Aparato

Detector
Rejilla de
difraccin
Fuente de Luz
Voltmetro
E.T.S. de INGENIERA INFORMTICA
Departamento de Fsica Aplicada I
Universidad de Sevilla
Pr actica 1
Tratamiento de Errores
Las medidas de las diferentes magnitudes fsicas que intervienen en una experiencia dada, ya
se hayan obtenido de forma directa o a trav es de su relaci on mediante una f ormula con otras
magnitudes medidas directamente, nunca pueden ser exactas. Debido a la precisi on limitada
que todo instrumento de medida tiene, as como a otros factores de distinta naturaleza que m as
adelante consideraremos, debe aceptarse el hecho de que no es posible conocer el valor exacto
de ninguna magnitud. Por tanto, cualquier resultado num erico obtenido experimentalmente debe
presentarse siempre acompa nado de un n umero que indique cu anto puede alejarse este resultado
del valor exacto.
1.1. Error absoluto y error relativo.-
En general, se dene como error absoluto de una medida a la diferencia existente entre el valor
exacto de la magnitud y el valor obtenido experimentalmente. Ahora bien, como no podemos
saber el valor exacto, tampoco podemos conocer el error absoluto as denido. El objetivo de
la teora de errores es la estimaci on de la incertidumbre asociada a un resultado dado. A esta
incertidumbre se le denomina tambi en error absoluto, y es esta segunda denici on la que
nosotros utilizaremos.
El resultado experimental para una magnitud m lo expresaremos como sigue:
m(m) (1)
siendo m el error absoluto. El doble signo se coloca porque el error puede producirse por
exceso o por defecto. No obstante, el error absoluto de una medida no nos informa por s solo
de la bondad de la misma. Es evidente, que no es igual de grave tener un error absoluto de 1
cm. al medir la longitud de una carretera que al medir la longitud de un folio. Por ello, se dene
como error relativo al cociente:
m
m
(2)
que a veces se multiplica por cien, cualicando la incertidumbre en porcentaje de la medida
realizada.
3
Pr actica 1 . Tratamiento de Errores 4
1.2. Clasicaci on de los errores.-
Fundamentalmente, los errores se clasican en dos grandes grupos: errores sistem aticos y erro-
res casuales.
1. Errores sistem aticos. Son errores que se repiten constantemente en el transcurso de un
experimento, y que afectan a los resultados nales siempre en el mismo sentido. Se pue-
den distinguir varias fuentes de errores sistem aticos:
Errores de calibraci on (o errores de cero) de los aparatos de medida. Es el caso,
por ejemplo, del error que se comete cuando la aguja de un aparato anal ogico de
medida (ampermetro, balanza, ...) no marca cero en la posici on de reposo. Este
tipo de errores tambi en pueden aparecer en los aparatos electr onicos digitales como
consecuencia de una mala calibraci on interna.
Condiciones experimentales no apropiadas. Ocurren cuando se utilizan los instru-
mentos de medida bajo condiciones de trabajo (presi on, temperatura, humedad, fre-
cuencia de la red, etc.) diferentes de las recomendadas.
F ormulas o modelos aproximados. Este tipo de error aparece al pretender obtener
demasadas cifras signicativas en los resultados extrados de un modelo o de una
f ormula aproximados. Por ejemplo, si se quiere medir la aceleraci on de la grave-
dad con m as de tres cifras signicativas no se puede usar la f ormula g = 4
2
L/T
2
(p endulo simple) porque esta es una aproximaci on que supone una serie de condi-
ciones ideales, a saber:
La cuerda no tiene masa (en la pr actica s la tiene, entrando en juego el momento
de inercia del hilo y cambiando la longitud efectiva del p endulo).
El extremo de suspensi on del hilo es puntiforme (en realidad el p endulo oscila
alrededor de un eje de grosor nito).
El roce con el aire es nulo (nunca puede reducirse a cero el rozamiento con el
aire, y esto ocasiona que las oscilaciones vayan decreciendo en amplitud y que
el periodo de oscilaci on no sea constante).
Las oscilaciones tienen lugar sobre un plano jo (por mucho cuidado que se
ponga, existen siempre peque nas oscilaciones laterales y rotaciones adicionales
de la masa en suspensi on.
La amplitud de oscilaci on debe ser peque na (la f ormula anterior es tanto mejor
cuanto mas pr oxima a cero sea la amplitud de oscilaci on).
Por denici on, una medida es tanto m as exacta cuanto menores son los errores sistem ati-
cos.
2. Errores casuales o aleatorios. Como el propio nombre indica, no existe una causa pre-
determinada para este tipo de errores. Son imposibles de controlar y alteran, tanto en un
sentido como en otro (por exceso y por defecto), la medida realizada. Este tipo de errores
se someten a estudios estadsticos. Existen varias fuentes de errores casuales:
El cambio durante el experimento de las condiciones en el entorno, provoca errores
cuya evaluaci on es s olo posible a partir de un estudio estadstico hecho con medidas
repetitivas.
Pr actica 1 Tratamiento de Errores 5
Falta de denici on en la cantidad a medir, lo que provoca valores diferentes en las
distintas medidas realizadas. Por ejemplo, el di ametro de una esfera met alica real no
es una cantidad denida exactamente porque la esfera no es perfecta; si uno mide el
valor de varios di ametros encontrar a valores num ericos diferentes.
Errores de precisi on, debidos a que el aparato de medida tiene una sensibilidad dada.
Se dene la sensibilidad como la unidad m as peque na que puede detectar un aparato
de medida.
Errores de apreciaci on, debidos a posibles defectos (visuales, auditivos, etc.) del
observador, o tambi en a la estimaci on a ojo que se hace de una cierta fracci on de la
m as peque na divisi on de la escala de lectura de los aparatos de medida.
Por denici on, una medida es tanto m as precisa cuanto m as peque nos son los errores
casuales.
1.3. Estimaci on de errores en las medidas.-
La teora de los errores casuales proporciona un m etodo matem atico para calcular con buena
aproximaci on cu anto puede alejarse del valor verdadero, el valor medido experimentalmente pa-
ra una magnitud fsica dada. Debido al car acter aleatorio de los errores casuales, distribuy endo-
se estos al azar por exceso o por defecto, se puede estudiar su inuencia mediante t ecnicas
estadsticas. No ocurre as con los errores sistem aticos, los cuales afectan en un sentido dado
al resultado, sin tener, por tanto, car acter aleatorio. Las normas para estimar errores absolutos
que a continuaci on expondremos s olo sirven para errores casuales, y presuponen que los errores
sistem aticos han sido cuidadosamente evitados. Hablaremos de una medida muy precisa cuan-
do, una vez eliminados gran parte de los errores sistem aticos, consigamos errores casuales muy
peque nos, y esto permitir a escribir el resultado nal con bastantes cifras signicativas.
El objetivo de este apartado es establecer lo que nosotros vamos a denir como resultado expe-
rimental m de una medida y como error absoluto m de la misma. Distinguiremos dos situa-
ciones: medida directa y medida indirecta.
1.3.1. Medida directa de una magnitud fsica.-
El procedimiento no ser a el mismo si se hace una sola medida de la magnitud fsica que si se
hacen varias.
Una sola medida:
En principio, cualquier medida experimental debe ser repetida varias veces. Cuando se observe
que el resultado obtenido es siempre id enticamente el mismo, y s olo en ese caso, estar a justi-
cado el quedarse con una sola medida. Dicha medida m
1
ser a el valor experimental obtenido
para m. Como error absoluto, m, se adoptar a la mitad de la sensibilidad (S/2) del aparato de
medida si este es anal ogico, y la propia sensibilidad (S), si es digital (Sensibilidad (S): es la
Pr actica 1 . Tratamiento de Errores 6
unidad m as peque na que el aparato puede apreciar en la escala utilizada). En cuanto al resulta-
do medido m
1
hay que decir que en el caso de aparatos anal ogicos (con aguja, con diales, con
niveles de mercurio, ...) existe la posibilidad de que la aguja (o cualquier otro mecanismo de
medida) quede en el espacio intermedio entre dos marcas de la escala de medida. En este caso,
puede adoptarse como valor de la medida el de la marca m as cercana a la posici on de la aguja,
o bien, si se preere, cuanticar a ojo esa fracci on de unidad que no aparece ya en la escala.
Con los aparatos digitales no puede darse esta posibilidad. Resumiendo, en los casos en que se
realice una sola medida de valor m
1
, nuestro resultado ser a:
m
1
(S/2) anal ogicos (3)
m
1
(S) digitales (4)
Ejemplos: Supongamos que un ampermetro anal ogico (medidor de intensidad de corriente) tiene una
escala de lectura que aprecia hasta d ecimas de amperio (sensibilidad: S = 0,1A), y al hacer una medida
la aguja se queda a la mitad de camino entre 0.6 A y 0.7 A. En ese caso, se podr a tomar como valor
experimental m
1
= 0,65A y como error absoluto 0,1/2 = 0,05A. Se dir a que la intensidad de corrien-
te es de 0,65(0,05)A.. Supongamos que un cron ometro digital que mide hasta mil esimas de segundo
(sensibilidad: S = 1 ms.) estima el perodo de oscilaci on de un p endulo en 882 milisegundos; entonces
m
1
= 882 ms. y el error absoluto 1 ms., y el resultado se dar a como 882(1)ms.
Varias medidas:
Analicemos ahora la situaci on m as habitual que corresponde al caso en que se realizan varias
medidas de una magnitud fsica. La caracterizaci on de los errores casuales se hace en este
caso mediante la ayuda de la Estadstica. La losofa del m etodo parte del hecho de que el
valor exacto de la magnitud es inaccesible, y el proceso de medida es un proceso aleatorio que
viene gobernado por una distribuci on de probabilidad normal o gaussiana cuya representaci on
gr aca (campana de Gauss) es
La forma funcional de esta distribuci on es
P(x) =
1

