111^imim1

Mediciones y errores
en los levantamientos
2.1. Introduccin Dentro de las diferentes funciones que cumple el topgrafo,
las mediciones juegan un papel muy importante. Debe tenerse presente que es tarea
del topgrafo planificar el levantamiento, preparar las operaciones de campo, desig-
nar la cantidad, tipo y adquisicin de las tcnicas de medicin y finalmente verificar
y analizar las mediciones para llegar a un resultado satisfactorio. Es importante, en-
tonces, que en el estudio individual de la topografa se entienda claramente el con-
cepto fundamental de lo que es una medicin o una observacin (ambos trminos se
usan de manera alterna, puesto que significan lo mismo).
Las medidas vinculan una serie de operaciones elementales como la preparacin
(el montaje del instrumento o su ajuste o ambas actividades), el centrado, la deter-
minacin de los puntos, el visado, la fijacin, la comparacin y la lectura. Sin em-
bargo, es el resultado de todas estas operaciones fsicas el que genera un valor num-
rico que se conoce como "medicin". Por lo tanto, es importante observar que la
medicin es algo indirecto, aunque en algunos casos se tenga la impresin de que de-
bido a su sencillez es algo directo. Considrese, por ejemplo, la sencilla tarea de me-
dir con una regla la longitud de una lnea. Esta operacin incluye varios pasos: colo-
car la regla, alinear la marca del cero a la izquierda de la lnea y observar el valor que
aparece sobre el extremo derecho en el punto donde finaliza la lnea. El valor de la
distancia que se obtiene restando cero a la segunda lectura (40.1 cm en la Fig. 2.1)
es lo que se llama medicin, aunque en realidad se hicieron dos alineamientos. Para
aclarar este punto, supngase que la regla est alineada con la recta y que las lecturas
se toman sobre sus extremos. En este caso, si la lectura del extremo izquierdo es de
11.9 y la del extremo derecho es de 52.0, se tendr una medicin de 52.0 - 11.9 =
40.1 cm.
Otra situacin bastante frecuente es la que se refiere a las observaciones para de-
terminar un ngulo. Esto por cierto trae a colacin la pregunta de cmo distinguir
entre direcciones y ngulos. Las direcciones son ms importantes que los ngulos,
puesto que el ngulo se puede obtener a partir de dos direcciones. En los casos en
que se pueden necesitar tanto las direcciones como los ngulos, debe tenerse especial
cuidado al tratar cada grupo, ya que un ngulo es la diferencia entre dos direcciones.
De manera similar al caso de la medicin de una lnea, el ngulo se puede obtener di-
rectamente si el primer punto (o direccin) se toma de manera especfica como cero;
as, la lectura de la segunda direccin ser el valor del ngulo y puede considerarse
como la observacin. Sin embargo, si el proceso del levantamiento se fundamenta
bsicamente en las direcciones, los valores ledos para stas sern entonces las obser-
Articulo 2.2 Observaciones y errores 17
Fig. 2.1 Longitud de una lnea al emplear una
cinta (en centmetros)
Izquierda Derecha
0 1 0 20 30 401 50
40.1
vaciones. En este caso, la determinacin de cualquier ngulo ser una combinacin
lineal (o funcin) de las direcciones observadas y sus propiedades se podrn evaluar
a partir de las direcciones y la funcin conocida.
2.2. Observaciones y errores La toma de medidas es una operacin que est
sujeta a las variaciones que puedan presentarse, aunque todas las condiciones per-
manezcan sin cambio alguno durante el periodo de medicin. La causa de estas va-
riaciones obedece al hecho de que ninguna observacin puede repetirse de manera
idntica (excepto por pura casualidad) debido a las limitaciones de los instrumentos
y a las limitaciones humanas para centrar, determinar los puntos, visar y leer. Todos
estos cambios, por pequeos que parezcan, producen las correspondientes va-
riaciones en el resultado de las mediciones. Por ello, las observaciones o mediciones
son variables de caractersticas muy especiales. Se denominan variables aleatorias
porque existe cierto grado aleatorio en su valor cuando las mediciones se repiten en
condiciones similares. Consecuentemente, es imposible afirmar, con absoluta certe-
za, cul ser el valor de una medicin. Este valor se conoce como valor verdadero y
es inalcanzable en la prctica. Lo que realmente se obtiene es una estimacin del va-
lor verdadero. Algunas de estas estimaciones sern mejores que otras, por lo que el
topgrafo deber esforzarse por obtener una buena estimacin, dentro de lo posible,
a un costo y esfuerzo razonables.
Si se admite la posibilidad de que la variacin en las mediciones es un fenmeno
natural, por lo comn se tendrn medidas que difieran del valor verdadero, sin im-
portar la magnitud de ste. La diferencia entre la medicin y el valor verdadero se
conoce como error de la medicin. De esta manera, si x es el valor dado para una
medicin y x, es el valor verdadero (desconocido), entonces el error e est dado por
e = x - x , ( 2.1 )
es decir,
error = valor medido - valor verdadero
Puesto que x, nunca ser conocido, e siempre ser desconocido. Lo que se tendr
ser un valor estimado de x, que estar representado por x. Por consiguiente, un esti-
mado para el error se podr calcular mediante
=x-x(2.2)
En la prctica no es comn trabajar con estimaciones de los errores como . Sin em-
bargo, durante muchos aos las personas han trabajado con una cantidad cuya mag-
18 Mediciones y errores en los levantamientos Captulo 2
nitud es , pero de signo contrario. Esto es resultado de la nocin de correccin que
no es otra cosa que la cantidad que se debe agregar a la medicin x para "me-
jorarla" y acercarla al valor estimado de . Si se reorganiza la ecuacin (2.2) se ten-
dr
(-)=. -x(2.3)
0
correccin = valor estimado - valor medido
El valor (-) en la ecuacin (2.3) se designa con v y se denomina residual, el cual
representa la variacin de la observacin x con respecto a la x estimada. Por lo tan-
to, la ecuacin (2.3) se convierte en
v=x- x
(2.4)
0
x=x+v
que se puede expresar en palabras como
(2.5)
valor estimado = valor medido + residual
La seleccin de la palabra "error" puede ser poco afortunada, pues sugiere que algo
se ha hecho de manera equvoca. Tal como se dijo antes, los errores siempre ocurri-
rn sin importar qu tan cuidadosamente se hayan planeado y ejecutado las medi-
ciones. La nica excepcin a lo anterior es lo que se denomina equivocacin, pues su
presencia implica que algo se ha efectuado mal, tal como se explica en el artculo 2.3.
2.3. Equivocaciones Las equivocaciones, como las confusiones o fallas de con-
cepto, en realidad no son errores, debido a su enorme valor cuando se les compara
con otro tipo de errores. Una de las causas ms frecuentes en las equivocaciones es
la falta de cuidado por parte del observador, quien puede tomar un valor errado de la
escala o del dial cuando hace la lectura; en caso de hacer una lectura correcta, puede
registrarla de manera equivocada, por ejemplo al trasponer nmeros (si se escribe
14.76 como 14.67). Cuando en el proceso de recolectar la informacin se utilizan
tcnicas de registro automtico, las equivocaciones pueden seguir presentndose en
caso de ocurrir fallas en el equipo; sin embargo, sern menos frecuentes en este caso.
Otra causa para que se presenten confusiones es cuando la tcnica seleccionada
falla, como puede ser el caso al seleccionar mal el grado entero en la medicin de n-
gulos que se encuentran muy prximos a un grado entero (p.e. 71 59'58" en lugar
de 7200'02"). Finalmente, una equivocacin puede presentarse por mala interpre-
tacin, como puede ser el hecho de visar un objetivo que no es el que se debera vi-
sar.
