PRACTICA 2

MEDICIONES Y ANÁLISIS ESTADÍSTICO DE DATOS

OBJETIVO GENERAL
Analizar el proceso de medición para expresar las medidas directas en forma correcta.

OBJETIVOS ESPECÍFICOS
♦ Conocer los conceptos de medición, patrón, error, incertidumbre, exactitud y precisión.
♦ Efectuar mediciones de longitud, masa y tiempo
♦ Obtener la incertidumbre asociada a cada medición
♦ Expresar los resultados de las mediciones empleando cifras significativas
♦ Mostrar mediante la construcción de gráficas, la distribución estadística de las mediciones realizadas.
♦ Determinar la media aritmética, el error absoluto y el error relativo de las mediciones, asi como la desviación estándar
de ellas.
♦ Analizar y discutir las posibles causas de error

INTRODUCCIÓN TEÓRICA
La experimentación tiene una definición muy amplia, se entiende como el proceso completo de identificar una porción del
mundo que nos rodea, obtener información de ella e interpretarla.
Los sistemas que se estudiarán son sencillos y comprensibles, la práctica con ellos preparará el terreno para el trabajo real
con sistemas importantes y complicados. Se debe ser cuidadoso con estos sistemas sencillos, porque se obtendría un
beneficio muy limitado si el trabajo se limita a conjuntos de instrucciones que digan como hacer experimentos particulares.
Se tratará de identificar los principios generales de la experimentación.
La observación directa de los procesos naturales nos permite llegar a determinaciones puramente cualitativas que dependen
de cada persona y en consecuencia son subjetivas. Al aumentar la capacidad de nuestros sentidos por medio de
instrumentos, la observación se amplia y se profundiza, lo cual permite advertir mayor número de hechos y caracterizarlos
con mayor precisión, esto lleva al establecimiento de relaciones cuantitativas entre los procesos naturales
Esta determinación cuantitativa implica la realización de mediciones que permiten evidenciar relaciones mas profundas y
ordenaciones simples entre los hechos ocurridos.
Todo trabajo científico requiere de mediciones con el fin de darle validez y utilidad a los resultados obtenidos en el
tratamiento de cualquier fenómeno, es por eso que resulta conveniente estandarizar las técnicas de medición.
La definición clásica de medición es la de comparar aquello que se desea cuantificar con un patrón aceptado como unidad
por la comunidad científica, el patrón debe ser de carácter universal, reproducible y de fácil utilización. Pero medir no es
solo comparar sino que es un proceso mas complejo, de hecho la aplicación del patrón no garantiza obtener el valor
verdadero de lo que se mide. En cualquier medición se emplea una escala que es una expresión del patrón escogido, por
ejemplo en la medición de la longitud de un objeto se utiliza una regla que es reproducción de un patrón de longitud.

Figura 1

Como puede observarse en la Figura 1, la longitud del objeto es un poco mayor de 4 cm, puede asegurarse además que es
menor que 4.5 cm, pero no es posible obtener el valor verdadero de la longitud con dicha escala. Lo que podemos asegurar
es que el valor verdadero se encuentra en un intervalo dado por [4 cm,4.5 cm] Si utilizamos una escala mas fina:

Escala graduada en mm.

Figura 2
Amplificando la imagen:

Figura 3

Podemos asegurar ahora que la medida se encuentra en el intervalo [43min,43.5mm], intervalo que se aproxima más al
valor verdadero. Pero el proceso podría continuar y sin embargo nunca se obtendrá el valor exacto o verdadero, siempre
tendremos que dar un valor aproximado dentro de un intervalo que depende del instrumento de medición, es decir siempre
existe una incertidumbre en la medida originada, esta será más pequeña mientras más fino sea el instrumento.
Para otra longitud podría suceder también lo ilustrado en la siguiente figura:

Figura 4

Observe que en este caso el intervalo donde se encuentra el valor verdadero es [42.5mm,43.0mm]. Lo cual nos permite el
afirmar que las medidas no son simples números exactos, sino que consisten en intervalos dentro de los cuales tenemos
confianza de que se encuentra el valor esperado. El tipo de medición, la figura de la escala, nuestra agudeza visual, las
condiciones de iluminación, todas estas variables tomarán parte en determinar la anchura del intervalo de medición. El
ancho, por lo tanto, debe determinarse explícitamente cada vez que se haga una medición.

