Notas_mediciones e Indertidumbres
-
Upload
fores-pipes -
Category
Documents
-
view
6 -
download
0
Transcript of Notas_mediciones e Indertidumbres
1
1 Errores de Medicioacuten 11 Introduccioacuten
En Fiacutesica las magnitudes se definen de manera operacional Ello implica fijar un procedimiento de medicioacuten para las mismas es decir establecer un conjunto de operaciones fiacutesicas que se deben realizar para asignar un nuacutemero a cada magnitud considerada Este proceso incluye tambieacuten la definicioacuten de los patrones de medida Los procedimientos de medicioacuten cambian y se perfeccionan con el progreso de la Fiacutesica
De una misma magnitud se pueden dar varias definiciones operacionales Por ejemplo un intervalo de tiempo puede medirse
por el aacutengulo que barre en dicho intervalo la Tierra en su rotacioacuten
por un nuacutemero determinado de oscilaciones de un peacutendulo o de un resorte con caracteriacutesticas bien definidas
por el correspondiente nuacutemero de vibraciones de un cristal de cuarzo de cierto espesor
por la cantidad de radio (Ra) desintegrada
por un reloj atoacutemico etceacutetera La Fiacutesica constituye una estructura coherente y en ello influye de manera
decisiva el hecho de que mediante distintas definiciones operacionales de una misma magnitud fiacutesica se obtienen resultados que son aproximadamente iguales 12 Sistema Internacional de Unidades
El Sistema Internacional de Unidades cuya abreviatura es SI en todos los idiomas es la culminacioacuten de maacutes de un siglo de esfuerzos internacionales encaminados a establecer un sistema universalmente aceptable de unidades de medida En Meacutexico se le conoce como Sistema General de Unidades de Medida y constituye la Norma Oficial Mexicana NOM-008-SCFI-2002 La Ley Federal sobre Metrologiacutea y Normalizacioacuten (LFMN) establece lo siguiente
Artiacuteculo 5deg En Meacutexico el Sistema General de Unidades de Medida es el
uacutenico legal y de uso obligatorio Se integra con el Sistema Internacional de Unidades (SI) y con las unidades fuera de este sistema que adopte la Conferencia General de Pesas y Medidas (CGPM)
Por consiguiente el Sistema Internacional es el sistema de unidades oficial en Meacutexico El SI comprende dos tipos de unidades unidades de base o fundamentales y unidades derivadas Abarca asimismo una serie de prefijos que permiten formar muacuteltiplos y submuacuteltiplos en potencias de diez de las unidades que se utilizan El SI tambieacuten comprende el uso de reglas de escritura para escribir
2
correctamente los valores de las magnitudes con los siacutembolos de las unidades del SI con lo cual evita confusiones y permite una comunicacioacuten uniacutevoca Unidades de Base Se han elegido siete unidades para que sirvan de base al SI las cuales se indican en la Tabla 11
MAGNITUD
NOMBRE SIMBOLO
Longitud metro m Masa kilogramo kg Tiempo segundo s intensidad de corriente eleacutectrica Ampere A temperatura termodinaacutemica Kelvin K intensidad luminosa Candela cd cantidad de sustancia Mol mol
Tabla 11 Unidades de base o fundamentales del SI
Las definiciones de las unidades de base o fundamentales del SI son El metro (m) se define como la longitud de la trayectoria recorrida por la luz en el vaciacuteo en un lapso de 1 299 792 458 de segundo (17ordf Conferencia General de Pesas y Medidas de 1983)
El kilogramo (kg) se define como la masa igual a la del prototipo internacional del kilogramo (1ordf y 3ordf Conferencia General de Pesas y Medidas 1889 y 1901)
El segundo (s) se define como la duracioacuten de 9 192 631 770 periacuteodos de la radiacioacuten correspondiente a la transicioacuten entre los dos niveles hiperfinos del estado base del aacutetomo de cesio 133 (13ordf Conferencia General de Pesas y Medidas 1967)
El ampere (A) se define como la intensidad de una corriente constante que mantenida en dos conductores paralelos rectiliacuteneos de longitud infinita de seccioacuten circular despreciable colocados a un metro de distancia entre siacute en el vaciacuteo produciriacutea entre estos conductores una fuerza igual a 2 X 10-7 Newton por metro de longitud (9ordf Conferencia General de Pesas y Medidas 1948)
El kelvin (K) se define como la fraccioacuten 127316 de la temperatura termodinaacutemica del punto triple del agua (13ordf Conferencia General de Pesas y Medidas 1967)
El mol (mol) se define como la cantidad de materia que contiene tantas unidades elementales como aacutetomos existen en 0012 kilogramos de carbono 12 (12C) (14ordf Conferencia General de Pesas y Medidas 1971)
La candela (cd) se define como la intensidad luminosa en una direccioacuten dada de una fuente que emite una radiacioacuten monocromaacutetica de frecuencia 540 x 1012 Hz y
3
cuya intensidad energeacutetica en esa direccioacuten es de 1683 Watt por esterradiaacuten (16ordf Conferencia General de Pesas y Medidas 1979)
Por uacuteltimo cabe mencionar que el SI es una versioacuten ampliada del sistema MKSMKSAGiorgi que se ha venido utilizando desde 1901 y que la Conferencia General de Pesas y Medidas adoptoacute en 1954 antildeadieacutendole otras unidades y cambiando su nombre por el de Sistema Internacional de Unidades (SI) en 1960 13 Unidades que no pertenecen al SI
Existe algunas unidades que no son del SI pero que su uso es tan amplio que es impraacutectico abandonar su uso como son las unidades de tiempo (antildeo mes diacutea hora minuto) de masa (tonelada meacutetrica) las que se utilizan para medir aacutengulo plano (grado minuto segundo) y otras asiacute como las del Sistema Ingleacutes de Unidades o Sistema Imperial el cual es auacuten usado ampliamente en los Estados Unidos de Ameacuterica y cada vez en menor medida en algunos paiacuteses con tradicioacuten britaacutenica
Debido a la intensa relacioacuten comercial que tiene nuestro paiacutes con los EUA
existen auacuten en Meacutexico muchos productos fabricados con especificaciones en este sistema Ejemplos de ello son los productos de madera tornilleriacutea cables conductores y perfiles metaacutelicos Algunos instrumentos como los medidores de presioacuten para neumaacuteticos automotrices y otros tipos de manoacutemetros frecuentemente emplean escalas en el sistema ingleacutes
A diferencia del SI no existe una autoridad uacutenica en el mundo que tome
decisiones sobre los valores de las unidades en el sistema ingleacutes De hecho algunas unidades tienen valores diferentes en diversos paiacuteses Para el usuario mexicano por nuestra estrecha relacioacuten con los EUA tal vez la referencia maacutes conveniente es la aceptada en ese paiacutes Por ese motivo el CENAM recomienda referirse al portal de Internet del National Institute of Standards and Technology (NIST) laboratorio nacional de metrologiacutea de los EUA para obtener informacioacuten confiable sobre factores de conversioacuten 14 El Centro Nacional de Metrologiacutea
El Centro Nacional de Metrologiacutea (CENAM) es el laboratorio nacional de referencia en materia de mediciones Es responsable de establecer y mantener los patrones nacionales ofrecer servicios metroloacutegicos como calibracioacuten de instrumentos y patrones certificacioacuten y desarrollo de materiales de referencia cursos especializados en metrologiacutea asesoriacuteas y venta de publicaciones
Mantiene un estrecho contacto con otros laboratorios nacionales y con organismos internacionales relacionados con la metrologiacutea con el fin de asegurar el reconocimiento internacional de los patrones nacionales de Meacutexico y consecuentemente promover la aceptacioacuten de los productos y servicios de nuestro paiacutes
4
El CENAM fue creado con el fin de apoyar el sistema metroloacutegico nacional como un organismo descentralizado con personalidad juriacutedica y patrimonio propios de acuerdo al artiacuteculo 29 de la Ley Federal sobre Metrologiacutea y Normalizacioacuten publicada en el Diario Oficial de la Federacioacuten el 1 de julio de 1992 y sus reformas publicadas en el Diario Oficial de la Federacioacuten el 20 de mayo de 1997
En relacioacuten a las funciones del CENAM la Ley Federal sobre Metrologiacutea y
Normalizacioacuten establece lo siguiente Artiacuteculo 30 El Centro Nacional de Metrologiacutea tendraacute las siguientes funciones I Fungir como laboratorio primario del Sistema Nacional de Calibracioacuten II Conservar el patroacuten nacional correspondiente a cada magnitud salvo que su conservacioacuten sea maacutes conveniente en otra institucioacuten III Proporcionar servicios de calibracioacuten a los patrones de medicioacuten de los laboratorios centros de investigacioacuten o a la industria cuando asiacute se solicite asiacute como expedir los certificados correspondientes IV Promover y realizar actividades de investigacioacuten y desarrollo tecnoloacutegico en los diferentes campos de la Metrologiacutea asiacute como coadyuvar a la formacioacuten de recursos humanos para el mismo objetivo V Asesorar a los sectores industriales teacutecnicos y cientiacuteficos en relacioacuten con los problemas de medicioacuten y certificar materiales patroacuten de referencia VI Participar en el intercambio de desarrollo metroloacutegico con organismos nacionales e internacionales y en la intercomparacioacuten de los patrones de medida VII Dictaminar a solicitud de parte sobre la capacidad teacutecnica de calibracioacuten o medicioacuten de los laboratorios que integren el Sistema Nacional de Calibracioacuten VIII Organizar y participar en su caso en congresos seminarios conferencias cursos o en cualquier otro tipo de eventos relacionados con la Metrologiacutea IX Celebrar convenios con instituciones de investigacioacuten que tengan capacidad para desarrollar patrones primarios o instrumentos de alta precisioacuten asiacute como instituciones educativas que puedan ofrecer especializaciones en materia de Metrologiacutea X Celebrar convenios de colaboracioacuten e investigacioacuten metroloacutegica con instituciones organismos y empresas tanto nacionales como extranjeras y XI Las demaacutes que se requieran para su funcionamiento
5
El CENAM se encuentra ubicado en el km 45 de la Carretera a Los Cueacutes Municipio de El Marqueacutes a 11 km de la ciudad de Quereacutetaro Su paacutegina de Internet es wwwcenammx y a traveacutes de ella se pueden bajar en forma gratuita la Norma Oficial Mexicana NOM-008-SCFI-2002 que contiene y describe en forma completa y detallada al SI (Sistema General de Unidades de Medida en Meacutexico) y el texto iacutentegro de la Ley Federal sobre Metrologiacutea y Normalizacioacuten 15 Vocabulario Internacional de Metrologiacutea
El Vocabulario Internacional de Metrologiacutea (VIM) es publicado en Meacutexico como la norma mexicana NMX-Z-055-1997IMNC Algunas definiciones relacionadas a la medicioacuten de magnitudes son Medicioacuten conjunto de operaciones que tienen por objeto determinar el valor de una magnitud Valor de una magnitud expresioacuten cuantitativa de una magnitud particular expresada generalmente en la forma de una unidad de medida multiplicada por un nuacutemero Ejemplo longitud 534 m masa 0152 kg cantidad de substancia 0012 mol oacute 12 mmol Unidad (de medida) magnitud particular definida y adoptada por convencioacuten con la cual se comparan las otras magnitudes de la misma naturaleza para expresar cuantitativamente su relacioacuten con esa magnitud Ejemplo metro segundo kilogramo Newton Pascal Joule Magnitud (medible) Atributo de un fenoacutemeno cuerpo o substancia que es susceptible de ser diferenciado cualitativamente y determinado cuantitativamente Ejemplo longitud tiempo masa temperatura densidad etc Mensurando Magnitud particular sujeta a medicioacuten Ejemplo Presioacuten de vapor de una muestra dada de agua a 20 ordmC Resultado de una medicioacuten Valor atribuido a un mensurando obtenido por medicioacuten Una informacioacuten completa del resultado de una medicioacuten incluye informacioacuten sobre la incertidumbre de la medicioacuten Exactitud de medicioacuten Proximidad de concordancia entre el resultado de una medicioacuten y un valor verdadero del mensurando
6
Exactitud de un instrumento de medicioacuten aptitud de un instrumento de medicioacuten para dar respuestas proacuteximas al valor verdadero Repetibilidad (de los resultados) Proximidad de concordancia entre los resultados de mediciones sucesivas del mismo mensurando con las mediciones realizadas con la aplicacioacuten de la totalidad de las siguientes condiciones
- mismo procedimiento de medicioacuten - mismo observador - mismo instrumento - mismo lugar - mismas condiciones de uso - repeticioacuten en un periodo corto de tiempo
Reproducibilidad (de los resultados) Proximidad de concordancia entre los resultados de mediciones del mismo mensurando con las mediciones realizadas haciendo variar las condiciones de medicioacuten tales como
- principio de medicioacuten - meacutetodo de medicioacuten - observador - instrumento - patroacuten de referencia - lugar - condiciones de uso - tiempo
Algunos conceptos relacionados directamente con la estimacioacuten de la incertidumbre son Magnitud de influencia magnitud que no es el mensurando pero que afecta al resultado de la medicioacuten Ejemplos
bull La temperatura de un microacutemetro cuando se mide una longitud bull La frecuencia en la medicioacuten de la amplitud de una tensioacuten eleacutectrica alterna
Condiciones de referencia Condiciones de uso prescritas para las pruebas de funcionamiento de un instrumento de medicioacuten o para la intercomparacioacuten de resultados de mediciones Algunas caracteriacutesticas de los instrumentos de medicioacuten que inciden en la estimacioacuten de la incertidumbre son Resolucioacuten Miacutenima diferencia de indicacioacuten de un dispositivo indicador que puede ser percibida de manera significativa Valor de una divisioacuten de la escala Diferencia entre los valores correspondientes a dos marcas sucesivas de la escala
7
Histeacuteresis Propiedad de un instrumento donde la respuesta a una sentildeal de entrada depende de la secuencia de las sentildeales de entrada (o los valores de las magnitudes de influencia) precedentes Error (de medicioacuten) Resultado de una medicioacuten menos un valor verdadero del mensurando 2 Incertidumbre y Errores
El resultado de una medicioacuten (valor de una magnitud) es un nuacutemero real Se le interpreta como el ldquonuacutemero de veces que la unidad de medida estaacute contenida en la magnitud en cuestioacutenrdquo Existe una variabilidad inherente al resultado de la medicioacuten por lo cual nunca se conoce el valor verdadero de la magnitud sujeta a medicioacuten Por consiguiente cuando se mide una magnitud soacutelo se puede determinar el valor maacutes cercano al valor verdadero (valor maacutes probable) y se debe estimar la incertidumbre (variabilidad) asociada al valor obtenido
Para asegurar la confiabilidad de las mediciones es necesario realizar una
serie de comparaciones con patrones cada vez de mayor exactitud (o menor incertidumbre) hasta llegar al patroacuten primario Directamente relacionados a esta caracteriacutestica se deben considerar el principio de medicioacuten (base cientiacutefica de una medicioacuten) y el meacutetodo de medicioacuten (secuencia loacutegica de las operaciones descritas de manera geneacuterica utilizadas en la ejecucioacuten de las mediciones)
Por consiguiente el resultado de una medicioacuten contiene al menos dos cantidades el valor maacutes probable considerado como el maacutes cercano al verdadero y la estimacioacuten de la incertidumbre sobre dicho valor La mejora de la calidad de las mediciones implica el mejoramiento de las mismas lo cual significa realizar mediciones maacutes exactas es decir mediciones con incertidumbre cada vez maacutes baja
Podemos decir entonces que la incertidumbre es aquella caracteriacutestica que impide conocer con certeza el valor verdadero de una magnitud Mientras maacutes larga sea la cadena de comparaciones hasta llegar al patroacuten primario el valor de la incertidumbre seraacute maacutes grande
Por otra parte el nivel de incertidumbre adecuado depende de las
necesidades del cliente Por ejemplo la incertidumbre que se requiere para que las sillas de un comedor se vean ldquoideacutenticasrdquo es menor que el nivel de incertidumbre requerido para que los pistones del motor de un automoacutevil hagan que eacuteste funcione con mayor eficiencia y sin vibraciones
La incertidumbre al igual que el valor verdadero soacutelo se estima ya que no se puede cuantificar con exactitud Su valor depende fundamentalmente de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en la magnitud que se mide durante el proceso de
8
obtencioacuten de su valor Todos estos factores representan junto con las magnitudes de influencia las fuentes de la incertidumbre
Veamos primero algunos conceptos baacutesicos sobre errores antes de adentrarnos en el caacutelculo formal de la incertidumbre El valor Xrsquo de la medicioacuten de una magnitud X soacutelo tiene sentido cuando se puede valorar el error que la afecta con respecto a otro valor X que se toma como referencia Ese error se llama absoluto si se expresa por
XXX (21)
de donde XXX (22)
En un conjunto de mediciones el signo de X puede ser tanto positivo como negativo y por ello es costumbre tomar
XX (23)
y escribir
X = Xrsquo X (24) Ejemplos
Constante de los gases R = (831696 000034) JmolmiddotK
masa del electroacuten en reposo me = (91083 00003) x 10-31kg
constante de Boltzmann k = (138044 000007) x 10-23 JK
A veces no se indica el valor de X en cuyo caso se entiende que es igual a la mitad de la unidad correspondiente a la uacuteltima cifra significativa Por ejemplo si se escribe
aceleracioacuten normal de la gravedad g = 980 ms2
se entiende que g = (980 0005) ms2 El significado de X (valor verdadero valor promedio etc) determina la
denominacioacuten que se da a X (error absoluto del valor verdadero del valor medio etc)
Si X es el valor maacutes probable entonces X es su incertidumbre (error del promedio Ep) y para determinarla es necesario aplicar la teoriacutea estadiacutestica de errores casuales Dicha teoriacutea establece el meacutetodo para obtener la estimacioacuten de la incertidumbre para magnitudes que se miden tanto en forma directa como indirecta
9
El error absoluto de la medicioacuten Xrsquo no es suficiente para caracterizar la exactitud de la misma Por eso se define el error relativo
X
X
XX
X
X
Xer
(25)
que es el error por cada unidad de escala en la que se mide la magnitud a determinar El error porcentual es
100 ree (26)
e indica el error que se comete por cada 100 unidades de la escala usada
Se llama repetibilidad al valor inverso del error relativo es decir
X
X
X
XK
(27)
La repetibilidad de un instrumento o de un meacutetodo de medida es su mayor o
menor capacidad para repetir los valores de las mediciones de una magnitud realizadas en las mismas condiciones No obstante antes de la repetibilidad se debe considerar primero la exactitud de un instrumento de medicioacuten la cual se define como la aptitud del instrumento de medicioacuten para dar respuestas proacuteximas al valor verdadero Es conveniente sentildealar que la exactitud es un concepto cualitativo Ejemplos 1) Se mide la altura desde donde se deja caer una esfera con una regla graduada
en cm y se obtiene Xrsquo = 840 cm con un error de apreciacioacuten X = 05 cm Asiacute
cmX )50 084(
31006005952380084
50 re
600 100 ree
7166K
2) Se mide el diaacutemetro de un alambre con un calibre dotado de un vernier con relacioacuten 910 Se obtiene d = 31 mm y el error de apreciacioacuten es de una divisioacuten
del vernier o sea X = 01 mm Entonces
mmd )10 13(
10
030 13
10 re
03 100 ree
3333 K
Obseacutervese que auacuten cuando el error de apreciacioacuten es 50 veces mayor en el
ejemplo 1 la repetibilidad de la medicioacuten es mucho mayor y en consecuencia son menores los errores relativos y porcentual Tambieacuten se desprende que un instrumento no tiene una repetibilidad intriacutenseca sino que la misma estaacute en relacioacuten con la magnitud que se va a medir 21 Clasificacioacuten de los Errores
A menudo se acostumbra hacer una clasificacioacuten extensa y pormenorizada de los errores de medicioacuten En rigor eacutestos pueden clasificarse en tres tipos sistemaacuteticos de apreciacioacuten y casuales a los cuales tambieacuten se les conoce como accidentales o al azar Errores Sistemaacuteticos Son aquellos de valor y signo constante o que corresponden a una ley conocida y producen desviaciones constantes Por tanto se pueden corregir por comparacioacuten con instrumentos patrones o por meacutetodos especiales como la doble pesada la lectura en dos escalas distintas de un voltiacutemetro etc Entre los casos maacutes comunes de errores sistemaacuteticos se pueden citar escalas mal calibradas relojes que atrasan o adelantan balanzas de brazos desiguales etc Errores de Apreciacioacuten Las determinaciones experimentales con algunos instrumentos se reducen a la lectura sobre una escala graduada Al efectuar la lectura el observador debe apreciar una fraccioacuten de la menor divisioacuten de la escala En esta valoracioacuten va impliacutecito un error que se denomina de apreciacioacuten y que depende del tipo de dispositivo de lectura de la separacioacuten entre divisiones sucesivas y de la habilidad del observador Asiacute es muy difiacutecil apreciar fracciones de una escala milimeacutetrica a simple vista mientras que si se mide una longitud con una escala graduada en cm un observador sin experiencia podraacute distinguir fracciones de 05 a 03 cm en tanto que uno capacitado puede garantizar la fraccioacuten 02 cm Los errores de apreciacioacuten seraacuten pues de 05 03 oacute 02 cm
El signo del error de apreciacioacuten puede ser tanto positivo como negativo su valoracioacuten es aproximada y puede considerarse constante para un mismo observador que opere en iguales condiciones
En el caso de una escala provista de vernier con relacioacuten 910 puede ocurrir
que la coincidencia de una divisioacuten del nonius con una de la escala sufra una indeterminacioacuten de una divisioacuten del vernier En tal caso el error de apreciacioacuten es
11
de 01 mm Si se trata de un nonius de relacioacuten 4950 la indeterminacioacuten puede resultar de dos o tres divisiones del nonius y los errores 004 oacute 006 de mm respectivamente
Un caso particular es la medida de intervalos con cronoacutemetros de disparador mecaacutenico La aguja se mueve a saltos de 15 o 110 s seguacuten el tipo de reloj Como el tiempo de reaccioacuten de un observador estaacute entre 15 y 110 s debe tenerse en cuenta y sumarse al error de apreciacioacuten Por ejemplo si el periacuteodo de oscilacioacuten de un peacutendulo es del orden de un segundo un error de 15 s es muy grande e invalidaraacute la medida Sin embargo en el caso de medicioacuten de periacuteodos este error se puede atenuar de manera considerable midiendo lapsos correspondientes a un nuacutemero suficientemente grande de periacuteodos En efecto sea t el lapso correspondiente a n periacuteodos de duracioacuten T
t = n T
si el error de apreciacioacuten es t = 15 s se tiene
sn
TsTt 5
1 51 (28)
El error t disminuye en forma inversamente proporcional al nuacutemero de periacuteodos que se midieron reciacuteprocamente si se fija el error se puede calcular el nuacutemero de periacuteodos que es necesario tener en cuenta para no cometer errores superiores al establecido
Ejemplo si al medir T = 2 s con un cronoacutemetro para el que resulta t = 15 s se quiere que sea e = 10 se obtiene
esoscilacion 100125
100100
n
xnxT
T
22 Desviaciones Intriacutensecas en los Instrumentos de Medicioacuten
Todo instrumento de medicioacuten introduce un rango de incertidumbre que es independiente del observador y que en general estaacute especificado por el fabricante Cuando se carece de esa informacioacuten y de otro aparato que permita hacer un contraste es necesario establecer alguacuten criterio para determinar los errores Si se trata de un aparato analoacutegico se puede suponer que cualquier medicioacuten introduce una incertidumbre igual o mayor que la mitad de la divisioacuten mas pequentildea de la escala
Si el instrumento es digital su puede variar la sensibilidad del medidor hasta
obtener un rango en el cual el nuacutemero en pantalla sea estable y tomar una incertidumbre igual o mayor que una unidad del uacuteltimo diacutegito en pantalla
12
3 Mediciones Directas e Indirectas Mediciones Directas
Se denomina medicioacuten directa a la operacioacuten de lectura en un instrumento utilizado para medir una cierta magnitud
Ejemplos determinacioacuten de una distancia con una cinta meacutetrica de una
masa con una balanza de brazos iguales de una fuerza con una dinamoacutemetro etceacutetera Mediciones Indirectas
Una medicioacuten indirecta es la que se obtiene aplicando una foacutermula o una ley fiacutesica a las magnitudes que se miden directamente Ejemplos caacutelculo de la superficie de una habitacioacuten rectangular por el producto de las longitudes largo y ancho que se miden directamente obtencioacuten de la aceleracioacuten de la gravedad con un peacutendulo ideal mediante la ley
lT
g2
24
donde se relaciona la magnitud g a medir con el periacuteodo T y la longitud l del peacutendulo medibles en forma directa con cronoacutemetro y regla 4 Cifras Significativas
La exactitud de una medicioacuten que depende del instrumento usado y de la habilidad del observador se indica por el nuacutemero de cifras significativas el que estaacute limitado por la incertidumbre Por ejemplo no se debe escribir
X = (3554 03) m ya que no se puede dar una medida con centeacutesimos si la incertidumbre estaacute limitando la exactitud a las deacutecimas Si al medir una longitud con una regla graduada en mm se obtiene un valor de 835 cm los diacutegitos son todos significativos aunque el uacuteltimo esteacute afectado de error por tratarse de la apreciacioacuten de una fraccioacuten de la menor divisioacuten de la escala El nuacutemero de cifras significativas no variacutea si se cambia de unidades y se escribe 00835 m o 83 500 μm Los ceros a la izquierda en el primer caso y a la derecha en el segundo sirven para situar la coma decimal y no se cuentan como cifras significativas El verdadero nuacutemero de cifras significativas puede indicarse
13
siempre utilizando potencias de 10 para poner la coma decimal a la derecha del primer diacutegito 835 x 10-2 m oacute 835 x 104 μm Los caacutelculos aritmeacuteticos realizados con las magnitudes medidas deben tener en cuenta sus incertidumbres y es necesario establecer un criterio para acotar la cantidad de cifras significativas en los valores numeacutericos que se obtienen por caacutelculo Se supone que al operar las cifras afectadas de error que a continuacioacuten se colocan entre pareacutentesis ldquogeneranrdquo cifras con error Los ejemplos siguientes ilustran al respecto Suma
1 3 2 (5)m 21 3 (4)s 13 7 6 (9) kg
0 4 (7) m + 9 8 (1)s + 8 5 (8)kg 1 7 (9) (5)m 31 1 (5)s 9 3 (7)kg 31 7 (1) (9) kg
Los resultados se deben escribir (179 X) (3115 X) y (3171 X)
donde X es la suma de los errores de los sumandos y determina la exactitud con que puede escribirse la suma Resta Se sigue el mismo criterio que en la suma de modo que el resultado se escribe con un error que es la suma de los errores del minuendo y sustraendo
Producto 3 2 (8) m X= 05 m e(x) = 152
x 5 4 (2) m Y= 05 m e(Y) = 092 (6) (5) (6) 1 3 (1) (2) (42) 1 6 4 (0) ______
1 7 7 (7) (7) (6)m2 e(S) = S
S x 100 = e(x) + e(Y) = 244
244100
8177442m
xS
2)447177( mS
5 3 (2) N F= 001 N e (F) = 02
x 0 8 (1) m L= 001 m e (L) = 12 (5) (3) (2) (43)
4 2 (5) (6)______ e()=14=
x 100
= 4 3 (0) (9) (2) N m
m N 060100
30441 x
= (430 006) Nm
14
Como se deduce de los ejemplos el error porcentual del resultado es igual a la suma de los errores porcentuales de los factores Cociente Se sigue el mismo criterio que en el producto por lo que el error porcentual de la divisioacuten es igual a la suma de los errores porcentuales del dividendo y del divisor Potenciacioacuten Como caso particular del producto se multiplica el error porcentual de la base tantas veces como lo indica el exponente
31100531
020)020531( emx
4444 485)531( mmxy 4)485( myy
44
30280314100 mmyY
Ye
4)3055( my
Radicacioacuten El resultado tiene un error porcentual que es igual al error porcentual del radicando dividido entre el iacutendice de la raiacutez
3313)2051(
2 ems
mXxX
0802
3313100
224712247151
mx )080221(
5 Errores Casuales
Los errores casuales dependen de fluctuaciones inevitables e imprevisibles de los paraacutemetros fiacutesicos que influyen en la magnitud que se mide y pueden deberse al observador al instrumento de medida a la magnitud a medir a la variacioacuten del medio ambiente etc Provienen de muacuteltiples factores inapreciables cuya magnitud y signo no se pueden predecir Estas alteraciones son las que provocan que muacuteltiples medidas que se llevan a cabo en ldquoideacutenticas condicionesrdquo no arrojen el mismo valor Provienen de fuentes de error independientes que producen pequentildeas desviaciones individuales erraacuteticas positivas y negativas imposibles de detectar
Cada uno de los errores accidentales es la suma algebraica de un gran nuacutemero de pequentildeos errores cuyas causas son numerosas y pueden actuar con uno u otro signo es decir que dichas variaciones se deben al azar Las fluctuaciones de estos paraacutemetros influiraacuten en general de manera distinta en los resultados de cada medida
15
A veces en las mediciones sucesivas aparentemente se repite el mismo valor Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son maacutes pequentildeas que la menor apreciacioacuten del instrumento empleado
Deben eliminarse de los errores azarosos aquellos debidos a distraccioacuten del
observador (confundir en una escala un nuacutemero con otro registrar mal el valor de una pesa etc)
Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las demaacutes es muy probable que se deban a distraccioacuten y por lo tanto hay que desecharlas
La clasificacioacuten de errores propuesta no es riacutegida y puede ser modificada
Ademaacutes un perfeccionamiento en los procesos de medicioacuten puede poner de manifiesto nuevos errores sistemaacuteticos que con anterioridad se les incluiacutea en los accidentales
6 Teoriacutea Estadiacutestica de Errores Casuales
La teoriacutea estadiacutestica de errores establece fundamentalmente el tratamiento matemaacutetico que debe darse a un conjunto de resultados para obtener la mejor aproximacioacuten de la medida buscada y su liacutemite probable de error o incertidumbre
Dado el caraacutecter aleatorio de las perturbaciones no puede obtenerse una estimacioacuten aceptable de una magnitud medida con una sola medicioacuten auacuten acotando los liacutemites probables de error Por eso es necesario hacer muacuteltiples mediciones en condiciones similares y deducir de ellas el valor maacutes probable y su incertidumbre Por su parte el valor maacutes probable no tendraacute sentido si no se puede saber su incertidumbre Esto implica que siempre se debe especificar el
valor maacutes probable X y un entorno de amplitud 2middotX dentro del cual se espera que se encuentre cualquier nueva medicioacuten hecha en ideacutenticas condiciones
Para cada magnitud medida se tendraacute pues un intervalo de confianza donde se encuentra el ldquovalor verdaderordquo X de la magnitud medida es decir
XXXXX (61)
Geomeacutetricamente
Figura 61 Intervalo de confianza donde se encuentra el valor verdadero
Es obvio que la disminucioacuten de este intervalo indica una mayor exactitud en la determinacioacuten de la magnitud medida
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
2
correctamente los valores de las magnitudes con los siacutembolos de las unidades del SI con lo cual evita confusiones y permite una comunicacioacuten uniacutevoca Unidades de Base Se han elegido siete unidades para que sirvan de base al SI las cuales se indican en la Tabla 11
MAGNITUD
NOMBRE SIMBOLO
Longitud metro m Masa kilogramo kg Tiempo segundo s intensidad de corriente eleacutectrica Ampere A temperatura termodinaacutemica Kelvin K intensidad luminosa Candela cd cantidad de sustancia Mol mol
Tabla 11 Unidades de base o fundamentales del SI
Las definiciones de las unidades de base o fundamentales del SI son El metro (m) se define como la longitud de la trayectoria recorrida por la luz en el vaciacuteo en un lapso de 1 299 792 458 de segundo (17ordf Conferencia General de Pesas y Medidas de 1983)
El kilogramo (kg) se define como la masa igual a la del prototipo internacional del kilogramo (1ordf y 3ordf Conferencia General de Pesas y Medidas 1889 y 1901)
El segundo (s) se define como la duracioacuten de 9 192 631 770 periacuteodos de la radiacioacuten correspondiente a la transicioacuten entre los dos niveles hiperfinos del estado base del aacutetomo de cesio 133 (13ordf Conferencia General de Pesas y Medidas 1967)
El ampere (A) se define como la intensidad de una corriente constante que mantenida en dos conductores paralelos rectiliacuteneos de longitud infinita de seccioacuten circular despreciable colocados a un metro de distancia entre siacute en el vaciacuteo produciriacutea entre estos conductores una fuerza igual a 2 X 10-7 Newton por metro de longitud (9ordf Conferencia General de Pesas y Medidas 1948)
El kelvin (K) se define como la fraccioacuten 127316 de la temperatura termodinaacutemica del punto triple del agua (13ordf Conferencia General de Pesas y Medidas 1967)
El mol (mol) se define como la cantidad de materia que contiene tantas unidades elementales como aacutetomos existen en 0012 kilogramos de carbono 12 (12C) (14ordf Conferencia General de Pesas y Medidas 1971)
La candela (cd) se define como la intensidad luminosa en una direccioacuten dada de una fuente que emite una radiacioacuten monocromaacutetica de frecuencia 540 x 1012 Hz y
3
cuya intensidad energeacutetica en esa direccioacuten es de 1683 Watt por esterradiaacuten (16ordf Conferencia General de Pesas y Medidas 1979)
Por uacuteltimo cabe mencionar que el SI es una versioacuten ampliada del sistema MKSMKSAGiorgi que se ha venido utilizando desde 1901 y que la Conferencia General de Pesas y Medidas adoptoacute en 1954 antildeadieacutendole otras unidades y cambiando su nombre por el de Sistema Internacional de Unidades (SI) en 1960 13 Unidades que no pertenecen al SI
Existe algunas unidades que no son del SI pero que su uso es tan amplio que es impraacutectico abandonar su uso como son las unidades de tiempo (antildeo mes diacutea hora minuto) de masa (tonelada meacutetrica) las que se utilizan para medir aacutengulo plano (grado minuto segundo) y otras asiacute como las del Sistema Ingleacutes de Unidades o Sistema Imperial el cual es auacuten usado ampliamente en los Estados Unidos de Ameacuterica y cada vez en menor medida en algunos paiacuteses con tradicioacuten britaacutenica
Debido a la intensa relacioacuten comercial que tiene nuestro paiacutes con los EUA
existen auacuten en Meacutexico muchos productos fabricados con especificaciones en este sistema Ejemplos de ello son los productos de madera tornilleriacutea cables conductores y perfiles metaacutelicos Algunos instrumentos como los medidores de presioacuten para neumaacuteticos automotrices y otros tipos de manoacutemetros frecuentemente emplean escalas en el sistema ingleacutes
A diferencia del SI no existe una autoridad uacutenica en el mundo que tome
decisiones sobre los valores de las unidades en el sistema ingleacutes De hecho algunas unidades tienen valores diferentes en diversos paiacuteses Para el usuario mexicano por nuestra estrecha relacioacuten con los EUA tal vez la referencia maacutes conveniente es la aceptada en ese paiacutes Por ese motivo el CENAM recomienda referirse al portal de Internet del National Institute of Standards and Technology (NIST) laboratorio nacional de metrologiacutea de los EUA para obtener informacioacuten confiable sobre factores de conversioacuten 14 El Centro Nacional de Metrologiacutea
El Centro Nacional de Metrologiacutea (CENAM) es el laboratorio nacional de referencia en materia de mediciones Es responsable de establecer y mantener los patrones nacionales ofrecer servicios metroloacutegicos como calibracioacuten de instrumentos y patrones certificacioacuten y desarrollo de materiales de referencia cursos especializados en metrologiacutea asesoriacuteas y venta de publicaciones
Mantiene un estrecho contacto con otros laboratorios nacionales y con organismos internacionales relacionados con la metrologiacutea con el fin de asegurar el reconocimiento internacional de los patrones nacionales de Meacutexico y consecuentemente promover la aceptacioacuten de los productos y servicios de nuestro paiacutes
