Está en la página 1de 27

Partes de una medida

Al medir una mesa podemos obtener

125 ± 1 cm

valor unidades
±incertidumbre
1
Error e incertidumbre I
Muchas veces se cometen errores al medir.

Debemos corregirlos o al menos estimarlos

DX Xreal

Xmedido DX
2
Error e incertidumbre
Error = Xreal –Xmedido
Xreal (Xmedido -DX, Xmedido +DX)

DX Xreal

Xmedido DX
3
Nivel de Confianza
 DX depende de lo seguros que queramos estar
 Nivel de confianza = fracción de las veces que
quiero acertar. 99%, 95%...

DX Xreal

Xmedido DX
4
Errores aleatorios
 Factores que perturban nuestra medida.
• Suma de muchas causas
• Tienden a ser simétricos.
• Se compensan parcialmente.
• Repetir las medidas. medidas
• Estadística

Xreal 5
Errores aleatorios
 Distribuciones
Representamos la frecuencia de sucesos aleatorios.
 Tienden a curvas típicas

x
xx x
x x x xx x x x

Xreal 6
Cómo estimar el resultado
 Frente a errores sistemáticos.
• Medir correctamente
• Calibrar los aparatos

 Frente a errores aleatorios.


• Se compensan repetir varias veces la medida
• La media es el valor más probable

n
Xi
X 
i 1 n 7
Ejemplo
 Me peso varios días seguidos en iguales condiciones

Día L M X J V
Masa
73 72 74 72 73
(kg)

(73 + 72 + 74 + 72 + 73)
M  72,8 kg
5

8
Incertidumbre
 Se suele expresar como:

1. Absoluta: DX

DX DX
2. Relativa: Er  Er en %  100
X X

 Se suele descomponer en:


1. Incertidumbre factores sistemáticos: ES1,ES2...
Destaca la de precisión
2. Incertidumbre factores aleatorios: EA
9
Incertidumbre de precisión Es
 En casos sencillos la estimaremos como:
La mitad (?) de la división menor de la escala
Ej: Balanza

 A veces depende del experimentador


No hay reglas sencillas para estimarla
Ej: Cronómetros

 No es fácil definir su intervalo de confianza

10
Incertidumbre aleatoria EA
 Para n medidas


EA  t n - 1 s = Desviación
típica de las
n -1 n medidas

Desviación típica
de la media
Factor de cobertura
t de Student
11
s: la dispersión de los datos

X 4
3 4 5
Xreal
¿Medir
¿Medirlalaseparación
separacióncon
conrespecto
respectoalalvalor
valormedio
real ??
¿Cómo?
No conocemos el valor real

2

2
( n
(33-  (
2
-(xxxi -)+
2
x+
+ (44-  ( 2
- xx )2++ 5 2
(55---2xx ) 222
(3 - 4 + (4 - 4 + ( - 40
5
s 2 ss
2
 i 1
  1
n -1
n -1 333 3 -1 33 2 12
s: propiedades
 Es la distancia del valor real a la que estará más
probablemente un nuevo dato

s n


 cte
 Tiene las mismas unidades que el resultado

13
Dispersión de la media
s
sX 
n
 SI hiceramos muchos grupos de n medidas...
 La media es más precisa que cualquier dato, los
errores aleatorios se compensan
 Pero despacio ....
 Los errores de precisión no se compensan
14
t de Student

 Ya tenemos X y s X pero el intervalo... DX  s X es pequeño y


conlleva un nivel de confianza variable 4 multiplicamos por un factor
corrector.
tn
 Si a es el nivel de confianza t4 t 4 (1 - a ) t 4 ( p) a  0,95 p=0.05.

 Para pocas medidas s= n-1 se estima mal y el factor es mayor para
compensar.

 ¿Quien fue Student ?