Una vez que la posibilidad de la presencia de equivocaciones y confusiones se ha
establecido, los procedimientos de observacin y la metodologa debern planearse
Y
Artculo 2.4 Errores sistemticos 19
de modo que permitan su deteccin y eliminacin. Puede emplearse una gran va-
riedad de alternativas, como tomar varias lecturas ms, independientes unas de otras
(no duplicados) y revisarlas para buscar un resultado consistente; revisar cuidadosa-
mente que tanto la visual al objetivo como el registro de datos estn correctos; utili-
zar tcnicas rpidas y sencillas de verificacin, basadas en la lgica y el sentido co-
mn; revisar y verificar las condiciones del equipo, particularmente si cuenta con un
sistema automtico de lectura; repetir la prueba pero con tcnicas ligeramente dife-
rentes o adoptar planos de referencia de ndices diferentes a los iniciales; en el caso
de modelos relativamente complejos, recurrir a pruebas simplificadas tanto al-
gebraicas como geomtricas con el fin de detectar las equivocaciones y, simplemen-
te, tener presente que la mayor parte de las equivocaciones son de gran magnitud y
que puede conducir rpidamente a su deteccin. Por ejemplo:
1. Medir un ngulo o una distancia varias veces y calcular su promedio. Cualquier desviacin
que se tenga con relacin a este promedio en cantidad superior a un valor prefijado se
puede considerar como una confusin.
2. Tomar en el crculo horizontal de un trnsito dos lecturas que difieren en 180.
3. Emplear dos tipos diferentes de unidades, como metros y pies sobre el estadal de nivel y
convertir una a la otra para compararlas.
4. Identificar asuntos elementales como la longitud de la cinta que por lo general es de 100
pies; el ngulo vertical debe estar entre 90; y as sucesivamente.
5. Hacer revisiones rpidas como puede ser el caso de un tringulo plano donde sus ngulos
interiores deber sumar 180.
6. Emplear pequeas calculadoras porttiles o reglas de clculo para comprobar los clculos
del levantamiento dentro de una aproximacin con pocos nmeros significativos.
Es muy importante que el topgrafo no tolere las equivocaciones y que est preve-
nido en caso de su aparicin. Una observacin con una equivocacin no sirve a me-
nos que sta sea eliminada, de lo contrario, la observacin se debe desechar.
Despus de que las equivocaciones se han detectado y eliminado de las medi-
ciones, los errores remanentes son de tipo sistemtico o accidental, cada uno de los
cuales se estudiar de manera independiente.
2.4. Errores sistemticos Los errores sistemticos o los efectos se presentan de
acuerdo a un sistema y, si se conocen, se pueden expresar siempre por una formula-
cin funcional. Siguen un patrn definido y, si la prueba se repite manteniendo las
mismas condiciones, el patrn se duplicar y los errores sistemticos se presentarn
nuevamente. El sistema que genera el patrn puede depender del observador, del
instrumento empleado o de las condiciones fsicas que rodean la prueba. Cualquier
cambio de uno o ms de los elementos del sistema ocasionarn modificaciones en
las caractersticas del efecto sistemtico si el proceso de observacin se repite. Debe
hacerse hincapi, sin embargo, que la repeticin de una medicin bajo las mismas
condiciones no eliminar el error sistemtico. Se debe encontrar el sistema que gene-
ra los errores sistemticos antes de poder eliminarlos de las observaciones.
Los efectos sistemticos toman diferentes formas que dependen del valor y del sig-
no de cada uno. Si el valor y el signo permanecen iguales a todo lo largo de la medi-
cin, se dice que se encuentra presente un error constante. Efectuar mediciones con
20 Mediciones y errores en los levantamientos
Captulo 2
una cinta muy corta o muy larga es un ejemplo de un error constante. Todas las me-
didas tomadas con esta cinta estarn sometidas al mismo efecto sistemtico debido a
la propia cinta. En caso de presentarse un cambio de signo en el efecto sistemtico,
posiblemente debido a la posicin adoptada por el observador, el error sistemtico
resultante se denomina
variable o neutralizante.
En los levantamientos, los errores sistemticos son ocasionados por causas natu-
rales, factores instrumentales y limitaciones humanas del observador. La tempera-
tura, humedad y presin baromtrica son ejemplos de las causas naturales que pueden
afectar la medicin de ngulos y distancias, tanto por medio de cintas como por
equipo electrnico de medicin de distancias. Los factores instrumentales surgen
por imperfecciones en la construccin o por falta de ajuste adecuado antes de emplear-
lo en la recabacin de datos. Ejemplos de esto son graduaciones diferentes en las
escalas lineales y circulares; falta de centrado de los diferentes componentes de los
instrumentos; fallas en el diseo ptico como dejar distorsiones y aberraciones, y li-
mitaciones materiales en las partes elaboradas como la rosca de los tornillos o partes
rectas.
A pesar de que la automatizacin se ha tenido presente y en algunos casos se ha
incluido (con todo y sus fuentes de efectos sistemticos!) en diferentes asuntos, la
parte humana sigue siendo una parte fundamental dentro de las actividades de la to-
pografa. El observador se apoya en sus sentidos naturales como la vista y el odo,
cada uno con limitaciones y variaciones que dependen tanto de las circunstancias co-
mo del individuo. Sin embargo, algunos errores sistemticos personales son constan-
tes y otros son variables y muchos otros pueden ser errticos. De cierto modo, la de-
terminacin de los errores cometidos por un observador dependen de las condiciones
fsicas, psicolgicas y ambientales presentes durante la observacin.
2.5. Ejemplos de errores sistemticos y sus compensaciones Ejemplos
relacionados con los errores sistemticos son numerosos en los levantamientos to-
pogrficos. Considrese la operacin de cadeneo para medir la distancia entre dos
puntos sobre la superficie de laTierra. La longitud dada por la cadena o cinta ser di-
ferente de los valores fsicos marcados sobre ella en cada una de sus graduaciones,
debido a alguno o a todos los factores siguientes:
1. Cambio en la temperatura empleada para calibrar la cinta y la temperatura presente en el
campo durante la observacin. [ Ec. (4.6), Art. 4.18].
2. La tensin aplicada a la cinta durante la medicin es diferente de la que se us durante su
calibracin [Ec. (4.8), Art. 4.19].
3. El mtodo para apoyar la cinta durante la medicin es diferente del que se emple durante
la calibracin [Ec. (4.8), Art. 4.20].
4. Los puntos extremos que se van a medir se encuentran en diferentes niveles y se desea cono-
cer la distancia horizontal. En este caso, se necesita hacer una correccin debido a que se
puede medir la distancia de la pendiente en lugar de la distancia horizontal [Ec. (4.4), Art.
4.14].
Las tcnicas electrnicas (y electro-pticas) para medicin de distancias tambin
estn sujetas a una serie de efectos sistemticos cuyas fuentes y caractersticas se de-
ben determinar y aminorar. Algunas de estas fuentes pueden ser: un cambio en la
Articulo 2.5 Ejemplos de errores sistemticos y sus compensaciones 21
densidad del aire a travs del cual viaja la seal, que puede causar cambios en la fre-
cuencia de la seal (debido a las variaciones en la velocidad de propagacin de la on-
da); el instrumento (y algunas veces el reflector o unidad remota) puede no estar de-
bidamente centrado en los extremos de la lnea que se van a medir, y la trayectoria de
la seal no se ajusta a una lnea recta y pueda sufrir desviaciones por causas ambien-
tales o de otro tipo.