4
El CENAM fue creado con el fin de apoyar el sistema metroloacutegico nacional como un organismo descentralizado con personalidad juriacutedica y patrimonio propios de acuerdo al artiacuteculo 29 de la Ley Federal sobre Metrologiacutea y Normalizacioacuten publicada en el Diario Oficial de la Federacioacuten el 1 de julio de 1992 y sus reformas publicadas en el Diario Oficial de la Federacioacuten el 20 de mayo de 1997
En relacioacuten a las funciones del CENAM la Ley Federal sobre Metrologiacutea y
Normalizacioacuten establece lo siguiente Artiacuteculo 30 El Centro Nacional de Metrologiacutea tendraacute las siguientes funciones I Fungir como laboratorio primario del Sistema Nacional de Calibracioacuten II Conservar el patroacuten nacional correspondiente a cada magnitud salvo que su conservacioacuten sea maacutes conveniente en otra institucioacuten III Proporcionar servicios de calibracioacuten a los patrones de medicioacuten de los laboratorios centros de investigacioacuten o a la industria cuando asiacute se solicite asiacute como expedir los certificados correspondientes IV Promover y realizar actividades de investigacioacuten y desarrollo tecnoloacutegico en los diferentes campos de la Metrologiacutea asiacute como coadyuvar a la formacioacuten de recursos humanos para el mismo objetivo V Asesorar a los sectores industriales teacutecnicos y cientiacuteficos en relacioacuten con los problemas de medicioacuten y certificar materiales patroacuten de referencia VI Participar en el intercambio de desarrollo metroloacutegico con organismos nacionales e internacionales y en la intercomparacioacuten de los patrones de medida VII Dictaminar a solicitud de parte sobre la capacidad teacutecnica de calibracioacuten o medicioacuten de los laboratorios que integren el Sistema Nacional de Calibracioacuten VIII Organizar y participar en su caso en congresos seminarios conferencias cursos o en cualquier otro tipo de eventos relacionados con la Metrologiacutea IX Celebrar convenios con instituciones de investigacioacuten que tengan capacidad para desarrollar patrones primarios o instrumentos de alta precisioacuten asiacute como instituciones educativas que puedan ofrecer especializaciones en materia de Metrologiacutea X Celebrar convenios de colaboracioacuten e investigacioacuten metroloacutegica con instituciones organismos y empresas tanto nacionales como extranjeras y XI Las demaacutes que se requieran para su funcionamiento
5
El CENAM se encuentra ubicado en el km 45 de la Carretera a Los Cueacutes Municipio de El Marqueacutes a 11 km de la ciudad de Quereacutetaro Su paacutegina de Internet es wwwcenammx y a traveacutes de ella se pueden bajar en forma gratuita la Norma Oficial Mexicana NOM-008-SCFI-2002 que contiene y describe en forma completa y detallada al SI (Sistema General de Unidades de Medida en Meacutexico) y el texto iacutentegro de la Ley Federal sobre Metrologiacutea y Normalizacioacuten 15 Vocabulario Internacional de Metrologiacutea
El Vocabulario Internacional de Metrologiacutea (VIM) es publicado en Meacutexico como la norma mexicana NMX-Z-055-1997IMNC Algunas definiciones relacionadas a la medicioacuten de magnitudes son Medicioacuten conjunto de operaciones que tienen por objeto determinar el valor de una magnitud Valor de una magnitud expresioacuten cuantitativa de una magnitud particular expresada generalmente en la forma de una unidad de medida multiplicada por un nuacutemero Ejemplo longitud 534 m masa 0152 kg cantidad de substancia 0012 mol oacute 12 mmol Unidad (de medida) magnitud particular definida y adoptada por convencioacuten con la cual se comparan las otras magnitudes de la misma naturaleza para expresar cuantitativamente su relacioacuten con esa magnitud Ejemplo metro segundo kilogramo Newton Pascal Joule Magnitud (medible) Atributo de un fenoacutemeno cuerpo o substancia que es susceptible de ser diferenciado cualitativamente y determinado cuantitativamente Ejemplo longitud tiempo masa temperatura densidad etc Mensurando Magnitud particular sujeta a medicioacuten Ejemplo Presioacuten de vapor de una muestra dada de agua a 20 ordmC Resultado de una medicioacuten Valor atribuido a un mensurando obtenido por medicioacuten Una informacioacuten completa del resultado de una medicioacuten incluye informacioacuten sobre la incertidumbre de la medicioacuten Exactitud de medicioacuten Proximidad de concordancia entre el resultado de una medicioacuten y un valor verdadero del mensurando
6
Exactitud de un instrumento de medicioacuten aptitud de un instrumento de medicioacuten para dar respuestas proacuteximas al valor verdadero Repetibilidad (de los resultados) Proximidad de concordancia entre los resultados de mediciones sucesivas del mismo mensurando con las mediciones realizadas con la aplicacioacuten de la totalidad de las siguientes condiciones
- mismo procedimiento de medicioacuten - mismo observador - mismo instrumento - mismo lugar - mismas condiciones de uso - repeticioacuten en un periodo corto de tiempo
Reproducibilidad (de los resultados) Proximidad de concordancia entre los resultados de mediciones del mismo mensurando con las mediciones realizadas haciendo variar las condiciones de medicioacuten tales como
- principio de medicioacuten - meacutetodo de medicioacuten - observador - instrumento - patroacuten de referencia - lugar - condiciones de uso - tiempo
Algunos conceptos relacionados directamente con la estimacioacuten de la incertidumbre son Magnitud de influencia magnitud que no es el mensurando pero que afecta al resultado de la medicioacuten Ejemplos
bull La temperatura de un microacutemetro cuando se mide una longitud bull La frecuencia en la medicioacuten de la amplitud de una tensioacuten eleacutectrica alterna
Condiciones de referencia Condiciones de uso prescritas para las pruebas de funcionamiento de un instrumento de medicioacuten o para la intercomparacioacuten de resultados de mediciones Algunas caracteriacutesticas de los instrumentos de medicioacuten que inciden en la estimacioacuten de la incertidumbre son Resolucioacuten Miacutenima diferencia de indicacioacuten de un dispositivo indicador que puede ser percibida de manera significativa Valor de una divisioacuten de la escala Diferencia entre los valores correspondientes a dos marcas sucesivas de la escala
7
Histeacuteresis Propiedad de un instrumento donde la respuesta a una sentildeal de entrada depende de la secuencia de las sentildeales de entrada (o los valores de las magnitudes de influencia) precedentes Error (de medicioacuten) Resultado de una medicioacuten menos un valor verdadero del mensurando 2 Incertidumbre y Errores
El resultado de una medicioacuten (valor de una magnitud) es un nuacutemero real Se le interpreta como el ldquonuacutemero de veces que la unidad de medida estaacute contenida en la magnitud en cuestioacutenrdquo Existe una variabilidad inherente al resultado de la medicioacuten por lo cual nunca se conoce el valor verdadero de la magnitud sujeta a medicioacuten Por consiguiente cuando se mide una magnitud soacutelo se puede determinar el valor maacutes cercano al valor verdadero (valor maacutes probable) y se debe estimar la incertidumbre (variabilidad) asociada al valor obtenido
Para asegurar la confiabilidad de las mediciones es necesario realizar una
serie de comparaciones con patrones cada vez de mayor exactitud (o menor incertidumbre) hasta llegar al patroacuten primario Directamente relacionados a esta caracteriacutestica se deben considerar el principio de medicioacuten (base cientiacutefica de una medicioacuten) y el meacutetodo de medicioacuten (secuencia loacutegica de las operaciones descritas de manera geneacuterica utilizadas en la ejecucioacuten de las mediciones)
Por consiguiente el resultado de una medicioacuten contiene al menos dos cantidades el valor maacutes probable considerado como el maacutes cercano al verdadero y la estimacioacuten de la incertidumbre sobre dicho valor La mejora de la calidad de las mediciones implica el mejoramiento de las mismas lo cual significa realizar mediciones maacutes exactas es decir mediciones con incertidumbre cada vez maacutes baja
Podemos decir entonces que la incertidumbre es aquella caracteriacutestica que impide conocer con certeza el valor verdadero de una magnitud Mientras maacutes larga sea la cadena de comparaciones hasta llegar al patroacuten primario el valor de la incertidumbre seraacute maacutes grande
Por otra parte el nivel de incertidumbre adecuado depende de las
necesidades del cliente Por ejemplo la incertidumbre que se requiere para que las sillas de un comedor se vean ldquoideacutenticasrdquo es menor que el nivel de incertidumbre requerido para que los pistones del motor de un automoacutevil hagan que eacuteste funcione con mayor eficiencia y sin vibraciones
La incertidumbre al igual que el valor verdadero soacutelo se estima ya que no se puede cuantificar con exactitud Su valor depende fundamentalmente de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en la magnitud que se mide durante el proceso de
8
obtencioacuten de su valor Todos estos factores representan junto con las magnitudes de influencia las fuentes de la incertidumbre
Veamos primero algunos conceptos baacutesicos sobre errores antes de adentrarnos en el caacutelculo formal de la incertidumbre El valor Xrsquo de la medicioacuten de una magnitud X soacutelo tiene sentido cuando se puede valorar el error que la afecta con respecto a otro valor X que se toma como referencia Ese error se llama absoluto si se expresa por
XXX (21)
de donde XXX (22)
En un conjunto de mediciones el signo de X puede ser tanto positivo como negativo y por ello es costumbre tomar
XX (23)
y escribir
X = Xrsquo X (24) Ejemplos
Constante de los gases R = (831696 000034) JmolmiddotK
masa del electroacuten en reposo me = (91083 00003) x 10-31kg
constante de Boltzmann k = (138044 000007) x 10-23 JK
A veces no se indica el valor de X en cuyo caso se entiende que es igual a la mitad de la unidad correspondiente a la uacuteltima cifra significativa Por ejemplo si se escribe
aceleracioacuten normal de la gravedad g = 980 ms2
se entiende que g = (980 0005) ms2 El significado de X (valor verdadero valor promedio etc) determina la
denominacioacuten que se da a X (error absoluto del valor verdadero del valor medio etc)
Si X es el valor maacutes probable entonces X es su incertidumbre (error del promedio Ep) y para determinarla es necesario aplicar la teoriacutea estadiacutestica de errores casuales Dicha teoriacutea establece el meacutetodo para obtener la estimacioacuten de la incertidumbre para magnitudes que se miden tanto en forma directa como indirecta
9
El error absoluto de la medicioacuten Xrsquo no es suficiente para caracterizar la exactitud de la misma Por eso se define el error relativo
X
X
XX
X
X
Xer
(25)
que es el error por cada unidad de escala en la que se mide la magnitud a determinar El error porcentual es
100 ree (26)
e indica el error que se comete por cada 100 unidades de la escala usada
Se llama repetibilidad al valor inverso del error relativo es decir
X
X
X
XK
(27)
La repetibilidad de un instrumento o de un meacutetodo de medida es su mayor o
menor capacidad para repetir los valores de las mediciones de una magnitud realizadas en las mismas condiciones No obstante antes de la repetibilidad se debe considerar primero la exactitud de un instrumento de medicioacuten la cual se define como la aptitud del instrumento de medicioacuten para dar respuestas proacuteximas al valor verdadero Es conveniente sentildealar que la exactitud es un concepto cualitativo Ejemplos 1) Se mide la altura desde donde se deja caer una esfera con una regla graduada
en cm y se obtiene Xrsquo = 840 cm con un error de apreciacioacuten X = 05 cm Asiacute
cmX )50 084(
31006005952380084
50 re
600 100 ree
7166K
2) Se mide el diaacutemetro de un alambre con un calibre dotado de un vernier con relacioacuten 910 Se obtiene d = 31 mm y el error de apreciacioacuten es de una divisioacuten
del vernier o sea X = 01 mm Entonces
mmd )10 13(
10
030 13
10 re
03 100 ree
3333 K
Obseacutervese que auacuten cuando el error de apreciacioacuten es 50 veces mayor en el
ejemplo 1 la repetibilidad de la medicioacuten es mucho mayor y en consecuencia son menores los errores relativos y porcentual Tambieacuten se desprende que un instrumento no tiene una repetibilidad intriacutenseca sino que la misma estaacute en relacioacuten con la magnitud que se va a medir 21 Clasificacioacuten de los Errores
A menudo se acostumbra hacer una clasificacioacuten extensa y pormenorizada de los errores de medicioacuten En rigor eacutestos pueden clasificarse en tres tipos sistemaacuteticos de apreciacioacuten y casuales a los cuales tambieacuten se les conoce como accidentales o al azar Errores Sistemaacuteticos Son aquellos de valor y signo constante o que corresponden a una ley conocida y producen desviaciones constantes Por tanto se pueden corregir por comparacioacuten con instrumentos patrones o por meacutetodos especiales como la doble pesada la lectura en dos escalas distintas de un voltiacutemetro etc Entre los casos maacutes comunes de errores sistemaacuteticos se pueden citar escalas mal calibradas relojes que atrasan o adelantan balanzas de brazos desiguales etc Errores de Apreciacioacuten Las determinaciones experimentales con algunos instrumentos se reducen a la lectura sobre una escala graduada Al efectuar la lectura el observador debe apreciar una fraccioacuten de la menor divisioacuten de la escala En esta valoracioacuten va impliacutecito un error que se denomina de apreciacioacuten y que depende del tipo de dispositivo de lectura de la separacioacuten entre divisiones sucesivas y de la habilidad del observador Asiacute es muy difiacutecil apreciar fracciones de una escala milimeacutetrica a simple vista mientras que si se mide una longitud con una escala graduada en cm un observador sin experiencia podraacute distinguir fracciones de 05 a 03 cm en tanto que uno capacitado puede garantizar la fraccioacuten 02 cm Los errores de apreciacioacuten seraacuten pues de 05 03 oacute 02 cm
El signo del error de apreciacioacuten puede ser tanto positivo como negativo su valoracioacuten es aproximada y puede considerarse constante para un mismo observador que opere en iguales condiciones
En el caso de una escala provista de vernier con relacioacuten 910 puede ocurrir
que la coincidencia de una divisioacuten del nonius con una de la escala sufra una indeterminacioacuten de una divisioacuten del vernier En tal caso el error de apreciacioacuten es
11
de 01 mm Si se trata de un nonius de relacioacuten 4950 la indeterminacioacuten puede resultar de dos o tres divisiones del nonius y los errores 004 oacute 006 de mm respectivamente
Un caso particular es la medida de intervalos con cronoacutemetros de disparador mecaacutenico La aguja se mueve a saltos de 15 o 110 s seguacuten el tipo de reloj Como el tiempo de reaccioacuten de un observador estaacute entre 15 y 110 s debe tenerse en cuenta y sumarse al error de apreciacioacuten Por ejemplo si el periacuteodo de oscilacioacuten de un peacutendulo es del orden de un segundo un error de 15 s es muy grande e invalidaraacute la medida Sin embargo en el caso de medicioacuten de periacuteodos este error se puede atenuar de manera considerable midiendo lapsos correspondientes a un nuacutemero suficientemente grande de periacuteodos En efecto sea t el lapso correspondiente a n periacuteodos de duracioacuten T
t = n T
si el error de apreciacioacuten es t = 15 s se tiene
sn
TsTt 5
1 51 (28)
El error t disminuye en forma inversamente proporcional al nuacutemero de periacuteodos que se midieron reciacuteprocamente si se fija el error se puede calcular el nuacutemero de periacuteodos que es necesario tener en cuenta para no cometer errores superiores al establecido
Ejemplo si al medir T = 2 s con un cronoacutemetro para el que resulta t = 15 s se quiere que sea e = 10 se obtiene
esoscilacion 100125
100100
n
xnxT
T
22 Desviaciones Intriacutensecas en los Instrumentos de Medicioacuten
Todo instrumento de medicioacuten introduce un rango de incertidumbre que es independiente del observador y que en general estaacute especificado por el fabricante Cuando se carece de esa informacioacuten y de otro aparato que permita hacer un contraste es necesario establecer alguacuten criterio para determinar los errores Si se trata de un aparato analoacutegico se puede suponer que cualquier medicioacuten introduce una incertidumbre igual o mayor que la mitad de la divisioacuten mas pequentildea de la escala
Si el instrumento es digital su puede variar la sensibilidad del medidor hasta
obtener un rango en el cual el nuacutemero en pantalla sea estable y tomar una incertidumbre igual o mayor que una unidad del uacuteltimo diacutegito en pantalla
12
3 Mediciones Directas e Indirectas Mediciones Directas
Se denomina medicioacuten directa a la operacioacuten de lectura en un instrumento utilizado para medir una cierta magnitud
Ejemplos determinacioacuten de una distancia con una cinta meacutetrica de una
masa con una balanza de brazos iguales de una fuerza con una dinamoacutemetro etceacutetera Mediciones Indirectas
Una medicioacuten indirecta es la que se obtiene aplicando una foacutermula o una ley fiacutesica a las magnitudes que se miden directamente Ejemplos caacutelculo de la superficie de una habitacioacuten rectangular por el producto de las longitudes largo y ancho que se miden directamente obtencioacuten de la aceleracioacuten de la gravedad con un peacutendulo ideal mediante la ley
lT
g2
24
donde se relaciona la magnitud g a medir con el periacuteodo T y la longitud l del peacutendulo medibles en forma directa con cronoacutemetro y regla 4 Cifras Significativas
La exactitud de una medicioacuten que depende del instrumento usado y de la habilidad del observador se indica por el nuacutemero de cifras significativas el que estaacute limitado por la incertidumbre Por ejemplo no se debe escribir
X = (3554 03) m ya que no se puede dar una medida con centeacutesimos si la incertidumbre estaacute limitando la exactitud a las deacutecimas Si al medir una longitud con una regla graduada en mm se obtiene un valor de 835 cm los diacutegitos son todos significativos aunque el uacuteltimo esteacute afectado de error por tratarse de la apreciacioacuten de una fraccioacuten de la menor divisioacuten de la escala El nuacutemero de cifras significativas no variacutea si se cambia de unidades y se escribe 00835 m o 83 500 μm Los ceros a la izquierda en el primer caso y a la derecha en el segundo sirven para situar la coma decimal y no se cuentan como cifras significativas El verdadero nuacutemero de cifras significativas puede indicarse
13
siempre utilizando potencias de 10 para poner la coma decimal a la derecha del primer diacutegito 835 x 10-2 m oacute 835 x 104 μm Los caacutelculos aritmeacuteticos realizados con las magnitudes medidas deben tener en cuenta sus incertidumbres y es necesario establecer un criterio para acotar la cantidad de cifras significativas en los valores numeacutericos que se obtienen por caacutelculo Se supone que al operar las cifras afectadas de error que a continuacioacuten se colocan entre pareacutentesis ldquogeneranrdquo cifras con error Los ejemplos siguientes ilustran al respecto Suma
1 3 2 (5)m 21 3 (4)s 13 7 6 (9) kg
0 4 (7) m + 9 8 (1)s + 8 5 (8)kg 1 7 (9) (5)m 31 1 (5)s 9 3 (7)kg 31 7 (1) (9) kg
Los resultados se deben escribir (179 X) (3115 X) y (3171 X)
donde X es la suma de los errores de los sumandos y determina la exactitud con que puede escribirse la suma Resta Se sigue el mismo criterio que en la suma de modo que el resultado se escribe con un error que es la suma de los errores del minuendo y sustraendo
Producto 3 2 (8) m X= 05 m e(x) = 152
x 5 4 (2) m Y= 05 m e(Y) = 092 (6) (5) (6) 1 3 (1) (2) (42) 1 6 4 (0) ______
1 7 7 (7) (7) (6)m2 e(S) = S
S x 100 = e(x) + e(Y) = 244
244100
8177442m
xS
2)447177( mS
5 3 (2) N F= 001 N e (F) = 02
x 0 8 (1) m L= 001 m e (L) = 12 (5) (3) (2) (43)
4 2 (5) (6)______ e()=14=
x 100
= 4 3 (0) (9) (2) N m
m N 060100
30441 x
= (430 006) Nm
14
Como se deduce de los ejemplos el error porcentual del resultado es igual a la suma de los errores porcentuales de los factores Cociente Se sigue el mismo criterio que en el producto por lo que el error porcentual de la divisioacuten es igual a la suma de los errores porcentuales del dividendo y del divisor Potenciacioacuten Como caso particular del producto se multiplica el error porcentual de la base tantas veces como lo indica el exponente
31100531
020)020531( emx
4444 485)531( mmxy 4)485( myy
44
30280314100 mmyY
Ye
4)3055( my
Radicacioacuten El resultado tiene un error porcentual que es igual al error porcentual del radicando dividido entre el iacutendice de la raiacutez
3313)2051(
2 ems
mXxX
0802
3313100
224712247151
mx )080221(
5 Errores Casuales
Los errores casuales dependen de fluctuaciones inevitables e imprevisibles de los paraacutemetros fiacutesicos que influyen en la magnitud que se mide y pueden deberse al observador al instrumento de medida a la magnitud a medir a la variacioacuten del medio ambiente etc Provienen de muacuteltiples factores inapreciables cuya magnitud y signo no se pueden predecir Estas alteraciones son las que provocan que muacuteltiples medidas que se llevan a cabo en ldquoideacutenticas condicionesrdquo no arrojen el mismo valor Provienen de fuentes de error independientes que producen pequentildeas desviaciones individuales erraacuteticas positivas y negativas imposibles de detectar
Cada uno de los errores accidentales es la suma algebraica de un gran nuacutemero de pequentildeos errores cuyas causas son numerosas y pueden actuar con uno u otro signo es decir que dichas variaciones se deben al azar Las fluctuaciones de estos paraacutemetros influiraacuten en general de manera distinta en los resultados de cada medida
15
A veces en las mediciones sucesivas aparentemente se repite el mismo valor Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son maacutes pequentildeas que la menor apreciacioacuten del instrumento empleado
Deben eliminarse de los errores azarosos aquellos debidos a distraccioacuten del
observador (confundir en una escala un nuacutemero con otro registrar mal el valor de una pesa etc)
Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las demaacutes es muy probable que se deban a distraccioacuten y por lo tanto hay que desecharlas
La clasificacioacuten de errores propuesta no es riacutegida y puede ser modificada
Ademaacutes un perfeccionamiento en los procesos de medicioacuten puede poner de manifiesto nuevos errores sistemaacuteticos que con anterioridad se les incluiacutea en los accidentales
6 Teoriacutea Estadiacutestica de Errores Casuales
La teoriacutea estadiacutestica de errores establece fundamentalmente el tratamiento matemaacutetico que debe darse a un conjunto de resultados para obtener la mejor aproximacioacuten de la medida buscada y su liacutemite probable de error o incertidumbre
Dado el caraacutecter aleatorio de las perturbaciones no puede obtenerse una estimacioacuten aceptable de una magnitud medida con una sola medicioacuten auacuten acotando los liacutemites probables de error Por eso es necesario hacer muacuteltiples mediciones en condiciones similares y deducir de ellas el valor maacutes probable y su incertidumbre Por su parte el valor maacutes probable no tendraacute sentido si no se puede saber su incertidumbre Esto implica que siempre se debe especificar el
valor maacutes probable X y un entorno de amplitud 2middotX dentro del cual se espera que se encuentre cualquier nueva medicioacuten hecha en ideacutenticas condiciones
Para cada magnitud medida se tendraacute pues un intervalo de confianza donde se encuentra el ldquovalor verdaderordquo X de la magnitud medida es decir
XXXXX (61)
Geomeacutetricamente
Figura 61 Intervalo de confianza donde se encuentra el valor verdadero
Es obvio que la disminucioacuten de este intervalo indica una mayor exactitud en la determinacioacuten de la magnitud medida
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
3
cuya intensidad energeacutetica en esa direccioacuten es de 1683 Watt por esterradiaacuten (16ordf Conferencia General de Pesas y Medidas 1979)
Por uacuteltimo cabe mencionar que el SI es una versioacuten ampliada del sistema MKSMKSAGiorgi que se ha venido utilizando desde 1901 y que la Conferencia General de Pesas y Medidas adoptoacute en 1954 antildeadieacutendole otras unidades y cambiando su nombre por el de Sistema Internacional de Unidades (SI) en 1960 13 Unidades que no pertenecen al SI
Existe algunas unidades que no son del SI pero que su uso es tan amplio que es impraacutectico abandonar su uso como son las unidades de tiempo (antildeo mes diacutea hora minuto) de masa (tonelada meacutetrica) las que se utilizan para medir aacutengulo plano (grado minuto segundo) y otras asiacute como las del Sistema Ingleacutes de Unidades o Sistema Imperial el cual es auacuten usado ampliamente en los Estados Unidos de Ameacuterica y cada vez en menor medida en algunos paiacuteses con tradicioacuten britaacutenica
Debido a la intensa relacioacuten comercial que tiene nuestro paiacutes con los EUA
existen auacuten en Meacutexico muchos productos fabricados con especificaciones en este sistema Ejemplos de ello son los productos de madera tornilleriacutea cables conductores y perfiles metaacutelicos Algunos instrumentos como los medidores de presioacuten para neumaacuteticos automotrices y otros tipos de manoacutemetros frecuentemente emplean escalas en el sistema ingleacutes
A diferencia del SI no existe una autoridad uacutenica en el mundo que tome
decisiones sobre los valores de las unidades en el sistema ingleacutes De hecho algunas unidades tienen valores diferentes en diversos paiacuteses Para el usuario mexicano por nuestra estrecha relacioacuten con los EUA tal vez la referencia maacutes conveniente es la aceptada en ese paiacutes Por ese motivo el CENAM recomienda referirse al portal de Internet del National Institute of Standards and Technology (NIST) laboratorio nacional de metrologiacutea de los EUA para obtener informacioacuten confiable sobre factores de conversioacuten 14 El Centro Nacional de Metrologiacutea
El Centro Nacional de Metrologiacutea (CENAM) es el laboratorio nacional de referencia en materia de mediciones Es responsable de establecer y mantener los patrones nacionales ofrecer servicios metroloacutegicos como calibracioacuten de instrumentos y patrones certificacioacuten y desarrollo de materiales de referencia cursos especializados en metrologiacutea asesoriacuteas y venta de publicaciones
Mantiene un estrecho contacto con otros laboratorios nacionales y con organismos internacionales relacionados con la metrologiacutea con el fin de asegurar el reconocimiento internacional de los patrones nacionales de Meacutexico y consecuentemente promover la aceptacioacuten de los productos y servicios de nuestro paiacutes
4
El CENAM fue creado con el fin de apoyar el sistema metroloacutegico nacional como un organismo descentralizado con personalidad juriacutedica y patrimonio propios de acuerdo al artiacuteculo 29 de la Ley Federal sobre Metrologiacutea y Normalizacioacuten publicada en el Diario Oficial de la Federacioacuten el 1 de julio de 1992 y sus reformas publicadas en el Diario Oficial de la Federacioacuten el 20 de mayo de 1997
En relacioacuten a las funciones del CENAM la Ley Federal sobre Metrologiacutea y
Normalizacioacuten establece lo siguiente Artiacuteculo 30 El Centro Nacional de Metrologiacutea tendraacute las siguientes funciones I Fungir como laboratorio primario del Sistema Nacional de Calibracioacuten II Conservar el patroacuten nacional correspondiente a cada magnitud salvo que su conservacioacuten sea maacutes conveniente en otra institucioacuten III Proporcionar servicios de calibracioacuten a los patrones de medicioacuten de los laboratorios centros de investigacioacuten o a la industria cuando asiacute se solicite asiacute como expedir los certificados correspondientes IV Promover y realizar actividades de investigacioacuten y desarrollo tecnoloacutegico en los diferentes campos de la Metrologiacutea asiacute como coadyuvar a la formacioacuten de recursos humanos para el mismo objetivo V Asesorar a los sectores industriales teacutecnicos y cientiacuteficos en relacioacuten con los problemas de medicioacuten y certificar materiales patroacuten de referencia VI Participar en el intercambio de desarrollo metroloacutegico con organismos nacionales e internacionales y en la intercomparacioacuten de los patrones de medida VII Dictaminar a solicitud de parte sobre la capacidad teacutecnica de calibracioacuten o medicioacuten de los laboratorios que integren el Sistema Nacional de Calibracioacuten VIII Organizar y participar en su caso en congresos seminarios conferencias cursos o en cualquier otro tipo de eventos relacionados con la Metrologiacutea IX Celebrar convenios con instituciones de investigacioacuten que tengan capacidad para desarrollar patrones primarios o instrumentos de alta precisioacuten asiacute como instituciones educativas que puedan ofrecer especializaciones en materia de Metrologiacutea X Celebrar convenios de colaboracioacuten e investigacioacuten metroloacutegica con instituciones organismos y empresas tanto nacionales como extranjeras y XI Las demaacutes que se requieran para su funcionamiento
5
El CENAM se encuentra ubicado en el km 45 de la Carretera a Los Cueacutes Municipio de El Marqueacutes a 11 km de la ciudad de Quereacutetaro Su paacutegina de Internet es wwwcenammx y a traveacutes de ella se pueden bajar en forma gratuita la Norma Oficial Mexicana NOM-008-SCFI-2002 que contiene y describe en forma completa y detallada al SI (Sistema General de Unidades de Medida en Meacutexico) y el texto iacutentegro de la Ley Federal sobre Metrologiacutea y Normalizacioacuten 15 Vocabulario Internacional de Metrologiacutea
El Vocabulario Internacional de Metrologiacutea (VIM) es publicado en Meacutexico como la norma mexicana NMX-Z-055-1997IMNC Algunas definiciones relacionadas a la medicioacuten de magnitudes son Medicioacuten conjunto de operaciones que tienen por objeto determinar el valor de una magnitud Valor de una magnitud expresioacuten cuantitativa de una magnitud particular expresada generalmente en la forma de una unidad de medida multiplicada por un nuacutemero Ejemplo longitud 534 m masa 0152 kg cantidad de substancia 0012 mol oacute 12 mmol Unidad (de medida) magnitud particular definida y adoptada por convencioacuten con la cual se comparan las otras magnitudes de la misma naturaleza para expresar cuantitativamente su relacioacuten con esa magnitud Ejemplo metro segundo kilogramo Newton Pascal Joule Magnitud (medible) Atributo de un fenoacutemeno cuerpo o substancia que es susceptible de ser diferenciado cualitativamente y determinado cuantitativamente Ejemplo longitud tiempo masa temperatura densidad etc Mensurando Magnitud particular sujeta a medicioacuten Ejemplo Presioacuten de vapor de una muestra dada de agua a 20 ordmC Resultado de una medicioacuten Valor atribuido a un mensurando obtenido por medicioacuten Una informacioacuten completa del resultado de una medicioacuten incluye informacioacuten sobre la incertidumbre de la medicioacuten Exactitud de medicioacuten Proximidad de concordancia entre el resultado de una medicioacuten y un valor verdadero del mensurando
6
Exactitud de un instrumento de medicioacuten aptitud de un instrumento de medicioacuten para dar respuestas proacuteximas al valor verdadero Repetibilidad (de los resultados) Proximidad de concordancia entre los resultados de mediciones sucesivas del mismo mensurando con las mediciones realizadas con la aplicacioacuten de la totalidad de las siguientes condiciones
- mismo procedimiento de medicioacuten - mismo observador - mismo instrumento - mismo lugar - mismas condiciones de uso - repeticioacuten en un periodo corto de tiempo
Reproducibilidad (de los resultados) Proximidad de concordancia entre los resultados de mediciones del mismo mensurando con las mediciones realizadas haciendo variar las condiciones de medicioacuten tales como
- principio de medicioacuten - meacutetodo de medicioacuten - observador - instrumento - patroacuten de referencia - lugar - condiciones de uso - tiempo
Algunos conceptos relacionados directamente con la estimacioacuten de la incertidumbre son Magnitud de influencia magnitud que no es el mensurando pero que afecta al resultado de la medicioacuten Ejemplos
bull La temperatura de un microacutemetro cuando se mide una longitud bull La frecuencia en la medicioacuten de la amplitud de una tensioacuten eleacutectrica alterna
Condiciones de referencia Condiciones de uso prescritas para las pruebas de funcionamiento de un instrumento de medicioacuten o para la intercomparacioacuten de resultados de mediciones Algunas caracteriacutesticas de los instrumentos de medicioacuten que inciden en la estimacioacuten de la incertidumbre son Resolucioacuten Miacutenima diferencia de indicacioacuten de un dispositivo indicador que puede ser percibida de manera significativa Valor de una divisioacuten de la escala Diferencia entre los valores correspondientes a dos marcas sucesivas de la escala
7
Histeacuteresis Propiedad de un instrumento donde la respuesta a una sentildeal de entrada depende de la secuencia de las sentildeales de entrada (o los valores de las magnitudes de influencia) precedentes Error (de medicioacuten) Resultado de una medicioacuten menos un valor verdadero del mensurando 2 Incertidumbre y Errores
El resultado de una medicioacuten (valor de una magnitud) es un nuacutemero real Se le interpreta como el ldquonuacutemero de veces que la unidad de medida estaacute contenida en la magnitud en cuestioacutenrdquo Existe una variabilidad inherente al resultado de la medicioacuten por lo cual nunca se conoce el valor verdadero de la magnitud sujeta a medicioacuten Por consiguiente cuando se mide una magnitud soacutelo se puede determinar el valor maacutes cercano al valor verdadero (valor maacutes probable) y se debe estimar la incertidumbre (variabilidad) asociada al valor obtenido
Para asegurar la confiabilidad de las mediciones es necesario realizar una
serie de comparaciones con patrones cada vez de mayor exactitud (o menor incertidumbre) hasta llegar al patroacuten primario Directamente relacionados a esta caracteriacutestica se deben considerar el principio de medicioacuten (base cientiacutefica de una medicioacuten) y el meacutetodo de medicioacuten (secuencia loacutegica de las operaciones descritas de manera geneacuterica utilizadas en la ejecucioacuten de las mediciones)
Por consiguiente el resultado de una medicioacuten contiene al menos dos cantidades el valor maacutes probable considerado como el maacutes cercano al verdadero y la estimacioacuten de la incertidumbre sobre dicho valor La mejora de la calidad de las mediciones implica el mejoramiento de las mismas lo cual significa realizar mediciones maacutes exactas es decir mediciones con incertidumbre cada vez maacutes baja
Podemos decir entonces que la incertidumbre es aquella caracteriacutestica que impide conocer con certeza el valor verdadero de una magnitud Mientras maacutes larga sea la cadena de comparaciones hasta llegar al patroacuten primario el valor de la incertidumbre seraacute maacutes grande
Por otra parte el nivel de incertidumbre adecuado depende de las
necesidades del cliente Por ejemplo la incertidumbre que se requiere para que las sillas de un comedor se vean ldquoideacutenticasrdquo es menor que el nivel de incertidumbre requerido para que los pistones del motor de un automoacutevil hagan que eacuteste funcione con mayor eficiencia y sin vibraciones
La incertidumbre al igual que el valor verdadero soacutelo se estima ya que no se puede cuantificar con exactitud Su valor depende fundamentalmente de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en la magnitud que se mide durante el proceso de
8
obtencioacuten de su valor Todos estos factores representan junto con las magnitudes de influencia las fuentes de la incertidumbre
Veamos primero algunos conceptos baacutesicos sobre errores antes de adentrarnos en el caacutelculo formal de la incertidumbre El valor Xrsquo de la medicioacuten de una magnitud X soacutelo tiene sentido cuando se puede valorar el error que la afecta con respecto a otro valor X que se toma como referencia Ese error se llama absoluto si se expresa por
XXX (21)
de donde XXX (22)
