Apuntes

Departamento de Física Aplicada
Facultad de Ciencias
Universidad de Granada
Técnicas Experimentales Básicas
Primer curso de Física
Departamento de Física Aplicada
Universidad de Granada
Juan Antonio Morente Chiquero

Prefacio
“El trabajo del físico es comprender la naturaleza del espacio y del tiempo, la
estructura básica de la materia y la forma de actuar de las fuerzas que
gobiernan los objetos que colectivamente llamamos el Universo. La meta final de
los físicos es explicar de qué está hecho el mundo, cómo ha sido ensamblado y
cómo funciona”. (P. Davies. Superfuerza. Salvat, Barcelona, p. 5, 1988).
Apoyándonos en esta definición de la Física, dada por Paul Davies del King’s College de Londres, y
en nuestros propios conocimientos de Física, podemos enunciar algunas afirmaciones sobre la
Física:
Es una ciencia que desarrolla teorías sobre las leyes que rigen el mundo, pero basándose
en observaciones experimentales y mediciones cuantitativas.
La belleza de la Física radica en la simplicidad de las teorías físicas fundamentales y en la

manera en la que, con un número muy pequeño de conceptos fundamentales, ecuaciones y
suposiciones, puede alterar y expandir nuestra visión del mundo que nos rodea.
Siempre que surja una discrepancia entre la teoría y el experimento se deben de

formular nuevas teorías y nuevos experimentos a fin de eliminar dicha discrepancia y
explicar así el fenómeno correspondiente.
El lenguaje de la Física, con el cual se desarrollan las teorías y llevan a cabo los
experimentos, es, básicamente, las matemáticas.
1 Técnicas Experimentales Básicas.

jmorente@ugr.es
Capítulo 1. Introducción
Capítulo 1. Introducción.
En este capítulo se introduce el curso de Técnicas Experimentales Básicas, se

justifica la necesidad del mismo dentro de la actualidad científica y se indica como
se va a lograr el objetivo de aprender a hacer experimentos a lo largo de los
distintos capítulos que lo componen.
1.1. Objetivo de la asignatura.
Una frase derivada de la sabiduría popular, que con frecuencia aplicamos a nuestros
quehaceres diarios, es decir que una cosa es la teoría y otra la práctica. Aunque la experiencia
personal del lector pueda estar de acuerdo con esta frase, en Física no deja de ser una
deformación extrema, bastante fuera de la realidad. Tanto la Física Experimental como la
Teórica constituyen los pilares básicos sobre los que se basa el progreso de las Ciencias Físicas, y
están hasta tal punto ligadas que no se puede entender ningún desarrollo teórico sin una buena
base experimental, ni ningún avance experimental sin un apoyo teórico que guíe la investigación.
Así lo demuestra la historia de la Física, en la que periodos de intensa investigación experimental,
tal como ocurrió en parte del siglo XIX, quedaron frenados hasta que se desarrollaron teorías
que explicaban estos fenómenos e indicaban cuál debía de ser el camino en el que continuase la
investigación experimental. El punto inverso también es evidente y una teoría física sin ninguna
sustentación experimental no deja de ser una vana especulación intelectual, más cerca de la
literatura que de la ciencia.
Las Técnicas Experimentales tratan sobre la Física Experimental, aunque en ella inciden
numerosos aspectos teóricos. En un intento de dar una definición precisa podríamos decir que
esta asignatura trata de dar los conocimientos básicos para interpretar, expresar y
comunicar los resultados experimentales en el lenguaje correcto.
El trabajo de laboratorio puede servir para:

a) Demostrar teorías físicas.
b) Obtener valores de magnitudes de interés.
c) Conocer el manejo de aparatos.
d) Aprender a realizar experimentos.
Consideraremos, a continuación, con más detalle cada una de estas finalidades:
a) A menudo adquirimos una mejor comprensión de los fenómenos que predice cierta teoría
física si estos se pueden observar en la práctica. Por ejemplo, la interferencia de la luz no es
un concepto intuitivo. La idea de que dos haces de luz puedan anularse entre sí y producir
oscuridad no es algo que se comprenda fácilmente; una demostración visual y palpable sería en
este caso, decisiva. Por supuesto que la demostración experimental no sustituye
completamente a una explicación teórica apropiada, por lo que, la demostración de las teorías
en el laboratorio de enseñanza tiene una utilidad definida pero limitada.
b) Una de las finalidades con la que a veces se monta un experimento, no es solamente la

demostración de una teoría física, sino que a través de la aplicación de esta teoría física, con

jmorente@ugr.es
la ayuda de un experimento, podemos encontrar el valor de una magnitud. A veces, las

demostraciones experimentales son importantes también por otra razón que, a priori, nos
puede resultar un poco más humilde: dar idea de los distintos órdenes de magnitud que
intervienen en un fenómeno. Por ejemplo, todos sabemos lo que es una brújula y cual es su
fundamento: La atracción entre los imanes hace que una aguja imanada gire en el campo
magnético que la Tierra, como un imán que es, crea a su alrededor; pero, ¿cuál es el campo
magnético que crea la Tierra y que continuamente esta cruzando nuestro cuerpo? Partiendo
de que la unidad de medida del campo magnético en el Sistema Internacional o MKSA es el
tesla (T), ¿de qué orden de magnitud es el campo magnético de la Tierra? ¿Se mide en MT,
kT, T, mT, mT? Un simple experimento, utilizando una bobinas de Helmholtz y una aguja
imanada nos puede indicar que el campo magnético es del orden de mT. (El tesla es una unidad
muy grande, para generar campos magnéticos de algunas decenas de teslas se necesitan
enormes cantidades de energía, obtener un kT es algo cercano a lo imposible).
c) En cualquier curso de prácticas se manejan un cierto número de instrumentos sencillos tales

como micrómetros calibrados, balanzas, polímetros eléctricos y osciloscopios de rayos
catódicos. La experiencia que se gana con el uso de estos instrumentos es evidentemente
insustituible. Sin embargo, en el trabajo de investigación científica el número de
instrumentos que se pueden concebir es enorme. No es posible llevar a cabo un curso de
prácticas en el que se pueda aprender el manejo de todos ellos.
d) El sentido común y una cierta dosis de originalidad hacen que un mismo instrumento cumpla su
misión mejor o peor. Esto está ya en relación con el cuarto objetivo del laboratorio. Con la
frase “aprender a realizar experimentos” queremos decir aprender a:
1. Planificar un experimento cuya precisión es la apropiada para su propósito.
2. Conocer y realizar las medidas necesarias para eliminar los errores sistemáticos
en el método y en los instrumentos.
3. Analizar los resultados para extraer las conclusiones correctas.
4. Estimar la exactitud del resultado final.
5. Registrar las medidas y cálculos con claridad.
1.2. Necesidad de la experimentación.
Cuando nos enfrentamos con un fenómeno del mundo natural, la forma de proceder en
Física es seleccionar lo que creemos que es esencial. Por ejemplo, los griegos veían que un cuerpo
en movimiento terminaba siempre deteniéndose y por ello llegaron a la conclusión de que era
necesaria una fuerza para mantener el cuerpo en movimiento. Galileo y Newton observaron el
mismo fenómeno, pero afirmaban que el que el cuerpo acabara parándose no era un aspecto
esencial de la situación: depende del rozamiento. En ausencia de rozamiento un cuerpo no se
detiene salvo que actúe una fuerza sobre él. Si intentamos hacer un experimento para demostrar
esta afirmación, nos encontramos que no podemos eliminar nunca el rozamiento, aunque sí
podemos hacer que sea cada vez más pequeño, hasta un cierto límite, y el resultado será que el
cuerpo en movimiento acabará deteniéndose aunque recorriendo más espacio. Es razonable creer
que llevando al caso límite de fricción nula, el movimiento permanecerá inalterable tal como se
establece en la primera ley de Newton.

