Teora de Errores La Fsica, como toda ciencia experimental, tiene como criterio de verdad la contrastacin de sus teoras con

datos surgidos de mediciones. As, se dice que una ley, una hiptesis o un modelo representa adecuadamente la realidad (fenmeno fsico) si las consecuencias que de ella se derivan se corresponden con los datos experimentales. El progreso de la Ciencia se debe, en gran medida, a la observacin de los fenmenos reproducidos en forma de experimentos, a fin de medir con ms comodidad y a la posterior formulacin de nuevas hiptesis luego de analizar los resultados obtenidos. Antes de medir se debe desarrollar la capacidad de observar. Observar un fenmeno es descubrir las principales magnitudes fsicas que estn involucradas en l, analizar su comportamiento en forma global y estudiar cmo y con qu conviene medirlas. Puesto que toda conclusin a que se llegue a partir de la experimentacin debe ser, adems de compatible con otros conocimientos, susceptible de verificacin es imprescindible conocer el grado de confiabilidad de la medicin efectuada para que la informacin sea intercambiable y reproducible; por ello, es necesario saber en qu condiciones se la obtuvo y qu tan fiable es dicha medicin. Dicho grado de confiabilidad esta relacionado con el error de la medicin. Por tanto, el objetivo de este apunte es introducir al alumno en los procesos de medicin y sus errores. 1. Conceptos bsicos 1.1 Magnitud y cantidad Una magnitud fsica es un atributo de un cuerpo, un fenmeno o una sustancia, que puede determinarse cuantitativamente; es decir, es un atributo susceptible de ser medido. Ejemplos de magnitudes son la longitud, la masa, la potencia, la velocidad, etc. La operacin de medir define la magnitud. Al pretender definir una magnitud en particular se recurre a una definicin operacional. Estas propiedades se cuantifican por comparacin con un patrn o con partes del mismo. A la magnitud de un objeto especfico, que es de inters medir, se llama cantidad. En otras palabras, una cantidad es el nmero, vector o matriz que permite comparar cualitativamente respecto de la que se tom como unidad de la magnitud. Es decir, es el valor particular de la medicin de una magnitud dada. Por ejemplo, si interesa medir la longitud de una barra, esa longitud especfica ser la cantidad. 1.2 Apreciacin y estimacin, precisin y exactitud Se denomina apreciacin o apreciacin nominal de un instrumento a la menor divisin de

escala de ese instrumento. Mientras que al menor intervalo que un observador puede estimar con ayuda de la escala se la denomina estimacin de una lectura. Se debe hacer una clara distincin entre exactitud y precisin. Es costumbre generalizada, sobre todo en algunas normas relativas a instrumentos de medida, designar a la exactitud como la precisin de los mismos pero, tienen significados muy diferentes. La exactitud da una idea del grado de aproximacin con que el valor medido concuerda con el valor verdadero; es decir, es la cercana del valor experimental obtenido al valor real de dicha medida. Se la asocia con la calidad de la calibracin del instrumento respecto de los patrones de medida. La precisin indica repetibilidad de los resultados; es decir, el grado con el cual las medidas sucesivas arrojan idnticos valores. Tambin est asociada a la sensibilidad o menor variacin de la magnitud que se pueda detectar con un instrumento (o un mtodo de medicin). En otras palabras, la precisin es la capacidad de un instrumento de dar el mismo resultado en diferentes mediciones realizadas en las mismas condiciones y exactitud es la capacidad de un instrumento de medir un valor cercano al valor de la magnitud real. 1/23

Fsica I Medicin

Teora de Errores de

Ejemplo 1: El cronmetro utilizado en una experiencia de laboratorio es capaz de determinar la centsima de segundo pero adelanta dos minutos por hora mientras que el reloj de pulsera del observador no lo hace. En este caso se dice que el cronmetro continua siendo ms preciso que el reloj comn pero menos exacto. Ejemplo 2: Considrese el tablero de dardos de la figura donde el objetivo es dar en el blanco. En esta analoga, el blanco simboliza el valor verdadero y cada tiro representa un valor medido: La dispersin de los puntos da una idea de la precisin (repetitibidad de cada tiro), mientras que su centro efectivo (centroide) est asociado a la exactitud. En la figura a), el tirador presenta una determinacin precisa pero inexacta en el sentido de que cada tiro golpea en forma repetida el mismo punto (sector) en el tablero, pero no tiene buena puntera pues falla el blanco en cada ocasin. En cambio, la figura d) es ms exacta pero imprecisa (cada tiro golpea en forma dispersa en una amplia zona cercana al centro pero ningn repite el lugar). La figura c) es menos precisa que a) (los tiros estn ms distanciados entre si que en caso a)). La figura b) es una determinacin ms exacta y ms precisa ya que cada tiro da en el centro.

1.3 Proceso de medicin Medir es asociar una cantidad a una dada magnitud fsica. Al resultado de medir se lo llama medida. El proceso de medicin es una operacin fsica experimental en la cul se asocia a una magnitud fsica un valor dimensionado, en relacin a la unidad que

arbitrariamente se a definido para medir dicho valor. Medir no representa en la mayora de los casos una tarea sencilla. Requiere definir y ejecutar correctamente tres pasos: qu es lo que se va a medir, cmo se va a medir y con qu elementos se va a medir. Pueden distinguirse tres sistemas involucrados en el proceso de medicin: 1 2 3 Sistema objeto (qu): la cantidad a medir. Sistema de medicin (con qu elementos): el instrumento que utilizamos para medir. Sistema de comparacin o referencia (cmo): la unidad empleada, con su definicin y su patrn. Ejemplo: Si se desea medir el largo de una mesa, el instrumento de medicin podra ser una regla. Eligiendo el Sistema Internacional de Unidades (SI), la unidad ser el metro y la regla a usar deber estar calibrada en esa unidad o submltiplos. La medicin consistir en determinar cuantas veces la regla y fracciones de ella entran en la longitud buscada. El proceso, ha ser efectuado por el operador u observador, puede ser definido unvocamente en dos pasos: I. Calibracin: involucra el sistema de medicin y el sistema de comparacin. II. La medicin propiamente dicha: involucra el sistema objeto y el sistema de medicin. Una parte importante de la medicin es la determinacin del error o el anlisis de errores. 1.4 Errores en el proceso de la medicin En todo proceso de medicin existen limitaciones dadas por los instrumentos usados, el mtodo de medicin y/o el observador que realiza la medicin. Estas limitaciones generan una diferencia entre el valor real o verdadero de la magnitud y la cantidad obtenida para la misma luego de medir. Dicha diferencia se debe a la incerteza o el error en la determinacin del resultado de una medicin; esta es inevitable y propia del acto de medir. Entonces, no hay mediciones reales con error nulo. Ejemplo: Cuando se utiliza un termmetro para medir una temperatura el mismo proceso de medicin introduce un error ya que parte del calor del objeto fluye al termmetro (o viceversa), de modo que el resultado de la medicin es un valor modificado del original debido a la inevitable interaccin que se debe realizar. Es claro que esta interaccin podr o no ser significativa: Si se mide la temperatura de un metro cbico de agua, la cantidad de calor transferida al termmetro puede no ser significativa, pero si lo ser si el volumen en cuestin es de una pequea fraccin del mililitro.