2
exp
_
(x )
2
2
2
_
(5)
Pr actica 1 . Tratamiento de Errores 7
Obs ervese que x = es el valor m as probable al realizar una medida ya que para ese valor
la distribuci on de probabilidad presenta un m aximo. El par ametro nos da una medida de la
anchura de la campana. La probabilidad de que al realizar una medida obtengamos un valor
comprendido en un intervalo cualquiera viene dada por el area que hay bajo la curva gaussiana
en ese intervalo. As, por ejemplo, la probabilidad de que el valor de una medida caiga den-
tro del intervalo es del 68,30 %, dentro del intervalo 2 es del 95,45 %, y dentro del
intervalo 3 es del 99,73 %. El area total bajo la campana es l ogicamente 1, ya que la proba-
bilidad de encontrar el valor de una medida entre y +es del 100 %. La justicaci on del
estudio estadstico radica en la suposici on de que el valor m as probable del proceso aleatorio
coincide precisamente con el valor verdadero de la magnitud fsica, y por ello nuestro objetivo
ser a determinar con la mayor precisi on posible el valor de , y asimismo dar una expresi on
para el margen de error en nuestra estimaci on de . Obs ervese que si los errores sistem aticos
(de car acter no aleatorio) no hubiesen sido previamente eliminados, no coincidiran y el valor
verdadero de la magnitud fsica.
Para determinar con exactitud habra que hacer innitas medidas. Sin embargo, en el laborato-
rio realizaremos un n umero nito n de medidas que nos dar an los valores m
1
, m
2
, m
3
, . . . , m
n
.
Sobre ese conjunto nito de medidas, la Estadstica nos permite denir y calcular una serie de
estadsticos (ciertas cantidades de inter es estadstico), a saber:
Valor medio o media aritm etica de los n valores m
i
(i = 1, . . . , n):
m =
1
n
n