jmorente@ugr.es
Esta es la forma de enfocar los problemas físicos: Seleccionamos los aspectos esenciales
de cada situación física real y de ellos hacemos una generalización, o teoría, y de la teoría,
deducciones, y para comprobar una deducción hacemos varios experimentos más. Ahora bien, la
deducción se refiere sólo a una situación idealizada o simplista. Para comprobarla tenemos que
crear esta situación simple, en el complicado mundo natural, lo cual no siempre resulta fácil de
hacer. Conseguirlo significa casi resolver el problema.
Experimento fi Aspectos esenciales fi Generalización fi

fi Teoría fi Deducciones fi Experimentos
El mundo físico está descrito por teorías sencillas pero esenciales. Estos aspectos
esenciales tienden a convertirse en el único motivo de estudio, y puede llegarse a pensar que
realmente constituyen el mundo natural, en vez de ser simplemente una parte de él, o más
específicamente, un modelo creado por nuestra mente para dar cabida en ella a una simplificación
de la realidad. Además, todo ajusta tan naturalmente que uno puede olvidar fácilmente el
esfuerzo y genialidad de que hubo necesidad para ver estos aspectos esenciales. El antídoto más
eficaz contra esto es ir al laboratorio y comprobar la complicación de los fenómenos en la vida
real.
Modelo físico π Realidad
Donde se puede ver de forma más palpable la necesidad de la Física Experimental, su

importancia y proceso es observando el progreso industrial, en cualquiera de las áreas de la
ciencia o de la ingeniería. Actualmente, antes de llevar a cabo un prototipo, que suele ser caro y
complejo, se comienza haciendo simulaciones mediante técnicas numéricas con ordenador. Una
vez se haya llegado a conseguir un diseño eficaz del prototipo se pasa a su implementación y se
verifica su funcionamiento. Si alguna de las partes falla, por ejemplo se rompe, hay que llevar a
cabo nuevos experimentos hasta encontrar unas condiciones que satisfagan plenamente las
condiciones previstas. Una vez comprobado que el prototipo funciona correctamente podemos
pasar a considerar un proceso industrial que puede depender también de otros aspectos, como
son los económicos.
1.3. Programa de la asignatura.

El contenido de esta asignatura lo vamos a dividir en los siguientes capítulos:
1. Introducción.
2. El método científico.
3. Errores experimentales.
4. Instrumentación.
5. Magnitudes físicas.
En el capítulo 1. Introducción, estamos presentando la asignatura, justificando cuales son

los objetivos de la misma y cuales serán los siguientes capítulos. También se dará una orientación

jmorente@ugr.es
bibliográfica que será de utilidad tanto para el contenido teórico de la signatura, como para la
parte práctica a realizar en el laboratorio.
La aproximación casual a un problema no suele ser ni económica ni fructífera. En el

capítulo 2. El método científico hablaremos de la metodología que sigue la ciencia en su
desarrollo, desde la planificación inicial hasta la presentación de resultados.
No importa cuál sea el experimento, uno de sus productos siempre será alguna forma
de datos, y aun en los experimentos más simples dichos datos contendrán ciertos errores y
éstos deben ser interpretados correctamente. Este será el objetivo del capítulo 3.Errores
experimentales. Así, una parte de la planificación metódica de cualquier experimentación es el
estudio de los errores potenciales, ya que por muy cuidadosamente que se lleve a cabo un
experimento siempre se producirá cierto tipo de error, aunque sea pequeño. Veremos los
distintos tipos de errores y discutiremos las bases matemáticas para el tratamiento adecuado
de dichos errores.
Cualquier clase de experimentación lleva consigo cierta clase de instrumentación

que puede variar desde una simple regla hasta un microscopio electrónico. En él capítulo 4.
Instrumentación veremos algunos instrumentos simples. A través del uso de instrumentos
elementales se trataremos de aprender a apreciar términos tales como: precisión, sensibilidad,
respuesta, interferencias, reproducibilidad, y otras características básicas.
En el capítulo 5.Magnitudes físicas trataremos aspectos relacionados con el análisis

dimensional. Existen algunas herramientas sofisticadas disponibles para la planificación de
experimentos pero generalmente estarán fuera del alcance de los no expertos. El análisis
dimensional es una de dichas técnicas y surgió hace tiempo como una ayuda en la estrategia
experimental. Este método tiene gran popularidad en los campos, de la mecánica de fluidos y la
transferencia de calor, en donde se aplicó por primera vez, pero a lo largo de los años su uso se
ha ido extendiendo a otros campos de la Ciencia. El análisis dimensional es un camino rápido y
poderoso de obtener ciertas relaciones funcionales sin necesidad de hacer grandes
discusiones teóricas.
1.4. Bibliografía.
[1] Penny, R.K. “The Experimental Methods”. Logman, London, 1974.
[2] Giamberardino, V. “Teoría de los errores”. Reverté, Caracas, Venezuela, 1986.
[3] Squires, C.L. “Física Práctica”. McGraw-Hill, Mexico, 1972.
[4] Palacios, J. “Análisis Dimensional”. Espasa-Calpe, Madrid, 1964.
[5] Chapra S.C., y R.P. Canale. “Métodos Numéricos para Ingenieros”. McGraw-Hill,
México, 1999.

jmorente@ugr.es
[6] Isaacson, E. St. Q. and Isaacson, E. St. Q. “Dimensional Method in Engineering and
Physics”. Arnold, London, 1975.
[7] Kirkup, L. “Experimental Method. An Introduction to the Analysis and Presentation of

Data”. Wiley, Australia, 1994.

