Lab1 01-errores

Errores en la medida y su propagación I - 01 . 1
PRÁCTICA DE LABORATORIO I-01
MEDICIONES Y ERRORES
Los errores son inevitables.
Lo que cuenta es cómo lidiar con ellos
OBJETIVOS
• Estudiar los conceptos básicos que son inherentes a las mediciones en el
laboratorio.
• Aprender las herramientas que se manejan en los métodos estadísticos para
determinar los errores en las mediciones directas y los procedimientos utilizados
para determinar la propagación de los errores en las mediciones indirectas.
TEORÍA
I. La medición de una cantidad física
Una magnitud física es un atributo de un cuerpo o un fenómeno que sea susceptible de
ser medido. El medir una cantidad física es una operación que consiste en establecer la
razón numérica entre la cantidad considerada y otra cantidad de la misma especie a la
que se llama unidad o patrón de medida; ésta es elegida arbitrariamente por el
operador. Las mediciones en el laboratorio pueden ser directas o indirectas. Ejemplos
de mediciones directas son: las longitudes con una regla, la masa con una balanza, la
temperatura con un termómetro o el tiempo transcurrido entre dos eventos usando un
cronómetro.
Muchas cantidades físicas no se pueden medir directamente y se hace necesario
encontrar su valor en forma indirecta a partir de la medida de otras cantidades que
están relacionadas con ella. Por ejemplo, cuando determinamos la densidad de un

cuerpo, a partir de la medicion de su masa y de su volumen o la velocidad de un cuerpo
a partir de su desplazamiento y el tiempo, luego de operar matemáticamente con estas
dos cantidades.
En el proceso de medir una cantidad física intervienen varios factores:
• El método de medición elegido
• Los instrumentos que se utilizan
• El operador que realiza la medición.
En los laboratorios de física, para llevar a cabo las mediciones disponemos de una
variedad de instrumentos, desde los más sencillos, como reglas, tornillos micrométricos
y balanzas, hasta otros más sofisticados como instrumentos electrónicos que utilizan
tecnología digital de precisión.
Fig. 1. Instrumentos de medición para: longitud, masa y tiempo
Por ejemplo, en una de las prácticas de este laboratorio vamos a estudiar el movimiento
oscilatorio de una pesa suspendida de un resorte, a tal fin Ud. va a utilizar una regla y
un cronómetro para hacer las mediciones de longitud y tiempo en forma manual. El
estudio también se podría llevar a cabo mediante ciertos instrumentos para la
adquisición de datos en forma automática; estos utilizan un sensor de movimiento, que
se basa en la emisión y detección de pulsos de ultrasonido hacia un obstáculo, para
detectar la posición de un objeto en tiempo real, y enviar la data directamente a la
computadora para su procesamiento y análisis.
Cuando queremos medir cierta cantidad física, uno de los aspectos más importantes a
tener en cuenta es la elección del instrumento apropiado. El instrumento será más
sensible o preciso en la medida que sea capaz de apreciar o detectar variaciones cada
vez más pequeñas de la cantidad medida. Será más o menos exacto si los valores que
indica están en mayor o menor correspondencia con el valor verdadero según el patrón

correspondiente. Un instrumento puede ser muy sensible o preciso y a la vez poco
exacto, al no estar calibrado correctamente con relación a un patrón conocido.
II. Apreciación de un instrumento y estimación de una lectura
La apreciación de un instrumento es la menor medida que el operador puede hacer con
el mismo, es decir, el mínimo valor de una división de la escala. Así, una regla graduada
cuya menor división es 1 mm, tiene una apreciación de 1 mm. Sin embargo, al hacer
uso de esta regla el operador podrá medir y reportar una longitud dando el resultado no
en milímetros sino con algunas décimas de milímetros.
Esto nos lleva a definir la estimación de una lectura como el menor intervalo que el
operador puede reportar con la escala del instrumento que dispone. La estimación es
menor que la apreciación del instrumento y depende de la habilidad del operador. Se
traduce en añadir una cifra decimal a la lectura.
Ejemplo 1: Para medir la longitud de un tornillo dos operadores distintos utilizan el
mismo instrumento: una regla cuya apreciación es 1 mm, y aplican el mismo
procedimiento: hacen coincidir el cero de la escala de la regla con la cara inferior de la
cabeza del tornillo para ver donde cae el otro extremo del tornillo sobre la escala (Fig.2).
El observador pesimista encuentra que el extremo del
tornillo queda ubicado muy cercano a la marca de 29 mm
y reporta que la longitud del tornillo es 29 mm con una
incertidumbre de 0,5 mm.
El observador optimista es más meticuloso y se da cuenta
que el extremo del tornillo queda entre dos divisiones de
la escala: 29 mm y 30 mm. El trata de expresar esta
situación escogiendo una cifra adicional que no es leída
sino mas bien estimada y como él considera que tiene
muy buen ojo, estima como mejor lectura 29,3 mm con
una incertidumbre de 0,3 mm.
Fig. 2. Estimación de una lectura
Algunos experimentadores prefieren siempre tomar la mitad de la apreciación del
instrumento como el valor de la incertidumbre en la lectura. Sin embargo, creemos que
esta es una postura demasiado pesimista.
En el caso de instrumentos con escala digital, la incertidumbre de la lectura se puede
conseguir en el manual técnico de los mismos. Cuando no se dispone de esta
información, como la cifra indicada en la pantalla ha sido redondeada, podemos tomar
como incertidumbre, la unidad en la posición de la última cifra.

