ANLISIS Y TEORA DEL ERROR EXPERIMENTAL

I ntroduccin
Un experimento es una forma usualmente utilizada para
comprender la naturaleza de un fenmeno y validar o comprobar lo
que tericamente se plantea.

Es necesario entonces, seguir una metodologa cientfica para
poder medir y analizar los datos que permitan construir un modelo
experimental o emprico, para luego compararlo con el modelo
terico.

El anlisis y los resultados obtenidos deben proporcionar
conclusiones claras y concretas que permitan entender el fenmeno
en anlisis, as tambin, es importante que todo esto quede
reflejado en un documento de carcter cientfico, que permita
transmitir el conocimiento adquirido al resto de la comunidad
cientfica.

Para cumplir con lo anterior se debe tener un conocimiento
base sobre los mtodos de medicin, representacin de cifras,
generacin de hiptesis y modelos empricos, tratamiento y
anlisis de datos y por supuesto generacin de conclusiones.

Para disminuir el grado de dificultad del anlisis en el
laboratorio se opta por realizar un modelamiento a travs de la
representacin grfica, apoyado por un software de planilla de
clculo con opciones de anlisis de tendencias.

Plan de Trabajo
El estudio de un fenmeno fsico parte por la correcta
eleccin de las variables con las cuales se trabajar, teniendo en
cuenta tambin aquellas que se debern mantener bajo control y
constantes.

Como se plante el fin ltimo de la experimentacin y por
ende del trabajo de laboratorio que se desarrollar es entender la
fenomenologa presente en un sistema fsico y la correspondencia
con los planteamientos tericos, lograr un pensamiento cientfico
del experimentador y un reflejo de los conocimientos adquiridos a
travs 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 prcticos, entonces se tratar de ocupar el rango
de valores lo ms grande posible, la cantidad de datos depender
del conocimiento previo terico del fenmeno en estudio, si se
espera una relacin lineal quizs baste con pocos datos. Sin
embargo, esto tambin involucra una alta posibilidad de obtener un
error grande, es mejor, tomar una cantidad considerable de datos y
aplicar algunas tcnicas para minimizar los errores.

Cuando la funcin no es lineal o no se conoce con certeza el
fenmeno, es recomendable ir graficando a medida que se van
tomando datos y decidiendo a tiempo real dnde conviene tomar el
siguiente dato, por supuesto hay que ocupar todo el rango posible y
tomar an ms 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 adems de las unidades
utilizadas.

Se debe recordar que estos valores estn dados principalmente
por el mtodo experimental y por los instrumentos de medicin
utilizados, un anlisis de esto en profundidad se puede ver en el
captulo Mediciones del texto ocupado en Fsica 100.

Existen criterios para trabajar con cifras significativas, el
experimentador debe ser fiel a estos criterios, mantenindolos
siempre en todos los valores que exprese.

Una vez recogido los datos experimentales en una tabla, es
necesario encontrar una ecuacin que los relacione, para esto
existen dos mtodos; matemtico y grfico. Sin embargo,
necesitamos determinar si los puntos obtenidos corresponden a una
relacin lineal o no, antes de proceder con el anlisis y la
obtencin de la ecuacin.

La linealizacin es una forma de transformar datos que
describen una tendencia no lineal a datos con tendencial lineal,
existen varias formas para realizar esta conversin, pero el ms
general es aplicando logaritmo a los datos experimentales. Esto nos
permite obtener una relacin de tipo lineal entre los logaritmos de
las variables en estudio.

De esta relacin logartmica de las variables es factible
obtener los parmetros de la funcin origen y el coeficiente de
correlacin que nos permitirn dilucidar la relacin que existe
entre las variables.

Al generar un grfico de los logaritmos de las variables
deberamos observar una tendencia lineal a simple vista, al realizar
este grafico en un software de planilla de clculo esta nos permitir
ajustar una tendencia a los puntos y obtener la ecuacin del ajuste
realizado (simplificndonos los clculos matemticos que
deberamos hacer para obtener la regresin lineal por el mtodo de
mnimos cuadrados).

Un grfico a tiempo real nos podr dar una idea de cmo es la
funcin, siendo una potente herramienta para ir verificando si los
datos que se toman concuerdan con lo esperado, y as, asegurar que
la medicin realizada no presenta errores graves. Para lo anterior,
es necesario tener claro que al generar el grfico se debe considerar
en el rango todas las celdas en que se ingresarn los datos (esto
permitir que al ir ingresando cada uno de los datos se genere
automticamente el nuevo punto en el grfico, auto escalndose
los ejes), cuando se tengan 2 datos a lo menos se podr generar la
lnea de tendencia y pegar la ecuacin y coeficiente de correlacin,
la cual tambin se auto ajustar a medida que se va completando la
tabla. 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.
UNIVERSIDAD TCNICA FEDERICO SANTA MARA
CAMPUS SANTIAGO
LABORATORIO FSICA
SEGUNDO SEMESTRE 2011













En un grfico se debe depositar la mayor cantidad de
informacin que sea relevante permitiendo una correcta lectura de
ste. Un grfico debe explicarse por s slo, en l se debe incluir la
ecuacin emprica y el coeficiente de correlacin, el cual entrega
que tanto se acerca la funcin hiptesis que se prueba a los datos
experimentales, mientras ms cerca del valor 1 mejor es la
hiptesis, ciertamente esto permite despejar dudas cuando no est
clara la tendencia que presentan los puntos o no se tiene certeza de
la relacin terica que relacionan las variables en estudio.

