Teoría de Errores
Jordy Cevallos, Christian Loza
Departamento de Ciencias Exactas, Universidad de las Fuerzas Armadas ESPE
Sangolquí-Ecuador
jordicin2011@hotmail.com
christianloza_15@hotmail.com
Resumen—Este documento es una guía acerca de la Teoría de
Errores para que los mismos sean tomando en cuenta en la
asignatura de Métodos Numéricos y tener posteriormente
cálculos más acertados, tomando en cuenta todos los errores que
pueden suceder a lo largo de realizar el análisis de los diferentes
métodos.
Abstract—This document is a guide to the Theory of Errors
for them to be taken into account in the course of Numerical
Methods and later have more accurate calculations, taking into
account all the mistakes that can happen along the analysis of
the different methods.
I. INTRODUCCIÓN
Los métodos numéricos fueron desarrollados con el objetivo de
resolver problemas matemáticos que tienen una solución difícil de
calcular por los métodos tradicionales. Las diferentes soluciones que
ofrecen los métodos numéricos son valores aproximados a los
valores reales, por ende se tiene un margen de error que es
recomendable determinarlo y tenerlo en cuenta , para tener un
margen de error muy pequeño y tener una mayor exactitud a la hora
de resolver dichos problemas.
II. COMPLEJIDAD
A. Complejidad Computacional
Para medir el coste de ejecución de un programa, definiremos una
función de complejidad F, donde F(n) es una medida del tiempo
requerido para ejecutar el algoritmo sobre un problema de tamaño n,
o una medida del espacio de memoria requerido para tal ejecución.
De esta forma, hablaremos de la complejidad en cuanto a tiempo o
de la complejidad en cuanto a memoria del algoritmo. También
podemos referirnos a cualquiera de las dos, simplemente como
función de complejidad del algoritmo. En general, el costo de
obtención de una solución crece de acuerdo con el incremento del
tamaño del problema, n. Si el valor n es muy pequeño, incluso un
algoritmo ineficiente tardará poco en ejecutarse, de manera que la
elección de un algoritmo para un problema pequeño no es crítico (a
menos que el problema sea resuelto muchas veces). En la mayoría
de los casos, sin embargo, al incrementar n, se llega a una situación,
en la que el algoritmo no puede ejecutarse en un periodo razonable
de tiempo. Este punto se muestra en la siguiente tabla, donde puede
verse cómo crecen las funciones de complejidad de determinados
algoritmos, al crecer n.
B. Complejidad algebraica y analítica
Entenderemos por algoritmo numérico, un algoritmo que
resuelve un problema en el que el contenido numérico es esencial.
Los algoritmos no numéricos, resuelven problemas y la solución
de los mismos, aunque en ocasiones se representa por un número (o
conjunto de números), es de naturaleza no numérica.
Los objetivos de la complejidad algebraica son múltiples. Por una
parte intenta estimar el número de operaciones aritméticas
requeridas por un algoritmo. Además intenta estimar el número
mínimo de operaciones necesario para resolver un problema dado.
También intenta describir un algoritmo o algoritmos que resuelvan
un problema en un número mínimo de operaciones. La evaluación
de un polinomio en uno o varios valores dados y la resolución de
ecuaciones o sistemas de ecuaciones lineales mediante métodos
directos son ejemplos de problemas que pueden ser estudiados en
términos de su complejidad algebraica. Un aspecto importante de los
algoritmos que son utilizados para resolver estos problemas, es el
número finito de pasos que son necesarios hasta la obtención de la
solución del problema. Esto implica, evidentemente, que el número
de operaciones aritméticas necesarias también es finito.
Por otra parte, la complejidad analítica resuelve la cuestión de
cuanta computación ha de ser desarrollada hasta obtener un
resultado con un determinado grado de precisión y se centra más en
los procesos computacionales que en cierto sentido nunca terminan.
Los procesos iterativos son un evidente ejemplo. En este caso, el
proceso es interrumpido en un punto y, si el valor actual del
resultado satisface el problema con un margen de error acotado,
dicho resultado se toma como solución del problema, en otro caso la
computación continua hasta obtener un resultado satisfactorio. En
este caso, uno estima el número de operaciones aritméticas por paso
en cada interacción y un “buen” algoritmo en términos de su
complejidad computacional es definido como aquel que requiere el
menor número total de operaciones aritméticas para alcanzar un
resultado, con un nivel de precisión prefijado.
III. ERRORES DEL ORDENADOR
La aritmética de los ordenadores no es igual a la aritmética
tradicional ya que esta no puede manejar números infinitos, por
ende el ordenador solo puede trabajar con un numero finitos de
dígitos.
A. Precisión del Ordenador
La precisión de un ordenador está determinada primeramente
por la cantidad de dígitos con los que efectúa las diferentes
operaciones aritméticas conocidas a partir de la longitud de palabra
del procesador. La palabra establece el número entero más grande
que se representa con exactitud.
 Como podemos observar en la siguiente tabla el tamaño de la
MATLAB emplea librerías optimizadas por procesador para la
palabra ha ido en constante aumento por ende la precisión del
procesador. rápida ejecución de cálculos de matrices y vectores. En el caso de
los cálculos escalares multipropósito, MATLAB utiliza tecnología
TABLA I
Dígitos de precisión, con respecto a velocidad y tamaño de palabra. de compilación JIT (just-in-time) para proporcionar velocidades de
Procesad Fech Velocidad Entero Longitud Dígitos ejecución que rivalizan con las de los lenguajes de programación
or a (giga Hertz) máximo de decimales
palabra precisión tradicionales.
doble
8088 1986 0.005 28 8 4
80286 1988 0.010 216 16 9 A fin de sacar partido de los ordenadores multinúcleo y
80386 1991 0.040 232 32 19
80486 1995 0.066 232 32 19 multiprocesador, MATLAB ofrece gran cantidad de funciones
Pentium- 1997 0.200 232 32 19 multithread, tanto numéricas como de álgebra lineal. Estas funciones
I(586)
Pentium- 2003 3.000 232 32 19 se ejecutan automáticamente en varios threads computacionales en
IV(686)
una única sesión de MATLAB, lo que permite una ejecución más
Amd64 2003 3.000 264 64 38
rápida en ordenadores multinúcleo.