i=1
m
i
(6)
Desviaci on de la medida m
i
respecto de la media:
h
i
= m
i
m (7)
Tambi en se puede hacer una extensi on del concepto a desviaci on respecto de un par ametro
a cualquiera:
h
i,a
= m
i
a (8)
Una propiedad interesante que tiene el valor medio que lo hace ser muy representativo de
un conjunto de medidas es precisamente el ser el par ametro respecto del cual es mnima
la suma de los cuadrados de las desviaciones, es decir, matem aticamente:
_
d (

n
i=1
(h
i,a
)
2
)
da
_
a=m
= 0 ;
_
d
2
(

n
i=1
(h
i,a
)
2
)
da
2
_
a=m
> 0 (9)
Error cuadr atico medio o desviaci on tpica de las n medidas:
s =

n
i=1
h
2
i
n 1
(10)
El valor de s nos da una idea de la dispersi on de las medidas m
i
respecto de la media m.
Pr actica 1 . Tratamiento de Errores 8
Error cuadr atico de la media o desviaci on est andar de las n medidas:
s
m
=
s

n
=

n
i=1
h
2
i
n(n 1)
(11)
El valor de s
m
es muy importante porque nos informa de c omo de parecido es el valor
medio m de nuestras n medidas al valor mas probable del proceso aleatorio global
(recu erdese nuestra hip otesis de partida de que es a todos los efectos el valor verda-
dero de la magnitud fsica). De hecho, puede demostrarse que la probabilidad de que m
est e dentro del intervalo 3s
m
es del 99,73 % (distribuci on gaussiana de los valores
medios).
Como conclusi on podemos decir que m nos da una estimaci on de , y que cuanto menor sea
la desviaci on est andar s
m
tanto m as se parece realmente m a . Evidentemente, la desviaci on
est andar decrece a medida que el n umero n de medidas es mayor. Hay que se nalar que muchas
de las consideraciones estadsticas que se han hecho s olo son estrictamente ciertas cuando n
es grande (por ejemplo, n > 30). No obstante, nosotros nos conformaremos con un n umero
inferior de medidas, por ejemplo, 10.
Como consecuencia de todo esto, nuestra forma de proceder ser a la siguiente: se realizar a un
cierto n umero (por ejemplo, 10) de medidas de una magnitud fsica, se calcular a el valor medio
y la desviaci on est andar de todas ellas mediante las ecuaciones (6) y (11), se considerar a como
valor experimental m el valor medio y como error absoluto el triple de la desviaci on est andar.
Es decir, daremos como resultado nal:
m(3s
m
) (12)
Ejemplo: Supongamos que se desea medir con un cron ometro digital que mide hasta milisegundos el
perodo de un p endulo. Se realizan 10 medidas de dicho perodo, y se obtienen los siguientes valores
en milisegundos (ms): 902, 850, 915, 930, 888, 875, 889, 902, 902 y 890. A continuaci on, se procede
a calcular el valor medio mediante (6) obteni endose 894,3 ms, y la desviaci on est andar mediante (11)
obteni endose 6,9 ms. Tomamos como valor experimental el valor medio y como error absoluto el triple
de la desviaci on est andar. El resultado se expresara como 894(21) ms, donde se han hecho ciertos
redondeos de acuerdo con las normas que daremos m as adelante en lo que concierne a presentaci on de
resultados.
En algunas ocasiones puede ocurrir que una medida suelta est e especialmente alejada de todas
las dem as, en ese caso puede descartarse dicha medida y sustituirse por una nueva, ya que lo
m as probable es que se haya tomado mal esa lectura concreta. Estas medidas incorrectas dan
lugar a los denominados puntos experimentales err oneos, los cuales deben ser indicados en las
representaciones gr acas. Como norma, si la desviaci on de una medida dudosa, h
i
= m
i
m,
es mayor o igual que cuatro veces la desviaci on promedio, se puede rechazar la medida dudosa.
Cuando se observa una fuerte dispersi on en las medidas tomadas para una magnitud dada, se
puede aumentar el n umero de medidas para as reducir la desviaci on est andar.
Pr actica 1 Tratamiento de Errores 9
1.3.2. Medida indirecta de una magnitud fsica.-
Cuando se utiliza una f ormula para calcular el valor de una magnitud fsica a partir de otras
magnitudes que se han medido directamente y de constantes fsicas, decimos que estamos ha-
ciendo una medida indirecta. Es de suma importancia para este caso saber c omo se propagan los
errores de las magnitudes medidas directamente hacia la que se est a obteniendo indirectamen-
te. Dicho de otra forma, hay que ser capaces de dar una expresi on para el error absoluto de la
magnitud medida indirectamente en funci on de los errores absolutos de las magnitudes medidas
directamente. El tratamiento riguroso de la teora de propagaci on de errores se fundamenta en
el c alculo diferencial. En algunas ocasiones, una magnitud fsica es medida indirectamente a
partir de otra unica magnitud (funci on de una sola variable), pero, en general, es medida a partir
de varias magnitudes cada una de las cuales viene afectada por un margen de error (funci on de
varias variables).
Funci on de una sola variable:
La primera situaci on que nos podemos encontrar es el caso de una magnitud y que va a ser
medida indirectamente mediante una f ormula a partir de otra unica magnitud x que ha sido
medida directamente y que tiene un error absoluto x:
y = f(x) (13)
Como valor experimental de y adoptaremos el que resulta de evaluar (13) para el valor experi-
mental de x. Por otra parte, el c alculo diferencial nos asegura que siempre que el error no sea
demasiado grande y podamos aproximar x dx, podemos obtener de forma aproximada el
error absoluto en y como sigue:
y =