En un conjunto de mediciones el signo de X puede ser tanto positivo como negativo y por ello es costumbre tomar
XX (23)
y escribir
X = Xrsquo X (24) Ejemplos
Constante de los gases R = (831696 000034) JmolmiddotK
masa del electroacuten en reposo me = (91083 00003) x 10-31kg
constante de Boltzmann k = (138044 000007) x 10-23 JK
A veces no se indica el valor de X en cuyo caso se entiende que es igual a la mitad de la unidad correspondiente a la uacuteltima cifra significativa Por ejemplo si se escribe
aceleracioacuten normal de la gravedad g = 980 ms2
se entiende que g = (980 0005) ms2 El significado de X (valor verdadero valor promedio etc) determina la
denominacioacuten que se da a X (error absoluto del valor verdadero del valor medio etc)
Si X es el valor maacutes probable entonces X es su incertidumbre (error del promedio Ep) y para determinarla es necesario aplicar la teoriacutea estadiacutestica de errores casuales Dicha teoriacutea establece el meacutetodo para obtener la estimacioacuten de la incertidumbre para magnitudes que se miden tanto en forma directa como indirecta
9
El error absoluto de la medicioacuten Xrsquo no es suficiente para caracterizar la exactitud de la misma Por eso se define el error relativo
X
X
XX
X
X
Xer
(25)
que es el error por cada unidad de escala en la que se mide la magnitud a determinar El error porcentual es
100 ree (26)
e indica el error que se comete por cada 100 unidades de la escala usada
Se llama repetibilidad al valor inverso del error relativo es decir
X
X
X
XK
(27)
La repetibilidad de un instrumento o de un meacutetodo de medida es su mayor o
menor capacidad para repetir los valores de las mediciones de una magnitud realizadas en las mismas condiciones No obstante antes de la repetibilidad se debe considerar primero la exactitud de un instrumento de medicioacuten la cual se define como la aptitud del instrumento de medicioacuten para dar respuestas proacuteximas al valor verdadero Es conveniente sentildealar que la exactitud es un concepto cualitativo Ejemplos 1) Se mide la altura desde donde se deja caer una esfera con una regla graduada
en cm y se obtiene Xrsquo = 840 cm con un error de apreciacioacuten X = 05 cm Asiacute
cmX )50 084(
31006005952380084
50 re
600 100 ree
7166K
2) Se mide el diaacutemetro de un alambre con un calibre dotado de un vernier con relacioacuten 910 Se obtiene d = 31 mm y el error de apreciacioacuten es de una divisioacuten
del vernier o sea X = 01 mm Entonces
mmd )10 13(
10
030 13
10 re
03 100 ree
3333 K
Obseacutervese que auacuten cuando el error de apreciacioacuten es 50 veces mayor en el
ejemplo 1 la repetibilidad de la medicioacuten es mucho mayor y en consecuencia son menores los errores relativos y porcentual Tambieacuten se desprende que un instrumento no tiene una repetibilidad intriacutenseca sino que la misma estaacute en relacioacuten con la magnitud que se va a medir 21 Clasificacioacuten de los Errores
A menudo se acostumbra hacer una clasificacioacuten extensa y pormenorizada de los errores de medicioacuten En rigor eacutestos pueden clasificarse en tres tipos sistemaacuteticos de apreciacioacuten y casuales a los cuales tambieacuten se les conoce como accidentales o al azar Errores Sistemaacuteticos Son aquellos de valor y signo constante o que corresponden a una ley conocida y producen desviaciones constantes Por tanto se pueden corregir por comparacioacuten con instrumentos patrones o por meacutetodos especiales como la doble pesada la lectura en dos escalas distintas de un voltiacutemetro etc Entre los casos maacutes comunes de errores sistemaacuteticos se pueden citar escalas mal calibradas relojes que atrasan o adelantan balanzas de brazos desiguales etc Errores de Apreciacioacuten Las determinaciones experimentales con algunos instrumentos se reducen a la lectura sobre una escala graduada Al efectuar la lectura el observador debe apreciar una fraccioacuten de la menor divisioacuten de la escala En esta valoracioacuten va impliacutecito un error que se denomina de apreciacioacuten y que depende del tipo de dispositivo de lectura de la separacioacuten entre divisiones sucesivas y de la habilidad del observador Asiacute es muy difiacutecil apreciar fracciones de una escala milimeacutetrica a simple vista mientras que si se mide una longitud con una escala graduada en cm un observador sin experiencia podraacute distinguir fracciones de 05 a 03 cm en tanto que uno capacitado puede garantizar la fraccioacuten 02 cm Los errores de apreciacioacuten seraacuten pues de 05 03 oacute 02 cm
El signo del error de apreciacioacuten puede ser tanto positivo como negativo su valoracioacuten es aproximada y puede considerarse constante para un mismo observador que opere en iguales condiciones
En el caso de una escala provista de vernier con relacioacuten 910 puede ocurrir
que la coincidencia de una divisioacuten del nonius con una de la escala sufra una indeterminacioacuten de una divisioacuten del vernier En tal caso el error de apreciacioacuten es
11
de 01 mm Si se trata de un nonius de relacioacuten 4950 la indeterminacioacuten puede resultar de dos o tres divisiones del nonius y los errores 004 oacute 006 de mm respectivamente
Un caso particular es la medida de intervalos con cronoacutemetros de disparador mecaacutenico La aguja se mueve a saltos de 15 o 110 s seguacuten el tipo de reloj Como el tiempo de reaccioacuten de un observador estaacute entre 15 y 110 s debe tenerse en cuenta y sumarse al error de apreciacioacuten Por ejemplo si el periacuteodo de oscilacioacuten de un peacutendulo es del orden de un segundo un error de 15 s es muy grande e invalidaraacute la medida Sin embargo en el caso de medicioacuten de periacuteodos este error se puede atenuar de manera considerable midiendo lapsos correspondientes a un nuacutemero suficientemente grande de periacuteodos En efecto sea t el lapso correspondiente a n periacuteodos de duracioacuten T
t = n T
si el error de apreciacioacuten es t = 15 s se tiene
sn
TsTt 5
1 51 (28)
El error t disminuye en forma inversamente proporcional al nuacutemero de periacuteodos que se midieron reciacuteprocamente si se fija el error se puede calcular el nuacutemero de periacuteodos que es necesario tener en cuenta para no cometer errores superiores al establecido
Ejemplo si al medir T = 2 s con un cronoacutemetro para el que resulta t = 15 s se quiere que sea e = 10 se obtiene
esoscilacion 100125
100100
n
xnxT
T
22 Desviaciones Intriacutensecas en los Instrumentos de Medicioacuten
Todo instrumento de medicioacuten introduce un rango de incertidumbre que es independiente del observador y que en general estaacute especificado por el fabricante Cuando se carece de esa informacioacuten y de otro aparato que permita hacer un contraste es necesario establecer alguacuten criterio para determinar los errores Si se trata de un aparato analoacutegico se puede suponer que cualquier medicioacuten introduce una incertidumbre igual o mayor que la mitad de la divisioacuten mas pequentildea de la escala
Si el instrumento es digital su puede variar la sensibilidad del medidor hasta
obtener un rango en el cual el nuacutemero en pantalla sea estable y tomar una incertidumbre igual o mayor que una unidad del uacuteltimo diacutegito en pantalla
12
3 Mediciones Directas e Indirectas Mediciones Directas
Se denomina medicioacuten directa a la operacioacuten de lectura en un instrumento utilizado para medir una cierta magnitud
Ejemplos determinacioacuten de una distancia con una cinta meacutetrica de una
masa con una balanza de brazos iguales de una fuerza con una dinamoacutemetro etceacutetera Mediciones Indirectas
Una medicioacuten indirecta es la que se obtiene aplicando una foacutermula o una ley fiacutesica a las magnitudes que se miden directamente Ejemplos caacutelculo de la superficie de una habitacioacuten rectangular por el producto de las longitudes largo y ancho que se miden directamente obtencioacuten de la aceleracioacuten de la gravedad con un peacutendulo ideal mediante la ley
lT
g2
24
donde se relaciona la magnitud g a medir con el periacuteodo T y la longitud l del peacutendulo medibles en forma directa con cronoacutemetro y regla 4 Cifras Significativas
La exactitud de una medicioacuten que depende del instrumento usado y de la habilidad del observador se indica por el nuacutemero de cifras significativas el que estaacute limitado por la incertidumbre Por ejemplo no se debe escribir
X = (3554 03) m ya que no se puede dar una medida con centeacutesimos si la incertidumbre estaacute limitando la exactitud a las deacutecimas Si al medir una longitud con una regla graduada en mm se obtiene un valor de 835 cm los diacutegitos son todos significativos aunque el uacuteltimo esteacute afectado de error por tratarse de la apreciacioacuten de una fraccioacuten de la menor divisioacuten de la escala El nuacutemero de cifras significativas no variacutea si se cambia de unidades y se escribe 00835 m o 83 500 μm Los ceros a la izquierda en el primer caso y a la derecha en el segundo sirven para situar la coma decimal y no se cuentan como cifras significativas El verdadero nuacutemero de cifras significativas puede indicarse
13
siempre utilizando potencias de 10 para poner la coma decimal a la derecha del primer diacutegito 835 x 10-2 m oacute 835 x 104 μm Los caacutelculos aritmeacuteticos realizados con las magnitudes medidas deben tener en cuenta sus incertidumbres y es necesario establecer un criterio para acotar la cantidad de cifras significativas en los valores numeacutericos que se obtienen por caacutelculo Se supone que al operar las cifras afectadas de error que a continuacioacuten se colocan entre pareacutentesis ldquogeneranrdquo cifras con error Los ejemplos siguientes ilustran al respecto Suma
1 3 2 (5)m 21 3 (4)s 13 7 6 (9) kg
0 4 (7) m + 9 8 (1)s + 8 5 (8)kg 1 7 (9) (5)m 31 1 (5)s 9 3 (7)kg 31 7 (1) (9) kg
Los resultados se deben escribir (179 X) (3115 X) y (3171 X)
donde X es la suma de los errores de los sumandos y determina la exactitud con que puede escribirse la suma Resta Se sigue el mismo criterio que en la suma de modo que el resultado se escribe con un error que es la suma de los errores del minuendo y sustraendo
Producto 3 2 (8) m X= 05 m e(x) = 152
x 5 4 (2) m Y= 05 m e(Y) = 092 (6) (5) (6) 1 3 (1) (2) (42) 1 6 4 (0) ______
1 7 7 (7) (7) (6)m2 e(S) = S
S x 100 = e(x) + e(Y) = 244
244100
8177442m
xS
2)447177( mS
5 3 (2) N F= 001 N e (F) = 02
x 0 8 (1) m L= 001 m e (L) = 12 (5) (3) (2) (43)
4 2 (5) (6)______ e()=14=
x 100
= 4 3 (0) (9) (2) N m
m N 060100
30441 x
= (430 006) Nm
14
Como se deduce de los ejemplos el error porcentual del resultado es igual a la suma de los errores porcentuales de los factores Cociente Se sigue el mismo criterio que en el producto por lo que el error porcentual de la divisioacuten es igual a la suma de los errores porcentuales del dividendo y del divisor Potenciacioacuten Como caso particular del producto se multiplica el error porcentual de la base tantas veces como lo indica el exponente
31100531
020)020531( emx
4444 485)531( mmxy 4)485( myy
44
30280314100 mmyY
Ye
4)3055( my
Radicacioacuten El resultado tiene un error porcentual que es igual al error porcentual del radicando dividido entre el iacutendice de la raiacutez
3313)2051(
2 ems
mXxX
0802
3313100
224712247151
mx )080221(
5 Errores Casuales
Los errores casuales dependen de fluctuaciones inevitables e imprevisibles de los paraacutemetros fiacutesicos que influyen en la magnitud que se mide y pueden deberse al observador al instrumento de medida a la magnitud a medir a la variacioacuten del medio ambiente etc Provienen de muacuteltiples factores inapreciables cuya magnitud y signo no se pueden predecir Estas alteraciones son las que provocan que muacuteltiples medidas que se llevan a cabo en ldquoideacutenticas condicionesrdquo no arrojen el mismo valor Provienen de fuentes de error independientes que producen pequentildeas desviaciones individuales erraacuteticas positivas y negativas imposibles de detectar
Cada uno de los errores accidentales es la suma algebraica de un gran nuacutemero de pequentildeos errores cuyas causas son numerosas y pueden actuar con uno u otro signo es decir que dichas variaciones se deben al azar Las fluctuaciones de estos paraacutemetros influiraacuten en general de manera distinta en los resultados de cada medida
15
A veces en las mediciones sucesivas aparentemente se repite el mismo valor Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son maacutes pequentildeas que la menor apreciacioacuten del instrumento empleado
Deben eliminarse de los errores azarosos aquellos debidos a distraccioacuten del
observador (confundir en una escala un nuacutemero con otro registrar mal el valor de una pesa etc)
Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las demaacutes es muy probable que se deban a distraccioacuten y por lo tanto hay que desecharlas
La clasificacioacuten de errores propuesta no es riacutegida y puede ser modificada
Ademaacutes un perfeccionamiento en los procesos de medicioacuten puede poner de manifiesto nuevos errores sistemaacuteticos que con anterioridad se les incluiacutea en los accidentales
6 Teoriacutea Estadiacutestica de Errores Casuales
La teoriacutea estadiacutestica de errores establece fundamentalmente el tratamiento matemaacutetico que debe darse a un conjunto de resultados para obtener la mejor aproximacioacuten de la medida buscada y su liacutemite probable de error o incertidumbre
Dado el caraacutecter aleatorio de las perturbaciones no puede obtenerse una estimacioacuten aceptable de una magnitud medida con una sola medicioacuten auacuten acotando los liacutemites probables de error Por eso es necesario hacer muacuteltiples mediciones en condiciones similares y deducir de ellas el valor maacutes probable y su incertidumbre Por su parte el valor maacutes probable no tendraacute sentido si no se puede saber su incertidumbre Esto implica que siempre se debe especificar el
valor maacutes probable X y un entorno de amplitud 2middotX dentro del cual se espera que se encuentre cualquier nueva medicioacuten hecha en ideacutenticas condiciones
Para cada magnitud medida se tendraacute pues un intervalo de confianza donde se encuentra el ldquovalor verdaderordquo X de la magnitud medida es decir
XXXXX (61)
Geomeacutetricamente
Figura 61 Intervalo de confianza donde se encuentra el valor verdadero
Es obvio que la disminucioacuten de este intervalo indica una mayor exactitud en la determinacioacuten de la magnitud medida
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
4
El CENAM fue creado con el fin de apoyar el sistema metroloacutegico nacional como un organismo descentralizado con personalidad juriacutedica y patrimonio propios de acuerdo al artiacuteculo 29 de la Ley Federal sobre Metrologiacutea y Normalizacioacuten publicada en el Diario Oficial de la Federacioacuten el 1 de julio de 1992 y sus reformas publicadas en el Diario Oficial de la Federacioacuten el 20 de mayo de 1997
En relacioacuten a las funciones del CENAM la Ley Federal sobre Metrologiacutea y
Normalizacioacuten establece lo siguiente Artiacuteculo 30 El Centro Nacional de Metrologiacutea tendraacute las siguientes funciones I Fungir como laboratorio primario del Sistema Nacional de Calibracioacuten II Conservar el patroacuten nacional correspondiente a cada magnitud salvo que su conservacioacuten sea maacutes conveniente en otra institucioacuten III Proporcionar servicios de calibracioacuten a los patrones de medicioacuten de los laboratorios centros de investigacioacuten o a la industria cuando asiacute se solicite asiacute como expedir los certificados correspondientes IV Promover y realizar actividades de investigacioacuten y desarrollo tecnoloacutegico en los diferentes campos de la Metrologiacutea asiacute como coadyuvar a la formacioacuten de recursos humanos para el mismo objetivo V Asesorar a los sectores industriales teacutecnicos y cientiacuteficos en relacioacuten con los problemas de medicioacuten y certificar materiales patroacuten de referencia VI Participar en el intercambio de desarrollo metroloacutegico con organismos nacionales e internacionales y en la intercomparacioacuten de los patrones de medida VII Dictaminar a solicitud de parte sobre la capacidad teacutecnica de calibracioacuten o medicioacuten de los laboratorios que integren el Sistema Nacional de Calibracioacuten VIII Organizar y participar en su caso en congresos seminarios conferencias cursos o en cualquier otro tipo de eventos relacionados con la Metrologiacutea IX Celebrar convenios con instituciones de investigacioacuten que tengan capacidad para desarrollar patrones primarios o instrumentos de alta precisioacuten asiacute como instituciones educativas que puedan ofrecer especializaciones en materia de Metrologiacutea X Celebrar convenios de colaboracioacuten e investigacioacuten metroloacutegica con instituciones organismos y empresas tanto nacionales como extranjeras y XI Las demaacutes que se requieran para su funcionamiento
5
El CENAM se encuentra ubicado en el km 45 de la Carretera a Los Cueacutes Municipio de El Marqueacutes a 11 km de la ciudad de Quereacutetaro Su paacutegina de Internet es wwwcenammx y a traveacutes de ella se pueden bajar en forma gratuita la Norma Oficial Mexicana NOM-008-SCFI-2002 que contiene y describe en forma completa y detallada al SI (Sistema General de Unidades de Medida en Meacutexico) y el texto iacutentegro de la Ley Federal sobre Metrologiacutea y Normalizacioacuten 15 Vocabulario Internacional de Metrologiacutea
El Vocabulario Internacional de Metrologiacutea (VIM) es publicado en Meacutexico como la norma mexicana NMX-Z-055-1997IMNC Algunas definiciones relacionadas a la medicioacuten de magnitudes son Medicioacuten conjunto de operaciones que tienen por objeto determinar el valor de una magnitud Valor de una magnitud expresioacuten cuantitativa de una magnitud particular expresada generalmente en la forma de una unidad de medida multiplicada por un nuacutemero Ejemplo longitud 534 m masa 0152 kg cantidad de substancia 0012 mol oacute 12 mmol Unidad (de medida) magnitud particular definida y adoptada por convencioacuten con la cual se comparan las otras magnitudes de la misma naturaleza para expresar cuantitativamente su relacioacuten con esa magnitud Ejemplo metro segundo kilogramo Newton Pascal Joule Magnitud (medible) Atributo de un fenoacutemeno cuerpo o substancia que es susceptible de ser diferenciado cualitativamente y determinado cuantitativamente Ejemplo longitud tiempo masa temperatura densidad etc Mensurando Magnitud particular sujeta a medicioacuten Ejemplo Presioacuten de vapor de una muestra dada de agua a 20 ordmC Resultado de una medicioacuten Valor atribuido a un mensurando obtenido por medicioacuten Una informacioacuten completa del resultado de una medicioacuten incluye informacioacuten sobre la incertidumbre de la medicioacuten Exactitud de medicioacuten Proximidad de concordancia entre el resultado de una medicioacuten y un valor verdadero del mensurando
6
Exactitud de un instrumento de medicioacuten aptitud de un instrumento de medicioacuten para dar respuestas proacuteximas al valor verdadero Repetibilidad (de los resultados) Proximidad de concordancia entre los resultados de mediciones sucesivas del mismo mensurando con las mediciones realizadas con la aplicacioacuten de la totalidad de las siguientes condiciones
- mismo procedimiento de medicioacuten - mismo observador - mismo instrumento - mismo lugar - mismas condiciones de uso - repeticioacuten en un periodo corto de tiempo
Reproducibilidad (de los resultados) Proximidad de concordancia entre los resultados de mediciones del mismo mensurando con las mediciones realizadas haciendo variar las condiciones de medicioacuten tales como
- principio de medicioacuten - meacutetodo de medicioacuten - observador - instrumento - patroacuten de referencia - lugar - condiciones de uso - tiempo
Algunos conceptos relacionados directamente con la estimacioacuten de la incertidumbre son Magnitud de influencia magnitud que no es el mensurando pero que afecta al resultado de la medicioacuten Ejemplos
bull La temperatura de un microacutemetro cuando se mide una longitud bull La frecuencia en la medicioacuten de la amplitud de una tensioacuten eleacutectrica alterna
Condiciones de referencia Condiciones de uso prescritas para las pruebas de funcionamiento de un instrumento de medicioacuten o para la intercomparacioacuten de resultados de mediciones Algunas caracteriacutesticas de los instrumentos de medicioacuten que inciden en la estimacioacuten de la incertidumbre son Resolucioacuten Miacutenima diferencia de indicacioacuten de un dispositivo indicador que puede ser percibida de manera significativa Valor de una divisioacuten de la escala Diferencia entre los valores correspondientes a dos marcas sucesivas de la escala
7
Histeacuteresis Propiedad de un instrumento donde la respuesta a una sentildeal de entrada depende de la secuencia de las sentildeales de entrada (o los valores de las magnitudes de influencia) precedentes Error (de medicioacuten) Resultado de una medicioacuten menos un valor verdadero del mensurando 2 Incertidumbre y Errores
El resultado de una medicioacuten (valor de una magnitud) es un nuacutemero real Se le interpreta como el ldquonuacutemero de veces que la unidad de medida estaacute contenida en la magnitud en cuestioacutenrdquo Existe una variabilidad inherente al resultado de la medicioacuten por lo cual nunca se conoce el valor verdadero de la magnitud sujeta a medicioacuten Por consiguiente cuando se mide una magnitud soacutelo se puede determinar el valor maacutes cercano al valor verdadero (valor maacutes probable) y se debe estimar la incertidumbre (variabilidad) asociada al valor obtenido
Para asegurar la confiabilidad de las mediciones es necesario realizar una
serie de comparaciones con patrones cada vez de mayor exactitud (o menor incertidumbre) hasta llegar al patroacuten primario Directamente relacionados a esta caracteriacutestica se deben considerar el principio de medicioacuten (base cientiacutefica de una medicioacuten) y el meacutetodo de medicioacuten (secuencia loacutegica de las operaciones descritas de manera geneacuterica utilizadas en la ejecucioacuten de las mediciones)
Por consiguiente el resultado de una medicioacuten contiene al menos dos cantidades el valor maacutes probable considerado como el maacutes cercano al verdadero y la estimacioacuten de la incertidumbre sobre dicho valor La mejora de la calidad de las mediciones implica el mejoramiento de las mismas lo cual significa realizar mediciones maacutes exactas es decir mediciones con incertidumbre cada vez maacutes baja
Podemos decir entonces que la incertidumbre es aquella caracteriacutestica que impide conocer con certeza el valor verdadero de una magnitud Mientras maacutes larga sea la cadena de comparaciones hasta llegar al patroacuten primario el valor de la incertidumbre seraacute maacutes grande
Por otra parte el nivel de incertidumbre adecuado depende de las
necesidades del cliente Por ejemplo la incertidumbre que se requiere para que las sillas de un comedor se vean ldquoideacutenticasrdquo es menor que el nivel de incertidumbre requerido para que los pistones del motor de un automoacutevil hagan que eacuteste funcione con mayor eficiencia y sin vibraciones
La incertidumbre al igual que el valor verdadero soacutelo se estima ya que no se puede cuantificar con exactitud Su valor depende fundamentalmente de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en la magnitud que se mide durante el proceso de
8
obtencioacuten de su valor Todos estos factores representan junto con las magnitudes de influencia las fuentes de la incertidumbre
Veamos primero algunos conceptos baacutesicos sobre errores antes de adentrarnos en el caacutelculo formal de la incertidumbre El valor Xrsquo de la medicioacuten de una magnitud X soacutelo tiene sentido cuando se puede valorar el error que la afecta con respecto a otro valor X que se toma como referencia Ese error se llama absoluto si se expresa por
XXX (21)
de donde XXX (22)
En un conjunto de mediciones el signo de X puede ser tanto positivo como negativo y por ello es costumbre tomar
XX (23)
y escribir
X = Xrsquo X (24) Ejemplos
Constante de los gases R = (831696 000034) JmolmiddotK
masa del electroacuten en reposo me = (91083 00003) x 10-31kg
constante de Boltzmann k = (138044 000007) x 10-23 JK
A veces no se indica el valor de X en cuyo caso se entiende que es igual a la mitad de la unidad correspondiente a la uacuteltima cifra significativa Por ejemplo si se escribe
aceleracioacuten normal de la gravedad g = 980 ms2
se entiende que g = (980 0005) ms2 El significado de X (valor verdadero valor promedio etc) determina la
denominacioacuten que se da a X (error absoluto del valor verdadero del valor medio etc)
Si X es el valor maacutes probable entonces X es su incertidumbre (error del promedio Ep) y para determinarla es necesario aplicar la teoriacutea estadiacutestica de errores casuales Dicha teoriacutea establece el meacutetodo para obtener la estimacioacuten de la incertidumbre para magnitudes que se miden tanto en forma directa como indirecta
9
El error absoluto de la medicioacuten Xrsquo no es suficiente para caracterizar la exactitud de la misma Por eso se define el error relativo
X
X
XX
X
X
Xer
(25)
que es el error por cada unidad de escala en la que se mide la magnitud a determinar El error porcentual es
100 ree (26)
e indica el error que se comete por cada 100 unidades de la escala usada
Se llama repetibilidad al valor inverso del error relativo es decir
X
X
X
XK
(27)
La repetibilidad de un instrumento o de un meacutetodo de medida es su mayor o
menor capacidad para repetir los valores de las mediciones de una magnitud realizadas en las mismas condiciones No obstante antes de la repetibilidad se debe considerar primero la exactitud de un instrumento de medicioacuten la cual se define como la aptitud del instrumento de medicioacuten para dar respuestas proacuteximas al valor verdadero Es conveniente sentildealar que la exactitud es un concepto cualitativo Ejemplos 1) Se mide la altura desde donde se deja caer una esfera con una regla graduada
en cm y se obtiene Xrsquo = 840 cm con un error de apreciacioacuten X = 05 cm Asiacute
cmX )50 084(
31006005952380084
50 re
600 100 ree
7166K
2) Se mide el diaacutemetro de un alambre con un calibre dotado de un vernier con relacioacuten 910 Se obtiene d = 31 mm y el error de apreciacioacuten es de una divisioacuten
del vernier o sea X = 01 mm Entonces
mmd )10 13(
10
030 13
10 re
03 100 ree
3333 K
Obseacutervese que auacuten cuando el error de apreciacioacuten es 50 veces mayor en el
ejemplo 1 la repetibilidad de la medicioacuten es mucho mayor y en consecuencia son menores los errores relativos y porcentual Tambieacuten se desprende que un instrumento no tiene una repetibilidad intriacutenseca sino que la misma estaacute en relacioacuten con la magnitud que se va a medir 21 Clasificacioacuten de los Errores
A menudo se acostumbra hacer una clasificacioacuten extensa y pormenorizada de los errores de medicioacuten En rigor eacutestos pueden clasificarse en tres tipos sistemaacuteticos de apreciacioacuten y casuales a los cuales tambieacuten se les conoce como accidentales o al azar Errores Sistemaacuteticos Son aquellos de valor y signo constante o que corresponden a una ley conocida y producen desviaciones constantes Por tanto se pueden corregir por comparacioacuten con instrumentos patrones o por meacutetodos especiales como la doble pesada la lectura en dos escalas distintas de un voltiacutemetro etc Entre los casos maacutes comunes de errores sistemaacuteticos se pueden citar escalas mal calibradas relojes que atrasan o adelantan balanzas de brazos desiguales etc Errores de Apreciacioacuten Las determinaciones experimentales con algunos instrumentos se reducen a la lectura sobre una escala graduada Al efectuar la lectura el observador debe apreciar una fraccioacuten de la menor divisioacuten de la escala En esta valoracioacuten va impliacutecito un error que se denomina de apreciacioacuten y que depende del tipo de dispositivo de lectura de la separacioacuten entre divisiones sucesivas y de la habilidad del observador Asiacute es muy difiacutecil apreciar fracciones de una escala milimeacutetrica a simple vista mientras que si se mide una longitud con una escala graduada en cm un observador sin experiencia podraacute distinguir fracciones de 05 a 03 cm en tanto que uno capacitado puede garantizar la fraccioacuten 02 cm Los errores de apreciacioacuten seraacuten pues de 05 03 oacute 02 cm
El signo del error de apreciacioacuten puede ser tanto positivo como negativo su valoracioacuten es aproximada y puede considerarse constante para un mismo observador que opere en iguales condiciones
En el caso de una escala provista de vernier con relacioacuten 910 puede ocurrir
que la coincidencia de una divisioacuten del nonius con una de la escala sufra una indeterminacioacuten de una divisioacuten del vernier En tal caso el error de apreciacioacuten es
11
de 01 mm Si se trata de un nonius de relacioacuten 4950 la indeterminacioacuten puede resultar de dos o tres divisiones del nonius y los errores 004 oacute 006 de mm respectivamente
Un caso particular es la medida de intervalos con cronoacutemetros de disparador mecaacutenico La aguja se mueve a saltos de 15 o 110 s seguacuten el tipo de reloj Como el tiempo de reaccioacuten de un observador estaacute entre 15 y 110 s debe tenerse en cuenta y sumarse al error de apreciacioacuten Por ejemplo si el periacuteodo de oscilacioacuten de un peacutendulo es del orden de un segundo un error de 15 s es muy grande e invalidaraacute la medida Sin embargo en el caso de medicioacuten de periacuteodos este error se puede atenuar de manera considerable midiendo lapsos correspondientes a un nuacutemero suficientemente grande de periacuteodos En efecto sea t el lapso correspondiente a n periacuteodos de duracioacuten T
t = n T
si el error de apreciacioacuten es t = 15 s se tiene
sn
TsTt 5
1 51 (28)
El error t disminuye en forma inversamente proporcional al nuacutemero de periacuteodos que se midieron reciacuteprocamente si se fija el error se puede calcular el nuacutemero de periacuteodos que es necesario tener en cuenta para no cometer errores superiores al establecido
Ejemplo si al medir T = 2 s con un cronoacutemetro para el que resulta t = 15 s se quiere que sea e = 10 se obtiene
esoscilacion 100125
100100
n
xnxT
T
22 Desviaciones Intriacutensecas en los Instrumentos de Medicioacuten
Todo instrumento de medicioacuten introduce un rango de incertidumbre que es independiente del observador y que en general estaacute especificado por el fabricante Cuando se carece de esa informacioacuten y de otro aparato que permita hacer un contraste es necesario establecer alguacuten criterio para determinar los errores Si se trata de un aparato analoacutegico se puede suponer que cualquier medicioacuten introduce una incertidumbre igual o mayor que la mitad de la divisioacuten mas pequentildea de la escala
Si el instrumento es digital su puede variar la sensibilidad del medidor hasta
obtener un rango en el cual el nuacutemero en pantalla sea estable y tomar una incertidumbre igual o mayor que una unidad del uacuteltimo diacutegito en pantalla
12
3 Mediciones Directas e Indirectas Mediciones Directas
Se denomina medicioacuten directa a la operacioacuten de lectura en un instrumento utilizado para medir una cierta magnitud
Ejemplos determinacioacuten de una distancia con una cinta meacutetrica de una
masa con una balanza de brazos iguales de una fuerza con una dinamoacutemetro etceacutetera Mediciones Indirectas
Una medicioacuten indirecta es la que se obtiene aplicando una foacutermula o una ley fiacutesica a las magnitudes que se miden directamente Ejemplos caacutelculo de la superficie de una habitacioacuten rectangular por el producto de las longitudes largo y ancho que se miden directamente obtencioacuten de la aceleracioacuten de la gravedad con un peacutendulo ideal mediante la ley
lT
g2
24
donde se relaciona la magnitud g a medir con el periacuteodo T y la longitud l del peacutendulo medibles en forma directa con cronoacutemetro y regla 4 Cifras Significativas
La exactitud de una medicioacuten que depende del instrumento usado y de la habilidad del observador se indica por el nuacutemero de cifras significativas el que estaacute limitado por la incertidumbre Por ejemplo no se debe escribir
X = (3554 03) m ya que no se puede dar una medida con centeacutesimos si la incertidumbre estaacute limitando la exactitud a las deacutecimas Si al medir una longitud con una regla graduada en mm se obtiene un valor de 835 cm los diacutegitos son todos significativos aunque el uacuteltimo esteacute afectado de error por tratarse de la apreciacioacuten de una fraccioacuten de la menor divisioacuten de la escala El nuacutemero de cifras significativas no variacutea si se cambia de unidades y se escribe 00835 m o 83 500 μm Los ceros a la izquierda en el primer caso y a la derecha en el segundo sirven para situar la coma decimal y no se cuentan como cifras significativas El verdadero nuacutemero de cifras significativas puede indicarse
13
siempre utilizando potencias de 10 para poner la coma decimal a la derecha del primer diacutegito 835 x 10-2 m oacute 835 x 104 μm Los caacutelculos aritmeacuteticos realizados con las magnitudes medidas deben tener en cuenta sus incertidumbres y es necesario establecer un criterio para acotar la cantidad de cifras significativas en los valores numeacutericos que se obtienen por caacutelculo Se supone que al operar las cifras afectadas de error que a continuacioacuten se colocan entre pareacutentesis ldquogeneranrdquo cifras con error Los ejemplos siguientes ilustran al respecto Suma
1 3 2 (5)m 21 3 (4)s 13 7 6 (9) kg
0 4 (7) m + 9 8 (1)s + 8 5 (8)kg 1 7 (9) (5)m 31 1 (5)s 9 3 (7)kg 31 7 (1) (9) kg
Los resultados se deben escribir (179 X) (3115 X) y (3171 X)
donde X es la suma de los errores de los sumandos y determina la exactitud con que puede escribirse la suma Resta Se sigue el mismo criterio que en la suma de modo que el resultado se escribe con un error que es la suma de los errores del minuendo y sustraendo
Producto 3 2 (8) m X= 05 m e(x) = 152
x 5 4 (2) m Y= 05 m e(Y) = 092 (6) (5) (6) 1 3 (1) (2) (42) 1 6 4 (0) ______
1 7 7 (7) (7) (6)m2 e(S) = S
S x 100 = e(x) + e(Y) = 244
244100
8177442m
xS
2)447177( mS
5 3 (2) N F= 001 N e (F) = 02
x 0 8 (1) m L= 001 m e (L) = 12 (5) (3) (2) (43)
4 2 (5) (6)______ e()=14=
x 100
= 4 3 (0) (9) (2) N m
m N 060100
30441 x
= (430 006) Nm
14
Como se deduce de los ejemplos el error porcentual del resultado es igual a la suma de los errores porcentuales de los factores Cociente Se sigue el mismo criterio que en el producto por lo que el error porcentual de la divisioacuten es igual a la suma de los errores porcentuales del dividendo y del divisor Potenciacioacuten Como caso particular del producto se multiplica el error porcentual de la base tantas veces como lo indica el exponente
31100531
020)020531( emx
4444 485)531( mmxy 4)485( myy
44
30280314100 mmyY
Ye
4)3055( my
Radicacioacuten El resultado tiene un error porcentual que es igual al error porcentual del radicando dividido entre el iacutendice de la raiacutez
3313)2051(
2 ems
mXxX
0802
3313100
224712247151
mx )080221(
5 Errores Casuales
Los errores casuales dependen de fluctuaciones inevitables e imprevisibles de los paraacutemetros fiacutesicos que influyen en la magnitud que se mide y pueden deberse al observador al instrumento de medida a la magnitud a medir a la variacioacuten del medio ambiente etc Provienen de muacuteltiples factores inapreciables cuya magnitud y signo no se pueden predecir Estas alteraciones son las que provocan que muacuteltiples medidas que se llevan a cabo en ldquoideacutenticas condicionesrdquo no arrojen el mismo valor Provienen de fuentes de error independientes que producen pequentildeas desviaciones individuales erraacuteticas positivas y negativas imposibles de detectar
Cada uno de los errores accidentales es la suma algebraica de un gran nuacutemero de pequentildeos errores cuyas causas son numerosas y pueden actuar con uno u otro signo es decir que dichas variaciones se deben al azar Las fluctuaciones de estos paraacutemetros influiraacuten en general de manera distinta en los resultados de cada medida
15
A veces en las mediciones sucesivas aparentemente se repite el mismo valor Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son maacutes pequentildeas que la menor apreciacioacuten del instrumento empleado
Deben eliminarse de los errores azarosos aquellos debidos a distraccioacuten del