Para un procesador con una longitud de palabra de 32 bits se

obtienen 19 dígitos decimales en precisión doble, mientras que para
los procesadores de 64 bits -de última generación- se obtienen 38.
Generalmente una decena de dígitos decimales es suficiente para
la mayoría de los propósitos de cálculo. El advenimiento de la
tecnología láser implica que se pueden realizar mediciones sobre objetos
del mundo físico con un creciente grado de exactitud. Esta información
requiere de mayor precisión en los cálculos computacionales.
IV. ERRORES DEL SOFTWARE
Cuando utilizamos los programas de computadoras para realizar
cálculos matemáticos podemos tener algunos problemas, el más
común de ellos es el "Error de redondeo".
El error de redondeo podemos tenerlo en cualquier calculo
matemático, aun cuando hacemos los cálculos nosotros mismos por
lo regular usamos no más de 3 decimales o simplemente
redondeamos a un número exacto, lo cual hace que un largo uso del
resultado tengamos un error pequeño, tal vez, pero ese pequeño error
hace que nuestro resultado final tenga un error decimal que lo hace
no exacto.
Otro error al uso de las computadoras son los fallos técnicos que
puedan tener algunos programas, nosotros confiamos mucho en
estos programas pero no sabes si estos tengan algún mal detalle. Este
error se debe también porque nosotros no hacemos manualmente las
operaciones requeridas para la solución de un problema.
A. MATLAB
MATLAB (Matrix Laboratory) es un programa interactivo de uso
general en Ciencias e Ingeniería
La interacción se realiza mediante instrucciones (comandos), y
también mediante funciones y programas (scripts). Los objetos
básicos con los cuales opera MATLAB son matrices. La
especificación y asignación de cada variable la realiza MATLAB en
forma dinámica y eficiente, por lo que no son necesarias las
declaraciones de variables de algunos lenguajes
de computación convencionales.
Se puede sacar aún más partido de los equipos multinúcleo y otros
recursos de computación de alto rendimiento tales como GPUs y
clusters con productos complementarios de cálculo paralelo. Estos
productos proporcionan constructos de alto nivel que permiten
ejecutar las aplicaciones en paralelo con cambios menores en el
código de MATLAB.
1) Errores de MATLAB
Para hallar el error del software a utilizar vamos a ver cuándo
este toma un valor aproximado a 0 como 0.
Empezamos poniendo un número de 0.0000001 obteniendo
como respuesta 1.0000e-07
Posteriormente ponemos un número más cercano a cero
0.0000000000000000000000000000000000000000000000000000
00000001 obteniendo como resultado 1.0000e-60
Como el programa sigue sin tomarlo como cero seguimos
intentando con números más aproximados a cero
000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
01 obteniendo como resultado 1.0000e-164
Ingresamos un número más aproximado a cero
0.0000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000001 que nos da
como resultado 1.0000e-310 lo que nos indica que todavía es una
cantidad precisa
Al ingresar el número
0.0000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
1 que nos entrega un resultado de 9.8813e-324 obteniendo ya un
error y siendo esta el último número que matlab no toma como
cero.
 Después de probar este número probamos con un cero más
0.0000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000
01 y vemos que el programa nos da como respuesta 0 lo que nos
indica que los números más pequeños que este serán tomados
como ceros y por ende el error seria:
𝐸𝑟𝑟𝑜𝑟=9.8813e-325
Siendo este un error demasiado bajo para tomarlo en cuenta lo
que determina que nuestro software es muy preciso al momento de
realizar cálculos.
V. TIPOS DE ERRORES
A. Error Absoluto
Es la diferencia entre el valor real de una cosa y el determinado
mediante una medición. Cuando no se conoce el valor real se utiliza
generalmente una media aritmética de varias mediciones
𝐸𝑎 = 𝑉𝑎𝑙𝑜𝑟 𝑉𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜 − 𝑉𝑎𝑙𝑜𝑟 𝐴𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
En la práctica se adopta para x0 el valor medio de un gran número
de observaciones o simplemente se asigna a εa un cierto valor límite
o cota superior (o se toma la menor cantidad capaz de ser medida
con el dispositivo utilizado).
B. Error Relativo
Es el porcentaje de la diferencia entre una medición y el valor
real. 𝐸𝑎 = ∆𝑥