df(x)
dx

x (14)
donde se supone supone que y dy y estando la derivada que aparece evaluada en el valor
experimental de x. Hay que destacar que (14) es v alida tanto si el valor experimental de x y su
error absoluto x fueron calculados por procedimientos estadsticos (ecuaci on (12)) como si
fueron calculados por procedimientos no estadsticos (ecuaciones (3) y (4)). En consecuencia,
el resultado para y con su error vendr a dado como:
y (y) = f(x)
_

df(x)
dx

x
_
. (15)
Como caso particular de inter es, el estudio anterior conduce a que el error relativo en una mag-
nitud indirecta es el mismo que el de la magnitud medida directamente en el caso en que ambas
magnitudes sean directa o inversamente proporcionales. As si y = ax o y = a/x siendo a una
constante (sin error), partiendo (14), tras realizar la correspondiente en derivada y dividiendo
ambos miembros por y, se tiene
Si y = ax o y =
a
x

y
y
=
x
x
. (16)
Un problema que puede surgir (en casos excepcionales) cuando se utiliza (14) para el c alculo
del error absoluto de una medida indirecta es que
df
dx
sea cero para el valor experimental de
Pr actica 1 . Tratamiento de Errores 10
x. Aparentemente, esto nos llevara a que y = 0, pero esto no es cierto. Hay que tener en
cuenta que (14) es lo que se denomina una aproximaci on de primer orden del error. En el caso
comentado habra que recurrir a la aproximaci on de segundo orden: y = |d
2
f/dx
2
|x
2
que
evidentemente nos dara un error muy peque no pero distinto de cero.
Funci on de varias variables:
Consideremos ahora el caso de que en la f ormula de la magnitud indirecta y aparezcan varias
magnitudes medidas directamente, por ejemplo:
y = f(x, z, t) (17)
De nuevo, se toma como valor experimental de y el que resulte de evaluar (17) para los valores
experimentales de x, z y t. En cuanto al error absoluto de y, hay que distinguir ahora entre la
posibilidad de que todas las magnitudes medidas directamente lo hayan sido mediante procedi-
mientos estadsticos y la posibilidad de que una o varias de ellas hayan sido medidas mediante
procedimientos no estadsticos.
Todas las variables obtenidas por procedimientos estadsticos
En el supuesto de que todas las variables hayan sido medidas mediante procedimientos
estadsticos (ecuaci on (12) o rectas de mnimos cuadrados), se puede demostrar que la
desviaci on est andar asociada a y viene dada en funci on de las desviaciones est andar de
sus variables por:
s
y
=

_
f
x
_
2
s
2
x
+
_
f
z
_
2
s
2
z
+
_
f
t
_
2
s
2
t
(18)
donde f/x es la derivada parcial de la funci on f con respecto a x, y as sucesivamente.
Todas las derivadas parciales se eval uan en los valores experimentales de x, z y t.
Por tanto, en esta situaci on particular escribiremos como resultado:
f(x, z, t)(3s
y
) (19)
Alguna (o todas) las variables procedentes de una sola medida
En estos casos usaremos como error absoluto en las variables que proceden de una sola
medida el relacionado con la sensibilidad S del aparato utilizado, de acuerdo con (3)
y (4), y como error absoluto para las variables estadsticas el triple de su desviaci on
est andar, de acuerdo con (12). Una vez asignados los errores absolutos, nuevamente el
c alculo diferencial (de funciones de varias variables en este caso) nos permite obtener
una aproximaci on para el error absoluto y en funci on de los errores absolutos de las
variables directas:
y =

f
x

x +

f
z

z +

f
t

t (20)
y como resultado escribiremos como resultado:
f(x, z, t) (y) . (21)
Pr actica 1 Tratamiento de Errores 11
En el supuesto de que aparezcan constantes fsicas en la f ormula, se elegir an con un
n umero suciente de decimales para que su precisi on sea tal que podamos suponer que
su error absoluto sea cero.
Como ejemplo de especial inter es, el estudio anterior conduce a que el error relativo
en una magnitud indirecta, z, obtenida como cociente o producto de dos magnitudes de
medida directa (no estadsticas), x e z, tiene como error relativo la suma de los errores
relativos de las dos variables directas. As si y = axz o y = ax/z, donde a es una
constante sin error, tras realizar la derivadas parciales y dividiendo ambos miembros por
y en (20) se tiene
y
y
=
x
x
+
z
z
Si y = axz o y =
ax
z
. (22)
Finalmente, como caso m as trivial pero de inter es, si la magnitud indirecta se obtiene
como suma de las magnitudes directas, y = x + z + t, la ecuaci on (20) nos indica que el
error absoluto ser a la suma de los errores absolutos, y = x + z + t.
En denitiva, para medidas indirectas de una magnitud se tomar a como valor experimental
de la misma el que resulte de evaluar la f ormula para los valores experimentales previamente
obtenidos de cada una de sus variables, y como error absoluto el que corresponda seg un los
casos de (14), (18) o (20).
Ejemplo: Supongamos que se ha medido una magnitud fsica x obteni endose un valor experimental
0,442(0,003) y que tenemos inter es en medir indirectamente otra magnitud fsica que es precisamente
y = x
2
. En primer lugar, el valor experimental de y es y = (0,442)
2
= 0,195. El error absoluto de y se
calcula de acuerdo con (15): y = |2x|x = 2 0,442 0,003 = 0,003. Por tanto, el valor experimental
de y es 0,195(0,003).
Ejemplo: Supongamos que se ha medido de forma directa la tensi on e intensidad en una resistencia
obteni endose V = 10,0(0,1) V e I = 2,50(0,05) A. Determinaremos el valor de R = V/I (ley de
Ohm) con su error. Dado que se trata de un cociente, el error relativo en R ser a la suma de los errores
relativos en V e I (v ease (22). Luego
R
R
=
0,1
10
+
0,05
2,50
= 0,03 (23)
por tanto
R =
10,0
2,50
_
0,03
10,0
2,50
_
= 4,00(0,12) (24)
Ejemplo: Se han medido mediante procedimientos estadsticos la longitud L de un p endulo obteni endose
1,453(0,001)m y para el periodo T del mismo 2,42(0,01)s, y se desea calcular la aceleraci on de la
gravedad g a partir de la f ormula aproximada
g =
4
2
L
T
2
. (25)
Pr actica 1 Tratamiento de Errores 12
En primer lugar, se estima el valor experimental indirecto de g sustituyendo en (25) los valores experi-
mentales de L y T:
g =
4 (3,1416)
2
1,453
(2,42)
2
= 9,79 ms
2
. (26)
A continuaci on, hay que evaluar el error absoluto de g. Dado que L y T fueron obtenidas por proce-
dimientos estadsticos usaremos (18). Los valores de las desviaciones est andar son conocidos y est an
implcitos en los errores absolutos que se han dado (recu erdese que m = 3s
m
), por tanto:
s
L
=
L
3
=
0,001
3
= 0,0003m s
T
=
T
3
=
0,01
3
= 0,003s. (27)
y aplicando (18):
s
g
=