observador (confundir en una escala un nuacutemero con otro registrar mal el valor de una pesa etc)
Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las demaacutes es muy probable que se deban a distraccioacuten y por lo tanto hay que desecharlas
La clasificacioacuten de errores propuesta no es riacutegida y puede ser modificada
Ademaacutes un perfeccionamiento en los procesos de medicioacuten puede poner de manifiesto nuevos errores sistemaacuteticos que con anterioridad se les incluiacutea en los accidentales
6 Teoriacutea Estadiacutestica de Errores Casuales
La teoriacutea estadiacutestica de errores establece fundamentalmente el tratamiento matemaacutetico que debe darse a un conjunto de resultados para obtener la mejor aproximacioacuten de la medida buscada y su liacutemite probable de error o incertidumbre
Dado el caraacutecter aleatorio de las perturbaciones no puede obtenerse una estimacioacuten aceptable de una magnitud medida con una sola medicioacuten auacuten acotando los liacutemites probables de error Por eso es necesario hacer muacuteltiples mediciones en condiciones similares y deducir de ellas el valor maacutes probable y su incertidumbre Por su parte el valor maacutes probable no tendraacute sentido si no se puede saber su incertidumbre Esto implica que siempre se debe especificar el
valor maacutes probable X y un entorno de amplitud 2middotX dentro del cual se espera que se encuentre cualquier nueva medicioacuten hecha en ideacutenticas condiciones
Para cada magnitud medida se tendraacute pues un intervalo de confianza donde se encuentra el ldquovalor verdaderordquo X de la magnitud medida es decir
XXXXX (61)
Geomeacutetricamente
Figura 61 Intervalo de confianza donde se encuentra el valor verdadero
Es obvio que la disminucioacuten de este intervalo indica una mayor exactitud en la determinacioacuten de la magnitud medida
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
5
El CENAM se encuentra ubicado en el km 45 de la Carretera a Los Cueacutes Municipio de El Marqueacutes a 11 km de la ciudad de Quereacutetaro Su paacutegina de Internet es wwwcenammx y a traveacutes de ella se pueden bajar en forma gratuita la Norma Oficial Mexicana NOM-008-SCFI-2002 que contiene y describe en forma completa y detallada al SI (Sistema General de Unidades de Medida en Meacutexico) y el texto iacutentegro de la Ley Federal sobre Metrologiacutea y Normalizacioacuten 15 Vocabulario Internacional de Metrologiacutea
El Vocabulario Internacional de Metrologiacutea (VIM) es publicado en Meacutexico como la norma mexicana NMX-Z-055-1997IMNC Algunas definiciones relacionadas a la medicioacuten de magnitudes son Medicioacuten conjunto de operaciones que tienen por objeto determinar el valor de una magnitud Valor de una magnitud expresioacuten cuantitativa de una magnitud particular expresada generalmente en la forma de una unidad de medida multiplicada por un nuacutemero Ejemplo longitud 534 m masa 0152 kg cantidad de substancia 0012 mol oacute 12 mmol Unidad (de medida) magnitud particular definida y adoptada por convencioacuten con la cual se comparan las otras magnitudes de la misma naturaleza para expresar cuantitativamente su relacioacuten con esa magnitud Ejemplo metro segundo kilogramo Newton Pascal Joule Magnitud (medible) Atributo de un fenoacutemeno cuerpo o substancia que es susceptible de ser diferenciado cualitativamente y determinado cuantitativamente Ejemplo longitud tiempo masa temperatura densidad etc Mensurando Magnitud particular sujeta a medicioacuten Ejemplo Presioacuten de vapor de una muestra dada de agua a 20 ordmC Resultado de una medicioacuten Valor atribuido a un mensurando obtenido por medicioacuten Una informacioacuten completa del resultado de una medicioacuten incluye informacioacuten sobre la incertidumbre de la medicioacuten Exactitud de medicioacuten Proximidad de concordancia entre el resultado de una medicioacuten y un valor verdadero del mensurando
6
Exactitud de un instrumento de medicioacuten aptitud de un instrumento de medicioacuten para dar respuestas proacuteximas al valor verdadero Repetibilidad (de los resultados) Proximidad de concordancia entre los resultados de mediciones sucesivas del mismo mensurando con las mediciones realizadas con la aplicacioacuten de la totalidad de las siguientes condiciones
- mismo procedimiento de medicioacuten - mismo observador - mismo instrumento - mismo lugar - mismas condiciones de uso - repeticioacuten en un periodo corto de tiempo
Reproducibilidad (de los resultados) Proximidad de concordancia entre los resultados de mediciones del mismo mensurando con las mediciones realizadas haciendo variar las condiciones de medicioacuten tales como
- principio de medicioacuten - meacutetodo de medicioacuten - observador - instrumento - patroacuten de referencia - lugar - condiciones de uso - tiempo
Algunos conceptos relacionados directamente con la estimacioacuten de la incertidumbre son Magnitud de influencia magnitud que no es el mensurando pero que afecta al resultado de la medicioacuten Ejemplos
bull La temperatura de un microacutemetro cuando se mide una longitud bull La frecuencia en la medicioacuten de la amplitud de una tensioacuten eleacutectrica alterna
Condiciones de referencia Condiciones de uso prescritas para las pruebas de funcionamiento de un instrumento de medicioacuten o para la intercomparacioacuten de resultados de mediciones Algunas caracteriacutesticas de los instrumentos de medicioacuten que inciden en la estimacioacuten de la incertidumbre son Resolucioacuten Miacutenima diferencia de indicacioacuten de un dispositivo indicador que puede ser percibida de manera significativa Valor de una divisioacuten de la escala Diferencia entre los valores correspondientes a dos marcas sucesivas de la escala
7
Histeacuteresis Propiedad de un instrumento donde la respuesta a una sentildeal de entrada depende de la secuencia de las sentildeales de entrada (o los valores de las magnitudes de influencia) precedentes Error (de medicioacuten) Resultado de una medicioacuten menos un valor verdadero del mensurando 2 Incertidumbre y Errores
El resultado de una medicioacuten (valor de una magnitud) es un nuacutemero real Se le interpreta como el ldquonuacutemero de veces que la unidad de medida estaacute contenida en la magnitud en cuestioacutenrdquo Existe una variabilidad inherente al resultado de la medicioacuten por lo cual nunca se conoce el valor verdadero de la magnitud sujeta a medicioacuten Por consiguiente cuando se mide una magnitud soacutelo se puede determinar el valor maacutes cercano al valor verdadero (valor maacutes probable) y se debe estimar la incertidumbre (variabilidad) asociada al valor obtenido
Para asegurar la confiabilidad de las mediciones es necesario realizar una
serie de comparaciones con patrones cada vez de mayor exactitud (o menor incertidumbre) hasta llegar al patroacuten primario Directamente relacionados a esta caracteriacutestica se deben considerar el principio de medicioacuten (base cientiacutefica de una medicioacuten) y el meacutetodo de medicioacuten (secuencia loacutegica de las operaciones descritas de manera geneacuterica utilizadas en la ejecucioacuten de las mediciones)
Por consiguiente el resultado de una medicioacuten contiene al menos dos cantidades el valor maacutes probable considerado como el maacutes cercano al verdadero y la estimacioacuten de la incertidumbre sobre dicho valor La mejora de la calidad de las mediciones implica el mejoramiento de las mismas lo cual significa realizar mediciones maacutes exactas es decir mediciones con incertidumbre cada vez maacutes baja
Podemos decir entonces que la incertidumbre es aquella caracteriacutestica que impide conocer con certeza el valor verdadero de una magnitud Mientras maacutes larga sea la cadena de comparaciones hasta llegar al patroacuten primario el valor de la incertidumbre seraacute maacutes grande
Por otra parte el nivel de incertidumbre adecuado depende de las
necesidades del cliente Por ejemplo la incertidumbre que se requiere para que las sillas de un comedor se vean ldquoideacutenticasrdquo es menor que el nivel de incertidumbre requerido para que los pistones del motor de un automoacutevil hagan que eacuteste funcione con mayor eficiencia y sin vibraciones
La incertidumbre al igual que el valor verdadero soacutelo se estima ya que no se puede cuantificar con exactitud Su valor depende fundamentalmente de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en la magnitud que se mide durante el proceso de
8
obtencioacuten de su valor Todos estos factores representan junto con las magnitudes de influencia las fuentes de la incertidumbre
Veamos primero algunos conceptos baacutesicos sobre errores antes de adentrarnos en el caacutelculo formal de la incertidumbre El valor Xrsquo de la medicioacuten de una magnitud X soacutelo tiene sentido cuando se puede valorar el error que la afecta con respecto a otro valor X que se toma como referencia Ese error se llama absoluto si se expresa por
XXX (21)
de donde XXX (22)
En un conjunto de mediciones el signo de X puede ser tanto positivo como negativo y por ello es costumbre tomar
XX (23)
y escribir
X = Xrsquo X (24) Ejemplos
Constante de los gases R = (831696 000034) JmolmiddotK
masa del electroacuten en reposo me = (91083 00003) x 10-31kg
constante de Boltzmann k = (138044 000007) x 10-23 JK
A veces no se indica el valor de X en cuyo caso se entiende que es igual a la mitad de la unidad correspondiente a la uacuteltima cifra significativa Por ejemplo si se escribe
aceleracioacuten normal de la gravedad g = 980 ms2
se entiende que g = (980 0005) ms2 El significado de X (valor verdadero valor promedio etc) determina la
denominacioacuten que se da a X (error absoluto del valor verdadero del valor medio etc)
Si X es el valor maacutes probable entonces X es su incertidumbre (error del promedio Ep) y para determinarla es necesario aplicar la teoriacutea estadiacutestica de errores casuales Dicha teoriacutea establece el meacutetodo para obtener la estimacioacuten de la incertidumbre para magnitudes que se miden tanto en forma directa como indirecta
9
El error absoluto de la medicioacuten Xrsquo no es suficiente para caracterizar la exactitud de la misma Por eso se define el error relativo
X
X
XX
X
X
Xer
(25)
que es el error por cada unidad de escala en la que se mide la magnitud a determinar El error porcentual es
100 ree (26)
e indica el error que se comete por cada 100 unidades de la escala usada
Se llama repetibilidad al valor inverso del error relativo es decir
X
X
X
XK
(27)
La repetibilidad de un instrumento o de un meacutetodo de medida es su mayor o
menor capacidad para repetir los valores de las mediciones de una magnitud realizadas en las mismas condiciones No obstante antes de la repetibilidad se debe considerar primero la exactitud de un instrumento de medicioacuten la cual se define como la aptitud del instrumento de medicioacuten para dar respuestas proacuteximas al valor verdadero Es conveniente sentildealar que la exactitud es un concepto cualitativo Ejemplos 1) Se mide la altura desde donde se deja caer una esfera con una regla graduada
en cm y se obtiene Xrsquo = 840 cm con un error de apreciacioacuten X = 05 cm Asiacute
cmX )50 084(
31006005952380084
50 re
600 100 ree
7166K
2) Se mide el diaacutemetro de un alambre con un calibre dotado de un vernier con relacioacuten 910 Se obtiene d = 31 mm y el error de apreciacioacuten es de una divisioacuten
del vernier o sea X = 01 mm Entonces
mmd )10 13(
10
030 13
10 re
03 100 ree
3333 K
Obseacutervese que auacuten cuando el error de apreciacioacuten es 50 veces mayor en el
ejemplo 1 la repetibilidad de la medicioacuten es mucho mayor y en consecuencia son menores los errores relativos y porcentual Tambieacuten se desprende que un instrumento no tiene una repetibilidad intriacutenseca sino que la misma estaacute en relacioacuten con la magnitud que se va a medir 21 Clasificacioacuten de los Errores
A menudo se acostumbra hacer una clasificacioacuten extensa y pormenorizada de los errores de medicioacuten En rigor eacutestos pueden clasificarse en tres tipos sistemaacuteticos de apreciacioacuten y casuales a los cuales tambieacuten se les conoce como accidentales o al azar Errores Sistemaacuteticos Son aquellos de valor y signo constante o que corresponden a una ley conocida y producen desviaciones constantes Por tanto se pueden corregir por comparacioacuten con instrumentos patrones o por meacutetodos especiales como la doble pesada la lectura en dos escalas distintas de un voltiacutemetro etc Entre los casos maacutes comunes de errores sistemaacuteticos se pueden citar escalas mal calibradas relojes que atrasan o adelantan balanzas de brazos desiguales etc Errores de Apreciacioacuten Las determinaciones experimentales con algunos instrumentos se reducen a la lectura sobre una escala graduada Al efectuar la lectura el observador debe apreciar una fraccioacuten de la menor divisioacuten de la escala En esta valoracioacuten va impliacutecito un error que se denomina de apreciacioacuten y que depende del tipo de dispositivo de lectura de la separacioacuten entre divisiones sucesivas y de la habilidad del observador Asiacute es muy difiacutecil apreciar fracciones de una escala milimeacutetrica a simple vista mientras que si se mide una longitud con una escala graduada en cm un observador sin experiencia podraacute distinguir fracciones de 05 a 03 cm en tanto que uno capacitado puede garantizar la fraccioacuten 02 cm Los errores de apreciacioacuten seraacuten pues de 05 03 oacute 02 cm
El signo del error de apreciacioacuten puede ser tanto positivo como negativo su valoracioacuten es aproximada y puede considerarse constante para un mismo observador que opere en iguales condiciones
En el caso de una escala provista de vernier con relacioacuten 910 puede ocurrir
que la coincidencia de una divisioacuten del nonius con una de la escala sufra una indeterminacioacuten de una divisioacuten del vernier En tal caso el error de apreciacioacuten es
11
de 01 mm Si se trata de un nonius de relacioacuten 4950 la indeterminacioacuten puede resultar de dos o tres divisiones del nonius y los errores 004 oacute 006 de mm respectivamente
Un caso particular es la medida de intervalos con cronoacutemetros de disparador mecaacutenico La aguja se mueve a saltos de 15 o 110 s seguacuten el tipo de reloj Como el tiempo de reaccioacuten de un observador estaacute entre 15 y 110 s debe tenerse en cuenta y sumarse al error de apreciacioacuten Por ejemplo si el periacuteodo de oscilacioacuten de un peacutendulo es del orden de un segundo un error de 15 s es muy grande e invalidaraacute la medida Sin embargo en el caso de medicioacuten de periacuteodos este error se puede atenuar de manera considerable midiendo lapsos correspondientes a un nuacutemero suficientemente grande de periacuteodos En efecto sea t el lapso correspondiente a n periacuteodos de duracioacuten T
t = n T
si el error de apreciacioacuten es t = 15 s se tiene
sn
TsTt 5
1 51 (28)
El error t disminuye en forma inversamente proporcional al nuacutemero de periacuteodos que se midieron reciacuteprocamente si se fija el error se puede calcular el nuacutemero de periacuteodos que es necesario tener en cuenta para no cometer errores superiores al establecido
Ejemplo si al medir T = 2 s con un cronoacutemetro para el que resulta t = 15 s se quiere que sea e = 10 se obtiene
esoscilacion 100125
100100
n
xnxT
T
22 Desviaciones Intriacutensecas en los Instrumentos de Medicioacuten
Todo instrumento de medicioacuten introduce un rango de incertidumbre que es independiente del observador y que en general estaacute especificado por el fabricante Cuando se carece de esa informacioacuten y de otro aparato que permita hacer un contraste es necesario establecer alguacuten criterio para determinar los errores Si se trata de un aparato analoacutegico se puede suponer que cualquier medicioacuten introduce una incertidumbre igual o mayor que la mitad de la divisioacuten mas pequentildea de la escala
Si el instrumento es digital su puede variar la sensibilidad del medidor hasta
obtener un rango en el cual el nuacutemero en pantalla sea estable y tomar una incertidumbre igual o mayor que una unidad del uacuteltimo diacutegito en pantalla
12
3 Mediciones Directas e Indirectas Mediciones Directas
Se denomina medicioacuten directa a la operacioacuten de lectura en un instrumento utilizado para medir una cierta magnitud
Ejemplos determinacioacuten de una distancia con una cinta meacutetrica de una
masa con una balanza de brazos iguales de una fuerza con una dinamoacutemetro etceacutetera Mediciones Indirectas
Una medicioacuten indirecta es la que se obtiene aplicando una foacutermula o una ley fiacutesica a las magnitudes que se miden directamente Ejemplos caacutelculo de la superficie de una habitacioacuten rectangular por el producto de las longitudes largo y ancho que se miden directamente obtencioacuten de la aceleracioacuten de la gravedad con un peacutendulo ideal mediante la ley
lT
g2
24
donde se relaciona la magnitud g a medir con el periacuteodo T y la longitud l del peacutendulo medibles en forma directa con cronoacutemetro y regla 4 Cifras Significativas
La exactitud de una medicioacuten que depende del instrumento usado y de la habilidad del observador se indica por el nuacutemero de cifras significativas el que estaacute limitado por la incertidumbre Por ejemplo no se debe escribir
X = (3554 03) m ya que no se puede dar una medida con centeacutesimos si la incertidumbre estaacute limitando la exactitud a las deacutecimas Si al medir una longitud con una regla graduada en mm se obtiene un valor de 835 cm los diacutegitos son todos significativos aunque el uacuteltimo esteacute afectado de error por tratarse de la apreciacioacuten de una fraccioacuten de la menor divisioacuten de la escala El nuacutemero de cifras significativas no variacutea si se cambia de unidades y se escribe 00835 m o 83 500 μm Los ceros a la izquierda en el primer caso y a la derecha en el segundo sirven para situar la coma decimal y no se cuentan como cifras significativas El verdadero nuacutemero de cifras significativas puede indicarse
13
siempre utilizando potencias de 10 para poner la coma decimal a la derecha del primer diacutegito 835 x 10-2 m oacute 835 x 104 μm Los caacutelculos aritmeacuteticos realizados con las magnitudes medidas deben tener en cuenta sus incertidumbres y es necesario establecer un criterio para acotar la cantidad de cifras significativas en los valores numeacutericos que se obtienen por caacutelculo Se supone que al operar las cifras afectadas de error que a continuacioacuten se colocan entre pareacutentesis ldquogeneranrdquo cifras con error Los ejemplos siguientes ilustran al respecto Suma
1 3 2 (5)m 21 3 (4)s 13 7 6 (9) kg
0 4 (7) m + 9 8 (1)s + 8 5 (8)kg 1 7 (9) (5)m 31 1 (5)s 9 3 (7)kg 31 7 (1) (9) kg
Los resultados se deben escribir (179 X) (3115 X) y (3171 X)
donde X es la suma de los errores de los sumandos y determina la exactitud con que puede escribirse la suma Resta Se sigue el mismo criterio que en la suma de modo que el resultado se escribe con un error que es la suma de los errores del minuendo y sustraendo
Producto 3 2 (8) m X= 05 m e(x) = 152
x 5 4 (2) m Y= 05 m e(Y) = 092 (6) (5) (6) 1 3 (1) (2) (42) 1 6 4 (0) ______
1 7 7 (7) (7) (6)m2 e(S) = S
S x 100 = e(x) + e(Y) = 244
244100
8177442m
xS
2)447177( mS
5 3 (2) N F= 001 N e (F) = 02
x 0 8 (1) m L= 001 m e (L) = 12 (5) (3) (2) (43)
4 2 (5) (6)______ e()=14=
x 100
= 4 3 (0) (9) (2) N m
m N 060100
30441 x
= (430 006) Nm
14
Como se deduce de los ejemplos el error porcentual del resultado es igual a la suma de los errores porcentuales de los factores Cociente Se sigue el mismo criterio que en el producto por lo que el error porcentual de la divisioacuten es igual a la suma de los errores porcentuales del dividendo y del divisor Potenciacioacuten Como caso particular del producto se multiplica el error porcentual de la base tantas veces como lo indica el exponente
31100531
020)020531( emx
4444 485)531( mmxy 4)485( myy
44
30280314100 mmyY
Ye
4)3055( my
Radicacioacuten El resultado tiene un error porcentual que es igual al error porcentual del radicando dividido entre el iacutendice de la raiacutez
3313)2051(
2 ems
mXxX
0802
3313100
224712247151
mx )080221(
5 Errores Casuales
Los errores casuales dependen de fluctuaciones inevitables e imprevisibles de los paraacutemetros fiacutesicos que influyen en la magnitud que se mide y pueden deberse al observador al instrumento de medida a la magnitud a medir a la variacioacuten del medio ambiente etc Provienen de muacuteltiples factores inapreciables cuya magnitud y signo no se pueden predecir Estas alteraciones son las que provocan que muacuteltiples medidas que se llevan a cabo en ldquoideacutenticas condicionesrdquo no arrojen el mismo valor Provienen de fuentes de error independientes que producen pequentildeas desviaciones individuales erraacuteticas positivas y negativas imposibles de detectar
Cada uno de los errores accidentales es la suma algebraica de un gran nuacutemero de pequentildeos errores cuyas causas son numerosas y pueden actuar con uno u otro signo es decir que dichas variaciones se deben al azar Las fluctuaciones de estos paraacutemetros influiraacuten en general de manera distinta en los resultados de cada medida
15
A veces en las mediciones sucesivas aparentemente se repite el mismo valor Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son maacutes pequentildeas que la menor apreciacioacuten del instrumento empleado
Deben eliminarse de los errores azarosos aquellos debidos a distraccioacuten del
observador (confundir en una escala un nuacutemero con otro registrar mal el valor de una pesa etc)
Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las demaacutes es muy probable que se deban a distraccioacuten y por lo tanto hay que desecharlas
La clasificacioacuten de errores propuesta no es riacutegida y puede ser modificada
Ademaacutes un perfeccionamiento en los procesos de medicioacuten puede poner de manifiesto nuevos errores sistemaacuteticos que con anterioridad se les incluiacutea en los accidentales
6 Teoriacutea Estadiacutestica de Errores Casuales
La teoriacutea estadiacutestica de errores establece fundamentalmente el tratamiento matemaacutetico que debe darse a un conjunto de resultados para obtener la mejor aproximacioacuten de la medida buscada y su liacutemite probable de error o incertidumbre
Dado el caraacutecter aleatorio de las perturbaciones no puede obtenerse una estimacioacuten aceptable de una magnitud medida con una sola medicioacuten auacuten acotando los liacutemites probables de error Por eso es necesario hacer muacuteltiples mediciones en condiciones similares y deducir de ellas el valor maacutes probable y su incertidumbre Por su parte el valor maacutes probable no tendraacute sentido si no se puede saber su incertidumbre Esto implica que siempre se debe especificar el
valor maacutes probable X y un entorno de amplitud 2middotX dentro del cual se espera que se encuentre cualquier nueva medicioacuten hecha en ideacutenticas condiciones
Para cada magnitud medida se tendraacute pues un intervalo de confianza donde se encuentra el ldquovalor verdaderordquo X de la magnitud medida es decir
XXXXX (61)
Geomeacutetricamente
Figura 61 Intervalo de confianza donde se encuentra el valor verdadero
Es obvio que la disminucioacuten de este intervalo indica una mayor exactitud en la determinacioacuten de la magnitud medida
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
6
Exactitud de un instrumento de medicioacuten aptitud de un instrumento de medicioacuten para dar respuestas proacuteximas al valor verdadero Repetibilidad (de los resultados) Proximidad de concordancia entre los resultados de mediciones sucesivas del mismo mensurando con las mediciones realizadas con la aplicacioacuten de la totalidad de las siguientes condiciones
- mismo procedimiento de medicioacuten - mismo observador - mismo instrumento - mismo lugar - mismas condiciones de uso - repeticioacuten en un periodo corto de tiempo
Reproducibilidad (de los resultados) Proximidad de concordancia entre los resultados de mediciones del mismo mensurando con las mediciones realizadas haciendo variar las condiciones de medicioacuten tales como
- principio de medicioacuten - meacutetodo de medicioacuten - observador - instrumento - patroacuten de referencia - lugar - condiciones de uso - tiempo
Algunos conceptos relacionados directamente con la estimacioacuten de la incertidumbre son Magnitud de influencia magnitud que no es el mensurando pero que afecta al resultado de la medicioacuten Ejemplos
bull La temperatura de un microacutemetro cuando se mide una longitud bull La frecuencia en la medicioacuten de la amplitud de una tensioacuten eleacutectrica alterna
Condiciones de referencia Condiciones de uso prescritas para las pruebas de funcionamiento de un instrumento de medicioacuten o para la intercomparacioacuten de resultados de mediciones Algunas caracteriacutesticas de los instrumentos de medicioacuten que inciden en la estimacioacuten de la incertidumbre son Resolucioacuten Miacutenima diferencia de indicacioacuten de un dispositivo indicador que puede ser percibida de manera significativa Valor de una divisioacuten de la escala Diferencia entre los valores correspondientes a dos marcas sucesivas de la escala
7
Histeacuteresis Propiedad de un instrumento donde la respuesta a una sentildeal de entrada depende de la secuencia de las sentildeales de entrada (o los valores de las magnitudes de influencia) precedentes Error (de medicioacuten) Resultado de una medicioacuten menos un valor verdadero del mensurando 2 Incertidumbre y Errores
El resultado de una medicioacuten (valor de una magnitud) es un nuacutemero real Se le interpreta como el ldquonuacutemero de veces que la unidad de medida estaacute contenida en la magnitud en cuestioacutenrdquo Existe una variabilidad inherente al resultado de la medicioacuten por lo cual nunca se conoce el valor verdadero de la magnitud sujeta a medicioacuten Por consiguiente cuando se mide una magnitud soacutelo se puede determinar el valor maacutes cercano al valor verdadero (valor maacutes probable) y se debe estimar la incertidumbre (variabilidad) asociada al valor obtenido
Para asegurar la confiabilidad de las mediciones es necesario realizar una
serie de comparaciones con patrones cada vez de mayor exactitud (o menor incertidumbre) hasta llegar al patroacuten primario Directamente relacionados a esta caracteriacutestica se deben considerar el principio de medicioacuten (base cientiacutefica de una medicioacuten) y el meacutetodo de medicioacuten (secuencia loacutegica de las operaciones descritas de manera geneacuterica utilizadas en la ejecucioacuten de las mediciones)
Por consiguiente el resultado de una medicioacuten contiene al menos dos cantidades el valor maacutes probable considerado como el maacutes cercano al verdadero y la estimacioacuten de la incertidumbre sobre dicho valor La mejora de la calidad de las mediciones implica el mejoramiento de las mismas lo cual significa realizar mediciones maacutes exactas es decir mediciones con incertidumbre cada vez maacutes baja
Podemos decir entonces que la incertidumbre es aquella caracteriacutestica que impide conocer con certeza el valor verdadero de una magnitud Mientras maacutes larga sea la cadena de comparaciones hasta llegar al patroacuten primario el valor de la incertidumbre seraacute maacutes grande
Por otra parte el nivel de incertidumbre adecuado depende de las
necesidades del cliente Por ejemplo la incertidumbre que se requiere para que las sillas de un comedor se vean ldquoideacutenticasrdquo es menor que el nivel de incertidumbre requerido para que los pistones del motor de un automoacutevil hagan que eacuteste funcione con mayor eficiencia y sin vibraciones
La incertidumbre al igual que el valor verdadero soacutelo se estima ya que no se puede cuantificar con exactitud Su valor depende fundamentalmente de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en la magnitud que se mide durante el proceso de
8
obtencioacuten de su valor Todos estos factores representan junto con las magnitudes de influencia las fuentes de la incertidumbre
Veamos primero algunos conceptos baacutesicos sobre errores antes de adentrarnos en el caacutelculo formal de la incertidumbre El valor Xrsquo de la medicioacuten de una magnitud X soacutelo tiene sentido cuando se puede valorar el error que la afecta con respecto a otro valor X que se toma como referencia Ese error se llama absoluto si se expresa por
XXX (21)
de donde XXX (22)
En un conjunto de mediciones el signo de X puede ser tanto positivo como negativo y por ello es costumbre tomar
XX (23)
y escribir
X = Xrsquo X (24) Ejemplos
Constante de los gases R = (831696 000034) JmolmiddotK
masa del electroacuten en reposo me = (91083 00003) x 10-31kg
constante de Boltzmann k = (138044 000007) x 10-23 JK
A veces no se indica el valor de X en cuyo caso se entiende que es igual a la mitad de la unidad correspondiente a la uacuteltima cifra significativa Por ejemplo si se escribe
aceleracioacuten normal de la gravedad g = 980 ms2
se entiende que g = (980 0005) ms2 El significado de X (valor verdadero valor promedio etc) determina la
denominacioacuten que se da a X (error absoluto del valor verdadero del valor medio etc)
Si X es el valor maacutes probable entonces X es su incertidumbre (error del promedio Ep) y para determinarla es necesario aplicar la teoriacutea estadiacutestica de errores casuales Dicha teoriacutea establece el meacutetodo para obtener la estimacioacuten de la incertidumbre para magnitudes que se miden tanto en forma directa como indirecta
9
El error absoluto de la medicioacuten Xrsquo no es suficiente para caracterizar la exactitud de la misma Por eso se define el error relativo
X
X
XX
X
X
Xer
(25)
que es el error por cada unidad de escala en la que se mide la magnitud a determinar El error porcentual es
100 ree (26)
e indica el error que se comete por cada 100 unidades de la escala usada
Se llama repetibilidad al valor inverso del error relativo es decir
X
X
X
XK
(27)
La repetibilidad de un instrumento o de un meacutetodo de medida es su mayor o
menor capacidad para repetir los valores de las mediciones de una magnitud realizadas en las mismas condiciones No obstante antes de la repetibilidad se debe considerar primero la exactitud de un instrumento de medicioacuten la cual se define como la aptitud del instrumento de medicioacuten para dar respuestas proacuteximas al valor verdadero Es conveniente sentildealar que la exactitud es un concepto cualitativo Ejemplos 1) Se mide la altura desde donde se deja caer una esfera con una regla graduada
en cm y se obtiene Xrsquo = 840 cm con un error de apreciacioacuten X = 05 cm Asiacute
cmX )50 084(
31006005952380084
50 re
600 100 ree
7166K
2) Se mide el diaacutemetro de un alambre con un calibre dotado de un vernier con relacioacuten 910 Se obtiene d = 31 mm y el error de apreciacioacuten es de una divisioacuten
del vernier o sea X = 01 mm Entonces
mmd )10 13(
10
030 13
10 re
03 100 ree
3333 K
Obseacutervese que auacuten cuando el error de apreciacioacuten es 50 veces mayor en el
ejemplo 1 la repetibilidad de la medicioacuten es mucho mayor y en consecuencia son menores los errores relativos y porcentual Tambieacuten se desprende que un instrumento no tiene una repetibilidad intriacutenseca sino que la misma estaacute en relacioacuten con la magnitud que se va a medir 21 Clasificacioacuten de los Errores
A menudo se acostumbra hacer una clasificacioacuten extensa y pormenorizada de los errores de medicioacuten En rigor eacutestos pueden clasificarse en tres tipos sistemaacuteticos de apreciacioacuten y casuales a los cuales tambieacuten se les conoce como accidentales o al azar Errores Sistemaacuteticos Son aquellos de valor y signo constante o que corresponden a una ley conocida y producen desviaciones constantes Por tanto se pueden corregir por comparacioacuten con instrumentos patrones o por meacutetodos especiales como la doble pesada la lectura en dos escalas distintas de un voltiacutemetro etc Entre los casos maacutes comunes de errores sistemaacuteticos se pueden citar escalas mal calibradas relojes que atrasan o adelantan balanzas de brazos desiguales etc Errores de Apreciacioacuten Las determinaciones experimentales con algunos instrumentos se reducen a la lectura sobre una escala graduada Al efectuar la lectura el observador debe apreciar una fraccioacuten de la menor divisioacuten de la escala En esta valoracioacuten va impliacutecito un error que se denomina de apreciacioacuten y que depende del tipo de dispositivo de lectura de la separacioacuten entre divisiones sucesivas y de la habilidad del observador Asiacute es muy difiacutecil apreciar fracciones de una escala milimeacutetrica a simple vista mientras que si se mide una longitud con una escala graduada en cm un observador sin experiencia podraacute distinguir fracciones de 05 a 03 cm en tanto que uno capacitado puede garantizar la fraccioacuten 02 cm Los errores de apreciacioacuten seraacuten pues de 05 03 oacute 02 cm
El signo del error de apreciacioacuten puede ser tanto positivo como negativo su valoracioacuten es aproximada y puede considerarse constante para un mismo observador que opere en iguales condiciones
En el caso de una escala provista de vernier con relacioacuten 910 puede ocurrir
que la coincidencia de una divisioacuten del nonius con una de la escala sufra una indeterminacioacuten de una divisioacuten del vernier En tal caso el error de apreciacioacuten es
11
de 01 mm Si se trata de un nonius de relacioacuten 4950 la indeterminacioacuten puede resultar de dos o tres divisiones del nonius y los errores 004 oacute 006 de mm respectivamente
Un caso particular es la medida de intervalos con cronoacutemetros de disparador mecaacutenico La aguja se mueve a saltos de 15 o 110 s seguacuten el tipo de reloj Como el tiempo de reaccioacuten de un observador estaacute entre 15 y 110 s debe tenerse en cuenta y sumarse al error de apreciacioacuten Por ejemplo si el periacuteodo de oscilacioacuten de un peacutendulo es del orden de un segundo un error de 15 s es muy grande e invalidaraacute la medida Sin embargo en el caso de medicioacuten de periacuteodos este error se puede atenuar de manera considerable midiendo lapsos correspondientes a un nuacutemero suficientemente grande de periacuteodos En efecto sea t el lapso correspondiente a n periacuteodos de duracioacuten T
t = n T
si el error de apreciacioacuten es t = 15 s se tiene
sn
TsTt 5
1 51 (28)
El error t disminuye en forma inversamente proporcional al nuacutemero de periacuteodos que se midieron reciacuteprocamente si se fija el error se puede calcular el nuacutemero de periacuteodos que es necesario tener en cuenta para no cometer errores superiores al establecido
Ejemplo si al medir T = 2 s con un cronoacutemetro para el que resulta t = 15 s se quiere que sea e = 10 se obtiene
esoscilacion 100125
100100
n
xnxT
T
22 Desviaciones Intriacutensecas en los Instrumentos de Medicioacuten
Todo instrumento de medicioacuten introduce un rango de incertidumbre que es independiente del observador y que en general estaacute especificado por el fabricante Cuando se carece de esa informacioacuten y de otro aparato que permita hacer un contraste es necesario establecer alguacuten criterio para determinar los errores Si se trata de un aparato analoacutegico se puede suponer que cualquier medicioacuten introduce una incertidumbre igual o mayor que la mitad de la divisioacuten mas pequentildea de la escala
Si el instrumento es digital su puede variar la sensibilidad del medidor hasta
obtener un rango en el cual el nuacutemero en pantalla sea estable y tomar una incertidumbre igual o mayor que una unidad del uacuteltimo diacutegito en pantalla
12
3 Mediciones Directas e Indirectas Mediciones Directas
Se denomina medicioacuten directa a la operacioacuten de lectura en un instrumento utilizado para medir una cierta magnitud
Ejemplos determinacioacuten de una distancia con una cinta meacutetrica de una
masa con una balanza de brazos iguales de una fuerza con una dinamoacutemetro etceacutetera Mediciones Indirectas
Una medicioacuten indirecta es la que se obtiene aplicando una foacutermula o una ley fiacutesica a las magnitudes que se miden directamente Ejemplos caacutelculo de la superficie de una habitacioacuten rectangular por el producto de las longitudes largo y ancho que se miden directamente obtencioacuten de la aceleracioacuten de la gravedad con un peacutendulo ideal mediante la ley
lT
g2
