Precisión y exactitud

Precisión: se refiere a la dispersión del conjunto de valores obtenidos de mediciones repetidas de una
magnitud. Cuanto menor es la dispersión mayor la precisión. Una medida común de la variabilidad es
la desviación estándar de las mediciones y la precisión se puede estimar como una función de ella.
En si precisión es cuando un instrumento te da siempre la misma medida ejemplo: cuando haces un
experimento varias veces, y los datos obtenidos caen dentro de un pequeño rango de valores se dice que
el método utilizado es reproducible, es decir, que es preciso.
Exactitud: se refiere a cuán cerca del valor real se encuentra el valor medido. En términos estadísticos, la
exactitud está relacionada con el sesgo de una estimación. Cuanto menor es el sesgo más exacto es una
estimación.
En si exactitud se refiere a qué tan cercana está esa medición de la realidad ejemplo: el valor obtenido en un
experimento es muy cercano al valor verdadero. Lo que no te dice es que sea reproducible ese valor verdadero.
Ejemplo general: si hablaras de un tiro al blanco. preciso sería dar siempre en el mismo sitio; exacto sería dar
justo en el centro.
En métodos numéricos siempre se implementan las dos técnicas precisión y exactitud.

Incertidumbre
Es cuando tienes un problema y no sabes que va a pasar o si tienes varias soluciones al problemas no sabes
escoger cual utilizar para que todo te salga bien es como una Probabilidad de que un resultado esté fuera de la
cota establecida o de un gran margen de error sin certeza.

Sesgo
Es el alejamiento de un valor con respecto a una medida de tendencia central (que puede ser la media) Cuando
tienes un grupo de datos, estos pueden ser representados por valores promedio) como el promedio de
calificaciones de todos los alumnos de un examen.
Existe sesgo cuando la ocurrencia de un error no aparece como un hecho aleatorio (al azar) advirtiéndose que
este ocurre en forma sistemática
En si es un alejamiento sistemático del valor verdadero a calcular.

Definición de error
Los errores numéricos se generan con el uso de aproximaciones para representar las operaciones y
cantidades matemáticas.
Esto ocurre cuando tienes pocas interacciones, al tener muchos el error baja, debido a que los métodos
numéricos no son exactos sino simples a aproximaciones a un valor numérico, para que fueran exactos
necesitarías un numero de iteraciones infinitas lo cual no es posible, además de cual es e método que vas a
utilizar. Cada uno tiene su nivel de error, y sirve para diferentes cosas
Esto incluye errores de truncamiento que resultan de representar aproximadamente
un procedimiento matemático exacto, y los errores de redondeo, que resultan de presentar aproximadamente
números exactos.
Para los tipos de errores, la relación entre el resultado exacto o verdadero y el aproximado está dado por:
Valor verdadero = valor aproximado + error.
se encuentra que el error numérico es igual a la diferencia entre el valor verdadero y el valor aproximado esto
es :
Ev = valor verdadero - valor aproximado
Donde Ev se usa para redondear el valor exacto del error. Se incluye el subíndice v par dar a entender que se
trata del "verdadero" error.
Un defecto es que muchas veces no se toma en consideración el orden de magnitud del valor que se esta
probando . Por ejemplo, un error de un centímetro es mucho mas significativo si se esta midiendo un remache
que un puente. Una manera de medir las magnitudes de las cantidades que se están evaluendo es normalizar
el error respecto al valor verdadero, como en:
Error relativo fraccional = error / valor verdadero
Donde:
Error = valor verdadero - valor aproximado.
El error relativo también se puede multiplicar por el 100% para expresarlo como Ev = (error verdadero/ valor
verdadero) 100; Donde Ev denota el error relativo porcentual. El subíndice v significa la normalización del
error al valor verdadero.
Para los métodos numéricos el valor verdadero únicamente se conocerá cuando se habla de funciones que se
pueden resolver analíticamente. Sin embargo, en aplicaciones reales, no se conoce la respuesta verdadera. En
estos casos, normalizar el error es una alternativa usando la mejor estimación posible del valor verdadero,
esto es a la aproximación misma, como:
Ea = (error aproximado/ valor aproximado)100
Donde el subíndice a significa que el error está normalizado a un valor aproximado.Uno de los retos a que se
enfrentas los métodos numéricos es el de determinar estimaciones del error en ausencia
de conocimiento de los valores verdaderos. El error se calcula como la diferencia entre la aproximación previa
y la actual. Por lo tanto, el error relativo porcentual está dado por:
Ea =abs( ((aproximación actual- aproximación previa )/ aproximación actual) 100)
Si se cumple la relación anterior, entonces se considera que el resultado obtenido está dentro del nivel
aceptable, es decir, aun error previamente fijado(Es):Abs(Ea) < >
ERROR POR TRUNCAMIENTO
Los errores de truncamiento son aquellos que resultan al usar una aproximación en lugar de un procedimiento
matemático exacto.
Estos tipos de errores son evaluados con una formulación matemática: la serie de Taylor. Taylor es una
formulación para predecir el valor de la función en Xi+1 en términos de la función y de sus derivadas en una
vecindad del punto Xi.
EJEMPLO:
* 5,2536 (A CENTIMETRO) = 5,25.
* 9,217983 (A MILIMETRO) = 9,217.
ERROR POR REDONDEO.
Los errores de redondeo se deben a que las computadoras solo guardan un numero finito de cifras
significativas durante un cálculo. Las computadoras realizan esta función de maneras diferentes; esta técnica
de retener solo los primeros siete términos se llamó "truncamiento" en el ambiente de computación. De
preferencia se llamara de corte, para distinguirlo de los errores de truncamiento. Un corte ignora los términos
restantes de la representación decimal completa.
EJEMPLO:
* 5,2536 (A CENTIMETRO) = 5,25|3 (3 COMO ES <5) = 5,25.
* 9,217983 (A MILIMETRO) = 9,217|9 (9 COMO ES >5) = 9,218
ERROR ABSULUTO Y RELATIVO
Error absoluto. Es la diferencia entre el valor de la medida y el valor tomado como exacto. Puede ser positivo
o negativo, según si la medida es superior al valor real o inferior (la resta sale positiva o negativa). Tiene
unidades, las mismas que las de la medida.
FORMULA:
Ea= /Ve - Va/
Ea= Error Absoluto.
Ve= Valor Exacto.
Va= Valor aproximado.
Error relativo. Es el cociente (la división) entre el error absoluto y el valor exacto. Si se multiplica por 100 se
obtiene el tanto por ciento (%) de error. Al igual que el error absoluto puede ser positivo o negativo (según lo
sea el error absoluto) porque puede ser por exceso o por defecto. No tiene unidades
FORMULA:

Er = Error Relativo
Va = Valor Absoluto
Ve= valor Exacto
EJEMPLO:
Se desea medir una pared donde:
Va= 65
Ve= 70
Ea= Ve - Va = /70 - 65/ = 5 (el resultado siempre da positivo).

ERROR NUMÉRICO TOTAL

El error numérico total es la suma de los errores de redondeo y de truncamiento. (Los errores de truncamiento
decrecen conforme el número de cálculos aumenta, por lo que se encara el siguiente problema: la estrategia de
disminuir un componente del error total lleva al incremento del otro).
EJEMPLO:
Valor del error por truncamiento = 5,25.
Valor del erro por redondeo = 5,25.
Valor número total= 5.25 + 5.25= 10.5 error numérico total.

Autor:
Bachiller (es):
Prof. Edward del Corral
Rondón Ninoska
Ramírez Malvi
Mijares Luis
Método Numérico
Errores

Los métodos numéricos producen aproximaciones a la solución de los problemas, por esto siempre hay que medir el error del
resultado, para tener una idea de que tan aproximado esta a la solución.

Precisión: es la cantidad de cifras que se utilizan para representar un número. Por ejemplo:

3.141592 Tiene una precisión de 7 dígitos (6 dígitos decimales)

3.141592654 Tiene una precisión de 10 dígitos (9 dígitos decimales)
3.1415 Tiene una precisión de 5 dígitos (4 dígitos decimales)

También se habla de la precisión de un aparato para indicar el número máximo de cifras que puede manejar, por ejemplo,
existen calculadoras con una precisión de 9 dígitos, otras de 10 dígitos, etc.

Exactitud: Es una medida de que tanto se acerca un resultado a la solución, por ejemplo, si una de las raíces de una ecuación
es 2.55, el resultado 2.479 es mas exacto que el resultado 2.7. sin embargo 2.479 es menos exacto que 2.6.

Existen diferentes tipos de errores, los que interesan en los métodos numéricos son los siguientes:

Error absoluto.- Si r* es una aproximación al resultado r, se define el error absoluto como el valor absoluto de la diferencia:

EA = | r- r* |

Error relativo.-Se define como:

, con r diferente de cero.

