Unidad 1

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.

CLASIFICACION DE LOS ERRORES

Segn su naturaleza, los podemos clasificar en:

a. Sistemticos
b. Accidentales
Los Sistemticos o Modelo, obedecen a leyes conocidas, por lo tanto pueden anularse o
reducir sus efectos a una mnima expresin. Son casi siempre del mismo signo y provienen
de la imperfeccin de alguna teora fsica que sirven de fundamento a las experiencias o de
los instrumentos empleados y de ciertas peculiaridades del observador. Decimos casi
siempre de igual signo porque depender de la ley que lo rige.
Como ejemplo de los primeros podemos mencionar la incidencia de la temperatura en la
longitud de la cinta de agrimensor, pues el metal con que esta construida, sufre dilataciones
o contracciones, segn los cambios de temperatura ambiente. Por este motivo, una cinta de
50.00m, contrastada a 20C de temperatura con un coeficiente de dilatacin del acero de
1/100.000, si se produce una variacin en la temperatura de 25C, dicha cinta sufrir un
alargamiento en su longitud segn la siguiente ley:

lt = l0 (1 +a*D t) siendo Dl = lt - l0 = 50.000/100000 * 25 = 12.5 mm

Si en cambio, el error se produce por peculiaridad del observador, podemos citar,

siguiendo con el ejemplo de la cinta la ecuacin personal al determinar la marca que indica
la cinta al leer una magnitud. No me refiero a un error de lectura sino a una costumbre
sistematizada del operador al mirar siempre la graduacin, con un leve desplazamiento
hacia un lado y no en el centro.

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.

PROBABILIDAD DE LOS ERRORES

Karl Friedrich Gauss, basndose en hechos experimentales, desarrollo La Teora de los

Errores, exclusivamente para los accidentales. Las hiptesis planteadas por Gauss,
surgieron como consecuencia de analizar una serie de gran cantidad de observaciones de
igual precisin, inherentes a una misma magnitud, estableciendo 4 premisas o postulados.
Ellos son:
1- La media aritmtica o promedio es el valor mas probable.

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

4- Siempre existe la probabilidad de cometer un error comprendido entre -h y +h

+
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:

Clasificacin de los Errores

Los errores accidentales se clasifican en Verdaderos ei y Aparentes vi.

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:

Xm = (x1+ x2+ x3++ xn) / n = ( x )/n

Media de los Errores

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

Error medio de una observacin

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.

Propagacin de los Errores

Si queremos calcular la superficie de un predio, utilizando las magnitudes de los lados

medidos con un cierto error, como influiran estos en nuestro calculo de superficie?. La
respuesta radica en encontrar la ley que rija la propagacin de esos errores, que depender
del tipo de calculo a utilizar, suma, resta, multiplicacin, etc.
1-SUMA
Sea X la suma de dos magnitudes, x1 y x2, medidas cada una de ellas con una precisin
diferente m1 y m2 respectivamente. Se demuestra que siendo igualmente probable que estos
se sumen o se resten, el error medio de la funcin ser:

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

(2)/n =(v12)/n +( v22)/n + 2( v1 v2)/n

Observemos que el valor del tercer termino del segundo miembro tiende a cero para n
suficientemente grande. Finalmente reemplazamos por m

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:

MX= a12x12+a22x22+...+an2xn2 (4)

4-FUNCION NO LINEAL

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

MX = (f/x1) 2 m12 + (f/x2) 2 m22 + + (f/xn) 2 mn2 (5)

La (5) es la expresin general de la propagacin de los errores

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.

Error Medio del Promedio

Si aplicamos la expresin general de la propagacin de los errores (5), en la formula del

de la Media aritmtica Xm = (x1+ x2+ x3++ xn) / n , tendremos que:

MXm=(1/n) 2 m12 + (1/n) 2 m22 + + (1/n) 2 mn2

como x1, x2, ..., xn son observaciones realizadas con igual precisin, la expresin quedara
reducida a :

MXm= n m2/n2 = m/ n (6)

y por comodidad se reemplaza MXm por la letra M.
Al representarla grficamente con los valores de n como eje de las abscisas, se obtendr
una curva asinttica al eje n, cuya funcin tiende a cero cuando n se hace suficientemente
grande. Esto implica que repitiendo las observaciones un numero suficiente de veces, se
puede hacer el error medio tan pequeo como quiera, pero esto es verdadero si se cumple
que todos los errores tengan un carcter accidental, la experiencia indica que pueden influir
pequeos errores sistemticos, no obstante observando con detalle la curva, vemos que para
un valor de n = 4, M vale la mitad de m, pero luego comienza a disminuir mas lentamente y
al llegar a n=16, la disminucin es imperceptible.

5
 m=1

Por lo tanto es recomendable en Topografa, no excederse de 4 reiteraciones.

DISTRIBUCIN DE LOS ERRORES

Al efectuar n mediciones de una magnitud comprobamos que algunos valores se repiten.

Llamaremos Frecuencia Absoluta al numero de veces que se repite cada magnitud, o sea el
nmero de casos favorables y llamaremos Frecuencia relativa al cociente entre la frecuencia
absoluta y el numero total de mediciones realizadas. Por ejemplo, si arrojamos un dado 150
veces, segn la tabla de resultados se observara que la Frecuencia Absoluta del numero 3
es de 25 y la Relativa es de 25/150= 1/6=0.1666 , prcticamente igual a la probabilidad de
sacar un 3 arrojando un dado 6 veces. Esto implica que para un numero grande de sucesos,
la frecuencia relativa tiende a la probabilidad simple.

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.

La campana de Gauss cumple con las siguientes propiedades:

1. Todas las curvas pasan por un valor mximo que corresponde al valor mas probable
(valor medio). Primer Postulado
2. Decrece en forma continua para los valores de las abscisas que se alejan hacia la
derecha y hacia la izquierda del valor medio. Tercer Postulado
3. Son simtricas con relacin a la ordenada que pasa por el valor mas probable.
Segundo Postulado
4. Tienen forma de campana y responden a la ecuacin
5.
y =( h .e-h2 2 )/
donde
e = 2.71828...base de los logaritmos neperianos.
= 3.14159...
h = constante que varia en cada caso, llamada modulo de precisin o precisin del
mtodo. Esta vinculada con el error cuadrtico medio por la relacin
h=1/m2
o sea h.m= 0.707 . A < m >h y viceversa. Al disminuir h la curva se achata.
= error aparente 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 exclusin provisoria

Consiste en excluir provisoriamente la o las observaciones, todas a la misma vez,
presumiblemente afectadas de error grosero y elaborar la serie con las restantes, como si no
existieran. Se calcula el promedio Xm, el error medio m y el error mximo E.max , luego se
compara este con la diferencia D entre el valor excluido y el promedio hallado. Si
D=xi-Xm< E.max , no se elimina y se integrara a la serie. Si resulta mayor se eliminara
definitivamente.

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

En la grafica y en la tabla del Anexo I se ve como resolver en forma inmediata dicha

expresin, por ejemplo:

+ max ch
= 1 2110 = 0.95(95%)
max ch

O sea que el error mximo de Chauvenet ser el valor de la abscisa cuyo a

ordenada de la curva integral valga 0.95 (95%). Ese valor en el ejemplo seria 1.4
(E.maxCh)
Luego si
0.707 6 cm.
1.4 x cm x max ch 12cm

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