24
donde se relaciona la magnitud g a medir con el periacuteodo T y la longitud l del peacutendulo medibles en forma directa con cronoacutemetro y regla 4 Cifras Significativas
La exactitud de una medicioacuten que depende del instrumento usado y de la habilidad del observador se indica por el nuacutemero de cifras significativas el que estaacute limitado por la incertidumbre Por ejemplo no se debe escribir
X = (3554 03) m ya que no se puede dar una medida con centeacutesimos si la incertidumbre estaacute limitando la exactitud a las deacutecimas Si al medir una longitud con una regla graduada en mm se obtiene un valor de 835 cm los diacutegitos son todos significativos aunque el uacuteltimo esteacute afectado de error por tratarse de la apreciacioacuten de una fraccioacuten de la menor divisioacuten de la escala El nuacutemero de cifras significativas no variacutea si se cambia de unidades y se escribe 00835 m o 83 500 μm Los ceros a la izquierda en el primer caso y a la derecha en el segundo sirven para situar la coma decimal y no se cuentan como cifras significativas El verdadero nuacutemero de cifras significativas puede indicarse
13
siempre utilizando potencias de 10 para poner la coma decimal a la derecha del primer diacutegito 835 x 10-2 m oacute 835 x 104 μm Los caacutelculos aritmeacuteticos realizados con las magnitudes medidas deben tener en cuenta sus incertidumbres y es necesario establecer un criterio para acotar la cantidad de cifras significativas en los valores numeacutericos que se obtienen por caacutelculo Se supone que al operar las cifras afectadas de error que a continuacioacuten se colocan entre pareacutentesis ldquogeneranrdquo cifras con error Los ejemplos siguientes ilustran al respecto Suma
1 3 2 (5)m 21 3 (4)s 13 7 6 (9) kg
0 4 (7) m + 9 8 (1)s + 8 5 (8)kg 1 7 (9) (5)m 31 1 (5)s 9 3 (7)kg 31 7 (1) (9) kg
Los resultados se deben escribir (179 X) (3115 X) y (3171 X)
donde X es la suma de los errores de los sumandos y determina la exactitud con que puede escribirse la suma Resta Se sigue el mismo criterio que en la suma de modo que el resultado se escribe con un error que es la suma de los errores del minuendo y sustraendo
Producto 3 2 (8) m X= 05 m e(x) = 152
x 5 4 (2) m Y= 05 m e(Y) = 092 (6) (5) (6) 1 3 (1) (2) (42) 1 6 4 (0) ______
1 7 7 (7) (7) (6)m2 e(S) = S
S x 100 = e(x) + e(Y) = 244
244100
8177442m
xS
2)447177( mS
5 3 (2) N F= 001 N e (F) = 02
x 0 8 (1) m L= 001 m e (L) = 12 (5) (3) (2) (43)
4 2 (5) (6)______ e()=14=
x 100
= 4 3 (0) (9) (2) N m
m N 060100
30441 x
= (430 006) Nm
14
Como se deduce de los ejemplos el error porcentual del resultado es igual a la suma de los errores porcentuales de los factores Cociente Se sigue el mismo criterio que en el producto por lo que el error porcentual de la divisioacuten es igual a la suma de los errores porcentuales del dividendo y del divisor Potenciacioacuten Como caso particular del producto se multiplica el error porcentual de la base tantas veces como lo indica el exponente
31100531
020)020531( emx
4444 485)531( mmxy 4)485( myy
44
30280314100 mmyY
Ye
4)3055( my
Radicacioacuten El resultado tiene un error porcentual que es igual al error porcentual del radicando dividido entre el iacutendice de la raiacutez
3313)2051(
2 ems
mXxX
0802
3313100
224712247151
mx )080221(
5 Errores Casuales
Los errores casuales dependen de fluctuaciones inevitables e imprevisibles de los paraacutemetros fiacutesicos que influyen en la magnitud que se mide y pueden deberse al observador al instrumento de medida a la magnitud a medir a la variacioacuten del medio ambiente etc Provienen de muacuteltiples factores inapreciables cuya magnitud y signo no se pueden predecir Estas alteraciones son las que provocan que muacuteltiples medidas que se llevan a cabo en ldquoideacutenticas condicionesrdquo no arrojen el mismo valor Provienen de fuentes de error independientes que producen pequentildeas desviaciones individuales erraacuteticas positivas y negativas imposibles de detectar
Cada uno de los errores accidentales es la suma algebraica de un gran nuacutemero de pequentildeos errores cuyas causas son numerosas y pueden actuar con uno u otro signo es decir que dichas variaciones se deben al azar Las fluctuaciones de estos paraacutemetros influiraacuten en general de manera distinta en los resultados de cada medida
15
A veces en las mediciones sucesivas aparentemente se repite el mismo valor Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son maacutes pequentildeas que la menor apreciacioacuten del instrumento empleado
Deben eliminarse de los errores azarosos aquellos debidos a distraccioacuten del
observador (confundir en una escala un nuacutemero con otro registrar mal el valor de una pesa etc)
Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las demaacutes es muy probable que se deban a distraccioacuten y por lo tanto hay que desecharlas
La clasificacioacuten de errores propuesta no es riacutegida y puede ser modificada
Ademaacutes un perfeccionamiento en los procesos de medicioacuten puede poner de manifiesto nuevos errores sistemaacuteticos que con anterioridad se les incluiacutea en los accidentales
6 Teoriacutea Estadiacutestica de Errores Casuales
La teoriacutea estadiacutestica de errores establece fundamentalmente el tratamiento matemaacutetico que debe darse a un conjunto de resultados para obtener la mejor aproximacioacuten de la medida buscada y su liacutemite probable de error o incertidumbre
Dado el caraacutecter aleatorio de las perturbaciones no puede obtenerse una estimacioacuten aceptable de una magnitud medida con una sola medicioacuten auacuten acotando los liacutemites probables de error Por eso es necesario hacer muacuteltiples mediciones en condiciones similares y deducir de ellas el valor maacutes probable y su incertidumbre Por su parte el valor maacutes probable no tendraacute sentido si no se puede saber su incertidumbre Esto implica que siempre se debe especificar el
valor maacutes probable X y un entorno de amplitud 2middotX dentro del cual se espera que se encuentre cualquier nueva medicioacuten hecha en ideacutenticas condiciones
Para cada magnitud medida se tendraacute pues un intervalo de confianza donde se encuentra el ldquovalor verdaderordquo X de la magnitud medida es decir
XXXXX (61)
Geomeacutetricamente
Figura 61 Intervalo de confianza donde se encuentra el valor verdadero
Es obvio que la disminucioacuten de este intervalo indica una mayor exactitud en la determinacioacuten de la magnitud medida
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
7
Histeacuteresis Propiedad de un instrumento donde la respuesta a una sentildeal de entrada depende de la secuencia de las sentildeales de entrada (o los valores de las magnitudes de influencia) precedentes Error (de medicioacuten) Resultado de una medicioacuten menos un valor verdadero del mensurando 2 Incertidumbre y Errores
El resultado de una medicioacuten (valor de una magnitud) es un nuacutemero real Se le interpreta como el ldquonuacutemero de veces que la unidad de medida estaacute contenida en la magnitud en cuestioacutenrdquo Existe una variabilidad inherente al resultado de la medicioacuten por lo cual nunca se conoce el valor verdadero de la magnitud sujeta a medicioacuten Por consiguiente cuando se mide una magnitud soacutelo se puede determinar el valor maacutes cercano al valor verdadero (valor maacutes probable) y se debe estimar la incertidumbre (variabilidad) asociada al valor obtenido
Para asegurar la confiabilidad de las mediciones es necesario realizar una
serie de comparaciones con patrones cada vez de mayor exactitud (o menor incertidumbre) hasta llegar al patroacuten primario Directamente relacionados a esta caracteriacutestica se deben considerar el principio de medicioacuten (base cientiacutefica de una medicioacuten) y el meacutetodo de medicioacuten (secuencia loacutegica de las operaciones descritas de manera geneacuterica utilizadas en la ejecucioacuten de las mediciones)
Por consiguiente el resultado de una medicioacuten contiene al menos dos cantidades el valor maacutes probable considerado como el maacutes cercano al verdadero y la estimacioacuten de la incertidumbre sobre dicho valor La mejora de la calidad de las mediciones implica el mejoramiento de las mismas lo cual significa realizar mediciones maacutes exactas es decir mediciones con incertidumbre cada vez maacutes baja
Podemos decir entonces que la incertidumbre es aquella caracteriacutestica que impide conocer con certeza el valor verdadero de una magnitud Mientras maacutes larga sea la cadena de comparaciones hasta llegar al patroacuten primario el valor de la incertidumbre seraacute maacutes grande
Por otra parte el nivel de incertidumbre adecuado depende de las
necesidades del cliente Por ejemplo la incertidumbre que se requiere para que las sillas de un comedor se vean ldquoideacutenticasrdquo es menor que el nivel de incertidumbre requerido para que los pistones del motor de un automoacutevil hagan que eacuteste funcione con mayor eficiencia y sin vibraciones
La incertidumbre al igual que el valor verdadero soacutelo se estima ya que no se puede cuantificar con exactitud Su valor depende fundamentalmente de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en la magnitud que se mide durante el proceso de
8
obtencioacuten de su valor Todos estos factores representan junto con las magnitudes de influencia las fuentes de la incertidumbre
Veamos primero algunos conceptos baacutesicos sobre errores antes de adentrarnos en el caacutelculo formal de la incertidumbre El valor Xrsquo de la medicioacuten de una magnitud X soacutelo tiene sentido cuando se puede valorar el error que la afecta con respecto a otro valor X que se toma como referencia Ese error se llama absoluto si se expresa por
XXX (21)
de donde XXX (22)
En un conjunto de mediciones el signo de X puede ser tanto positivo como negativo y por ello es costumbre tomar
XX (23)
y escribir
X = Xrsquo X (24) Ejemplos
Constante de los gases R = (831696 000034) JmolmiddotK
masa del electroacuten en reposo me = (91083 00003) x 10-31kg
constante de Boltzmann k = (138044 000007) x 10-23 JK
A veces no se indica el valor de X en cuyo caso se entiende que es igual a la mitad de la unidad correspondiente a la uacuteltima cifra significativa Por ejemplo si se escribe
aceleracioacuten normal de la gravedad g = 980 ms2
se entiende que g = (980 0005) ms2 El significado de X (valor verdadero valor promedio etc) determina la
denominacioacuten que se da a X (error absoluto del valor verdadero del valor medio etc)
Si X es el valor maacutes probable entonces X es su incertidumbre (error del promedio Ep) y para determinarla es necesario aplicar la teoriacutea estadiacutestica de errores casuales Dicha teoriacutea establece el meacutetodo para obtener la estimacioacuten de la incertidumbre para magnitudes que se miden tanto en forma directa como indirecta
9
El error absoluto de la medicioacuten Xrsquo no es suficiente para caracterizar la exactitud de la misma Por eso se define el error relativo
X
X
XX
X
X
Xer
(25)
que es el error por cada unidad de escala en la que se mide la magnitud a determinar El error porcentual es
100 ree (26)
e indica el error que se comete por cada 100 unidades de la escala usada
Se llama repetibilidad al valor inverso del error relativo es decir
X
X
X
XK
(27)
La repetibilidad de un instrumento o de un meacutetodo de medida es su mayor o
menor capacidad para repetir los valores de las mediciones de una magnitud realizadas en las mismas condiciones No obstante antes de la repetibilidad se debe considerar primero la exactitud de un instrumento de medicioacuten la cual se define como la aptitud del instrumento de medicioacuten para dar respuestas proacuteximas al valor verdadero Es conveniente sentildealar que la exactitud es un concepto cualitativo Ejemplos 1) Se mide la altura desde donde se deja caer una esfera con una regla graduada
en cm y se obtiene Xrsquo = 840 cm con un error de apreciacioacuten X = 05 cm Asiacute
cmX )50 084(
31006005952380084
50 re
600 100 ree
7166K
2) Se mide el diaacutemetro de un alambre con un calibre dotado de un vernier con relacioacuten 910 Se obtiene d = 31 mm y el error de apreciacioacuten es de una divisioacuten
del vernier o sea X = 01 mm Entonces
mmd )10 13(
10
030 13
10 re
03 100 ree
3333 K
Obseacutervese que auacuten cuando el error de apreciacioacuten es 50 veces mayor en el
ejemplo 1 la repetibilidad de la medicioacuten es mucho mayor y en consecuencia son menores los errores relativos y porcentual Tambieacuten se desprende que un instrumento no tiene una repetibilidad intriacutenseca sino que la misma estaacute en relacioacuten con la magnitud que se va a medir 21 Clasificacioacuten de los Errores
A menudo se acostumbra hacer una clasificacioacuten extensa y pormenorizada de los errores de medicioacuten En rigor eacutestos pueden clasificarse en tres tipos sistemaacuteticos de apreciacioacuten y casuales a los cuales tambieacuten se les conoce como accidentales o al azar Errores Sistemaacuteticos Son aquellos de valor y signo constante o que corresponden a una ley conocida y producen desviaciones constantes Por tanto se pueden corregir por comparacioacuten con instrumentos patrones o por meacutetodos especiales como la doble pesada la lectura en dos escalas distintas de un voltiacutemetro etc Entre los casos maacutes comunes de errores sistemaacuteticos se pueden citar escalas mal calibradas relojes que atrasan o adelantan balanzas de brazos desiguales etc Errores de Apreciacioacuten Las determinaciones experimentales con algunos instrumentos se reducen a la lectura sobre una escala graduada Al efectuar la lectura el observador debe apreciar una fraccioacuten de la menor divisioacuten de la escala En esta valoracioacuten va impliacutecito un error que se denomina de apreciacioacuten y que depende del tipo de dispositivo de lectura de la separacioacuten entre divisiones sucesivas y de la habilidad del observador Asiacute es muy difiacutecil apreciar fracciones de una escala milimeacutetrica a simple vista mientras que si se mide una longitud con una escala graduada en cm un observador sin experiencia podraacute distinguir fracciones de 05 a 03 cm en tanto que uno capacitado puede garantizar la fraccioacuten 02 cm Los errores de apreciacioacuten seraacuten pues de 05 03 oacute 02 cm
El signo del error de apreciacioacuten puede ser tanto positivo como negativo su valoracioacuten es aproximada y puede considerarse constante para un mismo observador que opere en iguales condiciones
En el caso de una escala provista de vernier con relacioacuten 910 puede ocurrir
que la coincidencia de una divisioacuten del nonius con una de la escala sufra una indeterminacioacuten de una divisioacuten del vernier En tal caso el error de apreciacioacuten es
11
de 01 mm Si se trata de un nonius de relacioacuten 4950 la indeterminacioacuten puede resultar de dos o tres divisiones del nonius y los errores 004 oacute 006 de mm respectivamente
Un caso particular es la medida de intervalos con cronoacutemetros de disparador mecaacutenico La aguja se mueve a saltos de 15 o 110 s seguacuten el tipo de reloj Como el tiempo de reaccioacuten de un observador estaacute entre 15 y 110 s debe tenerse en cuenta y sumarse al error de apreciacioacuten Por ejemplo si el periacuteodo de oscilacioacuten de un peacutendulo es del orden de un segundo un error de 15 s es muy grande e invalidaraacute la medida Sin embargo en el caso de medicioacuten de periacuteodos este error se puede atenuar de manera considerable midiendo lapsos correspondientes a un nuacutemero suficientemente grande de periacuteodos En efecto sea t el lapso correspondiente a n periacuteodos de duracioacuten T
t = n T
si el error de apreciacioacuten es t = 15 s se tiene
sn
TsTt 5
1 51 (28)
El error t disminuye en forma inversamente proporcional al nuacutemero de periacuteodos que se midieron reciacuteprocamente si se fija el error se puede calcular el nuacutemero de periacuteodos que es necesario tener en cuenta para no cometer errores superiores al establecido
Ejemplo si al medir T = 2 s con un cronoacutemetro para el que resulta t = 15 s se quiere que sea e = 10 se obtiene
esoscilacion 100125
100100
n
xnxT
T
22 Desviaciones Intriacutensecas en los Instrumentos de Medicioacuten
Todo instrumento de medicioacuten introduce un rango de incertidumbre que es independiente del observador y que en general estaacute especificado por el fabricante Cuando se carece de esa informacioacuten y de otro aparato que permita hacer un contraste es necesario establecer alguacuten criterio para determinar los errores Si se trata de un aparato analoacutegico se puede suponer que cualquier medicioacuten introduce una incertidumbre igual o mayor que la mitad de la divisioacuten mas pequentildea de la escala
Si el instrumento es digital su puede variar la sensibilidad del medidor hasta
obtener un rango en el cual el nuacutemero en pantalla sea estable y tomar una incertidumbre igual o mayor que una unidad del uacuteltimo diacutegito en pantalla
12
3 Mediciones Directas e Indirectas Mediciones Directas
Se denomina medicioacuten directa a la operacioacuten de lectura en un instrumento utilizado para medir una cierta magnitud
Ejemplos determinacioacuten de una distancia con una cinta meacutetrica de una
masa con una balanza de brazos iguales de una fuerza con una dinamoacutemetro etceacutetera Mediciones Indirectas
Una medicioacuten indirecta es la que se obtiene aplicando una foacutermula o una ley fiacutesica a las magnitudes que se miden directamente Ejemplos caacutelculo de la superficie de una habitacioacuten rectangular por el producto de las longitudes largo y ancho que se miden directamente obtencioacuten de la aceleracioacuten de la gravedad con un peacutendulo ideal mediante la ley
lT
g2
24
donde se relaciona la magnitud g a medir con el periacuteodo T y la longitud l del peacutendulo medibles en forma directa con cronoacutemetro y regla 4 Cifras Significativas
La exactitud de una medicioacuten que depende del instrumento usado y de la habilidad del observador se indica por el nuacutemero de cifras significativas el que estaacute limitado por la incertidumbre Por ejemplo no se debe escribir
X = (3554 03) m ya que no se puede dar una medida con centeacutesimos si la incertidumbre estaacute limitando la exactitud a las deacutecimas Si al medir una longitud con una regla graduada en mm se obtiene un valor de 835 cm los diacutegitos son todos significativos aunque el uacuteltimo esteacute afectado de error por tratarse de la apreciacioacuten de una fraccioacuten de la menor divisioacuten de la escala El nuacutemero de cifras significativas no variacutea si se cambia de unidades y se escribe 00835 m o 83 500 μm Los ceros a la izquierda en el primer caso y a la derecha en el segundo sirven para situar la coma decimal y no se cuentan como cifras significativas El verdadero nuacutemero de cifras significativas puede indicarse
13
siempre utilizando potencias de 10 para poner la coma decimal a la derecha del primer diacutegito 835 x 10-2 m oacute 835 x 104 μm Los caacutelculos aritmeacuteticos realizados con las magnitudes medidas deben tener en cuenta sus incertidumbres y es necesario establecer un criterio para acotar la cantidad de cifras significativas en los valores numeacutericos que se obtienen por caacutelculo Se supone que al operar las cifras afectadas de error que a continuacioacuten se colocan entre pareacutentesis ldquogeneranrdquo cifras con error Los ejemplos siguientes ilustran al respecto Suma
1 3 2 (5)m 21 3 (4)s 13 7 6 (9) kg
0 4 (7) m + 9 8 (1)s + 8 5 (8)kg 1 7 (9) (5)m 31 1 (5)s 9 3 (7)kg 31 7 (1) (9) kg
Los resultados se deben escribir (179 X) (3115 X) y (3171 X)
donde X es la suma de los errores de los sumandos y determina la exactitud con que puede escribirse la suma Resta Se sigue el mismo criterio que en la suma de modo que el resultado se escribe con un error que es la suma de los errores del minuendo y sustraendo
Producto 3 2 (8) m X= 05 m e(x) = 152
x 5 4 (2) m Y= 05 m e(Y) = 092 (6) (5) (6) 1 3 (1) (2) (42) 1 6 4 (0) ______
1 7 7 (7) (7) (6)m2 e(S) = S
S x 100 = e(x) + e(Y) = 244
244100
8177442m
xS
2)447177( mS
5 3 (2) N F= 001 N e (F) = 02
x 0 8 (1) m L= 001 m e (L) = 12 (5) (3) (2) (43)
4 2 (5) (6)______ e()=14=
x 100
= 4 3 (0) (9) (2) N m
m N 060100
30441 x
= (430 006) Nm
14
Como se deduce de los ejemplos el error porcentual del resultado es igual a la suma de los errores porcentuales de los factores Cociente Se sigue el mismo criterio que en el producto por lo que el error porcentual de la divisioacuten es igual a la suma de los errores porcentuales del dividendo y del divisor Potenciacioacuten Como caso particular del producto se multiplica el error porcentual de la base tantas veces como lo indica el exponente
31100531
020)020531( emx
4444 485)531( mmxy 4)485( myy
44
30280314100 mmyY
Ye
4)3055( my
Radicacioacuten El resultado tiene un error porcentual que es igual al error porcentual del radicando dividido entre el iacutendice de la raiacutez
3313)2051(
2 ems
mXxX
0802
3313100
224712247151
mx )080221(
5 Errores Casuales
Los errores casuales dependen de fluctuaciones inevitables e imprevisibles de los paraacutemetros fiacutesicos que influyen en la magnitud que se mide y pueden deberse al observador al instrumento de medida a la magnitud a medir a la variacioacuten del medio ambiente etc Provienen de muacuteltiples factores inapreciables cuya magnitud y signo no se pueden predecir Estas alteraciones son las que provocan que muacuteltiples medidas que se llevan a cabo en ldquoideacutenticas condicionesrdquo no arrojen el mismo valor Provienen de fuentes de error independientes que producen pequentildeas desviaciones individuales erraacuteticas positivas y negativas imposibles de detectar
Cada uno de los errores accidentales es la suma algebraica de un gran nuacutemero de pequentildeos errores cuyas causas son numerosas y pueden actuar con uno u otro signo es decir que dichas variaciones se deben al azar Las fluctuaciones de estos paraacutemetros influiraacuten en general de manera distinta en los resultados de cada medida
15
A veces en las mediciones sucesivas aparentemente se repite el mismo valor Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son maacutes pequentildeas que la menor apreciacioacuten del instrumento empleado
Deben eliminarse de los errores azarosos aquellos debidos a distraccioacuten del
observador (confundir en una escala un nuacutemero con otro registrar mal el valor de una pesa etc)
Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las demaacutes es muy probable que se deban a distraccioacuten y por lo tanto hay que desecharlas
La clasificacioacuten de errores propuesta no es riacutegida y puede ser modificada
Ademaacutes un perfeccionamiento en los procesos de medicioacuten puede poner de manifiesto nuevos errores sistemaacuteticos que con anterioridad se les incluiacutea en los accidentales
6 Teoriacutea Estadiacutestica de Errores Casuales
La teoriacutea estadiacutestica de errores establece fundamentalmente el tratamiento matemaacutetico que debe darse a un conjunto de resultados para obtener la mejor aproximacioacuten de la medida buscada y su liacutemite probable de error o incertidumbre
Dado el caraacutecter aleatorio de las perturbaciones no puede obtenerse una estimacioacuten aceptable de una magnitud medida con una sola medicioacuten auacuten acotando los liacutemites probables de error Por eso es necesario hacer muacuteltiples mediciones en condiciones similares y deducir de ellas el valor maacutes probable y su incertidumbre Por su parte el valor maacutes probable no tendraacute sentido si no se puede saber su incertidumbre Esto implica que siempre se debe especificar el
valor maacutes probable X y un entorno de amplitud 2middotX dentro del cual se espera que se encuentre cualquier nueva medicioacuten hecha en ideacutenticas condiciones
Para cada magnitud medida se tendraacute pues un intervalo de confianza donde se encuentra el ldquovalor verdaderordquo X de la magnitud medida es decir
XXXXX (61)
Geomeacutetricamente
Figura 61 Intervalo de confianza donde se encuentra el valor verdadero
Es obvio que la disminucioacuten de este intervalo indica una mayor exactitud en la determinacioacuten de la magnitud medida
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
8
obtencioacuten de su valor Todos estos factores representan junto con las magnitudes de influencia las fuentes de la incertidumbre
Veamos primero algunos conceptos baacutesicos sobre errores antes de adentrarnos en el caacutelculo formal de la incertidumbre El valor Xrsquo de la medicioacuten de una magnitud X soacutelo tiene sentido cuando se puede valorar el error que la afecta con respecto a otro valor X que se toma como referencia Ese error se llama absoluto si se expresa por
XXX (21)
de donde XXX (22)
En un conjunto de mediciones el signo de X puede ser tanto positivo como negativo y por ello es costumbre tomar
XX (23)
y escribir
X = Xrsquo X (24) Ejemplos
Constante de los gases R = (831696 000034) JmolmiddotK
masa del electroacuten en reposo me = (91083 00003) x 10-31kg
constante de Boltzmann k = (138044 000007) x 10-23 JK
A veces no se indica el valor de X en cuyo caso se entiende que es igual a la mitad de la unidad correspondiente a la uacuteltima cifra significativa Por ejemplo si se escribe
aceleracioacuten normal de la gravedad g = 980 ms2
se entiende que g = (980 0005) ms2 El significado de X (valor verdadero valor promedio etc) determina la
denominacioacuten que se da a X (error absoluto del valor verdadero del valor medio etc)
Si X es el valor maacutes probable entonces X es su incertidumbre (error del promedio Ep) y para determinarla es necesario aplicar la teoriacutea estadiacutestica de errores casuales Dicha teoriacutea establece el meacutetodo para obtener la estimacioacuten de la incertidumbre para magnitudes que se miden tanto en forma directa como indirecta
9
El error absoluto de la medicioacuten Xrsquo no es suficiente para caracterizar la exactitud de la misma Por eso se define el error relativo
X
X
XX
X
X
Xer
(25)
que es el error por cada unidad de escala en la que se mide la magnitud a determinar El error porcentual es
100 ree (26)
e indica el error que se comete por cada 100 unidades de la escala usada
Se llama repetibilidad al valor inverso del error relativo es decir
X
X
X
XK
(27)
La repetibilidad de un instrumento o de un meacutetodo de medida es su mayor o
menor capacidad para repetir los valores de las mediciones de una magnitud realizadas en las mismas condiciones No obstante antes de la repetibilidad se debe considerar primero la exactitud de un instrumento de medicioacuten la cual se define como la aptitud del instrumento de medicioacuten para dar respuestas proacuteximas al valor verdadero Es conveniente sentildealar que la exactitud es un concepto cualitativo Ejemplos 1) Se mide la altura desde donde se deja caer una esfera con una regla graduada
en cm y se obtiene Xrsquo = 840 cm con un error de apreciacioacuten X = 05 cm Asiacute
cmX )50 084(
31006005952380084
50 re
600 100 ree
7166K
2) Se mide el diaacutemetro de un alambre con un calibre dotado de un vernier con relacioacuten 910 Se obtiene d = 31 mm y el error de apreciacioacuten es de una divisioacuten
del vernier o sea X = 01 mm Entonces
mmd )10 13(
10
030 13
10 re
03 100 ree
3333 K
Obseacutervese que auacuten cuando el error de apreciacioacuten es 50 veces mayor en el
ejemplo 1 la repetibilidad de la medicioacuten es mucho mayor y en consecuencia son menores los errores relativos y porcentual Tambieacuten se desprende que un instrumento no tiene una repetibilidad intriacutenseca sino que la misma estaacute en relacioacuten con la magnitud que se va a medir 21 Clasificacioacuten de los Errores
A menudo se acostumbra hacer una clasificacioacuten extensa y pormenorizada de los errores de medicioacuten En rigor eacutestos pueden clasificarse en tres tipos sistemaacuteticos de apreciacioacuten y casuales a los cuales tambieacuten se les conoce como accidentales o al azar Errores Sistemaacuteticos Son aquellos de valor y signo constante o que corresponden a una ley conocida y producen desviaciones constantes Por tanto se pueden corregir por comparacioacuten con instrumentos patrones o por meacutetodos especiales como la doble pesada la lectura en dos escalas distintas de un voltiacutemetro etc Entre los casos maacutes comunes de errores sistemaacuteticos se pueden citar escalas mal calibradas relojes que atrasan o adelantan balanzas de brazos desiguales etc Errores de Apreciacioacuten Las determinaciones experimentales con algunos instrumentos se reducen a la lectura sobre una escala graduada Al efectuar la lectura el observador debe apreciar una fraccioacuten de la menor divisioacuten de la escala En esta valoracioacuten va impliacutecito un error que se denomina de apreciacioacuten y que depende del tipo de dispositivo de lectura de la separacioacuten entre divisiones sucesivas y de la habilidad del observador Asiacute es muy difiacutecil apreciar fracciones de una escala milimeacutetrica a simple vista mientras que si se mide una longitud con una escala graduada en cm un observador sin experiencia podraacute distinguir fracciones de 05 a 03 cm en tanto que uno capacitado puede garantizar la fraccioacuten 02 cm Los errores de apreciacioacuten seraacuten pues de 05 03 oacute 02 cm
El signo del error de apreciacioacuten puede ser tanto positivo como negativo su valoracioacuten es aproximada y puede considerarse constante para un mismo observador que opere en iguales condiciones
En el caso de una escala provista de vernier con relacioacuten 910 puede ocurrir
que la coincidencia de una divisioacuten del nonius con una de la escala sufra una indeterminacioacuten de una divisioacuten del vernier En tal caso el error de apreciacioacuten es
11
de 01 mm Si se trata de un nonius de relacioacuten 4950 la indeterminacioacuten puede resultar de dos o tres divisiones del nonius y los errores 004 oacute 006 de mm respectivamente
Un caso particular es la medida de intervalos con cronoacutemetros de disparador mecaacutenico La aguja se mueve a saltos de 15 o 110 s seguacuten el tipo de reloj Como el tiempo de reaccioacuten de un observador estaacute entre 15 y 110 s debe tenerse en cuenta y sumarse al error de apreciacioacuten Por ejemplo si el periacuteodo de oscilacioacuten de un peacutendulo es del orden de un segundo un error de 15 s es muy grande e invalidaraacute la medida Sin embargo en el caso de medicioacuten de periacuteodos este error se puede atenuar de manera considerable midiendo lapsos correspondientes a un nuacutemero suficientemente grande de periacuteodos En efecto sea t el lapso correspondiente a n periacuteodos de duracioacuten T
t = n T
si el error de apreciacioacuten es t = 15 s se tiene
sn
TsTt 5
1 51 (28)
El error t disminuye en forma inversamente proporcional al nuacutemero de periacuteodos que se midieron reciacuteprocamente si se fija el error se puede calcular el nuacutemero de periacuteodos que es necesario tener en cuenta para no cometer errores superiores al establecido
Ejemplo si al medir T = 2 s con un cronoacutemetro para el que resulta t = 15 s se quiere que sea e = 10 se obtiene
esoscilacion 100125
100100
n
xnxT
T
22 Desviaciones Intriacutensecas en los Instrumentos de Medicioacuten
Todo instrumento de medicioacuten introduce un rango de incertidumbre que es independiente del observador y que en general estaacute especificado por el fabricante Cuando se carece de esa informacioacuten y de otro aparato que permita hacer un contraste es necesario establecer alguacuten criterio para determinar los errores Si se trata de un aparato analoacutegico se puede suponer que cualquier medicioacuten introduce una incertidumbre igual o mayor que la mitad de la divisioacuten mas pequentildea de la escala
Si el instrumento es digital su puede variar la sensibilidad del medidor hasta
obtener un rango en el cual el nuacutemero en pantalla sea estable y tomar una incertidumbre igual o mayor que una unidad del uacuteltimo diacutegito en pantalla
12
3 Mediciones Directas e Indirectas Mediciones Directas
Se denomina medicioacuten directa a la operacioacuten de lectura en un instrumento utilizado para medir una cierta magnitud
Ejemplos determinacioacuten de una distancia con una cinta meacutetrica de una
masa con una balanza de brazos iguales de una fuerza con una dinamoacutemetro etceacutetera Mediciones Indirectas
Una medicioacuten indirecta es la que se obtiene aplicando una foacutermula o una ley fiacutesica a las magnitudes que se miden directamente Ejemplos caacutelculo de la superficie de una habitacioacuten rectangular por el producto de las longitudes largo y ancho que se miden directamente obtencioacuten de la aceleracioacuten de la gravedad con un peacutendulo ideal mediante la ley
lT
g2
24
donde se relaciona la magnitud g a medir con el periacuteodo T y la longitud l del peacutendulo medibles en forma directa con cronoacutemetro y regla 4 Cifras Significativas
La exactitud de una medicioacuten que depende del instrumento usado y de la habilidad del observador se indica por el nuacutemero de cifras significativas el que estaacute limitado por la incertidumbre Por ejemplo no se debe escribir
X = (3554 03) m ya que no se puede dar una medida con centeacutesimos si la incertidumbre estaacute limitando la exactitud a las deacutecimas Si al medir una longitud con una regla graduada en mm se obtiene un valor de 835 cm los diacutegitos son todos significativos aunque el uacuteltimo esteacute afectado de error por tratarse de la apreciacioacuten de una fraccioacuten de la menor divisioacuten de la escala El nuacutemero de cifras significativas no variacutea si se cambia de unidades y se escribe 00835 m o 83 500 μm Los ceros a la izquierda en el primer caso y a la derecha en el segundo sirven para situar la coma decimal y no se cuentan como cifras significativas El verdadero nuacutemero de cifras significativas puede indicarse
13
siempre utilizando potencias de 10 para poner la coma decimal a la derecha del primer diacutegito 835 x 10-2 m oacute 835 x 104 μm Los caacutelculos aritmeacuteticos realizados con las magnitudes medidas deben tener en cuenta sus incertidumbres y es necesario establecer un criterio para acotar la cantidad de cifras significativas en los valores numeacutericos que se obtienen por caacutelculo Se supone que al operar las cifras afectadas de error que a continuacioacuten se colocan entre pareacutentesis ldquogeneranrdquo cifras con error Los ejemplos siguientes ilustran al respecto Suma
1 3 2 (5)m 21 3 (4)s 13 7 6 (9) kg
0 4 (7) m + 9 8 (1)s + 8 5 (8)kg 1 7 (9) (5)m 31 1 (5)s 9 3 (7)kg 31 7 (1) (9) kg
Los resultados se deben escribir (179 X) (3115 X) y (3171 X)
donde X es la suma de los errores de los sumandos y determina la exactitud con que puede escribirse la suma Resta Se sigue el mismo criterio que en la suma de modo que el resultado se escribe con un error que es la suma de los errores del minuendo y sustraendo
Producto 3 2 (8) m X= 05 m e(x) = 152
x 5 4 (2) m Y= 05 m e(Y) = 092 (6) (5) (6) 1 3 (1) (2) (42) 1 6 4 (0) ______
1 7 7 (7) (7) (6)m2 e(S) = S
S x 100 = e(x) + e(Y) = 244
244100
8177442m
xS
2)447177( mS
5 3 (2) N F= 001 N e (F) = 02
x 0 8 (1) m L= 001 m e (L) = 12 (5) (3) (2) (43)
4 2 (5) (6)______ e()=14=
x 100
= 4 3 (0) (9) (2) N m
m N 060100
30441 x
= (430 006) Nm
14
Como se deduce de los ejemplos el error porcentual del resultado es igual a la suma de los errores porcentuales de los factores Cociente Se sigue el mismo criterio que en el producto por lo que el error porcentual de la divisioacuten es igual a la suma de los errores porcentuales del dividendo y del divisor Potenciacioacuten Como caso particular del producto se multiplica el error porcentual de la base tantas veces como lo indica el exponente
31100531
020)020531( emx
4444 485)531( mmxy 4)485( myy
44
30280314100 mmyY
Ye
4)3055( my
Radicacioacuten El resultado tiene un error porcentual que es igual al error porcentual del radicando dividido entre el iacutendice de la raiacutez
3313)2051(
2 ems
mXxX
0802
3313100
224712247151
mx )080221(
5 Errores Casuales
Los errores casuales dependen de fluctuaciones inevitables e imprevisibles de los paraacutemetros fiacutesicos que influyen en la magnitud que se mide y pueden deberse al observador al instrumento de medida a la magnitud a medir a la variacioacuten del medio ambiente etc Provienen de muacuteltiples factores inapreciables cuya magnitud y signo no se pueden predecir Estas alteraciones son las que provocan que muacuteltiples medidas que se llevan a cabo en ldquoideacutenticas condicionesrdquo no arrojen el mismo valor Provienen de fuentes de error independientes que producen pequentildeas desviaciones individuales erraacuteticas positivas y negativas imposibles de detectar
