Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ERRORES DE MEDICION
Todas las ciencias establecen leyes cuantitativas que rigen los fenmenos, sustentados en
mtodos experimentales, cuyo fundador, Galileo Galilei, se baso en las observaciones de
dichos fenmenos. Dichas leyes estn expresadas como relaciones numricas y por lo tanto
se debern medir magnitudes, o sea comparar a ellas con otra de su misma especie llamada
Unidad o Patrn, cuya obtencin deber estar realizada con mayor precisin.
La Topografa, que no es una ciencia pero si una disciplina o herramienta, que tiene como
finalidad el estudio de los mtodos y el instrumental necesario para poder representar en un
plano una porcin de la superficie terrestre, efecta mediciones lineales y angulares.
El resultado obtenido en esas mediciones depender de diferentes variables, como el
objeto que voy a medir, el procedimiento e instrumental a utilizar y los factores
inherentes al operador. Estas variables son coincidentes con las posibles causas de cometer
errores. Todo esto nos lleva a deducir que:
1- Se obtendrn diferentes valores de una misma magnitud.
2- La magnitud exacta ser desconocida
3- Siempre cometer errores
4- El vocablo error es sinnimo de vacilacin o indeterminacin.
5- Dichos errores debern estar acotados dentro de un entorno.
6- Fuera de dicho entorno, sern considerados como errores groseros o lo que es lo
mismo Equivocaciones.
1
Los Errores Accidentales, por el contrario son fortuitos, provienen de la imperfeccin de
nuestros sentidos, solo obedecen a la Ley del Azar y tienen la misma posibilidad de ser
positivos o negativos. Por este motivo siempre van precedidos por un smbolo . Como
ejemplo podemos citar el valor que se obtenga de medir la longitud de una mesa de
aproximadamente 1m, con una regla de 30 cm. Cada vez que desplacemos la regla, a lo
largo de la mesa, incurriremos, quiz, en el error de falta de coincidencia entre extremos.
Eso nos llevara a obtener un valor mayor, menor o igual al supuestamente correcto,
obtenido con unan cinta adecuada, pues quiz en los primeros 30cm lemos de mas, en los
siguientes de menos y as sucesivamente.
Por ultimo es conveniente saber que en la realidad los errores sistemticos o accidentales
no se hallan en estado puro. Puede llegar a tener una parte controlable sistemtica y la
restante accidental.
2- Los errores positivos son tan frecuentes como los negativos, o sea tienen la misma
posibilidad de cometerse.
P(+)= P(-)
3- Los errores pequeos en valor absoluto son mas frecuentes que los grandes. O dicho
de otra forma, La probabilidad de cometer un error dentro de un pequeo intervalo,
que debe fijarse, es funcin decreciente de la magnitud del mismo.
P + = P()= d
+
P- =1
Estos cuatro Postulados se reflejan en una curva representativa de la funcin
probabilidad, denominada Curva o campana de Gauss. Ver anexo 1
Pero antes de estudiar la funcin es necesario desarrollar los siguientes conceptos:
ei = xi Xe
vi = xi Xm
2
Este ultimo tambin se lo conoce como Desvi o Residuo
Donde xi es el valor de una observacin aislada
Xe es el valor exacto
Xm es la Media aritmtica o Promedio
Como hablar de valor exacto es utpico, salvo que se tome como tal una magnitud medida
con mayor precisin, se considerara como valor mas probable o tendiente al valor
verdadero la Media aritmtica que su expresin es igual a:
Es el promedio de los errores aparentes, que como veremos mas adelante, considerando
dos series de observaciones, de una misma magnitud, con un n pequeo, no me da la pauta
para identificar la serie mejor medida, simplemente me da idea vaga de cmo med. Si n
aumentase considerablemente, obtendra resultados mas precisos y con n=1, t tiende a cero.