Sea x el valor aproximado, en el caso de la figura anterior x=43.0 mm , el valor verdadero x se expresa como:
x= x x
es decir el valor verdadero debe encontrarse en el intervalo
[ x− x , x x ] (1)
donde ∆x es igual a la incertidumbre en la medición, que en este caso, y solo en este caso, es la mitad de la mínima escala
del instrumento de medida
x = 43.0 mm ± 0.5mm = (43.0±0.5) mm
el intervalo (1) se llama intervalo de confianza.

Desde luego que al realizar la medición con una determinada escala, el resultado se puede expresar como un número el
cual puede contener tantas cifras como se pueda, dependiendo de la división mínima en la escala empleada.
Se llaman cifras significativas a las que se obtienen como seguras más una estimada.
Por ejemplo, al medir el objeto anterior en la escala de centímetros el resultado se puede expresar como 4.3 cm ±0.5 cm
el 4 es una cifra segura, el 3 es estimada y ambas son significativas, si con la misma escala una persona expresa el
resultado como 4.36cm±0.5cm, el 6 no es cifra significativa, ya que con la escala utilizada no puede estimarse hasta esa
cifra, por lo tanto no tiene sentido expresar el resultado con cifras que no sean significativas.
Es un error común creer que, cuando se hace una medición usando una escala graduada, el "error de lectura" es
automáticamente la mitad de la división de la escala más pequeña, esta es una simplificación excesiva que sólo sucede en
las mediciones del tipo reproducibles.
El proceso anterior ilustra una medición de tipo directo, pero existen mediciones indirectas que se obtienen a partir de
medidas directas. Tales mediciones serán el objeto de la siguiente practica. Entre las medidas directas se pueden distinguir
las reproducibles y las no reproducibles.
Las reproducibles son aquellas que al repetir la medición, bajo las mismas circunstancias, siempre la medida cae dentro del
intervalo de confianza, lo cual no sucede en las no reproducibles pues en estas últimas existen factores que no se pueden
controlar, por ejemplo la temperatura, presión, humedad, etc. En nuestro caso el tamaño de los objetos depende de la
temperatura y en general, este es solo uno de los factores que influyen.
Por lo tanto, son pocas las mediciones que se realizan en el laboratorio que se puedan considerar reproducibles por lo que
la incertidumbre, rara vez es el resultado de dividir la escala mínima entre dos y habrá que considerar algunos otros
mecanismos para encontrarla, de lo que sí estamos seguros es de que el resultado final deberá se un intervalo que
representa, hasta donde nuestra capacidad lo garantice, los límites dentro de los que se encuentra el valor deseado.
El que se reproduzca o no una medición, depende del tipo de error que resulta ser más significativo en cada caso se
entiende por error la diferencia del valor verdadero y el aproximado, pero no es posible por lo anterior determinar el valor
verdadero, así que basándonos en la ec (1) la diferencia está acotada por ± ∆x, este hecho se ilustra en la figura 5.
Se desprende de lo dicho que una medición nunca sera exacta ya que siempre daremos solamente aproximaciones. En el
proceso de medición no tiene sentido el concepto de exactitud.