Cada uno de los errores accidentales es la suma algebraica de un gran nuacutemero de pequentildeos errores cuyas causas son numerosas y pueden actuar con uno u otro signo es decir que dichas variaciones se deben al azar Las fluctuaciones de estos paraacutemetros influiraacuten en general de manera distinta en los resultados de cada medida
15
A veces en las mediciones sucesivas aparentemente se repite el mismo valor Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son maacutes pequentildeas que la menor apreciacioacuten del instrumento empleado
Deben eliminarse de los errores azarosos aquellos debidos a distraccioacuten del
observador (confundir en una escala un nuacutemero con otro registrar mal el valor de una pesa etc)
Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las demaacutes es muy probable que se deban a distraccioacuten y por lo tanto hay que desecharlas
La clasificacioacuten de errores propuesta no es riacutegida y puede ser modificada
Ademaacutes un perfeccionamiento en los procesos de medicioacuten puede poner de manifiesto nuevos errores sistemaacuteticos que con anterioridad se les incluiacutea en los accidentales
6 Teoriacutea Estadiacutestica de Errores Casuales
La teoriacutea estadiacutestica de errores establece fundamentalmente el tratamiento matemaacutetico que debe darse a un conjunto de resultados para obtener la mejor aproximacioacuten de la medida buscada y su liacutemite probable de error o incertidumbre
Dado el caraacutecter aleatorio de las perturbaciones no puede obtenerse una estimacioacuten aceptable de una magnitud medida con una sola medicioacuten auacuten acotando los liacutemites probables de error Por eso es necesario hacer muacuteltiples mediciones en condiciones similares y deducir de ellas el valor maacutes probable y su incertidumbre Por su parte el valor maacutes probable no tendraacute sentido si no se puede saber su incertidumbre Esto implica que siempre se debe especificar el
valor maacutes probable X y un entorno de amplitud 2middotX dentro del cual se espera que se encuentre cualquier nueva medicioacuten hecha en ideacutenticas condiciones
Para cada magnitud medida se tendraacute pues un intervalo de confianza donde se encuentra el ldquovalor verdaderordquo X de la magnitud medida es decir
XXXXX (61)
Geomeacutetricamente
Figura 61 Intervalo de confianza donde se encuentra el valor verdadero
Es obvio que la disminucioacuten de este intervalo indica una mayor exactitud en la determinacioacuten de la magnitud medida
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
9
El error absoluto de la medicioacuten Xrsquo no es suficiente para caracterizar la exactitud de la misma Por eso se define el error relativo
X
X
XX
X
X
Xer
(25)
que es el error por cada unidad de escala en la que se mide la magnitud a determinar El error porcentual es
100 ree (26)
e indica el error que se comete por cada 100 unidades de la escala usada
Se llama repetibilidad al valor inverso del error relativo es decir
X
X
X
XK
(27)
La repetibilidad de un instrumento o de un meacutetodo de medida es su mayor o
menor capacidad para repetir los valores de las mediciones de una magnitud realizadas en las mismas condiciones No obstante antes de la repetibilidad se debe considerar primero la exactitud de un instrumento de medicioacuten la cual se define como la aptitud del instrumento de medicioacuten para dar respuestas proacuteximas al valor verdadero Es conveniente sentildealar que la exactitud es un concepto cualitativo Ejemplos 1) Se mide la altura desde donde se deja caer una esfera con una regla graduada
en cm y se obtiene Xrsquo = 840 cm con un error de apreciacioacuten X = 05 cm Asiacute
cmX )50 084(
31006005952380084
50 re
600 100 ree
7166K
2) Se mide el diaacutemetro de un alambre con un calibre dotado de un vernier con relacioacuten 910 Se obtiene d = 31 mm y el error de apreciacioacuten es de una divisioacuten
del vernier o sea X = 01 mm Entonces
mmd )10 13(
10
030 13
10 re
03 100 ree
3333 K
Obseacutervese que auacuten cuando el error de apreciacioacuten es 50 veces mayor en el
ejemplo 1 la repetibilidad de la medicioacuten es mucho mayor y en consecuencia son menores los errores relativos y porcentual Tambieacuten se desprende que un instrumento no tiene una repetibilidad intriacutenseca sino que la misma estaacute en relacioacuten con la magnitud que se va a medir 21 Clasificacioacuten de los Errores
A menudo se acostumbra hacer una clasificacioacuten extensa y pormenorizada de los errores de medicioacuten En rigor eacutestos pueden clasificarse en tres tipos sistemaacuteticos de apreciacioacuten y casuales a los cuales tambieacuten se les conoce como accidentales o al azar Errores Sistemaacuteticos Son aquellos de valor y signo constante o que corresponden a una ley conocida y producen desviaciones constantes Por tanto se pueden corregir por comparacioacuten con instrumentos patrones o por meacutetodos especiales como la doble pesada la lectura en dos escalas distintas de un voltiacutemetro etc Entre los casos maacutes comunes de errores sistemaacuteticos se pueden citar escalas mal calibradas relojes que atrasan o adelantan balanzas de brazos desiguales etc Errores de Apreciacioacuten Las determinaciones experimentales con algunos instrumentos se reducen a la lectura sobre una escala graduada Al efectuar la lectura el observador debe apreciar una fraccioacuten de la menor divisioacuten de la escala En esta valoracioacuten va impliacutecito un error que se denomina de apreciacioacuten y que depende del tipo de dispositivo de lectura de la separacioacuten entre divisiones sucesivas y de la habilidad del observador Asiacute es muy difiacutecil apreciar fracciones de una escala milimeacutetrica a simple vista mientras que si se mide una longitud con una escala graduada en cm un observador sin experiencia podraacute distinguir fracciones de 05 a 03 cm en tanto que uno capacitado puede garantizar la fraccioacuten 02 cm Los errores de apreciacioacuten seraacuten pues de 05 03 oacute 02 cm
El signo del error de apreciacioacuten puede ser tanto positivo como negativo su valoracioacuten es aproximada y puede considerarse constante para un mismo observador que opere en iguales condiciones
En el caso de una escala provista de vernier con relacioacuten 910 puede ocurrir
que la coincidencia de una divisioacuten del nonius con una de la escala sufra una indeterminacioacuten de una divisioacuten del vernier En tal caso el error de apreciacioacuten es
11
de 01 mm Si se trata de un nonius de relacioacuten 4950 la indeterminacioacuten puede resultar de dos o tres divisiones del nonius y los errores 004 oacute 006 de mm respectivamente
Un caso particular es la medida de intervalos con cronoacutemetros de disparador mecaacutenico La aguja se mueve a saltos de 15 o 110 s seguacuten el tipo de reloj Como el tiempo de reaccioacuten de un observador estaacute entre 15 y 110 s debe tenerse en cuenta y sumarse al error de apreciacioacuten Por ejemplo si el periacuteodo de oscilacioacuten de un peacutendulo es del orden de un segundo un error de 15 s es muy grande e invalidaraacute la medida Sin embargo en el caso de medicioacuten de periacuteodos este error se puede atenuar de manera considerable midiendo lapsos correspondientes a un nuacutemero suficientemente grande de periacuteodos En efecto sea t el lapso correspondiente a n periacuteodos de duracioacuten T
t = n T
si el error de apreciacioacuten es t = 15 s se tiene
sn
TsTt 5
1 51 (28)
El error t disminuye en forma inversamente proporcional al nuacutemero de periacuteodos que se midieron reciacuteprocamente si se fija el error se puede calcular el nuacutemero de periacuteodos que es necesario tener en cuenta para no cometer errores superiores al establecido
Ejemplo si al medir T = 2 s con un cronoacutemetro para el que resulta t = 15 s se quiere que sea e = 10 se obtiene
esoscilacion 100125
100100
n
xnxT
T
22 Desviaciones Intriacutensecas en los Instrumentos de Medicioacuten
Todo instrumento de medicioacuten introduce un rango de incertidumbre que es independiente del observador y que en general estaacute especificado por el fabricante Cuando se carece de esa informacioacuten y de otro aparato que permita hacer un contraste es necesario establecer alguacuten criterio para determinar los errores Si se trata de un aparato analoacutegico se puede suponer que cualquier medicioacuten introduce una incertidumbre igual o mayor que la mitad de la divisioacuten mas pequentildea de la escala
Si el instrumento es digital su puede variar la sensibilidad del medidor hasta
obtener un rango en el cual el nuacutemero en pantalla sea estable y tomar una incertidumbre igual o mayor que una unidad del uacuteltimo diacutegito en pantalla
12
3 Mediciones Directas e Indirectas Mediciones Directas
Se denomina medicioacuten directa a la operacioacuten de lectura en un instrumento utilizado para medir una cierta magnitud
Ejemplos determinacioacuten de una distancia con una cinta meacutetrica de una
masa con una balanza de brazos iguales de una fuerza con una dinamoacutemetro etceacutetera Mediciones Indirectas
Una medicioacuten indirecta es la que se obtiene aplicando una foacutermula o una ley fiacutesica a las magnitudes que se miden directamente Ejemplos caacutelculo de la superficie de una habitacioacuten rectangular por el producto de las longitudes largo y ancho que se miden directamente obtencioacuten de la aceleracioacuten de la gravedad con un peacutendulo ideal mediante la ley
lT
g2
24
donde se relaciona la magnitud g a medir con el periacuteodo T y la longitud l del peacutendulo medibles en forma directa con cronoacutemetro y regla 4 Cifras Significativas
La exactitud de una medicioacuten que depende del instrumento usado y de la habilidad del observador se indica por el nuacutemero de cifras significativas el que estaacute limitado por la incertidumbre Por ejemplo no se debe escribir
X = (3554 03) m ya que no se puede dar una medida con centeacutesimos si la incertidumbre estaacute limitando la exactitud a las deacutecimas Si al medir una longitud con una regla graduada en mm se obtiene un valor de 835 cm los diacutegitos son todos significativos aunque el uacuteltimo esteacute afectado de error por tratarse de la apreciacioacuten de una fraccioacuten de la menor divisioacuten de la escala El nuacutemero de cifras significativas no variacutea si se cambia de unidades y se escribe 00835 m o 83 500 μm Los ceros a la izquierda en el primer caso y a la derecha en el segundo sirven para situar la coma decimal y no se cuentan como cifras significativas El verdadero nuacutemero de cifras significativas puede indicarse
13
siempre utilizando potencias de 10 para poner la coma decimal a la derecha del primer diacutegito 835 x 10-2 m oacute 835 x 104 μm Los caacutelculos aritmeacuteticos realizados con las magnitudes medidas deben tener en cuenta sus incertidumbres y es necesario establecer un criterio para acotar la cantidad de cifras significativas en los valores numeacutericos que se obtienen por caacutelculo Se supone que al operar las cifras afectadas de error que a continuacioacuten se colocan entre pareacutentesis ldquogeneranrdquo cifras con error Los ejemplos siguientes ilustran al respecto Suma
1 3 2 (5)m 21 3 (4)s 13 7 6 (9) kg
0 4 (7) m + 9 8 (1)s + 8 5 (8)kg 1 7 (9) (5)m 31 1 (5)s 9 3 (7)kg 31 7 (1) (9) kg
Los resultados se deben escribir (179 X) (3115 X) y (3171 X)
donde X es la suma de los errores de los sumandos y determina la exactitud con que puede escribirse la suma Resta Se sigue el mismo criterio que en la suma de modo que el resultado se escribe con un error que es la suma de los errores del minuendo y sustraendo
Producto 3 2 (8) m X= 05 m e(x) = 152
x 5 4 (2) m Y= 05 m e(Y) = 092 (6) (5) (6) 1 3 (1) (2) (42) 1 6 4 (0) ______
1 7 7 (7) (7) (6)m2 e(S) = S
S x 100 = e(x) + e(Y) = 244
244100
8177442m
xS
2)447177( mS
5 3 (2) N F= 001 N e (F) = 02
x 0 8 (1) m L= 001 m e (L) = 12 (5) (3) (2) (43)
4 2 (5) (6)______ e()=14=
x 100
= 4 3 (0) (9) (2) N m
m N 060100
30441 x
= (430 006) Nm
14
Como se deduce de los ejemplos el error porcentual del resultado es igual a la suma de los errores porcentuales de los factores Cociente Se sigue el mismo criterio que en el producto por lo que el error porcentual de la divisioacuten es igual a la suma de los errores porcentuales del dividendo y del divisor Potenciacioacuten Como caso particular del producto se multiplica el error porcentual de la base tantas veces como lo indica el exponente
31100531
020)020531( emx
4444 485)531( mmxy 4)485( myy
44
30280314100 mmyY
Ye
4)3055( my
Radicacioacuten El resultado tiene un error porcentual que es igual al error porcentual del radicando dividido entre el iacutendice de la raiacutez
3313)2051(
2 ems
mXxX
0802
3313100
224712247151
mx )080221(
5 Errores Casuales
Los errores casuales dependen de fluctuaciones inevitables e imprevisibles de los paraacutemetros fiacutesicos que influyen en la magnitud que se mide y pueden deberse al observador al instrumento de medida a la magnitud a medir a la variacioacuten del medio ambiente etc Provienen de muacuteltiples factores inapreciables cuya magnitud y signo no se pueden predecir Estas alteraciones son las que provocan que muacuteltiples medidas que se llevan a cabo en ldquoideacutenticas condicionesrdquo no arrojen el mismo valor Provienen de fuentes de error independientes que producen pequentildeas desviaciones individuales erraacuteticas positivas y negativas imposibles de detectar
Cada uno de los errores accidentales es la suma algebraica de un gran nuacutemero de pequentildeos errores cuyas causas son numerosas y pueden actuar con uno u otro signo es decir que dichas variaciones se deben al azar Las fluctuaciones de estos paraacutemetros influiraacuten en general de manera distinta en los resultados de cada medida
15
A veces en las mediciones sucesivas aparentemente se repite el mismo valor Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son maacutes pequentildeas que la menor apreciacioacuten del instrumento empleado
Deben eliminarse de los errores azarosos aquellos debidos a distraccioacuten del
observador (confundir en una escala un nuacutemero con otro registrar mal el valor de una pesa etc)
Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las demaacutes es muy probable que se deban a distraccioacuten y por lo tanto hay que desecharlas
La clasificacioacuten de errores propuesta no es riacutegida y puede ser modificada
Ademaacutes un perfeccionamiento en los procesos de medicioacuten puede poner de manifiesto nuevos errores sistemaacuteticos que con anterioridad se les incluiacutea en los accidentales
6 Teoriacutea Estadiacutestica de Errores Casuales
La teoriacutea estadiacutestica de errores establece fundamentalmente el tratamiento matemaacutetico que debe darse a un conjunto de resultados para obtener la mejor aproximacioacuten de la medida buscada y su liacutemite probable de error o incertidumbre
Dado el caraacutecter aleatorio de las perturbaciones no puede obtenerse una estimacioacuten aceptable de una magnitud medida con una sola medicioacuten auacuten acotando los liacutemites probables de error Por eso es necesario hacer muacuteltiples mediciones en condiciones similares y deducir de ellas el valor maacutes probable y su incertidumbre Por su parte el valor maacutes probable no tendraacute sentido si no se puede saber su incertidumbre Esto implica que siempre se debe especificar el
valor maacutes probable X y un entorno de amplitud 2middotX dentro del cual se espera que se encuentre cualquier nueva medicioacuten hecha en ideacutenticas condiciones
Para cada magnitud medida se tendraacute pues un intervalo de confianza donde se encuentra el ldquovalor verdaderordquo X de la magnitud medida es decir
XXXXX (61)
Geomeacutetricamente
Figura 61 Intervalo de confianza donde se encuentra el valor verdadero
Es obvio que la disminucioacuten de este intervalo indica una mayor exactitud en la determinacioacuten de la magnitud medida
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
10
030 13
10 re
03 100 ree
3333 K
Obseacutervese que auacuten cuando el error de apreciacioacuten es 50 veces mayor en el
ejemplo 1 la repetibilidad de la medicioacuten es mucho mayor y en consecuencia son menores los errores relativos y porcentual Tambieacuten se desprende que un instrumento no tiene una repetibilidad intriacutenseca sino que la misma estaacute en relacioacuten con la magnitud que se va a medir 21 Clasificacioacuten de los Errores
A menudo se acostumbra hacer una clasificacioacuten extensa y pormenorizada de los errores de medicioacuten En rigor eacutestos pueden clasificarse en tres tipos sistemaacuteticos de apreciacioacuten y casuales a los cuales tambieacuten se les conoce como accidentales o al azar Errores Sistemaacuteticos Son aquellos de valor y signo constante o que corresponden a una ley conocida y producen desviaciones constantes Por tanto se pueden corregir por comparacioacuten con instrumentos patrones o por meacutetodos especiales como la doble pesada la lectura en dos escalas distintas de un voltiacutemetro etc Entre los casos maacutes comunes de errores sistemaacuteticos se pueden citar escalas mal calibradas relojes que atrasan o adelantan balanzas de brazos desiguales etc Errores de Apreciacioacuten Las determinaciones experimentales con algunos instrumentos se reducen a la lectura sobre una escala graduada Al efectuar la lectura el observador debe apreciar una fraccioacuten de la menor divisioacuten de la escala En esta valoracioacuten va impliacutecito un error que se denomina de apreciacioacuten y que depende del tipo de dispositivo de lectura de la separacioacuten entre divisiones sucesivas y de la habilidad del observador Asiacute es muy difiacutecil apreciar fracciones de una escala milimeacutetrica a simple vista mientras que si se mide una longitud con una escala graduada en cm un observador sin experiencia podraacute distinguir fracciones de 05 a 03 cm en tanto que uno capacitado puede garantizar la fraccioacuten 02 cm Los errores de apreciacioacuten seraacuten pues de 05 03 oacute 02 cm
El signo del error de apreciacioacuten puede ser tanto positivo como negativo su valoracioacuten es aproximada y puede considerarse constante para un mismo observador que opere en iguales condiciones
En el caso de una escala provista de vernier con relacioacuten 910 puede ocurrir
que la coincidencia de una divisioacuten del nonius con una de la escala sufra una indeterminacioacuten de una divisioacuten del vernier En tal caso el error de apreciacioacuten es
11
de 01 mm Si se trata de un nonius de relacioacuten 4950 la indeterminacioacuten puede resultar de dos o tres divisiones del nonius y los errores 004 oacute 006 de mm respectivamente
Un caso particular es la medida de intervalos con cronoacutemetros de disparador mecaacutenico La aguja se mueve a saltos de 15 o 110 s seguacuten el tipo de reloj Como el tiempo de reaccioacuten de un observador estaacute entre 15 y 110 s debe tenerse en cuenta y sumarse al error de apreciacioacuten Por ejemplo si el periacuteodo de oscilacioacuten de un peacutendulo es del orden de un segundo un error de 15 s es muy grande e invalidaraacute la medida Sin embargo en el caso de medicioacuten de periacuteodos este error se puede atenuar de manera considerable midiendo lapsos correspondientes a un nuacutemero suficientemente grande de periacuteodos En efecto sea t el lapso correspondiente a n periacuteodos de duracioacuten T
t = n T
si el error de apreciacioacuten es t = 15 s se tiene
sn
TsTt 5
1 51 (28)
El error t disminuye en forma inversamente proporcional al nuacutemero de periacuteodos que se midieron reciacuteprocamente si se fija el error se puede calcular el nuacutemero de periacuteodos que es necesario tener en cuenta para no cometer errores superiores al establecido
Ejemplo si al medir T = 2 s con un cronoacutemetro para el que resulta t = 15 s se quiere que sea e = 10 se obtiene
esoscilacion 100125
100100
n
xnxT
T
22 Desviaciones Intriacutensecas en los Instrumentos de Medicioacuten
Todo instrumento de medicioacuten introduce un rango de incertidumbre que es independiente del observador y que en general estaacute especificado por el fabricante Cuando se carece de esa informacioacuten y de otro aparato que permita hacer un contraste es necesario establecer alguacuten criterio para determinar los errores Si se trata de un aparato analoacutegico se puede suponer que cualquier medicioacuten introduce una incertidumbre igual o mayor que la mitad de la divisioacuten mas pequentildea de la escala
Si el instrumento es digital su puede variar la sensibilidad del medidor hasta
obtener un rango en el cual el nuacutemero en pantalla sea estable y tomar una incertidumbre igual o mayor que una unidad del uacuteltimo diacutegito en pantalla
12
3 Mediciones Directas e Indirectas Mediciones Directas
Se denomina medicioacuten directa a la operacioacuten de lectura en un instrumento utilizado para medir una cierta magnitud
Ejemplos determinacioacuten de una distancia con una cinta meacutetrica de una
masa con una balanza de brazos iguales de una fuerza con una dinamoacutemetro etceacutetera Mediciones Indirectas
Una medicioacuten indirecta es la que se obtiene aplicando una foacutermula o una ley fiacutesica a las magnitudes que se miden directamente Ejemplos caacutelculo de la superficie de una habitacioacuten rectangular por el producto de las longitudes largo y ancho que se miden directamente obtencioacuten de la aceleracioacuten de la gravedad con un peacutendulo ideal mediante la ley
lT
g2
24
donde se relaciona la magnitud g a medir con el periacuteodo T y la longitud l del peacutendulo medibles en forma directa con cronoacutemetro y regla 4 Cifras Significativas
La exactitud de una medicioacuten que depende del instrumento usado y de la habilidad del observador se indica por el nuacutemero de cifras significativas el que estaacute limitado por la incertidumbre Por ejemplo no se debe escribir
X = (3554 03) m ya que no se puede dar una medida con centeacutesimos si la incertidumbre estaacute limitando la exactitud a las deacutecimas Si al medir una longitud con una regla graduada en mm se obtiene un valor de 835 cm los diacutegitos son todos significativos aunque el uacuteltimo esteacute afectado de error por tratarse de la apreciacioacuten de una fraccioacuten de la menor divisioacuten de la escala El nuacutemero de cifras significativas no variacutea si se cambia de unidades y se escribe 00835 m o 83 500 μm Los ceros a la izquierda en el primer caso y a la derecha en el segundo sirven para situar la coma decimal y no se cuentan como cifras significativas El verdadero nuacutemero de cifras significativas puede indicarse
13
siempre utilizando potencias de 10 para poner la coma decimal a la derecha del primer diacutegito 835 x 10-2 m oacute 835 x 104 μm Los caacutelculos aritmeacuteticos realizados con las magnitudes medidas deben tener en cuenta sus incertidumbres y es necesario establecer un criterio para acotar la cantidad de cifras significativas en los valores numeacutericos que se obtienen por caacutelculo Se supone que al operar las cifras afectadas de error que a continuacioacuten se colocan entre pareacutentesis ldquogeneranrdquo cifras con error Los ejemplos siguientes ilustran al respecto Suma
1 3 2 (5)m 21 3 (4)s 13 7 6 (9) kg
0 4 (7) m + 9 8 (1)s + 8 5 (8)kg 1 7 (9) (5)m 31 1 (5)s 9 3 (7)kg 31 7 (1) (9) kg
Los resultados se deben escribir (179 X) (3115 X) y (3171 X)
donde X es la suma de los errores de los sumandos y determina la exactitud con que puede escribirse la suma Resta Se sigue el mismo criterio que en la suma de modo que el resultado se escribe con un error que es la suma de los errores del minuendo y sustraendo
Producto 3 2 (8) m X= 05 m e(x) = 152
x 5 4 (2) m Y= 05 m e(Y) = 092 (6) (5) (6) 1 3 (1) (2) (42) 1 6 4 (0) ______
1 7 7 (7) (7) (6)m2 e(S) = S
S x 100 = e(x) + e(Y) = 244
244100
8177442m
xS
2)447177( mS
5 3 (2) N F= 001 N e (F) = 02
x 0 8 (1) m L= 001 m e (L) = 12 (5) (3) (2) (43)
4 2 (5) (6)______ e()=14=
x 100
= 4 3 (0) (9) (2) N m
m N 060100
30441 x
= (430 006) Nm
14
Como se deduce de los ejemplos el error porcentual del resultado es igual a la suma de los errores porcentuales de los factores Cociente Se sigue el mismo criterio que en el producto por lo que el error porcentual de la divisioacuten es igual a la suma de los errores porcentuales del dividendo y del divisor Potenciacioacuten Como caso particular del producto se multiplica el error porcentual de la base tantas veces como lo indica el exponente
31100531
020)020531( emx
4444 485)531( mmxy 4)485( myy
44
30280314100 mmyY
Ye
4)3055( my
Radicacioacuten El resultado tiene un error porcentual que es igual al error porcentual del radicando dividido entre el iacutendice de la raiacutez
3313)2051(
2 ems
mXxX
0802
3313100
224712247151
mx )080221(
5 Errores Casuales
Los errores casuales dependen de fluctuaciones inevitables e imprevisibles de los paraacutemetros fiacutesicos que influyen en la magnitud que se mide y pueden deberse al observador al instrumento de medida a la magnitud a medir a la variacioacuten del medio ambiente etc Provienen de muacuteltiples factores inapreciables cuya magnitud y signo no se pueden predecir Estas alteraciones son las que provocan que muacuteltiples medidas que se llevan a cabo en ldquoideacutenticas condicionesrdquo no arrojen el mismo valor Provienen de fuentes de error independientes que producen pequentildeas desviaciones individuales erraacuteticas positivas y negativas imposibles de detectar
Cada uno de los errores accidentales es la suma algebraica de un gran nuacutemero de pequentildeos errores cuyas causas son numerosas y pueden actuar con uno u otro signo es decir que dichas variaciones se deben al azar Las fluctuaciones de estos paraacutemetros influiraacuten en general de manera distinta en los resultados de cada medida
15
A veces en las mediciones sucesivas aparentemente se repite el mismo valor Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son maacutes pequentildeas que la menor apreciacioacuten del instrumento empleado
Deben eliminarse de los errores azarosos aquellos debidos a distraccioacuten del
observador (confundir en una escala un nuacutemero con otro registrar mal el valor de una pesa etc)
Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las demaacutes es muy probable que se deban a distraccioacuten y por lo tanto hay que desecharlas
La clasificacioacuten de errores propuesta no es riacutegida y puede ser modificada
Ademaacutes un perfeccionamiento en los procesos de medicioacuten puede poner de manifiesto nuevos errores sistemaacuteticos que con anterioridad se les incluiacutea en los accidentales
6 Teoriacutea Estadiacutestica de Errores Casuales
La teoriacutea estadiacutestica de errores establece fundamentalmente el tratamiento matemaacutetico que debe darse a un conjunto de resultados para obtener la mejor aproximacioacuten de la medida buscada y su liacutemite probable de error o incertidumbre
Dado el caraacutecter aleatorio de las perturbaciones no puede obtenerse una estimacioacuten aceptable de una magnitud medida con una sola medicioacuten auacuten acotando los liacutemites probables de error Por eso es necesario hacer muacuteltiples mediciones en condiciones similares y deducir de ellas el valor maacutes probable y su incertidumbre Por su parte el valor maacutes probable no tendraacute sentido si no se puede saber su incertidumbre Esto implica que siempre se debe especificar el
valor maacutes probable X y un entorno de amplitud 2middotX dentro del cual se espera que se encuentre cualquier nueva medicioacuten hecha en ideacutenticas condiciones
Para cada magnitud medida se tendraacute pues un intervalo de confianza donde se encuentra el ldquovalor verdaderordquo X de la magnitud medida es decir
XXXXX (61)
Geomeacutetricamente
Figura 61 Intervalo de confianza donde se encuentra el valor verdadero
Es obvio que la disminucioacuten de este intervalo indica una mayor exactitud en la determinacioacuten de la magnitud medida
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
11
de 01 mm Si se trata de un nonius de relacioacuten 4950 la indeterminacioacuten puede resultar de dos o tres divisiones del nonius y los errores 004 oacute 006 de mm respectivamente
Un caso particular es la medida de intervalos con cronoacutemetros de disparador mecaacutenico La aguja se mueve a saltos de 15 o 110 s seguacuten el tipo de reloj Como el tiempo de reaccioacuten de un observador estaacute entre 15 y 110 s debe tenerse en cuenta y sumarse al error de apreciacioacuten Por ejemplo si el periacuteodo de oscilacioacuten de un peacutendulo es del orden de un segundo un error de 15 s es muy grande e invalidaraacute la medida Sin embargo en el caso de medicioacuten de periacuteodos este error se puede atenuar de manera considerable midiendo lapsos correspondientes a un nuacutemero suficientemente grande de periacuteodos En efecto sea t el lapso correspondiente a n periacuteodos de duracioacuten T
t = n T
si el error de apreciacioacuten es t = 15 s se tiene
sn
TsTt 5
1 51 (28)
El error t disminuye en forma inversamente proporcional al nuacutemero de periacuteodos que se midieron reciacuteprocamente si se fija el error se puede calcular el nuacutemero de periacuteodos que es necesario tener en cuenta para no cometer errores superiores al establecido
Ejemplo si al medir T = 2 s con un cronoacutemetro para el que resulta t = 15 s se quiere que sea e = 10 se obtiene
esoscilacion 100125
100100
n
xnxT
T
22 Desviaciones Intriacutensecas en los Instrumentos de Medicioacuten
Todo instrumento de medicioacuten introduce un rango de incertidumbre que es independiente del observador y que en general estaacute especificado por el fabricante Cuando se carece de esa informacioacuten y de otro aparato que permita hacer un contraste es necesario establecer alguacuten criterio para determinar los errores Si se trata de un aparato analoacutegico se puede suponer que cualquier medicioacuten introduce una incertidumbre igual o mayor que la mitad de la divisioacuten mas pequentildea de la escala
Si el instrumento es digital su puede variar la sensibilidad del medidor hasta
obtener un rango en el cual el nuacutemero en pantalla sea estable y tomar una incertidumbre igual o mayor que una unidad del uacuteltimo diacutegito en pantalla
12
3 Mediciones Directas e Indirectas Mediciones Directas
Se denomina medicioacuten directa a la operacioacuten de lectura en un instrumento utilizado para medir una cierta magnitud
Ejemplos determinacioacuten de una distancia con una cinta meacutetrica de una
masa con una balanza de brazos iguales de una fuerza con una dinamoacutemetro etceacutetera Mediciones Indirectas
Una medicioacuten indirecta es la que se obtiene aplicando una foacutermula o una ley fiacutesica a las magnitudes que se miden directamente Ejemplos caacutelculo de la superficie de una habitacioacuten rectangular por el producto de las longitudes largo y ancho que se miden directamente obtencioacuten de la aceleracioacuten de la gravedad con un peacutendulo ideal mediante la ley
lT
g2
24
donde se relaciona la magnitud g a medir con el periacuteodo T y la longitud l del peacutendulo medibles en forma directa con cronoacutemetro y regla 4 Cifras Significativas
La exactitud de una medicioacuten que depende del instrumento usado y de la habilidad del observador se indica por el nuacutemero de cifras significativas el que estaacute limitado por la incertidumbre Por ejemplo no se debe escribir
X = (3554 03) m ya que no se puede dar una medida con centeacutesimos si la incertidumbre estaacute limitando la exactitud a las deacutecimas Si al medir una longitud con una regla graduada en mm se obtiene un valor de 835 cm los diacutegitos son todos significativos aunque el uacuteltimo esteacute afectado de error por tratarse de la apreciacioacuten de una fraccioacuten de la menor divisioacuten de la escala El nuacutemero de cifras significativas no variacutea si se cambia de unidades y se escribe 00835 m o 83 500 μm Los ceros a la izquierda en el primer caso y a la derecha en el segundo sirven para situar la coma decimal y no se cuentan como cifras significativas El verdadero nuacutemero de cifras significativas puede indicarse
13
siempre utilizando potencias de 10 para poner la coma decimal a la derecha del primer diacutegito 835 x 10-2 m oacute 835 x 104 μm Los caacutelculos aritmeacuteticos realizados con las magnitudes medidas deben tener en cuenta sus incertidumbres y es necesario establecer un criterio para acotar la cantidad de cifras significativas en los valores numeacutericos que se obtienen por caacutelculo Se supone que al operar las cifras afectadas de error que a continuacioacuten se colocan entre pareacutentesis ldquogeneranrdquo cifras con error Los ejemplos siguientes ilustran al respecto Suma
1 3 2 (5)m 21 3 (4)s 13 7 6 (9) kg
0 4 (7) m + 9 8 (1)s + 8 5 (8)kg 1 7 (9) (5)m 31 1 (5)s 9 3 (7)kg 31 7 (1) (9) kg
Los resultados se deben escribir (179 X) (3115 X) y (3171 X)
donde X es la suma de los errores de los sumandos y determina la exactitud con que puede escribirse la suma Resta Se sigue el mismo criterio que en la suma de modo que el resultado se escribe con un error que es la suma de los errores del minuendo y sustraendo
Producto 3 2 (8) m X= 05 m e(x) = 152
x 5 4 (2) m Y= 05 m e(Y) = 092 (6) (5) (6) 1 3 (1) (2) (42) 1 6 4 (0) ______
1 7 7 (7) (7) (6)m2 e(S) = S
S x 100 = e(x) + e(Y) = 244
244100
8177442m
xS
2)447177( mS
5 3 (2) N F= 001 N e (F) = 02
x 0 8 (1) m L= 001 m e (L) = 12 (5) (3) (2) (43)
4 2 (5) (6)______ e()=14=
x 100
= 4 3 (0) (9) (2) N m
m N 060100
30441 x
= (430 006) Nm
14
Como se deduce de los ejemplos el error porcentual del resultado es igual a la suma de los errores porcentuales de los factores Cociente Se sigue el mismo criterio que en el producto por lo que el error porcentual de la divisioacuten es igual a la suma de los errores porcentuales del dividendo y del divisor Potenciacioacuten Como caso particular del producto se multiplica el error porcentual de la base tantas veces como lo indica el exponente
31100531
020)020531( emx
4444 485)531( mmxy 4)485( myy
44
30280314100 mmyY
Ye
4)3055( my
Radicacioacuten El resultado tiene un error porcentual que es igual al error porcentual del radicando dividido entre el iacutendice de la raiacutez
3313)2051(
2 ems
mXxX
0802
3313100
224712247151
mx )080221(
5 Errores Casuales
Los errores casuales dependen de fluctuaciones inevitables e imprevisibles de los paraacutemetros fiacutesicos que influyen en la magnitud que se mide y pueden deberse al observador al instrumento de medida a la magnitud a medir a la variacioacuten del medio ambiente etc Provienen de muacuteltiples factores inapreciables cuya magnitud y signo no se pueden predecir Estas alteraciones son las que provocan que muacuteltiples medidas que se llevan a cabo en ldquoideacutenticas condicionesrdquo no arrojen el mismo valor Provienen de fuentes de error independientes que producen pequentildeas desviaciones individuales erraacuteticas positivas y negativas imposibles de detectar
Cada uno de los errores accidentales es la suma algebraica de un gran nuacutemero de pequentildeos errores cuyas causas son numerosas y pueden actuar con uno u otro signo es decir que dichas variaciones se deben al azar Las fluctuaciones de estos paraacutemetros influiraacuten en general de manera distinta en los resultados de cada medida
15
A veces en las mediciones sucesivas aparentemente se repite el mismo valor Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son maacutes pequentildeas que la menor apreciacioacuten del instrumento empleado
Deben eliminarse de los errores azarosos aquellos debidos a distraccioacuten del
observador (confundir en una escala un nuacutemero con otro registrar mal el valor de una pesa etc)
Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las demaacutes es muy probable que se deban a distraccioacuten y por lo tanto hay que desecharlas
La clasificacioacuten de errores propuesta no es riacutegida y puede ser modificada
Ademaacutes un perfeccionamiento en los procesos de medicioacuten puede poner de manifiesto nuevos errores sistemaacuteticos que con anterioridad se les incluiacutea en los accidentales
6 Teoriacutea Estadiacutestica de Errores Casuales
La teoriacutea estadiacutestica de errores establece fundamentalmente el tratamiento matemaacutetico que debe darse a un conjunto de resultados para obtener la mejor aproximacioacuten de la medida buscada y su liacutemite probable de error o incertidumbre