Por ejemplo, si en la pantalla de un voltímetro digital se despliega
5.86 voltios (Fig. 3); en este caso entendemos que la
incertidumbre del voltaje es 0,01 voltio.
Fig. 3: Una escala digital
III. Los errores de medición
Al efectuar la medida, sabemos que existe un valor verdadero de la magnitud física que
estamos estudiando pero, a pesar de todos los cuidados que se tomen al seleccionar el
instrumento utilizado para realizar las medidas y el esmero con que se realicen, nunca
se logrará alcanzar ese valor verdadero y por ello buscaremos la mejor aproximación
que podamos alcanzar.
El valor medido de una cantidad física depende tanto de la precisión del instrumento
como del método de medición, y también de la experiencia y atención del operador. Es
decir, inevitablemente toda medición está afectada por las imperfecciones de los
instrumentos, por las condiciones de la medida y también por las limitaciones de
nuestros sentidos.
En ciencias e ingeniería, llamamos error a la incertidumbre que se tiene en la cantidad
medida. Es un indicador del grado de credibilidad del resultado de una medición.
Cuando reportamos el valor de la cantidad junto con su correspondiente error, quedan
bien especificados los límites dentro de los cuales se encuentra el valor verdadero,
dado que la medición sólo nos brinda un valor aproximado. Los errores son parte
inherente del propio proceso de medición y, generalmente, se suelen clasificar en
sistemáticos y casuales.
a) Errores sistemáticos
Son aquellos errores que se repiten constantemente en el transcurso del experimento y
afectan a todas las medidas de la misma manera; tienen un mismo signo algebraico,
esto es, tienden a dar valores siempre
mayores o siempre menores que el valor
verdadero. No se pueden minimizar por la
vía del cálculo de promedios repitiendo las
mediciones varias veces.
Un error sistemático muy común es el
llamado error de paralaje, por la tendencia
del operador a ubicarse mal frente al
instrumento, dirigiendo la visual en forma
oblicua sobre la escala (Fig. 4).
Fig. 4: Un error de paralaje

Los errores de paralaje se cometen con mucha
frecuencia en aquellos instrumentos en que una aguja
se mueve sobre una escala. La falta de
perpendicularidad de la línea de visión con la escala
cuando el observador tiene el hábito de mirarla de lado,
resulta en un error sistemático (Fig. 5).
En estos casos, se suele colocar un pequeño espejo en
el plano de la escala, para que con la ayuda de la
imagen de la aguja en el espejo, el operador pueda
dirigir la visual en forma perpendicular a la escala.
Fig. 5: Escala con aguja móvil
Otro error sistemático puede ser introducido por una mala calibración del instrumento de
medición o también por el corrimiento del cero del mismo, el cual no fue previamente
ajustado correctamente antes de efectuar la lectura. Su valor ficticio se añadirá o
restará posteriormente al de la lectura indicada.
Los errores sistemáticos pueden producirse por equipos defectuosos o por factores
ambientales, como cuando el operador no se ha dado cuenta que durante el transcurso
del experimento ha ocurrido algún cambio de temperatura, presión o humedad que
afecta sus mediciones. Muchas veces los errores sistemáticos suelen ser difíciles de
detectar para poder ser corregidos y la única manera de darnos cuenta es por
comparación con otros métodos alternativos.
b) Errores casuales o aleatorios
Son errores originados por factores accidentales o fortuitos; hacen que las medidas
obtenidas sean a veces mayores que el valor verdadero y otras veces menores. Se
deben a descuidos casuales del observador y a pequeñas variaciones de las
condiciones experimentales que escapan al control del observador. Se caracterizan por
el azar de ambos signos algebraicos, son variables en magnitud y oscilan alrededor de
un valor medio. Veremos que estos errores pueden ser minimizados aplicando criterios
estadísticos por la vía del cálculo de promedios, después de repetir la medición un
número suficiente de veces bajo las mismas condiciones.
ANÁLISIS ESTADÍSTICO DE UN CONJUNTO DE MEDICIONES
Cuando se mide una cantidad y se repite la operación varias veces de la misma
manera, el resultado podría parecer desconcertante porque lo más probable es que las
lecturas sean todas diferentes, aunque pudiera haber valores repetidos. Esta
diversidad de lecturas son intrínsecas a la naturaleza estadística de la operación de

