Documente Academic
Documente Profesional
Documente Cultură
o Profesores:
o Integrantes:
LIMA – PERÚ
INDICE
1. Teoría de Errores:
1.1. Definición de Error
1.2. Precisión y Exactitud
1.3. Tratamiento de datos en Series con pocos valores
1.3.1. Intervalo de Confianza
1.3.1.1. Método de T-Student
1.3.1.2. Método Cn
1.3.2. Prueba de Significancia
1.4. Clasificación de Errores
1.4.1. Por su Naturaleza
1.4.1.1. Absolutos
1.4.1.2. Relativos
1.4.2. Por su Origen
1.4.2.1. Crasos
1.4.2.2. Determinados
1.4.2.2.1. En balanzas del laboratorio 11
1.4.2.2.2. En utensilios volumétricos
1.4.2.2.3. En instrumentos graduados sin especificación de error
1.4.2.3. Indeterminados
1.4.2.4. Aleatorios
2. Redondeo
2.1. Cifra siguiente mayor que 5
2.2. Cifra siguiente menor que 5
2.3. Cifra siguiente igual que 5
2.3.1. Cifra subsiguiente nula
2.3.2. Cifras subsiguiente no nulas
3. Cifras significativas
3.1. Concepto:
3.2. Cifras significativas en una medición
3.3. Operaciones con cifras significativas
3.3.1. En suma y restas
3.3.2. En multiplicaciones y divisiones
3.3.3. En potenciación y radicación
3.3.4. En exponenciales y logaritmos
3.3.5. En formulas con cifras constantes
6. Bibliografía
Precisión:
Exactitud:
t×s
μ=x±
√n
Dónde:
s = desviación estándar medida
n = cantidad de observaciones
t = número denominado t-Student, ubicado en una tabla
con su correspondiente nivel de confianza y grado de
libertad (n-1).
1.3.1.2. Método Cn
μ=x±Cn×R
Dónde:
μ = media real
x = media calculada
Cn = multiplicador característico, depende del número de
mediciones (n) y del, nivel de confianza
x 1 −x 2 n 1 n2
Dónde:
t=
s √ n 1 + n2 ,
Pero este método sólo puede ser utilizado cuando s 1 y s2 no son significativamente
diferentes; para ello hacemos uso de la prueba F o de relación de varianza:
s
12
F=
s
22
Se coloca como numerador la varianza con el mayor valor numérico, de tal forma
que la relación F siempre sea mayor que 1. Comparando este valor de F con los
tabulados en un cuadro con cierto nivel de probabilidad. Si el valor Ftabulado es mayor
que el Fcalculado cualquier diferencia entre s1 y s2 no es significativa.
1.4.1.1. Absolutos
(1.3)
Lo que es equivalente a:
1.4.1.2. Relativos
El cociente entre el error absoluto y el mejor valor de la magnitud.
1.4.2.1. Crasos
1.4.2.2. Determinados
1×10−4
i=± =±5×10−5
2
1.4.2.3. Indeterminados
Se debe a las limitaciones naturales para realizar mediciones físicas. Siempre
existe, no puede ser detectado y mucho menos corregido, es la limitante en
definitiva de las determinaciones experimentales. Por ejemplo, al momento de
realizar una lectura del voltaje en un circuito, las fluctuaciones provenientes
de la inestabilidad del instrumento hacen que la medida varíe y no sea estable.
1.4.2.4. Aleatorios
2. Redondeo
Cuando el último digito a redondear es menor a 5,el digito anterior a este se queda tal como
está, por ejemplo:
Cuando el último digito a redondear es igual a 5, el digito anterior a este aumenta en una
unidad, por ejemplo:
Para este caso se procede de la misma manera como en los incisos 2.1, 2.2 y 2.3
3. Cifras significativas
3.1. Concepto
Las cifras significativas son los números a partir del primer digito diferente de cero que se
encuentra a la izquierda de:
Donde van a indicar la precisión con la que se conoce una determina cantidad; pues a
mayor cantidad de cifras significativas, más preciso es el valor.