Una vez clarificada la relacin existente se puede graficar las
variables originales y ajustar la tendencia que corresponda para as
comparar la ecuacin emprica obtenida con la ecuacin terica
esperada, tanto los exponentes como las constantes involucradas a
travs de un medidor llamado error porcentual el cual entrega una
comparacin entre un valor y otro.

Por lo general el error porcentual se tomar como:


|

()

En muchas ocasiones se encuentran algunos datos importantes
(constantes fsicas) inmersas en las ecuaciones empricas, como la
aceleracin de gravedad, la constante de elasticidad de un cuerpo,
etc. Estos valores deben ser despejados y comparados con los
tericos de igual forma.

Una vez hecha las comparaciones se debe realizar un
profundo anlisis cualitativo tanto de los grficos como de los
resultados, adems de una descripcin y anlisis detallados de los
fenmenos fsicos visualizados durante la experimentacin, las
consideraciones para realizar la toma de datos y un profundo
anlisis de las fuentes de error o discrepancias presentes en la
experimentacin.

Posteriormente se debe profundizar en un anlisis cuantitativo
de los resultados encontrados y los errores porcentuales, para
finalizar con un anlisis global del experimento.

Es importante entregar dentro del anlisis las ecuaciones y
constantes encontradas de forma clara y con las incertidumbres,
unidades y cifras adecuadas, esto es la base del anlisis.

Del anlisis realizado se deben desprender las conclusiones,
las cuales deben estar referidas a los objetivos de la experiencia, y
deben contener toda la informacin relevante del experimento
incluidas las ecuaciones y constantes encontradas.

Tambin se pueden extraer conclusiones de algunos anlisis
secundarios que no necesariamente estn indicados en la gua, pero
que si se pueden realizar en base a los datos tomados y las
comparaciones con predicciones tericas o resultados obtenidos
por otros mtodos de medicin.

Se debe si tener cuidado de no concluir cosas que no se
analizaron o que simplemente no se midieron como podra ser por
ejemplo una dependencia respecto a la posicin geogrfica de los
datos tomados.

Por cierto, si de un experimento se puede, por ejemplo,
desprender 2 3 valores de la aceleracin de gravedad (g), stos
deben entregarse claramente en el anlisis y posteriormente en la
conclusin se entregar un solo valor experimental de g, basado en
el estudio realizado en el anlisis.

Eleccin de las Variables
De una manera muy general, cuando se estudia un sistema
cualquiera, se trata de obtener las variaciones o respuestas del
sistema ante ciertas perturbaciones que se aplican de manera
controlada. La Figura 1 representa esquemticamente un sistema
bajo estudio.


Figura 1: Representacin esquemtica de un sistema al que se estudia las
respuestas Yi cuando se vara el conjunto de variables Xi.

Se designan como X
i
a las variables de entrada o variables
independientes que se pueden controlar y variar. Ante los cambios
de X
i
, el sistema revela sus caractersticas o comportamientos a
travs de los cambios que sufren las variables Y
i
, que pueden
llamarse las variables de salida o variables dependientes. Por
simplicidad, toda vez que se estudia un sistema, ser ms til
concentrarse en la respuesta de una de las variables de salida ante
las variaciones de slo una de las variables de entrada, lo que es
una situacin muy comn en un experimento.

Es importante mantener el resto de las posibles variables
constantes, y slo trabajar con dos a la vez, una de salida y otra de
entrada.

Representacin Grfica de Datos
Al analizar los datos, difcilmente de la observacin de la
tabla de valores, se podr establecer el tipo de relacin que existe
entre las variables. Un mtodo poderoso para estudiarlo es la
representacin grfica. A veces ella permite obtener o predecir un
modelo matemtico para la relacin entre las variables
inmediatamente. El grfico permite observar todos los datos de un
vistazo incluyendo los puntos de mximo y mnima inflexin y el
tipo general de la curva.

La presentacin y anlisis de los resultados experimentales
debe considerarse como parte integral de los experimentos. Es
realmente til que los datos obtenidos se presenten en un grfico,
donde quede resumida la informacin para su apreciacin y
anlisis. En la mayora de los casos un grfico es ms til que una
tabla de valores, especialmente en los casos en que:

Los experimentos se llevan a cabo midiendo una variable
Y en funcin de otra X que se vara independientemente y se quiere
interpretar la relacin funcional entre ellas. Por ejemplo: medicin
del perodo de un pndulo en funcin de su longitud, medicin de
la cada de potencial en un alambre en funcin de la corriente
aplicada, etc.

Interesa estudiar si dos variables mantienen una
correlacin (causal o no) y cmo es esta vinculacin o grado de
interdependencia. Por ejemplo: estudio de la relacin entre el peso



y la altura de personas, relacin entre la velocidad mxima que
alcanza un velero y su extensin desde proa a popa, etc.

Se trata, en primera instancia, de que la informacin que se
quiere representar quede expuesta de una manera lo
suficientemente clara y explcita como para que la representacin
grfica hable por s sola. Lo importante es que un grfico debe
servir para un posterior tratamiento de los datos, que lleve a inferir
las leyes subyacentes en ellos y ahondar as en las posibles
implicaciones y generalizaciones de los resultados obtenidos en los
experimentos.

Como elemento ordenador de la informacin recolectada en
un experimento, un grfico debe construirse sobre la base de una
eleccin adecuada tanto de las variables como de las escalas.

Diseo de Grficos
Adems de la correcta eleccin de las variables y de las
escalas, un grfico adquirir una mejor presentacin si se cuidan
algunos detalles:

Identificacin de los ejes con rtulos bien ubicados que
digan qu variables se representan y en qu unidades se miden.
Adems, los ejes deben incluir la incertidumbre.

