Guı́a para Análisis de Experimentos

Laboratorios de Fı́sica

Preparado por:

Prof. EULER EUGENIO CORAL

Programa de Fı́sica
Facultad de Ciencias Básicas
Universidad del Atlántico

Marzo de 2010
Guı́a para Análisis de Experimentos

Laboratorios de Fı́sica

Preparado por:

Prof. EULER EUGENIO CORAL

Programa de Fı́sica
Facultad de Ciencias Básicas
Universidad del Atlántico

Marzo de 2010
Contenido

1 Introducción 1
1.1 Enfoque del Trabajo de Laboratorio . . . . . . . . . . . . . . . . . . . 1
1.2 Magnitudes Fı́sicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Las Unidades Básicas del SI . . . . . . . . . . . . . . . . . . . . . . . 3
1.4 Sistema de unidades . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.5 Prefijos para los Múltiplos y Submúltiplos . . . . . . . . . . . . . . . 4
1.6 Factores de Conversión . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.7 Análisis Dimensional . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.8 Orden de Magnitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.9 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2 Mediciones y Errores 9
2.1 El proceso de medición . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Tipos de medición . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3 Cifras significativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4 Operaciones con cifras significativas . . . . . . . . . . . . . . . . . . . 11
2.4.1 Criterio de aproximaciones . . . . . . . . . . . . . . . . . . . . 11
2.4.2 Suma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4.3 Multiplicación . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5 Errores Experimentales . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5.1 Errores Sistemáticos . . . . . . . . . . . . . . . . . . . . . . . 13
2.5.2 Errores Aleatorios . . . . . . . . . . . . . . . . . . . . . . . . . 13

E. E. Coral Guı́a para Análisis de Experimentos

ii CONTENIDO

2.6 Cálculo de Errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.6.1 Error Absoluto . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.6.2 Incertidumbre relativa y porcentaje de error . . . . . . . . . . 15
2.6.3 Cálculo práctico de la incertidumbre . . . . . . . . . . . . . . 16
2.7 Propagación de errores . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.7.1 Incertidumbre en funciones de una sola variable . . . . . . . . 18
2.7.2 Funciones de dos o más variables . . . . . . . . . . . . . . . . 19
2.7.3 Método general para calcular errores . . . . . . . . . . . . . . 20
2.8 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.9 Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3 Tratamiento estadı́stico de medidas 25

3.1 Cómo se minimiza este error? . . . . . . . . . . . . . . . . . . . . . . 25
3.1.1 Valor Promedio . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.2 Desviación de la Media . . . . . . . . . . . . . . . . . . . . . . 26
3.1.3 Desviación Promedio . . . . . . . . . . . . . . . . . . . . . . . 26
3.1.4 Desviación Estándar . . . . . . . . . . . . . . . . . . . . . . . 26
3.1.5 La Varianza . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.1.6 Incertidumbre Estándar de la Media . . . . . . . . . . . . . . 27
3.1.7 Error Relativo Porcentual . . . . . . . . . . . . . . . . . . . . 27
3.2 Análisis de error para N pequeño . . . . . . . . . . . . . . . . . . . . 28
3.2.1 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3 Histograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.1 Construcción del Histograma . . . . . . . . . . . . . . . . . . . 30
3.3.2 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

4 Evaluación de Experimentos 35
4.1 Análisis de gráficas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.2 Linealización de gráficos . . . . . . . . . . . . . . . . . . . . . . . . . 37

Guı́a para Análisis de Experimentos E. E. Coral

CONTENIDO iii

4.2.1 Ecuación lineal y mı́nimos cuadrados . . . . . . . . . . . . . . 37

4.2.2 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.3 Gráficos no lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3.1 Función Potencial . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3.2 Función exponencial . . . . . . . . . . . . . . . . . . . . . . . 41
4.3.3 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.3.4 Linealización de modelos conocidos . . . . . . . . . . . . . . . 44
4.4 Análisis de gráficos con ayuda de calculadoras . . . . . . . . . . . . . 45
4.4.1 Calculadoras Cassio FX95MS Y FX100MS . . . . . . . . . . . 46
4.4.2 Calculadora Cassio FX350ES . . . . . . . . . . . . . . . . . . 46
4.5 Uso de programas de computador . . . . . . . . . . . . . . . . . . . . 47
4.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Referencias bibliográficas 49

E. E. Coral Guı́a para Análisis de Experimentos

Lista de figuras

2.1 Medición de una magnitud . . . . . . . . . . . . . . . . . . . . . . . . 10

2.2 Errores aleatorios y sistemáticos en un ejercicio de práctica de tiro.
a)Alta precisión y exactitud: Debido a que las marcas de los
disparos están muy cerca unas deotras, podemos decir que los er-
rores aleatorios son pequeños (buena precisión). Debido a que la
distribución de disparos está centrada en el blanco, los errores sis-
temáticos también son pequeños (buena exactitud). b) Alta pre-
cisión y baja exactitud: Los errores aleatorios son todavı́a pequeños,
pero los sistemáticos son mucho más grandes [Pleaseinsertintopream-
ble]los disparos están sistemáticamente corridos hacia la derecha. c)
Baja precisión y Buena exactitud: En este caso, los errores
aleatorios son grandes, pero los sistemáticos son pequeños, los dis-
paros están muy dispersos, pero no están sistemáticamente corridos
del centro del blanco. d) Baja precisión y baja exactitud: Aquı́
ambos errores son grandes. . . . . . . . . . . . . . . . . . . . . . . . . 14

3.1 Ejemplo de un Histograma . . . . . . . . . . . . . . . . . . . . . . . . 30

3.2 Histograma para los datos del ejemplo . . . . . . . . . . . . . . . . . 33

4.1 Ejemplo de una figura bien realizada . . . . . . . . . . . . . . . . . . 36

4.2 Grafica de la función y = kxn en papel logarı́tmico . . . . . . . . . . . 41
4.3 Gráfica de la función y = Aekx en papel semilogarı́tmico . . . . . . . 42
4.4 Decrecimiento exponencial del Voltaje de un condensador . . . . . . . 43
4.5 Linealización de los datos de la tabla 4.2 dibujados en papel semilog. 43
4.6 La pantalla en el modo Regresión Lineal presenta dos columnas x y y. 46

E. E. Coral Guı́a para Análisis de Experimentos

Lista de tablas

1.1 Unidades básicas del SI . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.2 Definición de las Unidades básicas del SI . . . . . . . . . . . . . . . . 3
1.3 Sistemas de Unidades . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Múltiplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Submúltiplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.6 Algunos Factores de conversión . . . . . . . . . . . . . . . . . . . . . 5
1.7 Algunos órdenes de Magnitud . . . . . . . . . . . . . . . . . . . . . . 6

2.1 Ejemplo de cifras significativas . . . . . . . . . . . . . . . . . . . . . . 11

2.2 Ejemplo de aproximaciones con cifras significativas . . . . . . . . . . 12

3.1 Mediciones del tiempo de reacción . . . . . . . . . . . . . . . . . . . . 31

3.2 Intervalos para el histograma . . . . . . . . . . . . . . . . . . . . . . 32

4.1 Datos para análisis de un comportamiento lineal . . . . . . . . . . . . 39

4.2 Datos para la descarga de un condensador . . . . . . . . . . . . . . . 42
4.3 Ejercicio 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.4 Ejercicio 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.5 Ejercicio 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

E. E. Coral Guı́a para Análisis de Experimentos

Capı́tulo 1

Introducción

1.1 Enfoque del Trabajo de Laboratorio

El objetivo del trabajo en el laboratorio es familiarizarse con el aspecto fenomeno-

logico de la Fı́sica. En cierta forma, el estudiante comprobará las leyes y principios
que se imparten en el curso teórico o que han sido estudiadas previamente por él.
Por otro lado y de acuerdo a la orientación del profesor, el estudiante podrá llegar
a las leyes a partir del experimento.
Los experimentos propuestos no se realizarán siguiendo una serie de instrucciones
como se ha hecho tradicionalmente. El estudiante debe recordar permanentemente
que la Fı́sica es una disciplina cientı́fica y que en su formación, debe hacer destacar su
espı́ritu cientı́fico y es aquı́, en el Laboratorio de Fı́sica, en donde debe apropiarse
de esto, ya que los experimentos propuestos son ante todo un problema que los
estudiantes deben resolver, y para lograr soluciones satisfactorias, deben investigar
la bibliografı́a citada, leer otras guı́as de laboratorio, navegar en la Internet, etc. Más
concretamente, el estudiante debe ser conocedor del Método Cientı́ficoy aplicarlo en
su investigación.
El trabajo en el laboratorio corresponde a una parte de la investigación que los
estudiantes van a realizar para resolver su problema experimental. Básicamente los
estudiantes van al laboratorio a medir las magnitudes de las propiedades del sistema
fı́sico que van a investigar. Pero, como se insinuaba en el párrafo anterior, antes y
después de las mediciones, se requiere una buena dedicación de tiempo estudiando y
entendiendo el problema de laboratorio, para esto, los estudiantes deberán conocer
previamente los siguientes aspectos:

E. E. Coral Guı́a para Análisis de Experimentos

2 Capı́tulo 1. Introducción

a) Conceptos teóricos involucrados en el tema que se va a experimentar

b) El sistema que se va a estudiar.
c) Las variables o propiedades que se van a medir.
d) Distinguir la variable dependiente de la variable independiente.
e) Las unidades en que se van a medir las variables.
f ) Los factores que pueden afectar las mediciones.

El estudiante debe tener en cuenta todo lo que acontece en el laboratorio, lo más

aconsejable es que tome nota de todo lo que suceda, especialmente de su propio
procedimiento. Cada estudiante debe tener una libreta de apuntes. Al finalizar
la práctica de laboratorio, cada grupo debe entregar un preinforme de los datos
medidos en el formato que aparece al final de esta guı́a.
Para evaluar los datos experimentales se debe tener el conocimiento básico de las
Teorı́a de Errores y Análisis de Gráficos, temas que se van a exponer en una forma
breve en esta guı́a. El reporte de sus resultados se debe entregar en un informe que
presente el formato de Artı́culo Cientı́fico que también se incluye en esta guı́a.