medir, por la influencia que tienen diversos factores aleatorios que son incontrolables.
Entonces surge las pregunta: ¿Cuál es el valor que se debe asignar a la cantidad
medida? y ¿cuál sería su incerteza? El propósito del tratamiento estadístico de los
datos experimentales es justamente determinar el valor más probable de una cantidad
medida y estimar su confiabilidad.
IV. El valor medio como el mejor valor de una cantidad medida
Supongamos que una cantidad cuyo valor verdadero es vx es medida N veces,
(utilizando el mismo instrumento y el mismo procedimiento) y encontramos N
resultados: x1, x2, x3, ..., xN. Es posible demostrar (ver referencia 2) que en el límite
∞→N , el valor que más se acerca al verdadero valor vx , viene dado por el promedio
aritmético de los N valores:
< x >=
1
N
xi
i=1
N
∑ (1)
El valor medio < x >, puede por lo tanto ser considerado como el mejor valor asequible
de la cantidad medida y es el que reportaremos como el valor observado. Veamos
ahora como podemos determinar cuan confiable es este valor < x >.
V. La desviación estándar σ, de cada medición
Supongamos que para un cierto conjunto de medidas ix (i = 1,2, ..., N), calculamos la
desviación de cada resultado, ix , respecto a la media x :
d x xi i= − (2)
Si ahora calculamos el promedio de todas las desviaciones, se tiene:
d =
1
N
xi − x( )
i=1
N
∑ =
1
N
xi
i=1
N
∑
⎛
⎝
⎜
⎞
⎠
⎟ − x = 0 (3)
Es decir, el promedio d de las desviaciones siempre resulta igual a cero y por lo tanto,
hemos encontrado que es una cantidad inútil a los efectos de cuantificar la confiabilidad
de las medidas x1, x2, x3, ..., xN.
Veamos ahora que una cantidad más apropiada para cuantificar la dispersión es la
desviación estándar, σ, la cual se define como la raíz cuadrada de la media de las
desviaciones cuadráticas:

σ =
1
N
(xi
i=1
N
∑ − < x >)2 (4)
Note que la desviación estándar σ, tiene las mismas unidades físicas que x y siempre
será un número positivo. La desviación estándar es una medida apropiada de la
incertidumbre debida a fluctuaciones en las observaciones y caracteriza por lo tanto, el
error aleatorio que se puede atribuir a cada una de los valores ix :
σ±ix (5)
Este error σ es común a todas las mediciones pues se calcula haciendo
consideraciones estadísticas que toman en cuenta todo el conjunto de observaciones.
Es una medida de la dispersión de los datos en torno a su promedio < x > y en
consecuencia, de la calidad del conjunto de medidas.
Consideremos el conjunto de medidas xi (i = 1, 2, ..., N) que están distribuidas a lo largo
de un rango finito de valores. Podemos dividir este rango en un cierto número de
intervalos y contar cuántos valores de xi hay en cada uno de esos intervalos. Podemos
ahora graficar el número de valores que queda en cada intervalo (la frecuencia) en
función de la variable x, obteniendo así un histograma de barras. La figura 6 muestra el
histograma de dos conjuntos de medidas xi. Se observa que tienen igual valor medio
pero presentan distintos grados de dispersión de sus valores.
Fig. 6: Histograma de barras.
En cada uno de estos histogramas se ha trazado una curva teórica envolvente que
corresponde a una función de probabilidad, f(x), esta es la distribución de Gauss o
Normal, que es la que aparece con más frecuencia en fenómenos naturales y en

distintas áreas de la física. En la distribución gaussiana los valores de x se disponen
simétricamente alrededor del valor medio en forma de una campana y su ancho está
determinado por la desviación estándar σ:
f(x) =
1
2πσ2
exp[−
x− < x >
2σ2 ] (6)
Si la campana es ancha, la desviación estándar σ es grande, mientras que si es
estrecha, el valor de σ es pequeño. Los
puntos de inflexión de la curva están
ubicados en (< x > -σ ) y (< x > +σ ).
El área de la curva comprendida entre
estos dos puntos constituye el 68,3 % del
área total (Fig.7). Esto significa que,
considerando sólo los errores aleatorios,
podremos estar confiados con un 68,3 %
de probabilidad que cualquier medida de x
arrojará un valor dentro del intervalo
establecido por σ.
Fig. 7. Campana de Gauss
Ejemplo 2: Se efectúan 10 mediciones del período T (s), de las oscilaciones de un
oscilador masa-resorte, dando los resultados que se muestran en la siguiente tabla:
Mediciones Valor xi medido
Desviación
(xi - <x>)
Desviación
cuadrática
(xi - <x>)2
1 8,50 -0,070 0,0049
2 8,60 +0,03 0,0009
3 8,90 +0,33 0,1089
4 8,20 -0,37 0,1369
5 8,50 -0,07 0,0049
6 8,70 +0,13 0,0169
7 8,50 -0,07 0,0049
8 8,40 -0,17 0,0289
9 8,50 -0,07 0,0049
10 8,90 +0,33 0,1089
< x >=
1
N
xi∑ = 8,57s (xi − < x >)∑ =0 (xi − < x >)2
∑ = 0,421s2

