PRÁCTICA 0

TEORÍA DE ERRORES

Oscar Ivan Torres Mena

ESFM – IPN, Depto. Física, U.P.A.L.M., San Pedro Zacatenco, 07738, México D.F., México
Laboratorio I, Grupo 5FV2

E-mail: oscar_qks@hotmail.com

RESUMEN

La Física es una ciencia que de acuerdo a lo experimental, logra formular una teoría que exprese el fenómeno
estudiado, esto para poder ser analizado de manera cualitativa. Al llevar a cabo el experimento es necesaria la observación,
la cual incluye el registro de datos, tanto de condiciones iniciales, como de los que se obtienen mientras el experimento se
desarrolla. Con los datos obtenidos se hacen comparaciones y se busca ajustar una ecuación que modele el fenómeno
estudiado, para ello se usan las medidas de tendencia central, y de acuerdo a estas también se busca las divergencias entre
las distintas mediciones para disminuir y comparar errores.

INTRODUCCIÓN unidad de medida. Para esto el tamaño de lo medido y la

Esta es una investigación bibliográfica, base necesaria para
el análisis de datos de los experimentos a realizarse
durante el avance de este curso; “Laboratorio I”. Aquí
explicaremos que es una medición, los tipos de errores
existen, como medirlos, con base a que comparar los datos
experimentales uno a uno, para ello requeriremos las
medidas de tendencia central. También como ver de
manera cualitativa y sencilla las propiedades de las
relaciones que posea el fenómeno, esto mediante las
gráficas, además del como ajustarlas para tener una
ecuación y una curva que describa de manera acertada el
comportamiento del proceso estudiado en condiciones
óptimas o utópicas.
TEORIA DE ERRORES
A. Mensurando
Es el objeto, sustancia o fenómeno sobre el que se
determina una característica específica. La especificación
del mensurando puede requerir indicaciones acerca de
magnitudes tales como tiempo, temperatura, etc., que
ayudan a definir sin ambigüedad el mismo.
B. Medición
Es la comparación que se establece entre una cierta
cantidad y su correspondiente unidad para determinar
cuántas veces dicha unidad se encuentra contenida en el
mensurando. Consiste en determinar qué proporción
existe entre una dimensión de algún objeto y una cierta
unidad deben de compartir la misma unidad
C. Medidas de tendencia central
1.- Media aritmética: también llamada promedio. Al
tomar varias mediciones de un solo mensurando surgen
distintos valores de éste, por lo cual es necesario obtener
el valor más cercano ̅ , al real
∑
̅ (1)
Donde es cada uno de los datos medidos y N es el
número de datos.
2.- Moda: es el valor que tiene mayor frecuencia
absoluta de los datos obtenidos. Se representa por Se
puede hallar la moda para variables cualitativas y
cuantitativas.
Si en un grupo hay dos o más puntuaciones con la misma
frecuencia y esa frecuencia es la máxima, la distribución es
bimodal o multimodal. Si dos puntuaciones adyacentes
tienen la misma frecuencia máxima, la moda es el
promedio de las dos puntuaciones adyacentes, esto solo
para variables cuantitativas.
3.- Media geométrica (Mg): sirve para promediar
porcentajes, índices, incrementos porcentuales y cifras
relativas.
√∏ (2)
donde es el i-ésimo dato y N es el número de datos. ∑ ( ̅)
(7)
4.- Mediana: es el valor que ocupa el lugar central de
todos los datos cuando estos son ordenados de menor a 5.- Error del promedio (E): una magnitud física solo
mayor, es solo para variables cuantitativas. tiene sentido cuando se puede valorar el error de que está
afectada. Al culminar un proceso de medición de una
D. Errores experimentales magnitud física continua se debe de escribir:

1.- Personales: son difíciles de determinar, por lo ̅ (8)

regular se deben a problemas de paralaje (diferencia
angular entre uno y otro ojo y la línea de la medida) y donde X es el valor verdadero, ̅ es el valor más probable y
problemas visuales. E es el error que se comete en la determinación de ̅ . Es
decir, lo más a lo que se puede aspirar , es a determinar un
2.- Instrumentales: por lo general se debe a que el intervalo en el que, se puede asegurar, se encuentra el
instrumento está mal calibrado, o su funcionamiento es valor verdadero. El error promedio viene dado por:
deficiente.
(9)
√
3.- Método de medida: se produce por escoger
erróneamente o de manera inapropiada el aparato para F. Gráficas
medir.
1.- Histograma: representación gráfica de una variable
Para los errores tenemos que el error absoluto es en forma de barras. Se utiliza tanto para variables
continuas como discretas, con un gran número de datos, y
, (3)
que se han agrupado en clases. En el eje de las abscisas se
por lo general . construyen unos rectángulos que tienen por base la
amplitud del intervalo, y por altura la frecuencia absoluta
Y el error relativo ε es: de cada intervalo.

