1. Errores de Medicin 1.1 Introduccin En Fsica, las magnitudes se definen de manera operacional.

Ello implica fijar un procedimiento de medicin para las mismas; es decir, establecer un conjunto de operaciones fsicas que se deben realizar para asignar un nmero a cada magnitud considerada. Este proceso incluye tambin la definicin de los patrones de medida. Los procedimientos de medicin cambian y se perfeccionan con el progreso de la Fsica. De una misma magnitud se pueden dar varias definiciones operacionales. Por ejemplo, un intervalo de tiempo puede medirse: ! por el ngulo que barre en dicho intervalo la Tierra en su rotacin, ! por un nmero determinado de oscilaciones de un pndulo o de un resorte con caractersticas bien definidas, ! por el correspondiente nmero de vibraciones de un cristal de cuarzo de cierto espesor, ! por la cantidad de radio (Ra) desintegrada, ! por un reloj atmico, etctera. La Fsica constituye una estructura coherente, y en ello influye de manera decisiva el hecho de que mediante distintas definiciones operacionales de una misma magnitud fsica se obtienen resultados que son aproximadamente iguales. 1.2 Sistema Internacional de Unidades El Sistema Internacional de Unidades, cuya abreviatura es SI en todos los idiomas, es la culminacin de ms de un siglo de esfuerzos internacionales encaminados a establecer un sistema universalmente aceptable de unidades de medida. En Mxico se le conoce como Sistema General de Unidades de Medida y constituye la Norma Oficial Mexicana NOM-008-SCFI-2002. La Ley Federal sobre Metrologa y Normalizacin (LFMN) establece lo siguiente: Artculo 5. En Mxico, el Sistema General de Unidades de Medida es el nico legal y de uso obligatorio. Se integra con el Sistema Internacional de Unidades (SI) y con las unidades fuera de este sistema que adopte la Conferencia General de Pesas y Medidas (CGPM). Por consiguiente, el Sistema Internacional es el sistema de unidades oficial en Mxico. El SI comprende dos tipos de unidades: unidades de base o fundamentales y unidades derivadas. Abarca asimismo una serie de prefijos que permiten formar mltiplos y submltiplos en potencias de diez de las unidades que se utilizan. El SI tambin comprende el uso de reglas de escritura para escribir

correctamente los valores de las magnitudes con los smbolos de las unidades del SI, con lo cual evita confusiones y permite una comunicacin unvoca. Unidades de Base. Se han elegido siete unidades para que sirvan de base al SI, las cuales se indican en la Tabla 1.1 MAGNITUD Longitud Masa Tiempo intensidad de corriente elctrica temperatura termodinmica intensidad luminosa cantidad de sustancia NOMBRE metro kilogramo segundo Ampere Kelvin Candela Mol SIMBOLO m kg s A K cd mol

Tabla 1.1 Unidades de base o fundamentales del SI. Las definiciones de las unidades de base o fundamentales del SI son: El metro (m) se define como la longitud de la trayectoria recorrida por la luz en el vaco en un lapso de 1 / 299 792 458 de segundo (17 Conferencia General de Pesas y Medidas de 1983). El kilogramo (kg) se define como la masa igual a la del prototipo internacional del kilogramo (1 y 3 Conferencia General de Pesas y Medidas, 1889 y 1901). El segundo (s) se define como la duracin de 9 192 631 770 perodos de la radiacin correspondiente a la transicin entre los dos niveles hiperfinos del estado base del tomo de cesio 133 (13 Conferencia General de Pesas y Medidas, 1967). El ampere (A) se define como la intensidad de una corriente constante, que mantenida en dos conductores paralelos, rectilneos, de longitud infinita, de seccin circular despreciable, colocados a un metro de distancia entre s en el vaco, producira entre estos conductores una fuerza igual a 2 X 10-7 Newton por metro de longitud (9 Conferencia General de Pesas y Medidas, 1948). El kelvin (K) se define como la fraccin 1/273,16 de la temperatura termodinmica del punto triple del agua (13 Conferencia General de Pesas y Medidas, 1967). El mol (mol) se define como la cantidad de materia que contiene tantas unidades elementales como tomos existen en 0,012 kilogramos de carbono 12 (12C) (14 Conferencia General de Pesas y Medidas, 1971). La candela (cd) se define como la intensidad luminosa, en una direccin dada de una fuente que emite una radiacin monocromtica de frecuencia 540 x 1012 Hz y

cuya intensidad energtica en esa direccin es de 1/683 Watt por esterradin (16 Conferencia General de Pesas y Medidas, 1979). Por ltimo cabe mencionar que el SI es una versin ampliada del sistema MKS/MKSA/Giorgi que se ha venido utilizando desde 1901 y que la Conferencia General de Pesas y Medidas adopt en 1954 aadindole otras unidades y cambiando su nombre por el de Sistema Internacional de Unidades (SI) en 1960. 1.3 Unidades que no pertenecen al SI Existe algunas unidades que no son del SI pero que su uso es tan amplio que es imprctico abandonar su uso, como son las unidades de tiempo (ao, mes, da, hora, minuto), de masa (tonelada mtrica), las que se utilizan para medir ngulo plano (grado, minuto segundo), y otras, as como las del Sistema Ingls de Unidades o Sistema Imperial, el cual es an usado ampliamente en los Estados Unidos de Amrica y, cada vez en menor medida, en algunos pases con tradicin britnica. Debido a la intensa relacin comercial que tiene nuestro pas con los EUA, existen an en Mxico muchos productos fabricados con especificaciones en este sistema. Ejemplos de ello son los productos de madera, tornillera, cables conductores y perfiles metlicos. Algunos instrumentos como los medidores de presin para neumticos automotrices y otros tipos de manmetros frecuentemente emplean escalas en el sistema ingls. A diferencia del SI, no existe una autoridad nica en el mundo que tome decisiones sobre los valores de las unidades en el sistema ingls. De hecho, algunas unidades tienen valores diferentes en diversos pases. Para el usuario mexicano, por nuestra estrecha relacin con los EUA, tal vez la referencia ms conveniente es la aceptada en ese pas. Por ese motivo, el CENAM recomienda referirse al portal de Internet del National Institute of Standards and Technology (NIST), laboratorio nacional de metrologa de los EUA, para obtener informacin confiable sobre factores de conversin. 1.4 El Centro Nacional de Metrologa El Centro Nacional de Metrologa (CENAM) es el laboratorio nacional de referencia en materia de mediciones. Es responsable de establecer y mantener los patrones nacionales, ofrecer servicios metrolgicos como calibracin de instrumentos y patrones, certificacin y desarrollo de materiales de referencia, cursos especializados en metrologa, asesoras y venta de publicaciones. Mantiene un estrecho contacto con otros laboratorios nacionales y con organismos internacionales relacionados con la metrologa, con el fin de asegurar el reconocimiento internacional de los patrones nacionales de Mxico y, consecuentemente, promover la aceptacin de los productos y servicios de nuestro pas. 3

El CENAM fue creado con el fin de apoyar el sistema metrolgico nacional como un organismo descentralizado, con personalidad jurdica y patrimonio propios, de acuerdo al artculo 29 de la Ley Federal sobre Metrologa y Normalizacin, publicada en el Diario Oficial de la Federacin el 1 de julio de 1992, y sus reformas publicadas en el Diario Oficial de la Federacin el 20 de mayo de 1997. En relacin a las funciones del CENAM, la Ley Federal sobre Metrologa y Normalizacin establece lo siguiente: Artculo 30. El Centro Nacional de Metrologa tendr las siguientes funciones: I. Fungir como laboratorio primario del Sistema Nacional de Calibracin; II. Conservar el patrn nacional correspondiente a cada magnitud, salvo que su conservacin sea ms conveniente en otra institucin; III. Proporcionar servicios de calibracin a los patrones de medicin de los laboratorios, centros de investigacin o a la industria cuando as se solicite, as como expedir los certificados correspondientes; IV. Promover y realizar actividades de investigacin y desarrollo tecnolgico en los diferentes campos de la Metrologa, as como coadyuvar a la formacin de recursos humanos para el mismo objetivo; V. Asesorar a los sectores industriales, tcnicos y cientficos en relacin con los problemas de medicin y certificar materiales patrn de referencia; VI. Participar en el intercambio de desarrollo metrolgico con organismos nacionales e internacionales y en la intercomparacin de los patrones de medida; VII. Dictaminar a solicitud de parte, sobre la capacidad tcnica de calibracin o medicin de los laboratorios que integren el Sistema Nacional de Calibracin; VIII. Organizar y participar, en su caso, en congresos, seminarios, conferencias, cursos o en cualquier otro tipo de eventos relacionados con la Metrologa; IX. Celebrar convenios con instituciones de investigacin que tengan capacidad para desarrollar patrones primarios o instrumentos de alta precisin, as como instituciones educativas que puedan ofrecer especializaciones en materia de Metrologa; X. Celebrar convenios de colaboracin e investigacin metrolgica con instituciones, organismos y empresas tanto nacionales como extranjeras; y XI. Las dems que se requieran para su funcionamiento. 4