Con la suma de las desviaciones al cuadrado, calculamos la desviación estándar:
σ =
1
N
(xi − < x >)2
∑ =
0,421 s2
10
=0,21 s
Por lo tanto, podemos decir que el mejor valor o valor más probable del periodo es
<T > = 8,57 s y la dispersión de las lecturas es ±0,21 s. Esto significa que si, en este
mismo oscilador masa-resorte, efectuamos una nueva medición del periodo, la
probabilidad de que arroje un valor en el intervalo (8,36 s - 8,78 s) es de 68,3%.
VII. La desviación estándar del valor medio
La desviación estándar σ de un conjunto de N medidas individuales da una idea
acerca de la dispersión alrededor del valor promedio < x >, pero no podemos decir que
el intervalo (-σ, +σ ) sea el intervalo de certeza asociado a la medición.
Supongamos que sobre un mismo sistema realizamos en forma separada, varios
conjuntos de N mediciones de x, y para cada una de estos conjuntos calculamos el
correspondiente promedio. Es de esperar que los valores de los promedios de los
distintos conjuntos de medidas sean diferentes, pero la dispersión será la misma,
puesto que σ no depende de N sino de la calidad de las mediciones. Esto significa que
los distintos promedios se encontrarán distribuidos con una dispersión menor que la que
tenían las mediciones individuales. Se puede demostrar (Ver referencia 2) que la
distribución de los promedios < x > será gaussiana y tienen una desviación estándar
que disminuye en proporción a N respecto de la desviación estándar de las medidas:
σ<x> =
σ
N
(Desviación estándar del promedio) (7)
Con esta expresión tenemos un criterio para determinar los límites dentro de los cuales
podemos reportar que se encuentra el valor de una cantidad x en el proceso de repetir
la medida N veces:
x =< x > ±
σ
N
(8)
Ejemplo 3: Determine el valor que debemos reportar para el período de las
oscilaciones del oscilador masa-resorte del ejemplo 1.
Utilizando el resultado obtenido para la desviación estándar de las 10 medidas
individuales σ = 0,20 s, podemos calcular la desviación estándar del promedio:

σ<x> =
σ
N
=
0,20
10
= 0,06 s
Por lo tanto, basándonos en las 10 mediciones, podemos reportar que el periodo de las
oscilaciones del oscilador masa resorte es:
T = (8,56± 0,06) s
Observe que la expresión para calcular los errores: σ<x> =σ / N , es un resultado
sumamente importante: Si queremos reducir el error aleatorio a valores despreciables,
bastaría con llevar a cabo un número suficiente de medidas.
Pero ¿valdría la pena el esfuerzo en realizar un número muy grande de medidas para
tratar de disminuir σ<x>? ¿cuál será sería el valor de N óptimo o suficiente? Resulta
evidente que el límite de N estaría impuesto por los errores sistemáticos y los errores de
apreciación, que permanecerán inalterables a pesar de los criterios estadísticos, de
modo que nunca podremos llegar mas allá de estos límites.
Una regla práctica consistiría en tomar unas pocas medidas, hechas de la misma
manera y observar la dispersión de las lecturas. Si la desviación resulta pequeña
comparada con el error de cada lectura, no habría necesidad de más mediciones y
simplemente se toma el error de lectura como el error del promedio.
VI. Diferencia entre precisión y exactitud
Para un conjunto de medidas xi (i = 1, 2, ..., N ) la confianza o calidad del resultado lo
da tanto su exactitud como su precisión. Una medida será más exacta cuanto más
cerca está el valor medio observado del valor verdadero. La exactitud está relacionada
con los errores sistemáticos. Por otro lado, la precisión está ligada a la reproducibilidad
de la medida, es decir, a la distribución de los resultados en torno al valor medio y está
asociada con los errores casuales o aleatorios.
En la figura 8a comparamos dos conjuntos de medidas, A y B, con el mismo valor
medio y por lo tanto, tienen la misma exactitud. La distribución A es más aguda
alrededor del valor medio y tiene una menor desviación estándar, por lo que se
considerará a este conjunto como el más preciso. En la figura 8b comparamos dos
conjuntos de medidas, C y D, distribuidos idénticamente en torno a sus respectivas
medias, por ello tienen igual precisión, aunque los valores medios sean distintos. Como
el valor medio del conjunto C está más cerca al valor verdadero xv, resulta más exacto.

