PRACTICA 0: INTRODUCCION A LA EXPERIMENTACION

Material presentado por: Julio Cesar Madera Y.

Las personas que de una u otro manera dedican gran parte de su tiempo
estudio de las ciencias, se encuentra constantemente relacionando con lo
que se conoce como trabajo experimental. Existen muchas razones para
ello, y entre ellas sobresale que los experimentos permiten poner a prueba
nuevas teoras. Esto no siempre es fcil, pero lo cierto es que hasta que un
experimento confirma los resultados predichos por una teora, sta no
suele ser completamente aceptada.
De este modo es indispensable en la formacin de estudiantes de ciencia e
ingeniera el estudio y anlisis de datos experimentales que permitan
observar directamente cmo funciona el mundo real.

Caractersticas de los datos experimentales

Unidades de medida:

El uso correcto de las unidades es imprescindible en fsica.
El sistema internacional o SI, aceptado por convenios internacionales en
prcticamente todo el mundo, consta de siete unidades fundamentales,
que son:

Magnitud Unidad Smbolo
Masa Kilogramo Kg.
Longitud Metro M
Tiempo Segundo s,
Corriente elctrica Amperio A
Temperatura Kelvin K
Intensidad lumnica Candela cd
Cantidad de sustancia Mol mol


Estas unidades son denominadas fundamentales, por que cualquier otra
unidad se puede expresar en trminos de ellas. Existe caso en los cuales
las variables a estudiar arrojan resultados numricos demasiado grande o
demasiado pequeos de modo que es conveniente utilizar mltiplos o
submltiplos de dichas unidades para representarlas de manera
adecuada. Con los siguientes prefijos:

Potencia de 10 Prefijo Smbolo Ejemplo
10
-12
Pico p picofaradio
10
-9
Nano n nanometro
10
-6
Micro microsegundos
10
-3
Mili m milmetros
10
3
Kilo K Kilojulios
10
6
Mega M Megavoltios
10
9
Giga G Gigahertz

Cifras significativas

Puesto que toda medida es imprecisa, se debe expresar con un nmero
limitado de cifras, an cuando su obtencin nos haya proporcionado un
nmero superior de ellas. Las cifras que deben mantenerse se conocen
como cifras significativas.

Ejemplo: si se mide una longitud y se expresa como 69,0 mm, se entiende
que tiene 3 cifras significativas. Es decir, el valor real est comprendido
entre 68,9 mm y 69,1 mm.
Ntese que, en notacin cientfica, no es lo mismo 23 mm que 23,0 mm.
El primero tiene dos cifras significativas, luego se entiende que el valor real
est entre 22 mm y 24 mm.
El segundo tiene tres cifras significativas, luego se entiende que el valor
real est entre 22,9 mm y 23,1 mm.
Respecto al uso de las cifras significativas, se deben usar las reglas
siguientes:

1. Redondeo: si la ltima cifra significativa (la que est ms a la derecha)
se aumentar en una unidad si la primera no significativa a su derecha es
5 o mayor de 5, y se dejar igual si dicha cifra es menor que 5.
Ejemplos:
(a) El nmero 9,067 redondeado a dos cifras significativas es 9,7.
(b) El nmero 9,605 redondeado a dos cifras significativas es 9,6.

2. Clculos con datos experimentales: Cuando se realizan operaciones
con datos experimentales se deben utilizar los nmeros con todas sus
cifras, y redondear solamente el resultado final. Es muy importante no
redondear los resultados intermedios, ya que esto podra provocar errores
muy grandes en el resultado final.

3. Cifras significativas y clculos. Cuando se opera con dos nmeros,
el resultado debe tener tantas cifras significativas como el que menos
tuviera de los nmeros originales.
Ejemplo: Al multiplicar 3,7 por 3,01 se obtiene 11,137, pero se debe dar
slo con dos cifras significativas (como el 3,7), y por lo tanto, el resultado
es 11.

