Sunteți pe pagina 1din 7

ANALISIS DE LA INFORMACIN EXPERIMENTAL Toda informacin experimental debe analizarse.

El anlisis puede variar desde la valoracin verbal de los resultados hasta una determinacin de los errores involucrados en la experimentacin y la comparacin de los resultados con los principios bsicos sobre el tema. El investigador debe conocer la validez de la informacin obtenida por su experimentacin, por ejemplo el Ingeniero Electricista debe conocer la exactitud de las mediciones de voltaje, etc. En todos los experimentos, an realizados con cuidado, se cometern errores, algunos son de naturaleza aleatoria (debidos al azar) y otros de desaciertos del investigador. Estos ltimos deben descartarse de inmediato, pero los errados o "malos" que caen fuera de las desviaciones aleatorias esperadas, pueden descartarse mediante anlisis estadsticos "consistentes" de la informacin. Si el investigador conoce cual es el error, puede corregirlo y dejar de ser un error. Pero los errores reales de la experimentacin son los factores que siempre son vagos y llevan a cierta cantidad de "incertidumbre". Una definicin razonable de la "incertidumbre experimental" es el valor posible del error y la magnitud de un error es siempre incierta. Sin embargo, ambos trminos se usan en la prctica de modo que el lector debe distinguir el significado de ellos y las formas en que se relacionan. Los errores que pueden causar incertidumbre en la medicin experimental, pueden ser Primero: Instrumentales, debidos a desaciertos en los aparatos o instrumentos y segundo: errores fijos" o errores sistemticos, los cuales causan lecturas errneas repetidas, de aproximadamente la misma cantidad, sin razn conocida, y tercero: Los errores aleatorios (al azar), que usualmente se deben a fluctuaciones personales o electrnicas en los aparatos, as como a diversas influencias de friccin. Por lo general (no siempre), estos errores aleatorios siguen una cierta distribucin estadstica, pero no siempre. En muchos casos es difcil distinguir entre errores fsicos y errores aleatorios. El investigador puede usar ciertos mtodos tericos para ''ESTIMAR LA MAGNITUD DEL ERROR FIJO'. El trabajo se reduce a identificar, cuantificar y minimizar los errores. Se indicarn a continuacin los mtodos ms comunes e importantes y se definirn los trminos pertinentes. Cifras Significativas: El concepto de cifras o dgitos significativos se ha desarrollado para determinar la confiabilidad de un valor numrico. El nmero de cifras significativas es el nmero de dgitos, mas un digito estimado que se pueda usar con confianza. Por ejemplo: El velocmetro de un automvil puede indicar que este viaja a una velocidad comprendida entre 48 y 49 Km./h. Si la flecha esta ms all de la mitad de las marcas del indicador, se puede asegurar que el auto viaja aproximadamente a 49 Km/h. sin embargo, supngase que se desea obtener una cifra decimal ms en la estimacin de la velocidad. Alguien podra decir 48,7 y otro 48,8 Km/h. Pero, debido a los lmites del instrumento, nicamente se pueden usar dos dgitos con confianza. El tercer digito, seria estimado someramente y sera errneo afirmar, con base a este velocmetro, que el automvil viaja a 48,7642138 Km/h. En