Otro procedimiento topogrfico en el cual los efectos sistemticos deben determi-
narse es la nivelacin o la observacin de las diferencias de nivel entre puntos
situados sobre la superficie terrestre. El "nivel" es un instrumento empleado para
obtener informacin al colocarlo en un punto y visar sobre un estadal graduado ubica-
do en otro punto. En el aparato existe una burbuja que se puede centrar para asegurar
que la visual de la lnea sea horizontal. Pero si el eje del telescopio no es paralelo al
eje de la burbuja, la visual estar inclinada con relacin a la horizontal aunque la
burbuja est centrada. No obstante, este error se puede compensar por medio de un
procedimiento de observacin relativamente simple al seleccionar distancias iguales
para las vistas atrs y las vistas adelante. De esta manera, los efectos sistemticos se-
sern opuestos y se anularn unos a otros.
Adicionalmente al propio nivel, el estadal tambin puede ocasionar errores siste-
mticos. Por ejemplo, el estadal puede no estar colocado verticalmente, o sus di-
mensiones pueden variar debido a la expansin trmica (por estar al sol o a la
sombra). El medio ambiente tambin constituye una fuente de error sistemtico. Un
aspecto es el hecho de que laTierra no es plana y, por tanto, la lnea de la visual tam-
poco lo ser, a causa de la refraccin atmosfrica.
Otro instrumento ampliamente utilizado en topografa para medir los ngulos ho-
rizontales y verticales es el trnsito (vase el Cap. 6). A continuacin se presentan al-
gunas de las fuentes de errores sistemticos que pueden asociarse con tales instru-
mentos:
1. El crculo horizontal puede estar fuera de centro.
2. Las graduaciones de los crculos verticales u horizontales o de ambos pueden no ser unifor-
mes.
3. El eje horizontal del telescopio (sobre el cual rota) puede no ser perpendicular al eje verti-
cal del instrumento.
4. El eje longitudinal (eje ptico) del telescopio puede no ser normal al eje horizontal de rota-
cin. (En este caso el telescopio describir un cono en lugar de un plano, cuando rote en ca-
da revolucin).
5. Cuando el eje horizontal del telescopio est horizontal y la lectura del crculo vertical sea
diferente de cero.
6. El eje del telescopio y el eje del nivel de burbuja pueden no ser paralelos.
7. La causa puede ser del reflector y no del trnsito. Esto se presenta cuando las condiciones
de iluminacin natural son tales, que una parte del reflector est a la sombra, lo que provo-
ca que el observardor haga la visual sobre la parte iluminada. A este tipo de error se le co-
noce como error aparente de direccin.
Los puntos arriba descritos son slo algunos ejemplos de las posibles causas para
que se presenten errores sistemticos en un levantamiento . Una vez que el error siste-
mtico se ha identificado puede superarse mediante:
22 Mediciones y errores en los levantamientos Captulo 2
1. La formulacin real y el clculo de las correcciones, los cuales se aplican a las observa-
ciones realizadas.
2. Calibrar y ajustar debidamente el equipo y efectuar las mediciones bajo las mismas condi-
ciones especificadas por los resultados de la calibracin.
3. Mantener procedimientos de control para estar atentos a la aparicin de errores sistemti-
cos y poder eliminarlos oportunamente.
2.6. Manejo de errores sistemticos
Si un "error" se retira de una medicin,
es lgico que el resultado se mejore. Esta idea es aplicable a los errores sistemticos;
por lo tanto, si x es el valor de la observacin y es es el error sistemtico presente, en-
tonces la expresin
xc =x - es (2.6)
representa el valor "corregido" para el error sistemtico. Por otra parte, dentro de
la teora clsica de los errores, una correccin cs para errores sistemticos era toma-
da con una magnitud igual a la del error sistemtico pero de signo contrario; de esta
manera, con c5 = -es se tendr
xc =x +cf(2.7)
En los ajustes de las mediciones de los levantamientos es indispensable que el to-
pgrafo detecte y corrija la mayor cantidad posible de errores sistemticos.
2.7. Errores accidentales ( aleatorios) Despus de que se detectan y eliminan
todas las equivocaciones, y si adems todas las causas que producen errores sistem-
ticos se identifican y corrigen, las mediciones se encontrarn libres de desviaciones.
Sin embargo, persistirn algunas variaciones en las mediciones que resultan de erro-
res en las observaciones, cuyo comportamiento es de tipo aleatorio. A estos errores
se les conoce como errores accidentales o errores aleatorios y son consecuencia dei
carcter aleatorio que tiene cada medicin, tal como se dijo en el artculo 2.2. Para
conocer el comportamiento de los errores aleatorios y de las observaciones, se de-
ben conocer ms a fondo las propiedades de las variables aleatorias. El comporta-
miento de estas variables depende de lasprobabilidades, que no son otra cosa que las
variaciones que produce el azar. El siguiente artculo es una simple introduccin a este
campo, aquellos estudiantes que se interesen por profundizar el tema se les sugiere
consultar un texto sobre probabilidades y estadstica.
2.8. Conceptos elementales de probabilidad Supngase que se desea deter-
minar, de manera aceptable, quin saldr favorecido dentro de un grupo de cinco in-
dividuos para que realice una tarea especfica. Primero se escriben los cinco nombres
en papeles idnticos, se colocan dentro de una caja y se mezclan bien. En seguida, una
persona ajena al grupo, con los ojos vendados, toma uno de los papeles de la caja y
el nombre all escrito ser el de la persona elegida. Esta operacin es un simple expe-
rimento y el nombre favorecido ser una consecuencia. La seleccin de la persona se
hizo de manera aleatoria y cada participante tuvo igual oportunidad de ser selec-
cionado. Cada persona ha tenido una oportunidad entre cinco para ser seleccionada,
es decir, una probabilidad de 1 /5 = 0.2. Este nmero se obtiene al dividir uno por el
Artculo 2.9 Distribuciones de frecuencia-histogramas 23
nmero total de aspirantes que tengan las mismas caractersticas, en este caso cinco.
Otro ejemplo sencillo consiste en lanzar un dado, y seis candidatos con las mismas
caractersticas tienen una probabilidad de 1 /6 o de 0.166 de sacar un determinado
nmero.
En muchos casos se estar interesado no slo en una consecuencia, sino en un con-
junto de consecuencias que se conoce como un evento. Por ejemplo, al lanzar un da-
do el evento "que se obtenga un nmero menor a cuatro" puede ser de inters. As,
cualquier resultado con uno, dos o tres puede ser una consecuenciafavorable. Por lo
tanto, se tienen tres consecuencias posibles que sern favorables de un total de seis
consecuencias, lo que da una probabilidad de 3/6 = 1/2. Si se llama E a un evento
determinado y P(E)es su probabilidad, para este caso se tiene P(E)=1 /2. De mane-
ra general se puede formular la probabilidad P(E)[probabilidad de un resultado fa-
vorable ] -f [nmero de resultados favorables]
n [nmero total de resultados posibles]
o, de manera ms sencilla, P(E)=f
n
La medicin de un levantamiento como una distancia o un ngulo, despus de eli-
minar las equivocaciones y corregir los errores sistemticos, es una variable aleatoria
del mismo tipo de las que se presentan al lanzar un dado. Para comprender la natu-
raleza aleatoria de un valor obtenido (por ejemplo un ngulo) en las mediciones de
los levantamientos, se puede medir repetidamente para luego estudiar su distribu-
cin de frecuencias que describe las variaciones aleatorias. Esta operacin se descri-
be de manera muy sencilla en el artculo 2.9.