Error relativo porcentual.-Se define como:

ó: Erp = Er x 100%

Por lo general, interesa el error absoluto y no el error relativo, pero cuando el valor exacto de una cantidad es muy
pequeño o muy grande, los errores relativos son una mejor medida del error, por ejemplo:

Si : r= 0.24 x 10- 4 y r*= 0.12 x 10- 4

Entonces el error absoluto:

EA = | 0.24 x 10-4 - 0.12 x 10-4 | = 0.12 x 10-4

Como 0.12 x 10-4 es una cantidad pequeña, podría pensarse que ésta es una buena aproximación al resultado, sin embargo
al obtener el error relativo:

El error porcentual es:

Erp = Er x 100% = 0.5 x 100% = 50%

Con un error relativo porcentual de 50%, 0.12 x 10-4 esta muy lejos de ser una buena aproximación al resultado.

Por otra parte, para cantidades muy grandes podemos observar en el siguiente ejemplo que:

Si : r= 0.46826564 x 106 y r*= 0.46830000 x 106

Entonces el error absoluto:

EA = | 0.46826564 x 106 - 0.46830000 x 106 | = 0.3436 x 102 = 34.36

Podría creerse que 34.36 es un error grande, y por lo tanto 0.46830000 x 106 una mala aproximación al resultado, sin embargo
al obtener el error relativo:

El error porcentual es:

Erp = Er x 100% = 0.73377154 x 10-4 x 100% = 0.0073355154 %

Donde puede advertirse que el error en realidad es muy pequeño.

…………………………………………..

Los errores de redondeo y el uso de cifras significativas tienen mucha importancia en la identificación de
exactitud y precisión.

EXACTITUD Y PRECISION

Los errores asociados con los cálculos y medidas se pueden caracterizar observando su precisión y
exactitud. La precisión se refiere a 1) el numero de cifras significativas que representa una cantidad o 2)
la extensión en las lecturas repetidas de un instrumento que mide alguna propiedad física. La exactitud se
refiere a la aproximación de un número o de una medida al valor verdadero que se supone representa. La
inexactitud ( conocida también como sesgo ) se define también como un alejamiento sistemático de la
verdad . la precisión por otro lado se refiere a la magnitud del esparcimiento.
Los métodos números deben ser lo suficientemente exactos o sin sesgo para que cumplan los requisitos
de un problema particular de ingeniería. También debe ser lo suficientemente preciso para el diseño en la
ingeniería. Usaremos el termino de error para representar la inexactitud y la precision de las predicciones.

FACTORES QUE CONTRIBUYEN AL ERROR EN LOS CÁLCULOS NUMÉRICOS.

DEFINICIÓN DE ERROR

Los errores numéricos se generan con el uso de aproximaciones para representar las operaciones y cantidades
matemáticas. Esto incluye errores de truncamiento que resultan de representar aproximadamente un
procedimiento matematico exacto, y los errores de redondeo, que resultan de presentar aproximadamente
números exactos. Para los tipos de errores, la relación entre el resultado exacto o verdadero y el aproximado esta
dado por :
Valor verdadero = valor aproximado + error ( Ec.1 )

Reordenando la ecuación Ec.1, se encuentra que el error numérico es igual a la diferencia entre el valor verdadero
y el valor aproximado esto es :

Ev = valor verdadero – valor aproximado

Donde Ev se usa para redondear el valor exacto del error. Se incluye el subíndice v par dar a entender que se trata
del “verdadero” error. Un defecto es que muchas veces no se toma en consideración el orden de magnitud del
valor que se esta probando . Por ejemplo, un error de un centímetro es mucho mas significativo si se esta midiendo
un remache que un puente. Una manera de medir las magnitudes de las cantidades que se están evaluendo es
normalizar el error respecto al valor verdadero, como en:

Error relativo fraccional = error / valor verdadero

Donde:

Error = valor verdadero – valor aproximado.

El error relativo también se puede multiplicar por el 100% para expresarlo como Ev = (error verdadero/ valor
verdadero ) 100; Donde Ev denota el error relativo porcentual. El subíndice v significa la normalización del error
al valor verdadero .

Para los métodos numéricos el valor verdadero únicamente se conocerá cuando se habla de funciones que se
pueden resolver analíticamente. Sin embargo, en aplicaciones reales, no se conoce la respuesta verdadera. En
estos casos, normalizar el error es una alternativa usando la mejor estimación posible del valor verdadero, esto
es a la aproximación misma, como:

Ea = (error aproximado/ valor aproximado)100

Donde el subíndice a significa que el error está normalizado a un valor aproximado .