La curva debe cubrir la mayor parte del grfico, pero no
debe mostrar ms exactitud que la incertidumbre de las
mediciones.

Las escalas deben estar numeradas claramente para
facilitar la lectura.

El punto de intercepcin se debe escoger por
conveniencia y no necesariamente debe ser cero.

Uso de smbolos que ubiquen los datos (cuadrados,
crculos, rombos, etc.), en lo posible con sus incertidumbres
(barras); que haya una diferenciacin de distintas series de datos
cuando se presenten varios resultados, para lo que es recomendable
el uso de diferentes smbolos.

Inclusin de un epgrafe, que es un texto descriptivo de lo
que est representado en el grfico y que adems puede manifestar
informacin adicional importante.

Carteles interiores al grfico, con informacin
complementaria relevante (ecuaciones, coeficiente correlacin)
para entender en qu contexto se muestran los datos o sobre las
condiciones experimentales particulares bajo las que se los han
obtenido.

Una clara diferenciacin entre lo que es propio del
resultado experimental del trabajo y lo que corresponde a una
comparacin con una teora o modelo propuesto (por ejemplo, usar
lneas continuas) o a resultados extrados de otras fuentes.

A continuacin se muestra un ejemplo de un grfico y su
epgrafe. En el Grfico 1 se mide el campo magntico en un
solenoide con un instrumento digital en funcin de la distancia
usando una huincha mtrica.

B = -0,1368d + 3,248
R = 0,9932
0,500
1,000
1,500
2,000
2,500
3,000
0,000 5,000 10,000 15,000
C
a
m
p
o

M
a
g
n

t
i
c
o

0
,
0
0
1

[
T
]
Distancia 0,0005 [m]
Exp.
Tericos

Grfico 1: Magnitud del campo magntico en un solenoide de largo fijo en
funcin de la distancia, en donde se comparan las graficas terica y
experimental.

Relaciones Lineales
Una relacin entre las variables X e Y del tipo:

()

es tal vez la ms simple de todas. La representacin grfica de la
ecuacin (2) arrojara una lnea recta, de pendiente a y que corta al
eje vertical en b. Esta dependencia de Y con X se llama una
relacin lineal entre X e Y. La recta es la forma geomtrica ms
simple en dos dimensiones. Al mismo tiempo, una relacin lineal
entre dos variables cualesquiera es ms fcil de ser identificada a
simple vista. Entre una recta y una curva nuestro ojo siempre
notar la diferencia, pero no discriminar a la funcin que define la
curva. Se puede probar esto con la ayuda del Grfico 2.


Grfico 2: Representacin de dos series de datos. Cul serie aproxima
mejor una relacin lineal entre las variables X e Y?

En el Grfico 2 estn representadas dos series de datos. Se
inferir cualitativamente cul de las series puede aproximarse por
una relacin lineal entre las variables X e Y. Para esto se usa un
mtodo prctico: se lleva el papel hasta el nivel de los ojos (se
puede cerrar uno como cuando se hace puntera) y se ve si los
puntos se encuentran alineados. Este tipo de toma de decisin no
debe desdearse en el momento de analizar datos experimentales.
La decisin de aceptar o no una relacin lineal entre las variables
debe ser tomada por el experimentador, ya sea se espere o no una
vinculacin lineal entre las variables en juego.

Una vez que decidimos que los datos caen sobre una recta,
recin se puede estimar los parmetros (pendiente y ordenada al
origen) de la mejor recta que aproxime la relacin funcional. Para
encontrar esta mejor recta se puede dibujar criteriosamente esa
recta y definir los valores de la pendiente y la ordenada al origen, o
usar mtodos numricos ms generales para encontrarlos.



Funciones Potenciales
Se miden pares de valores (X,Y) teniendo conocimiento que la
relacin funcional que los vincula es del tipo:

()

donde a y n son constantes. Esta forma funcional potencial es muy
comn en las ciencias puesto que sirve como aproximacin del
comportamiento en una gran variedad de casos.

La constante n suele llamarse exponente de escala y define
la escala de variacin de Y segn vara X. Esto es, si X se
multiplica por un factor q, Y cambiar consecuentemente q
n
veces.

El significado fsico de la constante a es el de representar el
valor que toma Y cuando X vale la unidad. La dimensin de a es tal
que da homogeneidad dimensional a la ecuacin.

Linealizacin a travs de la Transformacin
de Variables
Si en la ecuacin (3) transformamos las variables haciendo el
siguiente cambio:

oda vez que conozcamos el exponente n y representamos
las nuevas variables (

) (

), lo que obtenemos es una

relacin lineal entre las variables transformadas y decimos que
hemos linealizado la representacin grfica. En este caso se
transforma la variable X, pero bien se podra haber optado por el
cambio en la variable dependiente Y, obteniendo tambin una
relacin lineal entre las nuevas variables representadas (

)
(

).

Est claro que lo anterior es inmediato de realizar si
conocemos el valor del exponente n. Adems, observamos que un
grfico linealizado nos da el valor de la constante a.

Por otra parte si no conocemos el exponente es recomendable
usar la funcin logaritmo y representar () en funcin de
(). Esto queda claro si transformamos la ecuacin (3),
calculando el logaritmo para ambos miembros se obtiene:

() () () (4)

Al comparar esta expresin con la ecuacin de la recta
podremos determinar la pendiente como n y el intercepto como
().

