ttulos sobredimensionados e inmensos grficos no
engaarn a nadie.

12. Imprima la versin final con cuidado. Si parte del material que presenta est
escrito en lpiz, presente una fotocopia.

13.Abroche sus pginas con cuidado. Use un broche en la esquina superior izquierda.
Encuadernaciones en espiral, carpetas plsticas voluminosas y grandes broches
metlicos dificultan la tarea de la persona que corrige, la cual tiene que manejar
decenas de estos informes. Piense adems que una presentacin impresionante puede
ser contraproducente: resaltar ms los errores que pueda contener el informe.

VI. Fuentes de este Apndice

Partes de esta Seccin fueron extradas de las siguientes fuentes:

University of Toronto Engineering Writing Centre
MacQuarie University, School of Mathematics, Physics, Computing and Electronics
The University of Edinburgh, Department of Mechanical Engineering
Lock Haven University.


31
Apndice B

Notas acerca de la confeccin de grficos

Los grficos tienen muchas ventajas que favorecen su uso en la representacin de
datos experimentales. Una de las ventajas ms importantes es que un grfico puede revelar
mximos, mnimos, puntos de inflexin u otras caractersticas significativas en los datos que
pueden no ser evidentes en otras formas de representacin, como por ejemplo las tablas.
Adems, es posible por ejemplo derivar una curva directamente simplemente trazando su
tangente en el punto de inters, o integrarla midiendo el rea bajo la curva. El siguiente es un
resumen de los pasos ms importantes a seguir en la confeccin de un grfico. A pesar de que
hacemos referencia explcita al proceso de graficacin con lpiz y papel, su aplicacin a la
graficacin usando PCs es inmediata. Una nota de precaucin: NO utilice programas de
graficacin a menos de que est absolutamente seguro que sabe manejarlos!

1) Eleccin del papel para graficar: El papel milimetrado o cuadriculado es suficiente para la
gran mayora de las aplicaciones. El papel semilogartmico es conveniente cuando una de las
coordenadas es el logaritmo de una de las variables observadas. Si ambas coordenadas sern
logaritmos de las variables observadas, entonces puede usarse papel doble logartmico o log-
log. Las escalas logartmicas son particularmente tiles cuando el rango de medicin abarca
varios rdenes de magnitud. Cuando la relacin funcional entre las variables observadas es
desconocida, entonces se suelen utilizar los tres tipos de papel, pues en base a un proceso de
prueba y error puede entonces encontrarse cul de ellos da una mejor aproximacin a una
lnea recta.

2) Eleccin de las escalas: Las siguientes son cinco reglas comnmente usadas en la eleccin
de las escalas de un grfico:

i) La escala de la variable independiente debera ser graficada a lo largo del eje X (eje
de las abscisas).
ii) Las escalas deben elegirse de tal forma que cualquier punto del grfico pueda
encontrarse rpida y fcilmente.
iii) Las escalas deben numerarse de forma tal que la curva resultante sea tan grande
como lo permita la hoja, incluyendo las barras de error correspondientes a las
incertezas en los puntos experimentales.
iv) A iguales condiciones, las variables deben ser elegidas de forma tal que el grfico
resultante se aproxima lo mejor posible a una lnea recta.
v) Las escalas debern elegirse de forma tal que la curva tenga, dentro de lo posible,
una pendiente geomtrica cercana a la unidad.

3) Nombres de los ejes: Los ejes principales de coordenadas deben llevar los nombres de las
cantidades representadas, as como las unidades en que estas cantidades estn medidas.

4) Representacin de los datos: Cada punto debe indicarse con un smbolo adecuado, tal
como un pequeo cuadrado o crculo. Adems, cada punto debe acompaarse por una barra

32
indicativa de la incerteza experimental presente en la obtencin de los datos. Frecuentemente
sucede que varias curvas tomadas en distintas condiciones se dibujan en el mismo grfico. En
este caso se aconseja utilizar distintos smbolos para cada una de las distintas curvas.