Fig. 8a: Igual exactitud. Diferente precisión Fig. 8b: Diferente exactitud. Igual precisión
Ejemplo 4: En la figura 9 se muestran cuatro resultados obtenidos en una práctica de
lanzamiento de dardos al blanco. Haciendo una analogía con los procesos de medición
queremos ilustrar la distinción entre los conceptos de exactitud y precisión.
Fig. 9: Ilustración de la diferencia entre exactitud y precisión
La serie de lanzamientos es análoga al conjunto de medidas realizadas y el centro de
los anillos se considera como el “valor verdadero”. Aquí los errores casuales estarían
asociados a cualquier factor que haga que los dardos lleguen en forma aleatoria a
distintos puntos. Mientras que los errores sistemáticos estarían ocasionados porque
existe algún sesgo que hace que los dardos impacten en una zona fuera del centro en
forma sistemática. Podría ser, por ejemplo, que hay un viento fijo que los estuviese
desviando. En los cuatro resultados mostrados, la zona de dispersión de los puntos da
una idea de la precisión, mientras que la ubicación del centroide del conjunto de puntos
respecto al centro, da una idea de la exactitud.

VIII. Error relativo y error porcentual
La magnitud de un error tiene una significación o importancia relativa. El error absoluto
xΔ se considerará pequeño o grande solamente en comparación con el
correspondiente valor de la cantidad observada. De allí, la importancia de definir el error
relativo:
x
xΔ
=ε (9)
El error porcentual es el error relativo expresado en forma de porcentajes:
100100% ×
Δ
=×=
x
x
εε (10)
Los errores relativos y porcentuales son más significativos que los errores absolutos y
se suelen reportar con una sola cifra significativa. Ellos nos dan una idea más realista
de las bondad de las medidas que estamos realizando.
IX. Propagación de errores: Medidas indirectas
Cuando nos encontramos con cantidades físicas que no se pueden medir directamente
pero que están relacionadas analíticamente con otras que se miden acompañadas de
sus respectivos errores, éstos se propagan a la cantidad que queremos calcular de
acuerdo a la relación funcional que las vincula. Presentaremos a continuación los dos
métodos de mayor uso para propagar el error de las cantidades medidas a la cantidad
calculada.
a) Método de las derivadas parciales
En base al hecho de que los errores de medida generalmente son pequeños en relación
con las cantidades observadas, se puede desarrollar el método de propagación de
errores en base al cálculo diferencial.
Sea x la cantidad que queremos calcular a partir de otras cantidades: A1, A2, ... , AN
que son el resultado de procesos de medición. Cada una de las cantidades Ai está
asociada a su respectivo error ΔAi , y además se conoce la relación entre los Ai y x:
( )NAAAAxx ,...,,, 321= (11)
La notación indica que x es una función de las variables Ai . El diferencial total de la
función x se define de la siguiente manera:

dx =
∂x
∂A1
dA1 +
∂x
∂A2
dA2 +
∂x
∂A3
A3 + ...+
∂x
∂AN
AN (12)
Acá 1Ax ∂∂ denota la derivada parcial de la función x con respecto a la variable 1A
considerando constantes el resto de las variables NAAA ,...,, 32 .
Los diversos diferenciales, dAi, que aparecen en la expresión para el diferencial total de
x pueden ser considerados como los distintos errores, ΔAi, obteniéndose la siguiente
expresión:
N
N
A
A
x
A
A
x
A
A
x
A
A
x
x Δ
∂
∂
++Δ
∂
∂
+Δ
∂
∂
+Δ
∂
∂
=Δ ...3
3
2
2
1
1
(13)
Esta es una expresión general para el cálculo del error xΔ de la cantidad calculada x a
partir de los errores NAAAA ΔΔΔΔ ,...,,, 321 de las cantidades que se miden.
Los errores NAAA ΔΔΔ ,...,, 21 son positivos por convención. Sin embargo, las diversas
derivadas parciales involucradas pueden adoptar ambos signos. Esto hace necesario
que se tome el valor absoluto de las derivadas parciales; se evita así la compensación
(o cancelación) entre los términos involucrados en el miembro derecho de la expresión.
Hacer esto equivale a adoptar la posición más pesimista y optamos por calcular el error
máximo.
Ejemplo 5: Consideremos la energía cinética de una partícula de masa m que tiene una
velocidad v. Calculemos el diferencial total de la función ( )vmKK ,= :
2
2
1
mvK =
dK = d
1
2
mv2
⎛
⎝
⎜
⎞
⎠
⎟ =
1
2
v2
dm +
1
2
md v2
( )=
1
2
v2
dm + mvdv
Aplicando el esquema explicado previamente se obtiene el error absoluto ΔK:
vmvmvK Δ+Δ=Δ 2
2
1
Asimismo, el error relativo es:
ΔK
K
=
|
1
2
v2 |Δm+ |mv |Δv
1
2
mv2
=
Δm
m
+ 2 |
Δv
v
|