Coloquialmente, es usual el empleo del trmino error como anlogo o equivalente a equivocacin. En ciencia e ingeniera, el error est ms bien asociado al concepto de incerteza (tambin llamada inexactitud o incertidumbre) en la determinacin del resultado de una medicin. Por ello se dice que se conoce el valor de una magnitud dada en la medida en que se conocen sus errores. Con la indicacin del error de medicin se expresa, en forma cuantitativa y lo ms precisamente posible, las limitaciones introducidas en la determinacin de la magnitud medida. Existen dos maneras de cuantificar el error de medicin: ^Mediante el llamado error absoluto, que corresponde a la diferencia entre el valor medido Xm y el valor real Xr: E = Xm - Xr (1.1)

^Mediante el llamado error relativo, que corresponde a el cociente entre el error absoluto y el valor real Xr: e = E/Xm (1.2)

Normalmente es posible establecer un lmite superior para el error absoluto, y el relativo, lo cual soluciona a efectos prcticos conocer la magnitud exacta del error cometido. En general, en un dado experimento, todas las fuentes de incertidumbre estarn presentes, de modo que resulta til definir el error nominal de la medicin Enom como: E2om = E2ap + E2def + E2nt + E2xac = E2 (1.3)

donde Eap es el error de apreciacin nominal del instrumento, que es la mnima variacin de la magnitud que puede detectar el mismo; Edef es la incertidumbre asociada con la falta de definicin del objeto a medir y representa su incertidumbre intrnseca (aqu se desprecia.). Eint = Emt es la interaccin con el mtodo utilizado para medir; su valor se estima de un estudio cuidadoso del mtodo usado. Eexac representa el error absoluto con que el instrumento en cuestin ha sido calibrado. (Es ms til en instrumentos elctricos y se relaciona con la clase del instrumento; aqu se desprecia.) El error nominal de la medicin es el error absoluto de la misma. Observacin: El procedimiento de sumar los cuadrados de los errores es un resultado de la estadstica y proviene de suponer que todas las distintas fuentes de error son independientes entre s. 1.4.1 Calidad de la medicin

Una medida es ms exacta y por lo tanto de mejor calidad cuanto menor sea su error absoluto E. Si se ha medido la misma magnitud usando dos instrumentos distintos, la

comparacin del error absoluto indica cul es la de mayor calidad. Pero si se quiere comparar la calidad de una dada magnitud (longitud) pero de distinta especie como dimetro y altura, o bien dos magnitudes distintas, se debe recurrir sus respectivos errores relativos, ec. 1.2, o los errores relativos porcentuales, e% = ex 100%. Ejemplo 1: Para determinar las dimensiones de una pieza rectangular de algunos centmetros de espesor se utilizan los siguientes instrumentos: una regla calibrada, apreciacin de hasta 1 mm ( 0,5 mm en el mejor de los casos); un calibre, apreciacin de al menos 0,1 mm ( 0,02 mm si dispone de vernier); un micrmetro, que permitir llegar hasta 0,01 mm. Como se utilizan tres instrumentos diferentes para medir la misma magnitud surge la pregunta sobre cul de los valores obtenidos es de mejor calidad?.

La calidad de la medida se puede cuantificar mediante el error absoluto de la medicin o, lo que es lo mismo en estos casos, la apreciacin del instrumento. Cuanto menor, en valor absoluto, sea la apreciacin mayor calidad tendr la medicin. Por tanto, la medicin realizada con el micrmetro es la de mejor calidad. Ejemplo 2: Se ha medido el dimetro de un cilindro con un calibre de 0,02 mm de precisin y su altura H con una regla de apreciacin 0,5 mm.

H H = (537,1 0,5) mm 0,5 537, Error 1 Absoluto EH Error Relativo = 0,5 mm eH = 0,0009

O = (15,34 0,02) mm

Error Absoluto E Error = 0,02relativo mm e<> 0,001 0,02 15,34

Error Relativo % e %= 0,09%

Error Relativo %e%=

Luego, EH >E indica que el calibre mide longitudes 0,1% con ms exactitud que la regla, aunque eH%< e% seala que la altura H medida con la regla es de mejor calidad que la medida del dimetro hecha por el calibre. 1.5 Resultado de la medicin El resultado de cualquier proceso de medicin se compone del valor medido (valor o medida de la magnitud en cuestin), de un smbolo que representa la unidad y del error que indica la exactitud con que se conoce el valor medido. Con lo cual, el resultado de una medicin queda expresado de la siguiente forma: X = (Xm E) [u] (1.4)

donde X es la magnitud que se desea medir o conocer; Xm es el valor medido (representa el nmero de veces que contiene a la unidad seleccionada); E es el error absoluto o incerteza (indica la exactitud con que se conoce el valor medido) (ec. 1.1) y [u]es la unidad de medida empleada. Entonces, por medir se entiende conocer el valor de una magnitud y conocer tambin el error con que se la mide en la unidad seleccionada. 1.5.1 Intervalo de incerteza Se dice que hay concordancia entre las predicciones tericas de una hiptesis, modelo o teora y los resultados de una medicin, cuando ambos valores coinciden dentro de un rango definido por el error de medicin. El error E define alrededor del valor medido un intervalo de incerteza igual al doble del error (2E). Es decir, indica una zona dentro de la cual est comprendido el verdadero valor de la magnitud:

1.6 Clasificacin de errores de medicin Los errores pueden clasificarse segn su naturaleza como: Errores groseros o espurios o fallas: son aquellos que provienen de la equivocacin del operador (fallas). Por ejemplo, contar mal las oscilaciones del pndulo, anotar mal un valor por invertir los dgitos. Estos errores pueden evitarse siendo cautelosos y repitiendo la medicin. Fsica I Medicin Errores sistemticos o sesgo: son errores inherentes al procedimiento de medicin. Se deben en general a imperfecciones del instrumento, a la aplicacin de un mtodo errneo, a la accin permanente de una causa exterior, etc. Actan siempre con el mismo signo; por lo tanto, al reiterar las observaciones sus efectos se suman. Por ejemplo, un instrumento descalibrado repetir, si se mide varias veces en las mismas condiciones, el mismo error con el mismo signo; es posible eliminarlo contrastando el instrumento con un patrn (esto es, calibrndolo). Estos errores son generalmente previsibles y pueden ser acotados, ya sea por la aplicacin de correcciones o por dispositivos especiales del instrumento. Errores casuales o aleatorios o accidentales: se deben a perturbaciones que provienen de fuentes de error independientes e imposibles de detectar. Dan lugar a Teora de Errores de

desviaciones pequeas positivas y negativas, siendo mas frecuentes cuanto ms pequea es la desviacin. Este tipo de errores se acotan mediante un tratamiento estadstico. 1.7 Origen de los errores Independientemente de la naturaleza de los errores, estos pueden deberse a causas que pueden clasificarse de la siguiente manera: Errores debidos al observador: son los que se atribuyen a un defecto en las percepciones sensoriales del observador (como por ejemplo mala visin) o a la posicin incorrecta del mismo para observar la experiencia. Errores debidos al instrumento: estos errores dependen del instrumento utilizado y pueden dividirse en:

a)

Defecto de construccin de escala o un corrimiento permanente de la misma: se corrigen con una correcta calibracin.

b)

Deficiencias de construccin o desgastes: estos errores los poseen todos los instrumentos y son muy difciles de detectar (se pueden acotar con un correcto mantenimiento del aparato).

c)

Limitaciones propias del sistema de lectura: este tipo de error se entiende mejor con ejemplos: el grosor de la aguja indicadora o el espesor de la lnea de divisin de la escala en un instrumento analgico.