1.2 Magnitudes Fı́sicas

Magnitud es toda cantidad que se puede medir. Medir significa comparar. Cuando
medimos cualquier magnitud como, por ejemplo, una longitud o la intensidad de
una corriente eléctrica, en realidad estamos comparando esa magnitud con otra de
la misma especie que consideramos arbitrariamente como patrón. Por ejemplo, al
determinar una masa desconocida en la balanza, lo que hacemos es comparar esa
masa con masas patrones (las “pesas” de la balanza). Estas pesas, a su vez, han
sido comparadas (o calibradas) con algún patrón secundario y al seguir la cadena de
comparaciones se llega hasta el patrón universal de masa (kilogramo) que se conserva
en la Oficina Internacional de Pesas y Medidas (BIPM) en Sèvres, cerca de Parı́s,
donde fue adoptado mediante convenios internacionales.
De igual forma, se definen patrones para otras magnitudes que se consideran
magnitudes fundamentales, puesto que las unidades de una de ellas no se puede
expresar una en función de las otras. Existen diferentes sistemas que definen las
unidades de estas magnitudes. Uno de estos, el Sistema Internacional de Unidades
(SI) vigente en la mayorı́a de los paı́ses desde 1960, considera siete unidades básicas
partir de las cuales se pueden derivar todas las restantes unidades de medida de otras
cantidades, ver tabla 1.1.

Guı́a para Análisis de Experimentos E. E. Coral

1.3 Las Unidades Básicas del SI 3

Tabla 1.1: Unidades básicas del SI

Magnitud Unidad Sı́mbolo
longitud metro m
masa kilogramo kg
tiempo segundo s
temperatura Kelvin K
cantidad de sustancia mol mol
intensidad de la corriente Ampere A
intensidad de la luz bujı́a o candela cd

1.3 Las Unidades Básicas del SI

La definición de las unidades básicas ha venido cambiando por la necesidad de tener
patrones o referencias más estables y precisas a través del tiempo. La definición
actual de las unidades básicas del SI aprobada por la Conferencia General de Pesas
y Medidas (CGPM) en 1983 se muestran en la tabla 1.2.

Tabla 1.2: Definición de las Unidades básicas del SI

Magnitud UnidadDefinición
longitud metro Distancia recorrida por la luz en el vacı́o durante un
intervalo de 1/299.792.458 s - 17a. CGPM, 1983.
masa kilogramo Masa de un cilindro de PLATINO-IRIDIO que se
conserva en la BIPM en Parı́s - 3a. CGPM, 1901.
tiempo segundo Duración de 9.192.631.770 vibraciones en la transi-
ción de dos niveles hiperfinos del átomo de 123 Cs
-13a. CGPM, 1968.
temperatura Kelvin Es 1/273,16 de la temperatura termodinámica del
punto triple del agua - 13a. CGPM 1968.

1.4 Sistema de unidades

Es importante señalar que existen varios grupos de unidades asociadas a las mag-
nitudes básicas longitud, masa, tiempo, conocidas como sistemas de unidades.
Como ya se indicó anteriormente el SI es el más utilizado en la actualidad, pero
existen paı́ses como los de habla inglesa que usan diferentes sistemas de medición,

E. E. Coral Guı́a para Análisis de Experimentos

4 Capı́tulo 1. Introducción

(ver tabla 1.3). El estudiante debe estar en capacidad de pasar las unidades de un
sistema a otro aplicando los factores de conversión de unidades.

Tabla 1.3: Sistemas de Unidades

Sistema Longitud Masa Tiempo
SI m kg s
CGS cm g s
INGLES pie slug s

1.5 Prefijos para los Múltiplos y Submúltiplos

Los prefijos son nombres que se les da a ciertas potencias de 10 cuando usamos
notación cientı́fica y sirven para determinar los múltiplos y submúltiplos de la unidad
principal. Para utilizarlos, basta con expresar una cantidad en notación cientı́fica y
reemplazar la potencia por el sı́mbolo correspondiente seguido de la unidad básica.

Tabla 1.4: Múltiplos Tabla 1.5: Submúltiplos

Factor Prefijo Sı́mbolo Factor Prefijo Sı́mbolo
1024 yotta Y 10−1 deci d
1021 zetta Z 10−2 centi c
1018 exa E 10−3 mili m
1015 peta P 10−6 micro µ
1012 tera T 10−9 nano n
109 giga G 10−12 pico p
106 mega M 10−15 femto f
103 kilo k 10−18 atto a
102 hecto h 10−21 zepto z
101 deca d 10−24 yocto y

1.6 Factores de Conversión

Para pasar de un sistema de unidades a otro es necesario conocer la relación que
hay entre los distintos sistemas. Muchas veces también necesitamos pasar múltiplos
y submúltiplos a la unidad fundamental o viceversa. Algunas factores de conversión
entre el Sistema Inglés y el SI se encuentran en la tabla 1.6.

Guı́a para Análisis de Experimentos E. E. Coral

1.7 Análisis Dimensional 5

Tabla 1.6: Algunos Factores de conversión

Longitud masa
1 m = 39,37 in = 3,281 ft =102 cm 1 lb = 0,454 kg = 16 oz
1 in = 0,0254 m = 2,54 cm 1 oz = 28,35 g = 0,0625 lb
1 ft = 0,3048 = 30,48 cm = 12 in 1Kg = 103 g = 2.2 lb
1 mi = 5280 ft = 1609 m = 1,609 km

1.7 Análisis Dimensional

Para verificar si una ecuación está bien formulada, se debe tener en cuenta las
variables que operan en dicha ecuación. Al hacer un análisis dimensional, las di-
mensiones se pueden tratar como cantidades algebraicas. Los sı́mbolos empleados
para denotar las dimensiones de longitud, masa y tiempo son respectivamente L,
M y T. Dos cantidades que se suman, al igual que los términos a ambos lados de
una ecuación, deben tener las mismas dimensiones. Como ejemplo, mostremos que
la ecuación x = vt, es dimensionalmente correcta. Por ser x es una longitud tiene
dimensión L y t tiene dimensión T . La velocidad por medirse en metros sobre
segundo, tiene dimensiones de L/T , por tanto

L
L= .T (1.1)
T

L=L (1.2)

Al cancelar T en la derecha, las unidades tienen la misma dimensión que en la

izquierda.

1.8 Orden de Magnitud

Cuando queremos hacer cálculos aproximados de ciertas cantidades, es importante
aproximar los factores que intervienen en las operaciones, a la potencia de 10 más
cercana. De esta forma, se dice, que la potencia de 10 representa el orden de mag-
nitud de una cantidad. El orden de magnitud también sirve para referirse en forma
oral o escrita de ciertas cantidades cuyas cifras son enormes o muy pequeñas, como
la masa de un electrón o la masa del sol y su distancia a la tierra. Algunos ejemplos
se dan en la tabla 1.7.

E. E. Coral Guı́a para Análisis de Experimentos

6 Capı́tulo 1. Introducción

Tabla 1.7: Algunos órdenes de Magnitud

Cantidad magnitud Orden de Magnitud
Radio de la órbita tierra-sol 1.5 × 1011 m 1011 m
Masa del electrón 9.11 × 10−31 kg 10−31 kg
Edad promedio de un estudiante 5.7 × 108 s 108 s

1.9 Ejercicios
Conversión de Unidades

1. ¿Cuáles de las siguientes unidades no son fundamentales:

a)m, b)m/s, c)o C, d)litros, e) m/s2 , f)Newton (N), g) s, h)kg.

2. ¿Cuál es su estatura en pies?

3. Un cohete alcanzó una altura de 300 km. ¿A cuánto equivale esta distancia
en millas?

4. ¿Cuántos segundos tiene un año?

5. La rapidez de la luz en el vacı́o es aproximadamente 3.00 × 108 m/s. ¿Cuántos

km viajará un pulso de un láser en una hora?

6. Un año luz es la distancia que recorre la luz en un año a 300.000 km/s. ¿Cuál
es esta distancia? Exprese la distancia de la tierra al sol en años luz.

7. Un auto viaja a 72 km/h. ¿A cuántos m/s viaja?

8. Una certificación de buceo se realiza a 40 pies. ¿Cuántos metros debe bajar el

buzo a pulmón libre para certificarse?

9. ¿Cuál es su peso en libras?

10. 1 cm3 equivale a 1 ml. ¿Cuántos litros hay en 1m3 ?

Orden de magnitud

11. ¿Cuál es el orden de magnitud de su edad en meses, dı́as y segundos?

12. Estime el número de veces que el corazón de un humano late en una vida
promedio de 70 años.

Guı́a para Análisis de Experimentos E. E. Coral

1.9 Ejercicios 7

13. El radio promedio de la tierra es de 6.37×106 m, y el de la luna es de 1.74×108

cm. Con estos datos calcule la razón entre el área superficial de la tierra y de
la luna.

14. Determine el número aproximado de ladrillos necesarios para cubrir los cuatro
lados de una casa de tamaño regular.

15. Una persona utiliza 200 litros de agua por dı́a aproximadamente. ¿Cuál debe
ser el orden de magnitud en metros cúbicos del volumen de un recipiente capaz
de abastecer de agua a la ciudad de Barranquilla en un dı́a?

Determine el orden de magnitud de los resultados de las siguientes operaciones.

16. (3 × 108 m/s) (3 × 105 s)

17. 7000/0,0035

18. (0,501 × 0,042)/420.000.000

19. Suponga que un protón tiene la forma de un cubo cuya arista es del orden de
10−13 cm. ¿Cuál es el orden de magnitud del volumen del cubo?

20. Deseando construir un modelo del sistema solar, un estudiante representa el

sol por medio de una pelota de balompié. Él sabe que el orden de magnitud
del radio del sol es de 109 m y el de la tierra es de 107 m, siendo la distancia de
la tierra al sol del orden de 1011 m. ¿Cuál deberı́a ser entonces, en este modelo,
el orden de magnitud de la esfera que representa la tierra?, ¿La distancia de
esta esfera a la pelota de balompié?

Análisis Dimensional
Diga si las ecuaciones siguientes son dimensionalmente correctas. (v es velocidad,
a es aceleración, t es tiempo, A es área, T periodo y r radio)

21. v 2 = v02 + 2at

22. x = xo + vt

23. x = at

24. v = vo + ax

25. A = πr2
q
2x
26. t = a

E. E. Coral Guı́a para Análisis de Experimentos

8 Capı́tulo 1. Introducción

√
27. v = 2ax − v0 t
q
l
28. T = 2π g

29. ¿Cuáles son las unidades de las constantes en la ecuación x = At2 + Bt + C,

para que sea dimensionalmente correcta?

30. Muestre que si x = At3 + Bt es dimensionalmente correcta cuando x tiene

unidades de longitud y t tiene unidades de tiempo, entonces la derivada dx/dt
tiene unidades de longitud sobre unidades de tiempo.

31. ¿Cuál es el valor de los exponentes para que la ecuación v 2 = kam sn sea
dimensionalmente correcta?

32. ¿Para qué valores de m y n la ecuación x = kam tn es dimensionalmente co-

rrecta?

Guı́a para Análisis de Experimentos E. E. Coral

Capı́tulo 2

Mediciones y Errores

2.1 El proceso de medición

Medir es comparar una magnitud desconocida con otra llamada patrón. Al realizar
una medición de cierta magnitud, se obtiene un número acompañado de una unidad
asociada a la magnitud respectiva. En el caso más general, este resultado debe ir
acompañado por otro número que representa la incertidumbre en la medición.

