Teoría de Errores

Técnicas Experimentales I
Péndulo simple Calcular el valor de g

d 2s
Ft = − mg sin θ = m 2
dt

d 2θ
−g sin θ = L 2
dt

d 2θ g
=− θ
dt 2 L

2π L
T= = 2π
ω g

4π 2L
g= Medir L y T
T2
 Medida de L: error instrumental y medida directa

Todas las medidas tienen un error

valor de la medida

L = (0.50 ± 0.01) m unidades

error instrumental

L se encuentra entre 0.49 y 0.51 metros (probabilidad alta)

Nuestra medida tiene una resolución de unidades de cm
Si no se muestra error explícitamente, se asume la unidad de la última cifra mostrada
Medida de T: error aleatorio y medida directa

Hemos tomado ~ 60 medidas, todas distintas

1.30 1.35 1.40 1.45 1.50 1.55

10

8 Error aleatorio:
6 Error debido a causas inevitables

4
(reflejos del investigador,
cambios de temperatura, rachas
2
de aire, …)
0
1.30 1.35 1.40 1.45 1.50

Puede corregirse realizando varias medidas

 Medida de T: error aleatorio y medida directa

Aleatorio: distribución normal alrededor del valor más probable

n medidas de la magnitud x

El valor “real” de x será el valor medio

1.30 1.35 1.40 1.45 1.50 1.55
de las n medidas:

10

El error cuadrático medio de x viene 4

dado por
2

0
1.30 1.35 1.40 1.45 1.50
!" = $̅ − $"
2𝜎
(64.2%)
¿Es la media el mejor valor? Principio de mínimos cuadrados

Realizamos n medidas para obtener una magnitud de valor X (aún desconocida)

Obtenemos los valores:
x1, x2, x3, . . . xn
y con sus errores absolutos:

ϵ1 = X − x1, ϵ2 = X − x2, ϵ3 = X − x3, . . . ϵn = X − xn

Consideramos una función E(X) que es la suma de los cuadrados de los errores:

E(X) = ϵ12 + ϵ22 + ϵ32 = (X − x1)2 + (X − x2)2 + . . . + (X − xn)2

Y para que E(X) sea mínimo, se tiene que cumplir:

∂E(X)
= 0 ⟶ 2(X − x1) + 2(X − x2) + 2(X − x3) + . . .2(X − xn) = 0
∂X
n
1 ∑1 xn
X= (x1 + x2 + x3 + . . . xn) =
n n
Medida de T: error aleatorio y medida directa

Hemos tomado ~ 60 medidas, todas distintas

1.30 1.35 1.40 1.45 1.50 1.55

10

8
valor medio unidades
6
T= (1.418562 ± 0.053712) s
4
error cuadrático medio
2

0
1.30 1.35 1.40 1.45 1.50
Cifras significativas

valor medio unidades

T= (1.418562 ± 0.053712) s
error cuadrático medio

T se encuentra entre 1.36485 y 1.472274 s (probabilidad alta)??

Nuestra medida tiene una resolución de unidades de 𝜇s!!

Cifra significativa: cifras que podemos conocer con seguridad teniendo en

cuenta resolución de la medida y errores

T= (1.42 ± 0.05) s
Cifras significativas: aspectos prácticos

Resolución y error definen las cifras significativas:

! = 256.378913 -- . ∆! = 0.7 -- → ! = 256.3789 ± 0.7 --

→ ! = 256.4 ± 0.7 --

→ ! = 256 ± 0.7 --
El cero tras la coma es significativo:

" = 256 '' → ∆" = 1 '' → " = 256 ± 1 ''

" = 256.1 '' → ∆" = 0.1 '' → " = 256.1 ± 0.1 ''

" = 256.10 '' → ∆" = 0.01 '' → " = 256.10 ± 0.01 ''
! = 1.3 ± 2 )*+ → ! = 0.000013 ± 0.000002 .
01
→ ! = 1.3 ± 0. 2 ×10 .
Error y magnitud deben de tener las mismas cifras significativas:

2 = 12455 7 ∆2 = 70 5 → 2 = 1245 ± 70 5
→ 2 = 1240 ± 70 5

→ 2 = 1.24 ± 0.07 95
Cifras significativas: ejemplos prácticos

Expresiones magnitud y su error Los errores deben tener una

correctas mismo orden única cifra significativa.

