0

1.
ta
e
2
l
nd 202
p
m
CÁLCULO NUMÉRICO Y ESTADÍSTICA APLICADA.
de
co

PARTE 2: ESTADÍSTICA APLICADA.

27 de julio de 2022

ir
io
n
l
ió

ju

fu
rs
de

Pablo Domı́nguez Garcı́a1 ,

di

Jaime Arturo de la Torre2 ,

Ve

Manuel Pancorbo Castro1 ,

o
27

Miguel Ángel Rubio Álvarez2 .

N

1. 2.
Dpto. Fı́sica Interdisciplinar, Dpto. Fı́sica Fundamental.

Universidad Nacional de Educación a Distancia

Ve
rs
ió
27 n
de co
ju m
N
o lio p l et
di
fu
de a
nd 202 1.
ir 2 0
 ÍNDICE GENERAL

0
1.
a
Introducción 13

et
2
1. Representación de magnitudes 17

l
nd 202
1. p
Concepto de error . . . . . . . . . . . . . . . . . . . . . . . . 17
m
2. Representación numérica de los resultados experimentales . . 17
2.1. Cifras significativas . . . . . . . . . . . . . . . . . . . 17
de
co

2.2. Error relativo . . . . . . . . . . . . . . . . . . . . . . 23

ir
3. Precisión y exactitud . . . . . . . . . . . . . . . . . . . . . . 24
io
n

4. Unidades y análisis dimensional . . . . . . . . . . . . . . . . 25

l
ió

ju

4.1. Análisis dimensional . . . . . . . . . . . . . . . . . . 25

fu
rs

4.2. Magnitudes adimensionales. El caso de las magnitu-

de

di

des angulares . . . . . . . . . . . . . . . . . . . . . . 28
Ve

4.3. Definiciones del S.I. . . . . . . . . . . . . . . . . . . . 31

o
27

5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
N

2. Medidas directas 37
1. Definición . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2. Valor esperado y error absoluto . . . . . . . . . . . . . . . . 38
2.1. Tipos de valores medios . . . . . . . . . . . . . . . . 38
2.2. Grados de libertad . . . . . . . . . . . . . . . . . . . 39
2.3. Dispersión de datos . . . . . . . . . . . . . . . . . . . 41

9
 2.4. Desviaciones tı́picas . . . . . . . . . . . . . . . . . . . 42
3. Errores absolutos y valores medios . . . . . . . . . . . . . . . 43

0
3.1. Error absoluto . . . . . . . . . . . . . . . . . . . . . . 43

1.
3.2. Número de medidas . . . . . . . . . . . . . . . . . . . 44
3.3. Error absoluto de la media . . . . . . . . . . . . . . . 45

a
3.4. Medias ponderadas . . . . . . . . . . . . . . . . . . . 49

et
4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

2
l
nd 202
3. Medidas indirectas p 53
m
1. Definición . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2. Propagación de errores . . . . . . . . . . . . . . . . . . . . . 54
de
co

2.1. Propagación lineal de errores . . . . . . . . . . . . . . 54

ir
2.2. Propagación cuadrática de errores . . . . . . . . . . . 59
io
n

3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
l
ió

ju

fu
4. Gráficas y Regresión Lineal 65
rs
de

di

1. Representaciones gráficas . . . . . . . . . . . . . . . . . . . . 65
Ve

2. Ajuste por mı́nimos cuadrados . . . . . . . . . . . . . . . . . 70

o
27

2.1. Relación lineal . . . . . . . . . . . . . . . . . . . . . . 70

N

2.2. Correlación . . . . . . . . . . . . . . . . . . . . . . . 74
2.3. Otras fórmulas de regresión . . . . . . . . . . . . . . 77
2.4. Función cuadrática . . . . . . . . . . . . . . . . . . . 78
3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80

5. Ejemplos desarollados 83
1. Aceleración de la gravedad. . . . . . . . . . . . . . . . . . . 83

10
 ÍNDICE GENERAL

2. Distancia focal de una lente convergente. . . . . . . . . . . . 91

3. Método de Eratóstenes . . . . . . . . . . . . . . . . . . . . . 95

0
4. Difusión anómala . . . . . . . . . . . . . . . . . . . . . . . . 99

1.
6. Soluciones a los ejercicios 105

a
Bibliografı́a 109

et
2
l
nd 202
p
m
de
co

ir
io
n
l
ió

ju

fu
rs
de

di
Ve

o
27

11
Ve
rs
ió
27 n
de co
ju m
N
o lio p l et
di
fu
de a
nd 202 1.
ir 2 0
 INTRODUCCIÓN

0
1.
a
“If it disagrees with experiment, it is wrong”.

t
Richard P. Feynman Feynman et al. [4].

e
2
l
“Experimentation has a life of its own”.

nd 202
pIan Hacking Hacking [6].
m
de
co

La cita de Feynman, la primera que puede leerse sobre estas lı́neas, es posi-
blemente la forma más resumida y compacta que existe de definir el método

ir
cientı́fico. Podemos afirmar sin rubor que la Ciencia no puede ser conside-
io
n

rada como tal sin los experimentos. Feynman hablaba del proceso cientı́fico
l

como una actividad que consistı́a en los siguientes pasos:

ió

ju

fu
Realizamos una hipótesis o suposición razonada acerca de un deter-
rs
de

minado fenómeno natural.

di
Ve

Analizamos las consecuencias que se derivan de esta hipótesis, en el

o

caso de que supongamos que es correcta o válida.

27

Comparamos esas consecuencias (normalmente resultados teóricos)

con la Naturaleza, usando experimentos u observaciones, para detectar
contradicciones.
Si no hay acuerdo, la hipótesis se considera incorrecta (“If it disagrees
with experiment, it is wrong”.)

Por supuesto, la actividad cientı́fica real es un proceso mucho más complejo

ya que hay muchos otros factores a tener en cuenta, incluidos los socio-
económicos o culturales. Sin embargo, estas serı́an las etapas esenciales en

13
 lo que consideramos una práctica cientı́fica correcta. La importancia del
experimento es, por tanto, esencial en la actividad cientı́fica. La compa-

0
ración con la Naturaleza o su observación es imprescindible para saber si
nuestras teorı́as pueden considerarse cientı́ficas. En este sentido, la prácti-

1.
ca experimental debe desarrollarse adecuadamente para poder saber si la
comparación o comprobación se está realizando correctamente.

a
En la cita de Ian Hacking, este filósofo de la ciencia norteamericano afirma
que la experimentación tiene una motivación y una metodologı́a propias, que

t
nunca son esclavas de la teorı́a. Según Hacking, los cientı́ficos experimentales

e
realizan su trabajo descubriendo nuevos fenómenos naturales, probando y

2
l
creando nueva instrumentación, mejorando las mediciones sobre constantes

nd 202
p
fundamentales, además de realizando muchas otras actividades intermedias.
m
Cuando Hacking se refiere a que la experimentación tiene una vida propia,
también se refiere a que la relación con la industria, con los objetos materia-
les, con las formas de argumentación, ası́ como sus técnicas de aprendizaje,
de
co

son distintas respecto de las correspondientes a la actividad ((teórica)).

ir
El primer punto que el estudiante debe entender es que, en las ciencias ex-
io
perimentales y cuantitativas, las magnitudes a estudiar se determinan me-
n

diante un número y una unidad. Desgraciadamente, estas mediciones nunca

l
ió

ju

son perfectas y siempre llevan asociado un determinado error, una incerti-

fu
dumbre. Incluso el más perfecto de los aparatos experimentales obtendrá
rs

una medición que llevará siempre asociada una determinada imprecisión.

de

di

Los motivos para estas incertidumbres son variados, empezando por las
Ve

imperfecciones de nuestros sentidos y de los aparatos que empleamos y aca-

bando por las simples equivocaciones, también denominadas como ((errores
o
27

sistemáticos)).
Por tanto, es imprescindible que en cualquier medida que realicemos se
indique la imprecisión cometida, o más bien una estimación (a ser posible
una cota superior) de la misma. No tiene sentido proporcionar un resultado
de una medición sin un error asociado (que nos habla de la precisión de
la medida) y sin una unidad en el valor obtenido. La estimación de los
errores en las medidas tiene un cierto carácter subjetivo. Por ejemplo, si
tenemos una regla y queremos obtener el error asociado a una medida con
ella, normalmente diremos que es la mitad de la mı́nima unidad que la regla
mide. Es decir, si la regla mide en milı́metros, el error asociado a la medida

14
 Introducción

será ±0,5 mm. Sin embargo, esto es una estimación que debe tener carácter
de cota máxima. Si, pongamos el caso, medimos en una posición extraña

0
que nos impida ver correctamente las divisiones de la regla, deberı́amos
aumentar el error asociado a la medida. Es decir, en toda medida existe una

1.
limitación debida al método, a los instrumentos o a otras circunstancias que
el experimentador admite (y debe admitir) y sobre la cual su experiencia y la
capacidad de evaluar el sistema experimental empleado le permite establecer

a
un margen de error.

t
Pero, por otro lado, tenemos otro tipo de error, el aleatorio, fruto del azar,

e
que puede ser consecuencia de muchas incertidumbres o incluso puede ser

2
l
debido a variaciones intrı́nsecas del sistema a nivel microscópico. Estos erro-

nd 202
p
res pueden ser tratados mediante análisis estadı́sticos en lo que llamamos
m
teorı́a de errores. Sin embargo, en la teorı́a de errores también es necesario
aplicar el sentido común o algún criterio en principio subjetivo. Por ejemplo,
para mejorar una determinada medida y reducir el error aleatorio, suele ser
de
co

recomendable medir muchas veces y hacer una media. Pero si nuestros apa-
ratos de medición no son suficientemente precisos, nunca podremos obtener

ir
io
una medida mucho mejor que la precisión de estos. No podemos obtener
n

con una resolución de micras la medición de una longitud si empleamos

l

una regla con división de milı́metros, por muchas veces que midamos y por
ió

ju

muchas medias que hagamos.

fu
rs

En esta primera parte de la sección de Estadı́stica Aplicada, primero ana-

de

di

lizaremos algunos conceptos importantes tales como el concepto de medida

Ve

y de error, el sistema internacional de unidades y un poco de análisis di-

o

mensional. Veremos la obtención de los valores medios de las cantidades que

27

estamos estudiando, la diferencia entre medidas directas y medidas indirec-

tas, ası́ como la propagación de errores. Explicaremos que los datos deben
representarse correctamente a través del redondeo y las unidades corres-
pondientes. Además, los datos experimentales deben expresarse de la forma
adecuada en forma de tablas y gráficas. Se explicará de forma resumida la
obtención de las fórmulas para realizar una regresión lineal por mı́nimos
cuadrados a partir de un conjunto de datos. En cada uno de los temas
correspondientes, el estudiante encontrará algunos ejercicios de autoevalua-
ción cuyas soluciones se encuentran al final de este texto. Desarrollaremos
también en detalle varios experimentos de diverso origen, donde se aplicarán

15
 los conceptos y métodos explicados en los temas anteriores.

0
1.
ta
e
2
l
nd 202
p
m
de
co

ir
io
n
l
ió

ju

fu
rs
de

di
Ve

o
27

16
 Tema 1
REPRESENTACIÓN DE MAGNITUDES

0
1.
a
1. CONCEPTO DE ERROR

et
Error es la desviación existente entre el resultado de la medición de una

2
magnitud y el valor verdadero de esta. El error es algo implı́cito al proceso

l
nd 202
p
de medida y se puede clasificar, según su origen, como sigue:
m
Error de tipo sistemático: Es aquel debido a defectos en el método o
en el instrumento de medición, reflejándose en una desviación, siempre
de
co

en el mismo sentido, de los resultados de las medidas. Por ejemplo, el

error sistemático que se produce al utilizar una balanza mal calibrada.

ir
io
Error de tipo accidental (también llamado aleatorio): Es aquel de-
n

bido a causas imposibles de controlar, alterándose los resultados de

l

la medida de forma aleatoria. Por ejemplo, el error que se comete al

ió

ju

no coincidir exactamente el tiempo de inicio de un experimento y la

fu
puesta en marcha de un cronómetro manual.
rs
de

di

Los errores sistemáticos pueden ser prácticamente eliminados al ser posible

Ve

detectarlos y corregirlos. Sin embargo, los errores accidentales nunca pueden

o
27

ser eliminados, aunque admiten un tratamiento estadı́stico que es el que

N

expondremos más adelante.

2. REPRESENTACIÓN NUMÉRICA DE LOS RESULTADOS

EXPERIMENTALES

2.1. Cifras significativas

Al realizarse la medición de una magnitud (que puede haberse hecho a través

de un gran número de medidas individuales), nuestro objetivo es presentar

17
 el resultado final de la forma:

magnitud = X ∗ ± ,

0
1.
donde X ∗ (a veces escrito como hxi, x o incluso x) es el valor aceptado
de la magnitud resultado de la medición (al cual llamaremos también valor
esperado) y  (a veces escrito como ∆x o también σx ) es una estimación del

a
error absoluto cometido (al que también llamaremos incertidumbre). De

t
esta manera, se está suponiendo implı́citamente que el valor verdadero XV

e
de la magnitud verifica:

2
l
nd 202
p
XV ∈ (X ∗ − , X ∗ + ) . (1.1)
m
En este punto es conveniente recordar que, dado un número escrito en forma
decimal, llamaremos cifras significativas a todas aquellas que sean distin-
de
co

tas de cero. Un cero solamente puede ser considerado como cifra significativa
si se cumple alguna de estas situaciones:

ir
io
n

El cero está situado entre dı́gitos no nulos.

l
ió

ju

Está situado detrás de dı́gitos no nulos y a la derecha del separador

fu
decimal.
rs
de

di

En el caso de número enteros, si el cero está situado detrás de dı́gitos

Ve

no nulos y se ha escrito el separador decimal explı́citamente. Cuando

aquı́ nos referimos a un ((número entero)), nos referimos a un número en
o
27

principio sin parte decimal, solo con parte entera. Si dado ese número,
por ejemplo 100, queremos dejar totalmente claro que las tres cifras
que lo componen son significativas, escribiremos: ((100,)). Es decir, el
número entero junto con el separador decimal.

A la hora de escribir la expresión numérica de los resultados experimentales

deben aplicarse las siguientes reglas:

La última cifra significativa del valor esperado y la última cifra signi-

ficativa del error han de ser del mismo orden decimal.

18
 Representación de magnitudes

Respecto a la separación decimal, en castellano la norma dicta usar la

coma (por ejemplo: 3,14), aunque, con el objetivo de usar un mismo

0
sistema internacional, es recomendable usar el punto (es decir: 3.14),
que por tanto también se acepta como separador decimal. En este

1.
texto usaremos la coma, aunque en algunas gráficas es posible que
usemos el punto por sencillez en la representación. Es decir, conside-
raremos ambas notaciones como válidas siempre que se usen de forma

a
coherente (no deben mezclarse). Sin embargo, el uso del apóstrofo

t
no es correcto (esto es: 3’14) y siempre se debe expresar el punto

e
decimal o bien mediante coma, o bien mediante punto1 .

2
l
nd 202
p
El error ha de tener, en general, una única cifra significativa. Si la
primera cifra significativa es un 1, entonces ha de añadirse una segunda
m
cifra.

de
co

Se procurará expresar los resultados en notación cientı́fica (m×10e ,

donde m se denomina ((mantisa)) y e se denomina ((orden de magni-

ir
tud)). Consideramos que la mantisa es un número cuyo valor absoluto
io
está comprendido entre 1 y 10, para ası́ evitar la posible ambigüedad
n

que surgirı́a en el caso que la última cifra significativa fuese un cero.

l
ió

ju

Este tipo de notación se denomina ((cientı́fica normalizada)), ya que

fu
pueden existir otras mantisas que abarquen intervalos mayores.
rs
de

di

El resultado ha de estar acompañado por las unidades correspondien-

tes a la magnitud que se ha medido.
Ve

o
27

Ejemplo 1.1. Indique el número de cifras significativas de las siguientes

N

cantidades:

a) 0,0100205 c) 1200,

b) 10,230 d) 1200

1
Para más indicaciones acerca de normas de presentación y redacción de textos cientı́ficos, el lector
puede consultar, por ejemplo, las notas de estilo de las publicaciones del CSIC: https://editorial.csic.
es/publicaciones/estaticos?ns=Notas_de_Estilo.pdf

19
 Solución:
En el primer caso tenemos seis cifras significativas (las correspondientes

0
a las cifras 100205). En el segundo caso son cinco las cifras significativas

1.
(notamos que el último cero es significativo también al estar detrás de
la coma). En el tercer caso tenemos cuatro cifras significativas (ya que
la coma indica que los dos ceros a su izquierda son significativos. Por
último, 1200 tiene solo dos cifras significas (el 1 y el 2).

ta
En general, al representar una medida con su error correspondiente, el pro-

e
2
cedimiento para redondear el número de cifras significativas consiste en:

l
nd 202
p
Redondear el error a una única cifra significativa (o dos, si la primera
m
cifra es un uno).
Redondear la medida a un número de cifras significativas tal que la
de
co

última cifra significativa sea del mismo orden decimal que el error.
Ejemplo 1.2. Siguiendo distintos procedimientos de medida se han ob-

ir
io
tenido las siguientes cantidades para la masa de un objeto y su error.
n

Escriba correctamente, teniendo en cuenta el error, la masa obtenida en

l

cada caso:
ió

ju

fu
a) (1,23782 ± 0,074) kg. c) (1276,23 ± 31,456) kg.
rs
de

di

b) (0,087214 ± 0,0001256) kg. d) (1280,23 ± 3,1456) kg.

Ve

o
27

Solución:

a) (1,24 ± 0,07) kg.

b) (0,08721 ± 0,00013) kg = (87,21 ± 0,13) × 10−3 kg.

c) (1280 ± 30) kg = (1,28 ± 0,03) × 103 kg.

d) (1280 ± 3) kg = (1,280 ± 0,003) × 103 kg.

20
 Representación de magnitudes

Más información:

0
La forma estrictamente correcta de representar las magnitudes con su

1.
error y unidad es mediante el uso de paréntesis. De esta manera, se indi-
ca explı́citamente que la unidad se aplica tanto al valor de la magnitud
como al del error. Sin embargo, algunos textos cientı́ficos obvian esta

a
notación, de manera que veremos, por ejemplo, 5,2 ± 0,2 kg en lugar de
(5,2 ± 0,2) kg. Ambas notaciones son equivalentes y en la primera se

t
entiende que la unidad de kilogramos se aplica tanto al 5,2 como a la

e
incertidumbre 0,2. En cualquier caso, el estudiante debe acostumbrarse

2
l
a aplicar la notación con paréntesis, especialmente cuando proporcione

nd 202
un resultado final. p
m
Conviene también mencionar que en muchos textos y artı́culos se re-
presenta el error de una medida como en los siguientes ejemplos:
de
co

1,24(7); 87,21(13); 1,280(3).

ir
io
Esta representación es formalmente equivalente a:
n
l

1,24 ± 0,07; 87,21 ± 0,13; 1,280 ± 0,003.

ió

ju

fu
rs

Usaremos una única cifra significativa ya que si, por ejemplo, estamos pre-
de

di

suponiendo un error de una décima de metro, no tiene demasiado sentido

Ve

dar una precisión del orden de la centésima de metro. Esto es, si afirmamos
o
27

que tenemos una imprecisión en nuestra medida del orden de la décima de

N

metro, no debemos tener en cuenta las centésimas o milésimas de metro.

Cabe preguntarse por qué tomamos dos cifras significativas en caso de que la
primera de ellas sea un uno. Esta consideración obedece, fundamentalmente,
al intento de minimizar el error relativo hasta lı́mites aceptables. Hablando
sin exceso de rigor, cuanto mayor sea la primera cifra significativa frente
a la segunda, menos relevante será esta última. Tomamos en general como
error una única cifra significativa porque la adición de cifras no modifica,
sustancialmente, la magnitud del error. Esto es, un error de, por ejemplo,
e1 = 0,5 (en unidades arbitrarias) es esencialmente el mismo que un error
e2 = 0,51. De hecho, si suponemos cierto el error e2 = 0,51, al aproximar el

21
 error por e1 la diferencia entre las dos es de un factor 1/50, es decir, de un
2 %, lo cual es un resultado más que aceptable. ¿Qué ocurre al considerar,

0
por ejemplo, e3 = 0,1 y e4 = 0,11? Que la diferencia relativa es de 1/10,
es decir, un 10 %, lo que es, en comparación, un error sensiblemente mayor

1.
que el anterior.
El criterio a la hora de tomar estimadores de error se basa en un compromiso

a
entre simplicidad, precisión y exactitud. En laboratorios de estudiantes,
un error relativo superior al 10 % debe ser tratado con cautela e intentar

t
evitarse, de ahı́ que se tomen más cifras significativas cuando el redondeo

e
puede afectar, con seguridad, al valor esperado o su error.

2
l
nd 202
p
Es importante entender la diferencia entre cifras decimales y cifras sig-
nificativas. Las cifras decimales, per se, no tienen significado fı́sico, pues
m
una cantidad tendrá más o menos cifras decimales dependiendo de la unidad
en que se esté midiendo dicha cantidad. Una medida de la diagonal de un
de
co

teléfono móvil puede tener, por ejemplo, dos cifras decimales si medimos
en centı́metros (10,75 cm) o cuatro si medimos en metros (0,1075 m). Lo

ir
importante, en todos los casos, es el número de cifras significativas (en este
io
caso, cuatro) que nos da información sobre la precisión del instrumento de
n

medida utilizado. Cuatro cifras significativas, en este ejemplo, nos dice que
l
ió

ju

el instrumento arrojará un error de la diezmilésima parte de la medida.

fu
Sobre el redondeo es necesario aclarar que, si queremos aproximar un valor
rs
de

di

numérico con un número de cifras significativas menor, el redondeo debe ha-

cerse de forma que el número resultante sea el más cercano al valor numérico
Ve

inicial. Por ejemplo, si tenemos una medida x = 12,51 (en unidades arbi-
o
27

trarias) y queremos aproximar a la unidad (dos cifras significativas), nos

N

planteamos si debemos aproximar por defecto (en inglés, to floor) toman-

do xi = 12, o por exceso (en inglés, to ceil) tomando xs = 13. Dado que
|x − xs | < |x − xi |, el error cometido al aproximar por exceso es menor, y
el resultado final debe ser x ' 13. Igualmente, para x = 12,56 tenemos que
|x − xs | < |x − xi |. Por tanto x = 12,56 ' 13.

