MEDIDAS FSICAS 1.

MEDIDA DE UNA MAGNITUD FSICA Medir: Es el proceso cientfico que permite cuantificar una observacin utilizando un marco de referencia. Magnitudes fsicas: Son todas las propiedades de los cuerpos que pueden ser medidas directamente o con instrumentos calibrados.

2.

MTODOS

2.1. Medicin con aparatos calibrados Calibrar (fsica): Establecer, con la mayor exactitud posible, la correspondencia entre las indicaciones de un instrumento de medida y los valores de la magnitud que se mide con l.

Equipos para Medir: Balanza, Vernier y

Micrmetro

3. ERRORES Error de Medida: Es la diferencia entre el valor obtenido, al utilizar un equipo, y el valor verdadero de la magnitud medida.

4.

TIPOS DE ERRORES (DE APRECIACIN, SISTEMTICOS Y CASUALES)

5. CURVA, NORMAL O DISTRIBUCIN DE GAUSS La distribucin normal es una distribucin de probabilidad de variable continua que describe los datos que se agrupan en torno a un valor central. Todo proceso en el que solo existan causas aleatorias de variacin sigue una ley de distribucin normal. Esta condicin que aparece con frecuencia en fenmenos naturales (de ah que se la denomine normal), puede obtenerse en los procesos industriales si los procesos se llevan a un esta do en el que solo existen causas comunes de variacin. La representacin grfica es la curva de distribucin normal tambin denominada campana de Gauss en honor del renombrado cientfico alemn Carl Friedrich Gauss a quien se le atribuye errneamente su invencin pero que sin duda la us frecuentemente para analizar fenmenos astronmicos con xito. Una distribucin normal se caracteriza por: 1. Los valores de las mediciones tienden a agruparse alrededor de un punto central, la media 2. La representacin de los datos es simtrica a ambos lados de la media 3. Las desviaciones estndares quedan situadas a igual distancia unas de otras 4. La proporcin de mediciones situada entre la media y las desviaciones es una constante en la que: La media 1 * desviacin estndar = cubre el 68,3% de los casos La media 2 * desviacin estndar = cubre el 95,5% de los casos La media 3 * desviacin estndar = cubre el 99,7% de los casos Podemos analizar el comportamiento de los procesos grficos y determinar su efectividad tomando como base su grado de aproximacin a la curva de distribucin normal a partir de los datos generados y la creacin de histogramas que permitan la comparacin con curva de distribucin normal.

6.

MTODOS DE LAS DERIVADAS PARCIALES MNIMOS CUADRADOS.

Mtodos de mnimos cuadrados. El procedimiento mas objetivo para ajustar una recta a un conjunto de datos presentados en un diagrama de dispersin se conoce como "el mtodo de los mnimos cuadrados". La recta resultante presenta dos caracterstias importantes: 1. Es nula la suma de las desviaciones verticales de los puntos a partir de la recta de ajuste (Y - Y) = 0. 2. Es mnima la suma de los cuadrados de dichas desviaciones. Ninguna otra recta dara una suma menor de las desviaciones elevadas al cuadrado (Y - Y) 0 (mnima). El procedimiento consiste entonces en minimizar los residuos al cuadrado Ci

La obtencin de los valores de a y b que minimizan esta funcin es un problema que se puede resolver recurriendo a la derivacin parcial de la funcin en trminos de a y b: llamemos G a la funcin que se va a minimizar:

Tomemos las derivadas parciales de G respecto de a y b que son las incgnitas y las igualamos a cero; de esta forma se obtienen dos ecuaciones llamadas ecuaciones normales del modelo que pueden ser resueltas por cualquier mtodo ya sea igualacin o matrices para obtener los valores de a y b.

Derivamos parcialmente la ecuacin respecto de a

Primera ecuacin normal Derivamos parcialmente la ecuacin respecto de b

Segunda ecuacin normal Los valores de a y b se obtienen resolviendo el sistema de ecuaciones resultante. 7. CIFRAS SIGNIFICATIVAS Y REDONDEO