Figura 5

Mientras mejor sea la aproximación, la medida será más precisa, es decir en el proceso de medición el concepto clave es la
precisión, un instrumento será más preciso si con el se obtienen mejores aproximaciones a la medida. En el caso de medidas
no reproducibles, al repetir la medición en condiciones idénticas, resulta que se obtienen medidas que no están en el
intervalo de confianza, es decir el error aumenta, esto debido a que existen diferentes tipos de error y no solamente el
debido a la limitación en la escala del instrumento.
Los errores o incertidumbres se clasifican en sistemáticos y aleatorios.
Los sistemáticos son aquellos que dependen del sistema de medición, siempre dan desviaciones del valor verdadero hacia
un solo lado, desviaciones que permanecen constantes, son corregibles siempre cambiando el sistema de medición o las
condiciones experimentales, la manera más fácil de detectarlos es efectuando la medición con métodos diferentes, otras
veces un análisis gráfico los muestra; algunos de los mas comunes son.
♦ Error de paralaje. Se comete debido a la posición del observador esta debe ser exactamente perpendicular a la escala
♦ Error de calibración Se refiere a una mala calibración del instrumento, por ejemplo escalas que tienen unidades de
longitud más cortas o más largas por defectos de fábrica, como en reglas, escalas de balanzas, amperímetros, etc,
escalas cuyo cero no coincide con el inicio de la numeración, como en las reglas o en las cintas métricas, en los
aparatos de aguja como el amperímetro, óhmetro o voltímetro es un error muy común; etc.
♦ Condiciones experimentales. Si el instrumento está bajo condiciones experimentales constantes, diferentes de aquellas
en las que fue calibrado y no se hace la corrección, entonces se tiene un error sistemático
En ocasiones los resultados experimentales difieren mucho de la teoría, esto en ocasiones se debe a que la teoría aplicada no
corresponde a las condiciones experimentales, en este caso al realizar la medición en condiciones diferentes a las que
especifica la teoría se comete un error sistemático, por ejemplo: si la teoría es aplicada a un cuerpo sin fricción y en el
experimento no se logro evitar completamente la fricción entonces las mediciones estarán desviadas de las esperadas
teóricamente. En todo caso, se recomienda ver los instrumentos de medición con desconfianza y verificará su calibración.
siempre que esto sea posible.

Error aleatorio. Es aquel que varía en cada medición, con frecuencia, se debe a la persona que lo efectúa, a las condiciones
en que se realiza la medición o a ambos. Algunas veces se les llama errores experimentales o accidentales Por ejemplo.
♦ Errores de juicio. Cuando se toma la cifra estimada, a veces el observador dará una pero otras veces dará otra.
♦ Condiciones experimentales fluctuantes. Como la temperatura presión, voltaje de linea, etc
♦ Pequeñas distorsiones. Como vibraciones mecánicas o en el caso de instrumentos eléctricos señales espurias debidas a
la presencia de otros aparatos, magnetos o líneas de corriente.
♦ Definición A veces aunque se tenga el debido cuidado, resulta que al repetir varias veces la medición no se obtienen los
mismos resultados, por ejemplo al medir el ancho de una mesa se mide entre sus lados más cercanos, pero debido a
imperfecciones en la superficie no se obtienen los mismos resultados al medir varias veces.
Debe considerarse también que es raro el proceso que se termina con una sola medición, casi invariablemente, el resultado
deseado es una combinación de dos o más cantidades medidas, la presencia de incertidumbre en las medidas originales
traerá consigo una incertidumbre en el valor final calculado. Este tópico, que se llama propagación de errores, será el
tema de otra práctica.
Debe de tenerse cuidado de no confundir error con equivocación o procedimiento equivocado. Al medir el experimentador
puede equivocarse por no saber medir en una escala, por no saber montar las condiciones experimentales adecuadas o por
equivocarse en los cálculos matemáticos, estas son equivocaciones debidas a la persona y no entran en el concepto de error
o incertidumbre. También puede haber otro tipo de equivocaciones al seleccionar la maquinaria matemática para calcular
los resultados de un experimento, las reglas de cálculo, tablas de logaritmos y hasta calculadoras pueden tener errores, de
hecho al redondear siempre se tienen errores pero por lo regular son demasiados pequeños para tomarse en cuenta.
Otras veces los efectos de las distorsiones llegan a ser demasiado grandes comparados con los errores aleatorios, en tal caso
el experimento debe suspenderse hasta que la fuente de la distorsión sea eliminada.
Para obtener medidas lo más aproximadamente posible y con el objeto de reducir el error se utiliza la estadística.
Cálculo de errores
El error obtenido en una medición se puede expresar de diferentes formas:
ERROR ABSOLUTO. - Es la diferencia entre el valor obtenido en la medición y el aceptado como correcto.
Ea = Ve - V Ve= Valor experimental
V = Valor aceptado
ERROR RELATIVO- Es el valor que se expresa de acuerdo con la magnitud de la medida; se expresa como el cociente de
el error absoluto entre el valor aceptado y resulta siempre una fracción.

E Ve−V
E r= =
V V

PORCENTAJE DE ERROR. - Es el error relativo expresado con base en 100.