Más información:

Un caso extremo es el que ocurre cuando |x − xs | = |x − xi |. En ese

22
 Representación de magnitudes

caso debemos recurrir a algún criterio de tie-breaking que ((rompa)) esa

simetrı́a en el resultado. Si bien existen numerosas opciones, un criterio

0
usual consiste en el redondeo hacia arriba (en valor absoluto).

1.
Este método consiste en sumar 0,5 al valor absoluto de la medida,
y acompañar el signo correspondiente. De este modo, x = 12,50 se
aproximarı́a a x ' signo(x)(|x| + 0,50) = 13. Pero x = −12,50 se

a
aproximarı́a a x ' signo(x)(|x| + 0,50) = −13. La ventaja de usar este
método es que es un método de aproximación simétrico, lo que hace

t
que en promedio los errores cometidos al aproximar se compensen entre

e
sı́.

2
l
nd 202
p
m
2.2. Error relativo

de
co

Además del error absoluto o incertidumbre, suele incluirse en el resultado

el error relativo, definido como:


ir
r = ∗ , (1.2)
io
X
n
l

donde vemos que el error relativo es una cantidad adimensional2 . Es habitual

ió

ju

fu
expresar este en términos de porcentajes, para lo cual basta multiplicar por
100 el resultado de la anterior ecuación.
rs
de

di

No hay que confundir error absoluto y error relativo. El error relativo da

Ve

una medida del porcentaje de error cometido en nuestra medición (directa

o
27

o indirecta). Es importante señalar que el error relativo, al ser una cantidad

N

adimensional, da buena cuenta de la bondad de los resultados. Un error

absoluto, sin saber el valor esperado asociado a él, no aporta información
sobre la incertidumbre del proceso de medida. Un error relativo da, por sı́
mismo, dicha información.
Como ejemplo, supongamos una medida del radio de la Tierra (R = 6400
km) estimado por un procedimiento indirecto que arroja un error absoluto
e = 300 km, y una medida del radio de un alfiler (R = 0,15 mm) con un

2
Hablaremos en profundidad de unidades y análisis dimensional en la sección 4 de este mismo
tema.

23
 error e = 0,01 mm. Aunque a priori el error en el radio de la Tierra podrı́a
parecer mayor (300 km es la distancia que separa Madrid de Zaragoza), lo

0
cierto es que porcentualmente el error cometido en la medida del radio de
la Tierra es menor que el error asociado al alfiler. El error relativo de la

1.
medida de la Tierra es er = 0,05, en tanto que el error relativo del alfiler es
er = 0,07. Si damos solo los errores absolutos de ambas medidas no sabemos
cuál ha sido más precisa. Si damos solo los errores relativos, sı́.

a
Concluimos ası́ que es importante realizar una comparación adimensional

t
entre magnitudes, pues es la única forma de establecer equivalencias entre

e
errores ((grandes)) y ((pequeños)). ¿Los errores son grandes con respecto a

2
l
qué? Es el error relativo lo que nos dice, taxativamente, cuán precisos hemos

nd 202
sido en nuestra medida. p
m
3. PRECISIÓN Y EXACTITUD de
co

Se dice que el resultado de una medida es exacto si el valor verdadero

ir
io
de la magnitud se encuentra dentro del intervalo determinado por el valor
n

esperado y el error absoluto asociado, esto es, si XV ∈ (X ∗ − , X ∗ + ).

l
ió

ju

El resultado de una medida es tanto más preciso cuanto menor sea el error
fu
relativo del mismo. Puede ası́ ocurrir que tengamos una medida muy precisa
rs

pero inexacta (por ejemplo, debida a un error sistemático no detectado) y

de

di

que, por el contrario, una medida sea exacta pero imprecisa.

Ve

La figura 1.1 ilustra la diferencia entre precisión y exactitud. Se han rea-

o
27

lizado tres experimentos para medir la longitud de un determinado objeto

N

(cuya longitud real es x = 5,85 (en unidades arbitrarias)). Para cada uno
de los experimentos se realizó un conjunto N de medidas (con N suficien-
temente grande) y se realizó un histograma de frecuencias relativas, esto
es, una gráfica en función de x del número de veces en que el resultado de
la medida cayó en el subintervalo (xi + δx), con δx  1, dividido por el
número total de medidas N . Podemos entender el histograma de frecuencia
relativa como la distribución de probabilidad de la longitud. Para cada uno
de los experimentos se obtiene una distribución de probabilidad y para ca-
da distribución de probabilidad, el máximo coincide con el valor medio, en
tanto que la semianchura de la distribución puede interpretarse como una

24
 Representación de magnitudes

Exp. 1 Exp. 2 Exp. 3

0.20

0
Frecuencia relativa 0.15

1.
0.10

a
0.05

t
0.00

e
0 2 4 6 8 10

2
x

l
nd 202
p
Figura 1.1. Demostración de los términos de precisión y exactitud.
m
de
co

medida del error absoluto. Esto es, cuanto mayor sea la anchura, mayor es
el error absoluto y, por tanto, el error relativo asociado a ese experimento.

ir
De esta gráfica se desprende, directamente, que los experimentos 1 y 2 (en
io
n

amarillo y rojo, respectivamente) obtuvieron un resultado exacto, en tanto

l

en cuanto el valor real (mostrado con lı́nea negra continua) cae dentro del
ió

ju

intervalo de confianza de las medidas realizadas. De ellas dos, el experimento

fu
1 es más preciso (por tener una dispersión menor y, por tanto, un error
rs

relativo menor) que el experimento 2 (que muestra una mayor anchura en

de

di

su distribución de valores).
Ve

El experimento 3 (en verde), por su parte, si bien puede considerarse preciso

o
27

(porque la distribución de anchuras es ((pequeña)) en comparación con el

N

experimento 2, por ejemplo) no es exacto, pues en ningún caso el valor real

se superpone a la distribución de probabilidad mostrada.

4. UNIDADES Y ANÁLISIS DIMENSIONAL

4.1. Análisis dimensional

Como se ha comentado anteriormente, cada medición o valor que escribamos

tiene que tener una incertidumbre asociada y una unidad. Sin ambas cosas,

25
 el valor numérico no tiene sentido, porque no sabrı́amos cuál es la fiabilidad
del valor ni a qué se refiere. Es decir, para medir una magnitud hay que

0
comparar siempre con un patrón de medida , como puede ser el metro, para
comparar longitudes. Sin embargo, las unidades no son absolutas ya que son

1.
un patrón de comparación y bien podrı́amos medir longitudes en pies. Por
tanto, decir que algo mide l = 1,0 ± 0,5 sin más no tiene sentido ya que es
necesario indicar el patrón con el que se compara esa medida.

a
El número de patrones que se puede utilizar es enorme, pero dado que

t
muchas magnitudes están relacionadas, al final puede reducirse el número

e
de unidades patrón a un mı́nimo. Por ejemplo, la velocidad es la distancia

2
l
dividida entre el tiempo, luego el patrón de velocidad estará referido al de

nd 202
p
la distancia y al del tiempo. El sistema de unidades más empleado por la
m
comunidad cientı́fica es el Sistema Internacional (S.I.), que se adoptó en
1917 y que consiste en 7 unidades fundamentales que se resumen en la tabla
1.1 (sobre el S.I. hablaremos más en detalle en el siguiente apartado).
de
co

ir
Magnitud Sı́mbolo Unidad SI Sı́mbolo SI
io
Tiempo T segundo s
n

Longitud L metro m
l
ió

ju

Masa M kilogramo kg
fu
Intensidad de corriente I amperio A
rs

Temperatura θ kelvin K
de

di

Cantidad de sustancia N mol mol

Ve

Intensidad luminosa J candela cd

o
27

Tabla 1.1. Unidades y sı́mbolos del Sistema Internacional de Unidades S.I.

N

Cuando hablamos de ((sı́mbolo)) en estas unidades fundamentales nos re-

ferimos a una forma de llamar a sus magnitudes sin necesidad de dar un
número y una unidad; a este sı́mbolo se le denomina frecuentemente dimen-
sión y puede aparecer elevado a una potencia entera positiva o negativa.
Manejar estos sı́mbolos es muy útil para conocer las unidades y dimensiones
derivadas de las fundamentales, que son las que se resumen en la tabla 1.1.

26
 Representación de magnitudes

Ejemplo 1.3. La segunda ley de Newton nos dice que F = ma, donde
F es la fuerza, m es la masa del objeto y a es la aceleración, la cual se

0
define como la derivada segunda de la posición respecto al tiempo:

1.
d2 x d dx
a= 2 = .
dt dt dt

a
De Fı́sica básica sabemos que la fuerza se expresa en newtons (N) en el
S.I., pero ¿cuáles son las dimensiones de N?

et
2
l
Solución:

nd 202
p
Es posible que conozcamos el resultado de memoria, pero si no es ası́,
m
podemos calcular las dimensiones de N usando las expresiones anteriores.
Esto es, las dimensiones de la aceleración son L/T2 (basta con partir de
la definición de aceleración) y por tanto las dimensiones de la fuerza
de
co

serán M L/T2 cuya unidad asociada, kg m s−2 , define el newton.

ir
io
Habitualmente, cuando hablamos de las dimensiones de una magnitud, se
n

escribe la misma entre corchetes [ ]. Ası́, las dimensiones de la fuerza serı́an

l
ió

[F ] = M L/T2 , las de velocidad [v]= L T−1 , etc.

ju

fu
El cálculo anterior es el ejemplo más simple de lo que se conoce como análi-
rs
de

sis dimensional. Cuentas como las mostradas en el apartado anterior son

di

muy útiles, especialmente cuando nos encontramos en un ámbito experimen-

Ve

tal en donde no estamos seguros de las relaciones entre magnitudes impli-

o
27

cadas. Además, nos permiten detectar errores en los cálculos que hayamos
N

realizado. Siempre es recomendable, cuando calculamos una determinada

magnitud a partir de otras, comprobar que las unidades encajan. Si no es
ası́, es que hay necesariamente un error en alguna parte.
Ejemplo 1.4. Supongamos que recordamos el valor (6,67 × 10−11 ), pe-
ro no las unidades de la constante de gravitación universal, G, en la
conocida expresión de la fuerza gravitatoria:
Mm
F =G .
r2
Valiéndose del análisis dimensional, deduzca las unidades de G.

27
 Solución:

0
Las dimensiones de G son:

1.
[F ] [r] [r]
[G] = .
[M ] [m]

a
Si recordamos que [F ] = [ma] = M L T−2 obtenemos entonces:

et
M L L2 L3
[G] = = ,

2
l
T2 M2 M T2

nd 202
p
de donde deducimos que las unidades de G son m3 /(kg s2 ). Por tanto,
m
escribimos:
G = (6,67 × 10−11 ) m3 /(kg s2 ).
de
co

ir
io
n

4.2. Magnitudes adimensionales. El caso de las magnitudes angu-

l

lares
ió

ju

fu
A través de las dimensiones podemos comprobar que los argumentos de
rs
de

las funciones exponenciales, logarı́tmicas, trigonométricas, etc, deben ser

di

adimensionales. Esto es, supongamos que tenemos dos magnitudes A y B,

Ve

tal que A = ln B. A partir de la relación anterior, se deduce que dA = dB/B.

o
27

Si ahora nos centramos en las dimensiones de estas magnitudes, obtenemos

N

que [A] = [B]/[B] = 1. Como B = eA , si [A] = 1, entonces [B]=1.

√
Igualmente podemos relacionar A y B a través de A = sen B = 1 − cos2 B.
Dado que las dimensiones de cos2 B tienen que ser las mismas que las de la
unidad, obtendremos que [cos2 B] = [1] = 1. Y por tanto [B] = 1.
Para terminar este apartado, conviene dedicar una atención especial a las
magnitudes angulares. Se puede comprobar fácilmente que son magnitudes
adimensionales a partir de la relación entre el radio de la circunferencia, R,
la longitud de un arco de la misma, l, y el ángulo central subtendido por

28
 Representación de magnitudes

dicho arco, φ. Esta relación es φ = l/R, de donde:

[l] L

0
[φ] = = = 1.
[R] L

1.
Aunque los ángulos planos no tengan dimensiones, sı́ tienen unidad de medi-
da, que se define a partir de la relación anterior aplicada a una circunferencia

a
completa. En este caso, el ángulo central subtendido por una circunferencia

t
completa es 2π, y la unidad de ángulo plano es la que hace que el ángulo

e
central correspondiente a una circunferencia completa mida 2π. A esta uni-

2
l
dad se le denomina radián y se suele representar abreviadamente como rad.

nd 202
p
De esta definición se deduce que la relación entre los grados sexagesimales,
utilizados habitualmente en geometrı́a, y los radianes es:
m
360
1 rad = = 57,29577951 . . .◦
de
co

2π
sin más que recordar que el ángulo central correspondiente a una circunfe-

ir
rencia completa es 2π rad y 360◦ .
io
n

El caso es muy parecido por lo que se refiere a los ángulos sólidos. En este
l
ió

ju

caso, tomamos como referencia la relación entre el radio de una esfera, R,

fu
un sector esférico de superficie S y el ángulo sólido subtendido por dicho
rs

sector esférico, Ω. En este caso la relación es Ω = S/R2 , de donde:

de

di

[S] L2
Ve

[Ω] = = = 1.
[R2 ] L2
o
27

También en este caso los ángulos sólidos son magnitudes adimensionales

pero tienen unidad de medida, que se define a partir de la relación anterior
aplicada a una esfera completa. En este caso, el ángulo sólido subtendido
por una esfera completa es 4π, y la unidad de ángulo sólido es la que hace
que el ángulo sólido subtendido por una esfera completa mida 4π. A esta
unidad se la denomina estereorradián y se suele abreviar como sr.
Las magnitudes adimensionales pueden originar problemas de confusión en
las unidades cuando se utilizan para construir magnitudes derivadas de las
fundamentales. Como ejemplo consideremos las siguientes magnitudes:

29
 La frecuencia de un proceso cı́clico, que se utiliza, por ejemplo, en re-
lación con la propagación de ondas, se suele denominar por los sı́mbo-

0
los f o ν y se define como el número de ciclos que se realizan en un
tiempo de un segundo; su unidad de medida recibe un nombre especial,

1.
hercio (Hz), en honor a Heinrich Rudolf Hertz, cientı́fico alemán que
descubrió la propagación de las ondas electromagnéticas, que equivale
a 1 ciclo por segundo.

ta
La denominada frecuencia angular, que se utiliza también en pro-

e
pagación de ondas, se suele denominar por el sı́mbolo ω y se define

2
como igual a la frecuencia definida en el punto anterior pero expresada

l
nd 202
p
en rad/s, es decir, considerando que un ciclo es el ángulo equivalente
a una circunferencia completa.
m
La velocidad angular, que se utiliza en el análisis del movimiento
de
co

rotatorio, se suele denominar por el sı́mbolo ω, se define como la de-

rivada respecto al tiempo la posición angular del objeto que rota y
también tiene como unidad los rad/s.

ir
io
n

La actividad de un material radiactivo, que se define como el número

l

de desintegraciones nucleares por segundo, se suele representar por el

ió

ju

sı́mbolo A y cuya unidad es el becquerel (Bq), que corresponde a

fu
la actividad de un material radiactivo que sufre una desintegración
rs
de

di

nuclear por segundo.

Ve

Todas estas magnitudes cuando se expresan en función de las unidades

o
27

fundamentales tienen la misma expresión, s−1 , puesto que tanto el número

N

de ciclos, como los ángulos y el número de núcleos que se desintegran son

magnitudes adimensionales. Por tanto, aunque es formalmente correcto3
escribir todas ellas en informes técnicos de la misma manera, es decir s−1 ,
el uso de los nombres o abreviaturas especı́ficas de las unidades (Hz, rad/s
o Bq) o las magnitudes (frecuencia, frecuencia angular, velocidad angular,
actividad) permite resolver la ambigüedad. Por tanto, es conveniente utilizar
dichos nombres especı́ficos en lugar de la expresión s−1 .

3
Bureau International des Poids et Mesures. https://web.archive.org/web/20190321011225/
https://www.bipm.org/en/publications/si-brochure/section2-2-2.html

30
 Representación de magnitudes

4.3. Definiciones del S.I.

0
El 16 de noviembre de 2018, la 26.a
Conferencia General de Pesos y Medi-

1.
das (CGPM) actualizó las definiciones
de las 7 unidades fundamentales del SI
cuya fecha de entrada en vigor4 fue el

a
20 de mayo de 2019. Esta revisión es

t
muy importante ya que se abandonan

e
los patrones fı́sicos y las medidas expe-

2
l
rimentales para determinar el valor de

nd 202
Figura 1.2. Unidades del S.I. y su relación con
constantes fundamentales.
p
las unidades y, en su lugar, se ((fijan)) los
valores de ciertas constantes fundamen-
m
tales a partir de las cuales se establecen
los valores de las unidades.
de
co

Antes era al revés: dados los valores fijados con patrones, las constantes
fundamentales tomaban su valor correspondiente a partir de medidas expe-

ir
io
rimentales. Pero el problema radicaba en que algunos patrones eran difı́ciles
n

de establecer, en particular el patrón de kilogramo, cuya masa verdadera es

l

impredecible porque el material del que está hecho el ((kilogramo prototipo))

ió

ju

(un cilindro de una aleación especial custodiado en la Oficina Internacio-

fu
nal de Pesas y Medidas), está sujeto a cambios fı́sicos y quı́micos que sus
rs
de

di

condiciones especiales de conservación no pueden evitar. Ası́, se llegó a la pa-

radoja de que las constantes fundamentales se podı́an establecer con mejor
Ve

precisión que la incertidumbre asociada a la definición de kilogramo patrón.

o
27

En realidad, ya desde la anterior revisión del S.I. (1983), el segundo, el

metro y la candela se establecı́an a partir de constantes fundamentales. En
la revisión de 2018 se amplı́a esta forma de definición al resto de unidades, tal
y como se ve en la tabla 1.2, donde se muestra qué constantes fundamentales
se asocian a cada unidad y su valor fijado. Algunas unidades dependen solo
de la constante que las define, como son el segundo y el mol, y el resto
dependen de su constante y de otras unidades por ejemplo el metro, que

4
Pueden consultar más detalles sobre las conclusiones de esta conferencia en: https://web.
archive.org/web/20190410024619/https://www.bipm.org/en/measurement-units/rev-si/

31
 Unidad SI Constante asociada Valor fijado
segundo, s ∆νCs (1) 9 192 631 770 Hz
299 792 458 m s−1

0
metro, m c (2)
kilogramo, kg Cte. de Planck, h 6,626 070 15 × 10−34 kg m2 s−1

1.
amperio, A Carga del electrón, e 1,602 176 634 × 10−19 A s
kelvin, K Cte. de Boltzmann, k 1,380 649 × 10−23 kg m2 s−2 K−1
mol Cte. de Avogadro, NA 6,022 140 76 × 1023 mol−1

a
candela, cd Kcd (3) 683 cd sr kg−1 m−2 s3

et
Tabla 1.2. Definición de las unidades del S.I. a partir de constantes fundamentales según la resolución

2
de la CGPM de 16 de noviembre de 2018.

l
nd 202
(1)

(2) p
Transición hiperfina del estado fundamental no perturbado del 133 Cs.
Velocidad de la luz en el vacı́o.
m
(3)
Intensidad radiante de una fuente monocromática de frecuencia 540 × 1012 Hz que
emite con la eficiencia dada.
de
co

ir
io
n

depende también de la definición del segundo, o el kilogramo, que depende

l

tanto de la definición del metro como del segundo.

ió

ju

fu
Como decı́amos estas nuevas definiciones dejan de usar patrones, como el
kilogramo prototipo, o medidas indirectas como la asociada anteriormente
rs
de

di

al amperio que se definı́a mediante la corriente entre hilos paralelos que da-
ba lugar a una cierta fuerza que tenı́a que ser medida. Además tienen otras
Ve

consecuencias, como que la constante µ0 , la permeabilidad magnética del

o
27

vacı́o, ya no está fijada sino que ahora depende de las medidas experimenta-
N

les de la constante de estructura fina, α, como µ0 = (2h/ce2 )α. Actualmente

su valor es µ0 = 4π × 1,000 000 000 82(20) × 10−7 ; se deja como ejercicio de-
ducir sus unidades en términos de unidades fundamentales tal y como se ha
enseñado en esta sección, sabiendo que α es adimensional.

5. EJERCICIOS

Ej. 1.1 — ¿Cuál es la forma más adecuada de expresar la cantidad (4,04312±

0,0356789) m?

32
 Representación de magnitudes

Ej. 1.2 — La forma más adecuada de expresar la cantidad (2,190745 ±

0,14605) m/s entre las siguientes opciones es:

0
(a) (2,20 ± 0,15) m/s.

1.
(b) (2 ± 0,1) m/s.