El CENAM se encuentra ubicado en el km 4.5 de la Carretera a Los Cus, Municipio de El Marqus, a 11 km de la ciudad de Quertaro. Su pgina de Internet es www.cenam.mx y a travs de ella se pueden bajar en forma gratuita la Norma Oficial Mexicana NOM-008-SCFI-2002 que contiene y describe en forma completa y detallada al SI (Sistema General de Unidades de Medida en Mxico) y el texto ntegro de la Ley Federal sobre Metrologa y Normalizacin. 1.5 Vocabulario Internacional de Metrologa El Vocabulario Internacional de Metrologa (VIM) es publicado en Mxico como la norma mexicana NMX-Z-055-1997:IMNC. Algunas definiciones relacionadas a la medicin de magnitudes son: Medicin: conjunto de operaciones que tienen por objeto determinar el valor de una magnitud. Valor de una magnitud: expresin cuantitativa de una magnitud particular, expresada generalmente en la forma de una unidad de medida multiplicada por un nmero. Ejemplo: longitud 5,34 m; masa 0,152 kg; cantidad de substancia 0,012 mol 12 mmol Unidad (de medida): magnitud particular, definida y adoptada por convencin, con la cual se comparan las otras magnitudes de la misma naturaleza para expresar cuantitativamente su relacin con esa magnitud. Ejemplo: metro, segundo, kilogramo, Newton, Pascal, Joule Magnitud (medible): Atributo de un fenmeno, cuerpo o substancia que es susceptible de ser diferenciado cualitativamente y determinado cuantitativamente. Ejemplo: longitud, tiempo, masa, temperatura, densidad, etc. Mensurando: Magnitud particular sujeta a medicin. Ejemplo: Presin de vapor de una muestra dada de agua a 20 C. Resultado de una medicin: Valor atribuido a un mensurando, obtenido por medicin. Una informacin completa del resultado de una medicin incluye informacin sobre la incertidumbre de la medicin.

Exactitud de medicin: Proximidad de concordancia entre el resultado de una medicin y un valor verdadero del mensurando. Exactitud de un instrumento de medicin: aptitud de un instrumento de medicin para dar respuestas prximas al valor verdadero. Repetibilidad (de los resultados): Proximidad de concordancia entre los resultados de mediciones sucesivas del mismo mensurando, con las mediciones realizadas con la aplicacin de la totalidad de las siguientes condiciones mismo procedimiento de medicin, mismo observador, mismo instrumento, mismo lugar, mismas condiciones de uso, repeticin en un periodo corto de tiempo. Reproducibilidad (de los resultados): Proximidad de concordancia entre los resultados de mediciones del mismo mensurando, con las mediciones realizadas haciendo variar las condiciones de medicin tales como: principio de medicin, mtodo de medicin, observador, instrumento, patrn de referencia, lugar, condiciones de uso, tiempo. Algunos conceptos relacionados directamente con la estimacin de la incertidumbre son: Magnitud de influencia: magnitud que no es el mensurando, pero que afecta al resultado de la medicin. Ejemplos: La temperatura de un micrmetro cuando se mide una longitud; La frecuencia en la medicin de la amplitud de una tensin elctrica alterna; Condiciones de referencia: Condiciones de uso prescritas para las pruebas de funcionamiento de un instrumento de medicin o para la intercomparacin de resultados de mediciones. Algunas caractersticas de los instrumentos de medicin que inciden en la estimacin de la incertidumbre son:

Resolucin: Mnima diferencia de indicacin de un dispositivo indicador, que puede ser percibida de manera significativa. Valor de una divisin de la escala: Diferencia entre los valores correspondientes a dos marcas sucesivas de la escala. Histresis: Propiedad de un instrumento donde la respuesta a una seal de entrada depende de la secuencia de las seales de entrada (o los valores de las magnitudes de influencia) precedentes. Error (de medicin): Resultado de una medicin menos un valor verdadero del mensurando. 2. Incertidumbre y Errores El resultado de una medicin (valor de una magnitud) es un nmero real. Se le interpreta como el nmero de veces que la unidad de medida est contenida en la magnitud en cuestin. Existe una variabilidad inherente al resultado de la medicin por lo cual nunca se conoce el valor verdadero de la magnitud sujeta a medicin. Por consiguiente, cuando se mide una magnitud, slo se puede determinar el valor ms cercano al valor verdadero (valor ms probable) y se debe estimar la incertidumbre (variabilidad) asociada al valor obtenido. Para asegurar la confiabilidad de las mediciones, es necesario realizar una serie de comparaciones con patrones cada vez de mayor exactitud (o menor incertidumbre) hasta llegar al patrn primario. Directamente relacionados a esta caracterstica, se deben considerar el principio de medicin (base cientfica de una medicin) y el mtodo de medicin (secuencia lgica de las operaciones, descritas de manera genrica, utilizadas en la ejecucin de las mediciones). Por consiguiente, el resultado de una medicin contiene al menos dos cantidades: el valor ms probable considerado como el ms cercano al verdadero y la estimacin de la incertidumbre sobre dicho valor. La mejora de la calidad de las mediciones implica el mejoramiento de las mismas, lo cual significa realizar mediciones ms exactas; es decir, mediciones con incertidumbre cada vez ms baja. Podemos decir entonces que la incertidumbre es aquella caracterstica que impide conocer con certeza el valor verdadero de una magnitud. Mientras ms larga sea la cadena de comparaciones hasta llegar al patrn primario, el valor de la incertidumbre ser ms grande. Por otra parte, el nivel de incertidumbre adecuado depende de las necesidades del cliente. Por ejemplo, la incertidumbre que se requiere para que las sillas de un comedor se vean idnticas es menor que el nivel de

incertidumbre requerido para que los pistones del motor de un automvil hagan que ste funcione con mayor eficiencia y sin vibraciones. La incertidumbre, al igual que el valor verdadero, slo se estima, ya que no se puede cuantificar con exactitud. Su valor depende fundamentalmente de los instrumentos utilizados, de la experiencia de quien est midiendo y de la variacin de los parmetros que influyen en la magnitud que se mide durante el proceso de obtencin de su valor. Todos estos factores representan, junto con las magnitudes de influencia, las fuentes de la incertidumbre. Veamos primero algunos conceptos bsicos sobre errores, antes de adentrarnos en el clculo formal de la incertidumbre. El valor X de la medicin de una magnitud X slo tiene sentido cuando se puede valorar el error que la afecta con respecto a otro valor X que se toma como referencia. Ese error se llama absoluto si se expresa por (2.1) de donde (2.2) En un conjunto de mediciones el signo de "*X puede ser tanto positivo como negativo y por ello es costumbre tomar (2.3) y escribir X = X "X Ejemplos Constante de los gases R = (8,31696 0,00034) J/mol!K masa del electrn en reposo me = (9,1083 0,0003) x 10-31kg constante de Boltzmann k = (1,38044 0,00007) x 10-23 J/K. A veces no se indica el valor de "X, en cuyo caso se entiende que es igual a la mitad de la unidad correspondiente a la ltima cifra significativa. Por ejemplo, si se escribe aceleracin normal de la gravedad g = 9,80 m/s2 se entiende que g = (9,80 0,005) m/s2 (2.4)

El significado de X (valor verdadero, valor promedio, etc.) determina la denominacin que se da a "X (error absoluto del valor verdadero, del valor medio, etc.). Si X es el valor ms probable, entonces "X es su incertidumbre (error del promedio Ep) y para determinarla, es necesario aplicar la teora estadstica de errores casuales. Dicha teora establece el mtodo para obtener la estimacin de la incertidumbre para magnitudes que se miden tanto en forma directa como indirecta. El error absoluto de la medicin X no es suficiente para caracterizar la exactitud de la misma. Por eso se define el error relativo. (2.5) que es el error por cada unidad de escala en la que se mide la magnitud a determinar. El error porcentual es (2.6) e indica el error que se comete por cada 100 unidades de la escala usada. Se llama repetibilidad al valor inverso del error relativo, es decir (2.7) La repetibilidad de un instrumento o de un mtodo de medida es su mayor o menor capacidad para repetir los valores de las mediciones de una magnitud realizadas en las mismas condiciones. No obstante, antes de la repetibilidad se debe considerar primero la exactitud de un instrumento de medicin, la cual se define como la aptitud del instrumento de medicin para dar respuestas prximas al valor verdadero. Es conveniente sealar que la exactitud es un concepto cualitativo. Ejemplos 1) Se mide la altura desde donde se deja caer una esfera con una regla graduada en cm y se obtiene X = 84,0 cm con un error de apreciacin "X = 0,5 cm. As:

2) Se mide el dimetro de un alambre con un calibre dotado de un vernier con relacin 9/10. Se obtiene d = 3,1 mm, y el error de apreciacin es de una divisin del vernier, o sea "X = 0,1 mm. Entonces