2.9. Distribuciones de frecuencias- histogramas Supngase que se mide varias
veces un ngulo horizontal (el nmero es meramente arbitrario), por ejemplo n = 177
(Tabla 2.1) con un teodolito Wild T2 (instrumento empleado para determinar y ob-
servar las direcciones y ngulos; vase el captulo 6). Ms an, supngase que todas
las mediciones estn libres de equivocaciones y que todos los errores sistemticos se
han corregido. La tabla 2.1 lista los segundos de arco de cada observacin. Luego de
buscar sobre toda la tabla se ve que el rango de valores se encuentra entre 2.9 y
13.1 ", tambin se puede notar que aunque varan dentro de este rango, existen muy
pocas observaciones prximas a los valores extremos y que casi todas giran en torno
a los 8" de arco.
Es un poco ms difcil estudiar las distribuciones de los valores observados cuan-
do se hace un listado como el que se da en la tabla 2.1. Por lo tanto, si se representa
mediante un diagrama resultar un poco mas fcil de evaluar. En el citado diagra-
ma, en lugar de graficar cada valor observado se establece un intervalo de valores y
se cuenta el nmero de observaciones que se encuentran en dicho intervalo; por
ejemplo, se elige un intervalo de 1" para los datos de la tabla 2.1. Al principiar por el
intervalo de 2.0 a 2.9", inclusive, se tendr una sola observacin (2.9"); en el inter-
valo de 3.0 a 3.9", inclusive, se tendrn tres observaciones (3.1 ", 3.2" y 3.6"); y as
sucesivamente. En la tabla 2.2 se muestra el agrupamiento de intervalos y la
frecuen-
cia con que se presentan ciertos rangos de valores (segunda lnea en la Tabla 2.2).
24 Mediciones y errores en los levantamientos Capitulo 2
Tabla 2.
1177 lecturas al micrmetro tomadas con un teodolito Wild T2$
Valor,Valor,Valor,Valor,
Lectura "
de arco Lectura " de arco Lectura " de arco Lectura " de arco
1 10.3 45 08.5 89 09.5 133 03.2
2
10.2 46 07.9 90 10.5 134 04.8
3 10.3
47 09.1 91 08.0 135 06.1
4 10.2 48 08.3 92 09.0 136 06.5
5
10.4 49 08.3 93 10.5 137 07.0
6 11.9 50 11.0 94 07.5 138 06.2
7 09.2 51 10.0 95 08.2 139 07.5
8 10.2 52 08.2 96 07.0 140 08.2
9 10.4 53 09.1 97 09.9 141 06.5
10 10.9 54
11.6 98 07.4 142 07.2
11 04.0 55 07.9 99 06.8 143 06.9
12 04.9 56 07.0 100 08.9 144 05.5
13 13.1 57 08.1 101 09.2 145 06.0
14 12.7 58 08.8 102 08.5 146 06.2
15 07.0 59 08.5 103 09.5 147 05.0
16 07.9 60 05.0 104 07.2 148 08.0
17 08.0 61 07.0 105 11.9 149 06.2
18 07.8 62 11.1 106 09.1 150 07.5
19 08.8 63 12.0 107 10.0 151 06.9
20 05.1 64 08.8 108 12.1 152 07.2
21 07.3 65 06.2 109 07.0 153 07.2
22 06.4 66 07.0 110 06.0 154 05.0
23 06.2 67 11.0 111 07.3 155 03.6
24 10.9 68 07.5 112 08.5 156 04.8
25 03.1 69 07.8 113 07.0 157 05.1
26 07.3 70 10.2 114 07.2 158 04.8
27 07.1 71 11.0 115 08.4 159 07.2
28 08.0 72 07.8 116 10.2 160 08.0
29 07.8 73 10.1 117 08.8 161 07.8
30 08.3 74 09.2 118 06.9 162 08.0
31 07.0 75 05.7 119 10.1 163 08.9
32 07.2 76 07.9 120 08.2 164 08.0
33 08.3 77 06.2 121 06.4 165 08.0
34 07.5 78 05.0 122 10.4 166 07.2
35 07.2 79 08.5 123 07.8 167 08.0
36 08.0 80 11.0 124 06.9 168 05.2
37 08.1 81 11.9 125 05.6 169 07.0
38 07.8 82 06.9 126 04.6 170 07.2
39 10.0 83 09.8 127 02.9 171 09.3
40 08.2 84 08.3 128 06.5 172 06.8
41 08.5 85 08.5 129 06.1 173 06.1
42 07.9 86 07.2 130 08.9 174 06.9
43 08.9 87 09.5 131 11.3 175 08.2
44 09.2 88 08.9 132 06.9 176 08.2
Valor medio -1413.6/177 a 8.0"
177 09.1
'/
1 Los grados y los minutos se han omitido para simplificar la presentacin.
Artculo 2.10 Funcin de densidad de la probabilidad 25
Para corregir el efecto del nmero real de observaciones realizadas, se dividen los
valores de las frecuencias entre 177, es decir, la segunda lnea de la tabla 2.2 se divide
por el nmero total de observaciones. Los nuevos valores obtenidos se denominan
frecuencias relativas y aparecen consignadas en la tercera lnea de la tabla 2.2. La su-
ma de todas las frecuencias relativas debe ser igual a la unidad.
La frecuencia relativa para cierto intervalo indica la probabilidad, tal como apare-
ce descrita en la ecuacin (2.8). Por ejemplo, para el intervalo inclusivo de 6.0 a 6.9"
se tienen f = 25 observaciones y la frecuencia relativa correspondiente es de f/n =
25/177 = 0.14.
Con los intervalos de clase dados y sus correspondientes frecuencias relativas, el
diagrama citado anteriormente se puede construir (Fig. 2.2) de modo que describa
las distribuciones de frecuencia. A ste se le llama histograma o diagrama de distri-
bucin de frecuencia, y es un
Tabla 2.2
Rango del
intervalo,"2.0-3.0-40-5.0-6.0-7.0-8.0-9.0-10.0-11 0-12.0-13.0-Suma
de arco 2.9 3.9 4.9 5.9 6.9 7.9 8.9 9.9 10.9 11 .9 12.9 13.9
Nmero de
observa-
ciones en
cada
i n t e r v a l o
1 3 6 1 0 25 43 41 1 5 1 9 1 0 3 1 1 77
Frecuencia
relativa
0 01 0.02 0.030 06 0.14 024 0.230.08 0.10 0.06 0.02 0.01 1.00
dibujo en el cual sobre cada intervalo de clase se traza un rectngulo cuya rea es
igual a la frecuencia correspondiente. Como en este caso el intervalo de clase tiene
un valor unitario, la altura de cada rectngulo ser igual a la frecuencia relativa.
La distribucin de frecuencias representada en la figura 2.2 tiene un valor central
muy prximo a 8", pues las mayores frecuencias se presentan en el valor central o
cerca de l. Si las 177 lecturas se suman y el resultado se divide por 177 se obtiene un
valor medio de 8". Es interesante observar que este valor medio tiene la mayor fre-
cuencia relativa. En relacin a esto ms adelante se abordar nuevamente el tema.
2.10. Funcin de densidad de la probabilidad Si el nmero de lecturas se
incrementa de 177 a un nmero muy grande, y si el intervalo de clase se reduce, se en-
contrar que cada frecuencia relativa se aproximar a un lmite estable que no es
otra cosa que laprobabilidad. Consecuentemente, el histograma de la figura 2.2 to-
mar la forma de una curva denominada curva de distribucin de probabilidades,
como puede observarse en la figura 2. 3a. En la prctica, los histogramas se emplean
poco debido a que su construccin implica un gran nmero de observaciones. Ms
an, no es conveniente el uso de histogramas para determinar la probabilidad. En
cambio, la curva de distribucin de probabilidades se utiliza ampliamente.