2.2 Tipos de medición

Las mediciones pueden obtenerse de dos formas:
Mediciones Directas: Son el resultado de comparar directamente una magni-
tud desconocida con un instrumento de medida calibrado según un patrón estable-
cido previamente. El resultado se mide directamente en una escala numérica que
posee el instrumento.
Mediciones Indirectas: Se obtienen a través de una operación entre dos o más
mediciones directas o a través de una función de las cantidades medidas. Por ejemplo
la densidad se obtiene como función de la masa y el volumen de una sustancia.

2.3 Cifras significativas

El Número de cifras que debe tener el escalar que representa una magnitud medida,
está muy relacionado con el número de divisiones que tenga la escala del instrumento
de medida. Por ejemplo, si ustedes miden cierta longitud con una cinta métrica

E. E. Coral Guı́a para Análisis de Experimentos

10 Capı́tulo 2. Mediciones y Errores

que solo está graduada en metros (m), el resultado serı́a un entero que representa
cuántas veces cabe la unidad patrón en esa longitud y es una cifra que tiene certeza
en su medida. Pero si existe cierta fracción de la longitud que no se puede medir
directamente con el instrumento, ustedes tendrán que hacer uso de la apreciación
a simple vista, dando en este caso, un único decimal que es incierto. Por ejemplo:
2,4 m de longitud. En este caso decimos que hay dos cifras significativas.
Si ahora usamos una cinta métrica divida en decı́metros dm, al reportar el re-
sultado de la medición en metros m, el número de cifras ciertas corresponde a los
metros y a los decı́metros. Pero si el extremo de la magnitud a medir se ubica entre
una división de un decı́metro y el siguiente, podremos ahora apreciar una fracción
más pequeña imaginando diez divisiones en este espacio cuyo valor serı́a una cifra
dudosa dada en centı́metros cm. Por ejemplo, la medición de la fig. 2.1 se puede
reportar como L = 2,46 m. Aunque este resultado está por encima de la mitad del
intervalo de 1 dm, las mediciones 2,45 m ó 2,47 m, también son válidos, ya que la
última cifra siempre va a ser incierta. De esta manera podemos decir que hay tres
cifras significativas en esta medición.

Figura 2.1: Medición de una magnitud

Veamos como mejora la medición de la misma magnitud, pero usando ahora una
cinta métrica dividida en centı́metros cm. Al reportar el resultado en m, estamos
seguros de la posición de los metros, los decı́metros y los centı́metros, pero podemos
hacer una apreciación del orden de los milı́metros, obteniendo ası́ una última cifra
dudosa o incierta. Ejemplo: 2,463 m. En este caso la cifra apreciada está por debajo
de la mitad de la división más pequeña, los cm. Un resultado aceptable también
podrı́a ser 2,462 m ó 2,464 m. En este caso, tenemos una medición con cuatro
cifras significativas. Escribir una quinta cifra carece de sentido ya que no hay más
divisiones en nuestro instrumento de medición. Para tener una cifra segura en la
posición de los milı́metros, debemos usar una cinta métrica graduada en milı́metros
y tendrı́amos ası́ una cuarta posición decimal como cifra apreciada, o cifra incierta,
para un total de 5 cifras significativas, por ejemplo: 2,3638 m.
Como se puede ver en los ejemplos anteriores, el resultado de una medición
va acompañado de un número de cifras que tienen certeza y una última cifra que
siempre es dudosa. Estas son las llamadas cifras significativas.

Guı́a para Análisis de Experimentos E. E. Coral

2.4 Operaciones con cifras significativas 11

En una medición se debe tener en cuenta que los ceros a la izquierda no son
cifras significativas, mientras que los ceros intermedios y ceros a la derecha si son
cifras significativas.
Cuando se tenga un número muy grande de ceros a la izquierda la mejor manera
de expresar el resultado de la medición es usando potencias de diez, pero conservando
el mismo número de cifras significativas. Algunos ejemplos se dan en la tabla 2.1.

Tabla 2.1: Ejemplo de cifras significativas

Magnitud Número de cifras significativas
0,012 mm 2
0,1204 g 4
1,0200 s 5
4,34 ×104 m 3

2.4 Operaciones con cifras significativas

2.4.1 Criterio de aproximaciones

Al realizar operaciones resultan números con muchas cifras decimales. Algunas de
estas cifras deben ser eliminadas (redondeo) para dejar las más significativas, de
acuerdo al siguiente criterio:

1. La cifra que queda se aumenta en una unidad si la cifra contigua que se quita
es > 5.

2. Si la primera cifra que se elimina es < 5, la que queda se deja igual.

3. Si la primera cifra que se elimina es = 5 y no existen otros dı́gitos a su derecha

o son solamente ceros, el número que queda se aumenta en 1 siempre y cuando
la cifra resultante sea impar.

2.4.2 Suma
Cuando se suman dos o más números con distintas cifras significativas, los decimales
del resultado debe igualar al operando que posea el menor número de estos, usando
el criterio anterior. Ver ejemplo en la tabla 2.2

E. E. Coral Guı́a para Análisis de Experimentos

12 Capı́tulo 2. Mediciones y Errores

Tabla 2.2: Ejemplo de aproximaciones con cifras significativas

número original aproximación descripción
20,45 20,45 Menor No. de decimales
40,1368 40,14 Elimina 6 y 8. 3 aumenta en 1
20,5500 20,55 Elimina ceros, 5 no cambia
60.6952 60,69 Elimina 5 y 2, 9 no cambia
30,365 30,37 Elimina 5, 6 aumenta en impar
Suma = 172,1970 Suma = 172,20 Aproxima a dos cifras decimales

2.4.3 Multiplicación

Al multiplicar o dividir dos cantidades, el resultado debe tener el mismo número de

cifras significativas del operando que tenga el menor número de ellas.

Ejemplo

Para calcular el volumen de un cilindro circular recto donde r = 4, 5 cm, h = 55, 7 cm.
Sabemos que V = πr2 × h. El número π = 3,14159..., ¿Cuántas cifras le asignamos
al este número irracional? Como vemos r tiene dos cifras significativas, h tiene tres,
por lo tanto, asignamos a π el mismo número de cifras significativas de h, es decir,
3,14.

Valor obtenido con la calculadora: V = 3541.6845cm3

Valor obtenido según el criterio dado: V = 3, 5 × 103 cm3

Para expresar las dos cifras significativas hemos usado potencias de diez.

2.5 Errores Experimentales

En general, todo procedimiento de medición tiene imperfecciones que dan lugar a
un error en el resultado de la medición, lo que hace que el resultado sea sólo una
aproximación del valor real de la magnitud medida. De acuerdo a la naturaleza
de los errores experimentales, se acostumbra a dividirlos en dos clases: Errores
Sistemáticos y Errores Aleatorios.

Guı́a para Análisis de Experimentos E. E. Coral

2.5 Errores Experimentales 13

2.5.1 Errores Sistemáticos

Se deben a diversas causas y se repiten constantemente cuando las mediciones se
realizan en las mismas condiciones. Los resultados se ven afectados en el mismo
sentido. Estos errores se pueden detectar fácilmente y se pueden eliminar si se
conoce la causa. Algunas fuentes de error sistemático son:

a) Errores de calibración de los instrumentos de medida. Ajuste del cero, escala

inapropiada, construcción defectuosa.
b) Condiciones de trabajo no apropiadas (presión, temperatura, humedad, lumi-
nosidad, frecuencia de la red).
c) Técnicas imperfectas. Generalmente por falta de experiencia del experimen-
tador o por falta de planeación de los procedimientos.
d) Fórmulas incorrectas. Cuando se hacen aproximaciones, los resultados exper-
imentales no son exactamente los esperados en la teorı́a.

2.5.2 Errores Aleatorios

Se deben a perturbaciones pequeñas o fluctuaciones y no es posible detectar la causa
que los produce. Si un experimento se repite en condiciones idénticas, los resultados
de la medición no son siempre los mismos cuando se presenta este error. Para
disminuir el error aleatorio, se debe realizar un número determinado de mediciones
y realizar un tratamiento estadı́sticos de los resultados. Se puede dar una idea de
cómo se presentan estos errores:

a) Errores de apreciación. Se presentan al leer en la escala de un instrumento

haciendo estimación de una fracción de la división más pequeña de la escala.
Al realizar varias mediciones esta apreciación varı́a aleatoriamente.
b) Condiciones de trabajo. La variación de las condiciones ambientales, vibra-
ciones de la mesa de trabajo, señales electromagnéticas.
c) Falta de definición de la cantidad a medir. Como el diámetro de una esfera ya
que esta no es una esfera perfecta.

Según el tipo de error, las mediciones se pueden clasificar en:

Precisas.- Son aquellas mediciones que tienen errores aleatorios pequeños.
Exactas.- Son aquellas mediciones que tienen errores sistemáticos pequeños.
Esto se puede observar claramente en la figura 2.2,

E. E. Coral Guı́a para Análisis de Experimentos

14 Capı́tulo 2. Mediciones y Errores

(a) (b)

(c) (d)

Figura 2.2: Errores aleatorios y sistemáticos en un ejercicio de práctica

de tiro. a)Alta precisión y exactitud: Debido a que las marcas de
los disparos están muy cerca unas deotras, podemos decir que los errores
aleatorios son pequeños (buena precisión). Debido a que la distribución
de disparos está centrada en el blanco, los errores sistemáticos también
son pequeños (buena exactitud). b) Alta precisión y baja exactitud:
Los errores aleatorios son todavı́a pequeños, pero los sistemáticos son mu-
cho más grandes –los disparos están sistemáticamente corridos hacia la
derecha. c) Baja precisión y Buena exactitud: En este caso, los
errores aleatorios son grandes, pero los sistemáticos son pequeños, los
disparos están muy dispersos, pero no están sistemáticamente corridos
del centro del blanco. d) Baja precisión y baja exactitud: Aquı́ ambos
errores son grandes.

