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.

para finalizar con un análisis global del experimento. Se designan como Xi a las “variables de entrada” o “variables independientes” que se pueden controlar y variar. cuando se estudia un sistema cualquiera. éstos deben entregarse claramente en el análisis y posteriormente en la conclusión se entregará un solo valor experimental de g. Por simplicidad. además de una descripción y análisis detallados de los fenómenos físicos visualizados durante la experimentación. Por ejemplo: medición del período de un péndulo en función de su longitud. como la aceleración de gravedad. En la mayoría de los casos un gráfico es más útil que una tabla de valores. 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. si de un experimento se puede. unidades y cifras adecuadas. etc. En un gráfico se debe depositar la mayor cantidad de información que sea relevante permitiendo una correcta lectura de éste. La presentación y análisis de los resultados experimentales debe considerarse como parte integral de los experimentos. 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. medición de la caída de potencial en un alambre en función de la corriente aplicada. las consideraciones para realizar la toma de datos y un profundo análisis de las fuentes de error o discrepancias presentes en la experimentación. Del análisis realizado se deben desprender las conclusiones. la constante de elasticidad de un cuerpo. Es realmente útil que los datos obtenidos se presenten en un gráfico. Ante los cambios de Xi. Posteriormente se debe profundizar en un análisis cuantitativo de los resultados encontrados y los errores porcentuales. . donde quede resumida la información para su apreciación y análisis. Una vez hecha las comparaciones se debe realizar un profundo análisis cualitativo tanto de los gráficos como de los resultados. y sólo trabajar con dos a la vez. lo que es una situación muy común en un experimento. las cuales deben estar referidas a los objetivos de la experiencia. 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. se podrá establecer el tipo de relación que existe entre las variables. por ejemplo. Por lo general el error porcentual se tomará como: Por cierto. Estos valores deben ser despejados y comparados con los teóricos de igual forma. La Figura 1 representa esquemáticamente un sistema bajo estudio. Representación Gráfica de Datos Al analizar los datos. 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. 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. desprender 2 ó 3 valores de la aceleración de gravedad (g). una de salida y otra de entrada. en él se debe incluir la ecuación empírica y el coeficiente de correlación. el cual entrega que tanto se acerca la función hipótesis que se prueba a los datos experimentales. mientras más cerca del valor 1 mejor es la hipótesis. A veces ella permite obtener o predecir un modelo matemático para la relación entre las variables inmediatamente. Es importante entregar dentro del análisis las ecuaciones y constantes encontradas de forma clara y con las incertidumbres. 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. etc. se trata de obtener las variaciones o respuestas del sistema ante ciertas perturbaciones que se aplican de manera controlada. el sistema revela sus características o comportamientos a través de los cambios que sufren las variables Yi. Figura 1: Representación esquemática de un sistema al que se estudia las respuestas Yi cuando se varía el conjunto de variables Xi. esto es la base del análisis. 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. basado en el estudio realizado en el análisis. Elección de las Variables De una manera muy general. 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. Es importante mantener el resto de las posibles variables constantes.línea de tendencia y pegar la ecuación y coeficiente de correlación. la cual también se auto ajustará a medida que se va completando la tabla. En muchas ocasiones se encuentran algunos datos importantes (constantes físicas) inmersas en las ecuaciones empíricas. que pueden llamarse las “variables de salida” o “variables dependientes”. Un método poderoso para estudiarlo es la representación gráfica. También se pueden extraer conclusiones de algunos análisis secundarios que no necesariamente están indicados en la guía. toda vez que se estudia un sistema. Un gráfico debe explicarse por sí sólo. y deben contener toda la información relevante del experimento incluidas las ecuaciones y constantes encontradas. difícilmente de la observación de la tabla de valores. 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.