El eje x de la figura 2.3a representa los valores que el ngulo medido (como va-
riable aleatoria) puede tomar, mientras que la ordenada, a la cual se identifica co-
26 Mediciones y errores en los
levantamientos Capitulo 2
(Media)
0.24
0.22
0.20
0,18
0.16
0.14
0.12
0.10
0.08
0.06
0.04
0.02LI 1 I 1
I I I
2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 1 0.0 1 1 .0 1 2.0 1 3.0 1 4.0
Segundos, parte de las lecturas sobre e l mi cr me t r o
Fig. 2.2 Histograma de las lecturas del micrmetro.
( a l
F ( x )
F(x1)
Fig. 2.3 (a)Curva de la funcin de densidad.
x, u X1 X2
(b)Curva de la funcin de distribucin. (b)
Articulo 2.11 Funcin de distribucin acumulativa 27
mof(x)se llama densidad de la probabilidad. La curva se denominafuncin de den-
sidad de la probabilidad.
Mientras que en el caso del histograma la probabilidad se expresa por el rea de
los rectngulos, en la figura 2.3a la probabilidad est representada por el rea bajo
la curva. Por ejemplo, la probabilidad de que el ngulo medido caiga entre dos valo-
res x, y x2est dada por el rea sombreada de la figura 2.3a. El valor central, H, en es-
ta figura representa el valor medio de la distribucin de los ngulos medidos. La
distribucin media, , indica el valor "verdadero".
As como la suma de las reas de los rectngulos de un histograma es igual a 1,
el rea total bajo la curva de la funcin de densidad tambien es igual a 1. Ms an, el
valor numrico de la probabilidad, siendo igual al rea de una regin bajo la curva,
tendr que ser necesariamente menor o igual a 1. De manera ms especfica, cual-
quier probabilidad P tendr como lmites
0 < P < 1 .0 ( 2.9)
Si se examina detenidamente la figura 2.3a, se ver cmo la curva de densidad se
aproxima al eje x de manera tangencial en sus dos extremos (mejor conocida como
aproximacin asinttica). Por lo tanto, la curva tocar al eje x en + co y en -00, lo que
indica que la curva ideal implica un nmero infinito de observaciones. Se dice que ta-
les observaciones conforman la poblacin que corresponde a la totalidad de los valo-
res posibles que una variable aleatoria puede tomar. El smbolo 2 se utiliza para
representar una variable aleatoria que puede asumir diferentes valores como x', x,,
x2, etc., como se describir ms adelante.
2.11. Funcin de distribucin acumulativa La funcin de densidad no es la
nica clase de funcin asociada con las variables aleatorias. Otro tipo de funcin se
denomina funcin de distribucin acumulativa o simplemente funcin de distri-
bucin, tal como se muestra en la figura 2.3b situada directamente debajo de la fun-
cin de densidad. La funcin de distribucin se identifica por F(x). Cada valor de la
funcin da la probabilidad que la variable, ; asume y que siempre ser menor o
igual que x, es decir,
F(x)=^:5 x)(2.10)
Por lo tanto, en la abscisa x=x', la probabilidad que x<x' se representa por el
rea sombreada bajo la funcin de densidad a la izquierda de x'. En la funcin de
distribucin se representa por la ordenada en x=x'.
Adems, la probabilidad de que 2 >x' ser representada por el rea bajo la fun-
cin de densidad a la derecha de x'. Como el rea total bajo la funcin de densidad
es igual a uno, entonces P(2 -P(2<x'), entonces en la curva de distribucin la pro-
babilidad de que 2 >x'se representar por la distancia vertical del punto a en la cur-
va (Fig. 2.3b) al valor mximo posible (+ 1), o l-F(x').
La probabilidad de que xest entre x, y x2 se representa por el rea sombreada bajo
la funcin de densidad entre x=x, y x=x2. Consecuentemente, en la funcin de
distribucin ser la diferencia entre las dos ordenadas, es decir F(x2)-F(x,).
28 Mediciones y errores en los levantamientos Captulo 2
Finalmente, como se muestra en la figura 2.3b, la funcin de distribucin va hacia
el cero a medida que x se aproxima a-oo, hasta + 1 a medida que x se aproxima a
+ 00.
En resumen, las siguientes son las propiedades generales de la funcin de distribu-
cin:
P(x1<.Sx2)=F(x2)-F(x1)
(2.11)
0:5 F(x) <1 para toda x (2.12)
F(x1) <F(x2) para x1 <x2 (2.13)
F(-oc)=0 (2.14)
F(+oc)= +1 (2.15)
La distribucin de la probabilidad representa la totalidad de la poblacin y est
conformada por un nmero de variables llamados parmetros. Al conocer el nmero
total de parmetros se especifica la funcin de distribucin. Existe un gran nme-
ro de funciones de probabilidad que son muy tiles para manejar los datos de los le-
vantamientos; el ms destacado y popular se llama funcin de distribucin normal
de la densidad que se analizar en el artculo 2.1.
2.12. Distribucin normal La distribucin normal es la de uso ms frecuente en
todos los anlisis de tipo estadstico. La funcin de densidad normal se caracteri-
za por dos parmetros.- la distribucin media, o, y la desviacin estndar, X . El sig-
nificado de cada uno de stos se describe de manera grfica en la figura 2.4. El valor
de f(x)es mximo cuando x= x, alrededor de este valor la curva es simtrica (Fig.
2.4a). La funcin de distribucin se muestra en la figura 2.4b.
Los puntos de inflexin de la curva caen a una distancia o,., a ambos lados deu,.,,
tal como se observa en la figura 2.4a. La media, x, recibe el nombre de parmetro
de localizacin o centralizacin; otros parmetros de centralizacin incluyen la me-
diana y la moda. La mediana es el valor a lo largo del eje x (las abscisas) en el cual la
distancia vertical (ordenada) divide el rea en dos partes iguales. La moda es el valor de
la variable aleatoria cuya funcin de densidad tiene un mximo relativo. Debido a la si-
metra de ls distribucin normal, la mediana y la moda son iguales a la media de distri-
bucin, x.
La desviacin estndar, ox, es una medida de dispersin de la probabilidad de
distribucin (de la problacin) como se muestra en la figura 2.4a, refleja el grado
de variacin de las mediciones, de esta manera un grupo de datos con una variacin
apreciable tendr un mayor valor para ax, que otro grupo con variaciones menores.
El cuadrado de la desviacin estndar, ozx,
se conoce como la varianza o variancia.
Six es una variable de tipo aleatorio con una distribucin normal, la probabilidad
de que z sea menor o igual a d, o P(x< d)se representa por el rea sombreada en la
figura 2.4a, y por la ordenada F(d), o la lnea dd' de la figura 2.4b. Como puede
apreciarse en la figura 2.4a, la funcin de densidad normal se aproxima a cero a me-
dida que x va de + co a - co.
La distribucin normal se emplea ampliamente en la topografa y la geodesia, as
como en muchos otros campos de la ingeniera. Sin embargo, muchos de los fen-
Artculo 2. 13 Muestreo 29
f(x)
0
. X
( a )
1 .0
0.5
F ( d )
0
x
Fig. 2.4
(a) Curva de la funcin de densidad. (b) Curva de la funcin de distribucin.
menos fsicos de tipo aleatorio pueden no ajustarse a leyes normales; la distribucin
normal con frecuencia brinda una buena aproximacin para otras distribuciones.
Adicionalmente, tiene muchas propiedades que la hacen fcil de utilizar y aplicar.