Guı́a para Análisis de Experimentos E. E. Coral

2.6 Cálculo de Errores 15

2.6 Cálculo de Errores

2.6.1 Error Absoluto

En una medición la última cifra resulta siempre incierta. Esto quiere decir que nunca
vamos a obtener el valor real de una medida, pero nos aproximamos a él mejorando
el procedimiento e instrumentos de medición. Toda medición va acompañada de
una incertidumbre y su determinación nos dice que tan cerca estamos de valor real
de la magnitud. Definimos el error absoluto , como la diferencia entre el valor real
VR y el valor observado VO o valor medido, en la forma

 = kVR − VO k (2.1)

Se expresa como el valor absoluto ya que podemos acercarnos al VR por exceso o

por defecto, es decir, que esta diferencia puede ser positiva o negativa. Pero ¿cómo
calcular el error absoluto si jamás conoceremos el valor verdadero? En la práctica
el error absoluto se define con relación a una medida arbitraria. Por eso definimos
la incertidumbre ∆V tal que para cualquier VO se cumple que

 = kVR − VO k ≤ ∆V (2.2)

Si podemos determinar ∆V , entonces para cualquier medición experimental VO

se cumple que el valor real de la cantidad satisface la desigualdad:

VO − ∆V ≤ VR ≤ VO + ∆V (2.3)

Esto quiere decir, que al hacer una medición, lo que estamos buscando es un
intervalo donde se encuentra el valor más probable del valor real. En otras palabras,
buscamos los lı́mites Superior e Inferior de una magnitud. Una forma más útil de
expresar este intervalo de medición es

VR = VO ± ∆V (2.4)

Esta es la manera como deben reportarse el valor de una medición de cualquier

magnitud, sea directa o indirecta.

2.6.2 Incertidumbre relativa y porcentaje de error

Muchas veces necesitamos saber que tan significativa es ∆V respecto a VO . Por
ejemplo, una incertidumbre de ±1cm en la longitud de un cuaderno es significativo.

E. E. Coral Guı́a para Análisis de Experimentos

16 Capı́tulo 2. Mediciones y Errores

Pero si medimos la distancia entre la tierra y la luna o el tamaño de una bacteria con
el mismo error, este carece completamente de sentido. Es por esto que es necesario
comparar la incertidumbre estimada con el valor medido en la forma

∆V
R = (2.5)
VO

Esta es la incertidumbre relativa que también se puede reportar como un por-

centaje al multiplicar por 100 en la forma

∆V
R = × 100 (2.6)
VO

2.6.3 Cálculo práctico de la incertidumbre

Al cuantificar la incertidumbre de una cierta magnitud x debemos, en principio,
tener en cuenta todos los tipos de incertidumbres que esten presentes. Una forma
de obtener el valor de la incertidumbre total es mediante la suma de los cuadrados
de todas las incertidumbres presentes de acuerdo a la siguiente ecuación,

N
(∆x)2 = ∆x2n
X
(2.7)
n=1

Por lo general en el laboratorios es frecuente encontrar las siguientes incertidum-

bres:

a Incertidumbre de escala (∆xe )

b Incertidumbre de calibración (∆xc )

c Incertidumbre estadı́stica o aleatoria (∆xa )

Para este caso, el cálculo de la incertidumbre viene dado por

q
∆x = (∆xe )2 + (∆xc )2 + (∆xa )2 (2.8)

Normalmente se atribuye como incertidumbre de escala de una medida a la mitad

de la división más pequeña. Por ejemplo, si ustedes miden con una regla graduada en
milimetros entonces la incertidumbre atribuida es ± 0.5 mm (± 0.05 cm) (pero esto
no es adecuado del todo ya que depende del estado de los bordes del objeto a medir).

Guı́a para Análisis de Experimentos E. E. Coral

2.6 Cálculo de Errores 17

Ası́, considerando que sólo existe esta incertidumbre, si se determina que una longi-
tud tiene 15,00 cm entonces el resultado de la medición es L = (15, 00 ± 0.05) cm,
lo que quiere decir que su valor verdadero se encuentra en el intervalo

14, 95 cm < L < 15, 05 cm

Una manera más adecuada de proceder, considerando que su instrumento está

bien calibrado, es determinar los valores lı́mites entre los cuales ustedes consideran
que se encuentra la magnitud a medir. Por ejemplo, observando en la figura 2.1,
se puede apreciar que la longitud L está entre L1 = 2, 40 cm y L2 = 2.50 cm. Con
estos lı́mites podemos asignar un valor central en el intervalo dado por

L1 + L2
L= (2.9)
2
por tanto, para los valores dados tenemos

2, 50 + 2, 40
L= = 2, 45 cm
2

en donde 5 es la cifra incierta en la medición.

De la misma manera, podemos asignar a la medición el valor de la incertidumbre
mediante la ecuación

L1 − L2
∆L = (2.10)
2
y para el presente caso tenemos

2, 50 − 2, 40 0, 10
∆L = = = 0, 05 cm
2 2

que es igual a la mitad de la división más pequeña. El resultado final de la

medición es

L = (2, 45 ± 0, 05) cm

La incertidumbre es, de esta manera, una medida del grado de confiabilidad de

nuestra medición y nos sirve para evaluar su calidad que normalmente se expresa
mediante el porcentaje de error

E. E. Coral Guı́a para Análisis de Experimentos

18 Capı́tulo 2. Mediciones y Errores

0, 05
εr = × 100 = 0, 02 × 100 = 2%
2, 45

Se aclara al estudiante que este método empleado es meramente didáctico, ya

que al usar procedimientos de metrologı́a para calcular la incertidumbre en una
medición, se encuentra que el método es mucho más refinado que el que se expone
en estas notas.

2.7 Propagación de errores

Al hacer una medida indirectamente, como por ejemplo, el área de un campo de
fútbol, en donde se deben medir por separado el largo y el ancho, es obvio que el
error involucrado en ambas cantidades conlleva a un error en el área calculada. Es
por esta razón que necesitamos conocer como se propaga el error en una medición
indirecta al hacer una operación entre dos cantidades medidas directamente o a
través de una función de una o más variables.

2.7.1 Incertidumbre en funciones de una sola variable

Supongamos que la medida de una magnitud es x = x0 ± ∆x y queremos calcular
el valor de z mediante la función z = f (x). Es de esperarse que z = z0 ± ∆z, donde
z0 = f (x0 ) y el intervalo ±∆x alrededor de x0 genera un intervalo ±∆z alrededor
de z0 .
Como ejemplo tomemos el caso de z = x2 . Reemplazando x por x0 ± ∆x obten-
emos

z = z0 ± ∆z = (x0 ± ∆x)2 = x20 ± 2x0 ∆x + (∆x)2 (2.11)

Como ∆x es pequeño, entonces (∆x)2 << 1, y podemos despreciarlo en la

ecuación anterior para obtener

∆z = 2x0 ∆x (2.12)

En forma general, para obtener la incertidumbre en un función de un variable

basta con calcular el diferencial de la función z = f (x)
df (x)
dz = dx (2.13)
dx
Guı́a para Análisis de Experimentos E. E. Coral
2.7 Propagación de errores 19

y escribirlo en forma de incertidumbre

df (x)
∆z = ∆x (2.14)
dx

2.7.2 Funciones de dos o más variables

Sean x y y dos magnitudes que se han medido independientemente una de otra con
sus respectivos incertidumbres

x = x0 ± ∆x ; y = y0 ± ∆y (2.15)

a) Para la suma y la resta de x y y se tiene

s = x + y = x0 ± ∆x + y0 ± ∆y = (x0 + y0 ) ± (∆x + ∆y) (2.16)

s = s0 ± ∆s (2.17)

Por tanto, la incertidumbre en la suma es

∆s = ∆x + ∆y (2.18)

b) El producto de x y y es

p = x.y = (x0 ± ∆x)(y0 ± ∆y) = x0 y0 ± (y0 ∆x + x0 ∆y) + 

∆x∆y
 (2.19)

p = p0 + ∆p (2.20)

La incertidumbre es

∆p = y0 ∆x + x0 ∆y (2.21)

El error relativo sobre p es

∆p ∆x ∆y
= + (2.22)
p0 x0 y0

E. E. Coral Guı́a para Análisis de Experimentos

20 Capı́tulo 2. Mediciones y Errores

c) La división de x y y

x x0 ± ∆x
d = d0 ± ∆d = = (2.23)
y y0 ± ∆y

x0 ± ∆x x0 y0 ∆x − x0 ∆y
∆d = d − d0 = − = (2.24)
y0 ± ∆y y0 y02 + y0 ∆y

Si despreciamos en el denominador el término y0 ∆y y asumimos el signo nega-

tivo en ∆y para que el resultado sea consistente con el incrementeo del error, la
incertidumbre relativa es

∆d ∆x ∆y
= + (2.25)
d0 x0 y0

d) En forma general, para el producto de dos o más variables elevadas a distintas

potencias, como se muestra en la ecuación siguiente,

z = xm y n (2.26)

obtenemos primero el logaritmo de la función

logz = m logx + n logy (2.27)

y luego sacamos el diferencial

dz dx dy
=m +n (2.28)
z x y

y por tanto la incertidumbre relativa es

∆z ∆x ∆y
=m +n (2.29)
z x y

Dado el caso en que los exponentes sean negativos se toman los valores absolutos
ya que en una operación matemática las incertidumbres siempre se incrementan.

2.7.3 Método general para calcular errores

Siempre que tengamos una función de la forma

Guı́a para Análisis de Experimentos E. E. Coral

2.8 Ejemplo 21

s = f (x, y, z) (2.30)

obtenemos primero el diferencial total

∂f ∂f ∂f
ds = k kdx + k kdy + k kdz (2.31)
∂x ∂x ∂z
Luego convertimos los diferenciales en incertidumbres

∂f ∂f ∂f
∆s = k k∆x + k k∆y + k k∆z (2.32)
∂x ∂x ∂z
El método implica que se deben conocer las cantidades x, y y z, además de
obtener las derivadas parciales de la función f evaluada en las cantidades x0 , y0 , z0 .

2.8 Ejemplo
Determinación de la densidad de una esfera aparentemente de acero. El diámetro
se midió con un micrómetro de precisión ±0.01 mm: d = (15.538 ± 0.005) mm La
masa se midió con una balanza de precisión ±0.05 g: m = (15.2 ± 0.1) g
La densidad obtenida con una calculadora es

m m 6m g
ρ= = 4 d 3 = 3 = 7, 73855038 (2.33)
V 3
π( 2 ) πd cm3

Cálculo de la incertidumbre

6
logρ = log + logm + logd3 (2.34)
π
ó

∆ρ ∆m ∆d
= +3 (2.35)
ρ m d

∆m ∆d 0, 1 0, 005 g
∆ρ = ρ( +3 ) = 7, 73855( +3× ) = 0, 05838 (2.36)
m d 15, 2 15, 538 cm3

El valor calculado es
g
ρ = (7.74 ± 0.06)
cm3
E. E. Coral Guı́a para Análisis de Experimentos
22 Capı́tulo 2. Mediciones y Errores

Ahora calculemos la incertidumbre aplicando la derivada de respecto a m y a d

∂ρ 6 ∂ 6
= 3 (m) = 3 = 0, 509 cm3 (2.37)
∂m πd ∂m πd

∂ρ 6m ∂ −3 −18m g
= (d ) = 4
= −14, 941 (2.38)
∂d π ∂d πd cm4

∂ρ ∂ρ g
∆ρ = k k∆m + k ∆d = 0, 059 × 0, 1 + 14, 941 × 0, 005 = 0.05837 3 (2.39)
∂m ∂d cm

Por tanto el valor calculado es

g
ρ = (7.74 ± 0.06)
cm3

2.9 Problemas
1. Determine el número de cifras significativas en los siguientes números: 23 cm;
3,589 s; 4,67103 m/s; 0,0032 m; 1,007 m; 0,015 µs

2. ¿Cuál de los siguientes tiene el mayor número de cifras significativas: 0,254

cm; 0,00254 ×102 cm; 254 ×103 cm?