E V −V
e= ∗100= e ∗100
V V

Hay que observar que en la definición de error se emplea el término "valor aceptado" en lugar de "valor exacto'. Como ya
se dijo esta última expresión no tiene significado ya que no se conoce.
Aún más, en grupos o conjuntos de elementos con características similares, se encuentra variación al medir la característica
que de ellos interesa.
Entonces: ¿Cuál valor se puede tomar como aceptado?
Es obvio que la decisión no puede ser tal que se tome un valor al azar, pues se volvería a caer en la incertidumbre y esto es
precisamente lo que se quiere evitar.
Supóngase que se ha hecho una sola medición, y que, para comprobar el trabajo, se efectúa esta medición por segunda vez
y se obtiene un resultado diferente, entonces seria natural intentarlo una tercera vez, aunque lo más probable es que se
tenga un resultado diferente. La salida es realizar una cantidad considerable de mediciones sucesivas, y surgen preguntas
adicionales: ¿hay alguna regularidad en los resultados?, ¿alguno de ellos aparece con más frecuencia que los demás?, etc.
Con la finalidad de mostrar las características de las mediciones con más claridad se utilizan histograma. Dado que es una
presentación gráfica muy común no se darán reglas exhaustivas para su construcción.
Es importante entender que estos conceptos no únicamente se presentan en el laboratorio, sino también en otros campos,
por ejemplo, en la fabricación de objetos en serie se desea que una característica en particular permanezca constante, pero
debido a imprecisiones en las operaciones, siempre se obtienen desviaciones, las cuales se deben evaluar en función del
'valor esperado" y este ha sido previamente establecido o aceptado como el correcto o el que se necesita. En este sentido la
estadística brinda una ayuda formidable.
Una vez que los datos están distribuidos en el histograma notamos que hay algunos puntos particulares que pueden servir para
caracterizar al grupo de observaciones en su totalidad, por ejemplo, la mayoría de las distribuciones tienen un punto
máximo cerca del centro, si ese pico está bien definido, el valor sobre la escala horizontal en que ocurre se llama moda de
la distribución. Por otro lado, si se colocan las medidas en orden numérico y los dividimos a la mitad en dos partes iguales,
el valor correspondiente a esta linea divisoria se llama mediana.
Se afirmó que existe un valor mas probable de una cantidad, en el caso de de cantidades medidas directamente se asume
arbitrariamente que este valor más probable es la media aritmética de las mediciones individuales, lo cual viene siendo el
valor resultante de sumar todas las medidas realizadas y di vi di r la suma entre el número de mediciones hechas, si x1, x2,
x3, …., xn son los valores medidos, la media se expresa como:

x 1x 2 x 3..... x n ∑ xi
x= =
n n
Donde x = valor medio obtenido
n = número de objetos medidos o mediciones realizadas.
Nótese que para una distribución simétrica, la media, la mediana y la moda coinciden, todas, en el centro de la distribución.
Una vez obtenida la media, la desviación de cada medida se obtiene como la diferencia entre el valor medio y el valor
obtenido en cada medición, δ xi= x - xi la suma algebraica de las desviaciones de todas las medidas debe ser cero. Como es
deseable obtener el error promedio en todo el proceso, se puede expresar como porcentaje, tomando los valores absolutos
de las desviaciones particulares, como se muestra en seguida:

ep=
∣x−x 1∣∣x−x 2∣.....∣x−x n∣
∗100=
∑∣x−x 1∣∗100
n n

ep=
∑ ∣ x i∣ ∗100
n
Lo que da idea de la magnitud de la desviación en el proceso global pero no de la certidumbre de cada medición
La aplicación de la estadística permite ir mas allá, pues el análisis se estandariza con el fin de aplicarlo a la predicción del
comportamiento de las mediciones y evaluaciones realizadas.
Para ello se definen y establecen parámetros estadísticos como la media, la varianza y la desviación estándar.
La varianza se obtiene al di vi di r la suma de los cuadrados de las diferencias entre el número de observaciones realizadas
menos uno, es decir:

2
s=
∑  x −x i 2 ∑  x i 2
=
n−1 n−1

Donde s2 es la nomenclatura que se utiliza para la varianza. La desviación estándar se define como la raíz cuadrada de la
varianza.
 1/ 2