Obsrvese que an cuando el error de apreciacin es 50 veces mayor en el ejemplo 1, la repetibilidad de la medicin es mucho mayor y, en consecuencia, son menores los errores relativos y porcentual. Tambin se desprende que un instrumento no tiene una repetibilidad intrnseca, sino que la misma est en relacin con la magnitud que se va a medir. 2.1 Clasificacin de los Errores A menudo se acostumbra hacer una clasificacin extensa y pormenorizada de los errores de medicin. En rigor, stos pueden clasificarse en tres tipos: sistemticos, de apreciacin, y casuales, a los cuales tambin se les conoce como accidentales o al azar. Errores Sistemticos. Son aquellos de valor y signo constante o que corresponden a una ley conocida y producen desviaciones constantes. Por tanto, se pueden corregir por comparacin con instrumentos patrones o por mtodos especiales como la doble pesada, la lectura en dos escalas distintas de un voltmetro, etc. Entre los casos ms comunes de errores sistemticos se pueden citar: escalas mal calibradas, relojes que atrasan o adelantan, balanzas de brazos desiguales, etc. Errores de Apreciacin. Las determinaciones experimentales con algunos instrumentos se reducen a la lectura sobre una escala graduada. Al efectuar la lectura el observador debe apreciar una fraccin de la menor divisin de la escala. 10

En esta valoracin va implcito un error que se denomina de apreciacin y que depende del tipo de dispositivo de lectura, de la separacin entre divisiones sucesivas, y de la habilidad del observador. As, es muy difcil apreciar fracciones de una escala milimtrica a simple vista, mientras que si se mide una longitud con una escala graduada en cm un observador sin experiencia podr distinguir fracciones de 0,5 a 0,3 cm, en tanto que uno capacitado puede garantizar la fraccin 0,2 cm. Los errores de apreciacin sern, pues, de 0,5, 0,3 0,2 cm. El signo del error de apreciacin puede ser tanto positivo como negativo, su valoracin es aproximada, y puede considerarse constante para un mismo observador que opere en iguales condiciones. En el caso de una escala provista de vernier con relacin 9/10 puede ocurrir que la coincidencia de una divisin del nonius con una de la escala sufra una indeterminacin de una divisin del vernier. En tal caso el error de apreciacin es de 0,1 mm. Si se trata de un nonius de relacin 49/50 la indeterminacin puede resultar de dos o tres divisiones del nonius, y los errores 0,04 0,06 de mm, respectivamente. Un caso particular es la medida de intervalos con cronmetros de disparador mecnico. La aguja se mueve a saltos de 1/5 o 1/10 s, segn el tipo de reloj. Como el tiempo de reaccin de un observador est entre 1/5 y 1/10 s, debe tenerse en cuenta y sumarse al error de apreciacin. Por ejemplo, si el perodo de oscilacin de un pndulo es del orden de un segundo, un error de 1/5 s es muy grande e invalidar la medida. Sin embargo, en el caso de medicin de perodos este error se puede atenuar de manera considerable midiendo lapsos correspondientes a un nmero suficientemente grande de perodos. En efecto, sea t el lapso correspondiente a n perodos de duracin T: t=nT si el error de apreciacin es "t = 1/5 s se tiene (2.8) El error "t disminuye en forma inversamente proporcional al nmero de perodos que se midieron; recprocamente, si se fija el error se puede calcular el nmero de perodos que es necesario tener en cuenta para no cometer errores superiores al establecido. Ejemplo: si al medir T = 2 s con un cronmetro para el que resulta "t = 1/5 s se quiere que sea e% = 1,0% se obtiene:

11

2.2 Desviaciones Intrnsecas en los Instrumentos de Medicin Todo instrumento de medicin introduce un rango de incertidumbre que es independiente del observador y que en general est especificado por el fabricante. Cuando se carece de esa informacin y de otro aparato que permita hacer un contraste, es necesario establecer algn criterio para determinar los errores. Si se trata de un aparato analgico, se puede suponer que cualquier medicin introduce una incertidumbre igual o mayor que la mitad de la divisin mas pequea de la escala. Si el instrumento es digital, su puede variar la sensibilidad del medidor hasta obtener un rango en el cual el nmero en pantalla sea estable y tomar una incertidumbre igual o mayor que una unidad del ltimo dgito en pantalla. 3. Mediciones Directas e Indirectas Mediciones Directas Se denomina medicin directa a la operacin de lectura en un instrumento utilizado para medir una cierta magnitud. Ejemplos: determinacin de una distancia con una cinta mtrica, de una masa con una balanza de brazos iguales, de una fuerza con una dinammetro, etctera. Mediciones Indirectas Una medicin indirecta es la que se obtiene aplicando una frmula o una ley fsica a las magnitudes que se miden directamente. Ejemplos: clculo de la superficie de una habitacin rectangular por el producto de las longitudes, largo y ancho, que se miden directamente; obtencin de la aceleracin de la gravedad con un pndulo ideal mediante la ley:

donde se relaciona la magnitud g a medir con el perodo T y la longitud l del pndulo, medibles en forma directa con cronmetro y regla. 4. Cifras Significativas

12

La exactitud de una medicin, que depende del instrumento usado y de la habilidad del observador, se indica por el nmero de cifras significativas, el que est limitado por la incertidumbre. Por ejemplo, no se debe escribir: X = (35,54 0,3) m ya que no se puede dar una medida con centsimos si la incertidumbre est limitando la exactitud a las dcimas. Si al medir una longitud con una regla graduada en mm se obtiene un valor de 8,35 cm, los dgitos son todos significativos aunque el ltimo est afectado de error por tratarse de la apreciacin de una fraccin de la menor divisin de la escala. El nmero de cifras significativas no vara si se cambia de unidades y se escribe 0,0835 m o 83 500 m. Los ceros a la izquierda en el primer caso, y a la derecha en el segundo, sirven para situar la coma decimal y no se cuentan como cifras significativas. El verdadero nmero de cifras significativas puede indicarse siempre utilizando potencias de 10 para poner la coma decimal a la derecha del primer dgito: 8,35 x 10-2 m 8,35 x 104 m. Los clculos aritmticos realizados con las magnitudes medidas deben tener en cuenta sus incertidumbres y es necesario establecer un criterio para acotar la cantidad de cifras significativas en los valores numricos que se obtienen por clculo. Se supone que al operar, las cifras afectadas de error, que a continuacin se colocan entre parntesis, generan cifras con error. Los ejemplos siguientes ilustran al respecto. Suma: 1, 3 2 (5)m 0, 4 (7) m 1, 7 (9) (5)m 21, 3 (4)s + 9, 8 (1)s 31, 1 (5)s 13, + 8, 9, 31, 7 5 3 7 6 (9) kg (8)kg (7)kg (1) (9) kg

Los resultados se deben escribir (1,79 "X), (31,15 "X) y (31,71 "X), donde "X es la suma de los errores de los sumandos y determina la exactitud con que puede escribirse la suma. Resta: Se sigue el mismo criterio que en la suma, de modo que el resultado se escribe con un error que es la suma de los errores del minuendo y sustraendo. Producto: 3 2, (8) x 5, 4 (2) (6) (5) (6) 1 3 (1) (2) m # "X= 0,5 m m # "Y= 0,5 m e%(x) = 1,52 e%(Y) = 0,92 (4.2) 13

1 6 4 (0) 1 7 7, (7)

______ (7) (6)m2 e%(S) = x 100 = e%(x) + e%(Y) = 2,44

5 3, (2) x 0, 8 (1) (5) (3) (2) 4 2 (5) $ = 4, 3 (0) (6)______ (9) (2)

N # "F= 0,01 N # e% (F) = 0,2% m # "L= 0,01 m # e% (L) = 1,2% (4.3) e%($)=1,4%= N%m x 100

$ = (4,30 0,06) N%m Como se deduce de los ejemplos, el error porcentual del resultado es igual a la suma de los errores porcentuales de los factores. Cociente: Se sigue el mismo criterio que en el producto, por lo que el error porcentual de la divisin es igual a la suma de los errores porcentuales del dividendo y del divisor. Potenciacin: Como caso particular del producto se multiplica el error porcentual de la base tantas veces como lo indica el exponente.

Radicacin: El resultado tiene un error porcentual que es igual al error porcentual del radicando dividido entre el ndice de la raz.