4. Notacin cientfica. Cuando se utilizan nmeros muy grandes o muy
pequeos, es frecuente expresarlos utilizando la notacin cientfica. Este
sistema es muy simple, y evita
tener que escribir nmeros con grandes filas de ceros. El sistema consiste
en escribir la
coma decimal tras la primera cifra significativa, y a continuacin el resto
de cifras significativas. Finalmente, se multiplica ese nmero por 10
elevado a la potencia correspondiente. La excepcin la forman los nmeros
entre 0 y 10, que se expresan sin la potencia.

Ejemplos:
Nmero En notacin cientfica
12.65 1,26510
1

0.00023 2,310
4
342.5 3,425102

5. Resultados acompaados de error: Todo resultado debe ir
acompaado de su error correspondiente. Tambin el valor de dichos
errores debe ser redondeado a una sola cifra significativa, a no ser que las
dos cifras significativas ms a la derecha sean menores que 25. En ese
caso, se redondea a esas dos cifras.
Por lo tanto, si un montaje preparado para medir la velocidad del sonido
en el aire tiene como resultado 341,775 m s1 y su error asociado es de
0,875 m s1, lo correcto ser expresarlo como c = (341,80,9) m s1 o,
utilizando notacin cientfica,
c = (3,4180,009) 102 m s
Pero si el error es 0,234, lo correcto ser
c = (341,780,23) m s

6. rdenes de magnitud. Es muy importante, siempre que sea posible,
tener una idea aproximada del valor de una medida antes de llevarla a
cabo, ya que evita situaciones embarazosas.

Toma de datos:

La forma habitual de presentar los datos en un experimento es la
utilizacin de tablas. Toda tabla debe constar de tres elementos: un ttulo
aclaratorio, las unidades de medidas y las medidas propiamente dichas.
Ejemplo.

Tabla 1: Tiempo de cada de un objeto desde 25 m.

Tiempo de
cada (s)
2.2 2.1 2.3 2.2 2.5 2.3 2.0 2.2

Toda medida en fsica va acompaada de una incertidumbre inherente a la
medida. Por muy fino que haya sido el mtodo experimental, el aparato
que se haya utilizado tiene una precisin dada, que no es posible superar.


Representacin grfica

Cuando los datos experimentales se representan en una grfica, se obtiene
ms informacin que leyendo una tabla, especialmente cuando el nmero
de datos de los que se dispone es muy grande.

Una grfica es especialmente importante como ayuda visual para apreciar
la presencia de algn tipo de comportamiento en los datos .En particular,
permite apreciar si los datos ajustan a un curva terica, previamente
representada en el mismo grfico. As mismo, nos informa de la existencia
de algunos datos que no comparten la caracterstica general exhibida por
la mayora de datos.


Eleccin de la escala

Normalmente los datos se representan en escala lineal. Para ello se usa un
grfico cartesiano o grfico x-y, donde la primera coordenada corresponde
a la variable independiente, mientras que la segunda corresponde a la
variable dependiente.

Tambin se pueden representar los datos en escala semi-logartmica (se
representa ln(y) frente a x. til cuando existe una relacin de tipo
exponencial o logartmico entre los datos.
As mismo, se puede utilizar la escala logartmica (se representa ln(y) frente
a ln(x)). til cuando entre los datos existe una relacin del tipo y o x
n
.


Los rangos de los ejes
Se fijarn de modo que nos permitan visualizar de manera clara las
caractersticas importantes de la relacin entre la variable dependiente e
independiente. As mismo, deben permitir que los puntos representados
estn repartidos de manera homognea en el grfico.

Lneas

Los puntos experimentales no deben unirse con lneas. Es mucho ms
realista suponer que la relacin entre las variables x e y es suave. En
general se dibujar una curva que sirva como ayuda para el ojo y que de
alguna manera represente la dependencia funcional entre ambas variables,
tal y como se muestra en la figura 1.

-1,5
-1
-0,5
0
0,5
1
1,5
0 2 4 6 8
X/m
d
/
m
m

Figura 1: Forma correcta de dibujar una lnea que ajusta una nube
de puntos.

