UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA CAMPUS SANTIAGO LABORATORIO FÍSICA PRIMER SEMESTRE 2012

ANÁLISIS Y TEORÍA DEL ERROR EXPERIMENTAL
Laboratorios de Física, Universidad Técnica Federico Santa María Campus Santiago

Introducción
Un experimento es una forma usualmente utilizada para comprender la naturaleza de un fenómeno y validar o comprobar lo que teóricamente se plantea. Es necesario entonces, seguir una metodología científica para poder medir y analizar los datos que permitan construir un modelo experimental o empírico, para luego compararlo con el modelo teórico. El análisis y los resultados obtenidos deben proporcionar conclusiones claras y concretas que permitan entender el fenómeno en análisis, así también, es importante que todo esto quede reflejado en un documento de carácter científico, que permita transmitir el conocimiento adquirido al resto de la comunidad científica. Para cumplir con lo anterior se debe tener un conocimiento base sobre los métodos de medición, representación de cifras, generación de hipótesis y modelos empíricos, tratamiento y análisis de datos y por supuesto generación de conclusiones. Para disminuir el grado de dificultad del análisis en el laboratorio se opta por realizar un modelamiento a través de la representación gráfica, apoyado por un software de planilla de cálculo con opciones de análisis de tendencias.

Cuando la función no es lineal o no se conoce con certeza el fenómeno, es recomendable ir graficando a medida que se van tomando datos y decidiendo a tiempo real dónde conviene tomar el siguiente dato, por supuesto hay que ocupar todo el rango posible y tomar aún más datos que en el caso anterior. Todos estos valores van ingresando a una tabla de datos, la cual debe generarse teniendo en cuenta las cifras significativas y las incertidumbres propias del experimento además de las unidades utilizadas. Se debe recordar que estos valores están dados principalmente por el método experimental y por los instrumentos de medición utilizados, un análisis de esto en profundidad se puede ver en el capítulo Mediciones del texto ocupado en Física 100. Existen criterios para trabajar con cifras significativas, el experimentador debe ser fiel a estos criterios, manteniéndolos siempre en todos los valores que exprese. Una vez recogido los datos experimentales en una tabla, es necesario encontrar una ecuación que los relacione, para esto existen dos métodos; matemático y gráfico. Sin embargo, necesitamos determinar si los puntos obtenidos corresponden a una relación lineal o no, antes de proceder con el análisis y la obtención de la ecuación. La linealización es una forma de transformar datos que describen una tendencia no lineal a datos con tendencial lineal, existen varias formas para realizar esta conversión, pero el más general es aplicando logaritmo a los datos experimentales. Esto nos permite obtener una relación de tipo lineal entre los logaritmos de las variables en estudio. De esta relación logarítmica de las variables es factible obtener los parámetros de la función origen y el coeficiente de correlación que nos permitirán dilucidar la relación que existe entre las variables. Al generar un gráfico de los logaritmos de las variables deberíamos observar una tendencia lineal a simple vista, al realizar este grafico en un software de planilla de cálculo esta nos permitirá ajustar una tendencia a los puntos y obtener la ecuación del ajuste realizado (simplificándonos los cálculos matemáticos que deberíamos hacer para obtener la regresión lineal por el método de mínimos cuadrados). Un gráfico a tiempo real nos podrá dar una idea de cómo es la función, siendo una potente herramienta para ir verificando si los datos que se toman concuerdan con lo esperado, y así, asegurar que la medición realizada no presenta errores graves. Para lo anterior, es necesario tener claro que al generar el gráfico se debe considerar en el rango todas las celdas en que se ingresarán los datos (esto permitirá que al ir ingresando cada uno de los datos se genere automáticamente el nuevo punto en el gráfico, auto escalándose los ejes), cuando se tengan 2 datos a lo menos se podrá generar la

Plan de Trabajo
El estudio de un fenómeno físico parte por la correcta elección de las variables con las cuales se trabajará, teniendo en cuenta también aquellas que se deberán mantener bajo control y constantes. Como se planteó el fin último de la experimentación y por ende del trabajo de laboratorio que se desarrollará es entender la fenomenología presente en un sistema físico y la correspondencia con los planteamientos teóricos, lograr un pensamiento científico del experimentador y un reflejo de los conocimientos adquiridos a través de un informe. El punto de partida entonces es definir las variables a manipular, el rango dentro del cual se pueden variar y la cantidad de datos a cuantificar. Para efectos prácticos, entonces se tratará de ocupar el rango de valores lo más grande posible, la cantidad de datos dependerá del conocimiento previo teórico del fenómeno en estudio, si se espera una relación lineal quizás baste con pocos datos. Sin embargo, esto también involucra una alta posibilidad de obtener un error grande, es mejor, tomar una cantidad considerable de datos y aplicar algunas técnicas para minimizar los errores.