Uno de los retos a que se enfrentas los métodos numéricos es el de determinar estimaciones del error en ausencia
de conocimiento de los valores verdaderos. El error se calcula como la diferencia entre la aproximación previa y
la actual. Por lo tanto, el error relativo porcentual está dado por Ea =abs( ((aproximación actual- aproximación
previa )/ aproximación actual) 100) Si se cumple la relación anterior , entonces se considera que el resultado
obtenido esta dentro del nivel aceptable, es decir, aun error previamente fijado(Es): Abs(Ea) <>

ERRORES DE REDONDEO

Los errores de redondeo se deben a que las computadoras solo guardan un numero finito de cifras significativas
durante un calculo. Las computadoras realizan esta función de maneras diferentes; esta técnica de retener solo
los primeros siete términos se llamó “truncamiento” en el ambiente de computación. De preferencia se llamara
de corte, para distinguirlo de los errores de truncamiento. Un corte ignora los términos restantes de la
representación decimal completa.

La mayor parte de las computadoras tienen entre 7 y 14 cifras significativas, los errores de redondeo parecerían
no ser muy importantes. Sin embargo, hay dos razones del por qué pueden resultar críticos en algunos métodos
numéricos:
1) Ciertos métodos requieren cantidades extremadamente grandes para obtener una respuesta. Además, estos
cálculos a menudo dependen entre si, es decir, los cálculos posteriores son dependientes de los anteriores. En
consecuencia, aunque un error de redondeo individual puede ser muy pequeño, el efecto de acumulación en el
transcurso de la gran cantidad de cálculos puede ser significativo.
2) El efecto de redondeo puede ser exagerado cuando se llevan a cabo operaciones algebraicas que emplean
números muy pequeños y muy grandes al mismo tiempo. Ya que este caso se presenta en muchos métodos
numéricos, el error de redondeo puede resultar de mucha importancia.

ERRORES DE TRUNCAMIENTO

Los errores de truncamiento son aquellos que resultan al usar una aproximación en lugar de un procedimiento
matemático exacto.
Estos tipos de errores son evaluados con una formulación matemática: la serie de Taylor.
Taylor es una formulación para predecir el valor de la función en Xi+1 en términos de la función y de sus derivadas
en una vecindad del punto Xi.
Siendo el termino final:
Rn= ((ƒ(n+1) (ξ))/(n+1)!)hn+1
En general, la expansión en serie de Taylor de n-ésimo orden es exacta par aunpolinomio de n-ésimo orden. Para
otras funciones continuas diferenciables, como las exponenciales o senoidales, no se obtiene una estimación
exacta mediante un numero finito de términos. Cada una de los términos adicionales contribuye al mejoramiento
de la aproximación, aunque sea un poco.

ERROR NUMERICO TOTAL

El error numérico total es la suma de los errores de redondeo y de truncamiento. La única forma de minimizar los
errores de redondeo es la de incrementar el número de cifras significativas de la computadora.

Repr

Representación grafica de las ventajas y desventajas entre errores de redondeo y truncamiento que en ocasiones
influyen en el curso de un método numérico. El punto óptimo muestra donde el error de redondeo comienza a
negar los beneficios dados por la reducción del tamaño de paso.
ERRORES POR EQUIVOCACIÓN

En los primeros años de la computación los resultados numéricos erróneos fueron atribuidos algunas veces al mal
funcionamiento de la computadora misma. Hoy dia esta fuente de error es muy improbable y la mayor parte de
las equivocaciones se atribuye a errores humanos. Las equivocaciones ocurren a cualquier nivel del proceso de
modelación matematica y pueden contribuir con todas las otras componentes del error. Las equivocaciones, por
lo general se pasan por alto en la discución del método numérico. Esto sin duda prueba el hecho de que los errores
de torpeza son, hasta cierto punto inevitables.

ERRORES DE FORMULACIÓN

Los errores de formulación o de modelamiento degeneran en lo que se podría considerar como un modelo
matemático incompleto, ya que si se esta usando un modelo deficiente, ningún método numérico generara los
resultados adecuados.

BIBLIOGRAFÍA

MÉTODOS NUMÉRICOS PARA INGENIEROS. C.Chapra, Steven, Et al.

Ed MC GRAW-HILL . México 1995. 641 pp.
METODOS NUMERICOS APLICADOS A LA INGENIERIA. Nieves Hurtado, Antonio, Et al.
Ed. Continental. Segunda reimpresión. México 1997. 602pp
METODOS NUMERICOS.Rafael Iriarte V. Balderrama

Ed. trillas. Primera edición. México 1990