Regresin Lineal a travs de Mnimos
Cuadrados
Hemos enfatizado sobre la importancia de las
representaciones grficas y hemos visto la utilidad de las versiones
linealizadas de los grficos (X,Y) junto a las distintas maneras de
llevar a cabo la linealizacin. A menudo nos confrontamos con
situaciones en las que existe o suponemos que existe una relacin
lineal entre las variables X e Y. Surge de modo natural la pregunta:
cul es la relacin analtica que mejor se ajusta a nuestros datos?
El mtodo de mnimos cuadrados es un procedimiento general que
nos permite responder esta pregunta. Cuando la relacin entre las
variables X e Y es lineal, el mtodo de ajuste por mnimos
cuadrados se denomina tambin mtodo de regresin lineal.

El Grfico 3 ilustra el caso lineal. La dispersin de los valores
est asociada a la fluctuacin de los valores de cada variable.
Observamos o suponemos una tendencia lineal entre las variables y
nos preguntamos sobre cul es la mejor recta.


Grfico 3: Datos asociados a un modelo lineal. La cantidad

)
representa la desviacin de cada observacin de

respecto del valor

predicho por el modelo ()

Suponga que se han medido N pares de valores (

), y que
se formula la hiptesis de que la funcin () es lineal, es
decir, de la forma , donde a y b son valores que se
desean determinar. Necesitamos un mtodo que permita:

Indicar qu tan buena es la hiptesis de que la funcin
() es lineal.
Calcular los valores de las constantes a y b que mejor
representan al conjunto de datos experimentales (

).
Calcular el error de las constantes a y b obtenidas.

Se define el error del punto i-simo,

como la diferencia
entre el valor medido

y el valor terico dado por la ecuacin de

la recta.

)

El mtodo de los mnimos cuadrados, consiste en elegir los
valores de a y b tales que la suma de los cuadrados de los errores,

, sea mnima. A partir de esta condicin es posible encontrar

un algoritmo, que permite calcular los valores ms probables de a
y b, los respectivos errores

, y una constante llamada

coeficiente de regresin lineal r, que indica qu tan buena es la
hiptesis de que la relacin entre las variables es lineal.

Deteccin de Errores Sistemticos
Toda vez que se mide una magnitud con un error sistemtico,
los valores medidos difieren de los reales en una cantidad fija.
La pericia del experimentador es clave para evaluar las
correcciones necesarias de estos datos afectados sistemticamente



por un error de medicin. Un ejemplo comn es el error de cero de
los instrumentos de aguja.

El ejemplo ms familiar es el de una balanza de farmacia que,
dado su desgaste, indica 1 kg. an cuando nadie est de pie en la
plataforma (a veces, este error de medicin aporta consuelo cuando
nos pesamos en una buena balanza). En el laboratorio, el error de
cero suele aparecer en instrumentos de mediciones elctricas o
cronmetros de aguja.

Si con uno de estos instrumentos defectuosos se mide la
variable Y en funcin de otra X, un grfico Y(X) resultar
desplazado en la vertical una cantidad igual al error sistemtico
de cada punto Y. Si la relacin entre estas variables fuese lineal,
ecuacin (2), la presencia de tal desplazamiento sistemtico llevar
a que aparezca una ordenada al origen falsa. Es decir, cuando
, tenemos , en vez de .

En un grfico log-log de Y(X) la desviacin de la curva
resultante de la recta esperada sin ordenada al origen se descubre
con facilidad y ayuda a la correccin de los datos. En ese sentido
es interesante notar que si tenemos una relacin entre las variables
X e Y de la forma

, si representamos X en funcin de
Y en escala log-log esta vez no se obtiene una recta.

Coeficiente de Correlacin
El coeficiente de correlacin puede tomar valores entre 0 y 1
(para rectas de pendiente positiva). El valor significa que las
variables no estn relacionadas entre s, entonces, cualquier
tendencia a estar en la funcin hiptesis es puramente por azar. Un
valor , significara que los puntos estn todos exactamente
sobre la funcin hiptesis, entonces, hay 100% de certeza de que
corresponde a la funcin esperada.

En un experimento nunca obtendremos , porque
siempre puede haber algn grado de correlacin, simplemente por
casualidad. Tampoco obtendremos en un experimento
porque siempre habr errores aleatorios en las mediciones que se
efectan.

Teora del Error Experimental
Todas las ciencias experimentales se basan en la obtencin de
informacin mediante la observacin de fenmenos que ocurren en
la naturaleza. Dicha informacin resultar incompleta a menos que
se trate de una informacin cuantitativa.

Tal y como ahora se conciben la ciencia y la ingeniera, toda
teora busca fundamentar su validez a travs de la comparacin con
la evidencia experimental. La toma de mediciones constituye el
corazn del quehacer experimental. En trminos simples, medir es
obtener el valor numrico de una magnitud fsica relacionada con
algn fenmeno de inters. Para ello, se compara la magnitud
medida con otra magnitud patrn denominada unidad, que le da
significado. El asignar a una magnitud un nmero acompaado de
una unidad, constituye lo que llamaremos una medida o medicin.

En general, toda magnitud fsica susceptible de ser medida
depende de muchas variables. Algunas son relevantes (tienen
mayor influencia en el valor medido) y otras no lo son. Algunas
son fcilmente controlables, mientras que otras no lo son. Adems,
existen limitaciones instrumentales, fsicas y humanas que afectan
el proceso de medicin. Dado todo lo anterior, si uno mide varias
veces la misma magnitud, en las mismas condiciones y con el
mismo instrumento, es muy probable que se obtengan valores
numricos diferentes.