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. Se puede probar esto con la ayuda del Gráfico 2.0005 [m] 15.  Las escalas deben estar numeradas claramente para facilitar la lectura. Además.). 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. Teóricos 1. ya sea se espere o no una vinculación lineal entre las variables en juego.001 [T]  Interesa estudiar si dos variables mantienen una correlación (causal o no) y cómo es esta vinculación o grado de interdependencia. Gráfico 2: Representación de dos series de datos. de pendiente a y que corta al eje vertical en b.000 10. etc. Lo importante es que un gráfico debe servir para un posterior tratamiento de los datos. Se trata.500 B = -0. Por ejemplo: estudio de la relación entre el peso y la altura de personas.  Inclusión de un epígrafe.500 2.  Uso de símbolos que ubiquen los datos (cuadrados. A continuación se muestra un ejemplo de un gráfico y su epígrafe. ¿Cuál serie aproxima mejor una relación lineal entre las variables X e Y? En el Gráfico 2 están representadas dos series de datos. Para . relación entre la velocidad máxima que alcanza un velero y su extensión desde proa a popa.  Carteles interiores al gráfico. La decisión de aceptar o no una relación lineal entre las variables debe ser tomada por el experimentador.500 0. en donde se comparan las graficas teórica y experimental.248 R² = 0. en primera instancia.000 Distancia ± 0. Entre una recta y una curva nuestro ojo siempre notará la diferencia. que haya una diferenciación de distintas series de datos cuando se presenten varios resultados. solenoide con un instrumento digital en función de la distancia usando una huincha métrica. una relación lineal entre dos variables cualesquiera es más fácil de ser identificada a simple vista. Se inferirá cualitativamente cuál de las series puede aproximarse por una relación lineal entre las variables X e Y.000 5. La representación gráfica de la ecuación (2) arrojaría una línea recta. rombos. Diseño de Gráficos Además de la correcta elección de las variables y de las escalas.  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.000 0. con información complementaria relevante (ecuaciones.9932 Exp. 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.000 2. 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. recién se puede estimar los parámetros (pendiente y ordenada al origen) de la mejor recta que aproxime la relación funcional. 3.000 Gráfico 1: Magnitud del campo magnético en un solenoide de largo fijo en función de la distancia. pero no debe mostrar más exactitud que la incertidumbre de las mediciones.Campo Magnético ± 0. para lo que es recomendable el uso de diferentes símbolos. usar líneas continuas) o a resultados extraídos de otras fuentes. Este tipo de toma de decisión no debe desdeñarse en el momento de analizar datos experimentales.000 1. que es un texto descriptivo de lo que está representado en el gráfico y que además puede manifestar información adicional importante.  El punto de intercepción se debe escoger por conveniencia y no necesariamente debe ser cero.1368d + 3.  La curva debe cubrir la mayor parte del gráfico. Al mismo tiempo. Una vez que decidimos que los datos “caen sobre una recta”. coeficiente correlación) para entender en qué contexto se muestran los datos o sobre las condiciones experimentales particulares bajo las que se los han obtenido. etc. círculos. Esta dependencia de Y con X se llama una relación lineal entre X e Y. los ejes deben incluir la incertidumbre. Como elemento ordenador de la información recolectada en un experimento. 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”. pero no discriminará a la función que define la curva. en lo posible con sus incertidumbres (barras). La recta es la forma geométrica más simple en dos dimensiones. un gráfico debe construirse sobre la base de una elección adecuada tanto de las variables como de las escalas.

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

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

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

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

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

279 [cm] y 14. Convendremos que sea el último dígito el que exprese la incertidumbre en la medición. El físico puede establecer con certeza los datos proporcionados por la regla. en este caso décimas de milímetro. pues no está representando información que pueda ser proporcionada por el instrumento de medición. tendría que obtenerse usando un instrumento graduado hasta los diezmilésimos de milímetro. Para L1.281 [cm]. la incertidumbre está en el cuarto dígito.70 y 21. Sin embargo. Consideremos el siguiente ejemplo: medir el ancho de una hoja de papel. esto es. 2) La forma de realizar una medición nos determinará el número de dígitos que emplearemos para expresar el resultado de ella. 3. a la dispersión más representativa del conjunto de datos. usando para ello una regla graduada en [cm] y [mm].80 [cm]. Al medir con la regla. el científico hace una estimación “al ojo” y como ve que el final de la hoja está muy cerca de 21.80 [cm]. Usualmente se llama “precisión” de una serie de mediciones. En un número de medición.5 [mm]. la cifra dudosa (el 8) corresponde a las “décimas de milímetro”. la cifra 6 (centésimas de milímetro) carece de significado.280 [cm].Ejemplo: Considere un cilindro regular de radio basal r y altura h. la incertidumbre está en el quinto dígito. por lo que cualquier cifra más allá de eso introduce información adicional. En Física. en el valor L = 21. o división más pequeña de su escala. por lo que el promedio quedaría en 3. por lo que los resultados de estas operaciones también representan magnitudes físicas. Se obtienen los valores 3. . Por ejemplo. Las mediciones se harán usando una huincha de medir graduada en [m] y [dm].28 [cm] y L2 = 14. los centímetros son información segura y los milímetros se estiman “al ojo”. la resolución de un instrumento es la diferencia más pequeña que éste puede discriminar. Por otra parte. el resultado da 3. es el error de la altura.62 [cm].78 [cm]. la última de las cifras seguras (la que está al lado de la cifra dudosa). En Física se toma especial cuidado en expresar las cantidades por números cuyas cifras tengan real significado. pues se pueden leer directamente del instrumento de medición  La cifra 8 (décimas de milímetro) es dudosa. y estimar el siguiente grado de precisión. Figura 4.60 [m]. se suelen realizar operaciones con estos números. el instrumento usado permite medir con certeza hasta los centímetros y estimar los milímetros. es el error del radio. Una buena estimación de la resolución de un instrumento es ½ de su graduación máxima. 1 y 7 (centímetros y milímetros) proporcionan información segura. Tales resultados deben ser coherentes y consecuentes con el procedimiento de medición usado. Se dice que L2 podría tener un valor entre 14. 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.63 [m] y 3. El volumen de este cilindro está dado por . a menos que se consiga un instrumento que permita medir con mayor nivel de precisión. es decir. Se dice que L1 podría tener un valor entre 14.6166667 [m].786 [cm].  Supongamos que otro físico dijera que el ancho de la hoja mide 21. agrega el 8. Considere los datos L1 = 14.27 [cm] y 14. la precisión del número no puede ser mayor que la de milímetros. Más allá de eso. es el valor medio de la altura. Cifras Significativas Los números medidos representan magnitudes físicas. si la medición se hizo con una regla graduada en [cm]. que sea obtenible directamente o al menos estimable con el instrumento usado.78 [cm]. mientras que la última cifra segura (el 7) indica que el instrumento usado tiene graduación máxima en [mm]. representa la graduación máxima del instrumento.62 [m]. Supongamos que un físico hace la medición y el resultado le da 21. A estas cifras las designamos con el nombre de cifras significativas.  El número L2 tiene 5 cifras significativas. Por ello. es el valor medio del volumen. Ahí.29 [cm].  El número L1 tiene 4 cifras significativas. con respecto al promedio. Para L2. deben poder ser obtenibles por los instrumentos usados. r h r Figura 4: Cilindro de altura h y radio basal r. y una resolución de 0. la coherencia con el procedimiento de medición exige aproximar hasta los centímetros. el ancho de la hoja quedó en un valor entre 21. correspondiente a la décima de milímetro. 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. En tal caso. Para que ese resultado sea válido como medición.      es el valor medio del radio. que marca hasta milímetro. no puede decir nada. Al sacar el promedio con una calculadora. Por ejemplo. Una buena estimación de la precisión de una serie de mediciones es la desviación estándar ( ) de los datos. En tal caso. correspondiente a la centésima de milímetro. De este resultado podemos decir que:  Las cifras 2. que transmitan información útil.