jmorente@ugr.es
Capítulo 2. El método científico
Capítulo 2. El método científico.
Para que un trabajo se pueda realizar en un tiempo razonablemente corto y con unos
costes adecuados es necesaria su planificación. En este capítulo hablaremos del método
científico y, como parte de éste, del procedimiento experimental que sirve como guía en
la planificación del trabajo de investigación en el laboratorio.
2.1. El método científico.
Por método científico se entiende el procedimiento que utilizan los científicos para
establecerlas teorías que explican los fenómenos que observamos. El físico italiano Galileo Galilei
(1564-1642) y el filósofo inglés Francis Bacon (1561-1626) suelen considerarse los fundadores
principales del método científico. Eficaz para adquirir, organizar y aplicar conocimientos nuevos.
El método científico se basa en dos fuertes pilares:
• El método experimental, de carácter inductivo, ya que supone que el resto de los

sistemas físicos, similares al de nuestro laboratorio, reaccionarán de igual forma que el
sistema concreto en el que se ha llevado a cabo la experiencia de investigación.
• El método teórico, de carácter deductivo, capaz de seleccionar los aspectos esenciales
de una situación física, generar unas leyes o teoría y deducir resultados en futuros
experimentos.
Según Bacon, el método científico comprende las siguientes etapas:
1. Observación.
2. Inducción.
3. Hipótesis.
4. Comprobación de la hipótesis por experimentación.
5. Demostración o refutación de la hipótesis.
6. Conclusiones.
El método científico tiene que ir acompañado de una buena actitud científica, capaz de
aceptar los hallazgos aun cuando no corresponden con los que se preferirían haber encontrado, a
la vez que debe ir cuestionando todos y cada uno de los pasos seguidos en el proceso de
experimentación o deducción. A lo largo de los años hemos aprendido que las teorías de la ciencia
no son fijas, sino que están sujetas a cambios; aunque también existen hipótesis que se cumplen
cada vez que se ponen a prueba, por lo que suelen llamarse leyes o principios.
2.2. El método experimental.
Los experimentos normalmente difieren en el aspecto externo pero generalmente

todos ellos siguen la misma forma básica; están sujetos a un modelo secuencial de
planificación, implementación y evaluación. Esto es lo que se conoce como método experimental y

jmorente@ugr.es
es tan importante en el trabajo experimental como el método analítico que tiene en cuenta la
formulación y solución de problemas.
Planificación fi Implementación fi Evaluación
Cada uno de los pasos en la anterior secuencia requiere que el experimentador se

cuestione su razón antes de proceder al siguiente paso. A diferencia del método analítico en el
que es posible, normalmente, llegar a una única respuesta a través de un camino único, es
raramente posible realizar un experimento significativo de la misma manera.
Un programa experimental normalmente consiste en una serie de experimentos cada

uno de los cuales es una parte en un proceso iterativo que se combina de forma adecuada con
herramientas teóricas y analíticas. El diagrama de flujo muestra esquemáticamente un
método que podría ayudar en la obtención de un resultado significativo:
Formulación de Objetivos
Utilización de la
Utilización de Ideas
Información Existente
Secuencia de Pruebas
Resultados
Diagrama de flujo del método experimental

jmorente@ugr.es
El diagrama puede parecer algo trivial. Sin embargo, reúne las características esenciales,
disponiéndolas de forma articulada, lo que permite la interacción entre ellas y una posible
repetición, cuando se tengan que realizar varios pasos. A menudo no habrá información previa y
el rectángulo correspondiente se llenará por primera vez cuando el experimentador haya
realizado ciertas pruebas preliminares para establecer el efecto de una serie de variables, o
se hayan probado nuevos instrumentos. Como resultado de las pruebas preliminares el
experimentador tiene ahora alguna información sobre su problema que junto a la experiencia
inicial del equipo podrá ayudarle a generar nuevas ideas e incluso a reformular objetivos. Este
ejercicio, programación sensible de resultados y autointerrogatorio por el experimentador,
es vital si los objetivos han de ser realizados económicamente tanto en dinero como en tiempo.
Hasta ahora no se ha introducido ningún concepto que haya restringido la discusión a

alguna disciplina particular. Realmente, es un hecho notable que el campo de la experimentación
es uno de los vínculos de unión entre los científicos e ingenieros.
2.3. Tipos de experimentos o trabajos de laboratorio.
El trabajo de laboratorio puede ser al menos de cuatro tipos:
1. Experimentos que ilustran nociones teóricas

2. Experimentos de investigación.
3. Experimentos de diseño y síntesis.
4. Experimentos para mejora de las técnicas de medida.
2.3.1. Experimentos ilustrativos.
Desgraciadamente, es un hecho que la mayoría de los experimentos que se realizan en los

laboratorios de enseñanza pertenecen a este grupo, ya que tales experimentos son usualmente
análogos a soluciones analíticas de un problema. Uno recuerda el caso de un investigador que
afirmaba haber verificado una teoría sobre el movimiento de las mareas mediante la realización
de experimentos que concordaban con sus predicciones. Con esto la teoría fue considerada
correcta hasta que otro investigador midió el movimiento real del agua del mar de la región en
cuestión. Sus resultados no coincidieron con la teoría del primero por la sencilla razón de que la
primera teoría no era más que una grosera aproximación de la realidad. Los experimentos del
primer hombre se idearon de acuerdo con las hipótesis incluidas en la teoría. Sin embargo, ésta
no incluía ciertos rasgos físicos importantes. Si todos los rasgos de un experimento se ordenan
cuidadosamente para ajustar la física y las ligaduras incluidas en el análisis, entonces los
resultados concordarán. La única parte creativa de estos experimentos, que puede estimular la
curiosidad a cada paso y una comprensión del método experimental, es cuando se hace por
primera vez. En efecto, el alumno se puede hacer siempre preguntas tales como:
¿Por qué se ha seguido este camino?
¿Qué habría ocurrido si las bolitas, en el experimento de medida de la viscosidad por el método
de Stokes, se hubiesen lanzado muy cerca de la pared del tubo de vidrio?

jmorente@ugr.es
¿Qué pasaría en la práctica de verificación de la ley de Ohm si el material del que están
fabricadas las resistencias fuera no lineal?
¿Por qué utiliza instrumentos de medida capaces de discriminar una micra cuando lo que se
necesita es una regla, ya que las cantidades a medir son del orden de los centímetros?
Todas estas preguntas fomentan el escepticismo que es una de las esencias vitales de la
buena experimentación.
2.3.2. Experimentos de investigación.
Este tipo de investigación pretende una apreciación de todos los aspectos del problema en
ausencia de un conocimiento apropiado del mismo. Siguiendo el diagrama de flujo del método
experimental, podemos formular un objetivo; pero, desgraciadamente, nuestra tarea puede estar
fuera de análisis y si nuestra tarea es nueva puede que no exista o sea muy escasa la información
existente sobre ella. Se puede comenzar haciendo un primer experimento, a menudo de forma
tosca, a partir del cual podremos generar ideas que añadir a nuestro conocimiento del problema.
A partir del primer experimento se puede realizar un análisis simple del problema con las
consecuencias de que puede plantearse un segundo experimento de forma más cuidadosa. Así
mismo se puede encontrar que la información existente es inútil en cuyo caso hay que rechazarla.
Frecuentemente, la investigación experimental es el único camino real para obtener la