𝑉𝑎𝑙𝑜𝑟 𝑉𝑒𝑟𝑑𝑎𝑑𝑒𝑟 − 𝑉𝑎𝑙𝑜𝑟 𝐴𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
𝐸𝑟 = ∗ 100
𝑉𝑎𝑙𝑜𝑟 𝑉𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜
El cálculo del error relativo en un proceso de medida nos aporta
más información que el simple cálculo del error absoluto. Este suele
representarse en %
C. Sensibilidad
Mínimo incremento en la medida que es capaz de detectar el
instrumento, depende de la distancia entre los diferentes trazos y del
grosor de estos
También puede venir expresada en forma de porcentaje del
alcance de la medida
D. Repetibilidad
Es la capacidad de reproducción de las medidas o señales de
salida del instrumento al medir repetidamente valores idénticos de
la variable en las mismas condiciones de servicio y en el mismo
sentido de la variación, recorriendo todo el campo. Se considera en
general su valor máximo (repetibilidad máxima) y se expresa como
porcentaje del alcance, un valor representativo es el de ± 0.01%.
Para determinarla, el fabricante comprueba la diferencia entre el
valor verdadero de la variable y la indicación o señal de salida del
instrumento recorriendo todo el campo, y partiendo, para cada
determinación, desde el valor mínimo del campo de medida. La
repetibilidad viene dada por la fórmula siguiente:
∑(𝑥𝑖 − 𝑥)2
𝑅𝑒𝑝𝑖𝑡𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 = √
𝑁
E. Precisión
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. Es importante
resaltar que la automatización de diferentes pruebas o técnicas puede
producir un aumento de la precisión. Esto se debe a que con dicha
automatización, lo que logramos es una disminución de los errores
manuales o su corrección inmediata. No hay que confundir
resolución con precisión.
F. Exactitud
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. Cuando se expresa la exactitud de un
resultado, se expresa mediante el error absoluto que es la diferencia
entre el valor experimental y el valor verdadero.
Fig1.Grafico densidad probabilidad-Valor
G. Errores Sistemáticos
Se denomina error sistemático el error cuya magnitud no varía de
una medición a otra. En virtud de esta particularidad propia, con
frecuencia el error sistemático puede ser dicho con anterioridad o en
caso extremo detectado y eliminado al concluir el proceso de
medición. El método de eliminación del error sistemático depende,
en primer lugar, de su naturaleza. Los errores sistemáticos de
medición se pueden dividir en tres grupos:
Errores de origen y magnitud conocidos.
Errores de origen conocido y magnitud desconocida.
Errores de origen y magnitud desconocidos.
Los más inofensivos son los errores del primer grupo. Ellos son
fácilmente eliminados mediante la incorporación de las correcciones
correspondientes en el resultado de la medición. Pertenecen al
segundo grupo, ante todo, los errores relacionados con la
imperfección del método de medición y de los aparatos de medición.
La magnitud de este error no se puede predecir; ella depende de las
particularidades individuales del deportista y de su estado general en
el momento de la investigación.
Los errores del tercer grupo son los más peligrosos; su aparición
tiene lugar tanto debido al perfeccionamiento del método de
medición, como también a las particularidades del objeto de
medición.
H. Errores Aleatorios
Es una variable aleatoria cuyo valor esperado es cero y cuyas
varianza es constante y puede estimarse viene dado por
∑ni=1 xi
εi = xi − x̅; con x =
n→∞ n
I. Errores Accidentales
En las mediciones repetidas por un observador usando el mismo
método y en iguales condiciones, no llega a obtener idénticos
resultados. Las mediciones realizadas estarán entre otras cosas
siempre afectadas por perturbaciones del medio ambiente que
escapan del control impuesto estos son los denominados errores
accidentales.
Contrariamente aquellas hipótesis, la igualdad de condiciones no
existe debido a la variación imprevista de la calibración de los
instrumentos (inestabilidad en la calibración) como así también a la
alteración en la sensibilidad de los sentidos (imperfección humana).
Todas esas causas de características aleatorias, darán origen a los
denominados errores accidentales.
J. Errores de Lectura
Cuando se habla de lectura de un instrumento de medida, se
quiere significar la referencia de la posición relativa del índice y de
la graduación, en esta apreciaciones se comete un error de lectura
debido a las siguientes causas.
