PROMEDIOS PONDERADOS

Realizamos dos o más mediciones separadas e

independientes de una sola cantidad física.

¿Cómo combinamos estas mediciones para dar la

mejor estimación?
Supongamos que dos estudiantes miden cierta
cantidad física X cuidadosamente y obtienen los
siguientes resultados
• Si la discrepancia 𝑥𝐴 − 𝑋𝐵 entre las dos mediciones es
mucho mayor que los dos incertidumbres 𝜎𝐴 𝑦 𝜎𝐵 , debemos
sospechar que algo ha ido mal en al menos una de las
mediciones.
• En esta situación, diríamos que las dos medidas son
inconsistentes, y debemos examinar ambas medidas
cuidadosamente para ver si uno (o ambos) estaba sujeta a
errores sistemáticos inadvertidos.

Supongamos, sin embargo, que las dos mediciones son

consistentes;
es decir, la discrepancia 𝑥𝐴 − 𝑋𝐵 no es significativamente
más grande que 𝜎𝐴 𝑦 𝜎𝐵 . Podemos entonces preguntarnos
con sensatez cuál es la mejor estimación del verdadero
valor de X,
• Su primer impulso podría ser el uso del promedio simple
(𝑥𝐴 +𝑥𝐵 )
2
• Pero la media no es adecuado si las dos incertidumbres
𝜎𝐴 𝑦 𝜎𝐵 son desiguales.
(𝑥𝐴 +𝑥𝐵 )
• El promedio simple da la misma importancia a
2
ambas medidas, mientras que la lectura más precisa de
alguna manera se debe dar más peso.
¿cuál es la mejor estimación del verdadero valor de X?
• Asumiremos que todos los errores sistemáticos se han
identificado y reducido a un nivel insignificante. Por lo
tanto, todos los errores restantes son aleatorios, y las
mediciones de x se distribuyen normalmente alrededor
del verdadero valor X.
• Podemos resolver nuestro problema fácilmente usando el
principio de máxima verosimilitud.
• Estamos asumiendo que ambas medidas se rigen por la
distribución de Gauss y denotan el valor verdadero
desconocido de x por X.

La probabilidad del estudiante A de obtener su valor 𝑥𝐴 𝑒𝑠:

La probabilidad del estudiante B de obtener su valor 𝑥𝐵 𝑒𝑠:

El subíndice X indica explícitamente que estas

probabilidades dependen del valor real desconocido
La probabilidad de que A se encuentra el valor 𝑥𝐴 y B
encuentre el valor 𝑥𝐵 es sólo el producto de las dos
probabilidades

Haciendo

𝝌 = 𝒄𝒉𝒊 𝒄𝒖𝒂𝒅𝒓𝒂𝒅𝒐
El principio de máxima probabilidad afirma, al igual que antes,
que nuestra mejor estimación del valor desconocido X se da
cuando la probabilidad es máxima, o de manera equivalente
cuando 𝜒 2 es mínimo.
(Debido a que se maximiza la probabilidad, esto implica
minimizar la "suma de los cuadrados", 𝜒 2 . Este método de
estimación de X a veces se llama el "método de los mínimos
cuadrados.") Por lo tanto, para encontrar la mejor estimación,
simplemente diferenciamos 𝜒 2 con respecto a X y hacemos la
derivada igual a cero,

Derivamos:
Definimos

Por lo tanto, reescribiendo el mejor valor de X como

un promedio ponderado:
Se hizo el análisis para dos medidas, generalizando:

Se realizan N medidas por separados de una cierta cantidad

física X:

σ𝑵
𝒊 𝒘𝒊 𝒙𝒊
El mejor valor de X es: 𝑿= 𝑵
σ𝒊 𝒘𝒊
𝟏
𝒘𝒊 = 𝟐 , 𝒊 = 𝟏, 𝟐 … … 𝑵
𝝈𝒊

La incertidumbre se 𝟏
puede demostrar que 𝝈𝒘𝒂𝒗 =
σ 𝒘𝒊
es:
Ejemplo: Tres estudiantes realizan medidas de resistencia
eléctrica de un alambre de nicrom, obteniéndose los siguientes
resultados

Hallar el mejor valor de R con su respectiva incertidumbre

Hallamos los pesos para
cada incertidumbre
Ejercicio
Se hacen cuatro mediciones de la longitud de onda de luz emitida por
un cierto átomo. Los resultados son:
L1 (nm) L2 (nm) L3 (nm) L4 (nm)
503 ± 10 491 ±8 525 ± 20 570 ± 40

Encuentre el promedio ponderado y su incertidumbre. ? Vale la pena

incluir el último resultado?