información que se necesita sobre un problema. Cuando esto es así, puede ser muy costosa y
consumir mucho tiempo por lo que es vital un método que ponga en juego todas las habilidades de
un experimentado especialista para obtener los resultados más significativos. En este caso no hay
que perder nunca de vista el objetivo principal, ya que es muy fácil desviarse entre las
interesantes avenidas de la investigación hasta tal punto que el objetivo principal llega a hacerse
irreconocible.
2.3.3. Experimentos de diseño y síntesis.
Este tipo de experimentos intenta mejorar los diseños ya existentes, con el estudio de
ciertos aspectos que han sido olvidados o descuidados en procesos de simplificación llevados a
cabo en etapas anteriores. Por ejemplo, el comportamiento del ala del avión podría tratarse, de
forma simplificada, mediante el análisis teórico de las tensiones sobre una viga de la geometría
adecuada. Sin embargo tal análisis normalmente sólo es capaz de describir el comportamiento
global y no algunos detalles importantes, y es precisamente el estudio de estos detalles donde se
obtiene más éxito con el diseño. Otra forma en la que la experimentación juega un gran papel en
el diseño es en la elección de un cierto material para una aplicación determinada. Suponiendo que
ya se tiene verificado el análisis correspondiente del conjunto, es posible mejorar el
comportamiento global optimizando el comportamiento de una de sus partes, por ejemplo de una
pieza. Dicha pieza se puede estudiar en el laboratorio, comparando el funcionamiento de un mismo
tipo de pieza, pero realizada con diferentes materiales. La elección final del material vendrá

jmorente@ugr.es
impuesta por una serie de propiedades tales como dureza, resistencia a la corrosión, peso, coste,
facilidad de fabricación, etc.
2.3.4. Experimentos para mejora de las técnicas de medida.
La experimentación es tan importante para un científico como la base teórica que

describe los fenómenos a investigar. Una de las habilidades necesarias para el trabajo
experimental es el uso y la elección de instrumentos. Por tanto, el entrenamiento en las técnicas
de medida es fundamental para la obtención de un conocimiento crítico del valor de la
experimentación y el medio de desarrollar de forma más apropiada el curso de la
experimentación.
Actualmente, aunque las constantes universales, tales como la de gravitación universal, la

velocidad de la luz, la permitividad eléctrica del vacío, la constante de Boltzmann o la de Planck se
conocen con un número elevado de decimales, se siguen invirtiendo una gran cantidad de dinero y
trabajo para mejorar el grado de exactitud con que conocemos estas constantes. También son de
especial mención, las técnicas de ayuda al diagnosis médico, tales como ecografías con
ultrasonidos, rayos X, resonancia magnética nuclear, etc., donde es claro que la experiencia del
especialista es fundamental a la hora de hacer una buena medida y una buena interpretación de
resultados.
2.4. Organigrama para una experimentación con método.
Cualquiera que sea el tipo de experimento es altamente deseable una aproximación

metódica. Deberemos tener en cuenta los efectos del medio que puedan sumarse de forma
aleatoria, planear las distintas secuencias, aprender a evaluar y fijar la importancia de los
distintos errores, chequear y comunicar nuestros resultados de forma ordenada y que sea
fácilmente comprendida por otros investigadores. Aunque cada caso es distinto, las posibles
preguntas y acciones a realizar para una experimentación metódica:
Sobre el objetivo del experimento.

P: ¿Cuál es el objeto del experimento?
- Hay que encontrarlo y enunciarlo sin ambigüedades.
Sobre las variables que intervienen.

P: ¿Cuales son las variables del problema?
- Es posible que sean necesarias pruebas preliminares.
P: ¿Cuál es su intervalo de acción?
P: ¿Son todas las variables independientes?
- En este punto nos puede ayudar el Análisis Dimensional.
Sobre el equipo y ambiente de trabajo.

P: ¿Es necesario un medio ambiente especial?
P: ¿Cuáles son los trabajos previos sobre el tema?
- Siempre hay que realizar un estudio bibliográfico sobre el tema.
P: ¿Qué equipamiento es necesario?

jmorente@ugr.es
P: ¿De qué equipamiento se dispone?

P: ¿Se podría considerar realizar unas pruebas sobre un modelo simplificado?
Sobre los instrumentos de medida.

P: ¿Qué intervalo se va a considerar?
- Hay que decidirlo en función del intervalo de las variables del problema.
P: ¿Qué precisión se requiere?
P: ¿De qué instrumentación se dispone? ¿Son dichos instrumentos satisfactorios?
- En muchas ocasiones hay que calibrarlos y realizar unas pruebas preliminares.
Sobre el procedimiento experimental.

P: ¿Qué secuencia hay que seguir al hacer variar los parámetros del problema?
P: ¿Qué pruebas nos darían información simultánea sobre varias variables a la vez?
P: ¿Puede ser importante una observación cualitativa del fenómeno?
- Tomar notas o grabar las observaciones durante las pruebas.
Sobre la evaluación de los resultados.

P: ¿Son los resultados fiables?
P: ¿Qué realizaciones existen entre las variables? y ¿tienen dichas relaciones una significación
real?
- La realización de gráficas ayuda mucho en la evaluación de los resultados.
Sobre la presentación de los resultados.

P: ¿Cuáles son los resultados más importantes?
- Hay que identificarlos y ponerlos de manifiesto en un informe del experimento.
P: ¿Cuál sería la mejor forma de presentar los resultados?
- Hay que considerar las representaciones gráficas, gráficas adimensionales, fórmulas
empíricas, curvas de ajuste.
Sobre las conclusiones.

P: ¿Satisfacen las pruebas realizadas el objetivo original?
P: Si no es así, ¿dónde están las discrepancias?, ¿son importantes?
- Hay que identificar las discrepancias. Evaluar su importancia y proponer nuevas pruebas.
2.5. Presentación de resultados.
Tan importante como cualquier otra etapa en el trabajo científico es la etapa de

presentación de resultados. Si no comunicamos nuestros resultados al resto de la comunidad
científica, nuestro trabajo se vuelve baldío e insolidario ya que no coopera en el avance del
conocimiento y en el desarrollo tecnológico que pretende una humanidad con mayor grado de
bienestar. Especial importancia tiene esta apartado para un estudiante. El reflejo de su trabajo,
aparte de la satisfacción personal por el propio trabajo y los conocimientos adquiridos, se plasma
en una calificación que da el profesor. Si después de un trabajo duro, el alumno es incapaz de
comunicar al profesor los conocimientos que ha adquirido, parte de su esfuerzo será desechado y
no contribuirá a incrementar su calificación. Un examen o unas prácticas son ante todo un
ejercicio de comunicación entre alumno y profesor, y el alumno debe de prestar la máxima