15
Coeficientes tn
n 1 2 3 4 5 10 20 40 

tn
6,31 2,92 2,35 2,13 2,01 1,81 1,72 1,68 1,64
P=0.1

tn
12,7 4,30 3,18 2,78 2,57 2,23 2,08 2,02 1,96
P=0.05

tn
63,6 9,92 5,84 4,60 4,03 3,16 2,85 2,70 2,58
P=0.01

16
t de Student
 Ya tenemos X y s X pero el intervalo... DX  s X es
pequeño y conlleva un nivel de confianza variable 4
multiplicamos por un factor corrector.
 Si a es el nivel de confianzat t4 t 4 (1 - a ) t 4 ( p) a  0,95
n

p=0.05.

 Para pocas medidas s= n-1 se estima mal y el factor es


mayor para compensar.

 ¿Quien fue Student ?


17
Un poco de Historia:Student
 Inglaterra - Irlanda
 Control de calidad
industrial
 Extraemos un número
pequeño de muestras de
un lote grande.
¿ Representan al producto ?
W. Gosset 1876-1937

18
Ejemplo
 Me peso varios días seguidos en iguales condiciones
M  72,8 kg
Día L M X J V
Masa  n -1  0,837 kg
73 72 74 72 73
(kg)
t n -1  t 4  2,78

2
 n-1
(
E  t
73 - 72,8  + (72
n -
-1 2
 2 ,78
72,8 + (74 -072 8 
,,8372
+ (72 - 
 1,04 kg
72,8
2
+ (73 - 72,8 2

A 4
5 5 -1 5

19
Incertidumbre total
 Combinaremos las incertidumbres en cuadratura:

DX   E
DX +  ++
E+S 22
2 2 2
A1 2

 Propiedades

E A , ES  E A + ES  E A + ES
2 2

E A  ES , E A + ES  E A
2 2
20
Resumen medidas directas
X final  X

DX final  E A + ES
2 2


ES Media división
EA  t n - 1
mínima
n -1 n
21
Ejemplo
 Me peso varios días seguidos en iguales condiciones
M  72,8 kg
Día L M X J V
Masa E A  0,97 kg
73 72 74 72 73
(kg)
ES  0,5 kg

DM  0,97 2 + 0,52  1,091 kg

M  (72,800  1,091 kg
Presentación
incorrecta !
22
Ejemplo (casi) completo I
Usando una balanza se mide 5 veces la masa de una
esfera de radio r = 1.0 0.1 cm. Se pide calcular su
densidad.

n0 1 2 3 4 5
M (g) 14.3 14.5 14.7 14.4 14.1

1
M
3  
V
2
23
Ejemplo (casi) completo II
Usando una balanza se mide 5 veces la masa de una
esfera de radio r = 1.0 0.1 cm. Se pide calcular su
densidad.

n0 1 2 3 4 5
M (g) 14.3 14.5 14.7 14.4 14.1 M  14.400 g

ES  0.05 g
DM  ES2 + EA2  0.282 g
M  14.400  0.282 g
0.224
E A  2.78 g  0.278 g
5
24
Ejemplo (casi) completo III
Usando una balanza se mide 5 veces la masa de una
esfera de radio r = 1.0 0.1 cm. Se pide calcular su
densidad.

 V
2
4 3 
V  r DV   Dr   4r 2 Dr
3  r 

V  4,2  1,3 cm 3

DV Dr
ER ,V   0.3  3
V r 25
Ejemplo (casi) completo IV
Usando una balanza se mide 5 veces la masa de una
esfera de radio r = 1.0 0.1 cm. Se pide calcular su
densidad.

M  DM   DV 
2 2

  D     + 
V  M   V 

g
  3,4377  1,0335 3 ?
cm
26
Presentación de resultados
 Los resultados se presentan redondeados

g g
  3,4377  1,0335 3 ?   3,4377  1,0 3 ?
cm cm
g
  (3,4  1,0) 3
cm
1. NO tengo tanta precisión en D como
pretendo
2. ¿ Si tengo una incertidumbre de
unidades...Por qué doy diezmilésimas en  ?
27