Académique Documents
Professionnel Documents
Culture Documents
1. Introducción
En este trabajo me propongo a analizar una variable física como lo es el período de un péndulo. Se
llama período ya que proviene de la palabra periódico, que es aquel suceso que se repite a
intervalos regulares de tiempo.
Para ello vamos a efectuar mediciones del período de un péndulo diseñado y construido en el
laboratorio, para analizar los datos obtenidos y tratarlos estadísticamente.
Un péndulo simple es un modelo idealizado que consiste en una masa puntual suspendida de un
cordón sin masa y no extensible. Si la masa se mueve a un lado de su posición de equilibrio,
oscilará alrededor de dicha posición a lo largo del tiempo debido a su propio peso, donde en la
Figura 1 se puede apreciar el diagrama de cuerpo libre de un péndulo físico.
Figura 1. Diagrama de cuerpo libre de un péndulo que oscila en el plano de esta hoja. Se puede observar las proyecciones de la fuerza
peso (m.g) sobre la dirección radial y tangencial, como así también la fuerza que ejerce la soga para sostener la pesa, representada por
la N.
1
Axel Caino, U.B.A., F.C.E.yN., Laboratorio 1 B, 1er cuatrimestre
Para oscilaciones pequeñas (menores a 15°) el período de un péndulo puede ser aproximado
mediante la siguiente fórmula:
[1]
siendo T el período, l la longitud del hilo y g la aceleración de la gravedad. Como se puede ver,
para oscilaciones pequeñas, el período depende de la longitud de hilo. Si dejamos la longitud del
hilo constante el período debería mantenerse constante.
En nuestro caso el período del péndulo va a estar sujeto a fluctuaciones estadísticas. La idea de
este experimento es tratar de reconocer los factores y variables que intervienen en la medición
del período y así poder establecer un marco estadístico para el valor central del mismo.
A la medición del período del péndulo lo vamos a considerar como una variable aleatoria.
2
Axel Caino, U.B.A., F.C.E.yN., Laboratorio 1 B, 1er cuatrimestre
Voy a tratar de minimizar los errores sistemáticos y de instrumental tomando las precauciones
necesarias que se explicarán más adelante. Los errores aleatorios, estadísticos, de apreciación y de
exactitud no van a poder ser removidos, con lo cual los vamos a tener en consideración a la hora
de realizar los cálculos.
Debido a las fluctuaciones recién descriptas no vamos a obtener un solo valor del período; es
probable muchos de los valores de las mediciones difieran entre sí, con lo cual vamos a tener una
serie de valores diferentes de acuerdo a los datos obtenidos.
Para poder analizar estos datos obtenidos de una manera simple y visual se procede a realizar un
histograma de los mismos.
Un histograma es un diagrama de barras en el cual se representan el número de muestras de una
variable (en nuestro caso la cantidad de mediciones del período) y los valores obtenidos, donde la
altura de cada barra es proporcional a la cantidad de veces que aparecen los valores
comprendidos por el ancho de cada barra. En la Figura 2 se puede apreciar la representación de
un histograma.
Figura 2. Representación de un histograma, donde la altura de cada barra indica la cantidad de veces que aparece un valor o intervalo
de valores determinados. Por ejemplo en la barra que va del 0 al 0,5 del eje horizontal tiene una altura mayor a 25, lo que significa que
en la muestra dada hay más de 25 valores que van del 0 al 0,49 periódico.
Sobre este histograma se pueden visualizar varios datos que nos van a ser útiles como la moda y el
ancho mitad de altura, los cuales corresponden a estimadores. Dichos estimadores son modelos,
los cuales se utilizan como medida cuantitativa para estimar un parámetro desconocido de
nuestras mediciones.
Se define como moda al valor sobre la escala horizontal en el que el histograma tiene un punto
máximo o pico bien definido. En el gráfico de la Figura 2 es la barra que va de 0 a 0,5.