4000 ± 3000 4567 ± 3000 4567 ± 2928

2500 ± 300 2523 ± 300 2547.3 ± 335.2
23.45 ± 0.06 23 ± 0.06 23.453 ± 0.165
345 ± 3 345.3 ± 3 345.20 ± 3.10
1.3646 ± 0.0004 1.3646 ± 0.004 1.35460 ± 0.00441
(1.23 ± 0.06)× 10-15 (1.23× 10-15 ± 0.04 × 10-19) (8.23 ± 1.18) × 10-15
370 ± 30 370.34 ± 30
500 ± 100
24567 ± 8 En nuestras prácticas siempre trabajaremos
23.5 ± 0.3 con una única cifra significativa
Cifras significativas: ejercicio

a) 4835.2134 ± 281.2081 a) 4800 ± 300

b) 6.7812×10-5 ± 3.6124×10-7 b) (678± 4) × 10-7
c) 4.981210 ± 0.235145 c) 5.0 ± 0.2
d) 0.0020081 ± 4.65× 10-5 d) (201 ± 5) × 10-5
e) 1.25827× 103 ± 24.5123 e) 1260 ± 20 / (1.26± 0.02) × 103
f) 12.00124 ± 0.05318 f) 12.00 ± 0.05
g) 8.82121 ± 23.1254 g) 10 ± 20
h) 346.06784 ± 4.324 h) 346 ± 4
i) 6.1221823 ± 0.0003671 i) 6.1222 ± 0.0004 / (61222 ± 4) × 10-4
j) 1.23× 10-5 ± 0.027× 10-4 j) (1.2 ± 0.3) × 10-5
k) 0.02154 ± 0.09812 k) 0.0 ± 0.1
l) 9815.4 ± 962.105 nl) 10000 ± 1000 / (10 ± 1) × 103
Error instrumental vs error aleatorio en medidas directas

medida valor medio

L = (0.50 ± 0.01) m T= (1.42 ± 0.05) s
error instrumental error cuadrático medio

¿Por qué para la longitud solo hemos hecho una medida?

En medidas directas siempre elegiremos el error de mayor valor

T1= 1.42 s-1 T= (1.41750 ± 0.00004) s

T1= 1.42 s-1 ¡sin sentido!
T1= 1.40 s-1
T1= 1.43 s-1 T= (1.42 ± 0.01) s

usamos error instrumental

Medida de T: medida indirecta 10

8 T= (1.41 ± 0.05) s-1

Hemos tomado ~ 60 medidas media 6

y error cuadrático medio 4

0
1.30 1.35 1.40 1.45 1.50
Podemos reducir el error midiendo
varios periodos

t Δt
T= ΔT =
10
14.10 14.15 14.20 14.25 14.30
10
10 t = (14.81 ± 0.05) s-1
T = (1.481 ± 0.005) s
8

4 Medida indirecta: Magnitud que se

2 calcula a partir de los valores medidos
0 para otras magnitudes
14.10 14.15 14.20 14.25 14.30
Propagación de errores en medidas indirectas 1 variable

Conjunto de reglas que permiten asignar un error a una magnitud indirecta,

conocidos los errores de las medidas directas de las que depende

y y f(x)=x2
f(x)=x/2

y±𝛥y y±𝛥y

x±𝛥x x x±𝛥x x

df(x) 1 df(x)
Δy = f(x + Δx) − f(x) = Δx = Δx Δy = Δx = 2xΔx
dx 2 dx

En una medida indirecta dependiente de una variable: Δy = | f′(x) | Δx

Propagación de errores en medidas indirectas: ejemplos

Ley de Hooke: Intensidad máxima multímetro:

F = kx Imax = 2IR

Conociendo k = 10 Nm-1, medimos x: Realizando varias medidas de IR:

x = (17.15 ± 0.01)cm IR = (2.7 ± 0.3)A

Calculamos F: Calculamos Imax:

F = kx = 1.715N Imax = 3.818376A

Calculamos 𝛥F: Calculamos 𝛥Imax:

ΔF = | f′(x) | Δx = 10Δx = 0.1N ΔI = | f′(IR) | ΔIR = 2ΔIR = 0.42426

F = (1.7 ± 0.1)N Imax = (3.8 ± 0.4)A

Propagación de errores medidas indirectas varias variables

L = (0.50 ± 0.01) m 4π 2L ¿Como calculamos

g= = (9.789 ± Δg)ms −1
T= (1.42 ± 0.05) s-1 T2 el error?