Errores debido al modelo fsico elegido: son aquellos que provienen de las aproximaciones realizadas al modelar la realidad con fundamentos tericos. Por ejemplo, para calcular el perodo de un pndulo se asume que este es puntual, el hilo es de masa despreciable y los ngulos pequeos. Errores causados por el propio acto de medicin: estos errores se deben a que todas las veces que un experimentador hace una observacin altera el fenmeno que esta estudiando. Por ejemplo, cuando se mide la presin de un neumtico con un manmetro, se libera algo de aire alterando la presin a medir. Nota: Debido a que el origen de todos los tipos de error mencionados hasta aqu son de carcter sistemtico, el error nominal es tambin utilizado como el error sistemtico de la medicin. Estos errores se pueden disminuir tomando precauciones, pero nunca se puede eliminar completamente. Esto se debe a que el Principio de Incerteza de Heisenberg establece un lmite inferior para el valor que pueden tomar una medida y en particular un error de medicin.

 Errores producidos por condiciones externas al proceso de medicin: Este tipo de errores se

deben a las condiciones ambientales en las cuales se realiza una experiencia. Son, en general, calculables en forma de correcciones para cada instrumento y para cada mtodo de medida. Por

ejemplo, en las determinaciones calorimtricas hay que tener en cuenta la cantidad de calor que

absorben el calormetro, el termmetro, el agitador, etc.; esta cantidad se conoce como equivalente en agua del calormetro. 2 Mediciones directas e indirectas

Se llama medicin directa cuando la operacin de lectura se hace directamente en el instrumento de medicin utilizado para medir cierta magnitud. Por ejemplo, son mediciones directas la determinacin de una distancia con una escala mtrica, la de un peso con una balanza y la de una intensidad de corriente con un ampermetro. No siempre es posible realizar una medida directa, porque no disponemos del instrumento adecuado, porque el valor a medir es muy grande o muy pequeo, porque hay obstculos de otra naturaleza, etc. Una medicin indirecta es aquella que se puede calcular o determinar realizando la medicin de una variable o ms distintas de la que se desea conocer pero relacionadas de alguna manera con ella. Por tanto, una medicin indirecta es la que resulta de una ley fsica o una relacin matemtica que vincula la magnitud a medir con otras magnitudes medibles directamente. As, el volumen de un cuerpo esfrico, por ejemplo, V = (4/3) r3 relaciona la magnitud V a medir con el radio de la esfera r, medible en forma directa con un calibre o un tornillo micromtrico. Con qu criterio se establece la incerteza cuando se realiza una sola medicin?. No existe una receta para establecer el valor del error; es necesario un anlisis detallado del mtodo y del instrumento utilizado. 2.1 Error de una magnitud directa Cuando se realiza una medicin directa, el error final estar dado, generalmente, por el error nominal del instrumento (Eap) siempre y cuando los otros trminos de la ecuacin (1.3) sean despreciables frente a ste:

En2om = Ea2p

(2.1)

Esto ocurre, en general, cuando una magnitud se mide una nica vez donde el mejor valor ser simplemente el valor medido y el error vendr dado por el error nominal del instrumento. Cuando el mtodo introduce un error (Eint = Emt) que no es despreciable frente al error nominal del instrumento entonces, el error efectivo estar dado por: En2om = Ea2p + Ei2n t (2.2)

Entonces, cuando se mide con una regla o un calibre, la inexactitud de la medicin es directamente la del instrumento (regla:1 mm, calibre: 0,02 mm). En el caso de medir el periodo de un pndulo con un cronmetro digital (apreciacin 0,01 s) disparado por el observador en forma manual, se debe tenerse en cuenta tambin interviene el error del observador (cuyo valor vara entre 0,1 - 0,2 s). Con lo cual, el error de la medicin ser la suma de los errores ya que la demora del operador al disparar y detener el cronmetro influye en la medicin. Si el disparo del cronmetro se hiciera sin intervencin humana, es decir, con un fotodiodo, el cual no introduce incerteza apreciable, entonces el error de la medicin seria simplemente el error del instrumento. 2.2 Error de una magnitud indirecta: Propagacin de errores o errores por propagacin Cuando se trabaja con magnitudes indirectas, el error de la medicin estar dado por la transmisin de los errores de las magnitudes medidas directamente (al aplicar un determinado mtodo formula matemtica para obtener la magnitud requerida). A este procedimiento se le llama propagacin de errores. Sea L una magnitud que depende de otras que se pueden medir en forma directa, tal que L = f (X,Y,Z) = L(X,Y,Z) donde X, Y, Z son magnitudes medibles directamente: 6/23

X = Xm EX Y =Ym EY Z = Zm E Z

EX = X EY =Y EZ = Z

siendo el subndice m indicativo de valor medido u observado. El problema a resolver es cmo los errores de X, Y y Z afectan al error de L. Para ello, se expande la funcin L = L(X,Y,Z) mediante su serie de Taylor jdL [dY (Y - Yn) + L
1

( aZ (Z- Z0) + d2L\

(X - X0f +...

L = L(Xn,Yn,Zn) + L dX

(X -X0) + Y0

XQ

Z0

XQ

donde las derivadas parciales estn evaluadas en los valor medidos (o en los valores promedios, en el caso de varias mediciones). Tomando (X0, Y0, Z0) = (Xm, Ym, Zm) en la expresin anterior resulta (X - X0 )= (X - Xm)= EX (Y -Y0)=(Y -Ym)= EY (Z - Z0 )= (Z - Zm)= EZ L(Xm,Ym,Zm) = Lm Despreciando los trminos de orden superior a uno y teniendo en cuenta que la incerteza no pude ser nula, resulta E + d L d dX Y dZ E + E EL = L- Lm = (2.3)

Es importante recordar que las derivadas parciales estn evaluadas en los valores medidos (o medios en el caso de varias mediciones). El error obtenido en la expresin (2.3) es el mximo error posible. Teniendo en cuenta las expresiones (1.3) y (2.3), el error final de una medicin indirecta estar dado entonces por:
2 2 E

L 2 (2.4)