14

5. Errores Casuales Los errores casuales dependen de fluctuaciones inevitables e imprevisibles de los parmetros fsicos que influyen en la magnitud que se mide, y pueden deberse al observador, al instrumento de medida, a la magnitud a medir, a la variacin del medio ambiente, etc. Provienen de mltiples factores inapreciables cuya magnitud y signo no se pueden predecir. Estas alteraciones son las que provocan que mltiples medidas que se llevan a cabo en idnticas condiciones no arrojen el mismo valor. Provienen de fuentes de error independientes que producen pequeas desviaciones individuales, errticas, positivas y negativas, imposibles de detectar. Cada uno de los errores accidentales es la suma algebraica de un gran nmero de pequeos errores cuyas causas son numerosas y pueden actuar con uno u otro signo, es decir que dichas variaciones se deben al azar. Las fluctuaciones de estos parmetros influirn, en general, de manera distinta en los resultados de cada medida. A veces, en las mediciones sucesivas, aparentemente se repite el mismo valor. Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son ms pequeas que la menor apreciacin del instrumento empleado. Deben eliminarse de los errores azarosos aquellos debidos a distraccin del observador (confundir en una escala un nmero con otro, registrar mal el valor de una pesa, etc.). Cuando en un conjunto de mediciones algunas de ellas son notoriamente distintas de las dems, es muy probable que se deban a distraccin y por lo tanto, hay que desecharlas. La clasificacin de errores propuesta no es rgida y puede ser modificada. Adems, un perfeccionamiento en los procesos de medicin puede poner de manifiesto nuevos errores sistemticos que con anterioridad se les inclua en los accidentales. 6. Teora Estadstica de Errores Casuales La teora estadstica de errores establece, fundamentalmente, el tratamiento matemtico que debe darse a un conjunto de resultados para obtener la mejor aproximacin de la medida buscada y su lmite probable de error o incertidumbre. 15

Dado el carcter aleatorio de las perturbaciones no puede obtenerse una estimacin aceptable de una magnitud medida con una sola medicin, an acotando los lmites probables de error. Por eso es necesario hacer mltiples mediciones en condiciones similares y deducir de ellas el valor ms probable y su incertidumbre. Por su parte, el valor ms probable no tendr sentido si no se puede saber su incertidumbre. Esto implica que siempre se debe especificar el valor ms probable y un entorno de amplitud 2 "X dentro del cual se espera que se encuentre cualquier nueva medicin hecha en idnticas condiciones. Para cada magnitud medida, se tendr pues un intervalo de confianza donde se encuentra el valor verdadero X de la magnitud medida, es decir: (6.1) Geomtricamente

Figura 6.1 Intervalo de confianza donde se encuentra el valor verdadero. Es obvio que la disminucin de este intervalo indica una mayor exactitud en la determinacin de la magnitud medida. Se describir a continuacin el mtodo para determinar el valor ms probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describir la forma de evaluar la calidad de un proceso de medicin. Sea un conjunto de N eventos, en particular mediciones. Se denomina frecuencia absoluta f de un evento o medida particular x1 al nmero N1 de veces que el mismo aparece. (6.2) y frecuencia relativa p del mismo al cociente (6.3) donde N es el nmero total de eventos. Para que la aplicacin de la teora estadstica a un conjunto de mediciones sea vlida, es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas, a saber:

16

a.

La frecuencia relativa de un evento o medida x1 tiende a un valor lmite W1 que se llama probabilidad cuando N crece indefinidamente. Es decir (6.4)

b.

El lmite W1 antes mencionado es independiente del modo que se tomen los elementos x1 del total de N eventos. Es decir, si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1/N y p(x1) = N1/N, se debe cumplir que (6.5)

De manera experimental se comprueba que si en un conjunto de mediciones de una magnitud fsica slo se cometen errores casuales, dicho conjunto cumple siempre las condiciones a) y b), por lo que se puede aplicar la teora estadstica en el tratamiento de los errores casuales. La definicin de la probabilidad como el lmite de la frecuencia relativa requerira un nmero infinito de mediciones, pero es un hecho experimental que el cociente N1/N tiende a estabilizarse con bastante rapidez, siendo mayor el nmero de cifras que se estabilizan cuanto mayor es N. Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad. Se han empleado expresiones como si N es suficientemente grande y otras similares. No existe un criterio riguroso de validez general que indique cual es el nmero de mediciones correcto, sino que ste depender en cada caso de las condiciones del proceso de medicin, del instrumental disponible y de la exactitud que se desea obtener. 6.1 Variables Continuas y Discretas Una magnitud fsica es continua para un determinado proceso de medicin, cuando la resolucin de los instrumentos involucrados est muy lejos de la apreciacin de las discontinuidades vinculadas a la naturaleza microscpica y cuntica de dicha magnitud. La determinacin de cualquier magnitud fsica continua slo puede hacerse con determinado grado de exactitud que depende de los instrumentos utilizados, de la experiencia de quien est midiendo y de la variacin de los parmetros que influyen en dicha magnitud durante el proceso de su obtencin. En la obtencin de magnitudes fsicas continuas lo ms que se puede lograr es la mejor estimacin o el valor ms probable de las mismas teniendo en cuenta

17

el conjunto de los resultados obtenidos, y tratar de determinar los lmites probables de error. Cuando se trabaja en fsica experimental por lo general se asla un sistema y se trata de determinar como varan sus propiedades en condiciones que se fijan de manera adecuada. Estas propiedades se especifican midiendo parmetros tales como temperatura, velocidad, masa, energa, carga elctrica, tiempo, magnetizacin, densidad, etc. En los sistemas macroscpicos que se estudian comnmente en fsica general, estos parmetros varan en forma continua. Se sabe, en cambio, que ciertas propiedades microscpicas de los sistemas como la carga elctrica, la energa, entre otras, varan de manera discreta. Las magnitudes continuas no tienen rango preestablecido de variacin y su nica limitacin es el nmero de cifras con que se puede obtener cada medicin y que est predeterminado por la resolucin del instrumento de medida. 6.2 Distribucin de Frecuencias Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticin de mediciones o ensayos de cualquier tipo, que se hicieron en condiciones similares, se debe seguir algn mtodo que permita obtener informacin de dicho conjunto. Al encontrar un conjunto as, lo primero que llama la atencin es el hecho de que unos datos se repiten ms que otros, es decir, que aparecen con distintas frecuencias. Obviamente los que ms se repiten debern tener una incidencia mayor sobre la magnitud a determinar. Por ejemplo, cuando se arrojan dos dados la frecuencia mayor corresponde al nmero con mayor probabilidad de aparecer. Es por ello que una primera interpretacin del conjunto de datos puede hacerse a travs del estudio de la frecuencia con que aparece cada uno. Cuando los datos corresponden a una variable discreta bastar determinar la frecuencia de los valores posibles de la misma. En cambio, las mediciones sucesivas de una magnitud fsica continua dan un conjunto de aproximaciones, siendo en general distintos los resultados de las distintas mediciones. Mediciones ms exactas mejoran la aproximacin de la medida que se busca, pero no vara el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen. De aqu surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de stos en lugar de la frecuencia de cada dato. Sea x1, x2, x3,., xN un conjunto de datos obtenidos de una serie de mediciones de una magnitud fsica. El primer paso consiste en determinar los extremos menor xm y mayor xM. Se llama rango a su diferencia R = xM xm (6.1)

18

Para estudiar como vara la frecuencia de las mediciones se divide R en un cierto nmero de intervalos. Determinacin de los intervalos La siguiente es una indicacin de uno de los mtodos de clculo para determinar los intervalos. Es importante tener en cuenta que si bien existen otros, cualquiera de ellos, cuando se aplica en forma correcta, debe conducir a las mismas conclusiones. Tambin es obvio que si "X es la menor apreciacin de cada medicin X, esa ser la menor amplitud con que se pueden escoger los intervalos. En general suelen tomarse entre cinco y veinte intervalos, dependiendo de la cantidad de datos y de su dispersin. Puede elegirse, por ejemplo, el nmero entero A que mejor aproxime a , siendo N el nmero de datos. Este nmero es tentativo y puede variar en una o dos unidades despus de calcular la amplitud. Se pueden escoger amplitudes iguales o distintas para los intervalos, segn el estudio concreto que se realice. En el caso ms comn la amplitud d es la misma para todos y se calcula haciendo (6.2) donde se aproxima d de manera que tanto d como d/2 tengan la misma repetibilidad que los datos. Para fijar ideas se desarrollan los clculos en base a la siguiente tabla de datos:
N X[cm] 1 2 3 4 5 138 146 168 146 161 N X[cm] 6 7 8 9 10 157 144 165 135 128 N X[cm] 11 12 13 14 15 164 158 126 173 145 N X[cm] 16 17 18 19 20 150 140 138 142 135 N X[cm] 21 22 23 24 25 132 147 176 147 142 N X[cm] 26 27 28 29 30 144 136 163 135 150 N X[cm] 31 32 33 34 35 125 148 119 153 156 N X[cm] 36 37 38 39 40 149 152 154 140 145

Tabla 6.1 Tabla de datos De ella se obtiene: Xm = 119 cm XM = 176 cm R = 176 cm 119 cm = 57 cm 19

para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm. Sin embargo, d/2 tambin debe ser entero, por lo que el nico valor que cumple ambas condiciones es: d = 10 cm Para que no haya ambigedad en la distribucin posterior de las mediciones, los extremos consecutivos de los intervalos se distancian una unidad del ltimo orden decimal con que se obtuvieron los datos. Por ejemplo, al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla, uno de ellos podra ser (143 ; 153) cm. Si el siguiente se toma (153 ; 163) cm, el dato 153 cm, que es el N 34 de la tabla, puede incluirse en cualquiera de ellos. Separando los intervalos como se indic, el segundo queda (154 ; 164) cm, y todos los datos tienen una ubicacin bien definida. Un clculo simple permitir elegir el lmite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unin de todos los intervalos. Se toma Xm como origen y se calculan los intervalos. Con los datos de la tabla son: (119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm Si el extremo superior coincidiera con XM estos seran los intervalos definitivos. En este ejemplo, en cambio 184 XM = (184 176) cm = 8 cm Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango, por lo que los intervalos definitivos son: (115 (126 (137 (148 (159 (170 125) cm 136) cm 147) cm 158) cm 169) cm 180) cm 20

Intervalos tentativos

Rango Intervalos definitivos

Figura 6.1 Rango e intervalos de clase Limites reales: Son los puntos medios de los lmites contiguos de dos intervalos sucesivos y tienen una cifra ms que los datos. Los lmites reales primero y ltimo estn igualmente distanciados de los intervalos primero y ltimo.