2.13. Muestreo Hasta el momento slo se ha analizado la distribucin de proba-
bilidades de la totalidad de la poblacin. Para poder afirmar que se conoce una
distribucin es preciso saber previamente su tipo (por ejemplo, normal) y todos sus
parmetros. Aunque, en ciertos casos es posible, de manera terica, construir una
distribucin de probabilidades, el caso ms frecuente es no poder construirla. Esto
es justamente lo que sucede en la medicin de los levantamientos. Esta alternativa
hace que las observaciones y clculos sean
estimativos para los parmetros de
distribucin. Las observaciones obtenidas constituyen una muestra que se supone
puede extraerse de manera aleatoria de la poblacin. Para las mediciones de los le-
vantamientos, la poblacin se asume como un nmero infinito de todos los valores
de las mediciones posibles por efectuar; por otra parte, la muestra tendr un
nmero
especfico de mediciones que se denominar tamao de la muestra. Es lgico que a
30 Mediciones y errores en los levantamientos Captulo 2
medida que la muestra aumenta de tamao, mejores sern los clculos estimativos
de sta. Estos estimativos de los parmetros de distribucin se denominan muestras
estadsticas.
Para los datos de la muestra, en especial para las muestras de gran tamao, los
diagramas de frecuencia como los histogramas pueden construirse si se siguen las
indicaciones dadas en el artculo 2.9. Adems, otros dos grupos de muestras
estadsticas se pueden calcular:
1. Muestras estadsticas para localizacin (media, mediana, moda y rango medio).
2. Muestras estadsticas para dispersin (rango, desviacin media, desviacin estndar y va-
rianza).
Estos se describen en los siguientes artculos.
2.14. Muestras estadsticas por localizacin
Media de la muestra La primera y ms conocida medida de localizacin es la media de
una muestra, definida como
n
1: -
xi
n
=1
(2.16)
donde x es la media, xi es la observacin y n es el nmero total de observaciones de la
muestra. Esto significa que se trata de un valor promedio de las observaciones, la me-
dia aritmtica de una serie de observaciones en un buen estimativo de la distribucin
media, 1, de la poblacin. La media de las 177 lecturas del micrmetro que aparecen
en la tabla 2.1 es Z= 14116/177 = 8.0".
Mediana de una muestra Otra medida de localizacin es la mediana, xm,
que se ob-
tiene al arreglar los valores de la muestra de acuerdo con su orden de magnitud.
La mediana ser el valor que se encuentra en el punto medio del nmero de observa-
ciones n, cuando es impar, y ser el valor medio de los dos valores centrales, cuando
n es par. De esta manera, el nmero de observaciones mayores a la mediana ser
igual al nmero de observaciones menores a sta.
La mediana -de la tabla 2.1 es 8.0".
Moda de la muestra
La moda de una muestra es el valor que se presenta con mayor
frecuencia dentro de la muestra.
Rango medio Si de los datos se toma el valor de menor magnitud y se resta al de
mayor magnitud se obtendr un valor que se conoce como rango. El valor que se en-
cuentr-aen el punto medio del rango se denomina rango medio y se puede utilizar co-
mo una medida de localizacin para una muestra dada. Es simplemente la media
aritmtica del valor de la mayor y la menor observacin; el rango de los 177 valores
de la tabla 2.1 es 13.1-2.9=10.2" y, por consiguiente, el rango medio ser
2.9+10.2/2=8.0".
Artculo 2.15 Muestras estadsticas por dispersin 31
2.15. Muestras estadsticas por dispersin
Rango La medida de dispersin ms elemental es el rango y se defini en el artculo
anterior. Sin embargo, no es de gran utilidad como lo son otro tipo de medidas.
Desviacin media ( o promedio) Existe una medida de dispersin bastante til que se
ha denominado de manera convencional error promedio. Es la medida aritmtica de
los valores absolutos de las desviaciones a partir de cualquier punto o medida de po-
sicin (por lo general la media). De esta manera, la desviacin media con relacin al
punto medio de una muestra de n observaciones estar dada por
des iacin media
I (x;
-x)1-
Ir',I
t=1=1
( 2.1 7)
donde vi representa la desviacin de la observacin x; en relacin a la media .
Varianza y desviacin estndar de una muestra La desviacin media, a pesar de
ser muy til en algunos casos, no refleja la dispersin de los valores medidos como
s lo hace la desviacin estndar. En el artculo 2.12, se analiz primero debido a
que su significacin geomtrica en la distribucin es muy representativa. La varianza
tambin se describi all y se dijo que corresponda al cuadrado de la desviacin
estndar. En realidad, cuando se trabaja con informacin numrica primero se cal-
cula la varianza de la muestra, X y, posteriormente, su raz cuadrada se toma como
la desviacin estndar de la muestra. De esta manera para una muestra de n observa-
ciones independientes x;, cuya media sea Y, la varianza de la muestra ser
o' - E (x; -
2
=1 1,2 (2.18)
n-1=1n-1;=1
Entonces " x2es una estimacin imparcial de a,.;
se le llama la estimacin de la varian-
za para cualquier observacin. Por otra parte, la estimacin de la varianza de la me-
dia X est dada por
2
-2- a-
x n
(2.19)
Es obvio que las desviaciones estndares correspondientes son .,. y , Para las medi-
ciones de los levantamientos, la desviacin estndar de la muestra .,. se denomina el
error estndar.
Ejemplo 2.1 En la tabla 2.3 hay 20 observaciones de un ngulo. Calclese la me-
dia del ngulo x, la desviacin estndar ,r y la desviacin estndar de
la media Q x.
32 Mediciones y errores en los levantamientos Captulo 2
soiucr, Si se aplica la Ec. (2.16) la media de la muestra es
X=3102'5320 =3102'26.6"
Primero, las desviaciones de la media se calculan a partir de
V=x, -X
Por ejemplo,
v, =x, -X=3102'29.3"-3102'26.6"=2.7"
v2=x2-X=3102'24.0"-3102'26.6"=-2.6"
y as sucesivamente. Entonces, la varianza de la muestra x es igual a
Tabla 2.3
1 =Observacin nmero 2=Valor del ngulo Observacin nmero Valor del ngulo
1 31002' 293" 11 31002' 24,1"
2 31002' 24.0" 12 31002' 26.2"
3 31002' 27.9" 13 3102' 30.1"
4 3102' 26.8" 14 3102' 29.7"
5 31002' 26.1" 15 3102' 24.1"
6 31002' 25.9" 16 31002' 26.2"
7 31002' 26.1" 17 3102' 27.1"
8 3102' 27.8" 18 31` 02' 24.9"
9 3102' 27.2" 19 3102' 25.7"
10 31 `02' 28.0" 20 31002' 25.2"
la suma de v? dividido por (n-1) o (20-1) = 19. De esta manera por la ecuacin
(2.18), la varianza de la muestra es
2 62=
6 1
=3.22seg.
y la desviacin estndar para una sola observacin ser
dX = 322 = 1 .8"
Adems, la desviacin estndar de la media se puede obtener de la ecuacin ( 2.19) como
_ QX 1.8
20 - 0.4
Artculo 2.16 Exactitud,precisin y precisin relativa 33
Ejemplo 2.2 Con relacin a muestra de 177 observaciones sobre el micrmetro
ilustradas en la tabla 2.1. Calclese la media de las observaciones x, la desviacin
estndar estimada x y la desviacin estndar estimada de la muestra es
SOLUCIN Si se emplea la ecuacin (
2.16) la media de la muestra es
1413.6 -80"
177
La varianza se puede obtener si se emplea la ecuacin (2.18):
X
1 7 7
177-1 ^(x,-
8.0")2=3.703seg2
1
x=1.9"
La desviacin estndar de la media se calcula al emplear la ecuacin (2.19) como:
d
1.9
Q R=-= =0.14"
1 77
2.16 Exactitud, precisin y precisin relativa El trmino exactitud se refiere
al acercamiento que puede tener la media de una muestra a la media de una pobla-
cin o la media de distribucin , es decir, su proximidad al valor verdadero. Esto
mismo se aplica a medidas individuales: entre ms alejada est de la distribucin me-
dia , la precisin ser menor. Por otra parte, la precisin hace referencia al acerca-
miento entre los elementos de un conjunto de observaciones repetidas de cierta va-
riable aleatoria. De esta manera, si tales observaciones se encuentran muy prximas
unas a otras, tendrn pequeas desviaciones con relacin a la media de la muestra,
entonces se dice que las observaciones se han obtenido con una alta precisin. Por
consiguiente, stas pueden ser precisas pero no exactas, si estn agrupadas estrecha-
mente alrededor de la media de la muestra que es diferente de la media de la pobla-
cin por un valor apreciable. Por otra parte, las observaciones pueden ser exactas
pero no precisas, si estn distribuidas correctamente con relacin a la media de la
poblacin p, pero estn significativamente alejadas unas de otras. Finalmente, las
observaciones sern precisas y exactas si estn agrupadas alrededor de la media de
distribucin y.