E 3 Cifras Significativas (c.s.) =

Los cientficos e ingenieros procuran que sus datos experimentales no digan ms de lo

que pueden decir (asegurar) segn las condiciones de medida en que fueron obtenidos. Por ello, ponen cuidado en el nmero de cifras con que expresan el resultado de una medicin. El propsito de ello es incluir slo aquellas que tienen algn significado experimental. Tales cifras reciben el nombre de cifras significativas. Una cifra es significativa cuando se la conoce con una exactitud aceptable. As, cuando se mide con un termmetro que aprecia hasta 0,1 C no tiene ningn sentido que se escriban resultados, por ejemplo, del tipo 36,25 C o 22,175 C. Esto es, la cantidad de decimales despus de la coma esta relacionada con la exactitud del instrumento (y no con la cantidad de dgitos que maneja una calculadora). Las cifras significativas no tienen ninguna relacin fija con la posicin de la coma decimal; esto es, no tiene siempre que ser 1 o 2 lugares. La cantidad de decimales depende del instrumento utilizado para medir. Una posible fuente de ambigedad se presenta con el nmero de cifras significativas cuando se hace un cambio de unidades. El nmero de cifras significativas de un resultado es el mismo, cualquiera que sea la unidad en la que se lo exprese. Dada una cantidad, la pregunta es cules son cifras significativas?: a) Los ceros a la izquierda no son c.s.: Cuando los ceros figuran como primeras cifras de un resultado no son considerados como cifras significativas. No indican exactitud en el

resultado de la medicin sino que indican el orden de magnitud de la unidad que acompaa al mismo. Ejemplo: La longitud d de un objeto es medida con una regla que aprecia hasta el milmetro; la cantidad

obtenida es de 3,2 cm. Este valor tiene dos c.s.. Ahora, se desea expresar dicho valor en metros, entonces: d = 3,2 cm = 0,032 m y el resultado sigue teniendo dos c.s.. Por esta razn es que se acostumbra a escribirlo recurriendo a las potencias de 10: d = 3,2x10-2 m. b) Los ceros a la derecha: Cuando los ceros figuran como ltimas cifras de nmeros enteros, ello no implica que deban ser considerados necesariamente como cifras significativas: i. Significativos: Cuando los ceros figuran como parte verdadera de la medicin. Ejemplo: No es lo mismo escribir que algo pesa 1 kg (1 c.s.) que anotar que pesa 1,00 kg (3 c.s.). La primera magnitud implica haber realizado la medicin con una balanza graduada en kilogramos y la segunda involucra una balanza graduada en centsimos de kilogramos. Por lo que la segunda es cien veces ms exacta que la primera. ii. No significativos: Cuando los ceros figuran como ltimas cifras de nmeros enteros, su nica funcin es especificar la posicin del punto decimal. Ejemplo: Considrese el valor estndar de la velocidad de la luz: c = 300000000 m/s. Es razonable sospechar que las 9 cifras no sean significativas (ya que esto implicara conocer la velocidad de la luz con una exactitud del orden de 1 m/s!). Expresando la cantidad de esa forma es imposible saber cuales son las c.s.. Podemos evitar esta ambigedad utilizando la notacin cientfica, por ejemplo, con 3 c.s.: 3,00x108 m/s. 3.1 Notacin Cientfica

Una forma ms compacta de escribir un resultado es expresarlo en su equivalente notacin cientfica; esto consiste en reescribirlo respetando el siguiente formato:

Figura 1.2: Esquematizacin de un nmero y sus partes. Las ventajas de esta notacin son: es compacta. es simple operar con ella. sirve para realizar comparaciones de ordenes de magnitud.

Observacin: No se puede utilizar esta notacin para arreglar las cifras significativas de un resultado. 3.2 Empleo de cifras significativas

Cifras significativas en operaciones aritmticas Cuando se dispone de una calculadora electrnica parece como si fuese correcto o ms exacto escribir los resultados con tantas cifras decimales como aparecen en pantalla, pero esto la mayora de las veces carece de sentido. Para expresar correctamente los resultados de operaciones aritmticas, mediante cifras significativas, es necesario tener en cuenta que dicho resultado no puede tener ms decimales que el nmero de menor cantidad de decimales involucrado en la operacin. Reglas de aproximacin o acotacin de nmeros Cuando se requiere acotar la parte decimal de un nmero hay que fijarse en el nmero de su derecha. Si ste es mayor que 5, entonces se redondea incrementando el ltimo dgito significativo en +1. Si es menor o igual a 5, el ltimo dgito significativo perma nece sin cambio; es decir, no se modifica.

Ejemplo: Se desea encontrar cul es la superficie S de una tira de papel. Se mide su longitud y su ancho utilizando una regla que aprecia hasta el milmetro y se obtienen 53,2 y 4,1 cm, respectivamente. Multiplicando ambos resultados para calcular la superficie resulta: S = 53,2 x 4,1 = 218,12 cm2 Pero, cuntas de estas cifras son verdaderamente significativas?. Teniendo en cuenta que, el nmero de cifras significativas de un producto entre datos que corresponden a resultados de medidas experimentales no puede ser superior al de cualquiera de los factores, el resultado en rigor se debe escribe como S = 218,1 cm2. 4 Teora Estadstica de errores

En esta seccin se estudia cmo minimizar la incidencia de los errores casuales en la medicin de una magnitud que se repite N veces. Dado el carcter al azar de los errores casuales es claro que, al promediar los resultados, el promedio estar menos afectado por las desviaciones estadsticas que los valores individuales. Se asume que no se cometen errores groseros y que los sistemticos han sido debidamente acotados de manera tal que, los nicos errores a considerar sean los casuales. Para analizar la serie de N mediciones de una misma magnitud obtenida en igualdad de condiciones se emplea la Teora Estadstica. La idea es investigar la causalidad, y en particular, extraer alguna conclusin del efecto que algunos cambios en una de las variables (variables1 independientes) tienen sobre las otras (variables dependientes). La teora estadstica se basa en los tres postulados de Gauss: i) Dada una serie de mediciones x1, x2,., xN, la mejor estimacin de la magnitud medida o valor ms probable de la misma es el promedio aritmtico de todas las mediciones de esa cantidad efectuadas en las mismas condiciones:
N

x.

(N o bien x = |Y f.x

\ l N / |Y fA

\ (3.1)

x = >'N

( ) / ( ) N

donde f representa las veces que el i-simo valor xi se repite y N = V f . Es decir, la media i=i aritmtica o promedio, de una cantidad finita de nmeros, es igual a la suma de todos ellos dividida entre el nmero de sumandos.