_
4
2
T
2
_
2
(0,0003)
2
+
_
4
2
L
2
T
3
_
2
(0,003)
2
(28)
y sustituyendo los valores de L y T se obtiene s
g
= 0,024ms
2
. En consecuencia, g = 3s
g
=
0,07 ms
2
, y el resultado de la medida indirecta de g es 9,79(0,07) ms
2
.
Como nota nal, puede comprobarse que no es necesario tomar m as cifras de la constante para poder
considerarla como una constante sin error, ya que si se tomasen m as cifras el resultado nal de g s olo se
vera afectado en cifras no signicativas (por debajo del margen de error).
Ejemplo: Supongamos que nuevamente deseamos obtener el valor de la gravedad de acuerdo con (25),
habiendo sido en este caso L y/o T obtenidas mediante una sola medida. En este caso, tras asignar los
errores absolutos, seg un corresponda (a partir de la sensibilidad S o de la desviaci on est andar, depen-
diendo de c omo se obtuvo la medida), aplicando (20) se obtiene:
g =

g
L

L +

g
T

T =
4
2
T
2
L + 4
2
L
2
T
3
T (29)
y sustituyendo los valores de L, T, L y T del ejemplo anterior, se obtiene g = 0,09 ms2. Por
tanto, el resultado de la medida indirecta de g en este segundo caso es 9,79(0,09) ms
2
.
1.4. Presentaci on de resultados num ericos.-
Cualquier valor experimental m de una magnitud fsica debe expresarse con un determinado
n umero de cifras, que viene limitado por el valor del error absoluto. El n umero de cifras que
hay desde la primera cifra distinta de cero empezando por la izquierda hasta la primera cifra que
venga afectada por el error absoluto, ambas inclusive, es el n umero de cifras signicativas (N
s
)
del resultado. Es evidente que no tiene sentido escribir cifras no signicativas de un resultado.
Adem as, el convenio de s olo escribir las cifras signicativas de un resultado nos hace tener
informaci on inmediata sobre su error absoluto por el mero hecho de verlo escrito.
Ejemplo: Si nos dicen que la longitud de un cuerpo es de 14,7 m sabemos que se ha medido con una
precisi on de decmetros y que, por ello, nos dan 3 cifras signicativas. Si la precisi on de la medida
hubiese sido de centmetros, entonces nos habran dicho 14,70 m (4 cifras signicativas).
Pr actica 1 Tratamiento de Errores 13
El expresar un resultado en una u otra unidad no cambia su n umero de cifras signicativas.
Por eso, los ceros a la izquierda de un n umero no son cifras signicativas y s olo se utilizan
para situar el lugar decimal. Los ceros a la izquierda pueden evitarse usando notaci on cientca
(potencias de 10).
Ejemplo: Decir que una masa es de 2.342 g. o decir que es de 0.002342 kg., no cambia el n umero de
cifras signicativas que en ambos casos es N
s
= 4. En notaci on cientca se escribira 2,342 10
3
Kg.
Los ceros al nal de una medida pueden ser o no ser cifras signicativas.
Ejemplo: Si nos dicen que en Espa na hay 40000000 de personas puede que los haya exactamente, en
cuyo caso el cuatro y todos los ceros son cifras signicativas, o puede que se haya redondeado a un
n umero entero de millones, en cuyo caso s olo el cuatro y el primer cero son cifras signicativas. Para
esta ultima situaci on, lo m as aconsejable para evitar ambig uedades sera entonces haber escrito 40 10
6
o 40 millones.
Cuando se hace una medida tanto directa como indirectamente puede que se obtenga el resultado
con m as cifras de las signicativas. De acuerdo a los antes expuesto, ser a el error absoluto de
la medida el que nos determine las cifras signicativas con que debemos presentar el resultado.
As, tras obtener el error absoluto, ser a necesario llevar a cabo un redondeo en el valor de la
medida para conservar s olo cifras signicativas. A este n, utilizaremos la t ecnica de redondeo.
En concreto, supongamos que el error nos indica que debemos conservar cifras hasta una dada;
si la cifra siguiente a ella es cinco o mayor que cinco, entonces debemos aumentarla en una
unidad, pero si es menor que cinco, entonces no se modica la ultima cifra conservada.
Finalmente, hay que especicar c omo se aplica el redondeo a la propia expresi on del error
absoluto. Debido al signicado de incertidumbre en el resultado que se asocia al error absoluto,
este mismo no debe expresarse nunca con m as de dos cifras. Por convenio, el error absoluto se
expresar a con dos cifras si la primera de ellas es un 1, o, si siendo un 2, no llega a 5 la segunda.
En los dem as casos, el error absoluto deber a expresarse con una sola cifra obtenida mediante
redondeo.
Ejemplos: Veamos algunos casos de resultados expresados correcta e incorrectamente.
INCORRECTO CORRECTO
5,619(0,126) 5,62(0,13)
8,4(0,06) 8,40(0,06)
345,233(0,18) 345,23(0,18)
2,023(0,0261) 2,02(0,03)
Pr actica 1 Tratamiento de Errores 14
Aunque la determinaci on precisa del error y, por tanto, del n umero de cifras signicativas en
una magnitud calculada a partir de otras magnitudes debe llevarse a cabo mediante la t ecnica
de transmisi on de errores 0.3.2, podemos no obstante estimar el n umero de cifras signicativas
en algunos casos sin necesidad de obtener previamente el error. As, en c alculos que implican
multiplicaci on, divisi on y extracci on de races de n umeros, el resultado nal no puede tener
m as cifras signicativas que los datos con menor n umero de ellas. En c alculos de sumas y restas
de n umeros, el resultado nal no tiene m as cifras signicativas despu es de la coma decimal
que las de los datos con menor n umero de ellas despu es de la coma decimal. En el caso de
restas entre n umeros muy parecidos suele ocurrir que el resultado tiene muchas menos cifras
signicativas que cada uno de ellos.
Ejemplo: Tras medir los tres lados de un paraleleppedo se han obtenido los siguientes resultados:
a = 12,3 (0,1) cm, b = 8,5 (0,1) cm y c = 0,3 (0,1) cm. Deseamos estimar el n umero de cifras
signicativas para su volumen obtenido como V = abc. De acuerdo con lo expuesto, el resultado nal