desprender 2 ó 3 valores de la aceleración de gravedad (g). ciertamente esto permite despejar dudas cuando no está clara la tendencia que presentan los puntos o no se tiene certeza de la relación teórica que relacionan las variables en estudio. la constante de elasticidad de un cuerpo. y deben contener toda la información relevante del experimento incluidas las ecuaciones y constantes encontradas. toda vez que se estudia un sistema. Un método poderoso para estudiarlo es la representación gráfica. Representación Gráfica de Datos Al analizar los datos. La presentación y análisis de los resultados experimentales debe considerarse como parte integral de los experimentos. Una vez hecha las comparaciones se debe realizar un profundo análisis cualitativo tanto de los gráficos como de los resultados. Figura 1: Representación esquemática de un sistema al que se estudia las respuestas Yi cuando se varía el conjunto de variables Xi. además de una descripción y análisis detallados de los fenómenos físicos visualizados durante la experimentación. como la aceleración de gravedad. especialmente en los casos en que:  Los experimentos se llevan a cabo midiendo una variable Y en función de otra X que se varía independientemente y se quiere interpretar la relación funcional entre ellas. Es importante mantener el resto de las posibles variables constantes. Es realmente útil que los datos obtenidos se presenten en un gráfico. En la mayoría de los casos un gráfico es más útil que una tabla de valores. Elección de las Variables De una manera muy general. las cuales deben estar referidas a los objetivos de la experiencia. Por lo general el error porcentual se tomará como: Por cierto. pero que si se pueden realizar en base a los datos tomados y las comparaciones con predicciones teóricas o resultados obtenidos por otros métodos de medición. y sólo trabajar con dos a la vez. Es importante entregar dentro del análisis las ecuaciones y constantes encontradas de forma clara y con las incertidumbres. por ejemplo. la cual también se auto ajustará a medida que se va completando la tabla. El gráfico permite observar todos los datos de un vistazo incluyendo los puntos de máximo y mínima inflexión y el tipo general de la curva.línea de tendencia y pegar la ecuación y coeficiente de correlación. el sistema revela sus características o comportamientos a través de los cambios que sufren las variables Yi. Del análisis realizado se deben desprender las conclusiones. etc. Se designan como Xi a las “variables de entrada” o “variables independientes” que se pueden controlar y variar. tanto los exponentes como las constantes involucradas a través de un medidor llamado error porcentual el cual entrega una comparación entre un valor y otro. será más útil concentrarse en la respuesta de una de las variables de salida ante las variaciones de sólo una de las variables de entrada. basado en el estudio realizado en el análisis. Se debe si tener cuidado de no concluir cosas que no se analizaron o que simplemente no se midieron como podría ser por ejemplo una dependencia respecto a la posición geográfica de los datos tomados. A veces ella permite obtener o predecir un modelo matemático para la relación entre las variables inmediatamente. En muchas ocasiones se encuentran algunos datos importantes (constantes físicas) inmersas en las ecuaciones empíricas. . para finalizar con un análisis global del experimento. Un gráfico debe explicarse por sí sólo. unidades y cifras adecuadas. La Figura 1 representa esquemáticamente un sistema bajo estudio. si de un experimento se puede. cuando se estudia un sistema cualquiera. etc. se podrá establecer el tipo de relación que existe entre las variables. Ante los cambios de Xi. mientras más cerca del valor 1 mejor es la hipótesis. se trata de obtener las variaciones o respuestas del sistema ante ciertas perturbaciones que se aplican de manera controlada. donde quede resumida la información para su apreciación y análisis. que pueden llamarse las “variables de salida” o “variables dependientes”. Posteriormente se debe profundizar en un análisis cuantitativo de los resultados encontrados y los errores porcentuales. Por simplicidad. Estos valores deben ser despejados y comparados con los teóricos de igual forma. difícilmente de la observación de la tabla de valores. en él se debe incluir la ecuación empírica y el coeficiente de correlación. esto es la base del análisis. el cual entrega que tanto se acerca la función hipótesis que se prueba a los datos experimentales. Por ejemplo: medición del período de un péndulo en función de su longitud. medición de la caída de potencial en un alambre en función de la corriente aplicada. lo que es una situación muy común en un experimento. las consideraciones para realizar la toma de datos y un profundo análisis de las fuentes de error o discrepancias presentes en la experimentación. También se pueden extraer conclusiones de algunos análisis secundarios que no necesariamente están indicados en la guía. Una vez clarificada la relación existente se puede graficar las variables originales y ajustar la tendencia que corresponda para así comparar la ecuación empírica obtenida con la ecuación teórica esperada. En un gráfico se debe depositar la mayor cantidad de información que sea relevante permitiendo una correcta lectura de éste. una de salida y otra de entrada. éstos deben entregarse claramente en el análisis y posteriormente en la conclusión se entregará un solo valor experimental de g. Es importante destacar que si no se sigue este procedimiento se corre el riesgo de errar en la toma de datos (y errar es humano) y perder valioso tiempo.