jmorente@ugr.es
atención a esta parte de su quehacer como aprendiz de científico, si quiere ver compensado su
esfuerzo con una calificación adecuada.
Un caso especial de científico que falló parcialmente en este apartado y protagonizó una
anécdota científica curiosa, fue Henry Cavendish. Afortunadamente, como buen científico, hizo
unos buenos informes que se pudieron conocer siglos después. “Hacia la segunda mitad del siglo
XVII vivía en Inglaterra un personaje relativamente solitario, llamado Henry Cavendish, hijo
de un lord. No tenía amigos íntimos, se atemorizaba ante las mujeres y en su casa de
Clapham Common, un barrio de Londres, ordenaba a las sirvientas que se mantuvieran fuera
de su vista y les daba las órdenes para sus comidas por medio de notas que dejaba en la mesa
del vestíbulo. No le gustaba la música ni arte ninguno y pasaba todo su tiempo haciendo
experimentos de física y química en un laboratorio particular de su gran mansión. Su trabajo
se interrumpía únicamente por los tradicionales paseos dados para conservar la salud y por
alguna asistencia ocasional a la cenas del club de la Real Sociedad para enterarse de lo que
estaban haciendo otros físicos y químicos. Durante su larga vida (murió a los 79 años) sólo
publicó unos cuantos trabajos relativamente sin importancia. Pero después de su muerte
encontraron un millón de libras esterlinas en su cuenta del Banco y veinte paquetes de notas
en su laboratorio. Estas notas quedaron en manos de sus parientes durante mucho tiempo,
pero cuando fueron publicadas cien años después, se vio que Henry Cavendish era uno de los
científicos experimentales más grandes que han existido. Descubrió todas las leyes de las
interacciones eléctricas y magnéticas al mismo tiempo que Coulomb y sus trabajos en
química desafían a los de Lavoisier. Además aplicó una balanza para el estudio de las
fuerzas gravitatorias sumamente débiles entre los pequeños objetos y, sobre la base de estos
experimentos, llegó a fijar el valor exacto de la masa de la Tierra. Ninguna unidad física
lleva su nombre pero el Laboratorio Cavendish, en Cambridge, es uno de los centros
mundiales de estudios científicos más famosos.” (George Gamow. “Biografía de la Física”.
Salvat, Barcelona, pp. 99-100, 1998).
Sobre la forma y contenido de un informe científico pueden influir numerosos aspectos,

entre los que vamos a destacar:
• El receptor o receptores del informe.

Evidentemente no debemos plantear de igual forma un artículo para una revista científica
que para una revista de divulgación o de información general. Un caso especial es el
informe de un alumno dirigido a un profesor, en este caso, aunque se dé por sentado que
el profesor es un especialista en el tema, el informe debe de hacerse con un
planteamiento didáctico, mostrando al profesor todos los detalles, como si el alumno
autor estuviese dando una lección didáctica a un compañero; porque, aunque no se trata
de que el profesor aprenda, hay que dejar claro que el autor conoce.
• El tipo de comunicación.
El tipo de comunicación puede ser, básicamente, de índole didáctica o investigadora.
Entre los didácticos nos encontraremos en esta asignatura los guiones e informes de
laboratorio. Un informe de investigación puede ser un artículo científico a una revista
(paper or letter), una comunicación (talk or contribution) o póster a un congreso, un
informe técnico interno de una empresa, o de otros tipos con uso menos frecuente.

jmorente@ugr.es
Los apartados de un informe científico, y el orden de estos apartados, son los que se
muestran a continuación, si bien existen multitud de casos más simples, incluyendo los
experimentos de laboratorio de estudiantes, en los que algunas simplificaciones son necesarias.
1. Título del trabajo y nombre de los autores.

Debe ser corto y procurar dar una idea clara del tema.
2. Sumario o resumen.
Permite al lector decidir rápidamente si el trabajo científico contiene información útil
para sus intereses.
3. Índice de contenidos.
Sólo para informes largos. Se debe incluir cuando constituya una ayuda real al lector y no
para dar al informe un aspecto más formal.
4. Notación.
Suele incluirse sólo en informes largos y multidisciplinares. En trabajos centrados en una
disciplina específica y utilizando la notación estándar de ese campo no suele ser necesario
definir todos los símbolos utilizados. Los símbolos se ordenan alfabéticamente, primero
las letras y luego los símbolos griegos. Cuando son pocos los símbolos a definir, se suele
hacer su definición a medida que aparecen en el texto.
5. Introducción.
Nos debe de colocar en posición de entender la motivación que ha generado el trabajo.
Para ello debe enunciar la importancia y/o aplicaciones del tema, hacer una revisión breve
de los trabajos previos sobre el tema y del contenido de esos trabajos, dando referencia
de las publicaciones existentes. Debe continuar con la justificación de hacer ese trabajo
y finalmente debe de dar el contenido del trabajo de investigación llevado a cabo.
6. Teoría.
Si la teoría es innovadora debe explicarse exhaustivamente. Si es conocida, sólo debe de
darse las líneas básicas y citar los correspondientes textos o libros donde se desarrolla
de forma clara y completa. Si el desarrollo de la teoría necesita cálculos específicos de
longitud considerable, pueden colocarse éstos al final del trabajo en un apéndice. No se
suelen dar cálculos intermedios lo que hace a veces muy duro la comprensión completa de
un trabajo de investigación si no sé es un especialista del tema.
7. Experimentación.
El procedimiento experimental debe de ser descrito de forma completa, de manera que
cualquier otro investigador pueda llegar a reproducirlo. Dibujos o incluso fotografías
pueden ayudar a su descripción. También es importante decir claramente los aparatos de
medida utilizados.
8. Resultados.
Este apartado contiene los resultados obtenidos a partir de la teoría y/o de la
experimentación. Frecuentemente se usan gráficos porque éstos son más fáciles de
entender dando una visión global y rápida del fenómeno que se está utilizando. Las

jmorente@ugr.es
unidades se deben dar para todas las magnitudes físicas y deben de ser las mismas para
todo el informe, siendo recomendable utilizar el Sistema Internacional o MKSA.
9. Conclusiones.
Se resumen los resultados principales explicando claramente si significado científico. Se
suele recalcar la concordancia o separación entre teoría y experimentación o la
aplicabilidad o no para los fines propuestos de un material o diseño. No debe de ser una
sección larga de forma que puedan recogidas por un lector ocasional.
10. Discusiones y sugerencias para un trabajo posterior.