La superficie de cada barra es proporcional a la frecuencia

de los valores representados (véase Fig. 1).
(4)

E. Medidas de dispersión

1.- Rango: Diferencia entre el mayor y el menor de

todos los datos.

2.- Desviación media ( : mide la desviación

promedio de valores respecto a la media del grupo.

∑ ̅
(5)

Donde N es la cantidad de datos que se tienen, podemos

Fig. 1. Histograma
interpretarlo como la media de los errores.

3.- Desviación estándar ( ):

2.- Ojiva: también llamada gráfica de frecuencias
∑ ( ̅) acumuladas. Muestra cómo se acumulan las frecuencias en
√ (6)
una distribución de datos. Se utiliza para observar cuantos
Donde N, nuevamente, es el número de mediciones casos hay bajo o sobre un límite superior de clase, para
hechas o datos obtenidos. obtener percentiles y comparar puntuaciones. Se comienza
con el primer límite superior de la primera clase y se va
4.- Varianza ( : es el cuadrado de la desviación trazando a través del límite superior de cada clase
estándar sumando las alturas de las clases anteriores (Fig. 2).
 resultante, se debe inferir el tipo de función que vincula a
las variables.

Sea la función incógnita

mientras que sus desviaciones respecto de
los datos. Es evidente que el acuerdo entre f(x) y los datos
será tanto mejor cuanto menor sean los . Como estas
desviaciones son casuales el signo de los puede ser tanto
positivos como negativos y por ello ∑ cuando N
crece. La condición de mejor ajuste se afina entonces
Fig. 2. Ojiva pidiendo que sea mínima la suma de los cuadrados de las
desviaciones (de aquí el nombre de método de mínimos
cuadrados), es decir:
∑
∑ (16)
G. Propagación de errores
Donde los son los parámetros que definen la función
Sea δq el error absoluto. buscada. Esto equivale a ubicar f(x) en la franja de
confianza determinada por los valores experimentales
1.- Suma:
(Fig.3).
δq=δx+δy (10)

2.- Producto:

( ( )) (11)

3.- Cociente
Fig. 3. Grafica
de valores experimentales y franja de confianza.
( ( )) (12)
Desarrollando (13):
4.- Potencia ∑
(17)
(13)
Donde m es el número de mediciones realizadas, debemos
5.- En función de una variable de determinar los coeficientes , . Para
ello derivaremos parcialmente con respecto a cada uno de
| | (14) los coeficientes

6.- En función de n variables

∑( )
∑ | | (15)

H. Ajuste por mínimos cuadrados ∑

El ajuste por mínimos cuadrados es el método más preciso

para determinar la función que mejor representa la .
vinculación entre dos conjuntos de datos relacionados. La
.
representación gráfica de los valores experimentales juega
aquí un papel principal dado que, de la forma de la curva .
 ∑

A lo anterior le llamaremos (18).

Para funciones de ajuste tipo polinomial existe una

forma práctica de escribirlas que se describe en los pasos
siguientes:

a) Se escribe la función sugerida por la gráfica de los

datos.

Recta: y=ax+b
Parábola: y=ax2+bx+c
Polinomio grado n: y=axn+bxn-1+….+r

b) Se suman ambos miembros de 1 a N.

Recta: ∑ ∑
Parábola: ∑ ∑ ∑
Polinomio grado n: ∑ ∑ ∑

c) Los sistemas de ecuaciones normales se obtienen

multiplicando miembro a miembro las expresiones
anteriores por

1 y Xi para la recta.
1, Xi y Xi2 para la parábola.
1, Xi, Xi2,…,Xin para un polinomio grado n

Suele ocurrir que las funciones ajustadas no son

válidas cuando se las extrapola fuera del intervalo en que
se realizaron las mediciones. Esto restringe la relación
obtenida a un cierto rango llamado intervalo de validez de
la función.

REFERENCIAS

[1]
http://paginas.fisica.uson.mx/laura.yeomans/tc/resumen-
cenam.pdf

[2] Raúl E. Gómez Barengo “Mediciones, Incertidumbres

y Gráficas y Ajustes” ESFM-IPN 2007 México D.F. Pp (38)