Dado el caraacutecter aleatorio de las perturbaciones no puede obtenerse una estimacioacuten aceptable de una magnitud medida con una sola medicioacuten auacuten acotando los liacutemites probables de error Por eso es necesario hacer muacuteltiples mediciones en condiciones similares y deducir de ellas el valor maacutes probable y su incertidumbre Por su parte el valor maacutes probable no tendraacute sentido si no se puede saber su incertidumbre Esto implica que siempre se debe especificar el
valor maacutes probable X y un entorno de amplitud 2middotX dentro del cual se espera que se encuentre cualquier nueva medicioacuten hecha en ideacutenticas condiciones
Para cada magnitud medida se tendraacute pues un intervalo de confianza donde se encuentra el ldquovalor verdaderordquo X de la magnitud medida es decir
XXXXX (61)
Geomeacutetricamente
Figura 61 Intervalo de confianza donde se encuentra el valor verdadero
Es obvio que la disminucioacuten de este intervalo indica una mayor exactitud en la determinacioacuten de la magnitud medida
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
12
3 Mediciones Directas e Indirectas Mediciones Directas
Se denomina medicioacuten directa a la operacioacuten de lectura en un instrumento utilizado para medir una cierta magnitud
Ejemplos determinacioacuten de una distancia con una cinta meacutetrica de una
masa con una balanza de brazos iguales de una fuerza con una dinamoacutemetro etceacutetera Mediciones Indirectas
Una medicioacuten indirecta es la que se obtiene aplicando una foacutermula o una ley fiacutesica a las magnitudes que se miden directamente Ejemplos caacutelculo de la superficie de una habitacioacuten rectangular por el producto de las longitudes largo y ancho que se miden directamente obtencioacuten de la aceleracioacuten de la gravedad con un peacutendulo ideal mediante la ley
lT
g2
24
donde se relaciona la magnitud g a medir con el periacuteodo T y la longitud l del peacutendulo medibles en forma directa con cronoacutemetro y regla 4 Cifras Significativas
La exactitud de una medicioacuten que depende del instrumento usado y de la habilidad del observador se indica por el nuacutemero de cifras significativas el que estaacute limitado por la incertidumbre Por ejemplo no se debe escribir
X = (3554 03) m ya que no se puede dar una medida con centeacutesimos si la incertidumbre estaacute limitando la exactitud a las deacutecimas Si al medir una longitud con una regla graduada en mm se obtiene un valor de 835 cm los diacutegitos son todos significativos aunque el uacuteltimo esteacute afectado de error por tratarse de la apreciacioacuten de una fraccioacuten de la menor divisioacuten de la escala El nuacutemero de cifras significativas no variacutea si se cambia de unidades y se escribe 00835 m o 83 500 μm Los ceros a la izquierda en el primer caso y a la derecha en el segundo sirven para situar la coma decimal y no se cuentan como cifras significativas El verdadero nuacutemero de cifras significativas puede indicarse
13
siempre utilizando potencias de 10 para poner la coma decimal a la derecha del primer diacutegito 835 x 10-2 m oacute 835 x 104 μm Los caacutelculos aritmeacuteticos realizados con las magnitudes medidas deben tener en cuenta sus incertidumbres y es necesario establecer un criterio para acotar la cantidad de cifras significativas en los valores numeacutericos que se obtienen por caacutelculo Se supone que al operar las cifras afectadas de error que a continuacioacuten se colocan entre pareacutentesis ldquogeneranrdquo cifras con error Los ejemplos siguientes ilustran al respecto Suma
1 3 2 (5)m 21 3 (4)s 13 7 6 (9) kg
0 4 (7) m + 9 8 (1)s + 8 5 (8)kg 1 7 (9) (5)m 31 1 (5)s 9 3 (7)kg 31 7 (1) (9) kg
Los resultados se deben escribir (179 X) (3115 X) y (3171 X)
donde X es la suma de los errores de los sumandos y determina la exactitud con que puede escribirse la suma Resta Se sigue el mismo criterio que en la suma de modo que el resultado se escribe con un error que es la suma de los errores del minuendo y sustraendo
Producto 3 2 (8) m X= 05 m e(x) = 152
x 5 4 (2) m Y= 05 m e(Y) = 092 (6) (5) (6) 1 3 (1) (2) (42) 1 6 4 (0) ______
1 7 7 (7) (7) (6)m2 e(S) = S
S x 100 = e(x) + e(Y) = 244
244100
8177442m
xS
2)447177( mS
5 3 (2) N F= 001 N e (F) = 02
x 0 8 (1) m L= 001 m e (L) = 12 (5) (3) (2) (43)
4 2 (5) (6)______ e()=14=
x 100
= 4 3 (0) (9) (2) N m
m N 060100
30441 x
= (430 006) Nm
14
Como se deduce de los ejemplos el error porcentual del resultado es igual a la suma de los errores porcentuales de los factores Cociente Se sigue el mismo criterio que en el producto por lo que el error porcentual de la divisioacuten es igual a la suma de los errores porcentuales del dividendo y del divisor Potenciacioacuten Como caso particular del producto se multiplica el error porcentual de la base tantas veces como lo indica el exponente
31100531
020)020531( emx
4444 485)531( mmxy 4)485( myy
44
30280314100 mmyY
Ye
4)3055( my
Radicacioacuten El resultado tiene un error porcentual que es igual al error porcentual del radicando dividido entre el iacutendice de la raiacutez
3313)2051(
2 ems
mXxX
0802
3313100
224712247151
mx )080221(
5 Errores Casuales
Los errores casuales dependen de fluctuaciones inevitables e imprevisibles de los paraacutemetros fiacutesicos que influyen en la magnitud que se mide y pueden deberse al observador al instrumento de medida a la magnitud a medir a la variacioacuten del medio ambiente etc Provienen de muacuteltiples factores inapreciables cuya magnitud y signo no se pueden predecir Estas alteraciones son las que provocan que muacuteltiples medidas que se llevan a cabo en ldquoideacutenticas condicionesrdquo no arrojen el mismo valor Provienen de fuentes de error independientes que producen pequentildeas desviaciones individuales erraacuteticas positivas y negativas imposibles de detectar
Cada uno de los errores accidentales es la suma algebraica de un gran nuacutemero de pequentildeos errores cuyas causas son numerosas y pueden actuar con uno u otro signo es decir que dichas variaciones se deben al azar Las fluctuaciones de estos paraacutemetros influiraacuten en general de manera distinta en los resultados de cada medida
15
A veces en las mediciones sucesivas aparentemente se repite el mismo valor Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son maacutes pequentildeas que la menor apreciacioacuten del instrumento empleado
Deben eliminarse de los errores azarosos aquellos debidos a distraccioacuten del
observador (confundir en una escala un nuacutemero con otro registrar mal el valor de una pesa etc)
Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las demaacutes es muy probable que se deban a distraccioacuten y por lo tanto hay que desecharlas
La clasificacioacuten de errores propuesta no es riacutegida y puede ser modificada
Ademaacutes un perfeccionamiento en los procesos de medicioacuten puede poner de manifiesto nuevos errores sistemaacuteticos que con anterioridad se les incluiacutea en los accidentales
6 Teoriacutea Estadiacutestica de Errores Casuales
La teoriacutea estadiacutestica de errores establece fundamentalmente el tratamiento matemaacutetico que debe darse a un conjunto de resultados para obtener la mejor aproximacioacuten de la medida buscada y su liacutemite probable de error o incertidumbre
Dado el caraacutecter aleatorio de las perturbaciones no puede obtenerse una estimacioacuten aceptable de una magnitud medida con una sola medicioacuten auacuten acotando los liacutemites probables de error Por eso es necesario hacer muacuteltiples mediciones en condiciones similares y deducir de ellas el valor maacutes probable y su incertidumbre Por su parte el valor maacutes probable no tendraacute sentido si no se puede saber su incertidumbre Esto implica que siempre se debe especificar el
valor maacutes probable X y un entorno de amplitud 2middotX dentro del cual se espera que se encuentre cualquier nueva medicioacuten hecha en ideacutenticas condiciones
Para cada magnitud medida se tendraacute pues un intervalo de confianza donde se encuentra el ldquovalor verdaderordquo X de la magnitud medida es decir
XXXXX (61)
Geomeacutetricamente
Figura 61 Intervalo de confianza donde se encuentra el valor verdadero
Es obvio que la disminucioacuten de este intervalo indica una mayor exactitud en la determinacioacuten de la magnitud medida
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
13
siempre utilizando potencias de 10 para poner la coma decimal a la derecha del primer diacutegito 835 x 10-2 m oacute 835 x 104 μm Los caacutelculos aritmeacuteticos realizados con las magnitudes medidas deben tener en cuenta sus incertidumbres y es necesario establecer un criterio para acotar la cantidad de cifras significativas en los valores numeacutericos que se obtienen por caacutelculo Se supone que al operar las cifras afectadas de error que a continuacioacuten se colocan entre pareacutentesis ldquogeneranrdquo cifras con error Los ejemplos siguientes ilustran al respecto Suma
1 3 2 (5)m 21 3 (4)s 13 7 6 (9) kg
0 4 (7) m + 9 8 (1)s + 8 5 (8)kg 1 7 (9) (5)m 31 1 (5)s 9 3 (7)kg 31 7 (1) (9) kg
Los resultados se deben escribir (179 X) (3115 X) y (3171 X)
donde X es la suma de los errores de los sumandos y determina la exactitud con que puede escribirse la suma Resta Se sigue el mismo criterio que en la suma de modo que el resultado se escribe con un error que es la suma de los errores del minuendo y sustraendo
Producto 3 2 (8) m X= 05 m e(x) = 152
x 5 4 (2) m Y= 05 m e(Y) = 092 (6) (5) (6) 1 3 (1) (2) (42) 1 6 4 (0) ______
1 7 7 (7) (7) (6)m2 e(S) = S
S x 100 = e(x) + e(Y) = 244
244100
8177442m
xS
2)447177( mS
5 3 (2) N F= 001 N e (F) = 02
x 0 8 (1) m L= 001 m e (L) = 12 (5) (3) (2) (43)
4 2 (5) (6)______ e()=14=
x 100
= 4 3 (0) (9) (2) N m
m N 060100
30441 x
= (430 006) Nm
14
Como se deduce de los ejemplos el error porcentual del resultado es igual a la suma de los errores porcentuales de los factores Cociente Se sigue el mismo criterio que en el producto por lo que el error porcentual de la divisioacuten es igual a la suma de los errores porcentuales del dividendo y del divisor Potenciacioacuten Como caso particular del producto se multiplica el error porcentual de la base tantas veces como lo indica el exponente
31100531
020)020531( emx
4444 485)531( mmxy 4)485( myy
44
30280314100 mmyY
Ye
4)3055( my
Radicacioacuten El resultado tiene un error porcentual que es igual al error porcentual del radicando dividido entre el iacutendice de la raiacutez
3313)2051(
2 ems
mXxX
0802
3313100
224712247151
mx )080221(
5 Errores Casuales
Los errores casuales dependen de fluctuaciones inevitables e imprevisibles de los paraacutemetros fiacutesicos que influyen en la magnitud que se mide y pueden deberse al observador al instrumento de medida a la magnitud a medir a la variacioacuten del medio ambiente etc Provienen de muacuteltiples factores inapreciables cuya magnitud y signo no se pueden predecir Estas alteraciones son las que provocan que muacuteltiples medidas que se llevan a cabo en ldquoideacutenticas condicionesrdquo no arrojen el mismo valor Provienen de fuentes de error independientes que producen pequentildeas desviaciones individuales erraacuteticas positivas y negativas imposibles de detectar
Cada uno de los errores accidentales es la suma algebraica de un gran nuacutemero de pequentildeos errores cuyas causas son numerosas y pueden actuar con uno u otro signo es decir que dichas variaciones se deben al azar Las fluctuaciones de estos paraacutemetros influiraacuten en general de manera distinta en los resultados de cada medida
15
A veces en las mediciones sucesivas aparentemente se repite el mismo valor Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son maacutes pequentildeas que la menor apreciacioacuten del instrumento empleado
Deben eliminarse de los errores azarosos aquellos debidos a distraccioacuten del
observador (confundir en una escala un nuacutemero con otro registrar mal el valor de una pesa etc)
Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las demaacutes es muy probable que se deban a distraccioacuten y por lo tanto hay que desecharlas
La clasificacioacuten de errores propuesta no es riacutegida y puede ser modificada
Ademaacutes un perfeccionamiento en los procesos de medicioacuten puede poner de manifiesto nuevos errores sistemaacuteticos que con anterioridad se les incluiacutea en los accidentales
6 Teoriacutea Estadiacutestica de Errores Casuales
La teoriacutea estadiacutestica de errores establece fundamentalmente el tratamiento matemaacutetico que debe darse a un conjunto de resultados para obtener la mejor aproximacioacuten de la medida buscada y su liacutemite probable de error o incertidumbre
Dado el caraacutecter aleatorio de las perturbaciones no puede obtenerse una estimacioacuten aceptable de una magnitud medida con una sola medicioacuten auacuten acotando los liacutemites probables de error Por eso es necesario hacer muacuteltiples mediciones en condiciones similares y deducir de ellas el valor maacutes probable y su incertidumbre Por su parte el valor maacutes probable no tendraacute sentido si no se puede saber su incertidumbre Esto implica que siempre se debe especificar el
valor maacutes probable X y un entorno de amplitud 2middotX dentro del cual se espera que se encuentre cualquier nueva medicioacuten hecha en ideacutenticas condiciones
Para cada magnitud medida se tendraacute pues un intervalo de confianza donde se encuentra el ldquovalor verdaderordquo X de la magnitud medida es decir
XXXXX (61)
Geomeacutetricamente
Figura 61 Intervalo de confianza donde se encuentra el valor verdadero
Es obvio que la disminucioacuten de este intervalo indica una mayor exactitud en la determinacioacuten de la magnitud medida
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
14
Como se deduce de los ejemplos el error porcentual del resultado es igual a la suma de los errores porcentuales de los factores Cociente Se sigue el mismo criterio que en el producto por lo que el error porcentual de la divisioacuten es igual a la suma de los errores porcentuales del dividendo y del divisor Potenciacioacuten Como caso particular del producto se multiplica el error porcentual de la base tantas veces como lo indica el exponente
31100531
020)020531( emx
4444 485)531( mmxy 4)485( myy
44
30280314100 mmyY
Ye
4)3055( my
Radicacioacuten El resultado tiene un error porcentual que es igual al error porcentual del radicando dividido entre el iacutendice de la raiacutez
3313)2051(
2 ems
mXxX
0802
3313100
224712247151
mx )080221(
5 Errores Casuales
Los errores casuales dependen de fluctuaciones inevitables e imprevisibles de los paraacutemetros fiacutesicos que influyen en la magnitud que se mide y pueden deberse al observador al instrumento de medida a la magnitud a medir a la variacioacuten del medio ambiente etc Provienen de muacuteltiples factores inapreciables cuya magnitud y signo no se pueden predecir Estas alteraciones son las que provocan que muacuteltiples medidas que se llevan a cabo en ldquoideacutenticas condicionesrdquo no arrojen el mismo valor Provienen de fuentes de error independientes que producen pequentildeas desviaciones individuales erraacuteticas positivas y negativas imposibles de detectar
Cada uno de los errores accidentales es la suma algebraica de un gran nuacutemero de pequentildeos errores cuyas causas son numerosas y pueden actuar con uno u otro signo es decir que dichas variaciones se deben al azar Las fluctuaciones de estos paraacutemetros influiraacuten en general de manera distinta en los resultados de cada medida
15
A veces en las mediciones sucesivas aparentemente se repite el mismo valor Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son maacutes pequentildeas que la menor apreciacioacuten del instrumento empleado
Deben eliminarse de los errores azarosos aquellos debidos a distraccioacuten del
observador (confundir en una escala un nuacutemero con otro registrar mal el valor de una pesa etc)
Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las demaacutes es muy probable que se deban a distraccioacuten y por lo tanto hay que desecharlas
La clasificacioacuten de errores propuesta no es riacutegida y puede ser modificada
Ademaacutes un perfeccionamiento en los procesos de medicioacuten puede poner de manifiesto nuevos errores sistemaacuteticos que con anterioridad se les incluiacutea en los accidentales
6 Teoriacutea Estadiacutestica de Errores Casuales
La teoriacutea estadiacutestica de errores establece fundamentalmente el tratamiento matemaacutetico que debe darse a un conjunto de resultados para obtener la mejor aproximacioacuten de la medida buscada y su liacutemite probable de error o incertidumbre
Dado el caraacutecter aleatorio de las perturbaciones no puede obtenerse una estimacioacuten aceptable de una magnitud medida con una sola medicioacuten auacuten acotando los liacutemites probables de error Por eso es necesario hacer muacuteltiples mediciones en condiciones similares y deducir de ellas el valor maacutes probable y su incertidumbre Por su parte el valor maacutes probable no tendraacute sentido si no se puede saber su incertidumbre Esto implica que siempre se debe especificar el
valor maacutes probable X y un entorno de amplitud 2middotX dentro del cual se espera que se encuentre cualquier nueva medicioacuten hecha en ideacutenticas condiciones
Para cada magnitud medida se tendraacute pues un intervalo de confianza donde se encuentra el ldquovalor verdaderordquo X de la magnitud medida es decir
XXXXX (61)
Geomeacutetricamente
Figura 61 Intervalo de confianza donde se encuentra el valor verdadero
Es obvio que la disminucioacuten de este intervalo indica una mayor exactitud en la determinacioacuten de la magnitud medida
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
15
A veces en las mediciones sucesivas aparentemente se repite el mismo valor Esto se debe a que las imprecisiones e incertidumbres de las distintas medidas son maacutes pequentildeas que la menor apreciacioacuten del instrumento empleado
Deben eliminarse de los errores azarosos aquellos debidos a distraccioacuten del
observador (confundir en una escala un nuacutemero con otro registrar mal el valor de una pesa etc)
Cuando en un conjunto de mediciones algunas de ellas son notoriamente
distintas de las demaacutes es muy probable que se deban a distraccioacuten y por lo tanto hay que desecharlas
La clasificacioacuten de errores propuesta no es riacutegida y puede ser modificada
Ademaacutes un perfeccionamiento en los procesos de medicioacuten puede poner de manifiesto nuevos errores sistemaacuteticos que con anterioridad se les incluiacutea en los accidentales
6 Teoriacutea Estadiacutestica de Errores Casuales
La teoriacutea estadiacutestica de errores establece fundamentalmente el tratamiento matemaacutetico que debe darse a un conjunto de resultados para obtener la mejor aproximacioacuten de la medida buscada y su liacutemite probable de error o incertidumbre
Dado el caraacutecter aleatorio de las perturbaciones no puede obtenerse una estimacioacuten aceptable de una magnitud medida con una sola medicioacuten auacuten acotando los liacutemites probables de error Por eso es necesario hacer muacuteltiples mediciones en condiciones similares y deducir de ellas el valor maacutes probable y su incertidumbre Por su parte el valor maacutes probable no tendraacute sentido si no se puede saber su incertidumbre Esto implica que siempre se debe especificar el
valor maacutes probable X y un entorno de amplitud 2middotX dentro del cual se espera que se encuentre cualquier nueva medicioacuten hecha en ideacutenticas condiciones
Para cada magnitud medida se tendraacute pues un intervalo de confianza donde se encuentra el ldquovalor verdaderordquo X de la magnitud medida es decir
XXXXX (61)
Geomeacutetricamente
Figura 61 Intervalo de confianza donde se encuentra el valor verdadero
Es obvio que la disminucioacuten de este intervalo indica una mayor exactitud en la determinacioacuten de la magnitud medida
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
16
Se describiraacute a continuacioacuten el meacutetodo para determinar el valor maacutes probable y su incertidumbre para el caso de magnitudes que se miden en forma directa e igualmente se describiraacute la forma de evaluar la calidad de un proceso de medicioacuten
Sea un conjunto de N eventos en particular mediciones Se denomina
frecuencia absoluta f de un evento o medida particular x1 al nuacutemero N1 de veces que el mismo aparece
11)( Nxf (62)
y frecuencia relativa p del mismo al cociente
NNxp )( 11 (63)
donde N es el nuacutemero total de eventos
Para que la aplicacioacuten de la teoriacutea estadiacutestica a un conjunto de mediciones sea vaacutelida es necesario que dicho conjunto cumpla las dos condiciones de los procesos o sucesiones azarosas a saber a La frecuencia relativa de un evento o medida x1 tiende a un valor liacutemite W1 que
se llama probabilidad cuando N crece indefinidamente Es decir
N
1p(x liacutem )1W (64)
b El liacutemite W1 antes mencionado es independiente del modo que se tomen los
elementos x1 del total de N eventos Es decir si para dos modos distintos de obtener las mediciones o datos se obtuviera p(x1) = N1N y prsquo(x1) = Nrsquo1Nrsquo se debe cumplir que
N N
)(xp liacutem )p(x liacutem 11 (65)
De manera experimental se comprueba que si en un conjunto de mediciones
de una magnitud fiacutesica soacutelo se cometen errores casuales dicho conjunto cumple siempre las condiciones a) y b) por lo que se puede aplicar la teoriacutea estadiacutestica en el tratamiento de los errores casuales
La definicioacuten de la probabilidad como el liacutemite de la frecuencia relativa requeririacutea un nuacutemero infinito de mediciones pero es un hecho experimental que el cociente N1N tiende a estabilizarse con bastante rapidez siendo mayor el nuacutemero de cifras que se estabilizan cuanto mayor es N Por eso se considera la frecuencia relativa p como valor aproximado de la probabilidad
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
17
Se han empleado expresiones como helliprdquosi N es suficientemente granderdquohellip y otras similares No existe un criterio riguroso de validez general que indique cual es el nuacutemero de mediciones correcto sino que eacuteste dependeraacute en cada caso de las condiciones del proceso de medicioacuten del instrumental disponible y de la exactitud que se desea obtener 61 Variables Continuas y Discretas
Una magnitud fiacutesica es continua para un determinado proceso de medicioacuten cuando la resolucioacuten de los instrumentos involucrados estaacute muy lejos de la apreciacioacuten de las discontinuidades vinculadas a la naturaleza microscoacutepica y cuaacutentica de dicha magnitud
La determinacioacuten de cualquier magnitud fiacutesica continua soacutelo puede hacerse
con determinado grado de exactitud que depende de los instrumentos utilizados de la experiencia de quien esteacute midiendo y de la variacioacuten de los paraacutemetros que influyen en dicha magnitud durante el proceso de su obtencioacuten
En la obtencioacuten de magnitudes fiacutesicas continuas lo maacutes que se puede lograr
es la mejor estimacioacuten o el valor maacutes probable de las mismas teniendo en cuenta el conjunto de los resultados obtenidos y tratar de determinar los liacutemites probables de error
Cuando se trabaja en fiacutesica experimental por lo general se aiacutesla un sistema y se trata de determinar como variacutean sus propiedades en condiciones que se fijan de manera adecuada Estas propiedades se especifican midiendo paraacutemetros tales como temperatura velocidad masa energiacutea carga eleacutectrica tiempo magnetizacioacuten densidad etc En los sistemas macroscoacutepicos que se estudian comuacutenmente en fiacutesica general estos paraacutemetros variacutean en forma continua Se sabe en cambio que ciertas propiedades microscoacutepicas de los sistemas como la carga eleacutectrica la energiacutea entre otras variacutean de manera discreta
Las magnitudes continuas no tienen rango preestablecido de variacioacuten y su uacutenica limitacioacuten es el nuacutemero de cifras con que se puede obtener cada medicioacuten y que estaacute predeterminado por la resolucioacuten del instrumento de medida 62 Distribucioacuten de Frecuencias
Cuando se dispone de un conjunto de datos obtenidos como producto de la repeticioacuten de mediciones o ensayos de cualquier tipo que se hicieron en condiciones similares se debe seguir alguacuten meacutetodo que permita obtener informacioacuten de dicho conjunto Al encontrar un conjunto asiacute lo primero que llama la atencioacuten es el hecho de que unos datos se repiten maacutes que otros es decir que aparecen con distintas frecuencias Obviamente los que maacutes se repiten deberaacuten tener una incidencia mayor sobre la magnitud a determinar Por ejemplo cuando se arrojan dos dados la frecuencia mayor corresponde al nuacutemero con mayor probabilidad de aparecer Es por ello que una primera interpretacioacuten del conjunto
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
18
de datos puede hacerse a traveacutes del estudio de la frecuencia con que aparece cada uno
Cuando los datos corresponden a una variable discreta bastaraacute determinar la
frecuencia de los valores posibles de la misma En cambio las mediciones sucesivas de una magnitud fiacutesica continua dan un conjunto de aproximaciones siendo en general distintos los resultados de las distintas mediciones Mediciones maacutes exactas mejoran la aproximacioacuten de la medida que se busca pero no variacutea el hecho de que se pueden seguir obteniendo tantos datos distintos como mediciones se realicen De aquiacute surge la conveniencia de agrupar los datos en intervalos y estudiar la frecuencia de eacutestos en lugar de la frecuencia de cada dato
Sea x1 x2 x3helliphelliphellip xN un conjunto de datos obtenidos de una serie de
mediciones de una magnitud fiacutesica El primer paso consiste en determinar los extremos menor xm y mayor xM Se llama rango a su diferencia
R = xM ndash xm (61)
Para estudiar como variacutea la frecuencia de las mediciones se divide R en un cierto nuacutemero de intervalos Determinacioacuten de los intervalos
La siguiente es una indicacioacuten de uno de los meacutetodos de caacutelculo para determinar los intervalos Es importante tener en cuenta que si bien existen otros cualquiera de ellos cuando se aplica en forma correcta debe conducir a las
mismas conclusiones Tambieacuten es obvio que si X es la menor apreciacioacuten de cada medicioacuten X esa seraacute la menor amplitud con que se pueden escoger los intervalos En general suelen tomarse entre cinco y veinte intervalos dependiendo de la cantidad de datos y de su dispersioacuten Puede elegirse por ejemplo el nuacutemero
entero A que mejor aproxime a N siendo N el nuacutemero de datos Este nuacutemero es
tentativo y puede variar en una o dos unidades despueacutes de calcular la amplitud
Se pueden escoger amplitudes iguales o distintas para los intervalos seguacuten el estudio concreto que se realice En el caso maacutes comuacuten la amplitud d es la misma para todos y se calcula haciendo
NAA
Rd (62)
donde se aproxima d de manera que tanto d como d2 tengan la misma repetibilidad que los datos
Para fijar ideas se desarrollan los caacutelculos en base a la siguiente tabla de datos
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
19
Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm] Nordm X[cm]
1 138 6 157 11 164 16 150 21 132 26 144 31 125 36 149
2 146 7 144 12 158 17 140 22 147 27 136 32 148 37 152
3 168 8 165 13 126 18 138 23 176 28 163 33 119 38 154
4 146 9 135 14 173 19 142 24 147 29 135 34 153 39 140
5 161 10 128 15 145 20 135 25 142 30 150 35 156 40 145
Tabla 61 Tabla de datos
De ella se obtiene
Xm = 119 cm
XM = 176 cm
R = 176 cm ndash 119 cm = 57 cm
cm A
R
6 A 632 40 N
59
para que d tenga la repetibilidad de los datos se puede tomar d = 9 cm o d = 10 cm Sin embargo d2 tambieacuten debe ser entero por lo que el uacutenico valor que cumple ambas condiciones es
d = 10 cm Para que no haya ambiguumledad en la distribucioacuten posterior de las mediciones los extremos consecutivos de los intervalos se distancian una unidad del uacuteltimo orden decimal con que se obtuvieron los datos Por ejemplo al calcular los intervalos de amplitud d = 10 cm con los datos de la tabla uno de ellos podriacutea ser (143 153) cm Si el siguiente se toma (153 163) cm el dato 153 cm que es el Nordm 34 de la tabla puede incluirse en cualquiera de ellos Separando los intervalos como se indicoacute el segundo queda (154 164) cm y todos los datos tienen una ubicacioacuten bien definida
Un caacutelculo simple permitiraacute elegir el liacutemite inferior del primer intervalo de manera que el rango R quede incluido y centrado en la unioacuten de todos los intervalos Se toma Xm como origen y se calculan los intervalos Con los datos de la tabla son
(119 - 129) cm (130 - 140) cm (141 - 151) cm (152 - 162) cm (163 - 173) cm (174 - 184) cm
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
20
Si el extremo superior coincidiera con XM estos seriacutean los intervalos definitivos En este ejemplo en cambio 184 ndash XM = (184 ndash 176) cm = 8 cm
Desplazando los intervalos 4 cm hacia la izquierda quedan centrados en el rango por lo que los intervalos definitivos son (115 - 125) cm (126 - 136) cm
(137 - 147) cm (148 - 158) cm (159 - 169) cm (170 - 180) cm
Intervalos tentativos
Figura 61 Rango e intervalos de clase
Limites reales Son los puntos medios de los liacutemites contiguos de dos intervalos sucesivos y tienen una cifra maacutes que los datos Los liacutemites reales primero y uacuteltimo estaacuten igualmente distanciados de los intervalos primero y uacuteltimo
Figura 62 Liacutemites reales
Marcas de Clase Son los puntos medios de los intervalos y en los caacutelculos con datos agrupados se asigna a dichos nuacutemeros la frecuencia Es decir si en un intervalo se tiene f datos se entiende que es la marca de clase la que se repite f veces La distancia c entre marcas de clase consecutivas es igual a la amplitud de los intervalos calculada a partir de los liacutemites reales
Rango
Intervalos definitivos
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
21
Tabla de Distribucioacuten de Frecuencias
Con los datos obtenidos se confecciona una tabla que incluye normalmente columnas de conteo frecuencia absoluta frecuencia relativa y frecuencia acumulada
Se llama frecuencia absoluta o soacutelo frecuencia de un intervalo al nuacutemero de mediciones que caen en eacutel y se designa por f En el caso de variables discretas es el nuacutemero de veces que un dato se repite Dividiendo las frecuencias absolutas por el nuacutemero total de datos N se obtienen las frecuencias relativas es decir fN = p Por uacuteltimo la frecuencia acumulada para un intervalo o dato es la frecuencia que le corresponde maacutes la de todos los intervalos o datos anteriores La suma de las frecuencias relativas de todos los intervalos o datos es 1 oacute 100 que es a su vez el valor de la frecuencia acumulada del intervalo o dato mayor Se dice que los datos estaacuten agrupados cuando se organizan en una tabla de frecuencias Para los datos de la Tabla 61 se obtiene
Intervalos [cm]
Marcas de clase [cm]
Conteo f p fa
115 - 125 120 II 2 005 005
126 - 136 131 II 7 0175 0225
137 - 147 142 IIII 14 035 0575
148 - 158 153 10 025 0825
159 - 169 164 5 0125 095
170 - 180 175 II 2 005 100
Tabla 62 Tabla de Distribucioacuten de Frecuencias
7 Histograma y Poliacutegono de Frecuencias
Sobre un eje horizontal se dibujan rectaacutengulos adyacentes con sus bases centradas en sus marcas de clase Las bases y alturas de dichos rectaacutengulos se toman proporcionales a la amplitud y a la frecuencia de cada intervalo respectivamente
Los histogramas pueden construirse referidos a las frecuencias absolutas o
relativas Ambos tienen la misma forma y soacutelo difieren en un factor de escala sobre las ordenadas por lo que se acostumbra indicar las dos escalas sobre dicho eje
Cuando se trabaja con valores discretos a los que se adjudican las
frecuencias se obtienen los llamados diagramas de barras
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
22
El poliacutegono de frecuencias se traza uniendo los puntos medios de los ldquotechosrdquo de los rectaacutengulos y dos puntos sobre el eje horizontal de manera que la superficie encerrada por el mismo sea igual a la del histograma Para el ejemplo de las Tablas 61 y 62 se tiene
Figura 71 Histograma y poliacutegono de frecuencias
Si el nuacutemero de mediciones tiende a infinito y se aumenta la exactitud (es
decir X 0) los intervalos pueden tomarse de amplitud maacutes y maacutes pequentildea y entonces el poliacutegono de frecuencias se transforma en una curva continua llamada ley de distribucioacuten de la magnitud X medida
En estadiacutestica se estudian distintos modelos de probabilidad y sus curvas
correspondientes Para inferir cual es el esquema probabiliacutestico que mejor ajusta a una determinada distribucioacuten experimental se compara eacutesta con las distribuciones teoacutericas y se selecciona la que mejor acuerda con los datos experimentales
Las distribuciones teoacutericas maacutes conocidas son la de Bernoulli o binomial la
de Poisson y la normal o de Gauss 71 Paraacutemetros de Centralizacioacuten
Dada una distribucioacuten aleatoria de datos pueden obtenerse algunos paraacutemetros indicativos de la tendencia del proceso de medicioacuten en la zona de mayor frecuencia ubicada siempre en la regioacuten central del rango Los maacutes importantes son
2
7
14
10
5
2
0
3
6
9
12
15
1 2 3 4 5 6 7 8
Mensurando
Fre
cu
en
cia
109 120 131 142 153 164 175 186
X
Mensurando X (cm)
X ndash σ X + σ
X X + E X ndash E
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
23
a) Promedio Media o Media Aritmeacutetica El promedio X de una serie de N datos X1 X2 X3 helliphelliphellip XN se define como
i
N
iN X
NXXXX
NX
1321
1
1
(71)
Para datos agrupados donde X1 X2 X3 helliphelliphellip Xs aparecen con las
frecuencias f1 f2 f3 helliphelliphellip fs y frecuencias relativas p1 p2 p3 helliphelliphellip ps se tiene
ii
S
iii
S
iXpXf
NX
11
1
(72)
Cuando los datos estaacuten agrupados en intervalos de frecuencias eacutestas se
atribuyen a las marcas de clase que son en este caso los Xi de las expresiones (71) y (72) b) Mediana Si se tiene un conjunto de datos y se les ordena en forma creciente
la mediana X es el valor medio o el promedio de los valores medios
2
1
NXX si N es impar
1222
1
NN XXX si N es par (73)
Para datos agrupados es
cf
fLX
m
N 2
1
(74)
donde L1 es el liacutemite real inferior de la clase que contiene la mediana N es el
nuacutemero de datos frsquorsquo es la suma de las frecuencias de todos los intervalos menores que el de la mediana fm la frecuencia del intervalo que contiene a la mediana y c la distancia entre marcas de clase vecinas
c) Moda La moda X es el valor que maacutes se repite en una serie de mediciones y se obtiene en forma inmediata de la tabla de frecuencias Para datos agrupados se define por
dL
LX
21
1ˆ (75)
donde L1 es el liacutemite inferior del intervalo que contiene a la moda 1 y 2 las diferencias de frecuencias entre el intervalo que contiene a la moda y los intervalos anterior y posterior y d es la amplitud del intervalo donde estaacute la moda
Comparando los triaacutengulos semejantes unidos por el veacutertice (en liacuteneas de puntos)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
24
XdL
LX
ˆ
ˆ
1
1
2
1
(76)
de donde
dLX
21
1
1ˆ (77)
Figura 72 Obtencioacuten de la moda
lo que justifica esta construccioacuten geomeacutetrica para obtener X 72 Paraacutemetros de Dispersioacuten
Despueacutes de calcular los promedios es importante saber si los valores de la variable estaacuten muy dispersos o no en torno a los mismos Para describir numeacutericamente la mayor o menor concentracioacuten alrededor de los promedios se recurre a los paraacutemetros de dispersioacuten Estos paraacutemetros que se calculan a partir de los datos experimentales son muy importantes en los procesos de medicioacuten de una misma magnitud
Los paraacutemetros de dispersioacuten maacutes usados son
a) Desviacioacuten Media La desviacioacuten media de una serie de datos X1 es la suma de
los valores absolutos de las desviaciones G1 respecto al promedio dividido entre el nuacutemero de datos o lo que es equivalente el promedio de los valores absolutos de esas desviaciones Es decir
ii
i
GXXN
XXMD
(78)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
25
Cuando los datos X1 X2 X3hellipXs se agrupan con frecuencias f1 f2 f3 hellip fs la desviacioacuten media puede escribirse asiacute