Por definicin, toda medicin tiene asociada una
incertidumbre, incerteza o error, y el conjunto de reglas que
permite su determinacin se denomina teora de errores. El error
se puede concebir como la variacin (dispersin) de las diferentes
mediciones con respecto a un valor central. La medicin de una
cantidad fsica por s sola, sin la especificacin de su rango de
incertidumbre, no resulta til para el quehacer experimental.

Se denomina valor verdadero a aquel que se obtendra si no
existiesen errores en las mediciones. Si bien se puede mejorar el
procedimiento de medicin, jams se podr eliminar
completamente el error, por lo que jams se puede esperar la
obtencin del valor verdadero. En consecuencia, 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,
sino que dan solamente una estimacin de dicho valor.

En general, existen tres tipos de incertezas o errores de
medicin:

a) Errores sistemticos: Se producen por factores indeseables
(externos o internos) que interactan consistentemente con el
sistema en estudio. No pueden ser detectados y eliminados por
simple repeticin del experimento. Ejemplos:
Mala calibracin de instrumentos.
Malos hbitos de trabajo del experimentador.
Errores de paralaje (mala ubicacin del observador al
leer los instrumentos, en especial los anlogos. Por
ejemplo, reglas e instrumentos con aguja)
Efectos de factores no considerados en el experimento.
Por ejemplo, despreciar roce con el aire en algunos
casos.

Para evitar este tipo de errores debemos:
Controlar el estado de los instrumentos, en particular su
calibracin.
Establecer claramente las condiciones de observacin y/o
experimentacin.
Revisar el fenmeno que se est analizando de manera de
tener claro las variables relevantes.

b) Errores accidentales o aleatorios: Son usualmente los ms
responsables de que se obtengan valores distintos al repetir una
medicin. Por ejemplo:
Errores de apreciacin.
Errores por condiciones fluctuantes.
Errores por caractersticas del objeto medido.

Para evitar este tipo de errores debemos:
Repetir la medicin varias veces y tomar el promedio de
los valores obtenidos como el resultado de la medicin.
Usar sistemas de medicin en donde los datos
observados sean registrados automticamente por medio
de mquinas especializadas. Estas pueden eventualmente
trazar grficos para que el experimentador los analice.

c) Errores burdos: Errores producto de equivocaciones de
procedimiento de parte del experimentador. Por ejemplo:
Leer mal un instrumento.



Contar mal un nmero de sucesos.
Errores de clculo.

Para evitar este tipo de errores debemos:
Realizar las mediciones con rigurosidad, preocupndose
constantemente de hacer y revisar bien cada etapa de la
medicin.

Con el fin de maximizar la confiabilidad y utilidad de las
mediciones, y en consecuencia la validez del experimento, es
necesario reducir lo ms posible las influencias de estos factores, y
para ello se hace necesario analizar las fuentes de error.

En este punto, resulta conveniente mencionar dos conceptos
importantes: exactitud y precisin.

La exactitud se refiere a la cercana del valor medido al
valor exacto o esperado. Los errores sistemticos
afectan la exactitud de las mediciones.
La precisin se refiere al grado de dispersin de las
mediciones. Los errores aleatorios afectan la precisin de
las mediciones.

La exactitud y la precisin son conceptualmente diferentes.
Un conjunto de mediciones puede ser preciso o impreciso, y exacto
o inexacto. La Figura 2 muestra los cuatro casos posibles y sus
implicancias.


Figura 2: Muestra grficamente las diferencias entre los conceptos de
exactitud y precisin.

Para entender la analoga de los dardos y el blanco, hay que
tomar en cuenta que:

Exactitud se refiere a qu tan cercanos quedaron los
dardos del blanco.
Precisin se refiere al grado de dispersin de los dardos.
Mientras ms concentrados estn, ms precisos son.

A partir de estas ideas, se puede explicar cada caso ilustrado
en la Figura 2:
a) Exacto y Preciso: los dardos estn concentrados en un rea
pequea alrededor del blanco. Corresponde a un instrumento
calibrado y preciso (situacin ideal).

b) Inexacto y Preciso: los dardos estn concentrados en un
rea pequea, la cual est lejos del blanco. Corresponde a un
instrumento preciso, pero descalibrado.

c) Exacto e Impreciso: los dardos estn muy dispersos, pero
en promedio dan en el blanco. Corresponde a un instrumento
calibrado pero impreciso, en cuyo caso conviene promediar
mediciones y obtener desviacin estndar.

d) Inexacto e Impreciso: dardos muy dispersos y que, en
promedio, dan en un punto lejos del blanco. Corresponde a un
instrumento descalibrado e impreciso, en cuyo caso no queda
otra opcin que descartar las mediciones.

Medir una sola vez una variable fsica no proporciona un buen
criterio de fiabilidad, dado que todas las variables que influyen en
un experimento no pueden ser absolutamente controladas. Es por
ello, que las mediciones deben efectuarse muchas veces bajo
idnticas condiciones, es decir, deben ser fcilmente reproducibles.

Un tratamiento estadstico de las fluctuaciones de estas
mediciones efectuadas bajo idnticas condiciones, alrededor de un
cierto valor ms probable, proporciona ideas respecto a:

La reproducibilidad de la medida.
La confiabilidad del mtodo de medicin empleado.
La validez de la teora cientfica estudiada.

La incertidumbre de una medida fsica dice mucho acerca de
la tecnologa involucrada en el instrumento de medicin y del
mtodo de clculo o modelo empleado en la obtencin de este
valor.