Se citan aquí los puntos que deberían de abordarse posteriormente para mejorar el
conocimiento del tema bajo estudio. Este apartado suele ser incluido en tesis y trabajos
de suficiencia investigadora de tercer ciclo, para mostrar que el investigador, aunque no
con excesiva experiencia, conoce bien el entorno del tema de investigación.
11. Agradecimientos.
Como cortesía, se debe dar las gracias a las personas o entidades que han ayudado a
realizar la investigación. Es frecuente leer en este apartado los nombres clave de los
proyectos de investigación y el nombre de la persona que ha supervisado el texto si éste
está en un lenguaje distinto al maternal de los autores.
12. Apéndices.
Recoge los detalles específicos y largos de los apartados de Teoría y Experimentación.
Permite que se sirva bien a dos tipos de lectores: Quienes sólo están interesados en las
conclusiones y a quienes tengan un interés exhaustivo.
13. Referencias.
Este apartado es el último y, salvo en casos muy excepcionales, es obligatorio. Es un
listado de todos los trabajos utilizados en la confección del nuestro. Suele hacerse por
orden en el que se van nombrando las referencias o por orden alfabético del primer autor.
La forma habitual de una referencia es: nombre del autor o autores, título del trabajo,
título de la revista o libro, editorial, número de volumen, número de páginas y año de
publicación.
Sobre la construcción del informe llamamos la atención sobre los siguientes puntos:
• La longitud de una sección podrá variar desde cero hasta lo que se considere necesario.
No todas las secciones son necesarias.
• Es normal escribir los informes científicos en pasiva refleja. Por ejemplo se prefiere
decir “se midió el diámetro” a decir “medí el diámetro”. Esta práctica produce informes
modestos, impersonales y evita dificultades en la redacción cuando se informa de los
operaciones combinadas de un grupo.
• Se suelen utilizar con frecuencia acrónimos, pero hay que decir su significado la primera
vez que aparece en el informe.
• Los números hasta diez se suelen escribir con palabras y el resto con números, pero no se
deben mezclar, prefiriéndose entonces los números a las palabras.
• Las ecuaciones, gráficas y tablas se enumeran en una serie de números.
• Especial atención de debe de poner en la confección de las ilustraciones gráficas:

jmorente@ugr.es
Las escalas deben de escogerse adecuadamente para que la información se reparta en

todo el gráfico.
Los ejes deben de dividirse utilizando una escala sencilla. Para ello se elegirán escalas
con intervalos 1, 2, 5, 10, 20,… unidades.
Sobre los ejes mostraremos la magnitud física representados en ellos y la unidad en
que ha sido medida.
Cada gráfica llevará un título que será claro y vendrá indicado en la parte superior.
Salvo casos excepcionales, la variable independiente del fenómeno debe ir
representada en abscisas y la dependiente en ordenadas.
Si son experimentales, debe de prestarse la suficiente atención como para no
saltarse una zona de interés.
La utilización de gráficas logarítmicas o semilogarítmicas está indicada en muchas
ocasiones.
Los valores medidos se representan sobre la gráfica por el punto correspondiente a
sus coordenadas (punto experimental) y rodeado por el denominado rectángulo de
error, cuya base abarca desde xøDx hasta x+Dx y cuya altura se extiende desde yøDy
hasta y+Dy, siendo x e y las coordenadas del punto experimental. En el caso de que Dx
o Dy sean despreciables en comparación con la escala utilizada, el rectángulo de error
queda reducido a un simple segmento vertical u horizontal, según el caso.
Las gráficas han de ser líneas finas y continuas, nunca quebradas, que han de pasar
por todos los rectángulos de error, aunque, para ello, dejen muchas veces de pasar
por los puntos experimentales que pueden quedar a derecha o izquierda de la gráfica.
Si al hacer esta operación, alguno de los rectángulos de error queda excesivamente
alejado de la forma continua de la gráfica, es prueba de que esa medida es falsa por
alguna causa accidental y debe repetirse.

jmorente@ugr.es
Capítulo 3. Errores experimentales
Capítulo 3. Errores experimentales.
No importa cual sea el experimento y lo cuidadosamente que se lleve a la práctica,

uno de sus productos siempre será alguna forma de datos, y, aun en los experimentos
más simples, dichos datos contendrán ciertos errores y estos deben de ser expresados
e interpretados correctamente. En este capítulo hablaremos de las clases de errores, de
la expresión correcta de los datos experimentales y de su representación gráfica.
3.1. Introducción.
En cierta ocasión, Lord Kelvin, resumió la importancia de la medición como parte

primordial de la ciencia:
"Con frecuencia digo que, cuando se quiere medir y expresar con números aquello sobre lo
cual se está hablando, se sabe algo a cerca del tema; pero cuando no se puede medir,
cuando no es posible expresarlo con números, el conocimiento es mezquino e insatisfactorio;
tal vez sea el principio del conocimiento, pero sólo representa un pequeño paso hacia la
etapa científica, sea cual fuere el tema de que se trate."
Así la ciencia trata de cuantificar los fenómenos, apartándose en lo posible de lo

cualitativo, más cercano a lo subjetivo que lo cuantificado.
Aunque en un capítulo posterior definiremos más detenidamente el concepto de magnitud

física, podemos decir por ahora que una magnitud física es un ente que asociamos con la medida
de un observable. Una magnitud física consta, al menos, de los siguientes elementos:
1. Una cantidad.
2. Una unidad.
3. Grado de confiabilidad en la cantidad (índice de exactitud o error).
Aunque con ciertas magnitudes físicas de tipo tensorial es necesario aportar más
información para especificarlas totalmente; como ejemplo, en un vector (tensor de orden 1)
debemos especificar su dirección y sentido.
Con frecuencia se menosprecia el tercer elemento, el error de la cantidad, que tiene

virtualmente la misma importancia que los dos anteriores. Pero nunca debemos de olvidar que
todas las medidas experimentales vienen afectadas de una cierta imprecisión inevitable, debida a
las imperfecciones del aparato de medida o a las limitaciones impuestas por nuestros sentidos
que deben registrar la información. Dado que el valor de las magnitudes físicas se obtiene
experimentalmente por medida, bien directa de la magnitud o bien indirecta por medio de los
valores medidos de otras magnitudes que están ligadas mediante una fórmula física con la
magnitud problema, debe admitirse como postulado físico el hecho de que resulta imposible llegar
a conocer el valor exacto de ninguna magnitud. De este modo, aunque es imposible encontrar en la
práctica el valor “cierto” o “exacto” de una magnitud determinada, no hay duda de que existe, y
nuestro problema es establecer los límites dentro de los cuales se encuentra dicho valor. El
principal objetivo de la denominada teoría de errores consiste en acotar el valor de dichas
imprecisiones, denominadas errores experimentales.