de que la información que se quiere representar quede expuesta de una manera lo suficientemente clara y explícita como para que la representación gráfica “hable por sí sola”. A continuación se muestra un ejemplo de un gráfico y su epígrafe. en lo posible con sus incertidumbres (barras). una relación lineal entre dos variables cualesquiera es más fácil de ser identificada a simple vista. Lo importante es que un gráfico debe servir para un posterior tratamiento de los datos. Además. Por ejemplo: estudio de la relación entre el peso y la altura de personas. La recta es la forma geométrica más simple en dos dimensiones. Se trata. en primera instancia. recién se puede estimar los parámetros (pendiente y ordenada al origen) de la mejor recta que aproxime la relación funcional. ya sea se espere o no una vinculación lineal entre las variables en juego. de pendiente a y que corta al eje vertical en b. Teóricos 1. que lleve a inferir las leyes subyacentes en ellos y ahondar así en las posibles implicaciones y generalizaciones de los resultados obtenidos en los experimentos. ¿Cuál serie aproxima mejor una relación lineal entre las variables X e Y? En el Gráfico 2 están representadas dos series de datos. relación entre la velocidad máxima que alcanza un velero y su extensión desde proa a popa. En el Gráfico 1 se mide el campo magnético en un Relaciones Lineales Una relación entre las variables X e Y del tipo: es tal vez la más simple de todas.000 2.000 0.0005 [m] 15. rombos.000 1.000 Distancia ± 0.Campo Magnético ± 0. pero no discriminará a la función que define la curva. coeficiente correlación) para entender en qué contexto se muestran los datos o sobre las condiciones experimentales particulares bajo las que se los han obtenido. Esta dependencia de Y con X se llama una relación lineal entre X e Y. pero no debe mostrar más exactitud que la incertidumbre de las mediciones. Una vez que decidimos que los datos “caen sobre una recta”.). 3. Se puede probar esto con la ayuda del Gráfico 2.  Inclusión de un epígrafe. La representación gráfica de la ecuación (2) arrojaría una línea recta. etc. Se inferirá cualitativamente cuál de las series puede aproximarse por una relación lineal entre las variables X e Y. Diseño de Gráficos Además de la correcta elección de las variables y de las escalas.  Uso de símbolos que ubiquen los datos (cuadrados.500 0. solenoide con un instrumento digital en función de la distancia usando una huincha métrica. que haya una diferenciación de distintas series de datos cuando se presenten varios resultados.001 [T]  Interesa estudiar si dos variables mantienen una correlación (causal o no) y cómo es esta vinculación o grado de interdependencia. en donde se comparan las graficas teórica y experimental.000 Gráfico 1: Magnitud del campo magnético en un solenoide de largo fijo en función de la distancia.248 R² = 0. Como elemento ordenador de la información recolectada en un experimento.9932 Exp. Al mismo tiempo.  El punto de intercepción se debe escoger por conveniencia y no necesariamente debe ser cero. círculos. La decisión de aceptar o no una relación lineal entre las variables debe ser tomada por el experimentador. etc. usar líneas continuas) o a resultados extraídos de otras fuentes.  Carteles interiores al gráfico.  Las escalas deben estar numeradas claramente para facilitar la lectura. Este tipo de toma de decisión no debe desdeñarse en el momento de analizar datos experimentales. Para . un gráfico adquirirá una mejor presentación si se cuidan algunos detalles: Identificación de los ejes con rótulos bien ubicados que digan qué variables se representan y en qué unidades se miden. que es un texto descriptivo de lo que está representado en el gráfico y que además puede manifestar información adicional importante.  La curva debe cubrir la mayor parte del gráfico.500 B = -0. los ejes deben incluir la incertidumbre.000 10. con información complementaria relevante (ecuaciones. Para esto se usa un método práctico: se lleva el papel hasta el nivel de los ojos (se puede cerrar uno como cuando se hace puntería) y se ve si los puntos se encuentran alineados.  Una clara diferenciación entre lo que es propio del resultado experimental del trabajo y lo que corresponde a una comparación con una teoría o modelo propuesto (por ejemplo.500 2.000 5. Entre una recta y una curva nuestro ojo siempre notará la diferencia. para lo que es recomendable el uso de diferentes símbolos. un gráfico debe construirse sobre la base de una elección adecuada tanto de las variables como de las escalas.1368d + 3. Gráfico 2: Representación de dos series de datos.