3. ¿Cuál de estas números tiene 3 cifras significativas: 305,0 cm; 0,0500 mm;
1,00081 kg?

4. Efectúe la suma de los siguientes números: 756; 37,2; 0,83 y 2,5.

5. Si se mide la longitud y el ancho de una placa rectangular 15,30 cm y 12,80

cm respectivamente, calcule el área de la placa.

6. Calcule el área y la circunferencia de un cı́rculo de radio igual a 4,65 cm.

7. Obtenga el producto de 3,2 × 3,563

8. Obtenga la suma de 4, 67 × 103 y 2, 2 × 102

9. Usando un metro de madera para medir un lado de mi escritorio, estoy seguro

de que su longitud no es menor a 142,3 cm ni mayor que 142,6 cm. Enuncie esta
medición como un valor central ± incertidumbre. ¿Cuál es la incertidumbre
relativa de la medición?

Guı́a para Análisis de Experimentos E. E. Coral

2.9 Problemas 23

10. Para realizar mediciones de tensión y corriente en un circuito utilizo un vol-

tı́metro y un amperı́metro de aguja. Estoy seguro de que la lectura del am-
perı́metro está entre 1,24 y 1,25 A, y la del voltı́metro entre 3,2 y 3,4 V. Exprese
cada medida como un valor central ± incertidumbre, y evalúe la incertidumbre
relativa de cada medición.

11. Si se puede leer un metro de madera con una incertidumbre absoluta de ± 1

mm, cuál es la distancia más corta que puedo medir para que la incertidumbre
relativa no exceda el a) 1%, b) 5%?

12. Se utiliza un termómetro graduado en 1/5 grado Celsius para medir la tem-
peratura del aire exterior. Medida con una aproximación de 1/5 de grado, la
temperatura de ayer fue de 22,4◦ , y la de hoy es de24,8◦ . ¿Cuál es la incer-
tidumbre relativa en la diferencia de temperaturas entre ayer y hoy?

13. El reloj del laboratorio tiene un segundero que se mueve por pasos de un
segundo. Lo uso para medir un cierto intervalo de tiempo. Al principio del
intervalo marcaba las 09:15:22, y al final las 09:18:16. ¿Cuál es la incertidumbre
relativa del intervalo medido?

14. En el escritorio mencionado en el problema 1, se mide ahora su ancho, y se

observa que la medida cae entre 78.2 y 78.4 cm. ¿Cuál es la incertidumbre
absoluta en el área calculada de la cubierta del escritorio?

15. Para medir la resistencia de un resistor, se miden la caı́da de tensión entre

sus terminales y lacorriente que circula por él. La lectura del voltı́metro es de
(15,2 ± 0,2) V, y la lectura del amperı́metro es de (2,6 ± 0,1) A. Cuál es la
incertidumbre absoluta de la resistencia calculada como R = V/I?

16. Un péndulo simple se usa para medir la aceleración de la gravedad, usando

T = 2π(l/g)1/2 . El perı́odo T medido fue de (1,24 ± 0,02) seg. y la longitud
de (0,381 ± 0,002) m. ¿Cuál es el valor resultante de g con su incertidumbre
absoluta y relativa?

17. Un experimento para medir la densidad de un objeto cilı́ndrico utiliza la

ecuación ρ = m/πr2 l. Los valores medidos son: masa, m = (0,029 ± 0,005)
kg, radio, r = (8, 2 ± 0, 1)mm y longitud, l = (15, 4 ± 0, 1)mm, ¿cuál es la
incertidumbre absoluta del valor calculado de la densidad?

18. Use el método general para calculo de incertidumbres en funciones y obtenga

la incertidumbre de la medida indirecta de
x
z=
x2 +1

E. E. Coral Guı́a para Análisis de Experimentos

24 Capı́tulo 2. Mediciones y Errores

19. La distancia focal f de una lente delgada se mide usando la ecuación

1/o + 1/i = 1/f

en donde
distancia al objeto: o = (0, 154 ± 0, 002)m
distancia a la imagen: i = (0, 382 ± 0, 002)m
¿Cuál es el valor calculado de la distancia focal, su incertidumbre absoluta y
su incertidumbre relativa?

20. Use la identidad trigonométrica para sen(a ± b) para demostrar que el error
obtenido en el cálculo indirecto z = senx es ∆z = (cosx)∆x, teniendo en
cuenta que para ángulos pequeños sendx ≈ dx y cosdx ≈ 1. ( Asuma que
x = x0 ± ∆x)

21. Se mide experimentalmente la longitud de onda de la luz, usando la ecuación

λ = dsenθ. La medida de θ es de 13o 34’ ± 2’. Suponiendo que el valor de
d = 1420 × 10−9 m no tiene error, ¿cuál es el error absoluto y relativo en el
valor de λ

22. Se da un valor como 14,253 ± 0,1. Reescrı́balo con el número adecuado de

cifras significativas. Si el valor se diera como 14,253 ± 0,15, ¿cómo deberı́a
escribirse?

23. Se da un valor como 6,74914 ± 0,5 %. Enúncielo como un valor ± incertidum-

bre absoluta, ambos con el número adecuado de cifras significativas.

Guı́a para Análisis de Experimentos E. E. Coral

Capı́tulo 3

Tratamiento estadı́stico de
medidas

Los errores aleatorios se presentan como resultado de fluctuaciones o variaciones en

la medida. Estos errores no se pueden eliminar ya que no podemos determinar la
causa que los producen. Estas variaciones se pueden observar cuando ustedes hacen
una serie de mediciones y se encuentra que todos los valores varı́an al menos en su
última cifra.

3.1 Cómo se minimiza este error?

Una manera de minimizar los errores aleatorios se obtiene realizando una serie de
N mediciones.

x1 , x2 , x3 , ... , xN (3.1)

3.1.1 Valor Promedio

Una vez se tiene un número de datos (N ≥ 10) obtenemos el valor promedio o valor
más probable, que también es conocido como media aritmética.

N
x1 + x2 + x3 + ... + xN 1 X
x̄ = = = xn (3.2)
N N n=1

E. E. Coral Guı́a para Análisis de Experimentos

26 Capı́tulo 3. Tratamiento estadı́stico de medidas

3.1.2 Desviación de la Media

La desviación nos indica que tan alejada está una medida del valor promedio de un
grupo de mediciones. Si d1 es la desviación de la primera medida (x1 ) y d2 para la
segunda medida (x2 ), entonces, la desviación de la media se puede expresar como:

d1 = x1 − x̄
d1 = x2 − x̄
.. ..
. .
d1 = xn − x̄ (3.3)

Observe que el valor de las desviaciones de la media puede tener valores tanto
positivos como negativos y que la suma algebraica de todas las desviaciones debe
ser cero.

3.1.3 Desviación Promedio

La desviación promedio es una indicación de la precisión de los instrumentos emplea-
dos al hacer las mediciones. Instrumentos altamente precisos darán una desviación
promedio muy baja. Por definición la desviación promedio es la suma de los valores
absolutos de las desviaciones dividida por el número de lecturas. Teóricamente, esta
debe tender a cero ya que las mediciones se ubican a la izquierda y derecha del valor
promedio.

N
¯ kd1 k + kd2 | + kd3 k + ... + kdN k 1 X
d= = kdn k (3.4)
N N n=1

3.1.4 Desviación Estándar

Cuando el conjunto de medidas se aleja mucho del promedio, la medida es poco
precisa y se dice que hay alta dispersión de los datos. Por el contrario, cuando el
conjunto de medidas está más concentrado en torno al valor promedio, se dice que la
precisión de la medida es alta y los valores medidos tienen una distribución de baja
dispersión. Cuantitativamente la dispersión de un conjunto de medidas se puede
caracterizar por la desviación estándar del conjunto definido como

s v
N
d21 + d22 + d22 + ... + d2N
u
u 1 X
S= =t d2 (3.5)
N −1 N − 1 n=1 n

Guı́a para Análisis de Experimentos E. E. Coral

3.1 Cómo se minimiza este error? 27

La desviación estándar S caracteriza un intervalo en donde hay el 68,27% de

probabilidad de que un valor medido se encuentre dentro de este intervalo. Por
ejemplo, si se realizan 100 mediciones, se encuentra que lo valores se distribuyen de
tal forma que:

El 68,27% están entre x − S y x + S

El 95,45% están entre x − 2S y x + 2S
El 99,73% están entre x − 3S y x + 3S

3.1.5 La Varianza

La varianza es una cantidad conveniente en muchos cómputos por cuanto tiene la

propiedad aditiva.

V = S2 (3.6)

La desviación estándar, sin embargo, tiene la ventaja de tener las mismas unidades
de la variable haciendo fácil la comparación de magnitudes.

3.1.6 Incertidumbre Estándar de la Media

A medida que se realizan más medidas, la compensación de los errores aleatorios

entre si van mejorando y la media del conjunto de medidas, , va a tener una mejor
precisión. La incertidumbre estándar de la media se define como

S
∆x̄ = Sm = √ (3.7)
N

3.1.7 Error Relativo Porcentual

El error relativo indica la calidad de la medición y viene dado por

∆x̄
εr = × 100% (3.8)
x̄

E. E. Coral Guı́a para Análisis de Experimentos

28 Capı́tulo 3. Tratamiento estadı́stico de medidas

3.2 Análisis de error para N pequeño

El análisis estadı́stico anterior se puede aplicar con confianza a un número de datos
del orden de N = 100. Para medidas en el Laboratorio es aplicable a partir de
N = 10. En el caso en que N es menor que 10 se procede de la manera siguiente:
supongamos que tenemos N = 5 medidas, calculamos el promedio de los cinco valores
de acuerdo a la ecuación dada (ecuación 3.2)

a1 + a2 + a3 + a4 + a5
ā = (3.9)
5
La incertidumbre se calcula restando al máximo de estos valores el valor mı́nimo
de los mismos y dividendo entre 2

amax − amin
∆a = (3.10)
2
Finalmente el intervalo de medición se puede escribir

a = ā ± ∆a (3.11)

3.2.1 Ejemplo
Se mide el tiempo de caı́da de un cuerpo desde cierta altura. Los resultados de las
4 mediciones realizadas con un cronómetro son:

t1 = 12, 0s; t2 = 12, 5s; t3 = 13, 0s; t4 = 12, 8s

El valor promedio del tiempo según la calculadora es:

12, 0 + 12, 5 + 13, 0 + 12, 8

t̄ = = 12, 575s
4

Redondeando obtenemos

t̄ = 12, 6s

Guı́a para Análisis de Experimentos E. E. Coral

3.3 Histograma 29

La incertidumbre obtenida de acuerdo a ecuación 3.10 es

13, 0 − 12, 0
∆t = = 0, 5s
2
y por la ecuación 3.11 intervalo de la medición obtenido es

t = (12, 6 ± 0, 5)s

En resumen podemos decir que cuando:

N = 1 Se realiza la medida y el error de apreciación.
N < 10 Se calcula el promedio y el error máximo.
N ≥ 10 Se realiza tratamiento estadı́stico (Cálculo de promedio y error estándar).