3
Axel Caino, U.B.A., F.C.E.yN., Laboratorio 1 B, 1er cuatrimestre
El ancho mitad altura es el ancho respecto al eje horizontal que tiene el gráfico a la mitad de su
altura en el eje vertical; mientras mayor sea su valor más dispersa está la muestra, esto quiere
decir que los valores más probables (dado por las columnas de mayor altura) están más
distribuidos a lo largo del eje horizontal. Es un estimador de la dispersión de nuestros datos.
Para analizar los datos sin el histograma vamos a utilizar el promedio junto con el desvío estándar
y también la mediana de nuestra serie de mediciones. Estos parámetros también son
estimadores.
La mediana es el valor que se obtiene ordenando a todos los resultados obtenidos en forma
creciente o decreciente en relación a su valor y tomando el resultado para el cual se hallan 50% de
las mediciones inferiormente y 50% superiormente.
El promedio de una serie medición (o media aritmética) es el valor más probable de dicha serie.
Por ejemplo, dada una serie de datos {a1, a2,….., an}, el promedio viene dado por
(1)
donde la x con la raya superior representa el valor más probable de la serie de n mediciones.
El desvío estándar da noción de las fluctuaciones de los elementos de la muestra respecto del
promedio. Viene representado por la siguiente fórmula
(2)
donde σ representa el desvío estándar, x con la raya superior representa el promedio de los
valores y xi el valor de cada una de las muestras. En este caso la resta de un valor de la medición xi
con respecto al valor centrar representa el “error” de nuestra medición con respecto al mismo.
Justamente el promedio es el que hace mínima esta suma cuadrática de los errores.
El desvío estándar proviene de la denominada varianza, dada por el cuadrado del desvío estándar
σ2.
Una vez analizados los datos de la serie de mediciones vamos a contrastar los datos obtenidos en
el histograma con una distribución Gaussiana.
4
Axel Caino, U.B.A., F.C.E.yN., Laboratorio 1 B, 1er cuatrimestre
que contra más altura tenga la función en un punto más probabilidad tendrá ese punto. Se puede
observar el diagrama de probabilidades en la Figura 3
Figura 3. Campana de Gauss para una distribución normal, donde μ representa el valor más probable, es decir el promedio, y σ el desvío
estándar, donde en el intervalo comprendido por sus puntos de inflexión se agrupa el 68,2% de la probabilidad, es decir, que existe una
probabilidad del 68,2% de que si realizo una nueva medición mi valor se encuentre entre ese intervalo.
La campana de Gauss es una función de “densidad” de probabilidad, lo que significa que el área
debajo de la curva nos va a representar la probabilidad de que, si yo realizo una nueva medición,
el valor obtenido se encuentre con una cierta probabilidad dentro de un intervalo de datos del eje
horizontal. Dicha probabilidad es brindada por el área comprendida entre la función y los valores
de mi intervalo.
El valor central de la campana del eje horizontal representa el promedio μ . Además, el intervalo
comprendido entre los puntos de inflexión [μ – σ; μ + σ] representa la probabilidad del 68,4% de
que, si realizo una nueva medición, mi valor se encuentre dentro de ese intervalo.
Por otro lado la curva Gaussiana cubre todo el espectro de posibilidades, ya que la suma del área
debajo de la curva representa el 100%, es decir todos los valores posibles.
Por hipótesis vamos a suponer que puedo eliminar los errores que no son de carácter aleatorio ni
de instrumental, con lo cual vamos a superponer la curva Gaussiana a nuestros histogramas con el
fin de ver cómo se ajusta a los datos obtenidos.
[4]
(3)
donde a través de una “normalización” (es decir introducir la fórmula con los parámetros del
histograma en el programa de PC) vamos a poder compararla con los histogramas.
5
Axel Caino, U.B.A., F.C.E.yN., Laboratorio 1 B, 1er cuatrimestre
(4)
Para comparar la curva vamos a tener en cuenta que las funciones que acumulen el anteriormente
mencionado 68,4% más cerca del centro, o sea el promedio, van a ser curvas que representen una
menor dispersión de los datos con respecto al promedio, lo que va a generar que nuestro desvío
estándar tenga un valor menor. En la Figura 4 se puede apreciar un esquema con distintas curvas
Gaussianas con distinto valor de σ.