(c) (2,19 ± 0,15) m/s.

ta
(d) (2,1907 ± 0,1461) m/s.

e
2
l
Ej. 1.3 — Idealmente esperarı́amos que, tras realizar un conjunto de me-

nd 202
p
didas en el laboratorio, xi , el resultado obtenido (X ∗ ± ) fuera exacto y
preciso. ¿Por qué?
m
(a) Porque la exactitud garantiza que el valor real está en el intervalo
de
co

(X ∗ − , X ∗ + ) y la precisión que el error relativo (y por tanto la

dispersión de los datos) es baja.

ir
io
(b) Porque la precisión garantiza que el valor real está en el intervalo
n

(X ∗ − , X ∗ + ) y la exactitud que el error relativo (y por tanto la

l

dispersión de los datos) es baja.

ió

ju

fu
(c) Porque un resultado exacto tiene que ser obligatoriamente preciso.
rs
de

De no ser ası́, debemos buscar errores sistemáticos en nuestro proce-

di

dimiento de medida.
Ve

(d) Solo es necesario exigir precisión en los datos (lo que garantiza errores
27

pequeños) pero no exactitud.

N

Ej. 1.4 — En un laboratorio de electrónica se construye un circuito for-

mado por una resistencia y una fuente de tensión. Con la ayuda de un
voltı́metro y un amperı́metro se determina la resistencia eléctrica del resis-
tor mediante la ley de Ohm, V = RI, para distintos voltajes introducidos.
Del ajuste lineal de los pares V, I se obtiene una pendiente R = 1,99996 kΩ,
con un error  = 0,00012 kΩ. El fabricante del resistor ha proporcionado
un valor (que consideramos real) Rfab = 1 kΩ. En estas condiciones puede
afirmarse:

33
 (a) Que el resultado es exacto y preciso.

(b) Que el resultado es exacto pero no preciso.

0
1.
(c) Que el resultado no es exacto pero sı́ preciso.

(d) Que el resultado no es ni exacto ni preciso.

a
Ej. 1.5 — El trabajo necesario para desplazar un cuerpo, W , puede defi-

t
nirse como el producto de la fuerza aplicada, F , por el desplazamiento, x.

e
¿Cuáles son las dimensiones del trabajo? Exprese el resultado en unidades

2
l
genéricas, no en unidades concretas del sistema internacional.

nd 202
p
m
Ej. 1.6 — Dada la siguiente expresión:
cos θ1
de
co

r= ,
cos θ2
¿cuáles son las unidades de r en el Sistema Internacional?

ir
io
n

Ej. 1.7 — Se deja caer una bola desde el reposo. Se mide el desplaza-
l
ió

ju

miento vertical de la misma en centı́metros y el tiempo que tarda en caer

fu
en segundos. Teniendo en cuenta estas unidades, se nos pide que demos un
valor medio y un error para la aceleración de la gravedad. Este valor debe
rs
de

di

tener como unidades:

Ve

(a) kg m/s2 .
o
27

(b) m/s2 .
N

(c) m s2 .

(d) m/s.

Ej. 1.8 — La ecuación de estado de los gases ideales es: P V = nRT .

Donde P es la presión, V el volumen, n el número de moles, R la constante
de los gases ideales y T la temperatura. ¿Cuáles son las dimensiones de R?

(a) M L2 T−2 N−1 θ−1 .

34
 Representación de magnitudes

(b) M T−2 N−1 θ−1 .

(c) kg m2 s−2 n−1 K−1 .

0
1.
(d) Es adimensional.

Ej. 1.9 — En un experimento se pretende comprobar la conservación del

a
momento angular. Para ello se miden los momentos angulares inicial, L, y

t
final, L0 (en kg m2 s−1 ) de un sistema giratorio, resumidos en la siguiente

e
tabla:

2
l
L 3,0 ± 0,3 7±1 14 ± 2 25 ± 2 32 ± 2

nd 202
L0 2,7 ± 0,6 8±1 16 ± 1 p
24 ± 2 31 ± 2
m
Discuta si las mediciones obtenidas son consistentes con el principio de
conservación del momento cinético.
de
co

Ej. 1.10 — Una medida realizada en el laboratorio para la temperatura de

un cuerpo da como resultado T = 391,0444 K. Si queremos dar el resultado

ir
io
con cuatro cifras significativas debemos escribir:
n
l

(a) T = 391,1 K, porque hay que aproximar por exceso.

ió

ju

fu
(b) T = 391,0 K, porque el último cero es significativo.
rs
de

di

(c) T = 391 K, porque el último cero no es significativo y por lo tanto,

es redundante.
Ve

o
27

(d) T = 390,9 K, porque hay que aproximar por defecto.

N

35
Ve
rs
ió
27 n
de co
ju m
N
o lio p l et
di
fu
de a
nd 202 1.
ir 2 0
 Tema 2
MEDIDAS DIRECTAS

0
1.
a
1. DEFINICIÓN

et
Como su nombre indica, una medida directa de una magnitud es aquella

2
que se obtiene por lectura directa en un cierto aparato (por ejemplo la masa

l
nd 202
p
en una balanza) sin necesidad de hacer cálculo alguno.
m
Llamamos precisión del aparato de medida a la mı́nima desviación me-
dible en la escala graduada del instrumento (p. ej. en una báscula en la que
la distancia entre dos marcas de la escala sea de 1 gramo, la precisión de
de
co

la misma es 1 gramo; en un aparato digital, su precisión es el orden de la

última cifra que aparece en la pantalla del mismo).

ir
io
Al efectuar una medida directa individual, el orden de la última cifra sig-
n

nificativa del resultado de la medida es una elección hasta cierto punto

l
ió

ju

subjetiva, que depende de la elección del experimentador, siempre consi-

fu
derando que no puede ser mucho menor que la precisión del aparato. Por
rs

ejemplo, supongamos que tenemos un regla con división en milı́metros y

de

di

medimos que un lápiz se encuentra más o menos en torno a los 36 mm de

longitud. Serı́a razonable considerar el rango más probable del valor real de
Ve

la medición se encuentre entre los 35,5 y los 36,5 mm. Es decir dirı́amos que
o
27

l = (36,0 ± 0,5) mm. A menudo se emplea esta convención: el error asociado

N

a una medida directa individual es la mitad de la precisión del aparato.

Sin embargo, puede haber aparatos en donde la diferencia entre dos marcas
de escala sea muy grande y claramente se observe que la medida queda mu-
cho más cerca de un valor que de otro, pudiéndose realizar una estimación
del valor, interpolando los dos valores del aparato entre los que se encuentra
la medida. O todo lo contrario, que consideremos que, debido a las circuns-
tancias particulares del experimento, debamos elegir un error mayor que la
precisión del aparato. Como se ha comentado en la introducción, el senti-
do común juega aquı́ cierto papel y el estudiante debe razonar y expresar

37
 adecuadamente qué criterio ha empleado a la hora de obtener los errores
asociados a las medidas directas, siempre tomando en cuenta que es más

0
adecuado tener una visión pesimista de la estimación de error, es decir,
utilizar cotas máximas razonables en la estimación de la incertidumbre.

1.
Más información:

a
El error asociado a un instrumento de medida viene dado en general

t
por el fabricante, y este viene especificado con las cifras significativas

e
correctas. Es decir, si en un instrumento el error viene dado como,

2
por ejemplo, e = 0,1 m, ese es el error que debemos usar. En ningún

l
nd 202
p
caso debemos añadir cifras significativas, pues estarı́amos falseando la
precisión dada por el fabricante.
m
de
co

2. VALOR ESPERADO Y ERROR ABSOLUTO

ir
2.1. Tipos de valores medios
io
n
l

Supongamos que hemos realizado N medidas directas individuales de una

ió

ju

magnitud que denotamos como X, siendo xj {j = 1, 2, . . . , N } cada uno de

fu
los resultados individuales. El valor esperado de la magnitud, denotado
rs

por X ∗ , se identifica con la media aritmética de las cantidades xj , que

de

di

denotamos ahora por simplicidad mediante x (a menudo se escribe también

Ve

x̄ o hxi):
o
27

1 X
N
∗
X =x= xj . (2.1)
N j=1

Esta forma de obtener el valor esperado es la que se usará por defecto salvo
que se especifique lo contrario. Otras formas de obtener el valor esperado
son las siguientes:

Media ponderada: esta media otorga más peso a aquellos valores

de la magnitud que tengan una incertidumbre asociada menor. Se
describe con detalle en la sección 3.4.

38
 Medidas directas

Media armónica: definida por:

!−1

0
1 X 1
N
x= .

1.
N j=1 xj

Esta cantidad es adecuada para obtener el promedio correcto en can-

a
tidades definidas por tasas o ratios. Por ejemplo, la velocidad media
de un móvil que recorre distancias iguales a distintas velocidades es

t
la media armónica de éstas.

e
2
l
Media geométrica: definida por:

nd 202
p
x = (x1 x2 . . . xN )1/N .
m
Se usa, por ejemplo, para determinar la tasa de crecimiento promedio
de
co

correcta en periodos de tiempo iguales con distintas tasas de creci-

miento. Obsérvese que, si xj > 0 ∀j, entonces la media geométrica
es la exponencial de la media aritmética de log xj .

ir
io
n

Mediana: Es el valor central de los xj una vez ordenados estos. For-

l

malmente, dado xj obtenemos el conjunto ordenado x0j de forma que

ió

ju

x0i ≤ x0j ∀i < j; entonces, si N es impar, la mediana se define como:

fu
rs

x = x0N +1 ,
de

di

2
Ve

y si N es par:
o

x0N/2 + x0N/2+1
27

x= .
N

2
Esta forma de definir el valor esperado es útil si los datos xj siguen
una distribución de probabilidades asimétrica o sesgada.

2.2. Grados de libertad

Definimos el grado de libertad de un conjunto de datos como el número

de ellos que pueden ser variados arbitrariamente. Esto es, si tomamos en un
experimento N medidas, en principio podemos decir que tiene N grados de

39
 libertad. Esto es ası́ porque bastarı́a haber tomado las medidas con condicio-
nes distintas (en otro instante de tiempo, por ejemplo) para que los valores

0
particulares que toman las N medidas fuera distintos. Ahora bien, si alguno
de los datos de nuestro conjunto depende funcionalmente de los anteriores

1.
a través de una relación existente entre los datos, decimos entonces que hay
una ligadura dado que ese valor está unı́vocamente determinado a partir
de todos los demás. El número de grados de libertad, referido como ν (letra

a
griega ((nu))), es entonces el número total de datos N menos el número de

t
ligaduras, f . Podemos pensar en un conjunto de datos como la fuerza, F , la

e
masa m y la aceleración a. Podrı́amos pensar que el conjunto {F, m, a} tiene

2
l
tres grados de libertad, pero al existir una ligadura (la ecuación F = ma

nd 202
p
fija el valor de la fuerza a partir de los datos de la masa y la aceleración) el
número de grados de libertad es dos.
m
El concepto de grados de libertad lo utilizaremos frecuentemente al hablar
de desviaciones tı́picas, ajustes por mı́nimos cuadrados, etc., por lo que
de
co

merece la pena detenerse a ver algún ejemplo.

ir
io
Ejemplo 2.1. Tomamos un conjunto de datos (x1 , x2 , . . . , xN ) indepen-
n

dientes entre sı́. Obtenemos, a partir de ellos, las siguientes expresiones

l
ió

ju

¿Cuáles son los grados de libertad?

fu
PN
rs

1
a) xi .
de

di

N i=1
PN
− X ∗ ), donde X ∗ es la media aritmética.
Ve

b) i=1 (xi
o
27

PN
c) mxi + b, donde m y b son dos parámetros que se obtienen a
N

i=1
partir de los valores del conjunto (x1 , x2 , . . . , xN ).

Solución:

a) ν = N . En este caso, el número de grados de libertad es N . Observa-

mos que la aparición de una constante (en este caso, N ) no modifica
los grados de libertad. Podrı́amos tomar cualquier otro conjunto de
N valores para construir la media.

40
 Medidas directas

b) ν = N − 1. La diferencia con el caso anterior es que aquı́ hacemos uso

de la media aritmética. Fijada esta, no podemos modificar todos los

0
valores de xi a nuestro antojo ya que hay una ligadura entre ellos, que
el valor medio es, justamente, X ∗ . Si suponemos tres únicos valores,

1.
x1 , x2 y x3 , dada la media X ∗ = (x1 + x2 + x3 )/3 tenemos que si
modificamos x1 y x2 el valor de x3 viene dado unı́vocamente por
x3 = 3X ∗ − x1 − x2 , por lo que no tenemos la libertad de variación

a
que tenı́amos antes.

et
c) ν = N − 2. Este caso es análogo al anterior. Si los valores de m y b

2
se han obtenido a partir del conjunto de valores de xi , entonces de

l
nd 202
p
los N valores hay dos que pueden ser escritos en función de los N − 2
restantes, m y n. Ası́, los grados de libertad se ven reducidos por
m
cada uno de los parámetros que hemos obtenido a partir del conjunto
original.
de
co

ir
io
n

2.3. Dispersión de datos

l
ió

ju

Una medida adecuada de la dispersión de los datos respecto del valor es-
fu
perado viene dada por la varianza del conjunto de datos o desviación
rs
de

cuadrática media:
di

1 X
N
Ve

2
s (X) = (xj − x)2 . (2.2)
o
27

N j=1
N

La varianza nos dice cómo de impreciso ha sido el conjunto de datos obteni-

do, que es lo que denominamos muestreo. Esta expresión tiene un término
cuadrático que hace que todos los errores contribuyan a la medida del error
al ser positivos. Sin ese término cuadrático, errores en uno y otro sentido
compensarı́an entre sı́, falseando la precisión del resultado obtenido. Pre-
cisamente por ser una medida cuadrática, lo usual es referirse a su raı́z
cuadrada, la desviación estándar o desviación tı́pica, que tiene las mismas
unidades que la magnitud medida y tiene un significado preciso como esti-
mador del error.

41
 2.4. Desviaciones tı́picas

0
La raı́z de s2 es la desviación tı́pica o desviación estándar:
v

1.
u
u1 X N
s(X) = t (xj − x)2 . (2.3)
N j=1

a
Conviene señalar que cuando el número N es pequeño, suele sustituirse el

t
denominador N por N − 1, de modo que la desviación tı́pica tome la forma:

e
2
v

l
u

nd 202
u 1 X N
s(X) = t
N − 1 j=1
p
(xj − x)2 . (2.4)
m
Un argumento cualitativo para justificar esta fórmula para la desviación
de
co

tı́pica es que, dado un conjunto de N datos xj , el valor de x elimina un

grado de libertad, ya que la media se obtiene mediante una ecuación de

ir
ligadura entre los N números xj . De este modo N − 1 indica el número
io
n

de grados de libertad existente. Otro argumento cualitativo es que, con la

l

definición de la ecuación (2.4), si solo se tiene un dato (N = 1), tendrı́amos

ió

ju

que s = 0/0 o una dispersión ((indeterminada)). Sin embargo, con la defi-

fu
nición dada en la ecuación (2.3), obtendrı́amos s = 0, una dispersión nula.
rs
de

Puede argumentarse que es más adecuado, cuando solo se tiene un dato y

di

no se sabe nada de la dispersión, que el resultado de la desviación tı́pica sea

Ve

((indeterminado)) a que sea nulo.

o
27

Más información:

¿Cómo distinguir valores ((grandes)) y ((pequeños)) de N ? Podemos hacer

una estimación del error relativo cometido al usar una forma u otra.
Ası́, un sencillo cálculo nos dice que para N ≥ 50 la diferencia entre
ambas expresiones es menor del 1 %. Si nos basta una precisión del
10 %, con solo 5 medidas ya nos es indiferente usar una u otra. Con
estos valores extremos en mente, basta usar el sentido común para saber
cuándo usar 1/N y cuándo usar 1/(N − 1).

42
 Medidas directas

3. ERRORES ABSOLUTOS Y VALORES MEDIOS

0
3.1. Error absoluto

1.
Sabemos que todo proceso de medida lleva aparejado un error que descri-
be, en términos cuantitativos, la incertidumbre asociada a la propia medi-
ción. Determinar esta incertidumbre es importante para establecer grados

a
de confianza en los resultados y poder extraer conclusiones significativas de

t
nuestras medidas. En principio, como experimentadores deberı́amos tener

e
en cuenta todas las potenciales fuentes de error que contribuyen a dar un

2
l
resultado distinto del verdadero: la precisión del instrumento que utiliza-

nd 202
p
mos, los posibles errores de calibración, errores de cero, imprecisiones en
el proceso de medida, factores externos, etc. Todos estos factores pueden
m
contribuir a la imprecisión del resultado, por lo que debemos establecer un
criterio que nos permita dar resultados con un cierto grado de confianza.
de
co

En general, nos valemos de un criterio pesimista por el que tomamos co-

mo error el máximo de entre todos los posibles. Aunque formalmente de-

ir
io
berı́amos considerar la suma de todos ellos (en mayor o menor contribución)
n

consideramos que si uno de ellos es significativamente mayor que el resto, el

l

error vendrá determinado por él. Si, por ejemplo, tenemos una regla gradua-
ió

ju

da en centı́metros, podemos despreciar los errores asociados a la dilatación

fu
térmica de la misma entre un dı́a y otro ya que probablemente sean mucho
rs
de

di

menores que el asociado a la precisión del aparato.

Ve

La estimación que se haga del error absoluto dependerá del número N de

o

medidas realizadas. Definamos previamente las siguientes cantidades:

27

Error asociado a la precisión del aparato: ep (que puede ser igual a

la propia precisión del aparato, su mitad o la cantidad que el experi-
mentador considere dentro de unos lı́mites razonables).
Dispersión de los datos:
xmáx − xmı́n
Dm = , (2.5)
2
donde xmáx es el resultado de la medida de valor más alto y xmı́n el de
valor más bajo.

43
 La desviación estandar, s(X), ya definida en la ecuación (2.4).

0
Con estas definiciones en mente, una estimación del error absoluto  viene
dada por:

1.
Si se ha efectuado una sola medida (N = 1) :

a
 = ep .

et
Si se tienen, como máximo, diez medidas (1 < N ≤ 10) :

2
l
nd 202
p
 = máx (ep , Dm ) . (2.6)
m
Si se tienen más de diez medidas (N > 10) :
de
co

 = máx (ep , s(X)) . (2.7)

ir
io
Notemos aquı́ que  nos da una medida de la incertidumbre esperable al
n

realizar una medida individual. La precisión, la dispersión y la desviación

l

tı́pica son estimadores independientes del número de medidas. Para un buen

ió

ju

experimentador y unas condiciones ideales, cabe esperar que el error dado

fu
por la precisión sea aproximadamente igual a la dispersión o a la desviación
rs
de

di

tı́pica. Pero si existen otras fuentes de error (por ejemplo, el instante en el

que se inicia un cronómetro), es probable que la precisión del instrumento
Ve

quede enmascarada por la dispersión o la desviación tı́pica, de modo que

o
27

sean estas las que determinen el error (promedio) de las medidas. En cual-
N

quier caso, estos valores son independientes del número de medidas, ya que
reflejan valores medios de incertidumbres individuales.

3.2. Número de medidas

En muchos casos puede surgir la duda en la determinación directa de una

magnitud fı́sica sobre el número de medidas que se han de realizar. Hay
que tener en cuenta que estos criterios son relativos y dependen de las
particularidades del sistema experimental.

44
 Medidas directas

El siguiente criterio que vamos a explicar puede resultar orientativo a es-

te respecto. Primero, definimos a partir de la dispersión (2.5) una nueva

0
dispersión relativa d en tanto por ciento tal que:

1.
Dm
d= × 100,
X∗
donde entendemos que X ∗ es la media de los valores medidos de la magnitud

a
X.

et
Supongamos como ejemplo un experimento donde se efectúan tres medidas

2
de la magnitud X y calculamos d. Entonces:

l
nd 202
p
Si d < 2 % estas tres medidas son suficientes.
m
Si 2 % < d < 8 % seis medidas serı́an suficientes.
de
co

Si 8 % < d < 15 % quince medidas serı́an suficientes.

ir
Si d > 15 % hay que realizar un gran número de medidas (N ' 50).
io
n
l

Para sistemas experimentales más o menos bien controlados, no se suele

ió

ju

considerar como aceptable un resultado en el que el error relativo sea mayor

fu
que el 10 %. En este caso hay que aumentar el número de medidas has-
rs
de

di

ta conseguir disminuir esta cifra. Si se observase que el alto error se sigue

manteniendo, entonces nos encontrarı́amos con que el procedimiento experi-
Ve

mental resulta limitado para los propósitos deseados, debiendo (lógicamente,

o
27

solo si resulta posible) cambiar de método. Aunque siempre es posible que

N

no haya una forma mejor de realizar la medida o que no se disponga de me-

jores materiales o aparatos. Por tanto, la evaluación de la validez o no del
valor obtenido y del número de medidas empleadas también depende de la
evaluación acerca del tipo de material utilizado y de los medios disponibles.

3.3. Error absoluto de la media

Supongamos que hemos realizado un número N suficientemente grande de

medidas y nos preguntamos por el valor medio de las mismas, x. En la

45
 sección 2 ya vimos cómo calcular este valor. Nos interesa ahora conocer el
error asociado a la media, que llamamos s(x). En principio, cabe esperar

0
que si realizamos un gran número de medidas el error de la media sea menor
que si tomamos solo unas pocas medidas. Puede probarse (lo haremos en el

1.
tema 3) que el error de la media viene dado por:

s(x) = √ , (2.8)

a
N

t
donde  no es más que el error promedio de las N medidas individuales (que
podrá venir dado por la precisión del instrumento, por la dispersión, o por

e
2
la desviación tı́pica). En el caso concreto en el que  = s(X), obtenemos

l
nd 202
la desviación tı́pica de la media (también denominado error estándar
de la media), que es: p
m
v
u
u 1 XN
s(x) = t (xj − x)2 . (2.9)
de
co

N (N − 1) j=1

ir
io
Más información:
n
l
ió

ju

Hay que distinguir la desviación tı́pica de un conjunto de datos s(X)

fu
(que aparece en las ecuaciones 2.3 o 2.4) y la desviación tı́pica de la
rs

media de esos datos s(x) (ecuación 2.9). La relación entre ambas mag-
de

di

nitudes es
Ve

s(X)
s(x) = √ . (2.10)
o
27

N
N

La diferencia conceptual entre la desviación estándar (2.4) y el error

estándar de la media (2.9) es que la desviación estándar es un estimador
de la anchura de la distribución de un conjunto de medidas individuales,
mientras que el error estándar de la media es un estimador de la anchura
de la distribución de un conjunto de medias, por tanto, el error estándar
de la media es un indicador mejor que la desviación estándar para la
incertidumbre de una media.
√
Notemos que el factor 1/ N nos indica que al calcular el error asociado

46
 Medidas directas

a la media de un conjunto de datos, cuanto mayor sea ese conjunto

menor será el error asociado. Ası́, formalmente, para un número infinito

0
de muestras el error asociado a la media será idénticamente nulo.