En una medida indirecta dependiente de varias variables:

( ∂p Δp) + ( ∂q Δq) + ( ∂r Δr)

∂f 2 ∂f 2 2
∂f
y = f(p, q, r) ⟶ Δy =

( ∂L ΔL) + ( ∂T ΔT) = ( T 2 ΔL) ( T 3 ΔT)

2 2 2 2
∂f ∂f 4π 2 −8π 2 L
Δg = + = 0.71666

g = (9.8 ± 0.7)ms −1
Propagación de errores medidas indirectas varias variables

( ∂p Δp) + ( ∂q Δq) + ( ∂r Δr)

∂f 2 ∂f 2 2
∂f
y = f(p, q, r) ⟶ Δy =

Caso especial medida indirecta varias variables: función potencial

y=k⋅p ⋅q ⋅r ⟶( ) =n ( ) +m ( ) +s ( r )
Δy 2 Δp 2 Δq 2 2
n m s 2 2 2 Δr
y p q

( ) =1 ( L ) ( T ) ( L ) 4( T )
Δg 2 2 2 2 2
2 ΔL 2 ΔT ΔL ΔT
g
+ (−2) ⟶ Δg = g + = 0.71663

g = (9.8 ± 0.7)ms −1
Propagación de errores en medidas indirectas: ejemplos

Volumen cilindro V = πhr 2 Los errores no se despejan:

V 2
Medimos r y h: V = πhr ⟶ h = 2
πr
r = (1.53 ± 0.06)cm
( V ) ( h ) 4 ( Δr
r )
2 2 2
h = (10.2 ± 0.1)cm ΔV
= Δh
+

Calculamos V:
( h ) ( V ) 4( r )
2 2 2
Δh ΔV Δr
3
= −
V = 75cm

Calculamos 𝛥V método de las derivadas Calculamos 𝛥V método de errores

parciales: relativos:

( V ) ( h ) 4 ( Δr
r )
2 2 2
(π rΔh) + (2πrhΔr) = 6cm
2 2 ΔV Δh
ΔV = 2 3
= + ⟶ ΔV = 6cm 3

F = (75 ± 6)cm 3
 Otra forma de medir: ajuste por mínimos cuadrados

Medir L y T Podemos tomar diferentes L y medir T

2
4π 2L 4π
g= T2 = L
T2 g

Tabla 1 y = m1 + m2 ⋅ x
L (cm) T (s) T (s2)
10,00 0,63 0,3969
20,00 0,75 0,5625
30,00 0,91 0,8281
40,00 1,17 1,3689
50,00 1,42 2,0164
60,00 1,53 2,3409
70,00 1,65 2,7225
80,00 1,78 3,1684
90,00 1,83 3,3489
100,00 2,00 4,0000
variable variable
independiente = x dependiente = y
Ajuste por mínimos cuadrados: información

variable dependiente
(y, ordenadas) y = m1 + m2 ⋅ x
y=b+a⋅x

a = pendiente
(unidades de y/x)

variable independiente
(x, abscisas)

b = corte en ordenadas (unidades de y)

Ajuste por mínimos cuadrados

visualizar calidad de las determinar comportamientos físicos

medidas entre las variables estudiadas

visualizar datos erróneos

 Ajuste por mínimos cuadrados: demostración

Realizamos n medidas para x variables independientes, obteniendo y resultados. Obtenemos

los valores:
x1, x2, . . . xn ⟶ y1, y2, . . . yn

Para cada medida habrá un resultado Yn exacto, que vendrá dado por la ecuación de la recta:
ϵ1 = y1 − Y1 = y1 − b − ax1
ϵ2 = y2 − Y2 = y2 − b − ax2
ϵn = yn − Yn = yn − b − axn

Consideramos una función E(X) que es la suma de los cuadrados de los errores:

E(b, m) = ϵ12 + ϵ22 + ϵ32 = (y1 − b − ax1)2 + (y2 − b − ax2)2 + . . . + (yn − b − axn)2

Y para que E(b,m) sea mínimo, se tiene que cumplir:

∂E(a, b) ∂E(a, b)
=0 ; =0
∂a ∂b
 Ajuste por mínimos cuadrados: demostración

Dadas las temperaturas (T) medidas para diferentes presiones (P) que se listan
abajo, realizar un ajuste a una recta T=m·P+c por el método de mínimos cuadrados.
Calcular a±Δa, b±Δb.

