Documente Academic
Documente Profesional
Documente Cultură
3.1 Objetivos
Objetivo general
Introducir los conceptos básicos de la teoría de errores que permitan ser aplicados en situaciones
experimentales generales.
Objetivos específicos
Vincular las fuentes de incertidumbre en un experimento con el tipo de error asociado.
Identificar el grado de precisión de un instrumento de medición.
Calcular el error asociado a una medición directa o indirecta, según la fuente de incertidumbre.
3.3 Materiales
100 canicas (también se pueden usar monedas o cualquier objeto que se produzca en masa).
20 Capítulo 3. Introducción a la teoría de errores
Galileo Galilei es considerado uno de los primeros científicos modernos, además de ser creador
del método científico y gran contribuyente del telescopio entre muchas otras cosas. Como observador
nato del renacimiento, se fascinaba por los fenómenos que ocurrían en la bóveda celeste, más aún,
los estudiaba minuciosamente y creaba modelos para tratar de describirlos. Sin embargo, no solo el
cielo sino todo aquello que le rodeó fue víctima de su curiosidad, no obstante, la forma en la que
observaba la naturaleza era distinta al de otras personas, ya que su objetivo era obtener magnitudes
físicas por medio de la medición de una o varias propiedades físicas.
En este sentido, una propiedad física es un atributo asociado a un cuerpo, fenómeno o substancia,
la cual es susceptible de ser sometida a un proceso de medición, tales como la longitud, masa,
tiempo, acidez de una substancia, etc. Por lo tanto, el proceso de medición implica obtener un valor
numérico para una propiedad física por medio de la comparación con un instrumento de medición
(o patrón base). A dicho valor numérico se le da el nombre de magnitud física [5, 6].
La especificación de toda magnitud física esta caracterizada por al menos tres elementos [2,
10]:
( # ± ∆ ) U (3.1)
Ejemplo:
Para medir la longitud de una varilla se utiliza una regla con un grado de confiabilidad de
±0.3 m. Como resultado de la medición se obtuvo:
Ésto significa que la lectura en la regla fue de 1.0 m de longitud, sin embargo, el fabricante (u otro
proceso) asegura que la regla tiene un grado de confiabilidad de 0.3 m, por lo tanto, la longitud
real de la varilla está en el rango de 0.7 m a 1.3 m.
Figura 3.1: Conceptos de exactitud y precisión en un lanzamiento de dardos. (a) Baja exactitud y
precisión. (b) Baja exactitud y alta precisión. (c) Alta exactitud y baja precisión. (d) Alta exactitud
y precisión.
ejemplo, error de digitación en la calculadora para hallar una medida indirecta, utilización
incorrecta de los instrumentos de medición, etc. Esta fuente de error no es corregible.
Error sistemático: Representa la parte del error que es igual o afecta en la misma proporción
en cada medición. Se origina por las imperfecciones inherentes en los métodos de medición
y/o modelos teóricos utilizados. Los errores sistemáticos son determinables y corregibles.
Error de escala: Suele ser incluido dentro del error sistemático, sin embargo, por sencillez
operacional y didáctica lo hemos separado, por ello no le resulte extraño encontrar elementos
en común. El error de escala se origina por la falta de exactitud y a la resolución finita al
que todo proceso de medición está sujeto sin importar el instrumento, método de medición o
modelo.
Error estadístico: Considere un experimento en el cual se mide una misma magnitud física
N-veces. El error estadístico, también conocido como error aleatorio, es aquel que proviene
de las fluctuaciones o pequeñas perturbaciones que en determinado momento se suman
y resultan valores grandes o pequeños de la magnitud física en cuestión. Por lo anterior,
se espera que a mayor sensibilidad de un experimento a las perturbaciones, mayor sera la
contribución de este tipo error. El error estadístico puede ser determinado.
Teóricos: Este tipo de error surge debido a la imperfección intrínseca del modelo que se está
utilizando, es decir, a las suposiciones o aproximaciones que se realizan en el modelo. Todo
modelo teórico es imperfecto, puesto que el ser humano aun no conoce completamente la
naturaleza que le rodea, por lo tanto existen infinidad de fenómenos que aún desconocemos y
pueden afectar en mayor o menor medida al modelo.
donde el error de escala y el error estadístico dependen del origen de las medidas (directas
o indirectas). Además, en un experimento donde se efectúa una única medida, no tiene sentido
realizar algún tipo de estadística. En este caso, el error total es el error de escala:
Como se expondrá más adelante, el cálculo del error estadístico y la interpretación del resultado
con su respectiva incertidumbre es diferente en el intervalo de confianza y en el valor esperado de
las medidas.