1.
De cara a establecer un criterio consistente, e independientemente del
número de medidas realizado, cuando nos preguntemos por el error
asociado a la media de ellas, usaremos siempre la expresión (2.8).

ta
e
Ejemplo 2.2. Supongamos la siguiente tabla de resultados asociada a

2
N = 11 mediciones del tiempo de caı́da libre de una masa desde una

l
nd 202
p
altura de 2 m con un sistema de medición de tiempos cuya precisión es
de una centésima de segundo (p = 0,01) s:
m
Medida 1 2 3 4 5 6 7 8 9 10 11
de
co

(t ± 0,01 s) 0,62 0,52 0,62 0,63 0,62 0,62 0,61 0,58 0,66 0,65 0,67

ir
Calcule el valor esperado del tiempo de caı́da libre de la masa con su
io
n

error.
l
ió

ju

fu
Solución:
Dado que tenemos 11 medidas, el error absoluto  vendrá dado por el
rs
de

di

máximo entre la precisión del cronómetro (0,01 s) y la desviación tı́pica

s(X). Calculamos entonces la media de los tiempos:
Ve

o
27

P
11
N

tj
j=1
t= = 0,6181818 . . . s.
11
De modo que la desviación tı́pica es:
v
uP
2
u 11
u tj − t
t j=1
s(X) = = 0,0409 . . . s.
(11 − 1)

Como la desviación tı́pica es mayor que la precisión, tomamos como error

47
 de las medidas  = s(X). Ası́, el error de la media será:

0
s(X)
s(x) = √ = 0,012 s.
N

1.
Por lo que, finalmente, el valor esperado del tiempo de caı́da libre y su
error serán:

a
t = (0,618 ± 0,012) s.

et
2
l
nd 202
Más información:
p
m
Sabemos que para calcular la desviación estándar necesitamos conocer
de
co

previamente el valor medio de la magnitud. En el ejemplo anterior, el

valor de s(X) depende de t = 0,61818 . . . s. Cabe preguntarse entonces

ir
¿cuántas cifras significativas debemos tomar para t?
io
n

En este caso concreto, un sencillo cálculo permite ver que es indiferente

l
ió

ju

tomar como valor medio t = 0,62 s, t = 0,618 s, t = 0,6182 s o t =

fu
0,61818 s. En todos los casos se llega a la misma conclusión en la que
rs

s(x) = 0,012 s.
de

di

En casos más generales, lo importante es que los cálculos intermedios no

Ve

aumenten el error del resultado. Veremos más adelante (en el ejercicio

o
27

3.5) un criterio cuantitativo para fijar el número de cifras significati-

N

vas. Una práctica habitual es, no obstante, tomar para las magnitudes
intermedias una o dos cifras significativas más respecto de la posición
decimal de su error, de modo que no se añadan errores de redondeo
adicionales.

Parece claro que si disponemos de una única medida, el error asociado

vendrá determinado por la precisión del instrumento de medida. El hecho
de aumentar el número de medidas (formalmente, incrementar la muestra
estadı́stica) nos sirve para minimizar el error accidental cometido en nues-
tro proceso de medida. Es razonable suponer que si tomamos cien medidas

48
 Medidas directas

nuestro resultado será más preciso (en el sentido de precisión y exactitud)

que si tomamos solo dos medidas. El error de la media refleja justamente

0
este comportamiento. De hecho, esto puede √ verse de forma explı́cita en la
ecuación (2.8), donde existe un factor 1/ N que nos dice que, si aumen-

1.
tamos el número de medidas (si aumentamos el valor de N ), disminuirá la
desviación tı́pica.

a
Pero aumentar mucho√ el valor de N tampoco permite mucha mejora, porque
la forma de la función N , hace que su valor aumente muy poco para valores

t
de N muy grandes. Es decir, si queremos aumentar la precisión en un factor

e
10, tendremos que incrementar N un factor 100, algo que no parece ni

2
l
por asomo razonable. Es más, los errores sistemáticos que podamos estar

nd 202
p
cometiendo no se reducen aumentando el número de mediciones. Por tanto,
m
si en la práctica se quiere aumentar considerablemente la precisión de la
medida, lo más razonable tal vez sea mejorar la forma de medir, más que
medir indefinidamente de la misma forma. de
co

ir
io
3.4. Medias ponderadas
n
l

Una vez que hemos definido la desviación tı́pica de la media, podemos ex-
ió

ju

plicar más en detalle el concepto de media ponderada comentado anterior-

fu
mente.
rs
de

di

La media ponderada permite obtener el valor esperado de un conjunto de

valores xj ((pesando)) cada uno de ellos según una cierta cantidad wi . En
Ve

general se define la media x como:

27

PN
N

j=1 xj wj
x = PN . (2.11)
j=1 wj

Puede probarse que la desviación tı́pica de la media toma el valor:

sP
x j wj
s(x) = Pj . (2.12)
j wj

Existen diversas configuraciones de pesos wj que son usadas frecuentemente

en la bibliografı́a cientı́fica. El caso más sencillo es aquel que considera todos

49
 los pesos wj iguales y de valor wj = w. Sustituyendo en la ecuación (2.11)
obtendrı́amos directamente la media aritmética definida en la ecuación (2.1).

0
Una elección particularmente útil de pesos en trabajos experimentales viene

1.
dado por:

1
wj = , (2.13)
s2j

ta
e
donde sj es la desviación tı́pica asociada a xj . Ası́, supongamos que hemos

2
medido una determinada magnitud a través de experimentos distintos y ob-

l
nd 202
p
tenemos una serie de resultados, cada uno con una determinada desviación
tı́pica: x1 ± s1 , x2 ± s2 , etc. La media ponderada serı́a, en este caso,
m
P
xi /si 2
x = Pi , (2.14)
de
co

2
i 1/si

donde la desviación tı́pica de la media, definida a partir de la ecuación

ir
io
(2.12), se simplifica a:
n
l

1
ió

ju

s(x) = pP . (2.15)
2
i 1/si
fu
rs
de

di

Véase que los pesos son proporcionales a las inversas de los cuadrados de
las desviaciones tı́picas, con lo que los xi con menor si serán los que tengan
Ve

mayor peso. De este modo, damos más importancia a aquellos valores que
o
27

tienen un menor error (una menor dispersión) frente a aquellos valores con
N

un error mayor.

Ejemplo 2.3. Tres cientı́ficos proporcionan los siguientes resultados de

la medida de una misma magnitud: 2,31 ± 0,01, 2,32 ± 0,02 y 2,29 ± 0,04.
Obtenga la media ponderada. A continuación, obvie el último de los
valores y compare con el resultado obtenido usando todos ellos.

Solución:

50
 Medidas directas

Si aplicamos las fórmulas anteriores obtendremos que x = 2,311 ± 0,009.

Pero si ignoramos el último de los valores, que es el que tiene una des-

0
viación más alta, obtendremos x = 2,312 ± 0,009, que es casi el mismo
resultado. De hecho, vemos que usando una media ponderada prácti-

1.
camente el único valor que cuenta es el primero, por ser el de menor
desviación.

ta
e
2
4. EJERCICIOS

l
nd 202
p
Ej. 2.1 — Obtenga la media aritmética y la desviación tı́pica (con N − 1
m
grados de libertad) de las cantidades: xi = 2,7; 2,3; 2,4; 2,8; 2,1.

de
co

Ej. 2.2 — Halle el valor esperado paro los siguientes resultados que se han
obtenido para una misma magnitud: xi = 2,7 ± 0,1; 2,32 ± 0,05; 2,4 ± 0,2.

ir
Emplee ponderación pesada en los errores.
io
n
l

Ej. 2.3 — ¿Cuál es el valor esperado de una medida realizada 10 veces

ió

ju

con los resultados: xi = 3,7; 3,3; 3,5; 3,6; 3,1; 2,9; 3,0; 3,3; 3,2; 3,5?
fu
rs

(a) x = 3,3 ± 0,1.

de

di

(b) x = 3,31 ± 0,13.

Ve

o
27

(c) x = 3,3 ± 0,4.

N

(d) x = 3,31 ± 0,03.

Ej. 2.4 — Se estima el valor de la aceleración de la gravedad a través

de tres experimentos distintos y se obtienen los siguientes valores con sus
desviaciones tı́picas: g1 = (9,81 ± 0,31) m/s2 , g2 = (9,82 ± 0,32) m/s2 ,
g3 = (9,79 ± 0,34) m/s2 . Obtenga una estimación para la aceleración de la
gravedad g empleando ponderación pesada en los errores.

Ej. 2.5 — Utilizando una cinta métrica graduada en mm medimos la

51
 longitud de una mesa, obteniendo los siguientes valores: l1 = 129,2 cm,
l2 = 129,3 cm, l3 = 129,0 cm. A la vista de estos resultados ¿qué podemos

0
concluir?

1.
(a) Será necesario tomar más medidas y el error vendrá dado por el
máximo entre la precisión de la cinta métrica y la desviación tı́pica
de la media.

a
(b) Será necesario tomar más medidas y el error vendrá dado por el

t
máximo entre la precisión de la cinta métrica y la dispersión de los

e
datos.

2
l
nd 202
p
(c) La dispersión de los datos es suficientemente buena y el error vendrá
dado por el máximo entre la precisión de la cinta métrica y la propia
m
dispersión.

de
co

(d) La dispersión de los datos es suficientemente buena y el error vendrá

dado por el máximo entre la precisión de la cinta métrica y la des-

ir
viación tı́pica de la media.
io
n
l
ió

ju

fu
rs
de

di
Ve

o
27

52
 Tema 3
MEDIDAS INDIRECTAS

0
1.
a
1. DEFINICIÓN

et
De los temas anteriores hemos aprendido que todas las medidas directas

2
que realiza un experimentador estarán sujetas a errores o incertidumbres

l
nd 202
p
(sistemáticas o accidentales). Por tanto, toda medida deberá ser expresada
de la siguiente manera:
m
medida = (X ∗ ± ) [Unidad],
de
co

donde X ∗ será el valor esperado de la medida, que puede haber sido obteni-
do mediante una medida directa o como un promedio estadı́stico sobre un

ir
io
conjunto de realizaciones, y donde  será el error asociado a dicha medida.
n

Supongamos que disponemos de un conjunto de variables independientes

l
ió

ju

x1 , x2 , . . . , xN con sus respectivos errores asociados 1 , 2 , . . . , N Cabe

fu
preguntarse entonces cuál será el error asociado a una variable o función
rs

f (x1 , x2 , . . . , xN ), que no podemos medir directamente y que se obtiene co-

de

di

mo combinación de las anteriores mediciones. A esta cantidad, que depende

Ve

de medidas directas, se la denomina medida indirecta. Es decir, se tra-

o
27

ta de la medida de una magnitud que se obtiene a través de operaciones

N

efectuadas sobre valores de magnitudes medidas directamente.

Por ejemplo, una medida indirecta serı́a la determinación de la aceleración
de la gravedad g en la superficie terrestre a través de la medición del tiempo
t que tarda un móvil en recorrer un espacio vertical h en caı́da libre mediante
la expresión g = 2h/t2 . Las medidas directas serı́an la altura h y el tiempo
t, que proporcionan a través de la fórmula el valor de la constante g. Tanto
la altura como el tiempo tendrán asociados una incertidumbre, entonces
¿cómo obtener el valor del error para la medición indirecta? Esto se realiza
mediante un método matemático denominado propagación de errores,
que es el tema central sobre el que trata este tema.

53
 2. PROPAGACIÓN DE ERRORES

0
Consideremos una magnitud Z que viene dada en función de otras x1 , x2 , x3 , . . .
mediante una expresión del tipo:

1.
Z = f (x1 , x2 , x3 , . . .) = f (X), (3.1)
donde X no es más que el conjunto {x1 , x2 , x3 , . . .}. A los valores espera-

a
dos de las cantidades x1 , x2 , x3 , . . . los denominaremos como X ∗ = {x∗i } , i =

t
1, . . . , N , mientras que sus errores absolutos serán 1 , 2 , 3 , . . ..

e
Es posible demostrar que, si las variaciones de X son pequeñas con respecto

2
l
a sus valores esperados X ∗ , entonces el valor esperado de Z = f (X) puede

nd 202
p
aproximarse por la evaluación de Z sobre dichos valores esperados X ∗ , esto
m
es:
Z ∗ = f (X ∗ ) = f (x∗1 , x∗2 , x∗3 , . . .) (3.2)
de
co

Paralelamente, el error asociado a las magnitudes x1 , x2 , x3 , . . . determinará

el error asociado a Z mediante la técnica de propagación de errores. Veremos

ir
a continuación dos tipos de propagación: la lineal y la cuadrática.
io
n
l
ió

ju

2.1. Propagación lineal de errores

fu
rs
de

Para calcular esta incertidumbre tendremos que hallar en primer lugar las
di

derivadas parciales de la función Z respecto de cada una de sus variables:

Ve

∂Z ∂f (X)
o
27

Z1 = = ,
∂x1 ∂x1
N

∂Z ∂f (X)
Z2 = = ,
∂x2 ∂x2
∂Z ∂f (X)
Z3 = = ,
∂x3 ∂x3
..
.

Hecho esto, el error absoluto asociado a Z vendrá dado por

Z = |Z1 |X ∗ 1 + |Z2 |X ∗ 2 + |Z3 |X ∗ 3 + . . . (3.3)

54
 Medidas indirectas

A este método de propagación de errores se le denomina propagación

lineal de errores, ya que los términos que están sumando no están elevados

0
a ninguna potencia, a diferencia de la propagación cuadrática, que veremos
más adelante.

1.
El lector probablemente ya habrá detectado que la fórmula de propagación
lineal de errores no es más que un desarrollo en serie de Taylor sobre la

a
función dependiente Z en el entorno del valor esperado, retenida hasta el
primer orden en la aproximación. Es decir, si tenemos una serie de variables

t
X = {xi } , i = 1, . . . , N , con valores esperados X ∗ = {x∗i } , i = 1, . . . , N ,

e
este desarrollo será:

2
l
   

nd 202
Z=Z + ∗ ∂Z ∗
(x1 − x1 ) +
∂Z p(x2 − x∗2 ) + . . .
m
∂x1 X ∗ ∂x2 X ∗
 
∂Z
+ (xN − x∗N ).
de
co

∂xN X ∗

ir
Esto es:
io
     
n

∂Z ∂Z ∂Z
∆Z = ∆x1 + ∆x2 + . . . + ∆xN ,
l

∂x1 ∂x2 ∂xN

ió

ju

X∗ X∗ X∗
fu
donde hemos definido las variables ∆xi = xi − x∗i . Por conveniencia, para
rs
de

di

evitar una posible compensación de errores, se toman valores absolutos, de

forma que el error en la variable dependiente Z, tomada como la diferencia
Ve

entre el valor real y el valor esperado, se define finalmente como:

o
27

 ∂Z   ∂Z   ∂Z 
eZ = |∆Z| =    
|∆x1 | +   
|∆x2 | + . . . +   |∆xN | ,
∂x1 X ∗ ∂x2 X ∗ ∂xN X ∗
(3.4)

expresión que es equivalente a la fórmula (3.3) asignando los i a ∆xi . El

siguiente ejemplo dejará claro cómo se aplica el método de propagación li-
neal de errores para medidas indirectas en un caso concreto.

55
 Ejemplo 3.1. Supongamos que, en la determinación de la aceleración
de la gravedad a través de la medición del tiempo t que tarda un móvil

0
en recorrer un espacio vertical h en caı́da libre a través de la expresión:

1.
2h
g = g (h, t) = . (3.5)
t2

a
la medida de la altura h ha dado como resultado h = (2,00 ± 0,01) m,
mientras que el tiempo de caı́da viene expresado por t = (0,63 ± 0,01) s.

t
Obtenga, por propagación lineal de errores, el valor de la aceleración de

e
2
la gravedad.

l
nd 202
p
m
Solución:
Escribamos los valores medios obtenidos junto a su correspondiente
error:
de
co

h∗ = 2,00 m; h = 0,01 m,
t∗ = 0,63 s; t = 0,01 s.

ir
io
n

Las dos derivadas parciales son:

l
ió

ju

∂g 2 ∂g 4h
gh (h, t) = = 2 , gt (h, t) = =− 3.
fu
∂h t ∂t t
rs
de

di

En consecuencia obtenemos el valor esperado de g:

Ve

2h∗
g∗ = = 10,078 m s−2 ,
o
27

t∗2
N

ası́ como su incertidumbre mediante propagación lineal de errores:

   
 2   4h∗ 
g =  ∗2  h + − ∗3  t = 0,37 m s−2 .
  
t t

Expresamos el resultado final después de redondear convenientemente

los resultados:
g = (10,1 ± 0,4) m s−2 ,
donde el error relativo será r ' 4 %.

56
 Medidas indirectas

Nótese que las medidas de la altura y el tiempo (sean directas o no)

muestran un error de una única cifra significativa (un 1 en ambos ca-

0
sos) que coincide de manera circunstancial con la centésima parte de las

1.
unidades de medida utilizadas (metro y segundo, respectivamente). Los
valores de las medias se muestran de forma que la posición decimal de
la única cifra significativa del error fija la posición decimal de la última
cifra mostrada en la magnitud y, por tanto, fija también el número de

a
cifras significativas a mostrar en la medida. Esto es, dado que el error

t
en la altura está en la centésima de metro, la medida de la altura debe

e
darse, también, hasta la centésima de metro.

2
l
nd 202
Al calcular la aceleración de la gravedad, el error debe tener igualmente
p
una única cifra significativa, redondeando el valor e = 0,37 m s−2 por e =
m
0,4 m s−2 . Una vez fijada la posición decimal, la medida de la aceleración
debe darse, igualmente, hasta la décima de m s−2 . De esta forma, ambas
de
co

medidas (el valor de la aceleración y su error) tienen el mismo número

de cifras decimales, si bien el error tiene una única cifra significativa y
la aceleración, por su parte, tres.

ir
io
n
l

Un punto que conviene detallar es cómo debe procederse si en la función

ió

ju

aparece un número irracional (π, por ejemplo). En tal caso, hay que in-
fu
troducir el error del número resultado de tomar un número finito de cifras
rs
de

decimales (π = 3,1416±0,0001). Debe cumplirse que el error relativo asocia-

di

do a un número irracional ha de ser menor que el error relativo de cualquier

Ve

magnitud medida directamente que aparezca en la expresión, para lo cual

o
27

basta tomar el número irracional con el suficiente número de cifras decima-

N

les. En la práctica, esto normalmente supone despreciar el termino asociado

a la constante en la fórmula de la propagación, ya que será mucho menor
que el resto.

Ejemplo 3.2. Un cálculo que aparece habitualmente es el del cálculo

del error del seno de un ángulo, esto es: y = sen α donde α es el ángulo
(con el coseno serı́a análogo).

Solución:

57
 Sabemos que las funciones trigonométricas son adimensionales pero tie-
nen unidades y que la unidad de medida angular es el radián. Si tenemos

0
una variable α expresada en radianes, el cálculo del error para y es in-
mediato:  

1.
 ∂y 
∆y =   ∆α = cos(α) ∆α,
∂α

a
con ∆α expresado en radianes. ¿Qué ocurre en el caso de utilizar gra-

t
dos sexagesimales? Sabemos que ambas unidades están relacionadas por
360◦ = 2π rad. Ası́, para un ángulo β dado en grados sexagesimales, su

e
2
seno es:  

l
2πβ

nd 202
y = sin
360 p.
m
El error se calcula por propagación igual que en el caso anterior:
  
de 
co

 ∂y  2πβ 2π
 
∆y =   ∆β = cos ∆β,
∂β 360 360

ir
io
n

con β y ∆β dados en grados sexagesimales. Véase que el argumento del

l

coseno es simplemente la expresión del ángulo en radianes. Lo mismo

ió

ju

ocurre con el término (2π/360) ∆β, que no es más que la expresión en

fu
radianes del error ∆β dado en grados sexagesimales.
rs
de

di
Ve

Como acabamos de ver, el cálculo asociado a la propagación de errores re-

o
27

sulta tedioso debido a la necesidad de obtener, y posteriormente evaluar,

N

un gran número de derivadas parciales. Ahora bien, hay situaciones en las

que el resultado final que se sigue del procedimiento expuesto resulta espe-
cialmente simple. Los siguientes son un par de ejemplos:

Expresiones lineales tales como:

Z = αA + βB + . . .,

donde tenemos que α, β, . . . son constantes racionales y A, B, . . . son

magnitudes fı́sicas. En este caso, obtendremos que la fórmula de la

58
 Medidas indirectas

propagación es:
Z = |α| A + |β| B + . . .