3.3 Histograma
En la sección anterior se explicó que al relizar N mediciones de una magnitud x el
mejor valor de la medición es el valor promedio y que la desviación estandar nos
informa cómo se distribuyen los N datos alrededor de este valor. Si se analizan
detenidamente los datos, se encuentra que hay unos que se repiten más que otros.
Si se agrupan de acuerdo al número de repeticiones, se puede observar que los de
mayor frecuencia son los que están cerca del valor promedio. Esto nos da la idea
de que hay valores que tienen más probabilidad de obtenerse que otros al hacer
la siguiente medición. Entonces podemos preguntarnos, ¿Cuál es la probalilidad de
obtener un dato en el intervalo x y x + ∆x? Si agrupamos los datos por intervalos de
ancho ∆x y contamos el número de datos en ese intervalo y ahora hacemos un gráfico
xy en donde los intervalos se colocan en la abcisa y las frecuencias en la ordenada,
obtenemos un Histograma de las mediciones. En el histograma se puede observar
claramente cómo se dispersa el conjunto de mediciones al rededor del valor medio y
se puede entender mejor el signifidado de la desviación estandar y de probabilidad de
la medición. En teorı́a de probabilidades, cuando se hace un número muy grande de
mediciones, se habla de función de distribución de probabilidades f (x) y un gráfico
de x en función de f (x) describe una curva que comunmente se le conoce como
campana de Gauss.
En la figura 3.1, se muestra esquemáticamente un histograma. En el se han dibu-
jado 6 rectángulos cuyas bases corresponden al ancho de los intervalos de medición
y cuyas alturas representan la frecuencia o número dedatos en el intérvalo. El área
de estos rectángulos representa la probabilidad de obtener cualquier valor, dentro
de ese intérvalo, al hacer una medición.

E. E. Coral Guı́a para Análisis de Experimentos

30 Capı́tulo 3. Tratamiento estadı́stico de medidas

Figura 3.1: Ejemplo de un Histograma

3.3.1 Construcción del Histograma

Para construir un histograma, se van a seguir los siguientes pasos:

1. Se ordenan los datos recopilados de menor a mayor y se establece la frecuencia

de los datos que se repiten.

2. Calcular el Rango de la variable restando al dato mayor el dato menor.

Rango = dato mayor − dato menor (3.12)

3. Elegir un número impar de intervalos para el histograma que esté comprendido

entre 7 y 15.

4. Calcular el ancho ∆x de los intervalos.

Rango
∆x = (3.13)
N úmero de intervalos
5. Si el cociente anterior no es un número entero, puede ampliarse el rango de la
variable escogiendo un valor mayor que dato mayor y un valor menor que el
menor valor y obtener un nuevo rango y el ancho del intervalo

N uevo Rango x>xmáx − x<xmín

∆x = = (3.14)
N úmero de intervalos N o. intevalos

Guı́a para Análisis de Experimentos E. E. Coral

3.3 Histograma 31

6. Determinar los extremos de los intervalos de tal forma que el primero sea
cerrado y el segundo abierto.

7. Obtener la frecuencia contando el número de datos en cada intervalo.

8. Calcular las marcas, en donde las marcas son los puntos medios de cada inter-
valo.

9. Elegir unidades arbitrarias sobre los ejes, para representar las frecuencias en
ordenadas y los anchos de los intervalos en abscisas.

10. Dibujar los rectángulos correspodientes.

3.3.2 Ejemplo
En la tabla 3.1 se muestran los datos experimentalmente del tiempo de reacción de
una persona, medidos cuando se soltó una regla entre sus dedos la cual debı́a agarrar
cuando la veı́a cayendo. Se desea saber: a) el tiempo de reacción promedio t̄, b) la
desviación estandar S, c) la distribución de los datos mediante un histograma, d) el
significado fı́sico de t̄, S y t̄ ± S.

Tabla 3.1: Mediciones del tiempo de reacción

t(s) frecuencia
0,185 1
0,186 1
0,191 2
0,193 1
0,203 2
0,204 2
0,205 2
0,211 3
0,219 4
0,220 3
0,223 2
0,224 2
0,230 1
0,233 2
0,234 2
0,235 1

E. E. Coral Guı́a para Análisis de Experimentos

32 Capı́tulo 3. Tratamiento estadı́stico de medidas

Solución:

a) Haciendo uso de la ecuación 3.2 se tiene

t̄ = 0, 214 s
Por tanto el valor medido es t = (0, 214 ± 0, 015) s
b) Con la ecuación 3.5 se tiene

S = 0, 015 s
c) Para el histograma, obtenemos primero el rango de los datos

RAN GO = 0, 250 − 0, 180 = 0, 070

y

0, 070
∆t = = 0, 010
7
Por tanto, construimos el histograma comenzando en 0,180 s con intervalos de
ancho 0,010 s en los que las frecuencias estan dados en la tabla 3.2

Tabla 3.2: Intervalos para el histograma

Intervalos Rangos Frecuencia
1 0,180 - 0,190 2
2 0,190 - 0,200 3
3 0,200 - 0,210 6
4 0,210 - 0,220 7
5 0,220 - 0,230 7
6 0,230 - 0,240 5
7 0,240 - 0,250 2

d) El valor 0,214 s es el valor más probable, es decir se puede considerar como el

valor que se encuentra más cercano al valor verdadero de t.
El valor S = 0,015 s es una medida de la dispersión de los valores medidos.
Con este valor podemos calcular el porcentaje de error, como se ve es un valor
muy adecuado para caracterizar el intervalo de dispersión.
El intervalo de la medición es

Guı́a para Análisis de Experimentos E. E. Coral

3.4 Ejercicios 33

t̄ = (0, 214 ± 0, 015)s

y significa que el 68,27% de los 31 datos están entre 0, 199s y 0, 229s . Es decir
0,6827 × 31 = 21 datos.
Si observamos la tabla de datos, estos valores están en el comienzo del intervalo
3 y el final del 5 (entre 0,200 y 0,230) en donde se encuentran 20 datos, (6
datos en el intervalo 3, 7 en el 4 y 7 en el 5).

Figura 3.2: Histograma para los datos del ejemplo

3.4 Ejercicios
1. Se mide 10 veces la temperatura del interior de una caja, con un Multı́metro.
Los valores expresados en ◦ C son los siguientes: 44,6 - 44,1 - 44,3 - 44,7 - 44,9
- 45,0 - 45,1 - 44,2 - 44,4 - 44,8 Hallar el valor más probable.

2. Se mide 35 veces la corriente que circula por un circuito con un galvanómetro.

Los valores obtenidos, expresados en mA (miliamperes), son los siguientes:
21,90 - 22,00 - 21,86 - 21,93 - 22,01 - 21,71 - 21,76 - 21,83 - 21,82 - 21,75 -
21,48 - 21,85 - 21,76 - 21,87 - 21,74 - 21,80 - 21,74 - 21,65 - 21,84 - 21,59 -
21,83 - 21,68 - 21,84 - 21,63 -21,67 - 21,94 - 21,64 - 21,82 - 21,66 - 21,73 -
21,82 - 21,72 -21,73 - 21,79 - 21,76 Determine : a) el valor más probable, b)
el grado de tolerancia que admiten , c) la aproximación de los resultados en
determinaciones futuras, d) trace el histograma correspondiente.

E. E. Coral Guı́a para Análisis de Experimentos

34 Capı́tulo 3. Tratamiento estadı́stico de medidas

3. En el ejercicio anterior, ¿Dentro de que lı́mites hay un probabilidad del 68in-

cluida una medida particular?

4. ¿Qué lı́mites dan una probabilidad del 95% ?

5. En una serie de 1500 medidas el promedio fue 637 Unid. y el error fue S = 11.
¿Cuántas medidas dan un resultado mayor de 659 Unid?

Guı́a para Análisis de Experimentos E. E. Coral

Capı́tulo 4

Evaluación de Experimentos

4.1 Análisis de gráficas

Esta sección tiene como objetivo, dar a conocer el procedimiento de análisis de datos
experimentales mediante las gráficas en un plano cartesiano. Normalmente se de-
sean analizar un sistema observando el comportamiento de alguna de sus propiedades
mientras se modifica otra propiedad asignándole variaciones iguales a voluntad; por
ejemplo,al comprimir el aire mientras se infla la rueda de una bicicleta, se aumenta
la presión y como consecuencia de esto, disminuye el volumen. Si se logran medir la
presión y el volumen y se recolectan los datos en una tabla se tendrı́a una buena in-
formación. Pero una tabla de datos no es suficiente para entender el comportamiento
del sistema. Se requiere llevarlos a un plano cartesiano xy, en donde x corresponde
a la variable independiente que es la que se modifica a voluntad (abcisa) y y será
la variable dependiente (ordenada), que es la que vamos a analizar respecto a la
otra. Esto sugiere que debe haber una relación funcional entre las variables. Lo que
importa de aquı́ en adelante es encontrar una ecuación matemática que se ajusta a
la forma de la curva trazada por los puntos en el papel milimetrado.

¿Cómo realizar un buen grafico?

Al realizar un experimento y obtener una tabla de datos, siga los siguientes pasos
para obtener un buen gráfico un papel milimetrado:

1. Observe el rango de sus datos en cada columna de la tabla.

2. Trace un plano cartesiano en papel milimetrado y escoja una escala para cada
uno de ellos de acuerdo al rango de los datos en su tabla. Los ejes no deben ser

E. E. Coral Guı́a para Análisis de Experimentos

36 Capı́tulo 4. Evaluación de Experimentos

ni demasiado grandes ni demasiado pequeños. Las escalas no necesariamente

comienzan en cero. El primer valor en un eje puede estar cerca al valor más
bajo de cada columna. Las escalas no siempre son iguales.

3. Elegir el eje horizontal para la variable independiente y el vertical para la

variable dependiente.