 =  s =
2 ∑  xi 2 
n−1

Haciendo un poco de álgebra se obtiene:

1/2

 =  s =
2 ∑  x 2i − x 2 

n−1
La desviación estándar es una medida de la amplitud de la distribución. De hecho, en Física utilizamos únicamente la media y la
desviación estándar en el análisis de datos, en cambio, en las ciencias sociales, es común utilizar tanto la moda como la mediana.
Supóngase que se realiza la medición de una longitud 47 veces, cuyos resultados se muestran en la Tabla I. Al realizar las mediciones
algunas se repiten, la frecuencia es el número de repeticiones de una medida.
Al obtener las sumatorias respectivas y utilizar las fórmulas (6), (8) y (9) se obtienen los siguientes resultados:
n=47 ∑∣dx i∣=0.72 ∑∣dx i∣=187x10−4 cm2
x=1.051cm
 1/ 2

s= s =
2 ∑ dx i 2
 =0.020cm
47−1
Tabla 1

x Frecuencia i*x δx i| (δ xi)2 i(δ xi)

1,01 1 1.01 -0.04 0.04 16x10-4 16x10-4

1,02 3 3.06 -0.03 0,09 9 27

1.03 6 6.18 -0.02 0,12 4 24

1.04 8 8.32 -0,01 0.08 1 8

1.05 10 10.5 0.00 0 0 0

1,06 8 8.48 0.01 0,07 1 8

1.07 5 5.35 0.02 0,1 4 20

1.08 3 3.24 0.03 0.09 9 27

1.09 2 2 18 0.04 0 08 16 32

1,1 1 1 10 0.05 0,05 25 25

Los datos de la tabla anterior pueden representarse gráficamente como se muestra en la Figura 6, en el eje de las ordenadas se ha
graficado la frecuencia y en el eje de las abscisas el resultado de la medición.
El rango de valores de x se ha dividido en intervalos iguales ∆x, la frecuencia es el número de valores de x que están dentro
de cada intervalo ∆x, cada uno de estos intervalos están centrados en el valor promedio de los valores de x que caen en él
Por ejemplo, las 6 mediciones que dieron 1.03 cm, se consideran que se encuentran en el intervalo entre 1.025 y 1.035 cm,
por lo tanto se gráfica 6 en la escala vertical contra 1.03 en la escala horizontal. El número de puntos es solamente de 47,
con un número tan pequeño no puede obtenerse una curva continua por lo que se conviene en representar tal gráfica como
un histograma que consiste de una serie de lineas horizontales de longitud ∆x centradas en los puntos individuales y lineas
verticales cuya altura coincide con la frecuencia tal como se muestra en la Figura 6, al aumentar el número de mediciones
digamos al doble, se obtiene una gráfica que no coincide exactamente con la anterior, hay ciertas diferencias llamadas
fluctuaciones estadísticas, según se aumenta el número de valores se obtienen fluctuaciones mucho más pequeñas. El
número de intervalos crece mostrando un comportamiento más sutil, lo que viene a ser representado por la curva continua
Esta es la tan conocida curva de campana o de distribución normal o de Gauss. Es una curva simétrica, pues sigue el mismo
comportamiento a ambos lados del valor medio, el valor máximo de la curva corresponde al valor medio.
La distribución de Gauss se utiliza para interpretar muchos tipos de mediciones físicas en parte, debido a que las
circunstancias mecánicas de muchas mediciones físicas guardan estrecha correspondencia con los fundamentos teóricos de
la distribución Gaussiana, y, en parte, porque la experiencia demuestra que la estadística Gaussiana si proporciona una
descripción razonablemente exacta de muchos sucesos reales.
En la gráfica de la Figura 6, los puntos marcados con x - σ y x + σ están separados una magnitud igual a dos veces la
desviación estándar, lo cual se maneja como una desviación aceptable y permite determinar el número de objetos que nos puede
servir, resulta también que cuando una medición se repite varias veces, los diferentes valores obtenidos están por ¡o regular muy
cercanos entre ellos, pero muy frecuentemente resulta que unas pocas mediciones se encuentran muy alejadas, la pregunta que surge
inmediatamente es ¿bajo qué condiciones rechazar una medición que aparentemente es anómala? La cuestión no es fácil y su
respuesta está en la Estadística, en las afirmaciones que siguen, solamente se darán resultados sin hacer la justificación estadística-
matemática. Matemáticamente la distribución normal o distribución de Gauss, está dada por la ecuación