0
Monomios de la forma:

1.
Z = γAα B β . . .,

a
donde γ, α, β, . . . son constantes racionales y A, B, . . . magnitudes. En-

t
tonces, la expresión resultante es:

e
    
β 

2
α

l
Z = |Z |  ∗  A +  ∗  B + . . . .
∗

nd 202
A B
p
m
2.2. Propagación cuadrática de errores
de
co

La primera aproximación en la que está basada el método de propagación

ir
lineal, ecuación (3.4), es válida para funciones que varı́an poco en el entorno
io
del valor esperado, pero no es adecuada en situaciones más generales. Una
n

opción más realista consiste en definir el error a partir de la medida de la

l
ió

ju

varianza s2 (Z) de la siguiente manera:

fu
s2 (Z) = (Z − Z ∗ )2 = |∆Z|2 =
rs
de

      2
di

 ∂Z   ∂Z   ∂Z 
=   |∆x1 | +   |∆x2 | + . . . +   |∆xN | .
∂x1  ∗  ∂x2  ∂xN 
Ve

X X ∗ X∗
o
27

Para simplificar las expresiones, supongamos un caso sencillo de un sistema

de dos variables, por ejemplo, Z = f (x1 , x2 ). En tal caso, la varianza torna
en:
 2  2  2 
 ∂Z   ∂Z   ∂ Z 
s2 (Z) =   (∆x1 )2 +   (∆x2 )2 + 2  
 ∂x1 ∂x2  ∗ cov(x1 , x2 ).
∂x1 X ∗  ∂x2  ∗
X X

donde cov(x1 , x2 ) es la denominada covarianza entre ambas variables. La

covarianza es una cantidad estadı́stica que relaciona cómo varı́an conjunta-
mente dos variables aleatorias con respecto a sus medias (de ello hablaremos

59
 más en profundidad en el tema 4). En el caso de que las dos variables sean
independientes entre sı́, la covarianza será nula y, en suma, la desviación

0
tı́pica (como estimador del error) quedará simplemente como:

1.
s   
 ∂Z 2  ∂Z 2
s(Z) =   (∆x1 )2 +   2
 ∂x2  ∗ (∆x2 ) ,
∂x1  ∗X X

ta
que podemos generalizar ahora a un sistema de N variables independientes:

e
v

2
u N 
uX  ∂Z 2
s(Z) = t

l
nd 202
 
i=1 X
p 2
 ∂xi  ∗ (∆xi ) . (3.6)
m
de
co

Más información:

ir
Un comentario más avanzado, ya que implica conocimientos de es-
io
n

tadı́stica que veremos en la siguiente parte de la asignatura, es que

l

este método presupone la validez del teorema central del lı́mite,

ió

ju

según el cual las desviaciones respecto del valor esperado para cada
fu
una de las variables implicadas siguen una distribución normal. Dado
rs
de

que, en ese caso, las variables no están correlacionadas (esto es, al ser
di

independientes entre sı́), podemos relacionar la varianza de la magni-

Ve

tud derivada (como estimador del error) con las varianzas individuales
o
27

de cada una de las medidas independientes.

N

Este segundo método tiene la ventaja de producir un estimador del

error mucho más fiel que el obtenido en el desarrollo lineal previo,
siempre que dispongamos de una muestra estadı́stica suficientemente
amplia como para verificar la validez del teorema central del lı́mite.
El lector interesado puede encontrar más información al respecto en
alguno de los textos de estadı́stica que indicamos en la Bibliografı́a al
final de estas notas.

60
 Medidas indirectas

Ejemplo 3.3. Utilizando las expresiones para la propagación cuadrática

de errores, demuestre la ecuación 2.9 para la desviación tı́pica de la

0
media.

1.
Solución:
Partamos de un conjunto de N variables X = {xi } , i = 1, . . . , N . Sabe-

a
mos que el valor esperado de X, que llamaremos x, es

t
1 X
N

e
x= xi . (3.7)

2
l
N i=1

nd 202
La varianza de x vendrá dada por
p
m
N 
X

X
N
 ∂x 2 2 1 2
2  
s (x) =  ∂xi  s (xi ) =de s (xi ). (3.8)
co

i=1
N2 i=1

ir
Si suponemos que las varianzas individuales son todas iguales (s2 (X) =
io
s2 (xi ) para todo i) entonces tenemos la suma de N términos iguales, o
n
l

sea,
ió

ju

fu
1 2
s2 (x) = s (X), (3.9)
rs

N
de

di

de modo que la desviación tı́pica de la media, es, simplemente:

Ve

v
u
o
27

s(X) u XN
t 1
N

s(x) = √ = (xi − x)2 , (3.10)

N N (N − 1) i=1

que coincide con la ecuación 2.9.

El método de propagación cuadrática de errores, a través de la ecuación

(3.6), se considera que proporciona un valor más adecuado para el cálculo de
errores en medidas indirectas, en comparación con el método de propagación
lineal de errores, definido por las ecuaciones (3.3) o bien (3.4).

61
 3. EJERCICIOS

0
Ej. 3.1 — La suma y la diferencia de x = 25 ± 5; y = 30 ± 2 son: (emplee
propagación lineal de los errores por sencillez.)

1.
(a) x + y = 55 ± 5; x − y = −5 ± 3.

(b) x + y = 55 ± 5; x − y = −5 ± 5.

ta
(c) x + y = 55 ± 7; x − y = −5 ± 7.

e
2
(d) x + y = 55 ± 7; x − y = 5 ± 5.

l
nd 202
p
Ej. 3.2 — Obtenga la suma y la diferencia de x = 30 ± 2; y = 50 ± 3.
m
Emplee propagación lineal de los errores por sencillez.

de
co

Ej. 3.3 — Obtenga el producto y el cociente de x = 39,5 ± 0,7, y =

0,76 ± 0,05. Emplee propagación lineal de los errores por sencillez.

ir
io
n

Ej. 3.4 — Sea una distancia x que se calcula como x = x1 x2 /x3 . Los
l

valores de x1 , x2 y x3 son x1 = (100 ± 5) cm, x2 = (6,5 ± 0,2) cm y

ió

ju

x3 = (12,0 ± 0,5) cm, ¿cuál es el valor de x? Emplee propagación lineal de

fu
los errores.
rs
de

di

(a) 54 ± 7 cm.
Ve

(b) 110 ± 8 cm.

o
27

(c) 54 ± 10 m.

(d) 110 ± 5 cm.

Ej. 3.5 — Se mide experimentalmente el radio de una rueda obteniéndose

un valor de (25,323 ± 0,001) cm. Se desea calcular el área dentro de la cir-
cunferencia, que viene dada por la expresión A = πr2 , donde r es el radio.
Queremos que la única fuente de error sea el radio, de modo que debemos
usar tantas cifras significativas de π como sean necesarias para que su con-

62
 Medidas indirectas

tribución al error en el área sea despreciable frente al error asociado al radio

(al menos un orden de magnitud inferior). Utilizando propagación lineal de

0
errores ¿cuál es el número mı́nimo de cifras significativas que debemos usar
para π?

1.
(a) Dos cifras significativas, π ' (c) Seis cifras significativas, π '
3,1. 3,14159.

a
(b) Cuatro cifras significativas, (d) Ocho cifras significativas, π '

t
π ' 3,142. 3,1415927.

e
2
l
nd 202
p
m
de
co

ir
io
n
l
ió

ju

fu
rs
de

di
Ve

o
27

63
Ve
rs
ió
27 n
de co
ju m
N
o lio p l et
di
fu
de a
nd 202 1.
ir 2 0
 Tema 4
GRÁFICAS Y REGRESIÓN LINEAL

0
1.
a
En muchos casos, el objetivo de las medidas es descubrir o comprobar una

t
posible relación entre dos magnitudes X e Y . En esta situación es conve-

e
niente emplear una gráfica, por ejemplo en coordenadas cartesianas rectan-

2
gulares, en la que se representen las parejas de valores (xj , yj ) cuyo análisis

l
nd 202
facilitarı́a el estudio de la mencionada relación.
p
m
1. REPRESENTACIONES GRÁFICAS
de
co

Existen muchas otras formas de representar parejas de datos. En caso de

que tuviésemos más variables independientes, supongamos que dos, lo que

ir
io
se suele hacer es elegir una de ellas constante y representar la variable
n

dependiente frente a la variación de la otra variable dependiente. De esta

l
ió

ju

forma, podremos representar en una misma gráfica varias curvas.

fu
En cada eje de una gráfica en coordenadas cartesianas rectangulares, es
rs
de

necesario especificar una relación entre las distancias sobre dicho eje y las
di

diferencias de los valores de la magnitud que se representan en dicho eje, es

Ve

decir, es necesario definir una escala. En general el tipo de escala que se elige
o
27

depende del rango de variación de los valores de la magnitud representada

N

en cada eje. Por ejemplo, si una magnitud presenta valores que están todos
dentro de un mismo rango lo más habitual es utilizar una escala lineal, en
la que las distancias sobre el papel son proporcionales a las diferencias entre
los valores de la magnitud. Sin embargo, si se tienen valores en rangos muy
distintos (por ejemplo, algunos del orden de 1 y otros del orden de 1000) lo
más habitual es recurrir a una escala logarı́tmica, en la que las distancias
sobre el plano son proporcionales a las diferencias entre los logaritmos de
los valores de la magnitud.
Teniendo en cuenta los dos tipos de escala mencionados, los tipos de gráficas

65
 más habituales son:

0
Lineal: Es una gráfica en la que las escalas de ambos ejes son linea-

1.
les, siendo éste el tipo de representación gráfica usada habitualmente.
Véase, por ejemplo, la cuadrı́cula de la izquierda en la figura 4.1.

Logarı́tmica: En este caso las escalas de ambos ejes son logarı́tmicas

a
(a menudo a estas gráficas se las denomina ((log-log))). Hay dos mane-

t
ras de hacer una gráfica de este tipo. La más sencilla es utilizar una

e
cuadrı́cula en la que los intervalos sean logarı́tmicos, por ejemplo, la

2
l
que se muestra en el panel central de la figura 4.1. En este tipo de

nd 202
p
cuadrı́cula se representa el par ordenado (xj , yj ) en el punto que le co-
rresponde. La otra forma de hacerlo es representar en una cuadrı́cula
m
cartesiana rectangular los valores del par (log10 xj , log10 yj ). La pro-
piedad más importante de las gráficas doblemente logarı́tmicas es que
de
co

las funciones de tipo potencia, por ejemplo Y = αX q , aparecen como

lı́neas rectas de pendiente igual al exponente, puesto que, tomando

ir
logaritmos, tenemos:
io
n

log10 Y = log10 α + q log10 X .

l
ió

ju

fu
Ası́, la gráfica serı́a una recta de pendiente q. El uso de la base 10
rs

en la representación logarı́tmica se debe a que esta permite detectar

de

di

las ((décadas)) (potencias de 10) directamente en la gráfica, tal como

puede verse en la plantilla central de la figura 4.1. Cualquier otra base
Ve

para el logaritmo no permitirı́a una lectura clara y rápida de los datos.

o
27

Semilogarı́tmica: En este caso la escala de uno de los ejes (habitual-

mente el de ordenadas) es logarı́tmica y la del otro (habitualmente el
de abscisas) es lineal. También en este caso hay dos maneras de hacer
una gráfica de este tipo. La más sencilla es utilizar una cuadrı́cula
en la que los intervalos en el eje de ordenadas sean logarı́tmicos y en
el eje de abscisas lineales, por ejemplo, la que se muestra en el pa-
nel derecho de la figura 4.1. En este tipo de cuadrı́cula se representa
el par ordenado (xj , yj ) en el punto que le corresponde. La otra for-
ma de hacerlo es representar en una cuadrı́cula cartesiana rectangular
los valores del par (xj , log10 yj ). La propiedad más importante de las

66
 Gráficas y Regresión Lineal

gráficas semilogarı́tmicas es que las funciones de tipo exponencial, por

ejemplo Y = AeαX , aparecen como lı́neas rectas con una pendiente

0
proporcional al coeficiente que aparece en el exponente, puesto que,
tomando logaritmos, tenemos:

1.
0
log10 Y = log10 A + α X ,
0
donde α = α log10 (e).

ta
3 103 103

e
2
l
nd 202
2 102
p 102
m
1 101 101

de
co

0 100 100
0 1 2 3 100 101 102 103 0 1 2 3

ir
io
Figura 4.1. De izquierda a derecha, tipos de escala: lineal, logarı́tmica, semilogarı́tmica.
n
l

A la hora de representar una gráfica seguiremos las siguientes normas gene-

ió

ju

rales:
fu
rs
de

Las gráficas suelen realizarse con un programa informático. En caso

di

de no disponer de un ordenador, se usará el papel con cuadrı́cula del

Ve

tipo más adecuado para la gráfica concreta.

o
27

Cada gráfica tendrá un tı́tulo, en el que se indique de forma clara

N

y breve lo que se pretende representar con dicha gráfica. Si los datos

numéricos se encuentran en una tabla aparte, conviene hacer referencia
a la misma. La gráfica debe contener un pie de ilustración (caption
en inglés) en la parte inferior que indique una numeración para esa
gráfica que permita referirse a ella en el texto.
En los ejes de la gráfica debe escribirse claramente el nombre de la
magnitud fı́sica y las unidades en las que se expresan los datos. A su
vez, deben incluirse divisiones, con sus valores numéricos, que faciliten
la interpretación de los datos.

67
 Los lı́mites de cada eje, al igual que el origen de coordenadas, deben
elegirse cuidadosamente de tal manera que los datos se distribuyan

0
sobre toda la gráfica (impidiendo que aparezcan apelotonados en una
parte reducida de de la misma). Ası́, el origen de coordenadas no tiene

1.
por qué ser, necesariamente, el cero de ambas magnitudes.
Los puntos correspondientes a una pareja de datos deben marcarse

a
explı́citamente, destacándolos con un sı́mbolo (por ejemplo •, ♦). De-
be indicarse el error experimental en la toma de los datos mediante

t
una o dos barras de error. Ası́, si el error del valor yj resulta ser

e
2
∆yj , se situará un segmento vertical de longitud 2∆yj (en las unida-

l
nd 202
des determinadas en el eje de ordenadas, naturalmente) centrado en
p
el punto que representa la pareja de datos. Análogamente se procede
m
con el error del valor xj usando un segmento horizontal de longitud
2∆xj .
de
co

Más información:

ir
io
n

Las barras de error son una representación del intervalo de confianza en

l

el cual puede encontrarse una magnitud dada. Su tamaño lo determina,

ió

ju

justamente, el error asociado al punto que se esté representando. Este

fu
puede venir dado por la precisión del aparato (si es una única medida
rs

directa), la desviación tı́pica, la dispersión, o el estimador del error que

de

di

resulte más adecuado. El caso más sencillo es el de representar una

Ve

única medida directa yi , efectuada con un instrumento que arroja un

o
27

error ∆yi . La representación del intervalo de confianza en la gráfica

N

vendrá dada por un punto en la coordenada yi con una barra de error

que cubra el intervalo (yi −∆yi , yi +∆yi ). En el caso de representar una
medida indirecta, ya sabemos que el error se calcula por propagación
(lineal o cuadrática). Y este es el error que debemos mostrar en las
(valga la redudancia) barras de error. Ası́, si sabemos que una medida
de tiempo ti tiene un error ∆ti dado, los errores de t2i vendrán dados
efectivamente por ∆t2i = 2ti ∆ti . La barra de error asociada a un punto
t2i cubrirá entonces en el intervalo (t2i − 2ti ∆ti , t2i + 2ti ∆ti ).

Por último, si procede, hay que trazar la curva o recta que relaciona

68
 Gráficas y Regresión Lineal

matemáticamente a X e Y , siempre que exista y la hayamos calcula-

do previamente. Se suele considerar una mala práctica unir los puntos

0
experimentales con lı́neas, ya que puede llevar a confusión acerca de la
existencia de algún tipo de relación teórica entre ellos. Los puntos ex-

1.
perimentales deben representarse de forma discreta en cualquier caso
y, siempre que sean representativas, con sus barras de error.

ta
Una duda habitual que aparece en la representación de datos es cuando

e
tenemos que usar barras de error en doble escala logarı́tmica, esto es, lo-

2
l
garı́tmica en los ejes X e Y . Hemos de tener en cuenta que, si representa

nd 202
p
la barra de error del punto z = log(y) mediante log(y + ∆y) y log(y − ∆y),
la representación de los errores será incorrecta y veremos que obtendremos
m
unas barras de error que no serán simétricas en torno al punto z. Para re-
presentar las barras de error correctamente debemos usar propagación de
de
co

errores en la cantidad z = log(y), de forma que:

 

ir
 d log z 
io
∆z =   ∆y. (4.1)
n

dy 
l
ió

ju

fu
En el caso de que usemos logaritmos en base 10, que es lo habitual, tendre-
rs

mos:
de

di

 
 1 
∆z =   ∆y = 1 ∆y = 0,434 ∆y . (4.2)
Ve

y ln 10  2,303 y y
o
27

El estudiante puede consultar un ejemplo concreto de este cálculo de erro-

res en el tema 5, dedicado al desarrollo de ejemplos concretos de análisis
de datos experimentales, en concreto en la ecuación (5.1). En ese tema, el
estudiante podrá encontrar diversos ejemplos de representaciones gráficas
realizadas de la manera adecuada. Como hemos mencionado, a menudo en-
contraremos que existen fundamentos teóricos que sustentan una relación
subyacente entre las variables representadas. Para obtener experimental-
mente, a partir de los datos obtenidos en el laboratorio, la relación entre
ambas variables, utilizaremos el método de los mı́nimos cuadrados que se
describe a continuación.

69
 2. AJUSTE POR MÍNIMOS CUADRADOS

0
2.1. Relación lineal

1.
Consideremos un conjunto de N medidas de una pareja de magnitudes X e
Y de las cuales sospechamos que se encuentran relacionadas mediante una
función lineal del tipo:

a
Y = mX + b, (4.3)

et
siendo nuestro objetivo encontrar la pareja de valores m, b que den lugar a

2
la recta que mejor se ajuste a los N datos experimentales.

l
nd 202
p
Antes de dar más detalles acerca del método de ajuste para estos N da-
m
tos experimentales, resulta conveniente recordar cómo es la expresión ma-
temática de una recta cuando se conocen dos puntos en el plano por los que
pasa dicha recta. Supongamos que disponemos de los puntos experimentales
de
co

P0 = (x0 , y0 ) y P1 = (x1 , y1 ), la ecuación de la recta que une ambos puntos

será:

ir
y1 − y0
y − y0 = (x − x0 ).
io
x1 − x0
n
l

Esta expresión, que es muy sencilla de recordar, es de gran utilidad para

ió

ju

evaluar la pendiente mientras estamos midiendo para comprobar si nuestros

fu
datos tienen sentido o si hay algún error de algún tipo.
rs
de

di

Como convenio, consideraremos la mejor recta como aquella para la cual la

Ve

suma de los cuadrados de las desviaciones verticales de los puntos

o
27

respecto de la recta sea mı́nima. Nótese que esto implica asumir (y

N

esto no es más que un criterio) que los errores en la variable independiente

son despreciables (esto es, ∆xi = 0) y las medidas de xi son por tanto
exactas. Esto, en nomenclatura cientı́fica, equivale a realizar un ajuste de
mı́nimos cuadrados por desviación vertical (vertical offset en inglés). Un
tratamiento más riguroso (que es lo que ocurre en la realidad al medir en un
laboratorio y queda fuera de los objetivos de este texto) requerirı́a asumir
que la variable independiente también tiene un error asociado a la medida,
por lo que deberı́amos considerar la minimización en dirección perpendicular
a la recta de mejor ajuste (desviación perpendicular; perpendicular offset).
Consideremos entonces una recta f (x) = y = mx + b (con dos parámetros

70
 Gráficas y Regresión Lineal

ajustables m y b) que queremos obtener a partir de un conjunto de pares

experimentales (xi , yi ). Idealmente, querrı́amos que todos los puntos expe-

0
rimentales cumpliesen yi = mxi + b. Esta situación es difı́cilmente realizable
a no ser que tratemos con modelos teóricos, por lo que exigiremos como

1.
criterio de ajuste el anteriormente mencionado: conseguir los valores de m y
b tales que hacen que la distancia cuadrática media entre los puntos experi-
mentales y la recta sea mı́nima. Esto es equivalente a plantear el problema

a
de minimización de la función:

et
X
N
(yi − mxi − b)2 .