Figura 4. Diagrama de 3 campanas Gaussianas, donde el valor central es el 0 y se puede observar que la verde es la que posee menor
valor de σ, por lo tanto se observa más concentrada alrededor del 0. La verde indica una menor dispersión de los datos, mientras que la
azul una mayor dispersión.
6
Axel Caino, U.B.A., F.C.E.yN., Laboratorio 1 B, 1er cuatrimestre
Una vez que realicemos la normalización vamos a obtener un gráfico como el de la Figura 5.
Figura 5. Campana Gaussiana superpuesta a un histograma, donde en este caso la moda coincide con el centro de la campana,
indicando una buena medición.
Si realizamos una serie de mediciones “buena”, la moda debería coincidir con el valor del
promedio y a su vez la altura del resto de los rectángulos acercarse a la forma de la curva.
La cantidad de mediciones totales es de 300, donde analizando en subgrupos de número cada vez
mayor vamos a ir viendo cómo evolucionan los histogramas junto con las campanas Gaussianas
asociadas.
Además de realizar el estudio acerca de las variables recién nombradas voy a realizar el estudio del
promedio de los promedios.
Debido a que nuestra serie de mediciones es finita, nuestro promedio de las 300 mediciones va a
resultar ser también una variable aleatoria. Como variable aleatoria, va a depender de la cantidad
de mediciones que hagamos y de cómo sean efectuadas, con lo cual su estudio es relevante. Para
Para ello vamos a dividir la serie de 300 mediciones en subseries de cantidades iguales de 30
mediciones y analizar los promedios de cada una.
En este caso conviene mencionar que el análisis por la distribución normal es posible gracias a que
nuestra serie de mediciones es mayor que 30, ya que, por el teorema central del límite, nos indica
que una serie de mediciones de una variable aleatoria mayor a este número se comporta como
una distribución normal, por lo que nos es posible aproximar el comportamiento de los datos con
ella.
7
Axel Caino, U.B.A., F.C.E.yN., Laboratorio 1 B, 1er cuatrimestre
Este “promedio de los promedios” va a tener una característica diferente a que si calculáramos el
promedio a la serie de 300 mediciones. En número va a coincidir, ya que las cantidad de
mediciones de las subseries es igual de una a la otra, pero el desvío estándar del promedio de los
promedios va a venir dado por
(5)
Por último mencionaremos que, si hiciéramos tender la serie de mediciones a infinito, nuestro
promedio obtenido coincidiría con un valor conocido como la media poblacional, el cual es el valor
promedio “real” de nuestra variable aleatoria, el cual nos es imposible conocer.
Lo mismo ocurre con el desvío estándar. El desvío estándar que obtendremos será el muestral.
Figura 6. Esquema ilustrativo del péndulo ya construido, donde se utiliza una varilla para lanzar al péndulo desde el mismo ángulo,
correspondiente aproximadamente a 12°. A su vez el largo del hilo es de 87,90 cm y la esfera de hierro de 3,0 cm.
8
Axel Caino, U.B.A., F.C.E.yN., Laboratorio 1 B, 1er cuatrimestre
Para la construcción se utilizó un hilo de 87,9 cm de largo, con un error de 0,1 cm dado por la
última división de nuestra regla. Para la medición de la esfera de hierro se utilizó un calibre, con lo
cual obtuve una medida de 3,0 cm con un error de 0,02 mm dado por la división del calibre.
El ángulo obtenido fue de aproximadamente 12°, medido con un transportador con un error de 1°.
Para que el ángulo de partida sea siempre el mismo a lo largo de las mediciones utilizamos una
varilla como referencia, haciendo tocar a la masa contra la misma antes de dejar en libertad el
péndulo.
Al lanzar el péndulo hay que tener cuidado de que la oscilación del mismo se realice en un plano,
para evitar tener mediciones distorsionadas. Por otro lado es conveniente medir siempre desde el
mismo punto, para evitar errores de paralaje, que consiste en un error de apreciación del lugar
donde se produjo un acontecimiento; en mi caso utilicé la parte final del soporte (como se
muestra en la Figura 6) como referencia para la medición del período. Estas precauciones son
fundamentales para disminuir tanto los errores sistemáticos como los errores estadísticos, al tener
subseries de mediciones con dichos errores.