del volumen tendr a s olo una cifra signicativa, ya que la medida con menos cifras signicativas, c, posee
una sola. Podemos vericar que lo anterior es cierto calculando el posible valor m aximo y mnimo para
el volumen: V
mn.
= (12,2)(8,4)(0,2) = 20,496 cm
3
y V
m ax
= (12,4)(8,6)(0,4) = 42,656 cm
3
. Como es
posible comprobar, la primera cifra del volumen es distinta en cada caso, luego est a afectada de error (es
incierta), y por lo tanto el resultado deber a redondearse a una sola cifra: V = (12,3)(8,5)(0,3) = 31, 365
cm
3
que tras el redondeo resulta a una cifra queda V = 0,00003 m
3
o V = 3 10
5
m
3
.
Cuando aparezcan constantes en las expresiones a evaluar, tomaremos dichas constantes con un n umero
mayor o, al menos, igual de cifras signicativas que el que corresponda a la medida con m as cifras signi-
cativas. De esta forma evitamos que las constantes introduzcan errores adicionales (podemos entonces
considerarlas como exactas).
Ejemplo: Se quiere calcular el volumen de un cilindro recto de radio r y altura h, siendo r = 4,5(0,1)
cm y h = 55,7(0,1) cm. El volumen es r
2
h. La constante debe tomarse como mnimo con 3 cifras
signicativas para no ser causa de errores adicionales. El volumen se obtiene con dos cifras signicativas,
al igual que la medida con menos cifras signicativas, r.
La importancia de conocer los errores absolutos de las medidas de las magnitudes fsicas a la
hora de obtener conclusiones cientcas queda de maniesto con el siguiente ejemplo.
Ejemplo: Supongamos que se desea determinar si la temperatura T tiene alg un efecto sobre la resistencia
el ectrica de una bobina de alambre de cobre. Se miden dos valores de la resistencia R para dos tempera-
turas distintas y se obtiene:
T
1
= 20
o
C R
1
= 4,024
T
2
= 30
o
C R
2
= 4,030
Sin los errores absolutos para cada valor de la resistencia no podemos sacar conclusiones cientcas. Si
el error de cada medida es de 0.002, entonces podemos concluir que la resistencia el ectrica aumenta con
la temperatura T. En cambio, si el error fuese de 0,008 entonces no tenemos bases para llegar a la misma
conclusi on.
Pr actica 0. Tratamiento de Errores 15
0.1. Recta de mnimos cuadrados.-
El problema de la ciencia experimental no se reduce a medir ciertas magnitudes con la m axima
precisi on posible, sino que es, fundamentalmente, buscar una ley cuantitativa entre dos o m as
magnitudes que est an variando en manera correlacionada.
Supongamos que el fen omeno que se quiere estudiar dependa de dos magnitudes x e y. La ley
que gobierna el fen omeno relaciona una magnitud x con la otra y de tal manera que durante
una serie de experiencias se determinan los valores de una de ellas (y) que corresponden a los
distintos valores de la otra (x). Si se han hecho n pares de medidas:
(x
1
, y
1
), (x
2
, y
2
), . . . , (x
n
, y
n
) , (30)
nos preguntamos si es posible conocer la relaci on funcional entre las magnitudes x e y. Dicha
relaci on puede ser formulada, diciendo que una de ellas es funci on de la otra:
y = y(x) . (31)
En otros t erminos, se pretende encontrar la curva de mejor ajuste para el conjunto de valores
experimentales (30). El problema as formulado es muy complicado debido al hecho de que
existen innitas funciones a las que pertenecen los n puntos dados en (30). No obstante, en la
pr actica, el problema al que nos enfrentamos es de naturaleza m as simple, ya que la forma de
la funci on y(x) es casi siempre conocida de antemano, de acuerdo con una determinada teora
o modelo. Por tanto, en primer lugar, elegiramos el tipo de comportamiento funcional que
convenga a nuestro problema. Por ejemplo, podra ser alguno de los siguientes, dependiendo
del fen omeno estudiado:
y = ax + b , y = b + a/x , y = ax
2
+bx +c , y = ae
bx
, . . . (32)
Una vez elegida la forma de y(x) adecuada, s olo quedara determinar los valores de los par ame-
tros a, b, c, etc. que aparezcan en y(x), de forma que la funci on se ajuste lo mejor posible con
la nube de puntos experimentales.
Aunque el concepto de mejor ajuste no es unvoco, esto es, pude haber diferentes criterios sobre
qu e considerar como mejor ajuste, elegiremos el denominado ajuste de acuerdo al m etodo de
los mnimos cuadrados. A continuaci on, explicaremos esta t ecnica para el caso de dependencia
lineal, y(x) = ax + b. Es decir, vamos a denir la recta de mejor ajuste en el sentido de
mnimos cuadrados, tambi en denominada recta de regresi on. Las ideas b asicas de la t ecnica
que desarrollaremos pueden ser utilizadas para ajustar por mnimos cuadrados cualquier otro
tipo de funci on. En cualquier caso, el ajuste tipo recta de mnimos cuadrados ser a el unico que
empleemos en las pr acticas que llevaremos a cabo durante el curso.
Supongamos, pues, que la funci on elegida para el ajuste sea una recta:
y = ax + b , (33)
donde a sera la pendiente y b la ordenada en el origen. El objetivo ser a determinar a y b para
que (33) sea la recta que mejor se ajuste a la colecci on de datos experimentales (30) seg un el
criterio que veremos a continuaci on. Comenzaremos por denir el residuo de cada punto de
(30) con respecto a la recta (33) como la cantidad:
r
i
= y
i
y(x
i
) = y
i
(ax
i
+ b) (i = 1, . . . , n) , (34)
Pr actica 1 Tratamiento de Errores 16
cantidad que puede ser positiva o negativa seg un el punto experimental (x
i
, y
i
) en cuesti on
est e por encima o por debajo, respectivamente, de la recta. En el caso particular de que el punto
estuviese sobre la propia recta su residuo sera nulo.
En principio el valor de los residuos depender a de la recta elegida (determinada por los valores
concretos elegidos para a y b). El criterio de ajuste por mnimos cuadrados que utilizaremos
consistir a en elegir la recta de forma que la suma de los cuadrados de los residuos sea mnima.
Esto es, hemos de determinar a y b de forma que
n