2
−1  x−x 
1 2 2
Y= e
 2

El área total limitada por la gráfica de esta función y el eje x es 1, de ahí que el área bajo la curva entre dos puntos x=a y x=b (a<b),
representa la probabilidad de que x se encuentre entre a y b. Si se hace el cambio de variable z = (x - x )/σ , la ecuación es más
manejable, quedando:

−1 2
1 2
z
Y= e
 2
En la Figura 7 se muestra la gráfica de esta curva, en ella se indican las áreas incluidas en los intervalos de z: [-1,1], [-2,2]
y [-3,3] que son respectivamente 68.27%, 95.45% y 99.73%, esto quiere decir que en los intervalos [-σ,σ], [-2σ,2σ] y[-
3σ,3σ] teóricamente se encuentran el 68.27%, 95.45% y 99.73% de las mediciones, respectivamente.

Figura 7

Podemos afirmar que cuanto más estrecha sea la distribución, mayor confianza se tendrá en las mediciones obtenidas.
Por otro lado, en cualquier proceso de medición, cuanto mas grande sea el número de mediciones, tanto más precisas serán
nuestras afirmaciones finales, o sea que las muestras mas grandes tienen medias mas precisas. Sin embargo, debe decirse
que la precisión de un valor medio aumenta solo en proporción directa a la raíz cuadrada del numero de observaciones de la
muestra, por ello se debe ser muy cuidadoso en la elección del tamaño de la muestra, por un lado, no vale la pena intentar
cualquier clase de análisis estadístico con muestras que tengan menos de 10 observaciones y por otro lado puede haber, no
obstante, restricciones de tiempo u oportunidad, y no siempre podemos obtener muestras del tamaño deseable, por ejemplo,
si se desea duplicar la precisión, el tamaño de la muestra debe cuadruplicare, obvio es decir que no siempre hay tiempo para
hacer tal cantidad de mediciones. Una última propiedad práctica de las curvas de distribución tienen que ver con los valores
que quedan fuera. Siempre existe la probabilidad de cometer una equivocación, tal vez al leer erróneamente una escala o al
mover accidentalmente un instrumento entre el ajuste y la medición
Se han formulado muchas "reglas" empíricas para el rechazo de mediciones, las cuales deben utilizarse con prudencia, a
menos que el argumento del rechazo sea plenamente convincente, la mejor opción es considerar todas las observaciones,
nos gusten o no.
Un criterio que se ocupa con regularidad es el siguiente:
♦ Los resultados incluidos más allá de ± 3σ son casi seguramente equivocados y pueden quedar descartados.
♦

Desde luego que este criterio es empírico, pero por otro lado, tienen una amplia aceptación por su eficacia y
fundamentación estadística
Una vez que se han rechazado los datos fuera del rango establecido como adecuado, se procede a realizar nuevamente
la estadística.
EQUIPO Y MATERIAL
Es importante mencionar que los materiales descritos aquí pueden variar, dependiendo de la disponibilidad de los mismos,
del criterio del profesor y de la iniciativa de los alumnos.
1 Regla de 1m (división mínima de 1 dm).
1 vernier.
100 canicas.
1 balanza granataria.
2 dados.
1 embudo con tapón.
1 soporte universal con pinzas.
1 probeta.
Cronómetros manuales.
Papel milimétrico.

DESARROLLO EXPERIMENTAL
EXPERIMENTO I
1. Mida con la regla de 1m graduada en dm el largo de la mesa de trabajo 50 veces, no ponga marcas, aprecie la fracción
en dm y registre los datos en una tabla.

EXPERIMENTO II
1.Mida el diámetro de 50 canicas con un vernier de plástico.
2.Exprese los resultados en la forma x ± ∆x.