Barras de error

Cualquier medida experimental va acompaada siempre de un cierto error.
Cuando se hace una representacin grfica de los datos experimentales, es
posible indicar la magnitud de dicho error empleando las llamadas barras
de error. Las barras de error son segmentos de recta verticales centrados
en el punto correspondiente y cuya longitud nos indica el error asociado
con dicho dato en particular. Representar las barras de error slo aportan
informacin sobre los datos, si el error asociado con cada dato es diferente
y las barras de error son grandes. En caso contrario, no deben incluirse.

Ttulo, etiquetas y unidades
Las grficas deben ir acompaadas de un ttulo breve y claro. En los ejes
deben quedar suficientemente claras las marcas correspondientes a las
divisiones del intervalo de inters de las variables x e y. Dichas marcas
irn acompaadas del nmero correspondiente a la divisin.
En cada eje se escribir tambin el nombre de la magnitud
correspondiente y, entre parntesis, las unidades que se emplean.

Tratamiento de errores
Todo valor experimental posee una cierta imprecisin que es inherente a
cualquier proceso de medida. Esta imprecisin se denomina tambin error
experimental o incertidumbre. Por incertidumbre (o error) se entiende que
si se hacen varias mediciones, se encontrar una variacin en los valores
observados. No importa lo sofisticado que sea un mtodo experimental, el
error nunca se puede eliminar completamente.
La validez de los resultados experimentales, as como las conclusiones que
se quieran extraer de los mismos, dependen del grado de imprecisin del
que vienen afectados. Un error grande hace intil una medida, y por tanto,
es muy importante acotar tal imprecisin.

Los errores pueden ser de dos tipos:
1. Error aleatorio. Este error aparece porque no es posible hacer dos
medidas en las mismas condiciones. Se asume que el efecto es aleatorio, y
por ello, susceptible de tratamiento estadstico. El motivo de que se
realicen varios experimentos es para minimizar este error.
2. Error sistemtico. Es causado por problemas en el funcionamiento de
los aparatos experimentales o a un procedimiento experimental incorrecto.

Clculo de errores de medidas directas

Una nica medida
Si se realiza una nica medida el error depende del aparato de medida. Si
tiene una escala analgica, se toma como error la mitad de la divisin ms
pequea de la escala. Si es digital, el error ser el mnimo incremento
entre dos medidas que el aparato pueda mostrar.

Varias medidas
Un ejemplo ayudar a entender cmo se calcula el error asociado a un
conjunto de mediciones.
Gracias a un cronmetro se mide el periodo T de un pndulo y se obtienen
los siguientes
resultados:


T(ms) 980 956 889 945 960 901 943 888 850 950


1. Paso: Desechando medidas. A veces se obtienen medidas
extremadamente diferentes al resto. Estas medidas se conocen como
medidas espreas o outliers. Si se est seguro de que un valor no refleja
un efecto fsico no previsto, se puede desechar y trabajar con el resto.
Cuando se hace sto, siempre debe escribirse qu puntos han sido
eliminados y por qu.

2. Paso: Clculo de la media. La mejor aproximacin al valor real del
periodo del pndulo (Que es desconocido) es la media de los valores
obtenidos. Se calcula as:

1
1
n
i
i
T T
n
=
=



3. Paso : Estimacin de la desviacin tpica de los datos. La dispersin de
los datos alrededor de la media se mide por su desviacin tpica. Se calcula
del modo siguiente:

( )
2
1
1
n
i
i
T T
S
n
=

=

4. Paso: Estimacin del error de la media. Viene dado por la siguiente
expresin:

3S
T
n
A =

El error as definido se interpreta del modo siguiente: la probabilidad de
que el valor real del periodo del pndulo (que por supuesto, no conocemos)
est en el intervalo [T AT, ,T +AT] es del 99,7 %. Esto es, si repitisemos
1000 veces el experimento de hacer 10 medidas del periodo del pndulo,
slo en 3 casos de los 1000, el valor medio del periodo (T) que se obtuviera
sera diferente de en ms de AT.


Clculo de errores de medidas indirectas

En la mayora de los casos las magnitudes medidas directamente no son el
objetivo final de un experimento, sino un paso necesario para obtener
otras magnitudes relacionadas (medidas indirectas) con ellas mediante
alguna dependencia funcional.