9
Axel Caino, U.B.A., F.C.E.yN., Laboratorio 1 B, 1er cuatrimestre
Figura 7. Representación del período de un péndulo, donde se indica una posible medición del mismo.
Los tiempos fueron tomados con un cronómetro de mano, con una precisión de una centésima de
segundo.
Se realizaron entonces 300 mediciones del período, adjuntando dichos datos obtenidos en un
procesador de cálculo como el OriginLab.
3. Resultados
Una vez realizadas las 300 mediciones y pasadas al OriginLab comenzamos con los cálculos.
En primer lugar se obtiene el promedio de las 300 mediciones, arrojando un resultado de 1,91
segundos, con un desvío estándar de 0,03 segundos. La muestra se encontró entre los valores de
período 1,84 s y 1,97 s, arrojando una mediana de 1,91 s. Las ecuaciones (1) y (2) no fueron
necesarias ya que el OriginLab tiene incorporadas las herramientas para dichos cálculos.
Luego realicé los histogramas correspondientes para 10, 20, 30, 50, 100, 200 y 300 mediciones
para ver cómo va variando la distribución del período a lo largo de los mismos. Dichos histogramas
se pueden apreciar a continuación, en la Figura 8. Cada histograma fue procesado para que la
cantidad de barras que aparecen en el mismo sea de 5 barras, para dar una homogeneidad a la
cantidad de divisiones de los histogramas, aunque la cantidad de mediciones de los mismos
difieran significativamente.
10
Axel Caino, U.B.A., F.C.E.yN., Laboratorio 1 B, 1er cuatrimestre
Figura 8. Se representan los histogramas con las series de mediciones indicadas en la parte superior derecha de cada uno. Se puede ver
cómo van cambiando la distribución de los valores a medida que aumenta el número de mediciones, acercándose al promedio de1,911s,
el promedio total de los 300 datos.
11
Axel Caino, U.B.A., F.C.E.yN., Laboratorio 1 B, 1er cuatrimestre
Analizando el histograma de las 300 mediciones vemos que el ancho mitad de altura se encuentra
entre 1,87 s y 1,95 s, logrando un intervalo de 0,08 s, bastante mayor que el desvío estándar.
Figura 9. Diagrama con la evolución de todos los histogramas y sus curvas Gaussianas asociadas. Se puede apreciar cómo va
disminuyendo la asimetría de las curvas normales asociadas a medida que aumentan la cantidad de mediciones.
12
Axel Caino, U.B.A., F.C.E.yN., Laboratorio 1 B, 1er cuatrimestre
Figura 10. Evolución de las subseries de 10 mediciones, contrastadas contra las 300 mediciones totales. Es importante observar las
diversas fluctuaciones de la moda en cada una de las subseries y el ancho mitad de altura, dando una idea del cambio de los valores con
más frecuencia y la dispersión de dichos valores.
Una vez obtenidos las 10 subseries podemos comprobar cómo van variando los intervalos con
mayor frecuencia, y cómo el ancho mitad de altura va cambiando a lo largo de las mismas,
obteniendo mayor o menor dispersión según se hayan cometido errores sistemáticos y de
apreciación. Comparando los promedios obtenidos de cada serie, junto con los desvíos estándar
de cada uno obtenemos la siguiente tabla, y en la Figura 12 el histograma de los promedios:
13
Axel Caino, U.B.A., F.C.E.yN., Laboratorio 1 B, 1er cuatrimestre
Figura 12. Histograma de la distribución de los promedios. Se observa que el intervalo con mayor frecuencia es el que se encuentra entre
1,909 y 1,912 segundos respectivamente, conteniendo a la media de las 300 mediciones de 1,910 segundos.
Una vez analizadas las subseries vamos a calcular el desvío estándar de los promedios, dado por la
Fórmula (5), donde el n utilizado es 300, obteniendo un valor de 0,00156 segundos, un valor de un
orden de magnitud menor al desvío del promedio de las 300 mediciones. Entonces el promedio de
los promedios queda expresado como [1,910 +/- 0,002] segundos.