Una incertidumbre o fluctuacin grande, es decir, del orden
de la medida obtenida, permite dudar del mtodo de medicin
empleado.

Una medida obtenida con una razonable incertidumbre y que
arroje un resultado no predicho por la ley, permite dudar de su
validez.

Estimacin del Error Experimental
Todos los resultados, sean de cantidades medidas o
calculadas, deben informarse siempre de la siguiente forma, que es
usual en ciencia e ingeniera:

[] ()

y con el nmero correcto de cifras significativas.

El valor a informar de una cantidad medida N veces, es el
promedio de las N medidas. Si la cantidad fsica a medir es x y
para ello se hacen N mediciones x
1
, x
2
, , x
N
, el promedio estar
dada por:

()




Para la estimacin del error vamos a considerar dos tipos:
el error aleatorio y el error instrumental.

El error aleatorio de una serie de mediciones puede estimarse
como la desviacin estndar

de los datos medidos. La

desviacin estndar para una muestra de N elementos o medidas de
una poblacin estar dada por:

()

El error instrumental

corresponde, en general, a la
resolucin del instrumento, es decir, la mnima diferencia que es
capaz de distinguir. En algunos instrumentos la resolucin est
dada por el fabricante. Si no es as, puede estimarse como:

de la divisin ms pequea de la escala, para

instrumentos analgicos.
en el ltimo dgito, para instrumentos digitales.

Para cantidades medidas, se informa el error aleatorio, a
menos que este ltimo sea menor que el error del instrumento. En
este caso, no tiene sentido informar el error aleatorio, sino el error
instrumental. Es decir:

{

()

El error nos da una medida de la precisin del conjunto de
mediciones.

Observacin: Las constantes que no provienen de mediciones
tales como , el factor en el rea de un tringulo, no tienen
error.

Errores Absoluto, Relativo y Porcentual
El error absoluto

se define como la diferencia absoluta

entre el valor medido de una magnitud y el valor verdadero.

()

en que

es la i-sima medicin y el promedio de todas la

mediciones. El error absoluto tambin puede corresponder al error
aleatorio o instrumental.

El error relativo

es un parmetro adimensional que

permite establecer una comparacin entre un conjunto de
mediciones. Corresponde al cociente entre el error absoluto y el
valor verdadero:

()

El error relativo se puede expresar como porcentaje, as el
error porcentual

est dado por la siguiente ecuacin:

()

Por ejemplo, considere el siguiente conjunto de mediciones:

[]

[]

[]

Cul de estas medidas es ms precisa? Evidentemente, la
medida hecha con ms precisin fue m
3
.

Estos valores expresados en porcentaje son:

Esta manera de exponer el error relativo permite apreciar las
diferencias entre los distintos errores relativos de una medicin.

Propagacin 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 medicin.
Mediciones indirectas: aquellas que son calculadas a
partir de operaciones con mediciones directas.

Como cada medicin directa tiene asociado un error
experimental, cualquier medicin indirecta obtenida a partir de
ellas tambin tiene asociada un error experimental. Tal error se
denomina error de propagacin, y se estima a partir de los errores
de las mediciones directas involucradas.

En trminos concretos, sean las mediciones directas A, B,
C,, etc. que se expresan como

, etc. Se pretende calcular la medicin indirecta Y, que

es funcin de A, B, C,, etc., es decir, ( ), donde Y
se expresa como

, donde

es el valor medio y

el
error experimental.

La propagacin del error es el conjunto de reglas que
permiten asignar un valor de error a la medicin indirecta Y, a
partir de las mediciones directas A, B, C,, etc. y dndole a cada
una la importancia relativa que le corresponde.

El clculo del error propagado se puede hacer desde dos
posibles hiptesis: la pesimista y la estadstica. A continuacin se
explicarn ambas hiptesis, aunque dejando constancia que el
trabajo de laboratorio se har usando la hiptesis estadstica,
de uso ms comn en el mundo cientfico.

a) Hiptesis Pesimista

En la hiptesis pesimista, se asume que los errores de las
mediciones directas no se compensan entre s, por lo que se estima
el error mximo posible. Esto se da en el caso de que las
mediciones directas sean dependientes o estn relacionadas entre
s, de manera que una sobreestimacin (o subestimacin) de la
variable X trae como consecuencia una sobreestimacin (o
subestimacin) de otra variable Y.




Sean

tres mediciones,
donde

son los valores medios y

son los
respectivos errores absolutos.

i. Suma:

ii. Resta:

iii. Multiplicacin:

|
)

iv. Divisin:

|
)

v. Potenciacin:

vi. Radicacin:

b) Hiptesis Estadstica

Como se mencion anteriormente, la hiptesis pesimista
siempre se sita en el caso ms desfavorable, en el cual se asumen
errores simultneos en todas las variables medidas directamente.

Sin embargo, lo ms comn es que las variables sean
aleatorias e independientes entre s. En esa situacin, el caso
ms desfavorable resulta altamente improbable, por lo que una
sobreestimacin (o subestimacin) de la variable X no viene
necesariamente acompaada de una sobreestimacin (o
subestimacin) de otra variable Y. As, los errores se compensan
parcialmente, por lo que la hiptesis pesimista termina entregando
una estimacin exagerada del error propagado.

En la hiptesis estadstica se supone que las variables son
aleatorias e independientes entre s. Asumiendo adicionalmente
que las variables se distribuyen en forma normal o gaussiana (y
haciendo deducciones que, para su comprensin, requieren de
elementos de clculo y lgebra que usted recin est adquiriendo
en las asignaturas de matemtica que est estudiando y va a
estudiar durante su carrera) se obtienen las expresiones que se
explicarn a continuacin, que son las que va a usar en su
trabajo experimental.