El intervalo de confianza asociado a la medida de una cierta propiedad física (corriente eléctrica,
altura, temperatura, volumen, etc) es un intervalo dentro del cual se estima que estará el valor de
la medida aún desconocida con una determinada probabilidad de acierto. Dicho de otra forma, el
intervalo de confianza me permite predecir el rango de valores donde se encontrarán las medidas
con cierto grado de probabilidad. La representación usual del intervalo de confianza es
donde x es el valor esperado muestral de la variable x obtenido a partir de las medidas realizadas.
En estadística, el valor esperado (o esperanza matemática o media) de una variable aleatoria es
el número que cuantifica la idea de un valor medio de un fenómeno aleatorio. En el caso particular
de distribuciones normales, la esperanza matemática y la moda coinciden, es decir, la esperanza
matemática es el valor más probable. La forma más común de representar el valor esperado es
x ± ∆tot , (3.6)
La representación (3.6) significa que el valor esperado poblacional (el valor esperado real) de la
variable x se encuentra en el intervalo (x − ∆tot , x + ∆tot ) con un cierto grado de probabilidad.
24 Capítulo 3. Introducción a la teoría de errores
Aunque las representaciones (3.5) y (3.6) son totalmente equivalentes y se puede usar cualquiera
de las dos para expresar el valor esperado o el intervalo de confianza, cabe recordar que el valor
numérico del error total en cada uno de los casos es diferente pues el error estadístico se calcula de
modo distinto en cada uno de ellos.
x1 ± ∆xesc
x2 ± ∆xesc
x3 ± ∆xesc
..
.
xN ± ∆xesc .
Error de escala
En medidas directas, el error de escala está estrechamente relacionado con el instrumento y
las interacciones instrumento-observador e instrumento-montaje experimental. La fórmula para
estimar el error de escala en medidas directas es
q
∆esc = ∆2ex + ∆2ap + ∆2int + · · · (3.8)
• ∆ex - Error de exactitud: Es el error que existe en la calibración del instrumento debido a
los defectos en el proceso de fabricación, desgaste por uso y cualquier otra condición que
afecte su desempeño. Usualmente, éste es especificado en los certificados de calibración del
instrumento.
• ∆ap - Error de apreciación: En instrumentos analógicos, si el observador es capaz de resolver
la división más pequeña del instrumento, entonces el error de apreciación es igual a la
máxima resolución del instrumento, en caso contrario, el error de apreciación es igual a la
división más pequeña que el observador puede resolver. En instrumentos digitales, el error
de apreciación es igual a la máxima resolución del instrumento en la escala que esta siendo
utilizada.
• ∆int - Error de interacción: Se origina de la interacción del instrumento o método de medición
con el objeto a medir. Por ejemplo, al medir el diámetro de una esfera se comete el error de
no tomar exactamente el diámetro sino una longitud un poco más pequeña.
• Los puntos suspensivos representan todas las contribuciones que afectan a la medida cuyos
orígenes se encuentran ligados al instrumento o método de medición.
Error estadístico
El error estadístico, también llamado error aleatorio, tiene su origen en las fluctuaciones debido
a la incertidumbre inherente al proceso de medición (imperfección del método o instrumento de
medición) o a la variación de la propiedad que se está midiendo (naturaleza del fenómeno).
3.7 Cuantificación de la incertidumbre total 25
De lo anterior es claro que cada dato obtenido de un experimento tiene una componente de
error aleatorio que le afecta en mayor o menor medida y como consecuencia, en un conjunto de
mediciones se obtendrá una distribución de probabilidad.
Existe una gran variedad de distribuciones de probabilidad, algunas sesgadas como la distribu-
ción de Poisson o χ 2 , y otras centradas como la distribución de Gauss o de Cauchy. Sin embargo,
resulta interesante que la mayoría de mediciones en experimentos de variable aleatoria convergen a
una distribución de probabilidad de Gauss. Por esto, el cálculo del error estadístico para el intervalo
de confianza y el valor esperado se realizarán con base en esta distribución.
A. Intervalo de confianza
Considere un experimento de variable aleatoria X, donde los datos de la población se distribuyen
siguiendo una distribución de probabilidades de Gauss, como se muestra en la figura 3.2 (en
realidad es una distribución discreta pero por sencillez se utiliza una distribución continua). En toda
distribución estadística, la variable que cuantifica la dispersión de los datos alrededor de la media
de la población (xp ) se denomina la desviación estándar (σp ). En particular, en los experimentos
que suelen realizar se tiene acceso a una muestra de la población, no a la población entera, por lo
tanto se utilizará la media de la muestra (x) y la desviación estándar del la muestra (σbx ).
Figura 3.2: Distribución de probabilidades de Gauss para los datos de la población. xp es la media
poblacional y σx es la desviación estándar.