50 2·10-2 9·10-2 9. Muzzio.0 9.04·10-3 17·106 46.I. no se pueden obtener usando el mismo instrumento de medición. entonces. Análisis Dimensional El análisis dimensional es un método en el cual se deduce información a cerca de un fenómeno.089 0.01 0. Rodríguez. 1 2 4 4 2 3 1 1 2 3 2 1 2 3 Notación Científica 8 6. . (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. Física re-Creativa Experimentos de Física usando nuevas tecnologías.03 0. 3) No se permite colocar ceros al final de números relacionados con mediciones. o sea. De esta expresión deducimos otra expresión simbólica con las dimensiones o sus símbolos denominada ecuación de dimensiones o ecuación dimensional: Se lee. 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.50 0. Laroze. dimensiones de F igual a dimensiones de masa por dimensiones de aceleración.0 9. 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. El resultado del análisis dimensional a un problema es una reducción del número de variables del problema.0·10-2 4.Aunque ambos valores son aritméticamente iguales. cuyas dimensiones conozcamos.51 0.30·10-7 0.70·101 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.09 7. o sea. Conceptos y Magnitudes en Física. a partir del supuesto que todo fenómeno puede ser descrito por una ecuación entre ciertas variables. Una magnitud adimensional no tiene unidad. A las magnitudes físicas fundamentales se les asigna un atributo denominado dimensión. etc. en el S. Introducción al análisis gráfico de datos experimentales.091 0.08 7.0·10-8 5·10-5 1. En la Tabla 1 se muestran algunos ejemplos de estimación del número de cifras significativas. Primera Edición. El análisis dimensional es un proceso mediante el cual se examinan las dimensiones de los fenómenos físicos y de las ecuaciones asociadas.) tienen que ser adimensionales.9 9 61 5001 10.06·10-3 19·106 47.07 6.090 0.008·101 7.31·10-7 0. que es correcta desde el punto de vista de sus dimensiones. Los argumentos de funciones trascendentes (exponenciales. las dimensiones de .1 9. aunque se conserve el orden de magnitud de ellos. trigonométricas.8·107 4. que se representa por un símbolo. a menos que estos ceros estén avalados por mediciones o por definiciones.02 0. Pero . para tener una visión de sus soluciones. 4) En los números decimales cuyo valor absoluto es menor que la unidad. Bibliografía    Gil.1 C.00·10-3 3.09 0.0 Significado 7 59 4999 10.08 0. Este teorema tiene una aplicación interesante como método para chequear la corrección de una expresión.00400 0. Así.0·101 5. Oda–Noda.29·10-7 0. según los convenios recién descritos.05·10-3 18·106 47.49 0. Porras. los ceros a la izquierda no son cifras significativas. 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.000·103 1.9 9. por lo que: y Las ecuaciones dimensionales sirven para deducir las unidades fundamentales de las magnitudes derivadas. su valor será independiente del sistema de unidades empleado.00401 0. ya que si no se cumple el teorema podemos estar seguros de que la expresión en cuestión no es correcta.S.10 0. . decimos que la magnitud es adimensional. Cantidad 8 60 5000 10.00399 0. Cuando una magnitud tiene dimensión 1.

Sign up to vote on this title
UsefulNot useful