Sean

tres mediciones,
donde

son los valores medios y

son los
respectivos errores.

Para estimar el error propagado segn la hiptesis estadstica
pueden usarse las siguientes frmulas:

i. Suma y Resta. Para una cantidad Q, calculada a partir de
sumas y restas de cantidades medidas:



el error propagado

est dado por:

()

Ejemplo: Se han medido los largos de las secciones del eje
mostrado en la Figura 3, usando el mismo instrumento. Resulta
evidente que la longitud total L del eje es igual a la suma de las
longitudes de las secciones a y b, es decir:



a
b
L

Figura 3: Eje de largo L, que corresponde a la suma de las longitudes a y
b.

Si

es el error de a y

es el error de b, el error propagado

de la longitud del eje estar dado por:

ii. Multiplicacin, Divisin, Potenciacin y Radicacin.
Para una cantidad Q, calculada a partir de productos y cocientes de
cantidades medidas, y sus potencias:

El error propagado

est dado por:

()

Ejemplo: Considere un cilindro regular de radio basal r y
altura h, Figura 4. El volumen de este cilindro est dado por

. El error propagado del volumen del cilindro estar

dado por:

(

es el valor medio del radio.

es el valor medio de la altura.

es el valor medio del volumen.

es el error del radio.

es el error de la altura.

r
h
r

Figura 4: Cilindro de altura h y radio basal r.

Cifras Significativas
Los nmeros medidos representan magnitudes fsicas. En
Fsica, se suelen realizar operaciones con estos nmeros, por lo que
los resultados de estas operaciones tambin representan
magnitudes fsicas. Tales resultados deben ser coherentes y
consecuentes con el procedimiento de medicin usado, es decir,
deben poder ser obtenibles por los instrumentos usados.

Consideremos el siguiente ejemplo: medir el ancho de una
hoja de papel, usando para ello una regla graduada en [cm] y
[mm]. Supongamos que un fsico hace la medicin y el resultado le
da 21,78 [cm]. De este resultado podemos decir que:

Las cifras 2, 1 y 7 (centmetros y milmetros)
proporcionan informacin segura, pues se pueden leer
directamente del instrumento de medicin
La cifra 8 (dcimas de milmetro) es dudosa. Al medir
con la regla, el ancho de la hoja qued en un valor entre 21,70 y
21,80 [cm]. Ah, el cientfico hace una estimacin al ojo y como
ve que el final de la hoja est muy cerca de 21,80 [cm], agrega el 8.
Supongamos que otro fsico dijera que el ancho de la
hoja mide 21,786 [cm]. En tal caso, la cifra 6 (centsimas de
milmetro) carece de significado, pues no est representando
informacin que pueda ser proporcionada por el instrumento de
medicin. El fsico puede establecer con certeza los datos
proporcionados por la regla, que marca hasta milmetro, y estimar
el siguiente grado de precisin, en este caso dcimas de milmetro.
Ms all de eso, no puede decir nada, a menos que se consiga un
instrumento que permita medir con mayor nivel de precisin.

Supongamos que vamos a medir el largo de tres mesones y
sacar el promedio de las tres mediciones. Las mediciones se harn
usando una huincha de medir graduada en [m] y [dm]. Se obtienen
los valores 3,60 [m], 3,63 [m] y 3,62 [m]. Al sacar el promedio con
una calculadora, el resultado da 3,6166667 [m]. Sin embargo, el
instrumento usado permite medir con certeza hasta los centmetros
y estimar los milmetros, por lo que cualquier cifra ms all de eso
introduce informacin adicional. Para que ese resultado sea vlido
como medicin, tendra que obtenerse usando un instrumento
graduado hasta los diezmilsimos de milmetro. Por ello, la
coherencia con el procedimiento de medicin exige aproximar
hasta los centmetros, por lo que el promedio quedara en 3,62
[cm].

En Fsica se toma especial cuidado en expresar las cantidades
por nmeros cuyas cifras tengan real significado, esto es, que
transmitan informacin til, que sea obtenible directamente o al
menos estimable con el instrumento usado. A estas cifras las
designamos con el nombre de cifras significativas.

Convenios para cifras significativas:

1) Los resultados de una medicin se deben expresar
mediante un nmero cuyas cifras reflejen el cuidado o precisin
con que se efectu esa medicin.

Por ejemplo, si la medicin se hizo con una regla graduada en
[cm], la precisin del nmero no puede ser mayor que la de
milmetros. En tal caso, los centmetros son informacin segura y
los milmetros se estiman al ojo.

En un nmero de medicin, la ltima de las cifras seguras (la
que est al lado de la cifra dudosa), representa la graduacin
mxima del instrumento, o divisin ms pequea de su escala.
Por otra parte, la resolucin de un instrumento es la diferencia ms
pequea que ste puede discriminar. Una buena estimacin de la
resolucin de un instrumento es de su graduacin mxima. Por
ejemplo, en el valor L = 21,78 [cm], la cifra dudosa (el 8)
corresponde a las dcimas de milmetro, mientras que la ltima
cifra segura (el 7) indica que el instrumento usado tiene
graduacin mxima en [mm], y una resolucin de 0.5 [mm].

Usualmente se llama precisin de una serie de mediciones,
a la dispersin ms representativa del conjunto de datos, con
respecto al promedio. Una buena estimacin de la precisin de una
serie de mediciones es la desviacin estndar () de los datos.