4. Análisis de resultados
Analizando los histogramas de las mediciones menores que n = 300 se puede ver que los intervalos
correspondientes a las frecuencias más altas difieren del valor del promedio general de 1,91 s
fluctuando alrededor de él, acercándose más a medida que aumenta el número de mediciones.
Como podemos observar, se observan similitudes claras con el histograma de n = 300 a partir del
histograma n = 50. Esta diferencia para valores bajos de mediciones se debe principalmente a que
no llegan a ser característicos de la representación del período del péndulo. Pudieron haberse
cometido, a pesar de que se hayan tratado de reducir, errores de apreciación del período en la
medición en la primera etapa del experimento, y a medida que las mediciones avanzaron, se
fueron corrigiendo al acostumbrar el ojo a captar el momento preciso cuando el péndulo pasaba
nuestra posición elegida de referencia. Por otro lado, las fluctuaciones aleatorias son más
significantes cuanta más chica sea la muestra ya que, si las mediciones tendieran a infinito,
14
Axel Caino, U.B.A., F.C.E.yN., Laboratorio 1 B, 1er cuatrimestre
tenderían a compensarse. Cuando aplicamos la curva Gaussiana sobre estas mediciones podemos
observar que para números de muestra bajos es bastante asimétrica, lo que representa que los
valores centrales no están muy bien definidos y los histogramas presentan mucha dispersión. En
las mediciones de n < 50 la moda está bastante alejada del centro de nuestra curva de Gauss. A
medida que las mediciones aumentan, la campana se va a haciendo cada vez más simétrica y
coincidiendo el valor central con el intervalo con la mayor frecuencia.
Cuando dividimos y comparamos los promedios de las 10 series cuyo número de mediciones es n =
30 se observa que estos difieren en los intervalos de mayor frecuencia, como se observa en la
Figura 10. Esta diferencia se debe a errores aleatorios y sistemáticos en cada una de las subseries,
que fueron variando a medida que se completaban las mediciones, ya que tienen tendencia a
variar un estilo de histograma cada 60 mediciones, como lo son las subseries 2, 3 y 4, donde la
barra central tiende a aumentar significativamente; o la 9 y la 10, cuyas distribuciones de valores
se parecen bastante.
Por otro lado, si se comparan los 𝜎 correspondientes a cada subserie, las diferencias entre estos
desvíos varían entre 0,02 y 0,04 segundos, lo que nos indica que ciertas subseries tuvieron
bastante más dispersión que el resto, como lo es la número 4.
Por último, el 𝜎 de los promedios es bastante menor que el 𝜎 de las 300 mediciones, indicando
que si yo realizo una nueva serie de 300 mediciones, el promedio se va a encontrar dentro del
intervalo de [1,910 +/- 0,002] segundos.
5. Conclusiones
15
Axel Caino, U.B.A., F.C.E.yN., Laboratorio 1 B, 1er cuatrimestre
Se obtuvo entonces un valor del período de [1,91 +/- 0,03] segundos para la serie de 300
mediciones y [1,910 +/- 0,002] segundos para el promedio de las subseries de 30 mediciones,
donde cada intervalo representa una probabilidad del 68,4% de que si yo realizo una nueva serie
de mediciones de n igual a la anterior, de acuerdo a las mediciones de cada intervalo en donde lo
hayamos calculado, el promedio nuevo obtenido va a caer dentro de ese intervalo.
Se concluye entonces que el valor del período del péndulo de nuestro sistema es uno sólo, cuyo
valor nunca vamos a poder conocer, pero nos vamos a aproximar cada vez más a dicho valor
contra más aumentemos el tamaño de nuestra muestra.
6. Referencias
[1]
Juan G. Roederer, Mecánica clásica, Eudeba, 2008, pg. 91
[2]
https://es.wikipedia.org/wiki/Error_de_medici%C3%B3n
[3]
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal
[4]
Juan G. Roederer, Mecánica clásica, Eudeba, 2008, pg. 24
16