Regresión Lineal a través de Mínimos Cuadrados Hemos enfatizado sobre la importancia de las representaciones gráficas y hemos visto la utilidad de las versiones El método de los mínimos cuadrados. La dispersión de los valores está asociada a la fluctuación de los valores de cada variable. .Y) teniendo conocimiento que la relación funcional que los vincula es del tipo: linealizadas de los gráficos (X. Surge de modo natural la pregunta: ¿cuál es la relación analítica que mejor se ajusta a nuestros datos? El método de mínimos cuadrados es un procedimiento general que nos permite responder esta pregunta. Además. consiste en elegir los valores de a y b tales que la suma de los cuadrados de los errores. Calcular los valores de las constantes a y b que mejor representan al conjunto de datos experimentales . Esto es. Funciones Potenciales Se miden pares de valores (X. La constante n suele llamarse “exponente de escala” y define la escala de variación de Y según varía X. si X se multiplica por un factor q. Por otra parte si no conocemos el exponente es recomendable usar la función logaritmo y representar en función de . Necesitamos un método que permita:    Indicar qué tan buena es la hipótesis de que la función es lineal. La cantidad representa la desviación de cada observación de respecto del valor predicho por el modelo oda vez que conozcamos el exponente ny representamos las nuevas variables . de la forma . y una constante llamada coeficiente de regresión lineal r. Esto queda claro si transformamos la ecuación (3). A partir de esta condición es posible encontrar un algoritmo.encontrar esta mejor recta se puede dibujar criteriosamente esa recta y definir los valores de la pendiente y la ordenada al origen. . A menudo nos confrontamos con situaciones en las que existe o suponemos que existe una relación lineal entre las variables X e Y. Esta forma funcional potencial es muy común en las ciencias puesto que sirve como aproximación del comportamiento en una gran variedad de casos. Linealización a través de la Transformación de Variables Si en la ecuación (3) transformamos las variables haciendo el siguiente cambio: Gráfico 3: Datos asociados a un modelo lineal. Está claro que lo anterior es inmediato de realizar si conocemos el valor del exponente n. que permite calcular los valores más probables de a y b. Se define el error del punto i-ésimo. donde a y n son constantes. Suponga que se han medido N pares de valores . El Gráfico 3 ilustra el caso lineal. donde a y b son valores que se desean determinar. Calcular el error de las constantes a y b obtenidas. calculando el logaritmo para ambos miembros se obtiene: (4) Al comparar esta expresión con la ecuación de la recta podremos determinar la pendiente como n y el intercepto como . La dimensión de a es tal que da homogeneidad dimensional a la ecuación. Y cambiará consecuentemente qn veces. pero bien se podría haber optado por el cambio en la variable dependiente Y. observamos que un gráfico linealizado nos da el valor de la constante a. obteniendo también una relación lineal entre las nuevas variables representadas . que indica qué tan buena es la hipótesis de que la relación entre las variables es lineal.Y) junto a las distintas maneras de llevar a cabo la linealización. como la diferencia entre el valor medido y el valor teórico dado por la ecuación de la recta. es decir. Observamos o suponemos una tendencia lineal entre las variables y nos preguntamos sobre cuál es la mejor recta. o usar métodos numéricos más generales para encontrarlos. los respectivos errores y . Cuando la relación entre las variables X e Y es lineal. En este caso se transforma la variable X. y que se formula la hipótesis de que la función es lineal. lo que obtenemos es una relación lineal entre las variables transformadas y decimos que hemos linealizado la representación gráfica. el método de ajuste por mínimos cuadrados se denomina también método de regresión lineal. El significado físico de la constante a es el de representar el valor que toma Y cuando X vale la unidad. sea mínima.

El error se puede concebir como la variación (dispersión) de las diferentes mediciones con respecto a un valor central. No pueden ser detectados y eliminados por simple repetición del experimento. toda teoría busca fundamentar su validez a través de la comparación con la evidencia experimental. En consecuencia. significado. El asignar a una magnitud un número acompañado de una unidad. Tal y como ahora se conciben la ciencia y la ingeniería. Además. La toma de mediciones constituye el corazón del quehacer experimental.  Errores por características del objeto medido. no resulta útil para el quehacer experimental. porque siempre puede haber algún grado de correlación. Dado todo lo anterior. cualquier tendencia a estar en la función hipótesis es puramente por azar. que le da . dado su desgaste.  Errores de paralaje (mala ubicación del observador al leer los instrumentos. despreciar roce con el aire en algunos casos. Un ejemplo común es el error de cero de los instrumentos de aguja. los valores medidos difieren de los “reales” en una cantidad fija. El ejemplo más familiar es el de una balanza de farmacia que. Para ello. Ejemplos:  Mala calibración de instrumentos. incerteza o error. reglas e instrumentos con aguja)  Efectos de factores no considerados en el experimento. hay 100% de certeza de que corresponde a la función esperada. es muy probable que se obtengan valores numéricos diferentes. en particular su calibración. Algunas son fácilmente controlables. la presencia de tal desplazamiento sistemático llevará a que aparezca una ordenada al origen falsa. Se denomina valor verdadero a aquel que se obtendría si no existiesen errores en las mediciones. Coeficiente de Correlación El coeficiente de correlación puede tomar valores entre 0 y 1 (para rectas de pendiente positiva). constituye lo que llamaremos una medida o medición. físicas y humanas que afectan el proceso de medición. indica 1 kg. toda medición tiene asociada una incertidumbre. La medición de una cantidad física por sí sola. Por ejemplo:  Errores de apreciación. tenemos . Para evitar este tipo de errores debemos:  Repetir la medición varias veces y tomar el promedio de los valores obtenidos como el resultado de la medición. Por ejemplo.  Establecer claramente las condiciones de observación y/o experimentación. aún cuando nadie está de pie en la plataforma (a veces. si representamos X en función de Y en escala log-log esta vez no se obtiene una recta.  