ii) Es igualmente probable cometer errores del mismo valor numrico y distinto signo. iii) En una serie de mediciones, es tanto ms probable un error cuanto menor sea su valor absoluto. Es decir, los errores ms pequeos son los ms probables de cometer. Se dice que la calidad de una medicin ser tanto mejor cuanto ms parecidos sean entre s los valores medidos, o dicho de otra forma, ms parecidos al valor medio x . Otros conceptos tiles en el anlisis de una serie de mediciones son la mediana y la moda. La mediana hace nfasis en el verdadero centro del conjunto de datos. En otras palabras, la mediana es el valor central de un conjunto de observaciones ordenado por magnitud creciente o decreciente. El propsito de la misma es reflejar la tendencia central de la serie de medidas de manera que no est influenciada por los valores extremos. Mientras que la moda (M) es aquel valor que ocurre ms a menudo o con mayor frecuencia. La moda puede no existir, y cuando existe no necesariamente es nica. 4.1 Error estadstico de la serie de N medidas Dada una serie de N mediciones de la magnitud x, se define en primer lugar la desviacin de la medicin si, la cual se mide respecto del valor medio x y no es ms que la diferencia existente

entre el valor i-simo medido y el valor ms probable (o valor medio o promedio aritmtico de la serie): i = x - xi = fi (x - xi ) siendo, de nuevo, fi las veces que el i-simo valor xi se repite. La sumatoria de la desviacin (i ) no tiene significado fsico e incluso puede ser cero; en i cambio, s lo tiene la sumatoria de las desviaciones al cuadrado (i2 ) que representa la forma en i que los valores individuales fluctan alrededor del promedio. Pero esta ltima cantidad depende de N. Para independizarse de N es que se define la varianza v como el promedio de las desviaciones cuadrticas: (3.2)

i __ N

[v] = [u ]

Es ms comn utilizar la raz cuadrada de la varianza (Vv) que proporciona la distribucin de las mediciones alrededor del valor ms probable pero con la misma unidad que los datos originales. Dicha cantidad se denomina la dispersin desviacin estndar error cuadrtico medio (a) de cada lecturas: o= yfv = \ ef N , [o] = [u] (33)

La desviacin estndar es una medida del grado de dispersin de los datos alrededor del valor promedio. Dicho de otra manera, la desviacin estndar es simplemente el "promedio" o variacin esperada con respecto de la media aritmtica. Una desviacin estndar grande indica que los puntos estn lejos de la media, y una desviacin pequea indica que los datos estn agrupados cercanos a la media. Se suele representar por una S o con la letra sigma (). Aqu se adopta esta ltima. Si, ahora, se realizan M series de N mediciones de x, y a cada una se le calcula el valor medio x , es de esperar que estos valores x1, x2 ,., xM varen entre s pero con una menor dispersin que las mediciones individuales y que lo hagan alrededor de un promedio general o promedio de los promedios de valor M j
J=I

MN x 2J M i,j=lly

MN

y la dispersin esos promedios, considerados como datos individuales de una serie de valores, ser: 1= M sta es la dispersin estndar de cada promedio de las series de mediciones. Se puede demostrar que, para los casos de errores casuales de medicin, esta dispersin o error estndar vale = j= (3.4)

Xjf

Esta relacin es aproximada pero se convierte en igualdad para N suficientemente grandes, siendo o la dispersin estndar en una de las M series de mediciones. Como el orden de magnitud es el mismo para cada una de las M desviaciones, la expresin (3.4) permite predecir la fluctuacin 10/23

del promedio de una serie de N mediciones sin necesidad de volver a realizar ms series de mediciones. A medida que el nmero N de mediciones aumenta, la distribucin de los x. ser normal con un error estndar del promedio. ste ser el estimador del error asociado a i y es llamado error estadstico EPSt ( tambin error medio cuadrtico de los promedios): o Eest = j= \N Eest nos da el orden de magnitud con el cul el promedio habr de fluctuar alrededor del verdadero valor de la magnitud en cuestin y se mantendr casi constante cuando el nmero de observaciones es suficientemente grande. Cuanto ms mediciones se hagan, tanto ms se acercar el promedio al verdadero valor de la magnitud en cuestin, y la fluctuacin ser cada vez menor. Es por ello que el promedio es utilizado como ente representativo del valor ms probable de una magnitud. La expresin (3.5) representa la calidad del proceso de medicin. La calidad del proceso de medicin ser mayor cuanto menor sea el cociente a/x, que en general es una constante del proceso de medicin y no disminuye al aumentar N. Resulta claro que, como Eest depende de N y es menor si se aumenta el nmero de mediciones, es posible disminuir el error estadstico pero nunca, desde el punta de vista fsico, el error de x puede ser cero. Slo puede hacerse igual o del orden del Eap. El mejor balance se logra cuando Eest Eap, dando as un criterio para determinar el nmero, ptimo (Nop) de mediciones que deben realizarse: i a\\ E Observacin: Como no tiene sentido disminuir Eest ms all de la apreciacin x del instrumento de medicin, resulta ms conveniente cambiar el instrumento o mejorar el mtodo que aumentar el nmero de mediciones. Es preferible obtener veinte buenas medidas y no mil mediocres. De manera anloga a la seccin 1.5.1, se pueden definir la desviacin estndar relativa y la relativa porcentual. 4.2 Error final o efectivo de la medicin Cuando se desea combinar los errores sistemticos (nominales) con los estadsticos, la prescripcin usual es sumar los cuadrados de los errores absolutos y luego tomar la raz cuadrada de este resultado. Si se esta midiendo una magnitud Z, el error final o efectivo de (3.5)

Z, EZ, vendr dado por la suma de los errores nominal y estadstico al cuadrado: Ez = yE2est +E2nom 4.3 Histograma Los histogramas son un mtodo eficiente y comn para describir distribuciones de variables continuas con un gran nmero de datos obtenidos experimentalmente (x1, x2,..., xN). Un histograma es una grfica de barras verticales u horizontales. Las barras o clases se definen de manera tal que cada una de las N observaciones medidas sea parte de una y slo una categora. El ancho de cada barra (x) es igual y fijo, de modo que el rea de la barra sea proporcional al nmero de observaciones de la clase respectiva ( n) que pertenecen al intervalo seleccionado, facilitando las comparaciones visuales. La grfica constituye un despliegue visual de los datos que aporta, dando una idea de la forma que tiene la densidad de la variable x en estudio. (3.6)

Entonces, los histogramas grafican las frecuencias (A) de aparicin de una observacin dentro de un intervalo de ancho fijo dado (Ax), siendo cada dato acomodado dentro de una de varias barras de acuerdo a alguna propiedad. Si la forma obtenida para el histograma es una barra central rodeada por barras decrecientes distribuidas ms o menos simtricamente a su alrededor, se dice entonces que dicho histograma presenta una tpica distribucin normal o gaussiana. Observacin: La longitud del ancho del intervalo (Ax) es la mnima necesaria para que todos los valores de la serie estn representados en el histograma, si se toma como punto inicial de los intervalos el valor mnimo de dicha serie. 4.3.1 Pasos para la construccin de un histograma

Paso 1: Localizar los valores mximo y mnimo de las N observaciones. Calcular el rango de los datos, esto es la diferencia entre el valor mximo (xmax) y el valor mnimo (xmin) de las observaciones: Rango = xmax - xmin Paso 2: Calcular la longitud del ancho del intervalo Ax necesaria para cubrir dicho rango. Esto se logra dividiendo el rango por ViV o bien por el nmero de barras que se pretende tener: Rang o Ax = -N x yN min o bien x = Rango n barras barras n

La eleccin de una u otra forma de calcular x depende del caso particular analizado. Existen otras maneras pero estas son las ms usadas. Recordar tener en cuenta las cifras significativas para acotar x. Paso 3: Construir una tabla de intervalos frecuencia (n). Cada intervalo

corresponder a una barra del grfico cuya altura ser, justamente, la cantidad de valores contenidos en l (n). Los intervalos se toman como cerrado-abierto o bien abierto-cerrado, siendo ms usual la primera forma. El primero intervalo se construye tomando como punto inicial el valor mnimo de las observaciones y como punto final del mismo a la cantidad resultante de sumar xmin + x. El segundo intervalo se construye tomando como valor de inicio el final del anterior y como final el inicial del mismo ms x. Los dems intervalos se construyen de manera similar. Luego, contar cuantos datos caen dentro de cada intervalo (frecuencia absoluta de valores) e ingresarlos en la tabla. Paso 4: Realizar la grfica de la tabla construida mediante ejes ortogonales donde en el eje de las abscisas se colocan los intervalos y el eje de las ordenadas las frecuencias correspondientes. Cuando la grfica se realiza a mano es conveniente utilizar papel milimetrado.