i=1
r
2
i
=
n

i=1
(y
i
ax
i
b)
2
(35)
sea mnima. La suma anterior puede verse como una funci on de dos variables,

n
i=1
r
2
i
=
f(a, b), ya que, para un conjunto dado de datos experimentales, el resultado de dicha suma
depender a s olo de los valores elegidos de a y b, que act uan ahora como variables de la funci on.
En este sentido, para determinar los valores de a y b que hacen mnima a f(a, b) puede utilizarse
la t ecnica de c alculo de m aximos y mnimos de funciones de varias variables. As, exigiendo que
las derivadas parciales de la funci on f(a, b) con respecto a los variables a y b, esto es (f/a)
y (f/b), sean nulas se obtiene nalmente:
a =
nC DE
nF D
2
b =
FE DC
nF D
2
(36)
siendo:
C =
n

i=1
x
i
y
i
; D =
n

i=1
x
i
; E =
n

i=1
y
i
; F =
n

i=1
x
2
i
. (37)
Puede demostrarse que la recta de mnimos cuadrados tiene la propiedad de que pasa por el
punto medio de los valores experimentales (x, y).
La pendiente a y la ordenada en el origen b de la recta de mnimos cuadrados son en muchas
ocasiones magnitudes fsicas que se quieren medir. Por ello, es importante establecer qu e error
absoluto vamos a considerar para dichos par ametros as calculados. Se puede demostrar que la
desviaci on est andar de a y b viene dada por:
s
a
=

n
i=1
r
2
i
(n 2)(nF D
2
)
(38)
s
b
=

n
i=1
r
2
i
(n 2)(nF D
2
)
(39)
Por tanto, como vimos en su momento (12), tomaremos como error absoluto de la pendiente
y de la ordenada en el origen de una recta de mnimos cuadrados al triple de sus desviaciones
est andar respectivas:
a(3s
a
) (40)
b(3s
b
) (41)
Conviene se nalar que, en algunas ocasiones, esta banda de error para a y para b resulta ser
excesiva, resultando aparentemente imposible seleccionar ni siquiera una sola cifra signicativa
Pr actica 1 Tratamiento de Errores 17
de los resultados. Cuando ello ocurra, es aceptable adoptar un criterio de error m as suave (por
ejemplo, las propias desviaciones est andar en lugar del triple de las mismas).
La recta de regresi on obtenida nos permitir a, si lo deseamos, estimar el valor de la magnitud y
para valores de x distintos a los inicialmente medidos. Se puede demostrar el valor obtenido,
y
o
, utilizando la recta de regresi on para un cierto valor, x
o
(no medido), viene afectado por una
desviaci on est andar:
s
y
o
=

n
i=1
r
2
i
(n 2)
_
D 2x
o
D + nx
o
nF D
2
_
, (42)
y como error absoluto del valor de y
o
estimado adoptaremos el triple de su desviaci on est andar:
y(3s
y
o
) . (43)
Existe un par ametro muy importante denominado coeciente de correlaci on lineal r de las va-
riables x e y, que nos permite determinar la bondad del ajuste de la recta de mnimos cuadrados.
Una de las formas de expresarlo es:
r =
nC DE
_
(nF D
2
)(nGE
2
)
(44)
siendo G =