Sea x el valor esperado de una muestra de que sigue una distribución de Gauss, entonces:
• En el intervalo (x − σ bx , x + σ
bx ) están contenidos aproximadamente el 68.2 % de los datos.
• En el intervalo (x − 2σx , x + 2σbx ) están contenidos aproximadamente el 95.4 % de los datos.
b
• En el intervalo (x − 3σbx , x + 3σbx ) están contenidos aproximadamente el 99.6 % de los datos.
Estos porcentajes son útiles para predecir el grado de probabilidad de que una medida aún no
realizada se encuentre en cierto intervalo y se cumplen estrictamente para una muestra infinita,
donde la distribución no es discreta sino continua. En estadística es conocido que cuando el número
de datos es finito, los anteriores porcentajes no corresponden a los intervalos descritos, de hecho la
distribución de datos no se comporta de acuerdo a la distribución de Gauss sino que sigue la forma
de una distribución t de Student (la cuál tiende a la distribución de Gauss a medida que crecen los
datos).
De acuerdo a lo discutido hasta el momento, el error estadístico asociado al intervalo de
confianza es ∆est = kσbx , donde k es una constante que determina el grado de certeza de que el dato
medido se encuentre dentro del intervalo definido. Puesto que las muestras con las que se tratarán
siempre son finitas, k = tN−1 (P), que es conocido como el coeficiente t de Student y depende del
número de datos (N) y el grado de certeza que se desee asegurar (P). Usualmente, en las tablas del
26 Capítulo 3. Introducción a la teoría de errores
B. Valor esperado
En el planteamiento del apartado anterior, ahora imagine que se repite N veces el experimento
de variable aleatoria X sobre muestras (de la misma población) construidas bajo las mismas
condiciones. Además, en cada muestra se determina la media correspondiente, xi con i = 1, · · · , N.
Suponga que las medias muestrales se distribuyen de acuerdo a una campana de Gauss, como se
ilustra en la figura 3.3, donde el valor más probable corresponde a la media poblacional, xp .
Figura 3.3: Distribución de probabilidades de Gauss para las medias muestrales. xp representa la
media poblacional y sx es el error estándar.
De forma similar a la distribución de los datos medidos, existe un parámetro que cuantifica la
dispersión de las medias muestrales alrededor de la media poblacional; este parámetro recibe el
nombre de error estándar o desviación estándar de las medias (sx ) y el significado que recibe cada
intervalo de ±sx es:
• En el intervalo xp − sx , xp + sx están contenidos aproximadamente el 68.2 % de las medias
muestrales.
• En el intervalo xp − 2sx , xp + 2sx están contenidos aproximadamente el 95.4 % de las
medias muestrales.
• En el intervalo xp − 3sx , xp + 3sx están contenidos aproximadamente el 99.6 % de las
medias muestrales.
Experimentalmente se desea determinar la media de la población, sin embargo, en términos
prácticos, escasas veces se puede acceder a la población completa, más bien se dispone de una
una muestra. Por ello, para estimar la media poblacional se utiliza la media de la muestra (x) junto
con el error estándar de la muestra (b sx ). Similarmente al intervalo de confianza, la distribución
asociada al conjunto finito de datos será la distribución t de Studendt (por los mismo motivos). Con
estos elementos se tiene que en el intervalo definido por (x − sbx , x + sbx ) existe un cierto grado de
probabilidad, precisado por el coeficiente t de Student, de que la media de la población se encuentre
dentro.
3.7 Cuantificación de la incertidumbre total 27
Tabla 3.1: Conjunto de datos para las propiedades físicas x, y y z. Se considera que el error de escala
de cada propiedad física no cambia a lo largo de las N medidas.
x ± ∆xesc y ± ∆yesc z ± ∆zesc
x1 y1 z1
.. .. ..
. . .
xN yN zN
Suponga que se realiza un experimento de variable aleatoria en donde se miden de forma directa
y simultáneamente las propiedades físicas x, y y z un total de N-veces. Además, desde el punto de
vista matemático x, y y z son variables independientes donde el error de escala para cada una de
las propiedades físicas se mantiene igual en las N medidas, como se ilustra en la tabla 3.1. En un
determinado contexto, estas tres propiedades físicas se combinan en una relación matemática para
calcular una nueva propiedad f = f (x, y, z). Bajo estas condiciones, el valor esperado de la muestra
es
f = f (x, y, z) . (3.13)
Debido a que x, y y z fueron definidas como medidas directas, x, y y z se determinan por medio de
la expresión (3.7)
Cada una de las medidas de x, y y z se ven afectadas por el error de escala y el error aleatorio,
entonces al calcular f (x, y, z) estas incertidumbres se van a propagar como una desviación respecto
del valor esperado. A continuación, se exponen brevemente las fórmulas para el cálculo del error
de escala y estadístico, suponiendo que las variables de las cuales depende la medida indirecta son
variables independientes.