4. Escoja escalas de fácil lectura, por ejemplo de 2 en 2, de 5 en 5, de 10 en

10 y escriba en el eje solamente los números más representativos de la escala.
Nunca coloque los datos de la tabla.

5. Al final de los ejes deben escribirse los nombres de las variables (ya sea con
su nombre completo o con su representación simbólica), con sus respectivas
unidades, por ejemplo t(s) y x(m).

6. Comience a ubicar la pareja de coordenadas xy en el gráfico, dibujando un

punto pequeño sobre el papel, sólo la huella de la punta del lápiz. Para re-
saltarlo se encierra en un cı́rculo o un cuadradito, etc. No trace lı́neas guı́as
para ubicar los puntos, las lı́neas del papel milimetrado lo guiarán.

7. Normalmente no se unen los puntos, pero si lo desean, puede trazar suavemente

la forma de la curva.

Figura 4.1: Ejemplo de una figura bien realizada

Guı́a para Análisis de Experimentos E. E. Coral

4.2 Linealización de gráficos 37

4.2 Linealización de gráficos

El objetivo de realizar gráficas de dos variables experimentales es conocer la relación
matemática que existe entre ellas dos. Las formas de las curvas que se perciben
en la gráfica, pueden estar asociadas con alguna de las siguientes ecuaciones que
normalmente son las más comunes en este nivel.

y = Ax + B (4.1) y = Axn , n < 0 ó n > 0 (4.4)

2
y = Ax + Bx + C (4.2) y = Ax−1 (4.5)
3 2 kx
y = Ax + Bx + Cx + D (4.3) y = Ae (4.6)

Si ustedes dibujan previamente las formas de las curvas que representan estas
ecuaciones les será fácil asociar las curvas experimentales con alguna de estas ecua-
ciones.
Ejercicio. Usen papel milimetrado para dibujar las curvas correspondientes a
las ecuaciones anteriores, asignándole valores arbitrarios a la variable x.

4.2.1 Ecuación lineal y mı́nimos cuadrados

Si al dibujar en un plano cartesiano una serie de datos experimentales (parejas xy)
y los puntos obtenidos se pueden hacer corresponder con una linea recta, entonces
la ecuación matemática asociada es la lineal, ecuación 4.1. Escribamos ahora esta
ecuación en en la forma habitual y = mx + b, donde m es la pendiente de la recta
que se obtiene gráficamente tomando dos puntos (x1 , y1 ) y (x2 , y2 ) que se encuentren
en la mejor lı́nea que une todos los puntos (interpolar)

y2 − y1
m= (4.7)
x2 − x1
b es es punto de interseccion o intercepto de la recta con el eje y y se obtiene
directamente del gráfico.
Use este método cuando quiera hacer cálculos rápidos y aproximados o no disponga
de otra herramienta.
Existe un método estadı́stico para encontrar la relación lineal de una serie de
mediciones, conocido como mı́nimos cuadrados. Se puede aplicar este método para
encontrar m y b siempre y cuando se aprecie que los puntos del gráfico tienen esta

E. E. Coral Guı́a para Análisis de Experimentos

38 Capı́tulo 4. Evaluación de Experimentos

tendencia. Las calculadoras Cassio traen incluido el modo LR (regresión lineal ) para
calcular estos parámetros. Existen programas de computador para análisis de datos
experimentales como Excel y Origin que además de graficar, ofrecen la posibilidad
de encontrar la ecuación que más se ajuste a los datos.
Cuando no se tiene una calculadora o un computador disponibles, es fácil hallar
la ecuación de la lı́nea recta aplicando las siguientes ecuaciones que se obtienen por
mı́nimos cuadrados (Ver libro Experimentación pag. 128, cap. 6 y Apéndice 2 pag.
172 ):
Para obtener la pendiente,
Pn Pn Pn
n i (xi yi ) − i xi i yi
m=  2 (4.8)
n n x2
Pn
−
P
i i i xi

y para obtener el intersecto,

Pn 2 Pn Pn Pn
n ix i y i i − i xi i (xi yi )
b=  2 (4.9)
n n x2
Pn
−
P
i i i xi

También es posible obtener las incertidumbres en m y b con las ecuaciones:

Incertidumbre en m
√
σ n
∆m = s  2 (4.10)
n n x2
Pn
−
P
i i i xi

Incertidumbre en b
sP
n
ix2i
∆b = ∆m (4.11)
n
En donde σ es la desviación estandar obtenida con el análisis por mı́nimos cuadra-
dos, dada por
sP
n
i (yi − mxi − b)2
σ= (4.12)
n−2
Si ustedes saben usar un lenguaje de programación como Qbasic, T urboP ascal,
C ++ , se puede realizar un programa usando ecuaciones 4.8 a 4.12 para calcular estos
valores. ¡Inténtelo!

Guı́a para Análisis de Experimentos E. E. Coral

4.2 Linealización de gráficos 39

4.2.2 Ejemplo
Como ejemplo, vamos a ilustrar el método analizando los siguientes datos que se
suponen tienen un comportamiento lineal.

Tabla 4.1: Datos para análisis de un comportamiento lineal

n x y x2 xy (y − mx − b)2
1 2 4.5 4 9 0.09
2 3 5.0 9 15 0.36
3 4 7.5 16 30 0.25
4 5 8.0 25 40 0.16
5 6 10.0 36 60 0.04
Pn
i = 20 35 90 154 0.90

Para m tenemos

5 × 154 − 20 × 35 70
m= 2
= = 1, 40
5 × 90 − 20 50
y para b

90 × 35 − 20 × 15 70
b= 2
= = 1, 40
5 × 90 − 20 50
La ecuación de la lı́nea recta que se ajusta a estos datos es

y = 1.40 + 1.40x ; 2 ≤ x ≤ 6

Los errores respectivos para A y B con σ = 0.55 son:

∆m = 0.17 ≈ 0.2

∆b = 0.35 ≈ 0.4

Por tanto

m = 1.40 ± 0.17
b = 1.40 ± 0.35

E. E. Coral Guı́a para Análisis de Experimentos

40 Capı́tulo 4. Evaluación de Experimentos

4.3 Gráficos no lineales

Cuando obtengan un grafico que no presenta forma lineal (el resto de las ecuaciones
citadas arriba), el método que se sigue es el de linealización, que consiste en trans-
formar de alguna manera la supuesta ecuación que ajusta a sus datos hasta obtener
una forma lineal y ası́, aplicarle el método de mı́nimos cuadrados. Por ejemplo, para
la ecuación cuadrática 4.2 y = Ax2 + Bx + C la forma lineal es

y−C
= Ax + B (4.13)
x
Si al término de la derecha le llamamos z, la ecuación toma la forma

z = Ax + B (4.14)

Al realizar un gráfico de z en función de x, dándole valores arbitrarios a x,

debemos obtener la lı́nea recta que se ajusta a los datos experimentales. El valor
del coeficiente B es la intersección de la recta en el gráfico de z vs. x y el coeficiente
A es la pendiente. C es el valor inicial de y en x = 0.

4.3.1 Función Potencial

En muchos casos el gráfico de una serie de datos x, y no se ajustan con una forma
lineal, ni a una función cuadrática, entonces, probando con la función y = Ax2 n en
la siguiente forma lineal
Para linealizar la función, aplicamos el logaritmo decimal en la siguiente forma:

y = Axn =⇒ log y = log(Axn )

log y = logA + log xn
log y = logA + n log x (4.15)

Si hacemos Y = log y , X = log x, b = log A y m = n la ecuación 4.15 toma la

forma lineal:

Y = mX + b (4.16)

Para observar la linealidad en forma logarı́tmica, se hace el gráfico log y vs.

log x o los datos de las variables se llevan directamente a un papel logarı́tmico

Guı́a para Análisis de Experimentos E. E. Coral

4.3 Gráficos no lineales 41

( papel log-log) como se muestra en la figura 4.3. Los valores de m y b se obtienen

por el método de mı́nimos cuadrados. Cuando se ha dibujado el gráfico en papel log-
log, recuerde que al calcular la pendiente, los valores usados deben ser los logarimos
de los datos.

Figura 4.2: Grafica de la función y = kxn en papel logarı́tmico

4.3.2 Función exponencial

Si la función es de forma exponencial de base e, se linealiza aplicando el logaritmo
natural o neperiano (ln) a ambos lados de la ecuación:

y = Aekx =⇒ ln y = ln(Aekx )
ln y = lnA + ln ekx
ln y = lnA + k ln ex
ln y = lnA + kx (4.17)

la ecuación resultante es de forma lineal, en donde ahora: Y = ln y, X = x,

m = k y b = lnA. Al realizar la gráfica de lny vs. x obtenemos una lı́nea recta,
siempre y cuando esa sea la curva que se ajuste a los datos experimentales. En
caso contrario, se deja a un lado y se prueba con otra ecuación. Un ejemplo de
este tipo de linealización se muestra en la figura 4.4 en donde se ha usado papel
semilogarı́tmico (semi-log) para observar el comportamiento lineal .

E. E. Coral Guı́a para Análisis de Experimentos

42 Capı́tulo 4. Evaluación de Experimentos

Figura 4.3: Gráfica de la función y = Aekx en papel semilogarı́tmico

4.3.3 Ejemplo
Los siguientes datos muestran el resultado de la medición de la descarga en función
del tiempo de un elemento electrónico llamado condensador o capacitor. Los datos
se obtuvieron midiendo el voltaje cada 2 segundos.

Tabla 4.2: Datos para la descarga de un condensador

Voltaje(V ) Tiempo(s)
50,0 0,00
33,5 2,00
22,5 4,00
15,1 6,00
10,1 8,00
6,8 10,00
4,5 12,00
3,0 14,00
2,0 16,00
1,4 18,00

Al realizar la gráfica del voltaje contra el tiempo, (ver figura 4.4), se observa
una curva decreciente. Asumimos hipotéticamente que la ecuación es de la forma
y = Aekx . Para confirmar esto, realizamos un gráfico de ln x contra t,(figura 4.5).
Como se puede observar, la serie de puntos dibujados muestra una tendencia lineal
en la forma de la ecuación 3.3, lo que sugiere que nuestra hipótesis es verdadera.

Guı́a para Análisis de Experimentos E. E. Coral

4.3 Gráficos no lineales 43

Figura 4.4: Decrecimiento exponencial del Voltaje de un condensador

Figura 4.5: Linealización de los datos de la tabla 4.2 dibujados en papel semilog.