Si se supone que una magnitud z depende de las magnitudes q1, q2,..., qn,
el clculo del error Az a partir de los errores directos Aq1, Aq2, ..., Aqn se
denomina propagacin de errores.

La propagacin del error se calcula con la siguiente frmula:

1 2
1 2
......
n
n
z z z
z q q q
q q q
c c c
A = A + A + + A
c c c


Algunos casos prcticos, suponiendo que la funcin z depende de otras
dos magnitudes q1 y q2, son los siguientes:

Suma:
1 2 1 2
z q q z q q = + A = A +A

Resta:
1 2 1 2
z q q z q q = A = A +A

Producto:
1 2 2 1 1 2
z q q z q q q q = A = A + A

Divisin:
1 1 2
2 1 2
q q q z
z
q z q q
A A A
= = +


Regresin lineal

Supongamos que tenemos un conjunto de puntos con coordenadas (xi, yi)
y que a simple vista parece existir una relacin lineal entre las variables x
e y, es decir, que existe entre ellas una dependencia del tipo
i i i
y mx c error = + +

Entonces cabe preguntarse:
-Cmo se pueden calcular los valores de m y c?

-La recta obtenida es una buena descripcin de los puntos?, esto es, los
trminos que hemos llamado errori son pequeos?

-Puesto que no hay un nico errori, sino tantos como puntos, cmo se
comparan dos conjuntos de valores de errori para decidir cul es mejor?

Para responder a estas preguntas se necesita conocer el mtodo de los
mnimos cuadrados.

Mtodo de los mnimos cuadrados
En la figura se puede ver que para cada valor xi tenemos dos valores: yi
que corresponde al valor medido experimentalmente de yi
(p)
que
corresponde al valor calculado usando la ecuacin de una recta con
pendiente m y ordenada en el origen c:
( ) p
i i
y mx c = +



Figura : Grfica que muestra el ajuste por mnimos cuadrados a un conjunto de
puntos. Tambin se muestran las barras de error, as como la forma correcta de
escribir el ttulo y las etiquetas de los ejes. Obsrvese que el origen est situado en
(0,0.2) y no en (0,0) porque as se gana en claridad.


Para encontrar la recta que mejor ajusta a los datos hay que fijar un
criterio. El ms utilizado es el criterio de los mnimos cuadrados, que
dice: la mejor recta es aquella cuyos parmetros m y c minimizan la
suma de los cuadrados de los Ayi, siendo Ayi
p
la diferencia entre el valor
experimental yi y el dado por la recta y
(p)
:

( ) p
i i i
y y y A =


Es decir, si llamamos ZZ a esa suma de cuadrados, hay que minimizar:

( ) ( ) ( )
( ) ( )
2 2 2
1 2
2
1
...
,
n
n
i i
i
ZZ y y y
ZZ y mx c
=
= A + A + + A
= +

Donde n es el nmero de datos experimentales que estamos
considerando para el ajuste.
El criterio anterior no es arbitrario, sino que tiene una justificacin
intuitiva. Es evidente que Ayi depende de la recta que se tome (i.e. de
los parmetros m y c). Si los datos se hallan en una recta, se verifica
que Ayi = 0 para todos los puntos. Por tanto, cuanto ms grande sean
los valores Ayi peor ser el ajuste de la recta a los datos, pero, cmo se
comparan las Ayi obtenidas con diferentes rectas?. La solucin que da
el mtodo de los mnimos cuadrados consiste en calcular el cuadrado
(as slo tenemos nmeros positivos) y sumarlos, eso da un nmero que
nos permite comparar la bondad del ajuste para diferentes rectas. El
resultado que se obtiene de minimizar ZZ es que la recta de error
cuadrtico mnimo:
( ) p
y mx c = +


Tiene los siguientes parmetros m y c:

( )( )
( )
2
i i
i
x x y y
m
x x
c y mx

=

Donde x e y son los valores medios de las xi y de las yi respectivamente,
y donde para no recargar la notacin, hemos eliminado los ndices de
las sumas (que se extienden al conjunto de n datos experimentales).
Nota: es recomendable utilizar software de estadsticas o en su defecto
utilizar herramientas como Excel que facilitan la realizacin de los
clculos.