Como todo grfico debe llevar el ttulo correspondiente (arriba al centro) e indicar los parmetros N y Ax que permitieron construir dicho grfico (lado derecho) (ver Figura 3.3). Es de prctica comn utilizar en el eje de las ordenadas las frecuencias relativas en lugar de las frecuencias de observacin. Las frecuencias relativas son calculadas dividiendo la frecuencia absoluta de cada intervalo por el nmero total de observaciones: An/N. Si la frecuencia por clase corresponde al eje vertical la grfica de barras resultante se denomina histograma de frecuencia, mientras que en caso de usar dicho eje para la frecuencia relativa por clase se llama histograma de frecuencias relativas. Ver en Apndice A un ejemplo de construccin de un Histograma. 4.4 Distribucin de Gauss La experiencia muestra que, para todos los casos de errores casuales, el histograma correspondiente a la serie de N mediciones (x1, x2,..., xN) puede ser aproximado por una funcin continua bien definida y nica, cuya forma es siempre la misma, dependiendo slo de dos parmetros que podrn variar de caso en caso. Los datos estn distribuidos alrededor del promedio x , donde algunos valores que estarn cerca del promedio y, otros menos en nmero, estarn lejos. Se comprueba experimentalmente que An (esto es, el nmero de valores numricos de la serie de mediciones que caen en un determinado intervalo entre x y x+Ax) depende del valor de x y de la longitud del intervalo Ax en forma aproximada segn la expresin de tipo exponencial TV / (x - xf \ (3.7)

An ^ ^^expi ------------ Ax <j\J2ji \ 2o )

La aproximacin es tanto mejor cuanto mayor sea N y ms pequeo sea Ax. La relacin se transforma en igualdad para los diferenciales dn y dx. Como se ve, aparecen dos parmetros: o y x . N es slo un factor de escala puesto que no modifica la forma de

la curva, o es la desviacin estndar de cada medicin y x es el valor medio. La expresin anterior en trminos de diferenciales se llama densidad de observaciones: An lim x^ Ax ^ dn N ( (x-x)2\

^ ^^^^^ exo -----------dx

O\I2JI

2a2

Nuevamente, dn es el nmero de observaciones cuyos valores estn comprendidos entre x y x+dx. La variable x en el exponente se ubica en el intervalo dx que tiene una frecuencia de observaciones dn. La representacin grfica de la densidad de observaciones se llama curva de distribucin de Gauss (ver Figura 3.4). La distribucin da el nmero de observaciones en funcin de x y es la integral de la expresin anterior. La curva de Gauss presenta un mximo en x = x , es simtrica respecto de ese valor medio presentando una forma de campana y sus puntos de inflexin son x a; tiende a cero a medida que el valor x se aleja del promedio.

Si bien es imposible predecir el valor exacto que saldr de una medicin dada, s se puede decir algo sobre la probabilidad de que ese valor este comprendido en un intervalo dado. La prediccin de estas probabilidades es la utilidad fundamental de la funcin de Gauss. La probabilidad es, por definicin, el cociente entre el nmero de casos que estn en el intervalo seleccionado, y comprendido por dos de los valores de x (N), y el nmero total de datos (N). La probabilidad de que un valor dado caiga entre x - y x + es del 68%: AN TV x 100% = } El valor de \x que determina el intervalo x /i dentro del cual cae el 50% de las observaciones se denomina error ms probable del promedio; dicho valor se obtiene de una integracin, similar a la anterior, y de donde resulta que /i s (2/3) a. Para graficar analticamente (sin la ayuda de una computadora) la curva de Gauss se requiere el clculo previo de ciertos puntos de caractersticos de la expresin (3.7), entre los que se encuentran los puntos de inflexin, y sus frecuencias absolutas (An). Siendo lo ms conveniente para reflejar dichos clculos la confeccin de una tabla, como la que se da a continuacin. Los puntos mencionados son mostrados en la Figura 3.4. x+x 1 c ( (x \ x)2\ 2o2 dx x 100% = 68%

yjljt J_x

Tabla 4.1: Puntos caractersticos de la curva de Gauss con sus frecuencias respectivas. xi X x o/2 x o x 2o \-(x-xi )2 2 o2) 1 1/2 -2 An

Ver en Apndice B un ejemplo de construccin de una Curva de Gauss. 5 Mtodo de los cuadrados mnimos

Hasta ahora se ha aprendido a medir una magnitud fsica y valorar el resultado desde el punto de vista estadstico, pero esto por lo general es slo el primer paso y no alcanza para comprender el fenmeno. La fsica real empieza cuando se estudia la interdependencia casual entre dos o mas magnitudes. Por lo tanto, para establecer leyes fsicas que permitan predecir la evolucin de un sistema es necesario conocer en forma experimental el tipo de relacin que hay entre las cantidades de las magnitudes involucradas y representarla matemticamente. En la prctica, las cantidades estn afectadas por errores de medicin o fluctuaciones intrnsecas, por lo que es necesario aplicar un algoritmo que permita determinar algo as como la relacin ms probable entre las magnitudes fsicas vinculadas en forma casual por un mecanismo fsico. El caso ms sencillo es suponer que la relacin entre las magnitudes es lineal, y es que se estudiar en esta seccin. Con el propsito o bien de descubrir o bien de verificar la ley fsica que vincula las variables de la serie de valores (x, y) obtenida experimentalmente se asume que estas son en principio independientes, de modo que sus incertezas tambin lo son. Como consecuencia, se han obtenido N pares de valores (xi, yi). Para definir cul es la variable dependiente y cul la independiente, se observan los errores de medicin de cada uno. La de menor error absoluto ser considerada la variable independiente; siendo el error de esta variable, en general, despreciable en comparacin con la otra. Por lo tanto, el mtodo de ajuste por Cuadrados Mnimos consiste en obtener una curva tal que la distancia vertical de los valores experimentales a la misma sea mnima. Suponiendo que los puntos experimentales estn visiblemente sobre una recta, en general, la ecuacin es de la forma y = ax + b (4.1)

y el problema es determinar el valor ms adecuado de cada parmetro (a y b). Si todos los puntos estuviesen exactamente sobre una recta, se cumplira que yi - axi - b = 0 i

pero como son mediciones de laboratorio, siempre ha de encontrarse una diferencia o desviacin entre ambos miembros de la ecuacin (4.1), a la que se llama residuo ei: yi - axi -b = ei 0 donde ei describe el error en el ajuste del modelo en el punto i-simo. Entonces, se han obtenido N lecturas (xi, yi) y se han producido, por lo tanto, N desviaciones o errores ei; pero obsrvese que el valor correspondiente a cada par

depende del valor que se le asignen a los parmetros a y b. Se puede aplicar el criterio conocido de elegir como valores ms probable de estos parmetros aquellos que hacen mnima a S = ei2 ; o sea, sern las soluciones a la condicin doble:

Observacin: Para la mayor parte de las aplicaciones cientficas o ingenieriles hay una distincin clara entre las variables en lo que respecta a su papel en el proceso experimental. A menudo existe una sola variable dependiente o respuesta (y) que no se controla en el experimento. Dicha respuesta depende del valor particular de una o ms variables de independientes, x o xi respectivamente; stas se miden con un error insignificante y a menudo realmente se controlan en el experimento (es decir, se conocen anticipadamente ayudando a predecir la variable y). Las variables independientes no son variables aleatorias. 5.2 Diagramas de dispersin Ahora bien, la pregunta es cuando es posible aplicar el mtodo de Cuadrados Mnimos o Regresin Lineal. Si las cantidades observadas tienen una fuente comn de variacin se dice que ellas estn correlacionadas. Para averiguar si existe o no correlacin entre las dos variables se construye un diagrama de puntos (x,y) en base a un sistema de ejes cartesianos. Se obtiene as grficamente un conjunto de puntos esparcidos al azar llamado diagrama de dispersin. En general se presentan tres situaciones: a) Los valores estn distribuidos simtricamente alrededor de los valores de los promedios de x y de y o sea, del punto de coordenadas (x, y) , formando una nube aproximadamente circular (Figura 4.1a). b) La distribucin de puntos (valores) se aproxima a una curva con desviaciones de poca entidad (Figura 4.1b). c) Los puntos forman una nube alrededor de una curva con fluctuaciones de cierta importancia (Figura 4.1c).

En el caso a), las variables no tienen correlacin, es decir, no hay dependencia entre ellas y se puede observar que las distancias de estos puntos a una recta hipottica es muy grande, por lo que no se cumple con la hiptesis establecida. En el caso b), existe una dependencia casi total entre x e y; esto es, existe correlacin y es fuerte. Es decir, hay una relacin funcional y = f(x). Las fluctuaciones se deben a las incertezas casuales y de apreciacin, y pueden ser compensadas con un anlisis estadstico.

En el caso c), existe una zona de dispersin con pendiente positiva o negativa. La correlacin es estadstica; es decir, las variables estn vinculadas por factores conocidos o ignorados pero muy difciles de aislar. No es interesante desde el punto de vista de la experimentacin ya que el diseo de la experiencia incorpora excesivas incertezas; lo que permitira encontrar ms de una recta posible, siendo imposible determinar cual de ellas es la correcta.

Apndices Apndice A: Ejemplo de confeccin de un Histograma Se desea dibujar el histograma para la serie de 30 valores de la altura (m) de los estudiantes de un curso que se detallan en la siguiente tabla:

1,61 1,64 1,63

1,63 1,62 1,65

1,62 1,61 1,63 1,63 1,60 1,65 1,61 1,62 1,65

1,64 1,64 1,62

1,60 1,61 1,63

1,64 1,62 1,64

1,63 1,61 1,63 1,64 1,63 1,62

Para ello hay que tener en cuenta los pasos de construccin de histogramas dados en la seccin 3.4.1. Paso 1: Lo primero que se debe hacer es buscar los valores mximo y mnimo. Estos son: 1,65 m y 1,60 m. Luego, con ellos calcular el Rango: Rango = 1,65 m - 1,60 m = 0,05 m Paso 2: Entonces, el intervalo ser de un ancho de: Ax = 0,05 m /V30 = 0,0091 m Pero este valor es mas pequeo que la apreciacin del instrumento por lo cual no se puede utilizar. Si acotamos dicho valor a la cantidad de cifras significativas y la magnitud correspondiente, se obtiene que: Ax s 0,01 m (coincidente con la apreciacin del instrumento de medida). Paso 3: Luego, la tabla correspondiente a los intervalos y sus frecuencias es

Intervalos (m) [1,60 , 1,61) [1,61 , 1,62) [1,62 , 1,63) [1,63 , 1,64) [1,64 , 1,65) [1,65 , 1,66)

frecuencia 2 5 6 8 6 3

Paso 4: El histograma se realiza levantando por cada intervalo una barra o columna tan alta como la frecuencia de valores asociada correspondiente; entonces,

Otra manera de realizar el mismo grfico es colocando el centro de la barra en el valor que se esta representando en ella; esto se suele hacer cuando son pocos los valores a representar en el eje horizontal y el ancho de la barra coincide con la apreciacin del instrumento:

Apndice B: Ejemplo de construccin de una Campana de Gauss. Se desea construir la campana de Gauss para la serie de N = 30 valores dada en el Apndice anterior. Para ello se precisa completar la Tabla 3.1, con lo cual es necesario calcular previamente el valor medio de x Vi 1,63 m o= Vv= li ef N = l i C x - x i f / N = 0,014 ms 0,01 m la serie y la desviacin estndar:

Entonces, siendo /n =

N
O^]2JT

eXp(

(x

i' ] ^ y Ax = 0 01 m se 2a2 j

obtiene l

Tabla: Valores para construir la Campana de Gauss. Xj X x - o 12 x + a/2 xo x+o x - 2o x + 2o Valor 1,63 m 1,625 1,635 m 1,62 m 1,64 m 1,61 m 1,65 m eXp - (x - x )2 /2a2) 1 -1/8 -1/8 e' -1/2 e' -1/2 e' _2 e ' _ 2 e A * 8,55 m 7,54 m 7,54 m 5,18 m 5,18 m 1,16 m 1,16 m

e la siguiente forma Con lo cual la grfica queda de

Observacin: La curva de Gauss por si sola no es til para sacar una conclusin; es por ello que se la superpone con el histograma de la serie respectiva. Por ejemplo, un corrimiento hacia la izquierda o la derecha de la curva de Gauss respecto del histograma indica que hay errores sistemticos adems de los casuales.