Figura 6.2 Lmites reales Marcas de Clase: Son los puntos medios de los intervalos, y en los clculos con datos agrupados se asigna a dichos nmeros la frecuencia. Es decir, si en un intervalo se tiene f datos, se entiende que es la marca de clase la que se repite f veces. La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los lmites reales.

Tabla de Distribucin de Frecuencias Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo, frecuencia absoluta, frecuencia relativa y frecuencia acumulada. Se llama frecuencia absoluta o slo frecuencia de un intervalo al nmero de mediciones que caen en l y se designa por f. En el caso de variables discretas es el nmero de veces que un dato se repite. Dividiendo las frecuencias absolutas por el nmero total de datos N se obtienen las frecuencias relativas, es decir: f/N = p. Por ltimo, la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde ms la de todos los intervalos o datos anteriores. La suma de

21

las frecuencias relativas de todos los intervalos o datos es 1 100% que es, a su vez, el valor de la frecuencia acumulada del intervalo o dato mayor. Se dice que los datos estn agrupados cuando se organizan en una tabla de frecuencias. Para los datos de la Tabla 6.1 se obtiene: Intervalos [cm] 115 - 125 126 - 136 137 - 147 148 - 158 159 - 169 170 - 180 Marcas de clase [cm] 120 131 142 153 164 175 Conteo II II IIII f 2 7 14 10 5 2 5 175 35 25 125 5 p 5 225 575 825 95 100 fa

II

Tabla 6.2 Tabla de Distribucin de Frecuencias 7. Histograma y Polgono de Frecuencias Sobre un eje horizontal se dibujan rectngulos adyacentes con sus bases centradas en sus marcas de clase. Las bases y alturas de dichos rectngulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo, respectivamente. Los histogramas pueden construirse referidos a las frecuencias absolutas o relativas. Ambos tienen la misma forma y slo difieren en un factor de escala sobre las ordenadas, por lo que se acostumbra indicar las dos escalas sobre dicho eje. Cuando se trabaja con valores discretos, a los que se adjudican las frecuencias, se obtienen los llamados diagramas de barras. El polgono de frecuencias se traza uniendo los puntos medios de los techos de los rectngulos y dos puntos sobre el eje horizontal, de manera que la superficie encerrada por el mismo sea igual a la del histograma. Para el ejemplo de las Tablas 6.1 y 6.2 se tiene:

22

15.00

11.25 Frecuencia

7.50

3.75

X 109
1

120
2

131

142 153 164 Mensurando X, (cm) 3 4 5 6 X" X+"

Mensurando

175
7 8

186

X X+E XE Figura 7.1 Histograma y polgono de frecuencias Si el nmero de mediciones tiende a infinito y se aumenta la exactitud (es decir, "X # 0), los intervalos pueden tomarse de amplitud ms y ms pequea, y entonces el polgono de frecuencias se transforma en una curva continua llamada ley de distribucin de la magnitud X medida. En estadstica se estudian distintos modelos de probabilidad y sus curvas correspondientes. Para inferir cual es el esquema probabilstico que mejor ajusta a una determinada distribucin experimental, se compara sta con las distribuciones tericas y se selecciona la que mejor acuerda con los datos experimentales. Las distribuciones tericas ms conocidas son: la de Bernoulli o binomial, la de Poisson, y la normal o de Gauss. 7.1 Parmetros de Centralizacin Dada una distribucin aleatoria de datos, pueden obtenerse algunos parmetros indicativos de la tendencia del proceso de medicin en la zona de mayor frecuencia, ubicada siempre en la regin central del rango. Los ms importantes son: a) Promedio, Media o Media Aritmtica. El promedio de una serie de N datos X1, X2, X3, , XN se define como

23

(7.1) Para datos agrupados donde X1, X2, X3, , Xs aparecen con las frecuencias f1, f2, f3, , fs y frecuencias relativas p1, p2, p3, , ps se tiene (7.2) Cuando los datos estn agrupados en intervalos de frecuencias, stas se atribuyen a las marcas de clase que son, en este caso, los Xi de las expresiones (7.1) y (7.2). b) Mediana. Si se tiene un conjunto de datos y se les ordena en forma creciente, la mediana X es el valor medio o el promedio de los valores medios. si N es impar Para datos agrupados es (7.4) donde L1 es el lmite real inferior de la clase que contiene la mediana, N es el nmero de datos, &f es la suma de las frecuencias de todos los intervalos menores que el de la mediana, fm la frecuencia del intervalo que contiene a la mediana, y c la distancia entre marcas de clase vecinas. c) Moda. La moda es el valor que ms se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias. Para datos agrupados se define por: (7.5) donde L1 es el lmite inferior del intervalo que contiene a la moda, "1 y "2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde est la moda. Comparando los tringulos semejantes unidos por el vrtice (en lneas de puntos) si N es par (7.3)

24

(7.6)

de donde (7.7)

Figura 7.2 Obtencin de la moda lo que justifica esta construccin geomtrica para obtener 7.2 Parmetros de Dispersin Despus de calcular los promedios es importante saber si los valores de la variable estn muy dispersos o no en torno a los mismos. Para describir numricamente la mayor o menor concentracin alrededor de los promedios se recurre a los parmetros de dispersin. Estos parmetros, que se calculan a partir de los datos experimentales, son muy importantes en los procesos de medicin de una misma magnitud. Los parmetros de dispersin ms usados son: a) Desviacin Media. La desviacin media de una serie de datos X1 es la suma de los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nmero de datos o, lo que es equivalente, el promedio de los valores absolutos de esas desviaciones. Es decir: (7.8) .

25

Cuando los datos X1, X2, X3,..Xs se agrupan con frecuencias f1, f2, f3, , fs la desviacin media puede escribirse as: (7.9) donde pi son las frecuencias relativas y Xi las marcas de clase. Se puede demostrar que la suma es mnima cuando , es decir

que la desviacin media respecto a la mediana es mnima. b) Desviacin Tpica o Estndar. Se define como

(7.10) Si los datos Xi se agrupan con las frecuencias f i se tiene: (7.11)

de donde

, siendo Xi la correspondiente marca de clase. Otro mtodo

de clculo para ": si se desarrolla el cuadrado en la primera raz se tiene: (7.12) sumando segn i de 1 a N queda: (7.13) y dividiendo por N (7.14) de donde (7.15)

26

siendo

el promedio de los cuadrados, es decir

y (X)2 el . La desviacin tpica es un

cuadrado del promedio, o sea

parmetro que se relaciona en forma directa con la exactitud del proceso de medicin. En efecto, se puede demostrar que en el intervalo (X !) se encuentra ms del 68% de las observaciones y en (X 2!) ms del 95%. Por lo tanto, cuanto menor sea !, ms concentrados estn los datos y la medicin es ms exacta. Repetibilidad de Parmetros. Cuando N ! 30 se conviene en escribir los parmetros de centralizacin y dispersin con una cifra significativa ms que los datos. Calculando el valor ms probable y la desviacin estndar para los datos de la Tabla 6.1 se tiene: cm y para la desviacin tpica: ! = 13,81 cm 7.3 La Calidad de un Proceso de Medicin y la Obtencin de ! Supongamos tener un conjunto X1, X2, X3, .,XN de datos obtenidos por mediciones de una misma magnitud fsica. Cul es el valor que mejor representa la magnitud medida?. No podemos fijarlo de manera inmediata a partir de la simple observacin de la tabla de valores Xi pero evidentemente tendr que relacionarse con ella. Supongamos que un valor A fuera el que mejor representa la magnitud buscada. Lo llamaremos valor ms probable con lo que sentamos dos premisas: 1) No podemos medir cantidades fsicas continuas exactamente. 2) Debemos emplear criterios estadsticos para elegir el valor ms probable. Qu condiciones debera cumplir A para ser un valor confiable?. En principio A debe pertenecer al rango (Xm ; XM) Cmo seleccionarlo?. Si llamamos Gi = A-Xi un criterio podra ser que la suma de estas desviaciones respecto del valor ms probable fuera lo ms pequea posible. Si los nicos errores cometidos son casuales, la evidencia experimental muestra que existe la misma probabilidad de cometer errores de igual valor absoluto y distinto signo. Por lo tanto &Gi # 0 conforme el nmero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anlisis del proceso de medicin.