ii
ii
GpN
XXfMD
(79)
donde pi son las frecuencias relativas y Xi las marcas de clase
Se puede demostrar que la suma aX i es miacutenima cuando aX es decir
que la desviacioacuten media respecto a la mediana es miacutenima
b) Desviacioacuten Tiacutepica o Estaacutendar Se define como
N
G
N
XX ii
22
(710)
Si los datos Xi se agrupan con las frecuencias f i se tiene
2
2
ii
ii GpN
Gf
(711)
de donde XXG ii siendo Xi la correspondiente marca de clase Otro meacutetodo
de caacutelculo para σ si se desarrolla el cuadrado en la primera raiacutez se tiene
2222 XXXXXX iii (712)
sumando seguacuten i de 1 a N queda
222
2 XNXXXXX iii (713)
y dividiendo por N
22222
2
21
XXXXXNN
XXi
i
(714)
de donde
22 XX (715)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
26
siendo 2X el promedio de los cuadrados es decir 22
2
2
1 1
NXXXN
y (X)2 el
cuadrado del promedio o sea
2
21
N
XXX N La desviacioacuten tiacutepica es un
paraacutemetro que se relaciona en forma directa con la exactitud del proceso de
medicioacuten En efecto se puede demostrar que en el intervalo (X σ) se encuentra
maacutes del 68 de las observaciones y en (X 2σ) maacutes del 95 Por lo tanto cuanto menor sea σ maacutes concentrados estaacuten los datos y la medicioacuten es maacutes exacta Repetibilidad de Paraacutemetros Cuando N ge 30 se conviene en escribir los paraacutemetros de centralizacioacuten y dispersioacuten con una cifra significativa maacutes que los datos
Calculando el valor maacutes probable y la desviacioacuten estaacutendar para los datos de la Tabla 61 se tiene
65146X cm
y para la desviacioacuten tiacutepica
σ = 1381 cm 73 La Calidad de un Proceso de Medicioacuten y la Obtencioacuten de σ
Supongamos tener un conjunto X1 X2 X3 helliphellipXN de datos obtenidos por mediciones de una misma magnitud fiacutesica iquestCuaacutel es el valor que mejor representa la magnitud medida No podemos fijarlo de manera inmediata a partir de la simple observacioacuten de la tabla de valores Xi pero evidentemente tendraacute que relacionarse con ella Supongamos que un valor A fuera el que mejor representa la magnitud buscada Lo llamaremos ldquovalor maacutes probablerdquo con lo que sentamos dos premisas 1) No podemos medir cantidades fiacutesicas continuas exactamente 2) Debemos emplear criterios estadiacutesticos para elegir el valor maacutes probable
iquestQueacute condiciones deberiacutea cumplir A para ser un valor confiable En principio
A debe pertenecer al rango (Xm XM) iquestCoacutemo seleccionarlo Si llamamos Gi = A-Xi un criterio podriacutea ser que la suma de estas desviaciones respecto del valor maacutes probable fuera lo maacutes pequentildea posible Si los uacutenicos errores cometidos son casuales la evidencia experimental muestra que existe la misma probabilidad de
cometer errores de igual valor absoluto y distinto signo Por lo tanto Gi 0 conforme el nuacutemero de datos se hace suficientemente grande y esto ocurre aunque los Gi individualmente sean grandes por lo que esta suma no nos da un criterio para el anaacutelisis del proceso de medicioacuten
Podemos entonces tomar Gi2 = G2
1 + G22 +helliphellip+G2
N En este caso los sumandos son todos positivos lo que evita su compensacioacuten en la suma Sin
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
27
embargo chocamos con el inconveniente de que Gi2 es un nuacutemero que depende
de N y creceraacute con eacutel Esto puede evitarse tomando Gi2N con lo que nos
independizamos del nuacutemero de mediciones Hemos encontrado ahora siacute un nuacutemero que nos da un idea de coacutemo es el proceso de medicioacuten Subsiste auacuten un pequentildeo escollo las unidades del valor obtenido son distintas de aquellas en que
se tomaron los datos por lo que hacemos NGi 2
Pero este nuacutemero no es otra cosa que la desviacioacuten tiacutepica σ
De acuerdo con las condiciones fiacutesicas que hemos ido fijando para su
obtencioacuten podemos decir que un proceso de medicioacuten seraacute de mejor calidad cuanto menor sea σ
Pero σ estaacute auacuten en funcioacuten de ese valor A que no conocemos Sin embargo la condicioacuten de que σ sea un miacutenimo nos permitiraacute calcularlo En efecto la condicioacuten de miacutenimo puede escribirse asiacute
00
22
N
Ax
AN
Ax
AA
ii (716)
desarrollando el cuadro
2222 AAXXAX iii (717)
Sumando de 1 a N
2222 ANXAXAX iii (718)
y dividiendo por N
22
2
21
AN
XAX
NN
AX i
i
i (719)
22 2 AXAX (720)
Derivando respecto de A queda
0222 22
2
AXAXAX
AN
AX
A
i (721)
por lo tanto
XA (722)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
28
Es decir que lo que llamamos valor maacutes probable y al que pusimos la condicioacuten de hacer miacutenimo el valor de la desviacioacuten tiacutepica o estaacutendar σ no es otra cosa que el promedio de los datos experimentales Xi 74 Error del Promedio
Como ya se sentildealoacute una magnitud fiacutesica solo tiene sentido cuando se puede valorar el error de que estaacute afectada Por eso al culminar un proceso de medicioacuten de una magnitud fiacutesica continua se debe escribir
EXX o lo que es equivalente EXXEX
donde X es el valor verdadero X es el valor maacutes probable y E el error que se
comete en la determinacioacuten de X Es decir lo maacutes a que se puede aspirar es a determinar un intervalo en el que se puede asegurar se encuentra el valor verdadero Es obvio que mientras menor sea E menor seraacute dicho intervalo y maacutes exacto el proceso de medicioacuten
Si se pudiera calcular exactamente el error E con su signo se podriacutea conocer
el valor verdadero dado por EXX Pero esto no es posible y soacutelo se puede calcular E en sentido estadiacutestico estableciendo un intervalo bien definido dentro del cual se encuentra X
Para calcular E se define previamente
ii XXP error absoluto de la observacioacuten Xi (723)
ii XXM error aparente de la observacioacuten Xi (724)
2S varianza (725)
Se observa que
EPMEXXMP iiii donde (726)
entonces la varianza se puede expresar asiacute
22222 12
1(
11EP
NEP
NNM
NS iii E)-Pi (727)
pero
EXXXN
XXXN
PN
iii 111
- (728)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
29
es decir que el error absoluto del promedio es el promedio de los errores absolutos reemplazando queda
222 12
1EP
NEEP
NS ii E 2 ( 729)
Elevando iPN
1 al cuadrado queda
2
2
2
2
11EPP
NP
Njii (730)
donde
NNNNji PPPPPPPPPPPPPPPP 12321213121
(731)
con lo que
jii PPN
NEPN
11 22 (732)
entonces se tiene
222 1 ji PP
NENES (733)
y
ji PPNNN
E
)1(
1
1
22
(734)
E queda expresado entonces en funcioacuten de los valores experimentales que
se conocen y de los errores absolutos Pi que se desconocen por ser desviaciones respecto del valor verdadero que se ignora Pero para el caso de errores casuales que es el que se estudia cualquier error Pj tiene la misma probabilidad de aparecer que el error -Pj Es decir que en teacuterminos estadiacutesticos para cada valor Pi Pj se tendraacute -Pi Pj que anularaacute la sumatoria de la uacuteltima expresioacuten Entonces se puede calcular el error del promedio por la expresioacuten
1
NE
(735)
y como N gtgt 1 puede aproximarse por
NE
(736)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
30
por lo que el intervalo buscado es
NXX
(737)
al cual se le conoce como el valor esperado o la esperanza matemaacutetica 8 Distribucioacuten Normal o de Gauss
Los resultados de una serie de mediciones X1 X2hellipXN se distribuyen
alrededor del promedio X El histograma muestra que siempre es mayor la
frecuencia de los valores maacutes proacuteximos a X Cuando se hace una nueva medicioacuten no se sabe de antemano el resultado pero siacute la probabilidad de que su valor esteacute en un intervalo determinado
Cuando crece el nuacutemero N de mediciones el poliacutegono de frecuencias se
aproxima a una curva continua bien definida y uacutenica cuya forma es siempre la misma para todos los casos de errores casuales Se comprueba
experimentalmente que el nuacutemero N de mediciones que caen en el intervalo (X
X+X) es
2
2
2
2
XX
eXN
N
(81)
donde σ es la desviacioacuten tiacutepica y X el promedio de la serie de mediciones La
aproximacioacuten se transforma en igualdad cuando N y X 0
La expresioacuten
2
2
2
2 0
XX
eN
X
NliacutemX
(82)
se llama densidad de observaciones y da el nuacutemero de valores que se encuentran
en un intervalo X alrededor del valor X que aparece en el exponente La representacioacuten graacutefica de la densidad de observaciones se llama curva de distribucioacuten de Gauss y adopta la forma de una ldquocampanardquo
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
31
Figura 81 Distribucioacuten de Gauss
De la expresioacuten (82) se deduce
1) El nuacutemero N de observaciones en un intervalo X decae exponencialmente
con la distancia XX con lo que la probabilidad es menor para las
observaciones con error mayor La curva tiene un maacuteximo en XX y tiende a
cero cuando X se aleja de X
2) N no variacutea si se cambia X por ndashX es decir existe la misma probabilidad de cometer errores con uno u otro signo y por tanto la curva es simeacutetrica
respecto de X
3) Para una distancia XX N disminuye maacutes raacutepido cuanto menor sea Por
lo tanto la probabilidad de cometer un error disminuye con o dicho de otro
modo el proceso de medicioacuten mejora conforme se hace maacutes pequentildeo 4) Se demuestra que X - σ y X + σ son puntos de inflexioacuten de la curva y que si N
la probabilidad de que una medicioacuten caiga en el intervalo X es del
68 Asimismo la probabilidad de que una observacioacuten esteacute comprendida en el intervalo (X1 X2) se obtiene de la expresioacuten (81) dividiendo entre N e integrando
dxeN
N X
X
XX
2
1
2
2
2
2
1
(83)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
32
Figura 82 Campana gaussiana para diferentes valores de
No todos los procesos de medicioacuten conducen a una distribucioacuten de Gauss Los errores sistemaacuteticos variaciones no controlables del medio ambiente y del instrumental modificaciones imprevistas en las condiciones de medicioacuten etc pueden producir modificaciones tales como asimetriacuteas discontinuidades interrupciones en algunas zonas del rango etc La forma cualitativa maacutes simple para verificar si una distribucioacuten de datos es gaussiana consiste en comparar el
histograma con la curva teoacuterica de distribucioacuten Para ello se representa N en la misma graacutefica donde se trazoacute el poliacutegono de frecuencias Si la distribucioacuten es gaussiana ambas curvas deben ajustar maacutes o menos bien 9 Propagacioacuten de la Incertidumbre
La propagacioacuten de la incertidumbre es la parte de la teoriacutea estadiacutestica de errores casuales que se utiliza para determinar la incertidumbre de magnitudes que se miden de manera indirecta obtenida a partir de la incertidumbre de las magnitudes que se miden en forma directa (magnitudes de influencia) con las cuales estaacute relacionada a traveacutes de una ley fiacutesica expresada en una ecuacioacuten o relacioacuten funcional
Sea una magnitud L que se desea medir una funcioacuten conocida de otra
magnitud X que medimos directamente
L = f(x) (91) se plantea el problema de determinar en cuanto afecta a L la incertidumbre que se obtiene al medir X en forma directa De la medicioacuten de X se obtiene
Xrsquo = X X (92)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
33
siendo X la incertidumbre de X Al calcular L con el valor Xrsquo se obtiene un cierto Lrsquo es decir
Lrsquo = f (X X) (93)
Como la incertidumbre X es pequentildea se puede desarrollar f(x) en una serie
de potencias de la misma X despreciando los teacuterminos donde aparece con exponente mayor que la unidad Entonces
Lrsquo = f(X) f rsquo(x) por lo tanto
Lrsquo ndash f(X) = Lrsquo ndash L = L = f rsquo(X)middotX (95)
La incertidumbre de L no depende solamente del valor de X sino tambieacuten de
frsquo(X) Cuanto mayor es este coeficiente tanto maacutes influye X en la incertidumbre de L Como en general se desconoce X se aproxima frsquo(X) por frsquo(Xrsquo) de modo que
L = f rsquo(Xrsquo)middotX (96)
Al coeficiente frsquo(Xrsquo) se le denomina coeficiente de sensibilizacioacuten o de
propagacioacuten del error X Si L es funcioacuten de maacutes de una magnitud medible en forma directa por
ejemplo
L = f(XYZ) (97)
al medir X Y Z se obtiene Xrsquo = X X Yrsquo = Y Y Zrsquo = Z Z las que permiten
calcular Lrsquo = L L
En efecto si se desprecian teacuterminos de orden superior al primero Lrsquo es
Z
fZ
Y
fY
X
fXZYXf
ZZYYXXfZYXfL
)(
)()(
(98)
de donde
ZZ
fY
Y
fX
X
fLZYXfL
)( (99)
La mayor o menor contribucioacuten de las incertidumbres de X Y Z depende del
mayor o menor valor de los coeficientes Z
f
Y
f
X
f
por lo que se
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
34
denominan coeficientes de sensibilizacioacuten o propagacioacuten de los errores X Y
Z El signo de estas incertidumbres como el de los coeficientes de sensibilizacioacuten
puede ser tanto positivo como negativo La incertidumbre estaacutendar combinada Lc equiv Ec asociada al valor Lrsquo de la magnitud L es
222
Z
Z
fY
Y
fX
X
fEc (910)
y corresponde al intervalo cubierto por una desviacioacuten estaacutendar a cada lado del valor del mensurando Al igual que para el caso de mediciones directas este valor representa el 68 del aacuterea bajo la funcioacuten de distribucioacuten (campana gaussiana) para la magnitud L El valor de Ec dado por la ec (910) es vaacutelido soacutelo cuando las magnitudes X Y Z no estaacuten correlacionadas
Frecuentemente se quiere expresar la incertidumbre como un intervalo que contenga una fraccioacuten considerable de los valores razonables del mensurando Esta fraccioacuten se llama nivel de confianza p y tiacutepicamente se busca de 95 o 99 La incertidumbre expandida E expresa tal intervalo E = kmiddotEc (911) donde k se conoce como el factor de cobertura Si el mensurando sigue una
distribucioacuten normal se asegura p 95 eligiendo k = 2 y p 997 con k = 3
El error relativo de L estaacute en funcioacuten de los errores relativos de X Y y Z
222
Z
Z
Z
f
L
Z
Y
f
L
Y
X
f
L
XL
Y
Y
X
X
L (911)
siendo Z
f
L
Z
Y
f
L
Y
X
f
L
X
los factores de sensibilizacioacuten o propagacioacuten de los
errores relativos Z
Z
Y
Y
X
X
Cuando algunos coeficientes de sensibilizacioacuten son bastante menores que
otros la incertidumbre de L proviene casi exclusivamente de los teacuterminos mayores Esto es importante porque indica cuales son las mediciones que deben hacerse con mayor cuidado eligiendo en forma conveniente el meacutetodo y el instrumental de medida Por otra parte es inoperante esforzarse en medir con exactitud alta las magnitudes cuyas incertidumbres no contribuyen en gran medida a la incertidumbre de L
El procedimiento formal que se deberiacutea seguir para determinar el valor de una magnitud en forma indirecta a partir de la medicioacuten directa de otras
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
35
magnitudes con las cuales estaacute relacionada consistiriacutea en realizar un determinado nuacutemero de mediciones de cada una de las magnitudes que se miden en forma directa para obtener su valor maacutes probable con su incertidumbre respectiva
Sin embargo si las condiciones bajo las cuales se realizan las mediciones
directas son controladas no es necesario proceder de la manera descrita Realizar las mediciones bajo condiciones controladas significa que se puede asegurar la repetibilidad (o la reproducibilidad) de los valores de las magnitudes que se miden en forma directa lo cual significa que las mediciones que se realizan son confiables o de la calidad adecuada (a las necesidades del usuario)
Entre los factores que aseguran la confiabilidad de las mediciones podemos
citar entre otros los siguientes
los instrumentos de medida que se utilizan estaacuten calibrados y su calibracioacuten es trazable a patrones primarios
los procedimientos de medicioacuten empleados estaacuten normalizados es decir son meacutetodos probados documentados en normas y aceptados por los laboratorios autorizados para realizar la calibracioacuten de los instrumentos que son fabricados y comercializados por la industria
las personas que realizan la medicioacuten tienen experiencia por lo que saben usar los instrumentos de medicioacuten y aplican los procedimientos de medicioacuten en forma adecuada
las condiciones bajo las cuales se realizan las mediciones estaacuten controladas y se mantienen estables y
en siacutentesis en las mediciones realizadas en forma directa solamente se cometen errores casuales
Por consiguiente en algunos casos la incertidumbre de las magnitudes que
se miden en forma directa no se calcularaacute sino que en algunas de ellas se proporcionaraacute dicho valor ya sea por el fabricante o por el laboratorio que realizoacute la calibracioacuten del instrumento de medida que se utiliza especificando dicho valor en el informe de calibracioacuten del instrumento En dicho informe se especifica tambieacuten la incertidumbre del patroacuten y el procedimiento de medicioacuten empleados
Si no se cuenta con dicha informacioacuten entonces de acuerdo a las
caracteriacutesticas del instrumento y al procedimiento de medicioacuten se podraacute hacer una estimacioacuten de la incertidumbre de la magnitud a medir Finalmente bastaraacute con realizar soacutelo unas cuantas mediciones (un nuacutemero muy pequentildeo en general bastaraacute con cinco) para hacer una estimacioacuten raacutepida y sencilla de dicha incertidumbre
De acuerdo a lo anterior existen dos tipos de incertidumbre
1 Incertidumbre tipo A Son aquellas determinadas en forma estadiacutestica por el
usuario y
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
36
2 Incertidumbre tipo B Son las que no se determinan estadiacutesticamente por consiguiente son comunicadas al usuario
Ejemplo Se quiere determinar la aceleracioacuten de la gravedad g midiendo la altura y el tiempo en la caiacuteda libre de una pequentildea esfera de acero
Se determinoacute una altura h =10 m con h = 005 m y un tiempo t = 143 s con
t = 001 s mediante un sistema de fotoceldas y reloj digital Se tiene que
h = 05 gt2
2
2 t
hg
por lo tanto
32
42
t
h
t
g
th
g
y
222
22
140005 smtt
gh
h
gg
= 015 ms
2
con los valores medidos 2
222789
)431(
1022sm
S
mx
t
hg
entonces
g = (978 019) ms2 =gt 959 ms2 lt g lt 997 ms2
Por otra parte vimos que el error relativo es
22
t
t
t
g
g
t
h
h
h
g
g
h
g
ger
y los factores de sensibilizacioacuten de los errores relativos h
h
t
t
002001
t
g
g
t
h
g
g
h
esto indica que se debe poner el mayor cuidado en la determinacioacuten del tiempo ya que su incertidumbre se propaga con un factor doble que la incertidumbre de la altura
El error porcentual en la medicioacuten del tiempo es
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
37
70431
100010)(
xte
el mismo error en la determinacioacuten de la altura dariacutea
mhxm
hx
h
hhe 05050100
10100)(
Se desprende entonces que no tendriacutea sentido preocuparse por disminuir el
error en la determinacioacuten de la altura por debajo de este valor porque eso no disminuiriacutea el error en la determinacioacuten de g a menos que se mejore la exactitud en la medida del tiempo Esta conclusioacuten tambieacuten da una idea del tipo de instrumento adecuado para medir h
Finalmente los errores relativo y porcentual en la medicioacuten de g son
01500140005022
g
g
51100)(
xg
gge
10 Ajuste de Datos Experimentales 101 Distribuciones Relacionadas
En el laboratorio de Fiacutesica es habitual efectuar mediciones de magnitudes que se suponen relacionadas y tratar de establecer alguna funcioacuten simple que las vincule Ejemplos Se mide a) Las fuerzas que actuacutean sobre un cuerpo y sus aceleraciones b) Las velocidades iniciales de un cuerpo en tiro vertical y las alturas que alcanza c) Los voluacutemenes de distintas piezas de hierro y sus pesos etc
A veces se conoce de antemano dicha relacioacuten en otras los resultados experimentales son los primeros pasos en el establecimiento de una nueva ley fiacutesica o la corroboracioacuten de un modelo teoacuterico que la predice
En general en estos experimentos se suele variar a voluntad una de las magnitudes y se determinan los correspondientes valores de la otra obtenieacutendose dos distribuciones una para cada magnitud medida las que se organizan en una tabla
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
38
X X X2 Xi XN
X Y1 Y2 Yi YN
Tabla 101
En cada observacioacuten se obtienen dos nuacutemeros Xi Yi que considerados como
par ordenado determinan un punto plano En la representacioacuten graacutefica de los datos deben tenerse en cuenta las incertidumbres en las mediciones de cada
cantidad por lo que se obtienen dos intervalos (Xi X) (Yi Y) es decir un rectaacutengulo de confianza alrededor de cada punto Este rectaacutengulo se reduce a una barra cuando una de las incertidumbres es mucho mayor que la otra
Sea la siguiente graacutefica de los datos de la tabla anterior
Figura 101
Una vez representados los puntos experimentales se traza la curva que mejor
los aproxima Como se busca una relacioacuten simple entre ambas variables la curva deber ser continua y al trazarla se supone que los puntos entre los datos experimentales son los que se obtendriacutean si se hicieran mediciones para los correspondientes valores intermedios 102 Ajuste por Miacutenimos Cuadrados
El ajuste por miacutenimos cuadrados es el meacutetodo maacutes preciso para determinar la funcioacuten que mejor representa la vinculacioacuten entre dos conjuntos de datos relacionados La representacioacuten graacutefica de los valores experimentales juega aquiacute un papel principal dado que de la forma de la curva resultante se debe inferir el tipo de funcioacuten que vincula a las variables
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
39
Sea f(X) la funcioacuten incoacutegnita y i = Yi ndash f(Xi) sus desviaciones respecto de los datos Es evidente que el acuerdo entre f(X) y los datos seraacute tanto mejor cuanto
menor sean los i Como estas desviaciones son casuales el signo de los i puede
ser tanto positivo como negativo y por ello i 0 cuando N crece La condicioacuten de mejor ajuste se fina entonces pidiendo que sea miacutenima la suma de los cuadrados de las desviaciones (de aquiacute el nombre de meacutetodo de miacutenimos cuadrados) es decir
02
i
2
i
a miacutenimo
i (101)
Donde los ai son los paraacutemetros que definen la funcioacuten buscada
Figura 102
Esto equivale a ubicar f(X) en el centro de la franja de confianza determinada
por los valores experimentales a) Caso de la recta Si la curva de mejor ajuste es una recta se tiene
f(X) = a X + b (102)
debe quedar claro que aquiacute las incoacutegnitas son a y b
Para la suma de las desviaciones al cuadrado se tiene
22
1 baXY ii (103)
y para la condicioacuten de miacutenimo
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
40
0022
ba
ii (104)
Derivando (103)
NbXaY
XbXaYX
baXY
baXYX
ii
iiii
ii
iii
2
02
02
(105)
que es el sistema de ecuaciones buscado para obtener a y b b) Caso de la paraacutebola Aquiacute es
cbXaXxf 2)( (106)
222 CbXaXY iiii (107)
condicioacuten de miacutenimo
0 0 0222
cba
iii (108)
derivando (107) se obtiene
cNXbXaY
XcXbXaYX
XcXbXaYX
CbXaXY
cbXaXYX
cbXaXYx
iii
iiiii
iiiii
iii
iiii
iii
02
02
02
2
23
2342
2
2
2
1
2
(109)
Los sistemas de ecuaciones simultaacuteneas (105) y (109) que permiten
resolver el problema reciben el nombre de sistemas de ecuaciones normales Cuando las funciones de ajuste son de tipo polinomial existe una forma praacutectica de escribirlas que se describe en los pasos siguientes a) Se escribe la funcioacuten sugerida por la graacutefica de los datos
Recta Paraacutebola
Y = a X + b Y=a X2 + b X + c
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
41
b) Se suman ambos miembros de 1 a N
cNXbXaYbNXaY iiiii 2
c) Los sistemas de ecuaciones normales se obtienen multiplicando miembro a
miembro las expresiones anteriores por 1 y Xi para la recta por 1 Xi y Xi2 para
la paraacutebola
Suele ocurrir que las funciones ajustadas no son vaacutelidas cuando se las extrapolan fuera del intervalo en que se realizaron las mediciones Esto restringe la relacioacuten obtenida a un cierto rango llamado intervalo de validez de la funcioacuten 103 Reduccioacuten a una Funcioacuten Lineal
Algunas de las funciones obtenidas por ajuste de datos pueden reducirse a la de una recta Esto se hace para aprovechar la simplicidad que brinda el caacutelculo y la interpretacioacuten fiacutesica de los paraacutemetros de las funciones lineales A continuacioacuten se mencionan algunos ejemplos Funcioacuten original Transformacioacuten Funcioacuten Lineal Incertidumbre
F(X) = CX 2
Z = X 2 G(Z) = C Z XXZ 2
2)(
X
CXf
2
1
XZ h(Z) = C Z
3X
XZ
f(X) = CX A = Y
logY = logC +
A∙logX Y rsquo = C rsquo + A X rsquo
X
XAX
Y
YY
f(X) = C10AX = Y logY = logC + A X Y rsquo = C rsquo + A X
Y
YY
Ejemplo de Ajuste En un experimento sobre el riel de aire el deslizador marcoacute el papel una vez por segundo mediante un chispeador mientras se desplazaba Los alumnos midieron la distancia entre chispazos con una regla milimetrada y
estimaron X = 1 mm Seguacuten las especificaciones del chispeador tomaron T = 01 s
Figura 103
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
42
A partir de esta tabla obtuvieron la siguiente graacutefica en papel milimetrado
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10 12
t [s]
L [
cm
]
Figura 104
La graacutefica de los datos sugiere claramente una funcioacuten lineal
L = a t + b
Las ecuaciones son
Li = ati + bN
Li ti = at2i + bti
reemplazando valores
938 = 55 a + 10b 6538 = 385a + 55b
de donde
a = 1726 mms = 173 mms
b = -113 mm = -11 mm
Por ultimo la recta ajustada es
L = (173)∙t ndash 11
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
43
La interpretacioacuten de los paraacutemetros es aquiacute muy sencilla Como en toda graacutefica espacio-tiempo que resulte lineal la pendiente a da la rapidez del moacutevil
a = v = 173 mms
En el experimento las condiciones iniciales fueron t = 0 L = 0 por lo que b es
el error absoluto en la determinacioacuten del origen de las distancias
b = L0 = -11 mm 11 Graacuteficas
Cuando las distribuciones correspondientes a dos cantidades fiacutesicas estaacuten relacionadas por alguna expresioacuten matemaacutetica simple se dice que existe una regularidad entre ellas y que la misma se expresa mediante la funcioacuten de ajuste
Las graacuteficas juegan un papel importante en el trabajo experimental En
muchas ocasiones una graacutefica muestra los resultados en forma maacutes clara que la correspondiente relacioacuten matemaacutetica 111 Relaciones Lineales El desplazamiento de un deslizador en el riel de aire horizontal ejemplifica el caso maacutes simple de una relacioacuten lineal Interpretar la graacutefica de la relacioacuten entre dos magnitudes fiacutesicas significa realizar un anaacutelisis de la misma que permite obtener informacioacuten adicional En el presente caso se pueden inferir las siguientes conclusiones
Figura 111
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
44
a) Si se tienen las rectas correspondientes a dos moacuteviles A y B el primero tiene
mayor velocidad como se deduce del hecho que para el mismo lapso t es XA
gt XB b) Las unidades sobre los ejes se toman siempre de modo arbitrario por lo que el
aacutengulo depende de esa eleccioacuten Entonces la rapidez del moacutevil B puede
obtenerse midiendo sobre la graacutefica los segmentos correspondientes t y XB teniendo en cuenta las unidades elegidas
t
lBB
u
u
t
Xv
donde
cm
maul es la unidad elegida para las longitudes
cm
sbut es la unidad elegida para los tiempos
Por lo tanto s
m
b
a
t
X
cms
cmm
b
a
cm
cm
t
Xv BB
B
(111)
c) Como ademaacutes vB = tg y para una recta = cte vB es constante y el movimiento es uniforme
d)
Figura 112 Graacutefica de un moacutevil que se desplaza con velocidad constante en sentido negativo del eje X
En esta graacutefica el moacutevil C parte de un punto P a una distancia OP del origen
se acerca a eacutel en el intervalo (0t1) y se aleja para t gt t1 Como
002
Bvtga
Esto indica que el moacutevil se desplaza en sentido
contrario al que se tomoacute como positivo para medir las distancias
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
45
Figura 113 Graacuteficas que muestran movimientos que no son posibles en la realidad
No existen movimientos reales como los de las figuras 113 a y b En a el
moacutevil no puede pasar instantaacuteneamente de la posicioacuten X1 a la X2 pues eso requeririacutea una velocidad infinita En b soacutelo una aceleracioacuten infinita (lo que implica una fuerza infinita) proporcionariacutea un cambio instantaacuteneo de v1 a v2 112 Obtencioacuten de una graacutefica a partir de otra
En ciertas ocasiones la ley que vincula dos magnitudes fiacutesicas permite construir la graacutefica de una de ellas a partir de la graacutefica experimental de la otra Por ejemplo en una de las praacutecticas se determina la ley de fuerzas para un resorte F = kX obtenieacutendose la graacutefica de la Fig 114a
De ella puede obtenerse la graacutefica (b) de la energiacutea potencial U(X) Como se
debe cumplir X
UFX
es evidente que 2
)(2
1XkU X
En el punto A 0dX
dU y como k gt 0 seraacute FA lt 0
En el punto B 0dX
dU y como k gt 0 seraacute FB gt 0
En el punto 0 0dX
dU y Fo = 0 lo que indica que en la graacutefica de F(X) se tomoacute
el origen en el extremo libre del resorte cuando sobre eacutel no actuaban fuerzas
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
46
Figura 114
Si se traslada el origen al punto 0rsquo que es el extremo fijo del resorte en el
experimento la ley se expresa FX = -k∙(X-X0) pero las graacuteficas no alteran su forma dado que el comportamiento fiacutesico del resorte es independiente del origen que se elija para hacer las mediciones La graacutefica de U(X) tiene ahora su miacutenimo en X0 como debe ocurrir ya que F(Xo) = 0
Del mismo modo se puede verificar la vinculacioacuten entre las graacuteficas espacio-tiempo X = X(t) velocidad-tiempo v = v(t) y aceleracioacuten-tiempo a = a(t) en los dos ejemplos que se ilustran a continuacioacuten 1) Tiro vertical de una esferita de acero
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
47
Figura 115 Graacuteficas de posicioacuten velocidad y aceleracioacuten en funcioacuten del tiempo para una partiacutecula que es lanzada verticalmente hacia arriba
El lanzamiento se produce en t = 0 desde una altura inicial Xi con velocidad
inicial vi En el instante t1 alcanza la altura maacutexima y alliacute su velocidad es nula
01 tv En el instante t2 la esferita pasa nuevamente por el punto Xi pero ahora
en sentido contrario Dada la simetriacutea de la paraacutebola respecto al eje t = t1 es t2 = 2 t1 lo que indica que los tiempos de subida contados a partir de t=0 son iguales a los de bajada tomados a partir de t = t1
Tambieacuten se tiene para los moacutedulos de la velocidad
v(0) = vi = v(t2)
y como los sentidos de movimiento son opuestos en esos instantes es
v(0) = - v(t2)
Esto vale para cualquier par de tiempos equidistantes de t1 Por ejemplo si
t1 - tA = tB ndash t1 debe ser X(tA) = X(tB)
v(tA) = - v(tB)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
48
Es importante evitar el error de pensar que la esfera se mueve sobre la paraacutebola X(t) Su trayectoria es una recta vertical
Por uacuteltimo dado que la graacutefica v = v(t) es una recta de pendiente negativa la aceleracioacuten seraacute constante y negativa
Los signos son una consecuencia de la eleccioacuten del sentido positivo para el eje X de los desplazamientos Se puede comprobar que si se toma el sentido opuesto para los ejes de las ordenadas las graacuteficas X(t) y v(t) no variacutean y la aceleracioacuten soacutelo sufre un desplazamiento ya que en este caso ggt0 2) Movimiento de un deslizador sobre el riel de aire inclinado
El deslizador choca elaacutesticamente en el extremo del riel En el instante del choque tCH existen discontinuidades que no se analizan Las graacuteficas solo indican las componentes en la direccioacuten del riel en tiempos previos y posteriores al choque Como consecuencia del rozamiento las distancias maacuteximas al origen
antes y despueacutes del choque difieren en d Algo similar ocurre con las
velocidades y se pone de manifiesto en la diferencia de los aacutengulos 1 - 2 =
Figura 116
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
49
Es decir las velocidades de bajada y subida son distintas ya que si f es la
fuerza de friccioacuten cineacutetica a = -g sen + fm para el movimiento de bajada y a =
-g sen - fm para el movimiento de subida Si el choque es elaacutestico v1 = v2 pero si se toma en cuenta una pequentildea
peacuterdida de energiacutea en la colisioacuten las graacuteficas se modifican como lo muestran las liacuteneas de puntos 113 Relaciones Potenciales
Son del tipo
Y = C XA (112)
por lo que tomando logaritmos
logY = A logX + logC (113)
Esta ecuacioacuten nos dice que si graficamos los logaritmos de la variable Y contra los logaritmos de la variable X se obtiene una recta de pendiente A y ordenada al origen logC
Papel log-log El trazado de la graacutefica se simplifica usando papel logariacutetmico en el que las divisiones en cada eje son proporcionales a los logaritmos de los nuacutemeros naturales De este modo el punto (23) en este papel corresponde al punto (log 2 log 3) en papel cartesiano Los intervalos comprendidos 1 y 10 10 y 100 100 y 1000 etc sobre cada eje se llaman ciclos y el origen de coordenadas corresponde al punto (11) Al graficar sobre este papel los valores (XY) se obtiene directamente la graacutefica de la relacioacuten (113) Ejemplo Se tiene la siguiente tabla de datos y su graacutefica (Figura 117)
X Y
10
15
20
25
30
35
40
45
50
320
588
905
1265
1663
2095
2560
3055
3578
Tabla 111
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
50
Figura 117 Graacutefica en papel logariacutetmico (log-log)
Del hecho que la graacutefica sea una recta se desprende que los logaritmos de
las variables verifican una relacioacuten del tipo (113) Midiendo la pendiente y la ordenada al origen en la graacutefica se obtiene A = 15 C = 32 cuyos valores pueden cotejarse ajustando por el meacutetodo de miacutenimos cuadrados la relacioacuten
Yrsquo = AXrsquo + Crsquo
donde Yrsquo = logY Xrsquo = logX Crsquo = logC
Entonces la ecuacioacuten que vincula a las variables de acuerdo con (112) es
Y = 32∙X15
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
51
114 Relaciones Exponenciales
Son las de la forma
Y = C∙BAX (114)
Ya que por cambio de base siempre puede obtenerse una relacioacuten similar con B = 10 soacutelo es necesario considerar logaritmos decimales Aplicando logaritmos en (114) se obtiene
logY = AX + logC (115) Papel semi-log Para graficar estas funciones se usa papel semilogariacutetmico el cual tiene un eje dividido seguacuten la sucesioacuten de los nuacutemeros naturales y el otro en partes proporcionales a los logaritmos de dicha sucesioacuten El origen es el (01) y un punto cualquiera (XY) sobre este papel equivale al punto (X logY) en papel cartesiano Ejemplo Se tiene la siguiente tabla de valores
X Y
0
05
10
15
20
25
30
35
40
45
50
200
267
356
474
632
843
1125
1500
2000
2667
3557
Tabla 112
La graacutefica de estos datos en papel semilog se muestra en la siguiente hoja
La recta que aparece en la graacutefica indica que las variables verifican la
relacioacuten (115) Un ajuste por miacutenimos cuadrados de la funcioacuten
Yrsquo = AX + Crsquo
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
52
Figura 117 Graacutefica en papel semilogariacutetmico (semi-log)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
53
donde Yrsquo = logY Crsquo = logC permite obtener los valores A y C que pueden compararse con la pendiente y la ordenada al origen de la graacutefica Esos valores son
A = 2 C= 025
Por lo tanto
Y = 2 10025X
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)
54
Bibliografiacutea
1 D C Baird Experimentacioacuten Una introduccioacuten a la teoriacutea de mediciones y al disentildeo de experimentos 2ordf edicioacuten Prentice-Hall Hispanoamericana (1991)
2 Norma Oficial Mexicana NOM-008-SCFI-2002 Sistema General de Unidades de Medida
3 Ley Federal sobre Metrologiacutea y Normalizacioacuten Publicada en el Diario Oficial de la Federacioacuten el 1ordm de Julio de 1992 Uacuteltima reforma publicada DOF 28-07-2006
4 Wolfgang A Schmid y Rubeacuten J Lazos Martiacutenez Guiacutea para Estimar la Incertidumbre de la Medicioacuten Rev 1 Centro Nacional de Metrologiacutea (2004)
5 G L Squires Fiacutesica Praacutectica McGraw-Hill (1972)
6 Jack P Holman Meacutetodos Experimentales para Ingenieros 4ordf edicioacuten (Segunda edicioacuten en espantildeol) McGraw-Hill (1986)
7 E Kreyszig Introduccioacuten a la Estadiacutestica Matemaacutetica Limusa (1973)