Coeficiente de correlacin lineal

El mtodo de los mnimos cuadrados nos da una recta que mejor se
ajusta a los datos. Pero queda la cuestin de cuantificar la que tan
bueno es el ajuste lineal. Una forma de medir si x e y estn
relacionadas linealmente es calculando el coeficiente de correlacin
lineal r, que se obtiene de aplicar la siguiente frmula:

( )
( )
2
2
i
i
x x
r m
y y

Donde, como antes, la suma se hace para los n datos experimentales.
Es fcil demostrar que 1 s r s 1. Un valor de |r| < 0,95 significa que la
recta no es una buena descripcin de los datos, y un |r| > 0,99 implica
que el ajuste es muy bueno.
Es importante tener claro que un valor de |r| ~ 1 no implica una
relacin de causa-efecto.
sta slo puede derivarse de un estudio de la naturaleza del fenmeno
que relaciona x con y. As mismo, un valor de r ~ 0 no implica que no
exista una relacin entre x e y, slo permite afirmar que si existe una
relacin, no es lineal.

Aplicacin a relaciones no lineales

En el mtodo de los mnimos cuadrados se ha trabajado con una
relacin lineal entre x e y.
Aunque la dependencia lineal es frecuente entre magnitudes fsicas,
muchas otras dependencias ms complicadas pueden reducirse a sta
mediante un cambio de variables (Linealizacin de una curva).
As, por ejemplo:

Funcin inicial cambio
forma lineal
2
y ax =
2
x z = y az =
y a x =
2
x z = y az =
x
y ae

= ln ;ln y z a b = = z x b = +
n
y ax = ln ;ln ;ln y z a b x t = = = z b nt = +


Elaboracin de informes

El propsito del informe

La elaboracin de informes constituye una tarea ineludible en el
quehacer cientfico por cuanto es el instrumento habitual para hacer
llegar al conjunto de la comunidad cientfica resultados y nuevas
conclusiones.
Para realizar una buena informe, es recomendable tener un cuaderno
de notas en el que apuntar absolutamente todo lo que se hace, se mide
y se observa en el laboratorio. Aunque al terminar el experimento todo
parezca muy claro, con el paso del tiempo los detalles se van olvidando,
por lo que es fundamental tomar el mayor nmero de anotaciones
posibles. Conviene anotar tanto lo importante como lo que no lo es
tanto, ya que muchas veces no es hasta ms tarde cuando se descubre
qu es lo verdaderamente til para la dicho informe.

Estructura del informe

Un esquema frecuentemente empleado en la redaccin de memorias es
el siguiente:
1. Ttulo Debe ser breve pero debe informarnos del contenido del
trabajo de forma clara.
2. Autor. Debajo del ttulo suele escribirse el nombre del autor del
trabajo.
3. Resumen. Debe contener los resultados ms importantes obtenidos
en el trabajo. Debe ser breve y centrarse en los puntos importantes sin
dar detalles.
4. Introduccin. Debe informarnos sobre los fundamentos tericos del
experimento. No debe extenderte mucho en este punto.
5. procedimientos y materiales. Es una descripcin breve tanto del
montaje como del mtodo experimental empleado. Puede resultar muy
interesante la inclusin de diagramas o dibujos explicativos que ayuden
en este aspecto.
6. Resultados. En esta seccin se deben incluir los datos necesarios
para dar consistencia a las discusiones y conclusiones posteriores. No
se trata de presentar todos los datos de que dispongamos, sino slo los
que resulten tiles para la comprensin del trabajo que se presenta.
Es preferible su presentacin en forma de grficas, antes que en forma
de tablas.
Se debe dejar bien claro el grado de precisin que poseen nuestros
datos, ya que esto es crucial en la discusin de los resultados.
7. Discusin. Se interpretan los resultados obtenidos.
8. Conclusin. Se estudia hasta qu punto los resultados obtenidos
permiten afirmar que el objetivo del experimento se ha alcanzado.
9. Apndices. Aqu puede incluirse determinado material como la
deduccin de una ecuacin el cdigo de un programa especialmente
relevante en la obtencin o el tratamiento de los resultados, de los
cuales no existen o no conocemos referencias.