27

Podemos entonces tomar &Gi2 = G21 + G22 +..+G2N. En este caso los sumandos son todos positivos lo que evita su compensacin en la suma. Sin embargo, chocamos con el inconveniente de que &Gi2 es un nmero que depende de N y crecer con l. Esto puede evitarse tomando &Gi2/N con lo que nos independizamos del nmero de mediciones. Hemos encontrado, ahora s, un nmero que nos da un idea de cmo es el proceso de medicin. Subsiste an un pequeo escollo: las unidades del valor obtenido, son distintas de aquellas en que se tomaron los datos, por lo que hacemos .

Pero este nmero no es otra cosa que la desviacin tpica !. De acuerdo con las condiciones fsicas que hemos ido fijando para su obtencin, podemos decir que un proceso de medicin ser de mejor calidad cuanto menor sea !. Pero ! est an en funcin de ese valor A que no conocemos. Sin embargo, la condicin de que ! sea un mnimo nos permitir calcularlo. En efecto, la condicin de mnimo puede escribirse as (7.16) desarrollando el cuadro (7.17) Sumando de 1 a N (7.18) y dividiendo por N (7.19) (7.20) Derivando respecto de A queda (7.21)

28

por lo tanto (7.22) Es decir, que lo que llamamos valor ms probable y al que pusimos la condicin de hacer mnimo el valor de la desviacin tpica o estndar ! no es otra cosa que el promedio de los datos experimentales Xi. 7.4 Error del Promedio Como ya se seal, una magnitud fsica solo tiene sentido cuando se puede valorar el error de que est afectada. Por eso, al culminar un proceso de medicin de una magnitud fsica continua se debe escribir: , o lo que es equivalente: donde X es el valor verdadero, es el valor ms probable y E el error que se

comete en la determinacin de . Es decir, lo ms a que se puede aspirar, es a determinar un intervalo en el que, se puede asegurar, se encuentra el valor verdadero. Es obvio que mientras menor sea E, menor ser dicho intervalo y ms exacto el proceso de medicin. Si se pudiera calcular exactamente el error E con su signo se podra conocer el valor verdadero dado por . Pero esto no es posible y slo se puede calcular E en sentido estadstico estableciendo un intervalo bien definido dentro del cual se encuentra X. Para calcular E se define previamente: error absoluto de la observacin Xi error aparente de la observacin Xi varianza Se observa que: (7.26) entonces la varianza se puede expresar as: (7.23) (7.24) (7.25)

29

(7.27) pero (7.28) es decir, que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda: ( 7.29)

Elevando

al cuadrado queda:

(7.30) donde (7.31) con lo que (7.32) entonces se tiene: (7.33) y (7.34) E queda expresado entonces en funcin de los valores experimentales que se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora. Pero para el caso de errores casuales, que es el que se estudia, cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj. Es decir, que en trminos estadsticos, para cada valor Pi 30

Pj se tendr -Pi Pj que anular la sumatoria de la ltima expresin. Entonces se puede calcular el error del promedio por la expresin: (7.35) y como N >> 1 puede aproximarse por (7.36) por lo que el intervalo buscado es: (7.37) al cual se le conoce como el valor esperado o la esperanza matemtica. 8. Distribucin Normal o de Gauss Los resultados de una serie de mediciones X1, X2,..,XN se distribuyen alrededor del promedio . El histograma muestra que siempre es mayor la frecuencia de los valores ms prximos a . Cuando se hace una nueva medicin no se sabe de antemano el resultado, pero s la probabilidad de que su valor est en un intervalo determinado. Cuando crece el nmero N de mediciones el polgono de frecuencias se aproxima a una curva continua, bien definida y nica, cuya forma es siempre la misma para todos los casos de errores casuales. Se comprueba experimentalmente que el nmero "N de mediciones que caen en el intervalo (X; X+"X) es

(8.1) donde ! es la desviacin tpica y el promedio de la serie de mediciones. La aproximacin se transforma en igualdad cuando N # ' y X" # 0. La expresin

31

(8.2) se llama densidad de observaciones y da el nmero de valores que se encuentran en un intervalo "X alrededor del valor X que aparece en el exponente. La representacin grfica de la densidad de observaciones se llama curva de distribucin de Gauss y adopta la forma de una campana.

Figura 8.1 Distribucin de Gauss De la expresin (8.2) se deduce: 1) El nmero "N de observaciones en un intervalo "X decae exponencialmente con la distancia , con lo que la probabilidad es menor para las observaciones con error mayor. La curva tiene un mximo en cero cuando X se aleja de . y tiende a

2) "N no vara si se cambia X por X, es decir, existe la misma probabilidad de cometer errores con uno u otro signo y, por tanto, la curva es simtrica respecto de . 3) Para una distancia , "N disminuye ms rpido cuanto menor sea (. Por

lo tanto, la probabilidad de cometer un error disminuye con ( o, dicho de otro modo, el proceso de medicin mejora conforme ( se hace ms pequeo.

32

4) Se demuestra que X - ! y X + ! son puntos de inflexin de la curva y que, si N # ', la probabilidad de que una medicin caiga en el intervalo es del 68%. Asimismo, la probabilidad de que una observacin est comprendida en el intervalo (X1 ; X2) se obtiene de la expresin (8.1) dividiendo entre N e integrando (8.3)

Figura 8.2 Campana gaussiana para diferentes valores de ( No todos los procesos de medicin conducen a una distribucin de Gauss. Los errores sistemticos, variaciones no controlables del medio ambiente y del instrumental, modificaciones imprevistas en las condiciones de medicin, etc., pueden producir modificaciones tales como asimetras, discontinuidades, interrupciones en algunas zonas del rango, etc. La forma cualitativa ms simple para verificar si una distribucin de datos es gaussiana consiste en comparar el histograma con la curva terica de distribucin. Para ello se representa "N en la misma grfica donde se traz el polgono de frecuencias. Si la distribucin es gaussiana ambas curvas deben ajustar ms o menos bien. 9. Propagacin de la Incertidumbre La propagacin de la incertidumbre es la parte de la teora estadstica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta, obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia), con las

33

cuales est relacionada a travs de una ley fsica, expresada en una ecuacin o relacin funcional. Sea una magnitud L que se desea medir, una funcin conocida de otra magnitud X que medimos directamente: L = f(x) (9.1)

se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa. De la medicin de X se obtiene: X = X "X (9.2)

siendo "X la incertidumbre de X. Al calcular L con el valor X se obtiene un cierto L, es decir: L = f (X "X) (9.3)

Como la incertidumbre "X es pequea, se puede desarrollar f(x) en una serie de potencias de la misma "X despreciando los trminos donde aparece con exponente mayor que la unidad. Entonces: L = f(X) "f (x) por lo tanto L f(X) = L L = "L = f (X)!"X (9.5)

La incertidumbre de L no depende solamente del valor de "X sino tambin de f(X). Cuanto mayor es este coeficiente tanto ms influye "X en la incertidumbre de L. Como en general se desconoce X se aproxima f(X) por f(X) de modo que: "L = f (X)!"X (9.6)

Al coeficiente f(X) se le denomina coeficiente de sensibilizacin o de propagacin del error "X. Si L es funcin de ms de una magnitud medible en forma directa, por ejemplo: L = f(X,Y,Z) (9.7)

al medir X, Y, Z se obtiene X = X "X; Y = Y "Y; Z = Z "Z las que permiten calcular L = L "L.

34

En efecto, si se desprecian trminos de orden superior al primero L es:

(9.8) de donde (9.9) La mayor o menor contribucin de las incertidumbres de X, Y, Z depende del mayor o menor valor de los coeficientes , por lo que se

denominan coeficientes de sensibilizacin o propagacin de los errores "X, "Y, "Z. El signo de estas incertidumbres como el de los coeficientes de sensibilizacin puede ser tanto positivo como negativo. La incertidumbre estndar combinada "Lc # Ec asociada al valor L de la magnitud L es: (9.10) y corresponde al intervalo cubierto por una desviacin estndar a cada lado del valor del mensurando. Al igual que para el caso de mediciones directas, este valor representa el 68% del rea bajo la funcin de distribucin (campana gaussiana) para la magnitud L. El valor de Ec dado por la ec. (9.10) es vlido slo cuando las magnitudes X, Y, Z no estn correlacionadas. Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccin considerable de los valores razonables del mensurando. Esta fraccin se llama nivel de confianza p y tpicamente se busca de 95% o 99%. La incertidumbre expandida E expresa tal intervalo: E = kEc (9.11)

donde k se conoce como el factor de cobertura. Si el mensurando sigue una distribucin normal, se asegura p ) 95% eligiendo k = 2 y p ) 99,7% con k = 3. El error relativo de L est en funcin de los errores relativos de X, Y, y Z. (9.11)

35

siendo errores relativos

los factores de sensibilizacin o propagacin de los .