EXPERIMENTO III
1. Sujete un embudo con pinzas a un soporte universal, tape el extremo inferior y coloque cualquier cantidad de agua dentro
de el, ponga un recipiente bajo el embudo.
2. Destape el embudo y justo en ese instante accione un cronómetro y mida 50 veces el tiempo que tarda el agua en
desalojar completamente el recipiente. Si es posible mida al mismo tiempo con varios cronómetros.
3. Estime y anote el error de apreciación que se escribe como la suma de la incertidumbre en la medición más el tiempo de
reacción al accionar el cronómetro.

EXPERIMENTO IV
1. Mida la masa de 50 canicas una por una en la balanza granataria, luego mida la masa total.

EXPERIMENTO V
1. Lance un par de dados y sume el valor de las caras superiores. Repita la operación 50 veces y haga una tabla de datos.

ANÁLISIS DE RESULTADOS
EXPERIMENTO I
1. Organice una tabla de datos de las mediciones realizadas indicando la frecuencia de cada una de las medidas.
2. Obteng el histograma de frecuencias.
3. Según el diagrama anterior, agrupe los datos en intervalos adecuados con el fin de obtener aproximadamente la gráfica
continua en forma de campana.
4. Calcule el promedio y la desviación estándar, escriba el intervalo [ x -σ, x +σ] con el número correcto de cifras
significativas. Grafique este intervalo en la gráfica realizada.
5. Cuente el número de mediciones que caen dentro del intervalo del inciso anterior y obtenga el porcentaje que representa
ese número del total. Compare con el porcentaje predicho por la teoría haga lo mismo para el intervalo [ x -2σ, x
+2σ ].
6. En todos los experimentos de esta práctica, en caso de que existan mediciones "sospechosas", aplique los criterios de
rechazo de datos.

EXPERIMENTO II
1. Repita los tres pasos del análisis para el Experimento I.
2. Obtenga el valor promedio de las mediciones.
3. Calcule el error absoluto y el error relativo en cada caso y construya una tabla como se indica.

Número Error absoluto Error relativo Error porcentual

% Error promedio____________________
4. Calcule la desviación estándar con el número correcto de cifras significativas y obtenga el intervalo [ x - σ, x+σ).
Grafiquelo.
5. Cuente el número de mediciones que caen dentro del intervalo del inciso anterior y obtenga el porcentaje que representa
ese número del total. Compare con el porcentaje predicho por la teoría haga lo mismo para el intervalo [ x -2σ,
x +2σ ].

EXPERIMENTO III
1. Realice el mismo análisis del experimento anterior.

EXPERIMENTO IV
1. Obtenga la masa promedio de las canicas sumando la masa de cada una de ellas y dividiendo entre el número de
canicas.
2- Obtenga la desviación estándar y escriba:

m = m ± ∆m
3.- Ahora vuelva a obtener la masa promedio utilizando el dato de la masa total de las canicas. Obtenga el error porcentual
de este valor con respecto a m .

EXPERIMENTO V
1. Construya una tabla de frecuencias para cada uno de los valores de la variable (2, 3, 4, ... , 12).
2. Dibuje el histograma correspondiente.
3. Calcule la media y la desviación estándar.
4. Obtenga el promedio de los promedios de todos los equipos.
5. Calcule la probabilidad de cada valor posible de la variable, por ejemplo:
P(2) = 1/36. P(5) = 1/9
6. Determine las desviaciones porcentuales entre las frecuencias relativas y las probabilidades para cada valor de la variable.
7. ¿Cuál es el valor más probable? En cuanto a sus resultados, ¿Qué espera del valor x cuando el número de eventos no sea
200 sino que tienda a ∞?

CUESTIONARIO
1. ¿Depende σ del número de mediciones? ¿Depende del proceso de medición? Explique.
2. Si se desea saber cuál es la probabilidad de que al arrojar una moneda se obtenga "águila" puede tomarse una moneda y
hacer una serie de 100, 200 ó 1000 tiradas, ¿Será esto equivalente a tomar 100. 200 ó 1000 monedas y lanzarlas en una
 sola tirada?
3. Si solamente cuenta con una regla graduada en milímetros, ¿Cómo puede obtener el espesor de una hoja de su cuaderno?
4. Utilizando los datos del Experimento IV y el criterio que se dio en la introducción teórica, ¿rechazaría alguna de las
mediciones? o bien ¿hay alguna canica muy defectuosa?