T=m·P+c
y=ax+b

a = m = (3.7±0.2)°C/mmHg y b = c = (-260±20)°C
Ajuste por mínimos cuadrados

Tabla 1
L (cm) T (s) T (s2)
10,00 0,63 0,3969
20,00 0,75 0,5625
30,00 0,91 0,8281
40,00 1,17 1,3689
50,00 1,42 2,0164
60,00 1,53 2,3409
70,00 1,65 2,7225
80,00 1,78 3,1684
90,00 1,83 3,3489
100,00 2,00 4,0000

unidades

4π 2 4π 2 4π 2
T2 = L m2 = ⟶g= = 9.57ms −2
g g m2
g = (9.6 ± 0.4)ms −2
4π 2 −2
y = m1 + m2 ⋅ x Δg = Δm2 = 0.35ms
m22
Análisis de resultados: ¿y ahora qué?

Nuestro resultado puede (o no) ser: preciso y/o exacto

muy preciso poco preciso poco preciso muy preciso

no exacto exacto no exacto exacto
 Análisis de resultados: exactitud

Exactitud
Define cuanto se acerca el valor medido al valor real a través del error absoluto
Depende de la precisión

Solapamiento Resultados exactos

(consistentes)

A = (2 ± 1) B = (3 ± 1)

Tomamos los dos rangos donde A y B son probables

y comprobamos si solapan:

A = [1,3] B = [2,4] A ∩ B = [2,3]

2±1 Comparación
3±1 cualitativa
0 1 2 3 4 5
 Análisis de resultados: exactitud

Exactitud
Define cuanto se acerca el valor medido al valor real a través del error absoluto
Depende de la precisión

Solapamiento Resultados exactos

(consistentes)

A = (2 ± 0.2) B = (3 ± 0.3)

Tomamos los dos rangos donde A y B son probables

y comprobamos si solapan:

A = [1.8,2.2] B = [2.7,3.3] A∩B=∅

2 ± 0.2 Comparación
3 ± 0.3 cualitativa
0 1 2 3 4 5
 Análisis de resultados: precisión
Precision
Define la dispersión de las medidas all rededor del valor medido a través del error relativo

Error relativo (%)

Resultados exactos
ΔA
A = (2 ± 1) e= = 0.5
|A|
ΔA
A = (2 ± 0.2) e= = 0.1
|A|

Evaluar la precisión depende del contexto:

El puente de Laufenburg
poco muy
preciso preciso
l = 10m
Δl = 0.27m
e = l/Δl = 0.027
 Análisis de resultados: ejemplo

Método de medida indirecta Regresión lineal

g = (9.8 ± 0.7)ms −1 g = (9.6 ± 0.4)ms −1

Δg Δg
e= = 0.07 e= = 0.04
|g| |g|

exp exp

bibliograf bibliograf

resultado consistente resultado consistente

menos preciso más preciso

g = (9.81 ± 0.07)ms −1 g = (9.63 ± 0.04)ms −1

exp
exp
bibliograf
bibliograf
Calibre Vernier Puede medir longitudes de hasta 0.05 mm, o 50 𝜇m
Escala principal: divisiones cada 1 mm
Escala Vernier: divisiones de 0.05mm.

Principal = 8 mm
Vernier= 0.55 mm
8.55 mm ± 0.05 mm
Calibre Vernier: ejemplos

Principal = 36 mm Principal = 23 mm
Vernier= 0.35 mm Vernier= 0.85 mm
l = 36.35 mm ± 0.05 mm l = 23.85 mm ± 0.05 mm

Principal = 13 mm
Vernier= 10 mm
l = 14.00 mm ± 0.05 mm
Micrómetro o calibre micrométrico

Puede medir longitudes de hasta 0.01 mm, o 10 𝜇m

Cilindro principal: Por encima de la línea divisiones cada 1mm
Por debajo de la línea divisiones en cada 0.5 mm
Tambor: 50 divisiones, cada vuelta avanza 0.5 mm. Cada división es de 0.01 mm

Cilindro = 13.5mm
Tambor = 22 x 0.01mm
13.72 mm ± 0.01 mm
Micrómetro o calibre micrométrico: ejemplos

Cilindro = 3 mm
Tambor = 14 x 0.01mm
l = 3.14 mm ± 0.01 mm

Cilindro = 7.5 mm
Tambor = 46 x 0.01mm
l = 7.96 mm ± 0.01 mm

Cilindro = 15.5 mm
Tambor = 12 x 0.01mm
l = 15.62 mm ± 0.01 mm