jmorente@ugr.es
Debido a que los errores son inevitables, uno debe aprender a vivir con ellos. Se debe ser
capaz de evaluar su magnitud y, más aún, aprender a controlarla de acuerdo con las necesidades.
Cada científico e ingeniero debe ser capaz de evaluar la importancia relativa de una medición, sea
ésta directa o indirecta. Debe desarrollar una "conciencia de error", alerta en todo tiempo, aun
cuando no esté en completa operación. Esto es tan importante en el manejo de magnitudes de
baja precisión, como en el de magnitudes muy exactas.
3.2. Definición de errores y conceptos relacionados.
3.2.1. Error absoluto.
Se llama error absoluto de una medida, o de un número aproximado, a la diferencia, con su

signo, entre el valor medido o aproximado, xm, y el valor exacto o verdadero x:
∆x = x m − x (1)
donde se supone o sería bueno que ∆x x .
3.2.2. Error relativo.
El error absoluto no sirve para juzgar la calidad de una medida cuando se la pretende
comparar con otra distinta. Por ejemplo, un error de 1 gramo cometido en la pesada de unos pocos
gramos de un metal precioso es inadmisible, mientras que el mismo error al pesar una tonelada de
carbón carece de importancia. Para esto se recurre al error relativo, que se define como el
cociente de dividir el error absoluto Dx por el valor medido o aproximado xm:
∆x
e= (2)
xm
El error relativo es una cantidad adimensional y con frecuencia se multiplica por 100 para
expresarla en tantos por ciento.
3.2.3. Intervalo de confianza.
Es la región dentro de la cual se encuentra el valor verdadero, x. Si dmax y dmin denotan los
límites de error máximo y mínimo, respectivamente, entonces
+δ max 
x = xm   ⇒ xm − δ min ≤ x ≤ xm + δ max (3)
−δ min 
En el caso de que dmax=dmin=Dx, escribiremos
x = xm ± ∆x (4)
Por ejemplo, 51.3±0.4, significa que el valor verdadero se encuentra entre 50.9 y 51.7. El
error relativo de esta medida es e =0.4/51.3= 0.008, que en tantos por ciento corresponde al
0.8%.
3.2.4. Error cuadrático medio.

A veces llevamos a cabo múltiples medidas de un fenómeno. El error cuadrático medio de
un conjunto de medidas x1, x2, ... , xN se define como

jmorente@ugr.es
1 N
σx = ∑ ( xi
N i =1
− x )2 (5)
1 N
siendo x el valor medio definido como x = ∑x
N i i =1
y N el número de datos.
3.2.5. Concepto de exactitud, precisión, sensibilidad y error instrumental

de un aparato de medida.
En lo que respecta a los aparatos de medida, hay cuatro conceptos muy importantes que
vamos a definir: exactitud, precisión, sensibilidad y error instrumental.
Exactitud.
La exactitud se define como el grado de concordancia entre el valor verdadero y el
experimental. De modo que un aparato es exacto si las medidas realizadas con él son todas muy
próximas al valor “verdadero” de la magnitud medida.
Precisión.
La precisión hace referencia a la concordancia entre una medida y otras de la misma
magnitud, realizadas en condiciones sensiblemente iguales. De modo que un aparato será preciso
cuando las diferencias entre diferentes medidas de una misma magnitud sean muy pequeñas.
La exactitud implica normalmente precisión, pero la afirmación inversa no es cierta, ya

que pueden existir aparatos muy precisos que poseen poca exactitud, debido a errores
sistemáticos tales como el error de cero u otros. En general, se puede decir que es más fácil
conocer la precisión de un aparato que su exactitud, ya que la exactitud involucra al valor
“exacto” que es desconocido, mientras que el concepto de precisión sólo está relacionado con las
medidas realizadas.
Figura 3.1. Ejemplo del tirador. a) Inexacto e impreciso. b) Exacto e impreciso. c) Inexacto y
preciso. d) Exacto y preciso.

jmorente@ugr.es
Sensibilidad.
La sensibilidad de un aparato es el valor mínimo de la magnitud que es capaz de medir. Por
ejemplo, decir que la sensibilidad de una balanza es de 5 mg significa que, para masas inferiores a
la citada, la balanza no presenta ninguna desviación. La sensibilidad de un aparato viene indicada
por el valor de la división más pequeña en la escala mínima de medida.
Error instrumental.
El error instrumental es el incremento mínimo de magnitud en que sería necesario
incrementar la medida que está realizando un aparato, para que el indicador de medida pase a la
siguiente posición. Si se está midiendo en la escala mínima del aparato (la dedicada a las
magnitudes físicas más pequeñas que se pueden medir con este aparato) y la escala es
homogénea, el error instrumental en esta escala coincide con la sensibilidad del aparato.
El error instrumental es el error absoluto con que solemos dotar inicialmente a una
medida directa (obtenida directamente con un aparato de medida).
3.2.6. Expresión correcta de las medidas.
De ordinario, dado el significado de límite superior que tiene el error absoluto, éste sólo
debe tener un dígito significativo (distinto de cero), redondeándose su valor por defecto si el que
inicialmente iba a ser el segundo dígito significativo es inferior a 5, y haciéndose un redondeo por
exceso si el segundo dígito significativo fuese 5 o mayor que 5.
Además, el valor de la medida debe tener sólo los dígitos necesarios para que su último
dígito significativo sea del mismo orden decimal del último del error absoluto.
Nota: Algunos autores admiten, por convenio, que el error absoluto puede darse con dos dígitos
si el primero de ellos es 1 ó si siendo 2 el segundo dígito es inferior a 5. En todos los demás casos
debe darse su valor con un solo dígito significativo, forzándolo en una unidad si el segundo fuese
cinco o mayor de cinco.
Veamos varios ejemplos en la siguiente tabla.
Números incorrectos Números correctos Mejor

3.418±0.123 U 3.4±0.1 U ó 3.42±0.12 U (34±1) 10-1 U
6.3±0.085 U 6.30±0.09 U (630±9) 10-2 U
46.288±1.553 U 46±2 U ó 46.3±1.6 U 46±2 U
428.351±0.27 U 428.4±0.3 U (4284±3) 10-1 U
0.01683±0.0058 U 0.017±0.006 U (17±6) 10-3 U
Tabla 1. Valores incorrectos, correctos y mejor expresados de las medidas de magnitudes con
unidades U.
3.3. Clasificación de los errores y su naturaleza.
Al efectuar repetidamente una medida resultan números distintos de la verdadera

medida de ésta, tal sucede por ejemplo si se mide una distancia llevando reiteradamente una

jmorente@ugr.es
regla, sin estar bien alineados los puntos intermedios, en cuyo caso resulta un error por exceso, o
si la regla tiene un error por defecto o por exceso,...
Atendiendo a las causas que lo producen, los errores pueden clasificarse en dos grandes
grupos:
• Errores sistemáticos.
• Errores accidentales.
Se denomina error sistemático a aquel que es constante a lo largo del todo el proceso de
medida y. por tanto, afecta a todas las medidas de un modo definido y es el mismo para todas
ellas. Estos errores tienen un signo determinado.
Los errores accidentales, también llamados erráticos o aleatorios, son debidos a causas
tan complejas que no es posible conocer ni evaluar. Cuando el número de observaciones es muy
grande tienden a compensarse, verificándose estas condiciones:
1. Los errores más pequeños son más frecuentes.