Errores por condiciones fluctuantes. el error de cero suele aparecer en instrumentos de mediciones eléctricas o cronómetros de aguja. b) Errores accidentales o aleatorios: Son usualmente los más responsables de que se obtengan valores distintos al repetir una medición. existen tres tipos de incertezas o errores de medición: a) Errores sistemáticos: Se producen por factores indeseables (externos o internos) que interactúan consistentemente con el sistema en estudio. mientras que otras no lo son. El valor significa que las variables no están relacionadas entre sí. Es decir. Dicha información resultará incompleta a menos que se trate de una información cuantitativa. entonces. este error de medición aporta consuelo cuando nos pesamos en una buena balanza). En un experimento nunca obtendremos . Para evitar este tipo de errores debemos:  Controlar el estado de los instrumentos. en las mismas condiciones y con el mismo instrumento. Un valor . y el conjunto de reglas que permite su determinación se denomina teoría de errores. si uno mide varias veces la misma magnitud. existen limitaciones instrumentales. En términos simples. ecuación (2). Algunas son relevantes (tienen mayor influencia en el valor medido) y otras no lo son. Si con uno de estos instrumentos defectuosos se mide la variable Y en función de otra X. La pericia del experimentador es clave para evaluar las correcciones necesarias de estos datos afectados sistemáticamente por un error de medición. En un gráfico log-log de Y(X) la desviación de la curva resultante de la recta esperada sin ordenada al origen se descubre con facilidad y ayuda a la corrección de los datos. En el laboratorio. simplemente por casualidad. cuando . En ese sentido es interesante notar que si tenemos una relación entre las variables X e Y de la forma . sino que dan solamente una estimación de dicho valor. una de las primeras cosas que hay que tener presente a la hora de tomar mediciones es que los instrumentos no miden el valor verdadero. Teoría del Error Experimental Todas las ciencias experimentales se basan en la obtención de información mediante la observación de fenómenos que ocurren en la naturaleza. entonces. un gráfico Y(X) resultará desplazado en la vertical una cantidad igual al error sistemático de cada punto Y. en vez de . se compara la magnitud medida con otra magnitud patrón denominada unidad. En general.Detección de Errores Sistemáticos Toda vez que se mide una magnitud con un error sistemático. Por ejemplo.  Malos hábitos de trabajo del experimentador. Si la relación entre estas variables fuese lineal. sin la especificación de su rango de incertidumbre. medir es obtener el valor numérico de una magnitud física relacionada con algún fenómeno de interés.  Revisar el fenómeno que se está analizando de manera de tener claro las variables relevantes. Si bien se puede mejorar el procedimiento de medición. En general. significaría que los puntos están todos exactamente sobre la función hipótesis. por lo que jamás se puede esperar la obtención del valor verdadero. jamás se podrá eliminar completamente el error. Por definición. en especial los análogos. toda magnitud física susceptible de ser medida depende de muchas variables. Tampoco obtendremos en un experimento porque siempre habrá errores aleatorios en las mediciones que se efectúan.

es necesario reducir lo más posible las influencias de estos factores. Una medida obtenida con una razonable incertidumbre y que arroje un resultado no predicho por la ley. c) Exacto e Impreciso: los dardos están muy dispersos. Para entender la analogía de los dardos y el blanco. c) Errores burdos: Errores producto de equivocaciones de procedimiento de parte del experimentador. sean de cantidades medidas o calculadas. en cuyo caso conviene promediar mediciones y obtener desviación estándar. La confiabilidad del método de medición empleado. y exacto o inexacto. más precisos son. se puede explicar cada caso ilustrado en la Figura 2: a) Exacto y Preciso: los dardos están concentrados en un área pequeña alrededor del blanco. Con el fin de maximizar la confiabilidad y utilidad de las mediciones. alrededor de un cierto valor más probable. del orden de la medida obtenida. Un conjunto de mediciones puede ser preciso o impreciso. dan en un punto lejos del blanco. es decir.   La exactitud se refiere a la cercanía del valor medido al valor “exacto” o “esperado”. permite dudar de su validez. pero descalibrado. hay que tomar en cuenta que: y con el número correcto de cifras significativas. Una incertidumbre o fluctuación grande. Por ejemplo:  Leer mal un instrumento. dado que todas las variables que influyen en un experimento no pueden ser absolutamente controladas. Corresponde a un instrumento descalibrado e impreciso. y para ello se hace necesario analizar las fuentes de error. . Estimación del Error Experimental Todos los resultados. preocupándose constantemente de hacer y revisar bien cada etapa de la medición. y en consecuencia la validez del experimento. La Figura 2 muestra los cuatro casos posibles y sus implicancias.   Exactitud se refiere a qué tan cercanos quedaron los dardos del blanco. deben ser fácilmente reproducibles. Un tratamiento estadístico de las fluctuaciones de estas mediciones efectuadas bajo idénticas condiciones. proporciona ideas respecto a:    La reproducibilidad de la medida. A partir de estas ideas. b) Inexacto y Preciso: los dardos están concentrados en un área pequeña.  Contar mal un número de sucesos. La validez de la teoría científica estudiada. Estas pueden eventualmente trazar gráficos para que el experimentador los analice. Los errores aleatorios afectan la precisión de las mediciones. en cuyo caso no queda otra opción que descartar las mediciones. La precisión se refiere al grado de dispersión de las mediciones. La incertidumbre de una medida física dice mucho acerca de la tecnología involucrada en el instrumento de medición y del método de cálculo o modelo empleado en la obtención de este valor. Para evitar este tipo de errores debemos:  Realizar las mediciones con rigurosidad. deben informarse siempre de la siguiente forma. Mientras más concentrados estén. Corresponde a un instrumento preciso. d) Inexacto e Impreciso: dardos muy dispersos y que. que las mediciones deben efectuarse muchas veces bajo idénticas condiciones. resulta conveniente mencionar dos conceptos importantes: exactitud y precisión. Es por ello. Los errores sistemáticos afectan la exactitud de las mediciones.  Errores de cálculo. En este punto. permite dudar del método de medición empleado. Medir una sola vez una variable física no proporciona un buen criterio de fiabilidad. en promedio. es decir. La exactitud y la precisión son conceptualmente diferentes. Corresponde a un instrumento calibrado y preciso (situación ideal). Corresponde a un instrumento calibrado pero impreciso. que es usual en ciencia e ingeniería: Figura 2: Muestra gráficamente las diferencias entre los conceptos de exactitud y precisión. Precisión se refiere al grado de dispersión de los dardos. la cual está lejos del blanco. Usar sistemas de medición en donde los datos observados sean registrados automáticamente por medio de máquinas especializadas. pero en promedio dan en el blanco.