Uno de los ejemplos ms empleados para demostrar la diferencia entre los dos
conceptos, exactitud y precisin, es el disparo con un rifle de municiones (tambin
conocidos como perdigones o balines). La figura 2.5 muestra tres tipos diferentes de
agrupamientos que se pueden obtener. El grupo (a)es exacto y preciso, el grupo (b)
es preciso pero no exacto y el grupo (c) es exacto pero no preciso. El caso ms difcil
de entender es el ltimo, es decir el (c), que de por s es exacto pero la dispersin
entre los diferentes impactos tiene un alto valor. Para visualizar esto, existe un argu-
mento que dice que el centro de masas, que es equivalente a la media de la muestra
para diferentes impactos, est muy prxima al centro del blanco (que representa el
valor verdadero).
34 Mediciones y errores en los levantamientos Captulo 2
Fig. 2.5 (a),(b)y (c)Agrupamientos de dis-
paros de rifle que ilustran la exactitud y
la precisin. (a) l b ) (c)
Otro trmino que se emplea con relativa frecuencia en las mediciones de los levan-
tamientos es la precisin relativa.
Como el trmino lo implica, se refiere a la relacin
(o proporcin) de la precisin de una medicin dada y del valor de la medicin en s.
Entonces, si d es la distancia medida y od es la desviacin estndar de la medicin,
entonces la precisin relativa ser od/d. Obviamente, la precisin relativa es una
cantidad no dimensional. Puede expresarse como un porcentaje, como una propor-
cin fraccionaria como 1/500 o 1/10 000, o partes por milln (ppm). Esta ltima
convencin, ppm, es muy frecuente cuando se utilizan equipos de tipo electro-ptico
(MED) de gran precisin en la medicin de las distancias, esto se estudiar en
el artculo 4.29.
La precisin relativa se puede evaluar despus de que una medicin y su precisin
se han determinado, o pueden ser dadas al principio y empleadas para determinar la
tolerancia requerida antes de obtener las mediciones. En el ltimo caso, se emplea
para decidir tanto sobre el equipo como las tcnicas de observacin. Esto se tratar
con mayor detalle en los artculos 3.5, 3.6 y 3.7 del captulo 3.
La precisin tambin se puede expresar por su forma (dispersin) de probabilidad
(densidad) de distribucin de la medicin. Una pequea dispersin muestra una alta
precisin, mientras que grandes dispersiones implican una baja precisin, como se
puede observar en las funciones de densidad mostradas en la figura 2.6. En otras pa-
labras, a mayor precisin menor es el valor de la desviacin estndar o o de la va-
rianza o'- y viceversa. Puesto que el rea bajo la curva de densidad es una constante
con valor de uno, la curva de baja precisin mostrada en la figura 2.6 tendr un m-
ximo menor al que se puede obtener en una curva de alta precisin, por lo tanto su
punto de inflexin (en a,) estar lo suficientemente apartado del punto central (en
)-
Adicionalmente a la exactitud y a la precisin, el trmino incertidumbre es otra
medida de la confianza de una medicin. Para las observaciones distribuidas nor-
malmente, la incertidumbre se expresa con referencia a la desviacin estndar o de la
medicin. La figura 2.7 muestra que el rea bajo la curva de densidad normal entre
las ordenadas (.-o) y (p +o) es 0.6826. Entonces, la probabilidad ser de 0.6826 pa-
ra que una medicin caiga dentro de (l.ro) y ( + o), donde es la media de distribu-
cin o valor verdadero. Esto se expresa como
P[(.-a)<z<(.t+a)]= 0.6826 (2.20)
otras probabilidades de desviaciones con relacin a la media se muestran en la figura
2.7 como mltiplos de o, o
P[(-2a)<z<(+2a)] 0.954
P[(-3a)<z<(p.+3a)]=0.997 (2.21)
Articulo 2.16 Exactitud,precisin y precisin relativa 35
N
F i g. 2 . 6
f(
Area =0.954-
Ir--2a--+--2.-
^
i
3a
rea =0.997
F i g. 2 . 7
x
x
Es ms frecuente expresar la incertidumbre de fijar la probabilidad a un valor exacto
como 0.50, 0.9, etc., y determinar el valor correspondiente como un mltiplo de o.
La figura 2.8 muestra para tales incertidumbres: 50, 90, 95 y 9907o. Con su corres-
pondiente intervalo alrededor de la media de distribucin o valor verdadero , stos
se expresan por:
P[(-0.6740)<z <(ju+0.674x)] =0.500
P[(-1.645x)<z <(p.+1.645x)] 0.900
P[(-1.960a)<x<(p.+1.960a)] =0.950
P[(-2.576a)<z<(j +2.5760)] =0.990
(2.22)
36 Mediciones y errores en los levantamientos Captulo 2
f(x)1
^1=
1Probabilidades
(reas) 1
0.990
I+-- 0.500{
^. 1. 0.900
950 0 .
1 1
k - a
0.674a
u+0
les-1.6450 +}+1.645o-*-
-1.960o
2.576o-
Fig. 2.8
1.960a -
-2.576a
al rango de 50% de incertidumbre, entre -0.674 ay + 0.674a, se acostumbra deno-
minarlo error probable. Esto actualmente es obsoleto y no debe emplearse, en cam-
bio, el trmino de incertidumbre puede emplearse. Como otro ejemplo, el 95% o de
incertidumbre es el rango -1.960a a + 1.960a. Que implica que la probabilidad de
0.95 de esta medicin estar entre 1.960o de la media verdadera, .
Ejemplo 2.3 Un ngulo se mide con una desviacin estndar o = 20". Calclense
los intervalos de incertidumbre para 50, 90 y 95%.
SOLUCIN La desviacin estndar representa una incertidumbre del 68. 26010 segn
la ecuacin (2.20) y la figura 2.7. Por lo tanto, el intervalo con relacin a la media de
la poblacin del ngulo es menor que

o para una incertidumbre del 500io y mayor

para el 90 y 95010 de incertidumbre. De acuerdo a la ecuacin (2.22)
0.674o =13.5"1.645a =32.9"1 .96a =39.2"
entonces,
el 50010 de incertidumbre en el intervalo = g 13.5"
el 90010 de incertidumbre en el intervalo = 32.9"
el 95010 de incertidumbre en el intervalo = u 39.2"
Ejemplo
2.4 Una distancia se mide un gran nmero de veces y su error de 95% se
calcula y evala en 0.98 cm. Cul es la desviacin estndar, o error, o, de esta dis-
tancia? Adems, cul la desviacin estndar, o error, o, de esta distancia?
Adems, cul es la incertidumbre para el intervalo p :t 1.0 cm para esta distancia?