cambio un odmetro puede mostrar hasta 6 dgitos confiables, por ejemplo mostrar que el auto ha recorrido un poco menos de 87.324,5 Km durante su uso. En este caso el sptimo dgito se desconoce. Los ceros no son siempre cifras significativas ya que pueden usarse slo para ubicar el punto decimal. Por ejemplo: los nmeros: 0,00001845 0,0001845 0,001845 tienen slo cuatro cifras significativas. Por ejemplo, el numero 45300 puede tener tres, cuatro o cinco dgitos significativos, dependiendo de si los ceros se conocen con exactitud. La incertidumbre se puede desechar usando la notacin cientfica: 4,53x104 que muestra tres cifras significativas o 4,530x104 que muestra 4 cifras significativas, o 4,5300x 104 que muestra cinco cifras significativas. Otro ejemplo, puede ser , que representa un nmero especfico y no puede expresarse exactamente con un nmero finito de dgitos. As, por ejemplo: es igual a 3,141592653589793238462 y hasta el infinito. Debido a que las computadoras personales, solo retienen entre 7 y 14 cifras significativas, el numero , no se podr representar exactamente. La omisin del resto de cifras significativas, se conoce como error de redondeo. Cuando nmeros, provenientes de una medida experimental, expresados con cifras significativas correctas, son multiplicados o divididos, el resultado no puede tener ms cifras significativas, que el que tenga menor nmero de tales cifras. Ejemplo: Si multiplicamos 1 x 1,345 el resultado debe ser 1. El resultado de 34,3/65 debe expresarse nicamente sobre dos cifras significativas. El resultado de (1,35 x 0,5)(0,0536 x 15) debe ser expresado nicamente con una cifra significativa. En adicin o sustraccin tambin el resultado debe ser expresado con el nmero correcto de cifras significativas. El resultado no puede tener ms cifras significativas que el que tenga el menor nmero de ellas. Ejemplo: en la operacin 36,7 + 7,629 la respuesta no puede ser otra que 44,3. De acuerdo a lo anterior el resultado de una operacin se deber ajustar al nmero de cifras apropiado. Esto es lo que comnmente se denomina redondeo de dgitos. Por ejemplo: el resultado de 7,23 cm - 0,82 cm es 6,41 sin embargo dicho resultado debe expresarse con dos cifras significativas, por lo cual se debe eliminar la ltima cifra, quedando finalmente como resultado 6,41. El ajuste o aproximacin de cifras sigue algunas reglas ya establecidas.. Reglas para "ajustar cifras": a) Si el dgito a eliminar es menor que 5, el anterior a este se conserva igual. Por ejemplo: 3,862 ajustado a tres cifras significativas es 3,86, pues el 2, que es el dgito a eliminar, es menor que 5.

b) Si el dgito a eliminar es mayor que 5, el anterior aumenta en una unidad. Por ejemplo: si se quiere expresar 43,273 con tres cifras significativas sera 43,3, pues como el 7, que es uno de los dgitos a eliminar, es mayor que 5, el 2 aumenta a 3. c) Si el dgito a eliminar es igual a 5, el anterior a este aumenta una unidad si es impar y queda igual si es par. Por ejemplo: si se quiere expresar 7,35 con dos cifras significativas es 7,4, pues como el dgito a eliminar es 5 y el anterior es impar (3) este sube una unidad (4). En otro caso si se quiere ajustar 8,9365 a cuatro cifras significativas resulta 8,936, pues como el dgito a eliminar es 5 y el anterior a este es un nmero par, queda igual (6). Los errores numricos se generan con el uso de aproximaciones para representar operaciones y cantidades matemticas. La relacin entre el resultado exacto o verdadero y el aproximado esta dado por Valor Verdadero = valor aproximado + error (E). EV = Valor Verdadero - Valor aproximado El subndice v indica error verdadero, por que en otros casos, se emplea una estimacin "aproximada" del error. Se puede normalizar el error respecto de valor verdadero, buscando el error relativo = error verdadero/Valor verdadero Tambin puede expresarse como error relativo porcentual: ER = error verdadero/Valor verdadero x 100 Exactitud y Precisin: Los errores asociados con los clculos y medidas se pueden caracterizar observando su precisin y exactitud. La EXACTITUD se refiere a la aproximacin de un nmero o de una medida al valor verdadero. Es una medida de que tanto se parece el valor obtenido al valor real o esperado. La PRECISION se refiere a la variabilidad entre mediciones repetidas de la misma cantidad. Por Ejemplo, si al determinar el peso de un objeto una persona obtuvo: 23,63; 23,61; 23,62 g. y otra: 23,57; 23,69 y 23,65 g, los primeros resultados muestran menor variacin, de modo que su precisin es mayor que la del segundo grupo de mediciones. La diferencia entre precisin y exactitud se puede ilustrar en la siguiente figura.

FIGURA1. Diferencia entre precisin y exactitud a partir de diferentes resultados de tiradores en un blanco.

La precisin se refiere a lo cerca que caen entre si los diversos tiros. Es posible que una serie de tiros sea muy precisa, pero muy inexacta si caen muy cerca entre si, pero muy lejos del blanco. Sin embargo, carece de significado considerar una serie muy precisa de medidas si su exactitud no es razonablemente buena. Un investigador debe lograr en su trabajo precisin y exactitud aceptables para poder evaluar sus mtodos experimentales y dar validez a las conclusiones sacadas de ellos. Tratamiento de datos resultantes de mediciones, para estimar el error. El experimentador deber efectuar cada medicin ms de una vez, de ordinario por triplicado y luego combinar los resultados de estas determinaciones por mtodos estadsticos. a) Promedio: es la medida aritmtica y se obtiene sumando los datos de las determinaciones repetidas y dividiendo por el nmero de determinaciones. Generalmente se denota por X La comparacin de este valor promedio con el valor verdadero estima la exactitud. b) Desviacin: Es la diferencia entre el valor de una medicin (Xi) y el valor promedio de las mismas (X). d = Xi - X Las desviaciones pueden ser positivas y negativas. La suma algebraica de las desviaciones debe ser igual a cero o muy prximo si se han redondeado los nmeros. Las desviaciones individuales pueden expresarse en valores absolutos y la desviacin media (dm) es la media aritmtica de los valores absolutos de las desviaciones individuales: dm
=