b) Método de las derivadas logarítmicas
Al tratar con funciones que tengan productos y cocientes, el uso de las derivadas
logarítmicas brinda el método más práctico para calcular los errores relativos de
cantidades determinadas indirectamente.
El método consiste en diferenciar el logaritmo neperiano de la función
( )NAAAAxx ,...,,, 321= :
( )
x
dx
xd =ln
En caso de que proceda, se debe agrupar términos que posean diferenciales idA en
común, antes de escribir los diferenciales idA como errores iAΔ . Siempre queremos
determinar el error máximo: por ello es necesario tomar nuevamente el valor absoluto
del coeficiente de los distintos errores, iAΔ .
Ejemplo 6: Consideremos de nuevo el caso de la energía cinética 2
2
1
mvK = . La
diferenciación del logaritmo neperiano de K da el siguiente resultado:
( )
K
dK
v
dv
m
dm
vmdmvdKd ≡+=⎟
⎠
⎞
⎜
⎝
⎛
++=⎥
⎦
⎤
⎢
⎣
⎡
⎟
⎠
⎞
⎜
⎝
⎛
= 2ln2ln
2
1
ln
2
1
lnln 2
(14)
Al reinterpretar como errores los diferenciales en la expresión obtenida, manteniendo
las convenciones relativas a la toma de valor absoluto de los coeficientes, se obtiene la
expresión del error relativo:
ΔK
K
=
Δm
m
+ 2 |
Δv
v
|
Esta expresión coincide con la obtenida por el método de las derivadas parciales y de
ella podemos deducir el error absoluto.
X. Manejo de resultados experimentales
a) Cifras significativas y redondeo
Una cifra significativa es todo dígito que tenga significado físico. El número de cifras
significativas de una cantidad se determina contando desde la izquierda a partir de la
primera que es diferente de cero hasta la primera cifra afectada de error inclusive.

Ejemplos de cifras significativas
Número 501 0,501 0,0501 501,0 501,00 5,01x106
Cifras
significativas
3 3 3 4 5 3
En este laboratorio, como regla general, se expresará el error absoluto con una sola
cifra significativa lo que conduce a que el resultado solo tenga una cifra incierta.
Cuando queremos expresar el resultado de una medida nos vemos en la necesidad de
eliminar dígitos que carecen de sentido físico. La última cifra significativa a retener será
aquella que está afectada por el error de dicha medición.
Ejemplo 7: Supongamos que realizamos una serie de medidas del tiempo de caída de
un cuerpo desde cierta altura y calculamos el tiempo promedio y la respectiva
desviación estándar de los tiempos promedios, con los siguientes resultados:
< t >=
1
N
ti
i=1
N
∑ = 15,027 s σ<x> =
σ
N
= 0, 042 s
Supongamos que el error de lectura del cronómetro puede despreciarse al compararlo
con σ<x>, entonces se toma como error de la medida: Δt =σ<x>. Para expresar este
resultado, de acuerdo a lo convenido para nuestro trabajo, debemos escribir primero el
error con una sola cifra significativa: Δt = ± 0,04s. Vemos que el promedio < t >
calculado tiene 3 cifras exactas pero la cuarta ya es dudosa porque está afectada por el
error, por ello suprimimos la quinta cifra que no tiene sentido físico y el promedio lo
redondeamos a: < t > =15,03. Podemos reportar para el tiempo un valor,
t = (15,03± 0,04) s
Ejemplo 8: Cuando se usa una calculadora para
procesar datos experimentales, una práctica común es
retener en la respuesta final del cálculo, todas las
cifras que aparecen en la pantalla. Sin embargo,
reportar este resultado no tiene sentido físico.
Suponga que se desea calcular el volumen de una
esfera cuyo radio se conoce con tres cifras
significativas: r= 2,18 ± 0,03 cm. Empleando una
calculadora, se obtiene: V=(4/3)πr3
=43,39683832 cm3
.
Lo correcto es retener solamente aquellos dígitos que