Artculo 2.17 Concepto de peso 37
SOLUCIN La magnitud para el 9507o de error es equivalente a 1.96 de acuerdo con
la ecuacin (2.22). Entonces,
0.98=1.960 o a=0.98=0.5cm
1.96
El intervalo dado ser
1.Ocm=1.0a=2a
0. 5
y mediante la ecuacin (2.21) corresponde a una incertidumbre del 95.4%.
2.17 Concepto de peso En el artculo 2.16 se describi la precisin y las rela-
ciones con la desviacin estndar o. Tal como se anot, para una mayor precisin
corresponder una menor desviacin estndar o o una varianza 02, puesto que se tra-
ta de una relacin inversa u opuesta. Otra relacin directa que es posible introducir
es la que se conoce como peso; entre ms grande sea el peso de una medicin mayor
ser su precisin y viceversa. En consecuencia, el peso debe ser inverso a la varian-
za. Si el peso de una observacin simple se denomina w y la varianza o-, entonces
k
w=2
0
( 2.23)
donde k es simplemente una constante de proporcionalidad. Al contar con ms de
una medicin, sus pesos sern proporcionales a los recprocos de las varianzas, pero
nicamente sise supone que estas mediciones no estn correlacionadas. En aquellos
casos en que s existe una correlacin, se requiere un tratamiento diferente el cual se
encuentra fuera del alcance del presente anlisis; aqul que se interese en profundi-
zar lo expresado al respecto en este texto puede consultar las referencias 9 y 11, rela-
cionadas al final de este captulo.
Si se dan varias medidas independientes con desviaciones estndar al, o,, a,,...,
sus pesos relativos se calcularn como los recprocos de las varianzas, es decir:
1 1 1
W1 =
2
W2 = 2 W3 = 3
1a2 Q3
(2.24)
En este caso k = 1. Algunas veces es conveniente seleccionar una de las mediciones y
asignarle un peso igual a la unidad. Esto determinar otro valor para k y todos los
dems pesos sern ajustados por consiguiente para que sus relaciones permanezcan
invariables. Por ejemplo, si a la primera medicin se le da el valor unitario, entonces
2
kk
02
Q1
( 2.25)
W1 = 2 = 1 o k= 01 Y W2 =
2 =
2 W3 = 2
Q1a2 a2 Q3
38 Mediciones y errores en los levantamientos Captulo 2
En el siguiente ejemplo se podr ver cmo se utiliza sta tcnica.
Ejemplo 2.5 Dos instrumentos para medir ngulos tienen desviaciones estndar
al= 5' y 02 = 1'.
a) Cul instrumento ser ms preciso?
b) Encuntrese los pesos relativos para un ngulo medido con ambos instrumen-
tos.
SOLUCIN
a) A mayor precisin, la desviacin estndar es menor . Por consiguiente, el ins-
trumento 2 (con 02 = 1') es ms preciso que el instrumento 1 (con o, = 5').
b) Los pesos son inversamente proporcionales a las varianzas. Conforme la
ecuacin (2.24)
w,=1 =1 =1 =0.04
?(5)2 25
=1.00 w2= v
2
2 =
(1)2
Algunas veces es ms fcil evitar valores numricos pequeos para los pesos. Por lo
tanto, si se hace
w, = 1, entonces
k=o?=25
y de acuerdo con la ecuacin (2.25)
a2
w2=2 =25
U2
Es importante observar que la relacin entre los pesos es la misma, es decir,
0.04 1
1.00 25
2.18 Problemas
2.1 La medicin de un levantamiento,_ya corregida de equivocaciones y de errores sistemti-
cos, se considera como una variable aleatoria; as que se le asocia a un error aleatorio.
Explquense cules son las similitudes y diferencias que existen entre los dos.
2.2 Descrbanse tres tipos de errores y su influencia sobre las mediciones en los levanta-
mientos.
2.3 Explquense varios mtodos por los cuales se puedan compensar los errores sistemti-
cos reconocidos.
Referencias 39
2.4 Una distancia lineal se supone que est normalmente distribuida con una media
a = 113.15 m y una varianza 02= 0.20 m2. Grafquese la-distribucin y mustrese la regin de
probabilidad de 0.954. Indquese el rango de la distancia que corresponde a esta probabilidad.
2.5 Tres mediciones independientes tienen las siguientes desviaciones estndar: 2 cm, 4 cm
y 6 cm. Cules son sus pesos relativos?
2.6 A continuacin se presentan 25 mediciones independientes de una distancia:
731.68 (m) 731.64 731.60 731.58 731.65
731.59 731.56 731.61 731.63 731.59
731.61 731.61 731.69 731 60 731.61
731.64 731.62 731.60 731.55 731.67
731 62 731.60 731.63 731.64 731.62
a) Constryase un histograma para los datos de esta muestra.
b) Calclese la media, mediana, la moda y rango medio para esta muestra.
c) Calclese la varianza de la muestra y su desviacin estndar, as como la desviacin me-
dia de la muestra.
d) Calclese la varianza y la desviacin estndar de la media de la muestra.
2.7 Un ngulo es medido por tres instrumentos diferentes con las siguientes desviaciones
estndar:teodolito al =10"; trnsito a,=30"; brjula a,=10'.
a) Clasifquense las mediciones en orden ascendente con respecto a su precisin.
b)Calclense los pesos relativos de las mediciones,de manera que el peso del teodolito
sea wl =1.
c) Calclese la incertidumbre del 90% para cada medicin.
2.8 Una lnea de unos 1 000 ft de largo es medida con tres instrumentos diferentes que tienen
las siguiientes desviaciones estndar: equipo de medicin electro-ptica, MED, oF=0.015 ft;
cinta metlica, o, = 0.03 ft; cadena de Gunter, o, = 0.05 ft.
a) Clasifquense estas mediciones de manera ascendente segn su peso.
b) Calclense los pesos relativos de las mediciones, de tal manera que el peso de la medi-
cin con cinta metlica sea w= 1.
c)Calclese la incertidumbre del 95% para cada medicin.
Referencias
1. Aguilar,A. M.,"Principies of Survey Error Analysis and Adjustment," Surveying and Mapping,
Sepiember 1973.
2. Allman,J. S.,et al.,"Angular Measurement in Traverses," Austral ian Surveyor, December 1973.
3. Barry,A.,Engineering Measurements, John Wiley & Sons,Inc.,NewYork,1964.
4. Barry,A.,Errors in Practica! Measurement in Science, Engineering, and Technol ogy, John Wiley &
Sons,Inc.,NewYork,1978.
5. Cooper,M. A. R.,Fundamental s of Survey Measurements and Anal ysis, Crosby Lookwood,
London,1974.
6. Cross,P. A.,"The Effect of Errors in Weights," Survey Review, July 1972.
7. Cross,P. A.,"Ellipse Problem-More Solutions," Survey Review, January 1972.
8. Cross,P. A.,"Error Ellipse:ASimple Example," Survey Review, October 1971.
9. Davis,R. E.,Foote,F. S.,Anderson,J. M.,and Mikhail,E. M.,Surveying Theory and Practice, 6th
ed.,McGraw-Hill Book Co.,NewYork,1981.
10. Mikhail,E. M.,Observations and Least Squares, Harper & RowPublishers,NewYork,1976.
11. Mikhail, E. M., and Gracie, G., Analysis and Adjustment ofSurvey Measurements, Van Nostrand
Reinhold Company, New York, 1980.
12. Moffitt,F. H.,and Bouchard,H.,Surveying, 7th ed.,Harper & RowPublishers,NewYork,1982.
13. Richardus,P.,Project Surveying, North-Holland Publishing Company,Amsterdam,1966.
14. Thompson,E. H.,"ANote on Systematic Errors," Photogrammetria, Vol,10,1953-1954.
15. Uotila,U. A.,"Useful Statistics for Land Surveyors," Surveying and Mapping, March 1973.