B. El error absoluto también puede corresponder al error aleatorio o instrumental.…. considere el siguiente conjunto de mediciones: Para la estimación del error vamos a considerar dos tipos: el error aleatorio y el error instrumental. a menos que este último sea menor que el error del instrumento. Errores Absoluto. C.El valor a informar de una cantidad medida N veces. a la resolución del instrumento. Estos valores expresados en porcentaje son: El error instrumental corresponde. Se pretende calcular la medición indirecta Y. es decir. Si no es así. en que es la i-ésima medición y el promedio de todas la mediciones. es decir.. Para cantidades medidas. En algunos instrumentos la resolución está dada por el fabricante. etc. A continuación se explicarán ambas hipótesis. xN. y dándole a cada una la importancia relativa que le corresponde. Propagación del Error Las mediciones que se obtienen en un experimento son en general de dos tipos:   Mediciones directas: aquellas que se obtienen directamente de una medición. donde Y se expresa como . Si la cantidad física a medir es x y para ello se hacen N mediciones x1. etc. a partir de las mediciones directas A. …. el promedio estará dada por: El error relativo se puede expresar como porcentaje. y se estima a partir de los errores de las mediciones directas involucradas. de uso más común en el mundo científico. C. El cálculo del error propagado se puede hacer desde dos posibles hipótesis: la pesimista y la estadística. Es decir: El error nos da una medida de la precisión del conjunto de mediciones. Corresponde al cociente entre el error absoluto y el valor verdadero: . para instrumentos analógicos. En términos concretos. . etc.…. en el último dígito. x2. . La propagación del error es el conjunto de reglas que permiten asignar un valor de error a la medición indirecta Y. es el promedio de las N medidas. B. Mediciones indirectas: aquellas que son calculadas a partir de operaciones con mediciones directas. etc.…. así el error porcentual está dado por la siguiente ecuación: Por ejemplo. Como cada medición directa tiene asociado un error experimental. no tiene sentido informar el error aleatorio. ó el factor ½ en el área de un triángulo. . aunque dejando constancia que el trabajo de laboratorio se hará usando la hipótesis estadística. C. Esta manera de exponer el error relativo permite apreciar las diferencias entre los distintos errores relativos de una medición. La desviación estándar para una muestra de N elementos o medidas de una población estará dada por: ¿Cuál de estas medidas es más precisa? Evidentemente. B. Relativo y Porcentual El error absoluto se define como la diferencia absoluta entre el valor medido de una magnitud y el valor verdadero. sino el error instrumental. sean las mediciones directas A. puede estimarse como:   de la división más pequeña de la escala. que es función de A. cualquier medición indirecta obtenida a partir de ellas también tiene asociada un error experimental. En este caso. El error relativo es un parámetro adimensional que permite establecer una comparación entre un conjunto de mediciones. se informa el error aleatorio. la medida hecha con más precisión fue m3. no tienen error. Observación: Las constantes que no provienen de mediciones tales como . para instrumentos digitales. El error aleatorio de una serie de mediciones puede estimarse como la desviación estándar de los datos medidos. en general. la mínima diferencia que es capaz de distinguir. Tal error se denomina error de propagación. que se expresan como . donde es el valor medio y el error experimental.

Potenciación: b L vi. el error propagado de la longitud del eje estará dado por: b) Hipótesis Estadística Como se mencionó anteriormente. en el cual se asumen errores simultáneos en todas las variables medidas directamente. Resulta evidente que la longitud total L del eje es igual a la suma de las longitudes de las secciones a y b. los errores se compensan ii. por lo que se estima el error máximo posible. División: Ejemplo: Se han medido los largos de las secciones del eje mostrado en la Figura 3. En esa situación. Asumiendo adicionalmente que las variables se distribuyen en forma normal o gaussiana (y haciendo deducciones que. . Radicación: Figura 3: Eje de largo L. Sin embargo. por lo que la hipótesis pesimista termina entregando una estimación exagerada del error propagado. y son los . Para una cantidad Q. de manera que una sobreestimación (o subestimación) de la variable X trae como consecuencia una sobreestimación (o subestimación) de otra variable Y. Para una cantidad Q. Así. es decir: a v. Sean . Resta: i. usando el mismo instrumento. que son las que va a usar en su trabajo experimental. y son los valores medios y respectivos errores. Suma y Resta. y son los valores medios y respectivos errores absolutos. donde . por lo que una sobreestimación (o subestimación) de la variable X no viene necesariamente acompañada de una sobreestimación (o subestimación) de otra variable Y. el “caso más desfavorable” resulta altamente improbable. se asume que los errores de las mediciones directas no se compensan entre sí. Si es el error de a y es el error de b. para su comprensión. División. Multiplicación. donde . que corresponde a la suma de las longitudes a y b. y son los parcialmente. Esto se da en el caso de que las mediciones directas sean dependientes o estén relacionadas entre sí. Potenciación y Radicación. Multiplicación: el error propagado está dado por: iv.a) Hipótesis Pesimista En la hipótesis pesimista. y sus potencias: El error propagado está dado por: . i. requieren de elementos de cálculo y álgebra que usted recién está adquiriendo en las asignaturas de matemática que está estudiando y va a estudiar durante su carrera) se obtienen las expresiones que se explicarán a continuación. En la hipótesis estadística se supone que las variables son aleatorias e independientes entre sí. lo más común es que las variables sean aleatorias e independientes entre sí. la hipótesis pesimista siempre se sitúa en el caso más desfavorable. calculada a partir de productos y cuocientes de cantidades medidas. Para estimar el error propagado según la hipótesis estadística pueden usarse las siguientes fórmulas: ii. . Suma: tres mediciones. Sean . tres mediciones. . calculada a partir de sumas y restas de cantidades medidas: iii.