Cuando algunos coeficientes de sensibilizacin son bastante menores que otros, la incertidumbre de L proviene casi exclusivamente de los trminos mayores. Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado, eligiendo en forma conveniente el mtodo y el instrumental de medida. Por otra parte, es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L. El procedimiento formal que se debera seguir para determinar el valor de una magnitud en forma indirecta, a partir de la medicin directa de otras magnitudes con las cuales est relacionada, consistira en realizar un determinado nmero de mediciones de cada una de las magnitudes que se miden en forma directa, para obtener su valor ms probable con su incertidumbre respectiva. Sin embargo, si las condiciones bajo las cuales se realizan las mediciones directas son controladas, no es necesario proceder de la manera descrita. Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa, lo cual significa que las mediciones que se realizan son confiables, o de la calidad adecuada (a las necesidades del usuario). Entre los factores que aseguran la confiabilidad de las mediciones podemos citar, entre otros, los siguientes: ! los instrumentos de medida que se utilizan estn calibrados y su calibracin es trazable a patrones primarios, ! los procedimientos de medicin empleados estn normalizados; es decir, son mtodos probados, documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracin de los instrumentos que son fabricados y comercializados por la industria, ! las personas que realizan la medicin tienen experiencia, por lo que saben usar los instrumentos de medicin y aplican los procedimientos de medicin en forma adecuada, ! las condiciones bajo las cuales se realizan las mediciones estn controladas y se mantienen estables, y ! en sntesis, en las mediciones realizadas en forma directa solamente se cometen errores casuales. Por consiguiente, en algunos casos la incertidumbre de las magnitudes que se miden en forma directa no se calcular, sino que en algunas de ellas se 36

proporcionar dicho valor, ya sea por el fabricante o por el laboratorio que realiz la calibracin del instrumento de medida que se utiliza, especificando dicho valor en el informe de calibracin del instrumento. En dicho informe se especifica tambin la incertidumbre del patrn y el procedimiento de medicin empleados. Si no se cuenta con dicha informacin, entonces de acuerdo a las caractersticas del instrumento y al procedimiento de medicin se podr hacer una estimacin de la incertidumbre de la magnitud a medir. Finalmente, bastar con realizar slo unas cuantas mediciones (un nmero muy pequeo; en general, bastar con cinco) para hacer una estimacin rpida y sencilla de dicha incertidumbre. De acuerdo a lo anterior, existen dos tipos de incertidumbre: 1. Incertidumbre tipo A. Son aquellas determinadas en forma estadstica por el usuario; y 2. Incertidumbre tipo B. Son las que no se determinan estadsticamente; por consiguiente, son comunicadas al usuario. Ejemplo: Se quiere determinar la aceleracin de la gravedad g midiendo la altura y el tiempo en la cada libre de una pequea esfera de acero. Se determin una altura h =10 m con "h = 0,05 m y un tiempo t = 1,43 s con "t = 0,01 s mediante un sistema de fotoceldas y reloj digital. Se tiene que: h = 0,5 gt2 por lo tanto

= 0.15 m/s2

con los valores medidos: entonces: g = (9,78 0,19) m/s2 => 9,59 m/s2 < g < 9,97 m/s2 37

Por otra parte vimos que el error relativo es

y los factores de sensibilizacin de los errores relativos

esto indica que se debe poner el mayor cuidado en la determinacin del tiempo, ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura. El error porcentual en la medicin del tiempo es:

el mismo error en la determinacin de la altura dara:

Se desprende entonces que no tendra sentido preocuparse por disminuir el error en la determinacin de la altura por debajo de este valor, porque eso no disminuira el error en la determinacin de g a menos que se mejore la exactitud en la medida del tiempo. Esta conclusin tambin da una idea del tipo de instrumento adecuado para medir h. Finalmente los errores relativo y porcentual en la medicin de g son:

10. Ajuste de Datos Experimentales 10.1 Distribuciones Relacionadas

38

En el laboratorio de Fsica, es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcin simple que las vincule. Ejemplos: Se mide a) Las fuerzas que actan sobre un cuerpo y sus aceleraciones; b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza; c) Los volmenes de distintas piezas de hierro y sus pesos; etc. A veces se conoce de antemano dicha relacin; en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fsica o la corroboracin de un modelo terico que la predice. En general, en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra, obtenindose dos distribuciones, una para cada magnitud medida, las que se organizan en una tabla: X X X Y1 X2 . . . . . Xi . . . . . Y2 . . . . . Yi . . . . . Tabla 10.1 En cada observacin se obtienen dos nmeros Xi, Yi que, considerados como par ordenado, determinan un punto plano. En la representacin grfica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada cantidad, por lo que se obtienen dos intervalos (Xi "X), (Yi "Y) es decir, un rectngulo de confianza alrededor de cada punto. Este rectngulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra. Sea la siguiente grfica de los datos de la tabla anterior: XN YN

39

Figura 10.1 Una vez representados los puntos experimentales se traza la curva que mejor los aproxima. Como se busca una relacin simple entre ambas variables, la curva deber ser continua, y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendran si se hicieran mediciones para los correspondientes valores intermedios. 10.2 Ajuste por Mnimos Cuadrados El ajuste por mnimos cuadrados es el mtodo ms preciso para determinar la funcin que mejor representa la vinculacin entre dos conjuntos de datos relacionados. La representacin grfica de los valores experimentales juega aqu un papel principal dado que, de la forma de la curva resultante, se debe inferir el tipo de funcin que vincula a las variables. Sea f(X) la funcin incgnita y *i = Yi f(Xi) sus desviaciones respecto de los datos. Es evidente que el acuerdo entre f(X) y los datos ser tanto mejor cuanto menor sean los *i. Como estas desviaciones son casuales el signo de los *i puede ser tanto positivo como negativo y por ello &*i# 0 cuando N crece. La condicin de mejor ajuste se fina entonces pidiendo que sea mnima la suma de los cuadrados de las desviaciones (de aqu el nombre de mtodo de mnimos cuadrados), es decir: (10.1) Donde los ai son los parmetros que definen la funcin buscada.

40

Figura 10.2 Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada por los valores experimentales. a) Caso de la recta: Si la curva de mejor ajuste es una recta se tiene f(X) = a X + b debe quedar claro que aqu las incgnitas son a y b. Para la suma de las desviaciones al cuadrado se tiene: (10.3) y para la condicin de mnimo (10.4) Derivando (10.3) (10.2)

(10.5)

que es el sistema de ecuaciones buscado para obtener a y b. b) Caso de la parbola: Aqu es 41

(10.6) (10.7) condicin de mnimo (10.8) derivando (10.7) se obtiene

(10.9)

Los sistemas de ecuaciones simultneas (10.5) y (10.9) que permiten resolver el problema reciben el nombre de sistemas de ecuaciones normales. Cuando las funciones de ajuste son de tipo polinomial existe una forma prctica de escribirlas que se describe en los pasos siguientes: a) Se escribe la funcin sugerida por la grfica de los datos Recta Parbola Y = a X + b Y=a X2 + b X + c b) Se suman ambos miembros de 1 a N

c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a miembro las expresiones anteriores por 1 y Xi para la recta por 1, Xi y Xi2 para la parbola. Suele ocurrir que las funciones ajustadas no son vlidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones. Esto restringe la relacin obtenida a un cierto rango llamado intervalo de validez de la funcin.

42

10.3 Reduccin a una Funcin Lineal Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta. Esto se hace para aprovechar la simplicidad que brinda el clculo y la interpretacin fsica de los parmetros de las funciones lineales. A continuacin se mencionan algunos ejemplos: Funcin original F(X) = CX 2 Transformacin Z=X2 Funcin Lineal G (Z ) = C Z h(Z) = C Z Incertidumbre

f(X) = CX A = Y

logY = logC + AlogX

Y=C+AX

f(X) = C10AX = Y

logY = logC + A X

Y=C+AX

Ejemplo de Ajuste. En un experimento sobre el riel de aire el deslizador marc el papel una vez por segundo mediante un chispeador mientras se desplazaba. Los alumnos midieron la distancia entre chispazos con una regla milimetrada y estimaron "X = 1 mm. Segn las especificaciones del chispeador tomaron "T = 0,1 s.