se conocen con razonable certeza, los cuales están determinados por el error en el
volumen, ΔV.
Aplicando la propagación de errores se obtiene:
ΔV
V
= 3
Δr
r
= 3(
0,03
2,18
) = 0,04128, ΔV= 1,704 cm3
Después de redondear ΔV, a una cifra significativa, reportamos que el valor del volumen
es V = (43 ± 2) cm3
.
Criterios de redondeo. Para evitar ambigüedades en el redondeo de un número (por
defecto o por exceso), convendremos los siguientes criterios que son los mismos
utilizados en las computadoras:
1) Si el primer dígito a suprimir es menor que 5, la última cifra retenida se deja igual.
2) Si la cifra a suprimir es 5 o mayor que 5, entonces se aumenta en una unidad la
última cifra retenida.
Número 5 cifras 4 cifras 3 cifras 2 cifras 1 cifra
3,14159 3,1416 3,142 3,14 3,1 3
851613 85161 x101
8516 x102
852 x103
85 x104
9 x105
9,52068x10-3
9,5207x10-3
9,521x10-3
9,52x10-3
9,5x10-3
1x10-2
299792458 2,9979x108
2,998x108
3,00x108
3,0x108
3x108
b) Realización de cálculos
Al realizar cálculos podemos señalar algunas reglas a observar:
• En multiplicaciones o divisiones: el resultado final no debe tener más cifras
significativas que el número con menos cifras significativas.
Operación Resultado Redondeo
2,3 × 3,14159 7,225657 7,2
2,30 × 3,14159 7,225657 7,23
23 × 3,14159 72,25657 72
0,23 × 3,14159 0,7225657 0,72

36,5 / 3,414 10,69127124 10,7
3,014467 / 0,62 4,862043548 4,9
• En sumas o restas, el resultado no debe tener más cifras significativas después
del punto decimal que el sumando con menos cifras significativas después del
punto decimal.
Operación Resultado Redondeo
322,10 + 3,9 + 0,307 326,307 326,3
21,0 + 0,725 + 3,61 25,335 25,3
55 + 4,28 + 203,6
+121,470
384,350 384
8,2 + (3,6x10-2
) -1,07 7,166 7,2
• Las constantes (como π) se emplean en los cálculos con tantas cifras
significativas como sean necesarias.
• Al transformar las unidades se preserva el criterio de que el error se reporta con
una cifra significativa. Por ejemplo: xΔ = 0,2 s = 0,003 min.
• Las unidades angulares deben transformarse a radianes antes de emplearlas en
las propagaciones de errores. Por ejemplo: θΔ = 0,01˚= 2 × 10-4
rad.
RESUMEN
El tratamiento estadístico de una data experimental nos permitirá reducir
considerablemente los errores casuales de las mediciones. Este análisis sería
rigurosamente válido cuando se tiene un conjunto suficientemente grande de
mediciones, repetidas bajos las mismas condiciones. En los experimentos que vamos a
realizar, por razones prácticas, bajaremos esta condición a un número pequeño de
medidas ((N < 10), procurando que éstas sean de buena calidad. Para encontrar el
valor de una cantidad x, y prescindiendo de los errores sistemáticos que suponemos
han sido corregidos o eliminados, se procede de la siguiente manera:
1) Determine el error de apreciación en el instrumento utilizado.
2) Haga una serie de N mediciones de la misma manera y construya una tabla.
3) Calcule la media aritmética: < x >= xi
i=1
N
∑ / N
4) Calcule la desviación estándar de la media: σ<x> =σ / N

5) Compare la desviación estándar con el error de apreciación y tome como error de la
media, Δx , el mayor de estos dos valores. El error debe tener una sola cifra
significativa.
6) Escriba el resultado final de la media sólo con las cifras significativas limitadas por el
error: x =< x > ±Δx (indicando las unidades apropiadas).
7) Si la cantidad x a determinar no se puede medir directamente, sino que se relaciona
con las cantidades medidas mediante una relación funcional x(A, B, C..), aplique las
técnicas de propagación de errores de las magnitudes que intervienen.
ACTIVIDADES PRELIMINARES
a) Demuestre la igualdad entre las dos maneras usuales de expresar la desviación
estándar:
σ =
1
N
xi − < x >( )
2
i=1
N
∑ = < x2
> − < x >2
b) Consulte el manual de su calculadora y estudie el procedimiento para computar la
desviación estándar. Esto le será de utilidad en todos los cursos de laboratorio y en
su vida profesional.
c) En las siguientes expresiones aplique los dos métodos para evaluar el error xΔ
sobre la cantidad ),( BAx . Tome en cuenta que A, ΔA, B, ΔB son conocidos.
1) BAx 3+= 2) 2
ABx = 3) 3
5Bx =
d) Escriba el resultado final de los siguientes cálculos, de acuerdo a las reglas
enunciadas en el texto:
1) 950,12 + 35,4 + 747,991 2) 1230000 × 0,000123 / 43,21