1. Paralaje
Como la aguja A se mueve a cierta distancia “m” del plano de la
escala E, se produce el error de paralaje Δl cuando la visual del
operador O no es perpendicular a dicho plano, sino que forma un
ángulo +/-β con la vertical, el ángulo se de observación, resulta
como expresión del error de paralaje
∆𝐼 = +
−𝑚. 𝑡𝑎𝑛𝛽
Fig2.Grafico Paralaje
2. Error debido al límite separador del ojo humano
En condiciones normales de visibilidad la distancia angular
mínima necesaria para observar dos puntos A y B separados según
la figura, es de 2´.
En general, las escalas son, leídas desde una distancia media de
aproximadamente 250 mm.
Propongámonos hallar cual es aquella distancia, la separación
mínima entre los puntos A y B de manera que los mismo se observen
aun distintos o separados; vale decir, cual es el valor de la distancia
AB para que el ángulo AOB valga 2´.
Fig2.Repressentacion de la vista humana respecto a 2puntos
De la figura3, se tiene:
AC =. OC. Tg β/2
AB = 2. AC = 2. OC.
Tg β/2 = 2. 250 mm. Tg 1´
Siendo: tg 1´= 0,000291
Será AB = 0,15 mm
Podemos entonces asegurar Que un ojo normal podrá observar
dos puntos situados a una distancia igual a 250 mm. De su pupila,
en forma perfectamente distinta siempre que los mismos se
encuentren a una distancia igual o mayor que 0,15 mm.
Se comprende que este error, puede ser indistintamente en más o
en menos, y, por otra parte, dado su carácter fisiológico, no es
tampoco una magnitud constante.
3. El error de estimación o de apreciación
El error de apreciación se comete al leer valor de la desviación
encontrándose la aguja entre dos divisiones sucesivas de la escala;
en este caso existe cierta incertidumbre en la apreciación de la
posición exacta de la aguja sobre la escala, incertidumbre que no se
hace leer indistintamente mayor o menor que el verdadero y en una
cantidad representada por la menor fracción que puede apreciarse de
la división considerada sobre la escala.
Fig4.Ejemplo de error de estimación
K. Error Lineal
Linealidad la capacidad de un instrumento de medición para
proporcionar una indicación que tenga relación con una magnitud
determinada distinta de una magnitud de influencia, en base a esto
el error lineal es la desviación de la línea recta a la curva que
representa la magnitud de salida en función de la magnitud de
entrada.
En la Fig.5 se muestran dos curvas de calibración (error de ajuste o
corrección versus indicación): 1) Una del 0…100 % intervalo
nominal de indicación con la cual se muestra gráficamente el
concepto de linealidad para: Pendiente teórica o modelo teórico, el
cual supone que el error de ajuste o la corrección de un instrumente
ideal es cero a lo largo de todo el intervalo nominal de indicación;
Basada en los extremos ó límites (“terminal”) entre los puntos
inferior y superior del intervalo nominal de indicación del 0 % y el
100 %. 2) Otra en un intervalo de medición o trabajo (para el ejemplo
solo de 10…90 %) que no cubre todo el intervalo de indicación,
mostrando gráficamente los conceptos de linealidad para: Puntos
finales (“end-point”) entre los puntos mínimo y máximo observados
experimentalmente en la calibración; Independiente o mejor línea
recta con lo cual la desviación máxima es simétrica por arriba y
debajo de la línea recta; Mínimos cuadrados, con la cual la suma de
los cuadrados de las desviaciones se minimiza, y la cual es la más
utilizada hoy en día, gracias a la facilidad de cálculo con la
computadora, el cual es el método sugerido por la GUM (1995) en
su ejemplo H.3 (calibración de un termómetro), para determinar la
incertidumbre de una curva de calibración lineal (más adelante se
desarrolla un ejemplo numérico paso a paso); Basada en cero o de
cruce por cero, igual a la linealidad independiente de mejor línea
recta (incluso similar al método de mínimos cuadrados) pero
forzando el cruce por cero (a0 = 0).
ser humano y por diferentes circunstancias van aumentando
mientras más se comentan, por lo cual debemos estar muy
minuciosos al momento de realizar los cálculos y realizarlos en
condiciones óptimas para tener una mayor precisión en la solución
de cualquier método numérico.
Los errores del ordenador que se utilicen son mínimos pero se
los puede aún reducir más con un ordenador en óptimas
condiciones y características de un buen nivel ya sea su memoria
RAM, procesador y su sistema operativo.