Nota: El valor medio y la desviacin estndar de la serie han sido calculados con la calculadora en modo SD insertando los datos de la serie acorde a cada modelo y marca. Dichos valores tambin podran ser utilizado un software que realice tales clculos. Apndice C: Mtodo de Cuadrados Mnimos. Ejemplo de Aplicacin. Se trata de determinar los parmetros de la recta que ms se acerca al conjunto de puntos dado por valores experimentales. En este caso y = ax + b toma la forma v = at + v0, pues y = v, x = t, a = a, y b = v0. Se pretende comparar los valores obtenidos por el mtodo de regresin con los valores experimentales (grficas) correspondientes. A continuacin la tabla muestra la serie de datos experimentales correspondiente a un prctico de cinemtica realizado por un carrito que baja por un plano inclinado con una cinta adherida a el y conectada con un registrador de pulso que marca un punto cada 0,01 s. El movimiento que se ha registrado es un movimiento rectilneo uniformemente variado (i.e. acelerado) (MRUV):

Pj P0

t (s) 0

s (cm) 0

dj 0,25

v (cm/s) 12,50

a (cm/s2) 50

P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13 P14 P15 P16

0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80

0,50 1,40 2,25 3,25 4,35 5,60 6,90 8,35 9,90 11,60 13,35 15,25 17,25 19,35 21,50 23,80

0,30 0,325 0,40 0,425 0,45 0,525 0,55 0,625 0,65 0,675 0,725 0,775 0,825 0,875 0,90 0,95

15,00 16,25 20,00 21,25 22,50 26,25 27,50 31,25 32,50 33,75 36,25 38,75 41,25 43,75 45,00 47,50

25 75 25 25 75 25 75 25 25 25 50 50 50 25 50

La grfica de los puntos correspondientes para tiempo y velocidad (las variables x e y) muestra un comportamiento casi lineal de los mismos:

De la tabla se puede sacar que la velocidad inicial del movimiento es: v0 = 12,5 cm/s. La aceleracin es la pendiente del grfico anterior y coincide con aceleracin media aritmtica del movimiento; esta posee un valor de a 44,0 cm/s2. Como la grfica velocidad tiempo posee un comportamiento casi lineal se puede aplicar el mtodo de cuadrados mnimos para determinar los parmetros a y b de esta serie de valores experimentales. Entonces, teniendo en cuenta el mtodo de cuadrados mnimos y los datos experimentales se construye la siguiente tabla a modo de resumir los resultados de los clculos intermedios necesarios:

i 1 2 3

ti = Xj 0 0,05 0,10

2 0 Xj 0,0025 0,0100

Vi = y i 12,50 15,00 16,25

x y i 0 0,75 1,625

ei 0,070 -0,242 0,695

2 0,0049 ei 0,0588 0,4830

4 5 6 7 8 9 10 11 12 13 14 15 16 N = 17 2X =

0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,60 0,65 0,70 0,75 0,80

0,0225 0,0400 0,0625 0,0900 0,1225 0,1600 0,2025 0,2500 0,3025 0,3600 0,4225 0,4900 0,5625 0,6400 ZA =

20,00 3,000 21,25 4,250 22,50 5,625 26,50 7,875 27,50 9,625 31,25 12,500 32,50 14,625 33,50 16,875 36,25 19,938 38,75 23,250 41,25 26,812 43,75 30,625 45,00 33,750 47,50 38,000 2X7 27 = 511,25 = 249,125

-0,867 0,070 1,007 -0,555 0,382 -1,180 -0,242 0,695 0,382 0,070 -0,242 -0,555 0,382 0,070

0,7526 0,0049 1,0151 0,3080 0,1463 1,3924 0,0588 0,4830 0,1463 0,0049 0,0588 0,3080 0,1463 0,0049 2,e = 5,3770

3,740 6,80 El sistema a resolver es, entonces: 3,74 a + 6,80 v0 249,125 = 0 6,80 a + 17,0 v0 511,25 = 0 La solucin es: a = 43,75 cm/s2 ; v0 = 12,57 cm/s

Los valores son casi idnticos a los obtenidos en las soluciones grficas (a = 44,0 cm/s2 y v0 = 12,5 cm/s). En resumen, si se acepta que la representacin grfica del fenmeno estudiado es una recta entonces, los parmetros de la recta que ms se acercan al conjunto de los puntos experimentales son los que se han calculado. Continuando, ei2 =5,3770 ; N = 17 ; xi2 =3,74 ; (xi)2 = 46,24 ; D = - (17 3,74 46,24) = 17,34 oa = yj5,3110 I -(-17,34) cm/s2 s 0,56cm/s2 s 0,6cm/s2 ob = -J3,74 /17 x 0,56cm/s s 0,46 x 0,6cm/s s 0,26cm/s s 0,3cm/s La expresin final de los valores de los parmetros de la recta, es entonces: a = a = 43,8 cm/s 0,6 cm/s b = v0 = 12,6 cm/s 0,3 cm/s. Nota: Estos clculos podran haberse hecho mediante la calculadora en modo estadstico LR o modo regresin lineal, dependiendo del modelo y marca de la misma.

Apndice D: Coeficiente de correlacin Pearson Para dar una medida numrica que exprese cuan fuertemente depende una variable de otra se define el coeficiente de correlacin de Pearson r o coeficiente de correlacin muestral. El anlisis de correlacin intenta medir la fuerza de la relacin lineal entre dos variables por medio de un slo nmero. El coeficiente define por s mismo el grado de

asociacin entre las variables seleccionadas, ya que la correlacin entre variables es el grado de relacin o conexin entre ellas. Si xi e yi forman el conjunto de valores experime ntales obtenidos, entonces, el coeficiente de correlacin r esta dado por la expresin: r = Sn I ySnS21 donde
s

n = 2 xy - ((2)x ^y^1 N^

^22 = "y (y,) 2 ~ [(^^i)2 ^1 con N es el nmero de determinaciones efectuadas de x e y. El coeficiente de correlacin entre dos variables se sita entre -1 y +1, inclusive. Si existe una relacin lineal entre las variables el coeficiente es 1 o -1. El signo - indica que la relacin lineal tiene pendiente negativa. El valor 0 (cero) refleja la ausencia de una relacin lineal pero no de asociacin entre las variables. En este caso se dice que las variables no estn correlacionadas (es decir, son independientes). Toma valores intermedios si las variables estn correlacionadas (pero no puede decirse nada del tipo de relacin que las asocia); los valores sern ms altos cuanto ms fuerte sea la correlacin. Se puede asegurar que los valores cercanos a +1 o -1 indican una tendencia lineal. Es importante recordar que el coeficiente de correlacin entre dos variables es una medida de su grado de linealidad.

Bibliografa: J.G. Roederer, Mecnica Elemental, EUDEBA (1963). J. Goldemberg, Fsica general y experimental, Volumen 1. S. Gill, E. Rodrguez, Fsica re-creativa, Prentice-Hall (2001). A. Maiztegui, R. Gleiser, Introduccin a las mediciones de laboratorio, Kapelusz, Buenos Aires (1980). F. Cernuschi, F.I. Greco, Teora de errores de mediciones, EUDEBA, Buenos Aires (1968). R. Walpole, R. Myers, S. Myers, Probabilidad y Estadstica para ingenieros. PrenticeHall (1998). M. Spiegel, Estadstica, Schaum Series - McGraw Hill, 2da. ed., Madrid (1995). H. Cramr, :Teora de probabilidades y aplicaciones, Aguilar, Madrid (1968). R.S. Figliola, D.E. Beasley, Mediciones Mecnicas, teora y diseo, Alfaomega Grupo editorial, S.A. de C.V. (2003). D.C. Baird, Experimentation: An introduction to measurement theory and experiment design, Englewood Cliffs, Prentice-Hall (1962). 23/23