ACTIVIDADES A REALIZAR DURANTE LA SESIÓN DE PRÁCTICA
El profesor expondrá los fundamentos teóricos de esta práctica y resolverá algunos
ejemplos numéricos de aplicación sobre propagación y cálculo de errores en
situaciones específicas. A continuación sugerimos una selección de ejercicios y
actividades, algunas de las cuales serán realizados durante la sesión de práctica.
A1. Dadas las expresiones siguientes, x = x(A, B, C), siendo A, B y C variables
independientes, calcule el error relativo xxΔ . Usted podrá escoger entre el
método de las derivadas parciales y el de las derivadas logarítmicas. (se suponen
conocidos los errores relativos AAΔ , BBΔ , CCΔ .
a) x =
A - B
(A2
+ B2
)2
b) x =
A − B
A + B
⎛
⎝
⎜
⎞
⎠
⎟
3
c)
C
B
Ax += 4
d) x = ln
B
A
⎛
⎝
⎜
⎞
⎠
⎟
A
e) x =
A3
4B
+ BC f) x =
tgA
senB
A2. La resistencia de un aislador en función de la temperatura absoluta T, está dada
por:
kTE
eRR 0=
siendo E la energía de activación y R0 una constante de proporcionalidad; k es la
constante de Boltzmann (k = 8,617x10-5 eV/°K). Se desea medir R con 10% de
error y se conoce que E = (0,60 ± 0,01) eV, T = (800 ± 1) K. Determine el error
porcentual correspondiente a 0R .
A3. Una pieza metálica tiene la forma de la figura. Se
observa que sólo es posible medir la distancia d
indirectamente, como la diferencia entre las
longitudes a y b.
Si a = (18,5±0,1) mm y b = (6,2 ±0,1) mm, ¿Qué
valor reportaría Ud. para la distancia d?.

A4. Verificación experimental del número π: A Ud. se le suministra una lata de
leche vacía de forma cilíndrica y una regla graduada cuya apreciación es 1 mm.
Diseñe un procedimiento para determinar el número π con la mejor precisión
posible. Considerando la propagación de errores, estime el error relativo en esta
medición.
A5. Número de guisantes en una lata. Se tiene una lata llena de guisantes y se
desea estimar el número de guisantes que hay en ella sin abrirla. La lata tiene
forma cilíndrica de diámetro d = (10,6 ± 0,1) cm y altura h = (16,3 ± 0,1) cm. Los
guisantes se consideran esféricos de diámetro d = (5,8 ± 0,2) mm.
¿Cuántos guisantes diría Ud. que hay en esa lata? Si Ud. supone que todo el
volumen de la lata está disponible para los guisantes ¿estarán sus cálculos libres
de un error sistemático?
A6. La velocidad del sonido. En una práctica de laboratorio para medir la velocidad
del sonido en el aire, se envía un pulso de onda sonora a lo largo de un tubo
cerrado en un extremo. La longitud del recorrido del pulso ida y vuelta en el tubo
es L = (2,07 ± 0,01) m. En la tabla se muestra el resultado de 8 mediciones del
tiempo total registrado de ida y regreso del pulso.
Tiempo (s) 0.00611 0.00620 0.00619 0.00617 0.00615 0.00615 0.00614 0.00623
¿Qué valor reportaría Ud. para la velocidad del sonido?
A7. Error en el ángulo de elevación de un plano inclinado: En una práctica para
determinar el coeficiente de fricción estático,
se coloca un bloque encima de un plano
inclinado, cuya elevación se va gradualmente
incrementando hasta que el cuerpo empiece
a deslizar. El coeficiente de fricción estático
se obtiene a partir del valor del ángulo crítico.
Este ángulo se determina midiendo con una
regla, la altura h y la longitud L del plano
inclinado:
θ = arcsen(h /L)
a) Calcule el ángulo θ con su respectivo error para los siguientes valores medidos
de las longitudes: h = (30,5 ± 0,1) cm y L = (50,0 ± 0,1) cm.
b) Calcule el valor del coeficiente de fricción estática con su respectivo error
aplicando la expresión: μe = tgθ .

A8. Midiendo la altura de una montaña: Un alumno desea determinar la altura del
pico de una montaña, usando un transportador y un hilo con una piedra
suspendida (plomada). Para ello, se ubica en una posición inicial A, alinea el borde
recto del transportador hacia la punta de la montaña y mide el ángulo de elevación
inicial, θA . Luego, después de caminar en un terreno plano y en línea recta hacia
la montaña una distancia d, se detiene en la posición B. Allí mide el nuevo ángulo
de elevación, θB .
a)Verifique la siguiente expresión para la altura h de la montaña respecto al suelo:
h = (
tgθAtgθB
tgθB −tgθA
)d
b) Si las mediciones arrojan los siguientes valores:
θA =15,0º±0,5º , θB =18,5º±0,5º , d = (30,5 ± 0,1) cm.
Determine la altura de la montaña con su respectivo error.

A9. Espere las instrucciones del profesor antes de pasar a hacer uso del programa
“Tutorial de Física” en el computador personal.
REFERENCIAS
1. Data Reduction and Error Analysis for the Physical Sciences, Phillip R. Bevington
(McGraw-Hill, 1969).
2. An introduction to error analysis, John R. Taylor (University Science Books, 1997)
3. http://www.sc.ehu.es/sbweb/fisica/unidades/unidadMedida.htm

Lab1 01-errores

Más contenido relacionado

La actualidad más candente (20)

Similar a Lab1 01-errores (20)

Último (20)

Lab1 01-errores