la incertidumbre está en el cuarto dígito. con respecto al promedio. De este resultado podemos decir que:  Las cifras 2. no puede decir nada. A estas cifras las designamos con el nombre de cifras significativas.80 [cm].78 [cm]. En tal caso. los centímetros son información segura y los milímetros se estiman “al ojo”. mientras que la última cifra segura (el 7) indica que el instrumento usado tiene graduación máxima en [mm]. Para L2. que sea obtenible directamente o al menos estimable con el instrumento usado.62 [m]. Usualmente se llama “precisión” de una serie de mediciones. 1 y 7 (centímetros y milímetros) proporcionan información segura. Se dice que L2 podría tener un valor entre 14. pues no está representando información que pueda ser proporcionada por el instrumento de medición. En Física se toma especial cuidado en expresar las cantidades por números cuyas cifras tengan real significado. y estimar el siguiente grado de precisión. agrega el 8. Sin embargo.27 [cm] y 14. Convenios para cifras significativas: 1) Los resultados de una medición se deben expresar mediante un número cuyas cifras reflejen el cuidado o precisión con que se efectuó esa medición. el ancho de la hoja quedó en un valor entre 21. Se dice que L1 podría tener un valor entre 14.60 [m]. que marca hasta milímetro. Para L1.28 [cm] y L2 = 14. Cifras Significativas Los números medidos representan magnitudes físicas.280 [cm]. por lo que cualquier cifra más allá de eso introduce información adicional. Tales resultados deben ser coherentes y consecuentes con el procedimiento de medición usado. pues se pueden leer directamente del instrumento de medición  La cifra 8 (décimas de milímetro) es dudosa. deben poder ser obtenibles por los instrumentos usados. Por otra parte. tendría que obtenerse usando un instrumento graduado hasta los diezmilésimos de milímetro.70 y 21. por lo que los resultados de estas operaciones también representan magnitudes físicas. Consideremos el siguiente ejemplo: medir el ancho de una hoja de papel. por lo que el promedio quedaría en 3. 3. es decir.6166667 [m]. la última de las cifras seguras (la que está al lado de la cifra dudosa). la coherencia con el procedimiento de medición exige aproximar hasta los centímetros. es el valor medio del volumen. en este caso décimas de milímetro. el científico hace una estimación “al ojo” y como ve que el final de la hoja está muy cerca de 21. y una resolución de 0. r h r Figura 4: Cilindro de altura h y radio basal r. esto es.5 [mm]. Por ejemplo. Las mediciones se harán usando una huincha de medir graduada en [m] y [dm]. el resultado da 3. Una buena estimación de la resolución de un instrumento es ½ de su graduación máxima. Figura 4. usando para ello una regla graduada en [cm] y [mm]. se suelen realizar operaciones con estos números. El físico puede establecer con certeza los datos proporcionados por la regla. a menos que se consiga un instrumento que permita medir con mayor nivel de precisión. Para que ese resultado sea válido como medición.Ejemplo: Considere un cilindro regular de radio basal r y altura h. correspondiente a la centésima de milímetro. la incertidumbre está en el quinto dígito. Por ejemplo.786 [cm]. representa la graduación máxima del instrumento. a la dispersión más representativa del conjunto de datos. que transmitan información útil. El error propagado del volumen del cilindro estará dado por: Supongamos que vamos a medir el largo de tres mesones y sacar el promedio de las tres mediciones.  Supongamos que otro físico dijera que el ancho de la hoja mide 21.281 [cm]. correspondiente a la décima de milímetro. es el error del radio. En Física. Al medir con la regla. Se obtienen los valores 3.63 [m] y 3. es el error de la altura. la resolución de un instrumento es la diferencia más pequeña que éste puede discriminar. Por ello. En tal caso.80 [cm]. la cifra dudosa (el 8) corresponde a las “décimas de milímetro”. o división más pequeña de su escala. 2) La forma de realizar una medición nos determinará el número de dígitos que emplearemos para expresar el resultado de ella. Convendremos que sea el último dígito el que exprese la incertidumbre en la medición. .      es el valor medio del radio.  El número L2 tiene 5 cifras significativas. si la medición se hizo con una regla graduada en [cm]. en el valor L = 21. Considere los datos L1 = 14.279 [cm] y 14.78 [cm]. El volumen de este cilindro está dado por . Supongamos que un físico hace la medición y el resultado le da 21. Al sacar el promedio con una calculadora. Una buena estimación de la precisión de una serie de mediciones es la desviación estándar ( ) de los datos. Ahí. la precisión del número no puede ser mayor que la de milímetros. En un número de medición. el instrumento usado permite medir con certeza hasta los centímetros y estimar los milímetros.29 [cm]. Más allá de eso. es el valor medio de la altura. la cifra 6 (centésimas de milímetro) carece de significado.62 [cm].  El número L1 tiene 4 cifras significativas.