1 n

(x

x)

La desviacin media es una medida de la precisin de los datos. La precisin es una medida de la reproducibilidad de la medicin.

Desviacin estndar o desviacin de la raz media cuadrtica Se define como :

Se llama tambin "DESVIACION NORMAL" y es una medida ms exacta que la desviacin media. El cuadrado de la desviacin estndar (2 ) se llama varianza, algunas veces se llama desviacin estndar de la poblacin, debido a que en el sentido estricto, se aplica solo cuando se toma un gran nmero de muestras para describir la poblacin. Para pequeos conjuntos de datos (muestra), una desviacin estndar de la muestra se define como

n 1 =

( xi x ) 2 i =1 n 1
n

Ejemplo: En la determinacin de sulfato en una mezcla de sales, se obtuvieron 4 resultados; calclese la dm y la n-1 porcentajes de SO4-2 12,38 12,44 12,31 12,43 =49,56 X= 49,56/4 X = 12,39 d -0,01 +0,05 -0,08 +0,04 dm =0,18/4 dm = 0,04 d2 0,0001 0,0025 0,0064 0,0016 = 0,0106/4-1 = 0,06

b) Lmites de error o limites de confianza: Se sabe que las observaciones experimentales estn sujetas a errores aleatorios (al azar, o estocsticos) y que estos hacen que la lectura final sea ms grande o ms pequea (igual probabilidad de que sean negativos o positivos) y que la probabilidad puede deducirse de la DISTRIBUCION GAUSSIANA O DISTRIBUCION NORMAL DEL ERROR. Para conjuntos de datos, en los cuales se toman varias medidas, los experimentos indican que las mediciones siguen una distribucin similar a la mostrada en la figura 2. Si el experimento est controlado, se considera que la distribucin Gaussiana representa los errores aleatorios.

La desviacin estndar es una medida del ancho de la curva de distribucin; mientras mayor sea el valor , mas plana es la curva y mas grande el error esperado en las mediciones. El rea bajo la curva es la unidad; para distribuciones normales se cumple que: (a) El 68.27% de los casos estn comprendidos entre X y X + (b) El 95.45% de los casos estn comprendidos entre X -2 y X +2 (c) El 99.73% de los casos estn comprendidos entre X -3 y X + 3

Figura 2. Curva de distribucin normal de errores

Rechazo de datos. Generalmente los resultados de las mediciones experimentales se deben someter a tests de deteccin de datos anmalos, que son datos cuya desviacin es demasiado grande con respecto a la media. Estas medidas dudosas pueden ser evaluadas estableciendo un intervalo de rechazo de datos fuera del cual cualquier dato ser eliminado. Para eliminar los puntos dudosos de un conjunto de datos (n), primero, se calcula la media y la desviacin estndar usando todos los puntos del conjunto, luego, se establece el intervalo de rechazo de acuerdo a los criterios dados por la tabla 1 para las desviaciones mximas permitidas. Los extremos del intervalo de rechazo se establecen calculando la desviacin mxima (dmax) permitida a partir del nmero de lecturas y la desviacin estndar de los datos. Esta desviacin mxima ser sumada y restada al promedio y estos valores determinaran el intervalo. Cualquier dato que se encuentre fuera de este se considera anmalo y deber ser rechazado.

Tabla 1. Criterio de Chauvenet para rechazar una lectura

No de lecturas n 3 4 5 6 7 10 15 25 50 100 300 500 1000

Razn de la desviacin mxima aceptable a la desviacin estndar,

dmx/
1.38 1.54 1.65 1.73 1.80 1.96 2.13 2.33 2.57 2.81 3.14 3.29 3.48

Para la presentacin final del conjunto de datos, se calcula una nueva media y una desviacin estndar eliminando del clculo los puntos dudosos.