Figura 10.3 A partir de esta tabla obtuvieron la siguiente grfica en papel milimetrado:

43

Figura 10.4 La grfica de los datos sugiere claramente una funcin lineal. L=at+b Las ecuaciones son &Li = a&ti + bN &Li ti = a&t2i + b&ti reemplazando valores 938 = 55 a + 10b 6538 = 385a + 55b de donde a = 17,26 mm/s = 17,3 mm/s b = -1,13 mm = -1,1 mm Por ultimo la recta ajustada es L = (17,3)t 1,1

44

La interpretacin de los parmetros es aqu muy sencilla. Como en toda grfica espacio-tiempo que resulte lineal la pendiente a da la rapidez del mvil. a = v = 17,3 mm/s En el experimento las condiciones iniciales fueron t = 0, L = 0 por lo que b es el error absoluto en la determinacin del origen de las distancias: b = "L0 = -1,1 mm 11. Grficas Cuando las distribuciones correspondientes a dos cantidades fsicas estn relacionadas por alguna expresin matemtica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcin de ajuste. Las grficas juegan un papel importante en el trabajo experimental. En muchas ocasiones una grfica muestra los resultados en forma ms clara que la correspondiente relacin matemtica. 11.1 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso ms simple de una relacin lineal. Interpretar la grfica de la relacin entre dos magnitudes fsicas significa realizar un anlisis de la misma que permite obtener informacin adicional. En el presente caso se pueden inferir las siguientes conclusiones

45

Figura 11.1 a) Si se tienen las rectas correspondientes a dos mviles, A y B, el primero tiene mayor velocidad como se deduce del hecho que para el mismo lapso "t es "XA > "XB. b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el ngulo + depende de esa eleccin. Entonces la rapidez del mvil B puede obtenerse midiendo sobre la grfica los segmentos correspondientes "t y "XB teniendo en cuenta las unidades elegidas. donde es la unidad elegida para las longitudes es la unidad elegida para los tiempos Por lo tanto (11.1)

c) Como adems vB = tg + y para una recta + = cte, vB es constante y el movimiento es uniforme. d)

Figura 11.2 Grfica de un mvil que se desplaza con velocidad constante en sentido negativo del eje X. En esta grfica el mvil C parte de un punto P a una distancia OP del origen, se acerca a l en el intervalo (0;t1 ) y se aleja para t > t 1 . Como . Esto indica que el mvil se desplaza en sentido contrario al que se tom como positivo para medir las distancias.

46

Figura 11.3 Grficas que muestran movimientos que no son posibles en la realidad. No existen movimientos reales como los de las figuras 11.3 a y b. En a el mvil no puede pasar instantneamente de la posicin X1 a la X2 pues eso requerira una velocidad infinita. En b, slo una aceleracin infinita (lo que implica una fuerza infinita) proporcionara un cambio instantneo de v1 a v2. 11.2 Obtencin de una grfica a partir de otra En ciertas ocasiones, la ley que vincula dos magnitudes fsicas, permite construir la grfica de una de ellas a partir de la grfica experimental de la otra. Por ejemplo, en una de las prcticas se determina la ley de fuerzas para un resorte F = kX obtenindose la grfica de la Fig. 11.4a. De ella puede obtenerse la grfica (b) de la energa potencial U(X). Como se debe cumplir En el punto A En el punto B En el punto 0 es evidente que y como k > 0 ser FA < 0 y como k > 0 ser FB > 0 y Fo = 0 lo que indica que en la grfica de F(X) se tom

el origen en el extremo libre del resorte cuando sobre l no actuaban fuerzas.

47

Figura 11.4 Si se traslada el origen al punto 0, que es el extremo fijo del resorte en el experimento, la ley se expresa FX = -k(X-X0), pero las grficas no alteran su forma dado que el comportamiento fsico del resorte es independiente del origen que se elija para hacer las mediciones. La grfica de U(X) tiene ahora su mnimo en X0 como debe ocurrir ya que F(Xo) = 0. Del mismo modo se puede verificar la vinculacin entre las grficas espaciotiempo X = X(t), velocidad-tiempo v = v(t) y aceleracin-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacin. 1) Tiro vertical de una esferita de acero.

48

Figura 11.5 Grficas de posicin, velocidad y aceleracin en funcin del tiempo para una partcula que es lanzada verticalmente hacia arriba. El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad inicial vi. En el instante t1 alcanza la altura mxima y all su velocidad es nula . En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora en sentido contrario. Dada la simetra de la parbola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1. Tambin se tiene, para los mdulos de la velocidad v(0) = vi = v(t2) 49

y como los sentidos de movimiento son opuestos en esos instantes es v(0) = - v(t2) Esto vale para cualquier par de tiempos equidistantes de t1. Por ejemplo si t1 - tA = tB t1 debe ser X(tA) = X(tB) v(tA) = - v(tB) Es importante evitar el error de pensar que la esfera se mueve sobre la parbola X(t). Su trayectoria es una recta vertical. Por ltimo, dado que la grfica v = v(t) es una recta de pendiente negativa la aceleracin ser constante y negativa. Los signos son una consecuencia de la eleccin del sentido positivo para el eje X de los desplazamientos. Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas, las grficas X(t) y v(t) no varan y la aceleracin slo sufre un desplazamiento ya que en este caso g>0. 2) Movimiento de un deslizador sobre el riel de aire inclinado. El deslizador choca elsticamente en el extremo del riel. En el instante del choque tCH, existen discontinuidades que no se analizan. Las grficas solo indican las componentes en la direccin del riel en tiempos previos y posteriores al choque. Como consecuencia del rozamiento las distancias mximas al origen, antes y despus del choque, difieren en "d. Algo similar ocurre con las velocidades y se pone de manifiesto en la diferencia de los ngulos ,1 - ,2 = ",.

50

Figura 11.6 Es decir, las velocidades de bajada y subida son distintas ya que si f es la fuerza de friccin cintica: a = -g sen- + f/m para el movimiento de bajada, y a = -g sen- - f/m para el movimiento de subida. Si el choque es elstico v1 = v2, pero si se toma en cuenta una pequea prdida de energa en la colisin, las grficas se modifican como lo muestran las lneas de puntos. 11.3 Relaciones Potenciales Son del tipo Y = C XA por lo que tomando logaritmos logY = A logX + logC (11.3) (11.2)

51

Esta ecuacin nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC. Papel log-log. El trazado de la grfica se simplifica usando papel logartmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nmeros naturales. De este modo el punto (2,3) en este papel corresponde al punto (log 2, log 3) en papel cartesiano. Los intervalos comprendidos 1 y 10, 10 y 100, 100 y 1000, etc. sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (1,1). Al graficar sobre este papel los valores (X,Y) se obtiene directamente la grfica de la relacin (11.3). Ejemplo: Se tiene la siguiente tabla de datos y su grfica (Figura 11.7) X 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5.0 Y 3,20 5,88 9,05 12,65 16,63 20,95 25,60 30,55 35,78

Tabla 11.1

52

Figura 11.7 Grfica en papel logartmico (log-log) Del hecho que la grfica sea una recta se desprende que los logaritmos de las variables verifican una relacin del tipo (11.3). Midiendo la pendiente y la ordenada al origen en la grfica se obtiene: A = 1,5 C = 3,2 cuyos valores pueden cotejarse ajustando por el mtodo de mnimos cuadrados la relacin: Y = AX + C donde: Y = logY, X = logX, C = logC. Entonces la ecuacin que vincula a las variables, de acuerdo con (11.2) es: Y = 3,2X1,5

53

11.4 Relaciones Exponenciales Son las de la forma: Y = CBAX (11.4)

Ya que por cambio de base siempre puede obtenerse una relacin similar con B = 10, slo es necesario considerar logaritmos decimales. Aplicando logaritmos en (11.4) se obtiene: logY = AX + logC (11.5)

Papel semi-log. Para graficar estas funciones se usa papel semilogartmico, el cual tiene un eje dividido segn la sucesin de los nmeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesin. El origen es el (0,1) y un punto cualquiera (X,Y) sobre este papel equivale al punto (X, logY) en papel cartesiano. Ejemplo: Se tiene la siguiente tabla de valores: X 0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5.0 Y 2,00 2,67 3,56 4,74 6,32 8,43 11,25 15,00 20,00 26,67 35,57

Tabla 11.2 La grfica de estos datos en papel semilog se muestra en la siguiente hoja. La recta que aparece en la grfica indica que las variables verifican la relacin (11.5). Un ajuste por mnimos cuadrados de la funcin Y = AX + C

54

Figura 11.7 Grfica en papel semilogartmico (semi-log) 55

donde: Y = logY, C = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la grfica. Esos valores son A=2 Por lo tanto: Y = 2 . 100,25X C= 0,25

56

Bibliografa 1. D. C. Baird, Experimentacin: Una introduccin a la teora de mediciones y al diseo de experimentos, 2 edicin, Prentice-Hall Hispanoamericana (1991). 2. Norma Oficial Mexicana NOM-008-SCFI-2002, Sistema General de Unidades de Medida. 3. Ley Federal sobre Metrologa y Normalizacin, Publicada en el Diario Oficial de la Federacin el 1 de Julio de 1992. ltima reforma publicada DOF 28-07-2006. 4. Wolfgang A. Schmid y Rubn J. Lazos Martnez, Gua para Estimar la Incertidumbre de la Medicin, Rev. 1, Centro Nacional de Metrologa (2004). 5. G. L. Squires, Fsica Prctica, McGraw-Hill (1972). 6. Jack P. Holman, Mtodos Experimentales para Ingenieros, 4 edicin (Segunda edicin en espaol), McGraw-Hill (1986). 7. E. Kreyszig, Introduccin a la Estadstica Matemtica, Limusa (1973).

57