091 0. (Sistema Internacional de Unidades):    unidad de velocidad: 1 [m/s] = 1 [m·s-1] unidad de aceleración: 1 [m/s2] = 1 [m·s-2] unidad de fuerza:1 [kg·m/s2] = 1 [kg·m·s-2] = 1 [N] Tabla 1: Ejemplos según los criterios de cifras significativas. Análisis Dimensional El análisis dimensional es un método en el cual se deduce información a cerca de un fenómeno. etc. los ceros a la izquierda no son cifras significativas. su valor será independiente del sistema de unidades empleado.06·10-3 19·106 47.Aunque ambos valores son aritméticamente iguales. Laroze. para tener una visión de sus soluciones. 5) El uso de notación científica permite escribir un número como el producto de dos factores: uno que contiene las cifras significativas y el otro con la potencia de 10 correspondiente. Así. ya que si no se cumple el teorema podemos estar seguros de que la expresión en cuestión no es correcta. . Conceptos y Magnitudes en Física.49 0.0 Significado 7 59 4999 10.10 0. A las magnitudes físicas fundamentales se les asigna un atributo denominado dimensión.07 6. en el S. a menos que estos ceros estén avalados por mediciones o por definiciones. dimensiones de F igual a dimensiones de masa por dimensiones de aceleración. 1 2 4 4 2 3 1 1 2 3 2 1 2 3 Notación Científica 8 6. que se representa por un símbolo. El resultado del análisis dimensional a un problema es una reducción del número de variables del problema.05·10-3 18·106 47. Las dimensiones de las magnitudes derivadas se obtendrán a partir de cualquier expresión matemática que relacione dicha magnitud con las fundamentales o con otras magnitudes derivadas.29·10-7 0. Magnitud Longitud Masa Tiempo Unidad metro kilogramo segundo Símbolo Unidad m kg s Símbolo Dimensión L M T El teorema fundamental del análisis dimensional nos dice que en cualquier expresión matemática que represente el comportamiento de un sistema físico las dimensiones de los dos miembros de la misma deben ser las idénticas. Porras.50 0. Introducción al análisis gráfico de datos experimentales.09 7. Pero .S. cuyas dimensiones conozcamos. En la Tabla 1 se muestran algunos ejemplos de estimación del número de cifras significativas.0·101 5.9 9 61 5001 10.0·10-8 5·10-5 1.09 0. 4) En los números decimales cuyo valor absoluto es menor que la unidad.1 C.008·101 7. De esta expresión deducimos otra expresión simbólica con las dimensiones o sus símbolos denominada ecuación de dimensiones o ecuación dimensional: Se lee.00400 0. Primera Edición. entonces.9 9.51 0. Oda–Noda.04·10-3 17·106 46. o sea. Este teorema tiene una aplicación interesante como método para chequear la corrección de una expresión. que es correcta desde el punto de vista de sus dimensiones.1 9.8·107 4.I.00·10-3 3. Bibliografía    Gil. El análisis dimensional es un proceso mediante el cual se examinan las dimensiones de los fenómenos físicos y de las ecuaciones asociadas.0 9. aunque se conserve el orden de magnitud de ellos.0·10-2 4.089 0. Cuando una magnitud tiene dimensión 1. 3) No se permite colocar ceros al final de números relacionados con mediciones. las dimensiones de .70·101 Intensidad Eléctrica Temperatura Cantidad de Sustancia Intensidad Luminosa Por ejemplo: amperio kelvin Mol candela A K mol cd A K S C Tabla 2: Magnitudes fundamentales con su unidad y símbolos. por lo que: y Las ecuaciones dimensionales sirven para deducir las unidades fundamentales de las magnitudes derivadas. Cantidad 8 60 5000 10. trigonométricas. Rodríguez.30·10-7 0. según los convenios recién descritos.) tienen que ser adimensionales.31·10-7 0. Una magnitud adimensional no tiene unidad.08 7. .0 9.02 0.01 0.000·103 1. Física re-Creativa Experimentos de Física usando nuevas tecnologías. no se pueden obtener usando el mismo instrumento de medición. Muzzio. a partir del supuesto que todo fenómeno puede ser descrito por una ecuación entre ciertas variables.00401 0.03 0.00399 0. Los argumentos de funciones trascendentes (exponenciales.08 0. o sea. decimos que la magnitud es adimensional.090 0.50 2·10-2 9·10-2 9.

Sign up to vote on this title
UsefulNot useful