2) La forma de realizar una medicin nos determinar el
nmero de dgitos que emplearemos para expresar el resultado de
ella. Convendremos que sea el ltimo dgito el que exprese la
incertidumbre en la medicin.

Considere los datos L
1
= 14,28 [cm] y L
2
= 14,280 [cm].

El nmero L
1
tiene 4 cifras significativas. Para L
1
, la
incertidumbre est en el cuarto dgito, correspondiente a la dcima
de milmetro. Se dice que L
1
podra tener un valor entre 14,27 [cm]
y 14,29 [cm].

El nmero L
2
tiene 5 cifras significativas. Para L
2
, la
incertidumbre est en el quinto dgito, correspondiente a la
centsima de milmetro. Se dice que L
2
podra tener un valor entre
14,279 [cm] y 14,281 [cm].

Aunque ambos valores son aritmticamente iguales, no se
pueden obtener usando el mismo instrumento de medicin.

3) No se permite colocar ceros al final de nmeros
relacionados con mediciones, aunque se conserve el orden de
magnitud de ellos, a menos que estos ceros estn avalados por
mediciones o por definiciones.

4) En los nmeros decimales cuyo valor absoluto es menor
que la unidad, los ceros a la izquierda no son cifras significativas.



5) El uso de notacin cientfica permite escribir un nmero
como el producto de dos factores: uno que contiene las cifras
significativas y el otro con la potencia de 10 correspondiente.

En la Tabla 1 se muestran algunos ejemplos de estimacin del
nmero de cifras significativas, segn los convenios recin
descritos.

Cantidad Significado C.S.
Notacin
Cientfica
8 7 9 1 8
60 59 61 2 6,010
1

5000 4999 5001 4 5,00010
3

10,08 10,07 10,09 4 1,00810
1

7,0 6,9 7,1 2 7,0
9,50 9,49 9,51 3 9,50
0,02 0,01 0,03 1 2 10
-2

0,09 0,08 0,10 1 9 10
-2

0,090 0,089 0,091 2 9,010
-2

0,00400 0,00399 0,00401 3 4,00 10
-3

0,30 10
-7
0,29 10
-7
0,3110
-7
2 3,010
-8

0,05 10
-3
0,04 10
-3
0,0610
-3
1 5 10
-5

1810
6
1710
6
19 10
6
2 1,810
7

47,0 46,9 47,1 3 4,70 10
1

Tabla 1: Ejemplos segn los criterios de cifras significativas.

Anlisis Dimensional
El anlisis dimensional es un mtodo en el cual se deduce
informacin a cerca de un fenmeno, a partir del supuesto que todo
fenmeno puede ser descrito por una ecuacin entre ciertas
variables, que es correcta desde el punto de vista de sus
dimensiones. El resultado del anlisis dimensional a un problema
es una reduccin del nmero de variables del problema.

El anlisis dimensional es un proceso mediante el cual se
examinan las dimensiones de los fenmenos fsicos y de las
ecuaciones asociadas, para tener una visin de sus soluciones.

A las magnitudes fsicas fundamentales se les asigna un
atributo denominado dimensin, que se representa por un smbolo.
Las dimensiones de las magnitudes derivadas se obtendrn a partir
de cualquier expresin matemtica que relacione dicha magnitud
con las fundamentales o con otras magnitudes derivadas, cuyas
dimensiones conozcamos.

Magnitud Unidad
Smbolo
Unidad
Smbolo
Dimensin
Longitud metro m L
Masa kilogramo kg M
Tiempo segundo s T
Intensidad Elctrica amperio A A
Temperatura kelvin K K
Cantidad de Sustancia Mol mol S
Intensidad Luminosa candela cd C
Tabla 2: Magnitudes fundamentales con su unidad y smbolos.

Por ejemplo:




De esta expresin deducimos otra expresin simblica con
las dimensiones o sus smbolos denominada ecuacin de
dimensiones o ecuacin dimensional:

[] []

Se lee, dimensiones de F igual a dimensiones de masa por
dimensiones de aceleracin.

Pero , o sea, las dimensiones de [] []

y
, o sea, []

, por lo que:

[]

[]

[]

Las ecuaciones dimensionales sirven para deducir las
unidades fundamentales de las magnitudes derivadas. As, en el
S.I. (Sistema Internacional de Unidades):

unidad de velocidad: 1 [m/s] = 1 [m s
-1
]
unidad de aceleracin: 1 [m/s
2
] = 1 [m s
-2
]
unidad de fuerza:1 [kg m/s
2
] = 1 [kg m s
-2
] = 1 [N]

El teorema fundamental del anlisis dimensional nos dice que
en cualquier expresin matemtica que represente el
comportamiento de un sistema fsico las dimensiones de los dos
miembros de la misma deben ser las idnticas. Este teorema tiene
una aplicacin interesante como mtodo para chequear la
correccin de una expresin, ya que si no se cumple el teorema
podemos estar seguros de que la expresin en cuestin no es
correcta.

Cuando una magnitud tiene dimensin 1, decimos que la
magnitud es adimensional. Una magnitud adimensional no tiene
unidad, entonces, su valor ser independiente del sistema de
unidades empleado. Los argumentos de funciones trascendentes
(exponenciales, trigonomtricas, etc.) tienen que ser
adimensionales.

Bibliografa
Gil, Rodrguez. Fsica re-Creativa Experimentos de Fsica
usando nuevas tecnologas. Primera Edicin.
OdaNoda. Introduccin al anlisis grfico de datos
experimentales.
Laroze, Porras, Muzzio. Conceptos y Magnitudes en Fsica.