5) Ajuste de curvas a los datos experimentales: Cuando se han tomado suficientes datos y la
relacin funcional entre las dos variables est bien definida, entonces es costumbre dibujar
una curva suave a travs de los puntos. Cuando la curva es diferente a una lnea recta, pueden
utilizarse herramientas como splines, etc., para obtener una curva suave. En general no se
enfatizarn las inflexiones o las discontinuidades, a no ser que su magnitud sea mayor que el
error experimental. La curva debiera pasar tan prxima a los puntos experimentales como sea
razonablemente posible, sin que haya una necesidad de que pase por todos y cada uno de los
puntos. Existe una tendencia natural a sobreestimar la importancia de los puntos extremos,
sin tener en cuenta que stos son, en general, los puntos menos exactos del grfico.

6) Leyenda: La nota explicativa que acompaa a la figura, o leyenda, debe contener una
descripcin ms o menos completa de qu es lo que el grfico intenta mostrar. No escriba T
vs. L o Perodo vs. Longitud. Escriba, en cambio, algo ms descriptivo, como por
ejemplo: Perodo del pndulo en funcin de la distancia al centro de masas


33
Apndice C

Normas de Seguridad en el Laboratorio de Fsica

Le recomendamos tener en cuentas las siguiente normas de seguridad para trabajar
durante el desarrollo de las practicas en el laboratorio de fsica, y con un poco de sentido
comn puede trabajar en forma segura, no solo para usted, si no para todos los que estn a su
alrededor.

- Nunca trabaje en el laboratorio si no hay un encargado del mismo, que controle su
actividad.
- Prepare su actividad o experimento de laboratorio leyendo de antemano, haciendo las
preguntas necesarias acerca de lo que no le resulte claro y anote todas las precauciones
que deba tomar.
- Use ropa apropiada para el laboratorio, evite el uso de ropa voluminosa o suelta, o
artculos de joyera que cuelguen. Recoja o ate su cabello, si lo usa largo, y enrolle sus
mangas si son holgadas.
- Mantenga el rea de trabajo libre de libros y materiales que no sean necesarios para su
trabajo.
- Use gafas de seguridad cuando trabaje con fuego, lquidos calientes y material de vidrio.
- Nunca arroje cosas en el laboratorio.
- Si se rompe un termmetro, informe de inmediato al encargado, no deje que el mercurio
ni los vidrios rotos toquen directamente su piel.
- No toque ningn objeto que pueda estar caliente, como mecheros, parrillas, aros
metlicos o vasos de laboratorio calientes, calefactores elctricos de inmersin y
bombillas. Si debe sostener algo caliente, use un protector adecuado para tal fin.
- Cuando trabaje con circuitos elctricos, desconecte la corriente antes de hacer ajustes en
ellos.
- Si esta conectando un voltmetro o ampermetro a un circuito, el encargado de
laboratorio, deber aprobar las conexiones antes de conectar la corriente.
- Informe de inmediato al encargado de laboratorio, ante cualquier lesin, accidente o
destrozo, tambin avise si sospecha que algo no funciona correctamente.
- Trabaje en silencio para que pueda escuchar cualquier aviso sobre precauciones y
seguridad.
- Debe conocer la ubicacin de los extinguidores de incendio, salidas de emergencia, y
botiqun de primeros auxilios.
- Cuando termine su trabajo, revise que las conexiones de agua y gas queden cerradas y los
circuitos elctricos estn desconectados, guarde todos los materiales y aparatos en los
lugares designados, sigua las instrucciones para deshacerse de cualquier desecho y limpie
el rea de trabajo.

Manual

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Manual

Cargado por

Copyright:

Formatos disponibles

Fsica Experimental

= 0.32 mm, y la incerteza relativa en el valor de es 1 / [2(N

También podría gustarte