Tambin se lo llama Desviacin Media, su expresin es:
t = ( |v|)/n
Es la raz cuadrada del promedio de los cuadrados de los errores verdaderos ei, pero
como estos son desconocidos, se utilizan los errores aparentes vi, en cuyo caso la expresin
varia en una unidad el denominador.
m = [e2] / n = [v2] / n -1
Para un valor de n suficientemente grande, los errores aparentes tienden a coincidir con
los verdaderos y esto implica que la media aritmtica Xm, tiende a coincidir con el valor
exacto Xe
Al error m tambin se lo denomina ndice de precisin y es inherente a cualquiera de las
observaciones, pues todas son de igual precisin.
3
Mx= (m12+m22) (1)
pues sean v1 y v2 los desvos o errores aparentes de las magnitudes x1 y x2 respectivamente,
que producirn un error = v1+v2. Al medir la primera vez ambas magnitudes
producirn un error
1= v1+v2
por segunda vez 2= v1+v2
por ensima vez n= vn1+vn2
si elevamos al cuadrado y sumamos:
12 = v12 + v22 + 2 v1 v2
22 = v12 + v22 + 2 v1 v2
n2 = vnn2 + vn n 2 + 2 vn n vn n
2 =nv12 + v22 + 2 v1 v2
y si dividimos ambos miembros por n o n-1 y de esta manera pasamos a errores medios
Mx2= mx12+mx22
o lo que es lo mismo
Mx= (m12+m22)
Cabe aclarar que el error medio de una funcin resta, tambin es la suma de la raz
cuadrada de los errores al cuadrado.
Si dichas magnitudes se midieran con igual precisin, esto implica que m1, es igual a m2 e
igual a mn, como ocurre frecuentemente en topografa, al medir con cinta, tramos de 50m o
en nivelacin geomtrica, la expresin anterior quedara de esta forma
Mx= m n (2)
2-PRODUCTO
Si una funcin X esta definida como el producto de una constante a por una variable x, el
error medio de X ser:
MX= a . mx (3)
3-FUNCION LINEAL
Consecuentemente de las expresiones (1) y (2) surge que el error medio de una funcin
del tipo X= a1x1+a2x2+...+anxn sera:
4
Por ultimo en una funcin no lineal, formada por varias variables, el error medio de
dicha es funcin ser la raz cuadrada de la suma de las derivadas parciales de la funcin
respecto de cada variable elevada al cuadrado por el error medio de la variable elevado al
cuadrado
Error Relativo
El error relativo es igual al cociente entre el error absoluto o error medio y la magnitud
medida. Se suele expresar con la letra E, en forma de quebrado, con el numero uno como
numerador, por ejemplo E =1/10.000 y es sinnimo de precisin lineal. Por el contrario,
para las magnitudes angulares, el error absoluto es el que se utiliza como sinnimo de
precisin.
5
m=1
NUMERO TIROS
1 25
2 24
3 25
4 23
5 25
6 28
TOTAL 150
6
Utilizando los mismos conceptos, representaremos grficamente sobre una par de ejes
cartesianos las frecuencias con que aparecieron los distintos errores vi segn la siguiente
tabla:
ENTRE FRECUENCIA
-5mm y +5mm 300
+5mm y +15mm 195
-5mm y -15mm 205
+15mm y +25mm 105
-15mm y -25mm 95
+25mm y +35mm 32
-25mm y-35mm 38
+35mm y +45mm 13
-35mm y -45mm 7
otros+ 3
otros- 7
TOTAL 1000
Al unir los puntos medios de las barras se obtiene una funcin continua, bien definida y
nica cuya forma de campana es siempre semejante. O sea la distribucin de los puntos ha
sido normal o Gaussiana
Si en lugar de tomar sobre el eje de ordenadas la frecuencia absoluta de cada evento
tomamos la frecuencia relativa y recordando que para un numero grande se sucesos, esta
7
tiende al valor de la probabilidad simple, adems de hacer coincidir el origen de las
abscisas con el valor Xm , la curva obtenida ser la probabilidad en funcin del error o
desvi.