2
C(m, b) = (4.4)

l
nd 202
i=1
p
m
Los valores de m y b que verifican este planteamiento verifican el sistema
de ecuaciones:
de
co

∂C XN
= −2 xi (yi − mxi − b) = 0,
∂m

ir
i=1
(4.5)
io
∂C XN
n

= −2 (yi − mxi − b) = 0,
l

∂b
ió

ju

i=1
fu
o, equivalentemente (prescindiremos de algunos ı́ndices en los sumatorios
rs
de

di

para aligerar la notación):

Ve

X X X
xi y i − m x2i − b xi = 0,
o
27

i i i
X X (4.6)
yi − m xi − N b = 0.
i i

Las soluciones para m y b vienen dadas por:

P P
i xi y i − Y c i xi
m= P 2 P ,
i xi − X c i xi
P P (4.7)
Yc i x2i − Xc i xi yi
b = Yc − mXc = P 2 P ,
i xi − X c i xi

71
 donde hemos definido el centro de gravedad (Xc , Yc ) de los puntos expe-
rimentales como:

0
1 X
Xc = xi , (4.8)

1.
N i
1 X
Yc = yi . (4.9)
N i

ta
Nótese aquı́ que ni Xc ni Yc representan un valor esperado, puesto que cada

e
pareja de datos (xi , yi ) está asociada a un estado distinto del sistema que

2
l
estamos midiendo.

nd 202
p
La recta y = mx+b queda ası́ completamente determinada en función de los
m
valores de m y b obtenidos en la ecuación (4.7). Para cualquier valor de xj
que planteemos podemos obtener su correspondiente yj sin más que sustituir
de
co

por los valores correspondientes. Es importante remarcar que, como medida

indirecta, la ecuación planteada no está carente de errores. La determinación

ir
de estos errores es fundamental para poder dar una estimación de cualquier
io
valor obtenido a partir del ajuste por mı́nimos cuadrados.
n
l

Dijimos, al inicio de la sección, que el ajuste por distancia vertical pre-

ió

ju

supone que el error en la variable independiente es despreciable. Esto es,

fu
consideraremos, en adelante, ∆xi = 0. Pero la variable dependiente sı́ tiene
rs
de

un error asociado al ajuste realizado. En principio, podrı́amos hacer uso de

di

la desviación estándar de nuestras medidas basándonos en la ecuación (4.4),

Ve

donde llamaremos σy al error en la variable y:

o
27

v
N

u
u1 X N
σy = t (yi − mxi − b)2 . (4.10)
N i=1

que, notemos, da idea de la separación promedio de los datos experimentales

yi con respecto a nuestra recta de ajuste mxi +b. Esta expresión, no obstante,
presupone que los valores de m y b son conocidos. Lo cierto es que en
nuestro procedimiento de ajuste lo que ofrecemos es una ((estimación)) de
los valores de la pendiente y la ordenada en el origen, no siendo posible dar
unos resultados exactos. Ası́, teniendo en cuenta estos dos parámetros, el

72
 Gráficas y Regresión Lineal

número de grados de libertad para el cálculo de la desviación estándar se

reduce justamente en dos, de modo que podemos ((compensar)) este hecho

0
considerando:
v

1.
u
u 1 X N
σy = t (yi − mxi − b)2 . (4.11)
N − 2 i=1

ta
Como indicamos en el tema 3, basta notar que para un conjunto suficiente-
mente grande de medidas, considerar N o N −2 arrojará, a efectos prácticos,

e
2
el mismo resultado.

l
nd 202
p
Obtenido este error, y considerándolo constante e idéntico para todas nues-
tras medidas yi , podemos determinar por propagación cuadrática los errores
m
asociados a la pendiente m y la ordenada en el origen b, dados por
s s P de
co

2
1 1 i (yi − mxi − b)
σm = σy P 2 = P 2 ,
i (xi − Xc )
N −2 i (xi − Xc )

ir
s s P (4.12)
io
P 2 2
P 2
x x (y − mx − b)
n

i i
σb = σy P i i 2 =
i i i
P .
l

2
N i (xi − Xc ) N (N − 2) (x − X )
ió

i c
ju

i
fu
Las ecuaciones (4.7) y (4.12) pueden utilizarse para realizar las cuentas a
rs
de

di

mano y a través de ellas obtener los valores de los parámetros del ajuste y
sus errores.
Ve

o
27

Es más que recomendable que el estudiante aprenda a utilizar la función de

N

regresiones lineales en su calculadora o empleando programas informáticos

pertinentes de representación gráfica y análisis de datos, que suelen realizar
este cálculo de forma automática una vez que se ha dibujado la gráfica sin
más que pulsar en la opción correspondiente. Ya hemos visto al principio que
se han realizado algunas aproximaciones y es posible que, dependiendo del
método teórico de regresión que se emplee, existan pequeñas variaciones en
los resultados. Esto no debe ser un problema si nos estamos refiriendo a las
incertidumbres, siempre y cuando los resultados obtenidos sean razonables.
Por poner un ejemplo, podrı́a darse la situación de que fuese recomendable
realizar una interpolación de los datos experimentales. Si se hiciese una

73
 regresión con los datos interpolados, los coeficientes de la regresión variarı́an
ligeramente respecto a los datos originales, pero lo que sı́ puede modificarse

0
sustancialmente será el error asociado a los mismos que será mucho menor
(hay más datos). Aunque en semejante caso podrı́a ponerse en duda que

1.
el resultado obtenido sea el ((experimental)), pueden darse situaciones en la
que este tipo de técnicas sean necesarias, en cuyo caso deben justificarse
adecuadamente.

ta
Más información:

e
2
l
El método de ajuste lineal no está limitado a relaciones del tipo Y =

nd 202
p
mX + b. Ya hemos visto que otro tipo de funciones como Y = aX m o
m
Y = Abx , tras la toma de logaritmos dan lugar a relaciones lineales. En
este caso el ajuste que acabamos de√ver sigue siendo válido. Análoga-
mente, en una relación del tipo Y = A + BX 4 , la toma de logaritmos
de
co

no simplificarı́a la relación, sin embargo, representando Y 2 frente a X 4

el resultado serı́a de nuevo una recta.

ir
io
n
l
ió

ju

2.2. Correlación
fu
A menudo no existe una dependencia funcional clara entre dos variables X
rs
de

di

e Y y, sin embargo, ambas variables no son independientes. Por ejemplo,

podemos observar en una gráfica una nube de puntos que claramente es
Ve

creciente o decreciente. De esta forma, podemos realizar un ajuste lineal

o
27

mediante el método de los mı́nimos cuadrados. A esta recta ası́ obtenida

N

se la denomina recta de regresión (regresión que puede ser de cualquier

tipo, no solo lineal).
A la hora de analizar la relación estadı́stica entre X e Y en este ajuste resulta
muy útil calcular una cantidad denominada coeficiente de correlación
de Pearson. Esta cantidad se suele representar mediante la letra r y se
define de la siguiente forma:

s(X, Y )
r= , (4.13)
s(X) s(Y )

74
 Gráficas y Regresión Lineal

donde s(X) y s(Y ) son las desviaciones tı́picas 1 ,

0
rP
(xi − Xc )2

1.
i
s(X) = , (4.14)
rP N
i (yi − Yc )
2
s(Y ) = , (4.15)

a
N
y s(X, Y ) es la covarianza, la cual ya hemos introducido en el tema 3, y se

t
define de la siguiente manera:

e
2
1 X

l
s(X, Y ) = (xi − Xc )(yi − Yc ). (4.16)

nd 202
N i p
m
La covarianza es un número que puede ser positivo, nulo o negativo. Si las
variables X e Y son independientes, la covarianza tiende a cero cuando N
de
co

es muy grande, ya que los sumandos tienden a restarse unos a otros.

Existe una identidad matemática (la desigualdad de Cauchy–Schwarz) que

ir
io
relaciona la covarianza y las desviaciones tı́picas según la expresión:
n

|s(X, Y )| ≤ s(X) s(Y ).

l
ió

ju

De este modo, sabemos que el coeficiente de correlación será siempre |r| ≤ 1.

fu
Dado que la covarianza puede ser positiva o negativa, tenemos:
rs
de

di

r ∈ [−1, 1].
Ve

o
27

Para ver cuál es el significado del coeficiente de correlación r vamos a realizar

N

unos pequeños cálculos. Supongamos que tenemos una recta de regresión

Y = mX + b y que nos situamos en el centro de gravedad de la nube de
datos
P(definimos P nuevas variables x0i = xi − Xc e yi0 = yi − Yc ) de manera
que i x0i =P0 y i yP 0
i = 0. En ese caso, se obtendrı́a que el coeficiente b = 0
y que b = ( i x0i yi0 )/ i (x0i )2 . En tal caso:
P 0 0
xy
Y = P i i0 i2 X.
i (xi )

1
Sin entrar en más detalles, se usará siempre la fórmula 2.3 donde el denominador es siempre N
independientemente del número de puntos.

75
 Ahora prescindamos de la suposición de encontrarnos en el centro de gra-
vedad, de manera que podemos escribir que:

0
P
(xi − Xc )(yi − Yc )

1.
Y − Yc = i P (X − Xc ).
i (xi − Xc )
2

Recordando las definiciones de desviaciones tı́picas y covarianza tendrı́amos

a
que:

t
s(X, Y )

e
Y − Yc = 2 (X − Xc ).
s (X)

2
l
nd 202
Es decir: p
m
m = s(X, Y )/s2 (X).

A continuación calculamos el error minimizado, pero a partir de la expresión

de
co

4.10 por ser más sencillos los desarrollos:

ir
1 X 1 X 0
io
(yi − mxi − b)2 = (y − mx0i )2
n

N i N i i
l
ió

ju

= s2 (Y ) + m2 s2 (X) − 2m s(X, Y )
fu
s2 (X, Y )
= s2 (Y ) − 2 = s2 (Y )(1 − r2 ).
rs

s (X)
de

di
Ve

Por tanto, de la expresión anterior y de la definición (4.16) podemos concluir

o
27

lo siguiente:
N

Si r = ±1 la correlación es máxima y el ajuste perfecto, pues el error

es nulo.

Si r > 0, entonces Y crece con X y la correlación se denomina positiva.

Si r < 0, entonces Y decrece con X y la correlación se denomina

negativa.

Si r = 0, no hay correlación y X e Y son independientes.

76
 Gráficas y Regresión Lineal

Por poner un ejemplo, si obtenemos un r = 0,96 podemos concluir que

la correlación es grande, aunque no perfecta, ya que existe (como es de

0
esperar) un carácter aleatorio en los datos experimentales. Sin embargo, si
obtuviésemos un coeficiente tal como r = 0,7, podemos concluir que hay

1.
una dependencia estadı́stica pero no que las variables X e Y dependan
funcionalmente de forma lineal.

a
En ciencias experimentales (en trabajos de investigación en laboratorios de
precisión) lo habitual es obtener valores r = ±0,99 o incluso r = ±0,999

t
para que podamos considerar que existe una buena relación de dependencia

e
directa entre las variables. En laboratorios de estudiantes, sin embargo, es

2
l
relativamente frecuente encontrar coeficientes de correlación del orden de

nd 202
p
r = ±0,89, que igualmente se aceptan (dada la limitación del instrumental
m
de medida) como indicadores de una dependencia lineal. Si bien un valor de
r = ±0,7 podrı́a indicar una dependencia estadı́stica (pero no puede asegu-
rarse una dependencia lineal), valores más cercanos a cero (r ∈ (−0,5, 0,5))
de
co

no deben tomarse en ningún caso como indicativos de que exista una depen-
dencia (lineal o no). Decimos que en esos casos el coeficiente de correlación

ir
io
no da información sobre la dependencia de las variables.
n
l
ió

ju

2.3. Otras fórmulas de regresión

fu
rs
de

di

Basándonos en las expresiones obtenidas en el apartado anterior propone-

mos unas fórmulas alternativas y equivalentes de regresión a una recta. Estas
Ve

fórmulas tienen la virtud de proporcionar tanto los parámetros de la recta,

o
27

como sus errores y el coeficiente de correlación, minimizando el número de

N

cálculos. Por tanto vienen bien para realizar operaciones a mano.

En primer lugar desarrollamos las fórmulas (4.14), (4.15) y (4.16):
rP
x2i
i
s(X) = − Xc2 , (4.17)
rP N
2
i yi
s(Y ) = − Yc2 , (4.18)
P N
xi y i
s(X, Y ) = i − Xc Yc . (4.19)
N

77
 (Se invita a realizar el ejercicio de comprobar que estas expresiones son
equivalentes a sus definiciones (4.14), (4.15) y (4.16)).

0
Ahora obtenemos los parámetros de la recta y el coeficiente de correlación:

1.
r
s(X, Y ) s(Y ) 1 − r2
m= 2 , σm = , (4.20)
s (X) s(X) N − 2
p

a
b = Yc − mXc , σb = σm s2 (X) + Xc2 , (4.21)

t
y r viene dado directamente por la definición (4.13). La expresión de σm

e
surge de manipular la fórmula (4.12).

2
l
nd 202
2.4. Función cuadrática
p
m
Hay situaciones en las que resulta imposible el ajuste mediante una recta
de
co

se sigue el mismo principio que el empleado en el ajuste lineal por mı́nimos

cuadrados: los valores de los parámetros han de ser tales que la suma de

ir
los cuadrados de las desviaciones verticales respecto de la gráfica sea mı́ni-
io
n

ma. El problema se reducirı́a entonces a la resolución de un sistema de M

l

ecuaciones lineales con M incógnitas (los parámetros).

ió

ju

fu
Ası́, es posible aplicar el método de mı́nimos cuadrados a cualquier rela-
ción del tipo Y = f (X). Como ejemplo, vamos a considerar la relación
rs
de

di

cuadrática:
Y = aX 2 + bX + c,
Ve

o
27

y vamos a obtener las expresiones de los coeficientes a, b y c por mı́nimos

N

cuadrados. Aquı́, de nuevo, presuponemos que la dispersión para los valores

de yi es la misma para todos ellos y que los valores xi son exactos. El objetivo
ahora será minimizar la cantidad:
X
N

2
C (a, b, c) = yj − ax2j − bxj − c . (4.22)
j=1

Las condiciones del mı́nimo serán:

∂C ∂C ∂C
= 0, = 0, = 0.
∂a ∂b ∂c

78
 Gráficas y Regresión Lineal

ecuaciones que proporcionan el siguiente conjunto de ecuaciones:

X X X X
a X4 + b X3 + c X2 = X 2 Y,

0
X X X X
X3 + b X2 + c

1.
a X= XY,
X X X
a X2 + b X + Nc = Y.

a
En estas últimas expresiones hemos omitidos los ı́ndices de los sumatorios

t
(i desde 1 hasta N ) y las variables (xi , yi ) por sencillez.

e
Si ahora despejamos los parámetros obtenemos las siguientes cantidades:

2
l
nd 202
S(X 2 Y )S(XX) − S(XY )S(XX 2 )
a= p
S(XX)S(X 2 X 2 ) − [S(XX 2 )]2
,
m
S(XY )S(X 2 X 2 ) − S(X 2 Y )S(XX 2 )
b= , (4.23)
S(XX)S(X 2 X 2 ) − [S(XX 2 )]2
de
co

P P P 2
Y X X
c= −b −a ,
N N N

ir
io
n

donde: X hX i2
l

2
S(XX) = X − X/N,
ió

ju

X X X
fu
S(XY ) = XY − X Y /N,
X X X
rs
de

di

S(XX 2 ) = X3 − X X 2 /N, (4.24)

X X X
Ve

S(X 2 Y ) = X 2Y − X2 Y /N,
o

hX i2
27

X
S(X 2 X 2 ) = X4 − X 2 /N.
N

Como puede apreciarse, las expresiones obtenidas son mucho más complejas,
con lo que resulta recomendable programarlas en una calculadora o en un
ordenador.
A la hora de calcular las desviaciones de los tres parámetros, el método a
seguir es el mismo que en el caso del ajuste lineal. Lo único que tenemos
que hacerse es emplear el siguiente estimador:
1 X
s2 (Y ) = (yi − ax2i − bxi − c)2 .
N −3

79
 Ası́ el cálculo de a , b y c se realiza aplicando la regla de propagación de
las desviaciones tı́picas (utilizando de nuevo el truco de XC = 0, para luego

0
centrar X una vez hechos los cálculos).

1.
3. EJERCICIOS

a
Ej. 4.1 — Si se ajusta por mı́nimos cuadrados la ecuación y = ax + b a

t
los datos (en unidades arbitrarias)

e
X 1 3 4 6 8 11 12

2
l
Y 1 6 11 18 24 33 40

nd 202
Se obtiene que:
p
m
(a) b = −4,4 ± 0,5.
de
co

(b) b = −3,2 ± 1,0.

ir
(c) b = 3,3 ± 0,4.
io
n

(d) b = 5 ± 2.
l
ió

ju

fu
Ej. 4.2 — Si se ajusta por mı́nimos cuadrados la ecuación y = mx + b a
rs

los datos
de

di

X 0 2 3 4 5 10
Ve

Y 0 1 4 5 8 14
o
27

Se obtiene que:
N

(a) m = 1,48 ± 0,13.

(b) m = 5 ± 1.

(c) m = 4,3 ± 0,5.

(d) m = 3,8 ± 1,4.

Ej. 4.3 — Se mide la distancia y el tiempo de viaje en 4 estaciones de un

80
 Gráficas y Regresión Lineal

tren que se mueve a velocidad constante:

Distancia y tiempo

0
Distancia (m) 0 914 1829 2743

1.
Tiempo (s) 17,2 39,8 64,5 90,6
Empleando una regresión lineal, obtenga la velocidad del tren y su error
asociado.

ta
Ej. 4.4 — Si se ajusta por mı́nimos cuadrados la ecuación y = a exp(bx) =

e
a ebx a los datos (en unidades arbitrarias)

2
l
X 0,5 0,75 1 1,25 1,5 1,75

nd 202
Y 26 20 12 11 p 9 3
m
Se obtiene que el coeficiente de correlación es:

de
co

(a) r = 0,80.

(b) r = −0,94.

ir
io
(c) r = −0,99.
n
l
ió

ju

(d) r = −0,86.
fu
rs
de

Ej. 4.5 — Si se ajusta por mı́nimos cuadrados la ecuación y = 1/(a + bx)

di

a los datos del ejercicio anterior, se obtiene que, aproximadamente:

Ve

(a) a = −0,10.
o
27

(b) a = −0,9.

(c) a = 1,2.

(d) a = 0,004.

Ej. 4.6 — Tres grupos de prácticas realizan un mismo experimento, en

el cual se les pide que tomen una serie de datos. Tras representarlos, los
estudiantes observan que entre los datos existe una relación lineal por lo que
deciden ajustarlos por mı́nimos cuadrados. Las rectas obtenidas por cada

81
 uno de los grupos son: y1 = 0,71x+0,02, y2 = 0,70x−0,01 e y3 = 0,65x+0,08,
donde los coeficientes de correlación de cada recta son r1 = 0,921, r2 = 0,991

0
y r3 = 0,876, respectivamente. Ordene, de mayor a menor dependencia
estadı́stica entre y y x, las tres rectas.

1.
(a) r3 ,r2 ,r1 .

a
(b) r2 ,r1 ,r3 .

t
(c) r1 ,r2 ,r3 .

e
2
(d) r3 ,r1 ,r2 .

l
nd 202
p
Ej. 4.7 — Una manera experimental de determinar el valor de la constan-
m
te gravitacional g en la superficie terrestre consiste en dejar caer un objeto
desde diferentes alturas y medir el tiempo que tarda en cada una de las
de
co

caı́das. Sabiendo que en un movimiento de caı́da libre el espacio recorrido

2
(s) y el tiempo empleado (t) se relacionan mediante la expresión s = g2t ,

ir
¿cuál es la mejor manera de representar los datos para obtener mediante un
io
n

ajuste por el medio de los mı́nimos cuadrados el valor experimental de g?

l
ió

ju

(a) s frente a t.
fu
√
(b) s frente a t.
rs
de

di

(c) s frente al logaritmo neperiano de t.

Ve

(d) s frente a t2 .
o
27

82
 Tema 5
EJEMPLOS DESAROLLADOS

0
1.
a
En este tema vamos a desarrollar varios casos concretos de análisis de da-

t
tos según lo explicado en los temas anteriores. Los ejemplos desarrollados

e
permitirán al estudiante comprobar cómo se analizan los datos obtenidos,

2
cómo se expresan en tablas y gráficas y cómo se obtienen los errores de

l
nd 202
p
las medidas indirectas. El estudiante encontrará en este tema ejemplos de
regresiones lineales y de obtención de resultados a partir de estos cálculos.
m
Recomendamos hacer los diversos ejemplos con la única ayuda de una calcu-
ladora cientı́fica, lápiz, papel y papel milimetrado para realizar las gráficas.
de
co

ir
1. ACELERACIÓN DE LA GRAVEDAD.
io
n

Consideremos como primer ejemplo una experiencia ficticia acerca del cálcu-
l
ió

ju

lo de la aceleración de la gravedad, tal y como puede aparecer en un expe-

fu
rimento de laboratorio de estudiantes de Fı́sica de Bachillerato o de primer
rs

curso universitario.
de

di

El objetivo es calcular la aceleración de la gravedad en la superficie terrestre

Ve

mediante el estudio del movimiento rectilı́neo uniformemente acelerado de

o
27

un cuerpo en caı́da libre. Para ello aplicaremos el siguiente procedimiento:

N

En primer lugar se medirá el tiempo t que emplea un objeto en recorrer

una distancia h por efecto de la aceleración de la gravedad partiendo
con velocidad nula (caı́da libre). Para ello se suelta el cuerpo desde
distintas alturas y se mide el tiempo que tarda en impactar contra el
suelo. Para cada altura se realizan distintas mediciones, calculándose
los errores y representando los resultados finales en una tabla adecua-
da.

Se realizan las gráficas de t en función de h y de t2 en función de

83
 h, indicando el error experimental mediante una (ordenadas) o dos
(abscisas y ordenadas) barras de error. A continuación, se ajustan

0
los datos de esta última por mı́nimos cuadrados mediante una recta.
Relacionando el valor de la pendiente de dicha recta con la aceleración

1.
de la gravedad, se obtiene el valor de esta última magnitud, con su
error asociado.

a
A continuación, representaremos log t en función de log h en una gráfi-

t
ca lineal. Ajustando la recta correspondiente por mı́nimos cuadrados
obtendremos, de nuevo, el valor de g. Finalmente, comentaremos las

e
2
diferencias existentes entre este método y el comentado en el punto

l
nd 202
anterior.
p
m
En los temas anteriores, como ilustración del cálculo de errores, hemos visto
un cálculo de g midiendo el tiempo que tardaba el móvil en caer desde una
de
co

altura determinada. Aquı́ vamos a seguir la misma idea, pero midiendo los
tiempos que emplea en recorrer distintas alturas, extrayendo el valor de g a

ir
partir de la gráfica adecuada que relacione tiempos con alturas.
io
n

Vamos a suponer que las alturas se han dispuesto a intervalos de 20 cm desde

l

0,2 m hasta 2 m. Estas distancias han sido medidas con una cinta métri-
ió

ju

ca graduada en centı́metros (ph = 0,01 m). Para cada altura se efectuaron

fu
quince medidas del tiempo de caı́da con un cronómetro cuya precisión es
rs
de

di

de una centésima de segundo (pt = 0,01 s). En total tenemos 150 datos
experimentales agrupados en diez grupos, por lo que en primer lugar pre-
Ve

sentaremos de forma compacta los datos experimentales, tal y como se hace

o
27

en las tablas 5.1 y 5.2.