Las cifras significativas en una medición son el número de dígitos que no se ven afectadas
por la incertidumbre, por ejemplo al dar una medición de 19.7 ± 0.1 m, este tiene 2 cifras
significativas, pues el 7 de la parte decimal se le va agregar o restar la incertidumbre.
Para el caso de la suma y resta de números, se tiene que tomar en cuenta que el
resultado tendrá la misma cantidad de cifras significativas que el número que
contenga la menor cantidad de cifras significativas involucradas en dicha operación,
por ejemplo:
(2.32)2 → 5.38
Log(104.23) → 2.02
Como las constantes ya están explicitas, la cantidad de cifras significativas esta dado
por la cantidad de cifras significativas del número al cual se le está haciendo dicha
operación, por ejemplo:
2*5.36 → 10.72
Sean:
A = x ± ∆x y B = z ± ∆z
A + B= (x + z) ± (∆x + ∆z)
A – B = (x – z) ± (∆x + ∆z)
Ejemplo:
A = 25.05 ± ∆0.005 y B = 10.2 ± ∆0.05
A + B= (35.6) ± 0.06
A – B = (14.9) ± 0.06
Sean:
A = x ± ∆x y B = z ± ∆z
q = x.y → A.B = (x.z) ± ∆q
q = x/y → A/B = (x/y) ± ∆q
∆q ∆z ∆ x
= +
|q| |z| |x|
∆ z ∆x
∆ q=|q|
[ +
|z| |x| ]
Ejemplo:
A = 25.05 ± ∆0.005 y B = 10.2 ± ∆0.05
q = 255.5 → A.B = (255.5) ± 1.2
q = 2.4 → A/B = (2.4) ± 1.1
4.3. En potenciación y radicación
Sea:
A = x ± ∆x
q = x → An = (xn) ± ∆q
n
Ejemplo:
A = 10.2 ± ∆0.05
q = 10.22 → A2 = 104.04 ± 1.0
q = 10.21/2 → A1/2 = 3.19 ± 0.031
Sea:
A = x ± ∆x
q = exp(x) → exp(A) = exp(x) ± ∆q
∆ q= [ ∆ x ]
q = Ln(x) → Ln(A) = Ln(x) ± ∆q
∆q ∆ x
=
[ ]
|q| | x|
Ejemplo:
A = 10.2 ± ∆0.05
q = exp(10.2) → exp(A) = 2.69x104 ± 0.05
q = Ln(10.2) → Ln(A) = 2.32 ± 0.011
Sea:
A = x ± ∆x
q = C.x → A.C = (C.x) ± ∆q
∆q ∆x
|q|
=C
[ ]
|x|
Ejemplo:
A = 10.2 ± ∆0.05
q = 2x10.2 → A.C = 20.4 ± 0.2
Este criterio se tiene en cuenta para obtener un mejor resultado de los datos recopilados, así
como también obtener un menor porcentaje de error en su análisis.
Para este caso se tiene la “Prueba Q”, la cual después de ordenar los datos de forma ascendente,
se verifica el dato dudoso y se realiza el siguiente procedimiento:
x dud −x cercano
Q=
x mayor −x menor
Restar al valor dudoso su vecino más cerca y dividir este valor entre la diferencia del mayor y
menor valor, luego se compara este cociente con un valor de tablas para concluir si este dato
puede o no ser eliminado.
Ejemplo:
Se tiene los siguientes datos de masa (g) del producto de una reacción realizada en el
laboratorio, sabiendo que el verdadero valor es 25.70 g.
x́=25.53
Haciendo uso de los conceptos para descartar, se toma como primer valor dudso el valor
de 24.23 g y se analiza:
25.48−24.23
Q= =0.66
26.10−24.23
Con este valor de Q se puede rechazar el valor de 24.23 g con un nivel de confianza de 99%.
Con el descarte de este valor dudoso se tiene que el nuevo promedio de estos datos es:
x́=25.69
Es visible que descartando el valor dudoso se obtuvo un menor porcentaje de error en el valor
del promedio de los datos.
6. Bibliografía