E. E. Coral Guı́a para Análisis de Experimentos

44 Capı́tulo 4. Evaluación de Experimentos

Aplicando el método de mı́nimos cuadrados y comprobando con una calculadora, se

encuentra que la ecuación de la recta es

ln y = −0, 2x + 3, 91

donde ln A = 3, 91 , por tanto

A = ln−1 (3, 91) = e3,91

luego

A = 50

Para la pendiente tenemos

k = −0, 2

Por tanto la ecuación del gráfico es:

y = 50e−0,2x

Ahora, usando las variables de los datos iniciales se tiene:

V = 50e−0,2t , 0 ≤ t ≤ 18s

4.3.4 Linealización de modelos conocidos

En la mayorı́a de experimentos que ustedes van a realizar, ya conocen de antemano
el modelo matemático del sistema que se estudiará. Para la comprobación de los
modelos se pueden basar en los siguientes procedimientos.

Términos lineales sencillos

Existen algunos modelos en donde los términos se pueden representar directamente

como términos lineales, por ejemplo la función

v 2 = 19, 62x (4.18)

Guı́a para Análisis de Experimentos E. E. Coral

4.4 Análisis de gráficos con ayuda de calculadoras 45

Si hacemos Y = v 2 y 4X = x, al graficar Y contra X obtendremos una lı́nea

recta de pendiente 19,62 (Unidades). También se puede usar la forma equivalente

1
x= v2 (4.19)
19, 62

tomando como variable vertical a x y como variable horizontal a v 2 .

Variables Combinadas

Existen algunos casos de gráficos no lineales en donde no es inmediato obtener el

término lineal. Para lograrlo, se recurre a realizar operaciones en ambos lados de
la ecuación hasta obtener términos donde aparecen las variables combinadas que
vienen a representar las variables X y Y en la forma lineal. Un ejemplo es el caso
del periodo para el péndulo fı́sico que viene dado por:
s
h2 + k 2
T = 2π (4.20)
gh

Elevando al cuadrado ambos lados de la ecuación y luego multiplicando por h se

tiene

g 2
h2 = T h − k2 (4.21)
4π 2
Esta forma de la ecuación ya es lineal, pero si despejamos h2 obtenemos una
forma lineal más sencilla

2 4π 2 2 4π 2 2
T h= h + k (4.22)
g g
2
Haciendo Y = h2 , X = T 2 h, m = 4πg y b = −k 2 , tenemos una relación lineal y
un gráfico de h2 contra T 2 h será el de una lı́nea recta.

4.4 Análisis de gráficos con ayuda de calculadoras

Se puede usar una calculadora Cassio para obtener los parámetros m y b de una serie
de datos experimentales cuya gráfica tiene comportamiento lineal, ya sea dibujada
en papel milimetrado, logarı́tmico o semilogarı́tmico.

E. E. Coral Guı́a para Análisis de Experimentos

46 Capı́tulo 4. Evaluación de Experimentos

4.4.1 Calculadoras Cassio FX95MS Y FX100MS

Digite las teclas para entar en el modo REG.
Aparecerá el siguiente menú 1(Lin), 2(Log), 3(Exp).
Presione para entrar en el modo de Regresión Lineal.
Inicie siempre el ingreso de datos con .
Para introducir la pareja de datos (x,y), por ejemplo (2; 4,5), digite: 2 4.5

Repitan el paso anterior para introducir las siguientes parejas de datos.

Para obtener los valores de la pendiente y el intercepto, la calculadora usa la
fórmula y = B + Ax, donde A y B corresponden al intercepto y la pendiente respec-
tivamente.
Pendiente:
Intercepto:

4.4.2 Calculadora Cassio FX350ES

Todos los cálculos estadı́sticos se realizan en el modo STAT. Para entrar a este modo,
presiones las teclas: MODE 2
Para seleccionar el modo de Regresión lineal, presione de nuevo la tecla 2 .
Aparecera la pantalla que se observa en la figura 4.6

Figura 4.6: La pantalla en el modo Regresión Lineal presenta dos columnas x y y.

Como observa el cursor aparece en la columna x. Si quiere mover el cursor a

la columna y utilice las teclas del cursor. La ecuación lineal en la calculadora es
y = A+Bx.
Para ingresar los datos en x, escriba el numero, por ejemplo 12.3 y luego la tecla
= , el cursor baja para esperar el siguiente dato.

Guı́a para Análisis de Experimentos E. E. Coral

4.5 Uso de programas de computador 47

Ubique el cursor en eje y para ingresar los datos de esta columna en la misma
forma que en x.
Borre la pantalla presionando AC .
Para obtener la pendiente A presione las teclas en el orden: SHIFT 1 7 1

Para obtener el intercepto B presione las teclas en el orden: SHIFT 1 7 2

Si desean obtener más información pueden descargar el manual completo de la

calculadora vistando la pagina de internet: http://www.instructionsmanuals.com/u2
/pdf/calculadoras/Casio-FX350ES-es.pdf

4.5 Uso de programas de computador

Si saben usar programas graficadores para computador tales como Excel, Origin
para Windows o los equivalentes en Linux (Ubutu), intenten usarlos y repetir lo
realizado anteriormente para comparar resultados. Estos programas tienen subruti-
nas para realizar la regresión lineal y son capaces de dibujar las gráficas que usted
necesite evaluar y se puede obtener la ecuación que se ajusta a sus datos. Cualquier
información se puede obtener a través de Internet.

E. E. Coral Guı́a para Análisis de Experimentos

48 Capı́tulo 4. Evaluación de Experimentos

4.6 Ejercicios
Use los conceptos de linealización y mı́nimos cuadrados anteriormente mencionados
para encontrar las ecuaciones que relacionan los datos de x y y en las siguientes
tablas:

Tabla 4.3: Tabla 4.4: Tabla 4.5:

Ejercicio 1 Ejercicio 2 Ejercicio 3
x y x y x y
0 10 0 5 1 12,5
1 12 1 8 2 6,3
2 15 2 14 3 4.2
3 19 3 22 4 3.1
4 24 4 37 5 2,5
5 30 5 61 6 2,1
6 37 6 100 7 1,8
7 45 7 166 8 1,6
8 54 8 273 9 1,4
9 64 9 450 10 1,3
10 75 10 273

Guı́a para Análisis de Experimentos E. E. Coral

Anexo 1 49

Anexo 1. Modelo de informe de laboratorio

ESCRIBA EL TITULO ADECUADO DEL EXPERIMENTO REALIZADO

J. M. Sarmiento, K. Fonseca, A. Bermúdez, L. M. Montes
Universidad del Atlántico
Departamento de Fı́sica
Fecha de entrega: junio 2 de 2010

RESUMEN
Describa brevemente el contenido de la práctica, con un espacio no mayor de 10
renglones, en el cual se viertan los principales aspectos de lo que se realizó, como se
realizó, para que se realizó y que se obtuvo, de tal manera que al lector se le brinde
la oportunidad de decidir si le interesa o no conocer el contenido del reporte con
solo leer el resumen.
1. INTRODUCCIÓN
Se plantean los objetivos del trabajo y la motivación. También se hace una
presentación general del trabajo que están presentando.
2. DISCUSIÓN TEÓRICA
Escriba en forma resumida los aspectos más fundamentales de la teorı́a y que
le sirvan de base para la consecución de los objetivos, presentando la relación de
las variables dependientes e independientes, enunciando y enumerando las leyes o
ecuaciones que rigen el fenómeno.
3. MÉTODOS EXPERIMENTALES
Escriba el procedimiento seguido paso a paso en forma de párrafo, haciendo una
descripción del equipo de laboratorio usado, como se instalaron los dispositivos.
Observe todos los detalles de los equipos como rangos de medición, precisión de la
escala de medida, marca de los aparatos, etc. Se recomienda que culmine esta parte
con un diagrama o dibujo indicando la localización de los aparatos. Al escribir use
un lenguaje impersonal y en pasado (Se realizó..., se construyó..., etc.)
4. ANÁLSIS DE RESULTADOS Y DISCUSIÓN
Escriba aquı́ los resultados obtenidos indicando cuales de las ecuaciones de la
sección 2 los llevaron a ellos. Interprete los resultados comparándolos con los es-
perados teóricamente. Escriban los errores obtenidos. Justifique sus discrepancias
obtenidas. Coloque aquı́ las gráficas realizadas numerándolas y escriba sus respec-
tivos comentarios y análisis.

E. E. Coral Guı́a para Análisis de Experimentos

50 Anexo 1

5. CONCLUSIÓN
Escriba aquı́ lo que aprendió de su análisis, indicando si se cumplió el objetivo
plenamente y de las respectivas recomendaciones para futuras experiencias.
REFERENCIAS
Escriban las referencias bibliográficas consultadas para elaborar el informe en el
siguiente esquema:
1. A. U. TOR (iniciales del nombre y apellido), nombre del texto, editorial,
páginas, fecha.
2. ...
Nota: Cuando la guı́a de laboratorio tenga preguntas, redacte sus respuestas en
las respectivas secciones de su informe sin que aparezcan como respuestas directas
a las preguntas.

Guı́a para Análisis de Experimentos E. E. Coral

Referencias bibliográficas

[1] D. C. BAIRD. “Experimentación, una introducción a la teorı́a de mediciones y

al diseño de experimentos”. 2a. Ed. Prentice-Hall Interamericana, S. A. 1991.

[2] Vicenzo Giamberardino, Teorı́a de los errores. Editorial Reverté.

[3] B. J. Brinkworth. An Introduction to Experimentation. The English University

Press Ltd. London, 1971.

[4] Sáez R. S., Font A. L. Incertidumbre de la medición : Teorı́a y Práctica. Con-

sultores C. A. Maracay, Venezuela 2001.

[5] J. Mahecha Gómez, Manual de Laboratorio de Fı́sica I. Editorial Universidad

de Antioquia, 1992.

[6] C. Brito de Cruz, H. L. Fragnito. Guı́a para Fı́sica Experimental. IFGW, Uni-
versidad de Campinas, Brasil. 1997. (Bajado página de Internet).

[7] Ignacio Cruz Encinas; Trabajo en el Laboratorio. Departamento de Fı́sica uni-

versidad de Sonora. 1997 (Bajado de la Internet).

[8] Michel Valero. Guı́as de Experimentos de Fı́sica General, Departamento de

Fı́sica. Universidad del Valle, Cali – Colombia, 1996.

[9] Bureau International des Poids et Mesures. 8th edition 1998. Pág. Internet
http : //www.bipm.org/f r/si/si brochure/

[10] Alexander Caneva Rincón, Teorı́a de Errores. Pág. Internet http :

//newton.javeriana.edu.co/articulos/cif ra/cif rahtm.
10.

[11] M. S. Aguirre, S. J. Meza. Fı́sica I, Mecánica y Termodinámica.

Universidad Nacional del Nordeste, Argentina. Pág. Internet: http :
//exa.unne.edu.ar/departamentos/dpto f isica.php

E. E. Coral Guı́a para Análisis de Experimentos

52 Referencias

[12] Para ampliar el conocimiento. http : //www.librosintinta.com/busca/calculo+

de + la + incertidumbre/pdf /

Guı́a para Análisis de Experimentos E. E. Coral