N

Aprovechamos la tabla 5.2 para indicar en las dos últimas columnas los
valores medios y desviaciones tı́picas de la media de los 10 tiempos de caı́da.
Ahora bien, puesto que en todos los casos pt > s, tomaremos como error
en cada uno de los diez tiempos la precisión del cronómetro. Los datos
definitivos se reflejan en la tabla 5.3.
A continuación, dibujamos la primera gráfica (figura 5.1 a partir de la tabla
5.2). En una segunda figura representamos los valores de la tabla 5.3, tal y
como puede verse en la figura 5.2. En esta figura, incluimos la recta obtenida
por mı́nimos cuadrados a partir de los datos. Nótese que, mientras en la

84
 Ejemplos desarollados

h(m) t1 (s) t2 (s) t3 (s) t4 (s) t5 (s) t6 (s) t7 (s) t8 (s) t9 (s)
0,20 0,18 0,19 0,17 0,22 0,21 0,20 0,22 0,18 0,19

0
0,40 0,28 0,29 0,27 0,30 0,28 0,28 0,30 0,29 0,27
0,60 0,33 0,35 0,34 0,37 0,35 0,36 0,36 0,35 0,38

1.
0,80 0,42 0,40 0,40 0,39 0,41 0,37 0,41 0,40 0,42
1,00 0,44 0,45 0,45 0,46 0,44 0,45 0,45 0,46 0,45
1,20 0,50 0,49 0,50 0,51 0,49 0,50 0,50 0,49 0,50

a
1,40 0,54 0,53 0,53 0,54 0,55 0,53 0,53 0,54 0,54

t
1,60 0,57 0,57 0,58 0,56 0,56 0,57 0,57 0,56 0,57

e
1,80 0,60 0,60 0,62 0,61 0,62 0,61 0,61 0,69 0,62

2
l
2,00 0,62 0,61 0,63 0,63 0,64 0,64 0,64 0,64 0,63

nd 202
p
Tabla 5.1. Medidas experimentales para el experimento de caı́da libre.
m
h(m) t10 (s) t11 (s) t12 (s) t13 (s) t14 (s) t15 (s)
de hti(s) s(s)
co

0,20 0,20 0,21 0,19 0,22 0,21 0,20 0,199 0,004

0,40 0,28 0,29 0,30 0,27 0,28 0,30 0,285 0,003

ir
io
0,60 0,34 0,33 0,35 0,33 0,36 0,35 0,350 0,004
n

0,80 0,40 0,41 0,38 0,41 0,40 0,39 0,401 0,003

l

1,00 0,44 0,45 0,47 0,44 0,45 0,45 0,450 0,002

ió

ju

1,20 0,50 0,49 0,48 0,48 0,51 0,50 0,496 0,002

fu
1,40 0,53 0,53 0,53 0,53 0,54 0,53 0,535 0,002
rs
de

di

1,60 0,59 0,57 0,58 0,58 0,57 0,56 0,571 0,002

1,80 0,61 0,61 0,60 0,60 0,62 0,61 0,615 0,005
Ve

2,00 0,65 0,64 0,65 0,65 0,64 0,64 0,637 0,003

o
27

Tabla 5.2. Continuación de los datos de la tabla 5.1. Las dos últimas columnas son la media de los valores
de t y s, que representan la desviación tı́pica de la media.

primera gráfica todas las barras de error asociadas a los tiempos eran iguales,
en la segunda esto no sucede (si usamos propagación de errores t2 = 2tt ,
algo que ha de tenerse en cuenta).
Esta recta es de la forma:

t2 = mh + b,

85
 h(m) ∆h(m) hti(s) ∆t(s)
0,20 0,01 0,20 0,01

0
0,40 0,01 0,29 0,01
0,60 0,01 0,35 0,01

1.
0,80 0,01 0,40 0,01
1,00 0,01 0,45 0,01
1,20 0,01 0,50 0,01

a
1,40 0,01 0,54 0,01

t
1,60 0,01 0,57 0,01

e
1,80 0,01 0,62 0,01

2
l
2,00 0,01 0,64 0,01

nd 202
p
Tabla 5.3. Altura/tiempo.
m
de
co

0.7

0.6

ir
io
n

0.5
l
ió

ju
hti (s)

0.4
fu
rs

0.3
de

di
Ve

0.2
o
27

0.1
N

0.0 0.5 1.0 1.5 2.0

h (m)

Figura 5.1. Tiempo frente a altura.

siendo m la pendiente y b la ordenada en el origen. Por otro lado, el resultado

teórico es:

2
t2 = h,
g

86
 Ejemplos desarollados

por lo que:
2
mt = ; bt = 0.

0
g

1.
0.5

a
0.4

t
0.3

e
t (s )

2 2

2
l
nd 202
0.2 p
t2 = mh + b
m = (0.209 ± 0.003) s2 m−1
m
b = (−0.002 ± 0.004) s2
0.1

de
co

0.0
0.0 0.5 1.0 1.5 2.0

ir
h (m)
io
n

Figura 5.2. Tiempo al cuadrado frente a altura.

l
ió

ju

Realizando un ajuste de una recta por mı́nimos cuadrados, obtenemos los

fu
siguientes resultados:
rs
de

di

m = 0,2085697 . . . s2 m−1 , m = 0,0030689 . . . s2 m−1 .

Ve

b = −0,0024667 . . . s2 , b = 0,0038084 . . . s2 .
o
27

Esto es:

m = (0,209 ± 0,003) s2 m−1 ,

b = (−0,002 ± 0,004) s2 .

Dentro del margen de error, la ordenada en el origen de la gráfica es nula.

De esta forma, la aceleración de la gravedad puede escribirse como:

g = 9,569 . . . m s−2 , g = 0,141 . . . m s−2 .

87
 Finalmente obtenemos:
g = (9,57 ± 0,14) m s−2 .

0
1.
Notemos que el error relativo cometido en el cálculo de g es er ' 1,5 %, lo
que da un resultado aceptable para un laboratorio de estudiantes.
En el supuesto caso de que quisiésemos emplear papel logarı́tmico para re-

a
presentar t en función de h, no hay que hacer ninguna manipulación, puesto

t
que el propio papel ya se encuentra graduado adecuadamente. La figura 5.3

e
muestra efectivamente cómo se verı́a el gráfico en escala doblemente lo-

2
garı́tmica.

l
nd 202
1 p
m
de
co
hti (s)

ir
io
n
l
ió

ju

fu
rs
de

di

0.1
0.1 1 10
h (m)
Ve

o
27

Figura 5.3. Tiempo en función de altura en escala logarı́tmica. Obsérvese el trazo recto que conforman
N

los puntos experimentales en esta gráfica.

Por último, representamos el logaritmo del tiempo de caı́da frente al loga-

ritmo de la altura. La gráfica es, salvo los datos numéricos, exactamente
la misma que la anterior. Los datos que empleamos a continuación vienen
dados por la tabla 5.4. Los errores asociados a los logaritmos (en base 10),
que aparecen en esta tabla, se calculan de la siguiente forma: Si tenemos
que y = log x, entonces:
   
 d log x   1 

∆y =   
∆x =   ∆x. (5.1)
dx  x ln 10 

88
 Ejemplos desarollados

log h(m) ∆ log h(m) log hti(s) ∆ log t(s)

−0,70 0,02 −0,70 0,02

0
−0,398 0,011 −0,538 0,015
−0,222 0,007 −0,456 0,012

1.
−0,097 0,005 −0,398 0,011
0,000 0,004 −0,347 0,010
0,079 0,004 −0,301 0,009

a
0,146 0,003 −0,268 0,008

t
0,204 0,003 −0,244 0,008

e
0,255 0,002 −0,208 0,007

2
−0,194

l
0,301 0,002 0,007

nd 202
p
Tabla 5.4. Logaritmos de los datos experimentales (con error).
m
de
co

Con estos datos, podemos utilizar las expresiones del ajuste de mı́ nimos
cuadrados. El resultado se representan en la figura 5.4.

ir
En este caso, la recta ajustada es de la forma:
io
n

log t = m0 log h + b0 ,
l
ió

ju

fu
y como la expresión teórica es:
r
rs
de

2 1/2
di

t= h ,
g
Ve

o
27

se debe cumplir que:

N

 
1 1 2 0
m0t = ; b0t = log ⇒ g = 2 × 10−2bt (g en m s−2 ).
2 2 g

Mediante un ajuste de mı́nimos cuadrados obtenemos que:

m0 = 0,506 . . . m0 = 0,005 . . .
b0 = −0,3434 . . . b0 = 0,0015 . . .
Observamos aquı́ que la pendiente obtenida experimentalmente (de valor
0,506 ± 0,005 se ajusta dentro del margen de error al valor esperado m =

89
 0,5), lo que confirma la bondad del ajuste realizado. La aceleración de la
gravedad, por su parte, puede obtenerse como:

0
0
g = 2 × 10−2b (g en m s−2 ) = 9,724 . . . m s−2 ,

1.
 
 0 
g = −4 × 10−2b × ln 10 b0 = 2gb0 ln 10 = 0,066 . . . m s−2 ,

a
de forma que, redondeando:

et
g = 9,72 ± 0,06 m s−2 .

2
l
nd 202
−0.1
p
m
−0.2

de
co

−0.3
log(hti (s))

−0.4

ir
io
n

−0.5
l

log(t) = m log(h) + b
ió

ju

−0.6 m = (0.506 ± 0.005)

fu
−0.7 b = (−0.3434 ± 0.0015)
rs
de

di

−0.8
-0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4
Ve

log(h (m))
o
27

Figura 5.4. Logaritmo del tiempo frente a logaritmo de la altura.

El uso de ambos métodos para obtener el valor de g presenta algunas dife-

rencias metodológicas, aunque, como hemos visto, el segundo método pro-
porciona un mejor valor. Veamos algunas diferencias.
La primera diferencia entre la gráfica lineal y la logarı́tmica es el espaciado
entre los datos. Mientras que en la figura 5.1 los datos en abscisas están
equiespaciados por intervalos de 0,2 m, en el caso de la figura 5.4 esto no
ocurre. Por tanto, se generan espacios entre dato y dato que podrı́an mo-
dificar el resultado obtenido. Es decir, si desde el principio del experimento

90
 Ejemplos desarollados

sabemos que la regresión que vamos a calcular va a ser con datos logarı́tmi-
cos en las abscisas, es una buena práctica tomar los datos de entrada en

0
el experimento equiespaciados en esta escala. De lo contrario, la recta de
regresión tenderá a inclinarse hacia la región donde los datos experimentales

1.
se encuentran más juntos. Siempre que se realice una regresión lineal (con
el método explicado) debe intentarse que los datos se encuentren separados
por cantidades iguales.

a
Una segunda diferencia, más de concepto de las magnitudes involucradas,

t
es que, usando el primer método (el lineal), ya estamos presuponiendo que

e
t2 y h son proporcionales, obteniéndose el valor de g consecuente con el

2
l
ajuste. En este segundo método, con la gráfica logarı́tmica, solo estamos

nd 202
p
suponiendo la proporcionalidad de h con una potencia de t. El ajuste nos
m
indica tanto la potencia como el valor de g. Por tanto, el segundo método es
más general, ya que inmediatamente confirma (o desmiente) si una magnitud
es proporcional a una potencia ((cualquiera)) de otra.
de
co

Por último, en la gráfica 5.4 hemos incluido los errores asociados a cada

ir
uno de los datos, tanto en abscisas como en ordenadas. Sin embargo, el
io
cálculo de la regresión lineal no incluye los errores de estos datos, debido a
n

las razones expuestas a lo largo del texto. Aún ası́, estas barras de error son
l
ió

ju

necesarias y deben incluirse en las gráficas que se realicen en las prácticas ya

fu
que nos ayudan a evaluar la calidad de los datos experimentales obtenidos
rs

y nos dan mucha información, aunque sea de forma cualitativa, de lo que

de

di

ha sucedido en el proceso de medición o de si tiene sentido o no realizar el

Ve

ajuste por mı́nimos cuadrados.

o
27

2. DISTANCIA FOCAL DE UNA LENTE CONVERGENTE.

Vamos a suponer un experimento que consiste en hallar la distancia focal

f 0 de una lente convergente a través de la medida de distancias objeto e
imagen. En este caso necesitamos saber que s y s0 son las distancias objeto
e imagen, respectivamente, para una lente de focal f 0 (véase imagen 5.5).
Nuestro objetivo es obtener el valor de f 0 midiendo s y s0 . Es decir, estas
dos últimas son las medidas directas, mientras que f 0 es la medida indirecta
o resultado.

91
 0
1.
ta
e
Figura 5.5. Distancias objeto e imagen, s y s0 , respectivamente.

2
l
nd 202
p
Primero, sabemos que la ley que liga estas dos magnitudes, suponiendo que
m
la lente empleada es delgada, es:

de
co

1 1 1
= − . (5.2)
f0 s0 s

ir
io
n
l

Supongamos un montaje experimental tı́pico en un laboratorio de Óptica

ió

ju

básica. Disponemos de una fuente de luz, que ilumina un objeto y tras el

fu
cual se encuentra una lente de focal f 0 y una pantalla de papel milimetrado
rs
de

donde se observa la imagen resultante. Todo el sistema está montado en un

di

banco óptico de 100 cm de longitud en el que se logra una precisión de 0,01

Ve

cm.
o
27

Una vez que tenemos este sistema experimental, debemos tomar valores para
N

s0 , dado un determinado s, para finalmente obtener f 0 mediante la aplicación

expresión (5.2). En este punto debemos pararnos y reflexionar, ya que no
debemos empezar las mediciones sin pensar antes cuál es la manera más
adecuada de medir dado el sistema experimental del que disponemos.
Un posible planteamiento inicial consiste en analizar el error relativo de f 0
antes de medir. Primero calculemos el error de 1/f 0 :

 
1 ∆f 0
∆ = .
f0 f 02

92
 Ejemplos desarollados

Ahora bien, a partir de la ecuación (5.2) calculamos que:

   
1 1 1 ∆s0 ∆s

0
∆ = ∆ − = + 2,
f0 s0 s s02 s

1.
donde hemos empleado propagación lineal de los errores y hemos eliminado
los signos negativos al hacer módulo en las derivadas correspondientes. Nos

a
olvidamos de los signos negativos a partir de ahora. Si igualamos la última

t
ecuación con la anterior:

e
 0 

2
∆f 0 ∆s0 ∆s ∆f 0 ∆s ∆s

l
0
= 02 + 2 → 0 = f + 2 .

nd 202
f 02 s s f
p
s02 s
m
A partir de esta última expresión, sustituyendo f 0 en función de s y s0 , y
operando un poco, obtenemos finalmente:
de
co

∆f 0 s2 ∆s0 + s02 ∆s
= .

ir
f0 s0 s(s − s0 )
io
n
l

A continuación supongamos, para simplificar, algo razonable tal como que

ió

ju

∆s0 = ∆s, es decir que los errores de las distancias son iguales. Entonces
fu
nos quedarı́a que:
rs

∆f 0 s2 + s02
de

di

= ∆s. (5.3)
f0 s0 s(s − s0 )
Ve

o
27

Lo que pretendemos aquı́ es elegir valores tales que la función anterior sea
N

lo más pequeña posible, es decir, que el error relativo de la distancia focal

sea lo más pequeño posible. Podemos hacer la suposición de que f 0 ∼ 10 cm
y que ∆s ∼ 0,5 cm, de forma que vayamos variando los valores de s como
coordenada independiente y calculando a su vez los valores de s0 mediante
la expresión (5.2). De esta forma, podemos dibujar una gráfica tal como la
representada en la figura 5.6, donde vemos que existen distancias objetos
más apropiadas que otras. En concreto, la figura nos muestra que interesa
medir cerca de ese mı́nimo en torno a s = −20 cm.
El siguiente paso serı́a medir una serie de distancias imagen s0 para unas
distancias objeto fijas s. El objetivo es garantizar la reproducibilidad de la

93
 0
1.
ta
e
2
l
nd 202
p
m
Figura 5.6. Error relativo para la focal en función de s.

de
co

medida, tomando tantas como sea necesario hasta que, por ejemplo, observe-
mos que la dispersión no siga aumentando. Luego cambiarı́amos la distancia

ir
objeto y realizarı́amos varias medidas para s0 . Un conjunto de datos para
io
n

este experimento puede ser el que se muestra en la tabla 5.5, donde la pri-
l

mera columna son las distancias objeto fijas. Véase que estas se han elegido
ió

ju

cerca del mı́nimo del error relativo.

fu
rs

s01 s02 s03 s04 s05 s06 s07 s08 s09 s010
de

s(cm)
di

20,00 19,3 20,2 19,65 20,25 20,77 19,95 19,05 19,25 20,85 20,69
22,00 17,95 17,95 18,25 15,25 18,7 18,65 18,26 18,17 18,51 18,7
Ve

24,00 17,64 16,87 17,84 16,65 17,32 17,47 16,77 17,65 17,23 16,8
o
27

Tabla 5.5. Medidas de s0 para tres valores de s.

Para este conjunto de datos, calculamos las medias y la desviación tı́pica

de la media (no confundir ahora esta cantidad con s), de forma que ob-
tendrı́amos los resultados para cada una de las elecciones de s:

s0 = (20,0 ± 0,2) cm (para s = 20,00 cm),

s0 = (18,0 ± 0,3) cm (para s = 22,00 cm),
s0 = (17,22 ± 0,14) cm (para s = 24,00 cm).

94
 Ejemplos desarollados

Véase que la desviación tı́pica de la media es mayor que la precisión del

aparato, ası́ que ese es el error que hemos elegido. A continuación, queda

0
como ejercicio para el estudiante, podrı́amos calcular los valores correspon-
dientes para la distancia focal para cada uno de los pares de datos y obtener

1.
la media ponderada en errores de los valores para obtener un resultado final
de la distancia focal.

ta
3. MÉTODO DE ERATÓSTENES

e
2
l
Eratóstenes de Cirene fue un famoso matemático, astrónomo y geógrafo

nd 202
p
griego del siglo III a. C. Uno de sus mayores hallazgos fue la determinación
del tamaño de la Tierra a partir de la medida indirecta de su circunferen-
m
cia. Su experimento, de una precisión exquisita para la época en la que se
desarrolló, supuso un hito en la historia de la Ciencia por la simpleza de su
de
co

método y lo exacto del resultado obtenido.

Sabiendo que durante el solsticio de verano en la antigua ciudad de Sie-

ir
io
na (actual Asuán) los objetos no proyectaban ninguna sombra (esto es, los
n

rayos del Sol incidı́an perpendicularmente al suelo), Eratóstenes observó

l

que en Alejandrı́a no ocurrı́a lo mismo, sino que los objetos proyectaban

ió

ju

ese mismo dı́a una sombra a un determinado ángulo φ (ver figura 5.7). Ası́,
fu
aplicando algunas nociones de Trigonometrı́a básica dedujo que, si era capaz
rs
de

di

de determinar la distancia entre ambas ciudades (esto es, el arco de circun-

ferencia entre ambos puntos, s) podrı́a obtener el radio de la Tierra, R, y la
Ve

medida de la propia circunferencia terrestre, C, suponiéndola perfectamente

o
27

esférica.
N

Supongamos que Eratóstenes enviase hasta 15 caravanas de camellos para

que obtuvieran la distancia entre ambas ciudades. Las distancias obtenidas
por cada excursión, expresadas en una unidad de magnitud de la época, el
estadio, vienen dadas en la tabla 5.6 adjunta.
Las preguntas que vamos a resolver son las siguientes:

Calcule el valor medio de la distancia entre Siena y Alejandrı́a. Obten-

ga la desviación tı́pica de la media obtenida. Utilizándola como error,
exprese correctamente la distancia entre Alejandrı́a y Siena.

95
 0
1.
ta
e
2
l
nd 202
p
m
Figura 5.7. Esquema para determinar el perı́metro de la Tierra. En la figura, R es el radio terrestre, φ
el ángulo que forma la sombra proyectada sobre los objetos en Alejandrı́a y s el arco de circunferencia
(que coincide con la distancia entre Alejandrı́a y Siena).

de
co

Excursión Distancia, s Excursión s

ir
1 5010 ± 10 9 5000 ± 10
io
2 4950 ± 10 10 4999 ± 1
n

3 5100 ± 10 11 5150 ± 10
l
ió

ju

4 4800 ± 10 12 5100 ± 10
fu
5 4900 ± 10 13 4800 ± 10
rs

6 5000 ± 10 14 5050 ± 10
de

di

7 5050 ± 10 15 4980 ± 10
4900 ± 10
Ve

8
o
27

Tabla 5.6. Distancias entre Alejandrı́a y Siena obtenidas por cada una de las caravanas de camellos
N

enviadas por Eratóstenes. Las unidades de distancia son estadios.