Todos los cálculos por más precisión que se tenga siempre

tendrán un margen de error el cual es recomendable sea calculado.

VII. REFERENCIAS

Fig.5 Representación de linealidad en diferentes métodos.

L. Error Estático o Estacionario

Es la diferencia entre las señales de entrada y salida durante el
período estacionario o permanente, se lo estudia en el campo
complejo ya que se dispone de las transferencias, para ello se utiliza
el teorema del valor final. Sea e(t) la función error, se define el error
estacionario como:

𝑒𝑠𝑠 = lim 𝑒(𝑡) = lim 𝑠. 𝐸(𝑠)

𝑡→∞ 𝑠→0

Este afecta a señales lentas como las frecuencias menores a

0.01Hz

M. Error Dinámico
Es la diferencia entre las señales de entrada y salida durante el
período transitorio, es decir el tiempo que tarda la señal de respuesta
en establecerse.

Este afecta a señales rápidas.

N. Redondeo y Truncamiento
Redondear quiere decir reducir el número de cifras manteniendo
un valor parecido. El resultado es menos exacto, pero más fácil de
usar. Tomando como ejemplo 9,245; redondeando a la centésima
9,25
Para redondear números decimales tenemos que fijarnos en la
unidad decimal posterior a la que queremos redondear. Si la unidad
es mayor o igual que 5, aumentamos en una unidad decimal
anterior; en caso contrario la cifra se deja igual.
Truncar quiere decir coger tantos números como se nos sea
indicado sin aproximar ningún digito.
Para truncar número en cierta cifra decimal se eliminan las
cifras decimales que le siguen, tomando por ejemplo el truncar el
3,1415 en las centésimas resulta 3,14

VI. CONCLUSIONES
El error con el que trabaja el software a utilizarse (Matlab) es
muy pequeño, por ende es un programa muy preciso que puede ser
utilizado en la asignatura de métodos numéricos para los cálculos a
realizarse.

Los errores que constan en la realización de los cálculos

analíticos son los más comunes porque estos son realizados por el