n
i=1
y
2
i
. El coeciente de correlaci on puede ser positivo o negativo y su valor
absoluto, |r|, vara entre 0 y 1; el ajuste es tanto mejor cuanto m as pr oximo est e |r| de la unidad.
Un valor de |r| pr oximo a cero indica que no hay mucha correlaci on lineal entre los datos, y
que posiblemente haya que buscar una correlaci on m as complicada (es decir, la nube de puntos
experimentales se ajustara mejor con una funci on distinta de una recta).
Muchas calculadoras as como programas para representaci on gr aca de funciones traen in-
corporadas como utilidad estadstica el c alculo de rectas de regresi on, proporcionando todos
los par ametros del ajuste para los pares de valores (x
i
, y
i
) que se utilicen como datos.
Finalmente, cabe indicar que el estudio anterior llevado a cabo para la recta de mejor ajuste,
tiene un doble inter es: por un lado, la dependencia tipo recta es muy frecuente entre magnitudes
fsicas y, por otro lado, muchas otras dependencias m as complicadas pueden reducirse a una
dependencia tipo recta mediante un cambio de variables adecuado. A continuaci on se exponen
algunos ejemplos
funci on inicial cambio forma lineal
y = ax
2
x
2
= z y = az
y = a

x

x = z y = az
y = Aexp(x) ln(y) = z ; ln(A) = b z = x +b
y = Ax
n
ln(y) = z ; ln(A) = b; ln(x) = t z = b +nt
1.6. Realizaci on de gr acas.-
Las representaciones gr acas son una herramienta imprescindible para la fsica experimental.
Con el n de que la gr acas aporten toda la informaci on necesaria de la forma m as adecuada
deben seguirse ciertas normas de car acter general:
Pr actica 1 Tratamiento de Errores 18
Las gr acas podr an realizarse manualmente o bien haciendo uso de alg un software gr a-
co. Caso de hacerse manualmente deber a utilizarse papel milimetrado.
Los datos experimentales siempre deben aparecer ntidamente en la gr aca. Se presenta-
ran como un conjunto de puntos. En este sentido, no deben unirse dichos puntos entre
s mediante segmentos formando una extra na lnea quebrada (debe controlarse esta opci on
en los programas de software gr aco).
la recta de regresi on se dibujar a sobre la nube de puntos experimentales en una unica
gr aca.
Los intervalos de valores considerados en los ejes deben ser tales que la recta represen-
tada se visualice convenientemente en la gr aca ocupando la mayor area posible y no
aparezca concentrada en una fracci on de ella (es decir, evitar que la gr aca quede en una
esquina y el resto de papel vaco).
Debe especicarse siempre sobre los ejes horizontal y vertical cu ales son las magnitudes
all representadas, as como las unidades fsicas a que corresponden.
1.7. Memorias de las pr acticas.-
La realizaci on de un trabajo experimental en el laboratorio ir a siempre acompa nada de la pos-
terior presentaci on de una Memoria de la Pr actica. Cada pareja de pr acticas presentar a una
Memoria de cada Pr actica realizada.
La presentaci on de las Memorias deber a estar dentro de los m argenes de claridad y limpieza
exigibles a un alumno de ense nanzas superiores. La utilizaci on de ordenadores e impresoras
para la elaboraci on de las Memorias es la opci on m as recomendable, no obstante, pueden
realizarse manualmente si el alumno no dispusiese de medios adecuados. La presentaci on ex-
tremadamente cuidada ser a un factor positivo a tener en cuenta, pero en ning un caso la excusa
para descuidar el contenido escrito de las Memorias.
Un esquema general (aunque exible) del contenido de una Memoria es el que sigue:
1. Una primera p agina con ttulo, autores y fecha de realizaci on de la Pr actica en el labora-
torio.
2. Una breve introducci on para marcar los objetivos de la Pr actica.
3. Una descripci on del montaje experimental utilizado en el laboratorio: aparatos, t ecnicas
de medida, etc.
4. Presentaci on de resultados: tablas, gr acas, etc. Los resultados deber an venir acompa nados
de sus correspondientes errores, cuando as se especique. No olvidar nunca presentar los
resultados con sus unidades correspondiente, en otro caso careceran de signicado.
5. Interpretaci on de los resultados y conclusiones. Comentarios sobre cualquier aspecto del
trabajo experimental, detalles acerca del desarrollo del experimento, posibles fuentes de
errores sistem aticos no eliminadas, sugerencias, etc.
Pr actica 1 Tratamiento de Errores 19
6. Un ultimo punto que se debe a nadir a la pr actica y de fundamental importancia concierne
a la confrontaci on de los resultados obtenidos mediante las rectas de mnimos cuadrados
con los resultados predichos por la teora correspondiente. Una memoria de pr acticas sin
estos comentarios se considerar a incompleta y se puntuar a en consecuencia.
Pr actica 1 . Tratamiento de Errores 20
RESUMEN: Estimaci on de Errores en las Medidas
1. Medidas directas
a) Una unica medida
Valor verdadero: el medido, m
Error cometido: Aparatos anal ogicos, la sensibilidad S del aparato mS.
En aparatos digitales, S/2 mS/2.
b) Varias medidas
Valor verdadero: el valor medio, m
Error cometido: El triple de la desviaci on standard media, s
m
m3s
m
.
2. Medidas Indirectas: y = f(x, z, t, . . .)
a) Medidas obtenidas de una sola medici on
Valor experimental de y: el que resulta de evaluar la funci on y para los valores
obtenidos directamente de x, z, t, . . .
Error cometido: aproximamos mediante t ecnicas de c alculo diferencial
dy = y =
_
f
x
_
x +
_
f
z
_
z +
_
f
t
_
t + ,
los x, z, t, . . . se obtendr an de las sensibilidades de los aparatos de medi-
das.
b) Medidas obtenidas por t ecnicas estadsticas
Valor verdadero:
x x 3s
x
z z 3s
z
t

t 3s
t
y por tanto valor experimental y = f( x, z,

t, . . .).
Error absoluto cometido en y, s
y
, se obtiene de t ecnicas estadsticas:
s
y
=

_
f
x
_
2
s
2
x
+
_
f
z
_
2
s
2
z
+
_
f
t
_
2
s
2
t
3. Recta de Mnimos Cuadrados: y = ax + b
Error cometido en a y b, es suciente con a s
a
, b s
b
.
Buen ajuste si valor absoluto coeciente de correlaci on, |r|, pr oximo a la unidad.