8
6. Si sobre el eje de las abscisas tomamos un intervalo igual a la unidad, el rea de
ese intervalo ser igual a su altura media, que es la probabilidad de cometer un error
comprendido entre la curva, el eje de las abscisas y las ordenadas correspondientes.
7. Si bien la curva de gauss se cumple para un numero muy grande de mediciones, en
la mayora de los casos la diferencia entre la curva terica y la distribucin real de
los errores es despreciable
8. El valor de m es la abscisa del punto de inflexin de la curva y el valor de la
ordenada al origen es h/.
9. Para h=1 errores mayores que 2 tienen una probabilidad de aparecer menor del 1%
y h=2 errores mayores que 1 tienen probabilidad inferior a 2%, esto implica que el
error mximo esperable cumple con la condicin
E.max. h 2
y como m.h = 0.707 resulta que:
E.max 3m
Esto nos permite acotar el error mximo en funcin de m.
Podemos decir que lo que interesa de h no es el valor absoluto sino la relacin de los h
correspondientes a varias series de observaciones de distinta precisin. Si comparamos dos
series cuyos errores medios son:
m1= 3.5cm y m2= 7.0 cm
m1 h1= m2h2= 0.707
y h1/ h2= m2/ m1
los mdulos de precisin de ambas estn en relacin inversa a sus respectivos errores
medios.
Para evaluar la probabilidad de un entorno de error en una determinada serie, debemos
hallar el area encerrada por la curva y las ordenadas correspondientes a las abscisas + m y
m, que no es mas que calcular la integral de la funcin probabilidad.
P-m +m = d
Error equiprobable
Es aquel que tiene la misma probabilidad de que ocurra como que no ocurra, sus valores
simtricos +0.477 y 0.477 dividen a la curva en dos partes iguales por lo tanto le
corresponde una probabilidad del 50%.
ep= 0.477 m
ELIMINACIN DE OBSERVACIONES
Hasta ahora hemos visto que, dada una serie de n mediciones de una misma magnitud,
determinadas con igual precisin, cual era la forma de hallar el valor mas probable y la
precisin obtenida. Ahora veremos la metodologa a seguir cuando nos encontremos con
algn valor que se disperse del grupo de mediciones.
Cuando el numero de observaciones n es grande, Gauss nos propone eliminar
directamente aquellos valores, cuyo error aparente supere en magnitud el error mximo
E.max z3m. Pero en el caso de contar con un n pequeo, 2, 4, como mximo 10, como se
9
utiliza en Topografa, tendra que utilizar otro mtodo que me permita eliminar esos
posibles valores equivocados. Existen diferentes procedimientos que me permiten hacerlo.
Los que mas se ajustan a nuestras mediciones Topogrficas son el Mtodo de Exclusin
Provisoria y el Mtodos de Chauvenet.
El primero es de carcter subjetivo y el resultado obtenido depender de la experiencia
del calculista, el segundo, dado que consiste en aplicar una formula, es totalmente objetivo.
Mtodo de Chauvenet
Consiste en eliminar directamente aquellas observaciones cuyos errores aparentes tengan
una probabilidad de aparecer inferior a 1/2n. Es mas aplicable que el anterior y su rigor
crece al aumentar n, siendo equivalente a Gauss para 100 observaciones.
De lo expuesto surge que deber cumplirse la siguiente condicin:
+ + max ch + max ch
= 1
2n
= 1 21n
max ch max ch
+ max ch
= 1 2110 = 0.95(95%)
max ch
10
Entonces si en la serie no hay ningn error aparente que supere esa xmaxCh, no
eliminaremos ninguna observacin.. En el caso de eliminar algn valor, se calculara
la serie con los valores restantes y as hasta que no se tenga que eliminar ningn
otro valor.
Ntese que dicho criterio implica adoptar un error mximo variable, que oscila
entre 1.6 ( para n=5) y 3m, con la ventaja que puede aplicarlo cualquier calculista
con nociones elementales del tema.
11