Eratóstenes, desconfiando de los resultados obtenidos por las carava-

nas de camellos, decidió consultar los archivos de la biblioteca de Ale-
jandrı́a y usar los datos proporcionados por estos, que daban una dis-
tancia entre ambas ciudades de s = (5000 ± 30) estadios. Una medida
precisa del ángulo que formaba la sombra proyectada de un objeto de-
terminado en Alejandrı́a dio asimismo como resultado φ = (7,2±0,2)◦ .
Entonces, sabiendo que la circunferencia de la Tierra, C, se relacio-

96
 Ejemplos desarollados

na con su radio R a través de la expresión C = 2πR, y que el radio

puede obtenerse a partir del ángulo φ (en radianes) y el arco de

0
circunferencia recorrida s mediante s = Rφ, calcule el valor de la cir-
cunferencia de la Tierra (supuesta esférica) que obtuvo Eratóstenes

1.
con los datos proporcionados. Obtenga el error asociado al resultado
anterior mediante propagación de errores y exprese correctamente el
resultado obtenido en unidades de estadios.

ta
Diversos expertos sostienen que Eratóstenes usó el llamado ((estadio

e
egipcio)). Cada uno de ellos equivale a una distancia d = (157 ± 1)

2
l
metros. Independientemente del resultado obtenido en los apartados

nd 202
p
anteriores, consideremos que el resultado final de la circunferencia cal-
culada por Eratóstenes fuera de C exp = (2,50 ± 0,05) × 105 estadios
m
egipcios. Hoy en dı́a, suponiendo una Tierra esférica, se acepta como
válida una circunferencia C teó = (40030 ± 1) km. Con estos datos,
de
co

obtenga, en kilómetros, el valor de la circunferencia de la Tierra

calculada por Eratóstenes, C exp . Calcule el error absoluto y exprese

ir
correctamente el resultado de la circunferencia obtenida. Obtenga el
io
error relativo del resultado. ¿Es ((exacta)) (en el sentido de ((precisión))
n

y ((exactitud))) la medida de la circunferencia realizada por Eratóste-

l
ió

ju

nes? Razone la respuesta.

fu
rs
de

di

Para contestar a las preguntas del primer punto, primero obtenemos la

desviación tı́pica de la media:
Ve

P
o
27

i si
N

s= = 4985,933 . . . estadios.
sNP
− s)2
i (si
σs = = 26,505 . . . estadios.
N (N − 1)

El error debe tener una única cifra significativa, por lo que aproximamos
σs ' 30 estadios. Teniendo en cuenta que la única cifra significativa se
encuentra en la decena, debemos igualmente aproximar el valor medio de
forma que la última cifra significativa sea la correspondiente a las decenas,
esto es, s ' 4990 estadios.

97
 Finalmente, agrupando ambas cantidades, la forma correcta de expresar la
distancia entre Siena y Alejandrı́a es:

0
s = (4990 ± 30) estadios.

1.
Para contestar al segundo punto primeramente debemos expresar la medida
del ángulo en radianes, en lugar de en grados. Basta con recordar que los

a
360◦ en los que se divide una circunferencia se corresponden con 2π radianes:

t
s s 360 s
C = 2πR = 2π == 2π ◦ = 360 ◦ =

e
φ(rad) φ( ) 2π φ( )

2
l
= 250000 estadios.

nd 202
p
m
El error en la circunferencia, al ser una medida indirecta, lo obtenemos
mediante propagación (lineal) de errores, tomando el valor absoluto de las
derivadas parciales respecto de cada una de las variables implicadas:
de
co

     
 ∂C   ∂C  1 s
σC =   
σs +   σφ = 360 σs + 2 σφ =
∂s  ∂φ 

ir
φ φ
io
n

= 8444,44 . . . estadios.
l
ió

ju

El resultado de la medida del perı́metro de la Tierra se expresa correcta-

fu
mente ajustando al número de cifras significativas correctas (como en la
rs
de

pregunta anterior):
di
Ve

p = (250000 ± 8000) estadios.

o
27

Por último, obtenemos que la circunferencia de la Tierra, según la equiva-

lencia de estadios egipcios, d, es:
C exp = C exp ( estadios) · d = 3,925 × 107 m = 39250 km,
σC = dσC exp + C exp σd = 1,035 × 106 m = 1035 km,
C exp = (39000 ± 1000) km.

El error relativo en el cálculo del estadio egipcio no es más que:

σC exp
eC = exp ' 0,0256 . . . = 2,6 %.
C

98
 Ejemplos desarollados

Se dice que un resultado es exacto si el ((valor verdadero)) se encuentra

dentro del intervalo determinado por el valor esperado y el error absoluto

0
asociado. Dado que C teó 6∈ (C exp − σC , C exp + σC ), podemos concluir que la
medida obtenida por Eratóstenes no es exacta.

1.
4. DIFUSIÓN ANÓMALA

ta
Suponga un experimento en el cual se observa, mediante una determina-

e
da técnica óptica, como unas esferas coloidales de tamaño nanométrico di-

2
l
funden libremente dentro de distintos tipos de fluidos. En principio, estas

nd 202
p
esferas describirán un movimiento errático, aleatorio, que se conoce como
((movimiento browniano)). Teóricamente, los desplazamientos o saltos espa-
m
ciales, r, de estas esferas en un determinado lapso de tiempo, τ , siguen una
distribución gaussiana de la siguiente forma:
de
co

 
r2
GD (r) ∝ exp − , (5.4)

ir
4Dτ
io
n
l

donde el sı́mbolo ∝ significa ((proporcional a)) y donde la difusión está ca-

ió

ju

racterizada por D, que es el ((coeficiente de difusión)) o de Stokes-Einstein,

fu
y viene dado por:
rs
de

di

kB T
D= , (5.5)
6πηa
Ve

o
27

donde kB = 1,38 × 10−23 J/K es la constante de Boltzmann, T es la tem-

N

peratura absoluta de la muestra, a es el radio de las nanoesferas y η es la

viscosidad del fluido.
Bajo ciertas condiciones, puede aparecer un fenómeno que se denomina
((difusión anómala)). En tal caso, para valores que no estén en la posición
central de la gaussiana (es decir, cuando r 6= 0,0 µm), la distribución de
los saltos r seguirá un decrecimiento en forma de exponencial (λ es una
constante que se expresa en µm):
 r
Gλ (r) ∝ exp − . (5.6)
λ

99
 G1 5,62 3,16 1,78 1,00 0,18 0,03
r (µm) 0,00 0,25 0,38 0,50 0,75 0,88

0
G2 10,00 1,78 1,00 0,40 0,18 0,07
r (µm) 0,00 0,15 0,25 0,50 0,75 1,00

1.
Tabla 5.7. Distribuciones experimentales G1 (r) y G2 (r).

a
Mediante la técnica óptica mencionada, se miden las posiciones de las na-

t
noesferas de radio a = 50 ± 5 nm, a una temperatura T = 20 ± 1 ◦ C en

e
2
dos fluidos diferentes. Los saltos de las partı́culas se dan en intervalos de

l
tiempo τ = 0,100 ± 0,001 s. Las medidas conducen a unos histogramas

nd 202
p
que nos permiten obtener las distribuciones en situaciones experimentales
m
tipo difusivo o anómalo. Llamaremos a cada una de las colecciones de datos
G1 (r) y G2 (r), respectivamente.
de
co

La tabla 5.7 resume estas mediciones para cada una de las dos distribucio-
nes, junto con los respectivos desplazamientos r (cuyo error supondremos

ir
despreciable). Las medidas de las distribuciones tendrán unas incertidum-
io
n

bres asociadas del 15 % para el caso de G1 (r) y del 10 % para los datos
l

correspondientes a G2 (r).
ió

ju

fu
Al tomar logaritmos neperianos a ambos lados de las expresiones (5.4) y
(5.6), los datos que sigan estas funciones se comportarán según una recta
rs
de

di

decreciente al representar frente a r2 o frente a r, respectivamente. Sabemos

que los datos de G2 se han realizado en un fluido ((extraño)), mientras que
Ve

las de G1 se han realizado en un fluido estándar (newtoniano), tal como el

o
27

agua o una mezcla de agua y glicerol. Con todos estos datos y explicaciones,
N

contestaremos a las siguientes cuestiones:

Exprese los datos experimentales de la forma adecuada en dos ta-

blas, una para los datos de G1 y otra para los datos de G2 , haciendo
explı́citos los valores de los errores y cómo los ha obtenido, para po-
der dibujar estos comportamientos en la figura del siguiente apartado.
Tenga en cuenta que G1 = G1 (r2 ) y que G2 = G2 (r).

Realice una regresión lineal para cada pareja de datos. Obtenga los
coeficientes de correlación r para cada caso. Represente esos datos en

100
 Ejemplos desarollados

ln G1 (r) 1,73 1,15 0,58 0,00 −1,73 −3,45

∆(ln G1 (r)) 0,15 0,15 0,15 0,15 0,15 0,15
r2 (µm2 )

0
0,00 0,06 0,14 0,25 0,56 0,77

1.
Tabla 5.8. ln G1 (r) frente a r2 .

a
gráficas, incluyendo las incertidumbres. Dibuje también las rectas de
regresión junto con los datos experimentales. Comente los resultados

t
obtenidos.

e
2
l
Obtenga un valor para el coeficiente de difusión D (en µm2 /s) al

nd 202
p
comparar con la distribución (5.4) con los datos de G1 . Mediante la
m
ecuación (5.5), obtenga un valor para η (en mPa.s) del fluido. Exprese
de forma adecuada ambas cantidades con su error. Obtenga también
el valor de λ (con su error y expresado correctamente) a partir de los
de
co

datos de G2 .

ir
io
Al tomar logaritmos neperianos, la única dificultad es obtener el error de
n

y1,2 ≡ ln G1,2 , que es igual a:

l
ió

ju

∆G1,2
fu
∆(ln G1,2 ) = .
G1,2
rs
de

di

Aplicando ahora el dato de que G1 tiene un error del 15 % y G2 del 10 %

Ve

tendremos que:
o
27

α × G1,2
∆(ln G1,2 ) = = α,
N

G1,2

donde α = 0,15 para G1 y 0,10 para G2 . La tablas pedidas serı́an las tablas
5.8 y 5.9. Hemos de tener en cuenta que los datos deben siempre expresarse
en forma de tabla, tal y como se pide en las preguntas, no de forma suelta
y desorganizada. Los valores numéricos deben estar redondeados de forma
adecuada al error, en este caso, no tiene sentido proporcionar más de dos
cifras decimales.
Los datos de las tablas se representan en la gráfica 5.8. Véase que en estas
figuras se han usado barras de error para cada uno de los datos, aunque

101
 ln G2 (r) 2, 30 0,58 0,00 −0,92 −1,73 −2,65
∆(ln G2 (r)) 0,10 0,10 0,10 0,10 0,10 0,10

0
r (µm) 0,00 0,15 0,25 0,50 0,75 1,00

1.
Tabla 5.9. ln G2 (r) frente a r.

a
3 3

t
Y = A + BX
2 2 A = 1.01 ± 0.09; B = -3.68 ± 0.15
A = 1.61 ± 0.10; B = -6,4 ± 0.2
r = -0.998

e
r = -0.997
1 1

2
l
0 0
1

nd 202
ln G

-1

-2
p
ln G
-1

-2
m
-3 -3

-4 -4

de
co

-5 -5
0.0 0.2 0.4 0.6 0.8 1.0 1.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
2 2
r ( m ) r ( m)

ir
io
n

Figura 5.8. Resultados de las regresiones lineales para difusión anómala.

l
ió

ju

fu
rs

esta incertidumbre es pequeña y serı́a muy difı́cil de dibujar si no es con

de

di

un programa informático. En la figura de la derecha, cuando se representa

Ve

frente a r buscando una relación con la expresión (5.6), no se ha represen-

o
27

tado el primer dato (0,00 µm), tal y como se indica en el enunciado. Este
N

punto es especialmente importante, ya que como tenemos muy pocos pun-

tos, representar un punto incorrecto (con respecto a la función a ajustar)
cambiará los resultados. Los coeficientes de correlación obtenidos en ambas
representaciones son todos |r| > 0,995, confirmando la correlación de los
datos a las respectivas funciones teóricas.
Finalmente, una vez que conocemos las incertidumbres de todos los valores,
no hay más que utilizar las expresiones teóricas y el método de propagación
de errores para obtener los errores tanto de D como de η. En este ejercicio
utilizaremos propagación lineal de errores, no cuadrática, para mayor sim-
plicidad en los cálculos. En el caso de D, la incertidumbre la calculamos

102
 Ejemplos desarollados

mediante propagación lineal de errores:

 
∆B ∆τ

0
∆D = D + ,
B τ

1.
donde hemos usado B ≡ 1/4Dτ , que es la pendiente de la regresión lineal,
tal y como se muestra en el cuadro de la izquierda de la figura 5.8. Con los

a
datos del ajuste de G1 , se obtiene que:

et
D = (0,393 ± 0,019) µm2 /s.

2
l
nd 202
p
Para el caso de la viscosidad, operando un poco, tendrı́amos la siguiente
expresión:
m
 
∆D ∆a ∆T
∆η = η + + .
D a T
de
co

Véase que el error relativo de η es la suma de los errores relativos de las

ir
variables implicadas. De la expresión anterior obtenemos:
io
n

η = (10,9 ± 1,7) mPa s.

l
ió

ju

fu
Mediante los datos de G2 podemos obtener el valor de λ. Operando a través
rs

de la pendiente de la recta junto con su error, se obtiene el siguiente valor:

de

di
Ve

λ = (0,272 ± 0,011) µm.

o
27

Hemos de recordar aquı́ que es esencial expresar correctamente las magnitu-

des calculadas mediante el uso del redondeo, el error asociado y las unidades
correspondientes.

103
Ve
rs
ió
27 n
de co
ju m
N
o lio p l et
di
fu
de a
nd 202 1.
ir 2 0
 Tema 6
SOLUCIONES A LOS EJERCICIOS

0
1.
a
1.1. (4,04 ± 0,04) m.

t
1.2. Respuesta (c).

e
2
l
1.3. Respuesta (a).

nd 202
1.4. Respuesta (c).
p
m
1.5. M L2 T−2 .
de
co

1.6. Adimensionales.

ir
1.7. Respuesta (b).
io
n

1.8. Respuesta (a).

l
ió

ju

1.9. Los datos del ejercicio corresponden a cinco experimentos en los cuales
fu
0
se mide el momento angular inicial, L, y el final L . El objetivo es
rs

comparar si para cada uno de estos experimentos podemos decir que

de

di

el momento angular es una cantidad conservada.

Ve

En una primera aproximación decimos que dos medidas son compa-

o
27

tibles si sus intervalos de confianza solapan. Recordemos que cuan-

N

do decimos que L = (14 ± 2) kg m2 s−1 estamos asumiendo que el

momento angular puede tomar cualquier valor comprendido en el in-
tervalo (12, 16) kg m2 s−1 . No sabemos a ciencia cierta si el momento
angular será 14, 12,5, 15,99, 13,53, o cualquier otro (en las unidades
correspondientes), de modo que únicamente podemos hablar del in-
tervalo de confianza más probable. Si comparamos con una medida
0 0
L = (16 ± 1) kg m2 s−1 (que, de nuevo, nos indica que L puede to-
mar cualquier valor en el intervalo (15, 17) kg m2 s−1 ), lo que estamos
preguntándonos es si existe un solapamiento entre (12, 16) kg m2 s−1 y
(15, 17) kg m2 s−1 .

105
 Podemos ver esto con otro ejemplo. Supongamos que tenemos tres
medidas dadas por x1 = 5 ± 1, x2 = 7 ± 2, x3 = 2 ± 1 (en las unidades

0
que correspondan). Ya sabemos que x1 ∈ (4, 6), x2 ∈ (5, 9), x3 ∈
(1, 3). ¿Cuáles de estas medidas podemos suponer iguales? Podemos

1.
representar estas cantidades (con sus errores) para visualizar lo que
buscamos:

ta
e
2
l
nd 202
p
m
de
co

ir
io
n

Figura 6.1. Tres medidas con sus errores correspondientes.

l
ió

ju

Vemos que existe un solapamiento entre los posibles valores de x1

fu
y x2 , lo que nos indica que es posible que ambas cantidades sean
rs
de

iguales. Notemos que no estamos afirmando que sean iguales, sino que
di

no podemos descartar que lo sean (con un cierto grado de confianza).

Ve

Por el contrario, sı́ que podemos afirmar (de nuevo, con un cierto grado
o
27

de confianza) que x3 es distinto de x1 y de x2 .

N

1.10. Respuesta (b).

2.1. x = 2,46, s = 0,29 usando sn−1 = 0,2881.

P P
± 0,04,
2.2. x = 2,40 p P donde x = si Ri / si = 2, 396 con si = 1/σi2 , el
error es: 1/ si = 0,044.

2.3. Respuesta (b). Dado que hemos tomado diez medidas, sabemos que
el error viene dado por el máximo entre la precisión del instrumen-
to de medida (p = 0,1) y la dispersión de los datos (Dm = 0,4).

106
 Soluciones a los ejercicios

Podrı́a discutirse si, al tratarse de un caso umbral, podrı́a considerar-

se también la desviación estándar (s(X) = 0,25). Dado que el error

0
viene dado como el máximo de todos los posibles errores, debemos
quedarnos con el criterio más pesimista y, en este caso, tomar como

1.
error la dispersión
√ de los datos. El error de la media será, entonces,
s(x) = Dm / N = 0,13.
P P

a
2.4. Usamos g = si gi / si donde si = 1/σi2p
. Se P
obtiene que g =

t
2
9,8073855 m/s . El error asociado es σg = 1/ si = 0,1862796

e
m/s2 , por tanto: g = (9,81 ± 0,19) m/s2 .

2
l
nd 202
p
2.5. Respuesta (c). La dispersión de los datos es de un 0,12 %, lo que indica
que las 3 medidas son suficientes. El error será, entonces, el máximo
m
entre la precisión del aparato y la dispersión.

de
co

3.1. Respuesta (c).

3.2. x + y = 80 ± 5; x − y = −20 ± 5.

ir
io
n

3.3. ∆(xy) = x∆y + y∆x, ∆(x/y) = y −1 ∆x + xy −2 ∆y, resultado: xy =

l

30 ± 3; x/y = 52 ± 4.
ió

ju

fu
x2
3.4. Respuesta (a): x = 100×6,5/12,0 = 54 cm. El error es: ∆x = x3
∆x1 +
rs

x1
∆x2 + xx1 x2 2 ∆x3 = 2,71 + 1,67 + 2,26 = 6,6 ∼ 7.
de

di

x3 3
Ve

3.5. Respuesta (c): Dada la fórmula A = πr2 tenemos que el error viene
o
27

dado, siguiendo una propagación lineal, por:

N

∆A = r2 ∆π + 2πr∆r = eπ + er ,

donde eπ y er son, respectivamente, los errores asociados a π y a r. Si

queremos que eπ  er podemos imponer la condición:

eπ < 0,1er = 0,1 × 2πr∆r = 0,2πr∆r,

o sea:
∆π
< 8 · 10−6 . (6.1)
π

107
 Ası́, si tomamos π = 3,14159 ± 0,00001 tenemos ∆π/π = 3 · 10−6 y el
error asociado a cada una de las cantidades será:

0
eπ = r2 ∆π = 0,006 . . . cm2 ,

1.
er = 2πr∆r = 0,159 . . . cm2 .

Distinguimos aquı́ el error de r (dado por ∆r) del error asociado a r

a
(dado por er ).

t
4.1. Respuesta (b).

e
2
l
4.2. Respuesta (a).

nd 202
4.3. (37,3 ± 0,8) m/s.
p
m
4.4. Respuesta (b): se ajustan los datos haciendo ln y = ln a + bx.
de
co

4.5. Respuesta (a): se ajusta haciendo 1/y = a + bx. Para evitar problemas
con el cálculo del error de a (que depende de XC ) es mejor no incluir

ir
valores para esta cantidad.
io
n
l

4.6. Respuesta (b).

ió

ju

fu
4.7. Respuesta (d).
rs
de

di
Ve

o
27

108
 BIBLIOGRAFÍA

0
1.
a
[1] Barlow, R. Statistics: A Guide to the Use of Statistical Methods in

t
the Physical Sciences. John Wiley and Sons, 1999.

e
[2] Bevington, P. y Robinson, D. K. Data Reduction and Error Analy-

2
l
sis for the Physical Sciences. McGraw-Hill Education, 2002.

nd 202
p
[3] Dalgaard, P. Introductory Statistics with R. Springer, 2008.
m
[4] Feynman, R. P.; Leighton, R. B. y Sands, M. The Feynman Lec-
de
co

tures on Physics (vol.1). Addison-Wesley, 1963.

[5] Gorgas, J.; Cardiel, N. y Zamorano, J. Estadı́stica Básica para

ir
io
estudiantes de ciencias. https://webs.ucm.es/info/Astrof/users/
n

jaz/ESTADISTICA/libro_GCZ2009.pdf, 2011.
l
ió

ju

[6] Hacking, Ian Representing and Intervening: Introductory Topics in

fu
the Philosophy of Natural Science. Cambridge University Press, 1983.
rs
de

di

[7] Horton, N.J. y K., Kleinman Using R for Data Management, Sta-
tistical Analysis, and Graphics. CRC Press, 2011.
Ve

o
27

[8] Hughes, I. G. y Hase, T. P. A Measurements and their Uncer-

N

tainties:A practical guide to modern error analysis. Oxford University

Press, 2010.

[9] Kotulski, Z. y Szczepinński, W. Error Analysis with Applications

in Engineering. Springer, 2010.

[10] Lynos, L. A Practical Guide to Data Analysis for Physical Science

Students. Cambridge University Press, 1991.

[11] Mandel, J. The Statistical Analysis of experimental data. Dover Pu-

blications Inc., 1985.

109
 [12] National Institute of Standards and Technology Good La-
boratory Practice for Rounding Expanded Uncertainties and Calibration

0
Values. https://doi.org/10.6028/NIST.IR.6969-2019, 2019.

1.
[13] Rabinovich, S. G. Measurement Errors and Uncertainties: Theory
and Practice. Springer, 2005.

a
[14] Spiegel, R. S. y Stephens, L. J. Schaum’s Outline of Statistics, 4th
Ed. McGraw-Hill Education, 2011.

et
[15] Taylor, J. R. Introducción al análisis de errores: El estudio de las

2
l
incertidumbres en las mediciones fisicas. Reverte, 2014.

nd 202
p
[16] Walpole, R. E.; Myers, R. H. y Myers, S. L. Probabilidad y
m
Estadı́stica para ingenierı́a y ciencias, 9 Ed. Pearson Educativa, 2012.

[17] Weisberg, S. Applied Linear Regression. Wiley-Interscience, 2005.

de
co

ir
io
n
l
ió

ju

fu
rs
de

di
Ve

o
27

110