Error de escala
El error de escala asociado a f (x, y, z) se calcula como:
d f d f d f
∆ fesc = ∆xesc + ∆yesc + ∆zesc ,
(3.14)
dx x,y,z dy x,y,z dz x,y,z
donde los errores de escala de las medidas directas se determinaron mediante la expresión (3.8).
Nótese que el error de escala para medidas indirectas es el mismo en valor esperado y en el intervalo
de confianza.
Error estadístico
El error estadístico asociado a f (x, y, z) se calcula como:
v !2 !2 !2
u
u d f d f
d f
∆ fest = t ∆xest + ∆yest + ∆zest (3.15)
dx x,y,z dy x,y,z dz x,y,z
28 Capítulo 3. Introducción a la teoría de errores
Esta fórmula es válida para encontrar el error estadístico asociado al valor esperado y al intervalo
de confianza. Aunque en apariencia el error estadístico no cambia en cada uno de estos casos, no se
puede olvidar el hecho de que el error estadístico de cada variable depende del cálculo que se esté
realizando.
3.8 Procedimiento
Este laboratorio se diseñó con el fin de iniciar la estudiante en las herramientas y los conceptos
de la teoría de errores. La primera parte consiste en determinar la distribución y los errores de un
conjunto de medidas directas. La segunda parte consiste en determinar la distribución y calcular los
errores en medidas indirectas.
Antes de iniciar el proceso de medición lea el procedimiento y responda:
1. ¿Cuál es la incertidumbre del instrumento(s) a utilizar?
2. ¿Cuál(es) propiedad(es) física(s) va a medir de forma directa?
3. ¿Cuál(es) propiedad(es) física(s) va a medir de forma indirecta?
3.8.1 Diámetro
Utilizando el calibrador vernier determine el diámetro de cien (100) canicas y consigne cada
dato en una tabla como se sugiere en la parte final de esta guía. Luego, realice los procedimientos
necesarios para responder los siguiente numerales, no olvide redactar detalladamente el análisis
que llevo a cabo para ejecutar cada paso del tratamiento de los datos.
Calcule el valor esperado de los diámetros (con la corrección t de Student y P = 0.999) y
represente el dato de la forma x ± ∆total .
Calcule el intervalo de confianza de los diámetros (con la corrección t de Student y P = 0.999)
y represente el dato de la forma (x − ∆tot , x + ∆tot ).
En el papel milimetrádo construya un histograma de los diámetros e identifique el intervalo
donde se encuentra en valor esperado.
3.8.2 Volumen
Determine el volumen de cada canica.
Encuentre el error de escala de cada volumen hallado en el paso anterior.
Determine el valor esperado del volumen (V ) ¿cuál diámetro debe utilizar?
Determine el intervalo de confianza.
Construya un histograma de los volúmenes e identifique el intervalo donde se encuentra en
valor esperado.
Nombre del parámetro 1 ±∆1 (Unidad) Nombre del parámetro 2 ±∆2 (Unidad)
a1 b1
a2 b2
a3 b3
3.8 Procedimiento 29
La primera forma (Tabla 3.2) se suele utilizar cuando todas las medidas poseen la misma
incertidumbre, de modo que se coloca una única vez, justo en el encabezado, después del nombre
del parámetro que se está midiendo. La segunda forma se suele utilizar cuando cada medida tiene
una incertidumbre diferente y se coloca justo después del valor de la medida. Existen infinidad
de formas para presentar los resultandos en las tablas e incluso el lector puede idear la propia, sin
embargo esta debe contener como mínimo los siguientes elementos:
Leyenda de la tabla: Se suele colocar sobre la tabla. En ella se especifica el número de la
tabla (por ejemplo Tabla 1, Tabla 2, etc) y junto a ésta se realiza una descripción breve del
contenido de la tabla. Algunos ejemplos los puede encontrar a lo largo de este capítulo.
Encabezado: Se escribe el nombre del parámetro que se midió en cada columna (o fila según
la configuración de la tabla), por ejemplo “Radio”, “Tiempo”, “Distancia”, también se pueden
utilizar abreviaturas, r, t, x; en las dos tablas anteriores se utilizó “Nombre del parámetro”.
Además, después del nombre del parámetro se debe escribir la abreviatura de la unidad en la
que se midió (metro (m), segundo (s)).
Medidas: Son los resultados obtenidos para cada parámetro.
Incertidumbre: Es la incertidumbre de cada resultados. Se puede escribir en el encabezado,
al lado del nombre del parámetro, solo en caso que todas las medidas tengan la misma
incertidumbre. Otra posibilidad es escribirlo al lado de cada medida y se suele usar cuando
cada medida tiene distinta incertidumbre.