2. Su promedio tiende hacia cero al crecer el número de observaciones.
3. El número de errores superiores a cierto número es sensiblemente nulo.
3.3.1. Errores sistemáticos.
Dentro de los errores sistemáticos podemos diferenciar los siguientes:
Errores de método.
Estos errores aparecen cuando se elige un método experimental equivocado o
insuficiente. Puede ocurrir que se mida una magnitud en vez de otra o ciertos efectos
desconocidos pueden influir en la medida de una magnitud de forma que el resultado sea erróneo.
También conducen a errores de método una extrapolación injustificada de los datos
experimentales.
Errores instrumentales.
Los errores de este tipo se originan por la utilización de un instrumento defectuoso, por
el mal uso de un instrumento o por el uso de un instrumento en un medio ambiente para el que no
ha sido diseñado. Los errores instrumentales están frecuentemente dirigidos en una dirección,
aunque en algunas situaciones pueden ocurrir efectos de histéresis.
Errores de calibrado.
Muchos instrumentos no producen resultados correctos a menos que sean calibrados
antes de su uso frente a una magnitud conocida. Esto puede llevar consigo la determinación de un
sencillo punto cero o la determinación de toda una curva de calibración (o escala). Los errores
procedentes del proceso de calibración reciben el nombre, lógicamente, de errores de calibrado.
Errores humanos.
Los errores humanos dependen de las características personales del observador. Un
observador puede responder a una señal demasiado de prisa o demasiado lento; en cada caso
podrá sobreestimar o subestimar la lectura. Tales errores son normalmente bastante

jmorente@ugr.es
consistentes ya que se cometen continuamente por el mismo observador en una única sesión. Los
errores ocasionales cometidos intermitentemente, debidos, por ejemplo a una relajación de la
vigilancia, no se han de incluir aquí sino que se deben clasificar en el apartado de errores
accidentales.
Errores aritméticos.
Los cálculos aritméticos incluidos en la experimentación se realizan cada vez más
mediante dispositivos de cálculo aritmético tales como ordenadores y calculadoras. Estos
dispositivos almacenan los números utilizando un determinado número de bytes (posicionamientos
de memoria), produciéndose un continuo redondeo en el proceso de cálculo y almacenamiento.
Adicionalmente puede haber fallos en los procedimientos de cálculo utilizados (programas).
También contribuye a los errores aritméticos los redondeos incorrectos de los números que
intervienen en el cálculo.
Errores de respuesta dinámica.

Un aparato de medida tiene un tiempo de respuesta: La aguja o marcador no pasa
instantáneamente de cero a la indicación final, sino que necesita un tiempo. Si hacemos la medida
de una magnitud estática, no encontraremos ningún problema. Si la magnitud que medimos varía
con el tiempo, pero lo hace lentamente respecto del tiempo de respuesta del dispositivo de
medida, el error achacable a la respuesta dinámica será despreciable, puesto que la variación de
la magnitud física en el intervalo de medida será muy pequeña. Pero, conforme el tiempo de
variación de la señal se aproxime al tiempo de respuesta del aparato de medida, el error de
repuesta dinámica irá aumentando.
3.3.2. Errores accidentales, erráticos o aleatorios.
Los tipos más corrientes son:
Equivocación o errores de discernimiento.

Si se muestra una presión atmosférica estable sobre un manómetro de mercurio estándar
y la lectura la realizan diez observadores distintos, aún después de eliminar todos los errores
sistemáticos (o después de reducirlos a un mínimo), nos encontraremos que no todas las medidas
coinciden. Es decir, la gente tiende a juzgar de forma diferente. Más aún la misma persona puede
juzgar de forma diferente la misma lectura en dos ocasiones distintas. Además, existen
equivocaciones verdaderas, aunque pueden ser esporádicas. Factores humanos incontrolables
tales como distracciones repentinas, cansancio, malinterpretaciones, etc., afectan la corrección
de las lecturas y toma de registros. Los cálculos también están sujetos a equivocaciones.
Cambio en las condiciones experimentales.

Esta es la segunda causa de error accidental. Una subida o bajada temporal de la tensión
de la red eléctrica cambiará las condiciones de los dispositivos experimentales o aparatos de
medida que tengamos conectados a la red eléctrica. Una súbita e inesperada perturbación del
flujo de fluido por una tubería puede alterar temporalmente la lectura de un termómetro en la
conducción de la tubería. Si da la casualidad de que se toma una lectura en dicho instante
particular, los resultados estarán sujetos a un error accidental. Similarmente un micrófono
medidor de sonido puede súbita e inesperadamente registrar un sonido extra del paso de un

jmorente@ugr.es
avión. Generalmente tales fuentes de error son de duración limitada o son debidos a medios
ambientes específicos.
Errores de especificación en los procesos de fabricación.

Se derivan de unas especificaciones de medida no lo suficientemente estrictas. Por
ejemplo, una bola esférica metálica puede estar ligeramente ovalada o contener planos. La medida
de un diámetro de la bola podría darla como buena sino se especifica nada más, pero de alguna
manera debe de controlarse la esfericidad de la bola.
3.3.3. Puntos de reflexión final.
• Una medida es tanto más precisa, cuanto más pequeños son los errores accidentales.
• Una medida es tanto más exacta, cuanto más pequeños son los errores sistemáticos.
• Cuando el promedio de los errores tiende hacia un valor distinto de 0, es preciso buscar
alguna causa de error sistemática; y si no tiende hacia ningún valor, se dice que el sistema
no es normal.
• Los errores sistemáticos se pueden normalmente minimizar en cuánto sean detectables,

previsibles o tenidos en cuenta. Antes de planificar un experimento uno debe considerar
todas las fuentes posibles de errores sistemáticos y darse cuenta de su inherente
naturaleza acumulativa.
• Los errores accidentales son los de más difícil justificación. Su contribución al nivel total
de error puede ser considerable y a menudo dominante.
3.4. Reglas prácticas para discernir el tipo de error y acciones a realizar

según el tanto por ciento de dispersión.
Un punto importante en el tratamiento de los datos experimentales es discernir la causa

de error, fundamentalmente si es de tipo aleatorio o sistemático ya que la expresión de los
resultados depende del tipo de causa de incertidumbre. Para saberlo en nuestras experiencias de
laboratorio, se hacen tres medidas de la magnitud y se halla la dispersión entre ellas, D,
D = diferencia entre los valores extremos.
Se pueden, entonces, dar varios casos:

a) Si D es menor o igual que el error instrumental entonces la causa de error es debida a
errores sistemáticos y se toma como el valor de la medida:
la medida ( x ) ± el error instrumental (eI).
b) Si D es mayor que el error experimental entonces la causa de error es debida a errores

accidentales o de tipo aleatorio y hay que hacer más medidas. Para saber cuántas medidas
son necesarias se calcula el tanto por ciento de dispersión

jmorente@ugr.es
D
T = 100 (6)
x
y según sea su valor se determina el número de medidas que hay que realizar siguiendo las
indicaciones de la tabla 2. En esta tabla también se indica el error final a considerar y
cual es la expresión final de la medida.
T < 2% 2% <T < 8% 8% <T < 15% T > 15%

Nº de medidas 3 6 15 50
Error eI α = max {D / 4, eI } σx σx / N − 1
Expresión x ± eI x ±α x ± σx x ± σx / N − 1
Tabla 2. Número de medidas a realizar según el tanto por ciento de dispersión de las medidas.
3.5. Propagación lineal de los errores sistemáticos.
Sea y = f (xi, aj) con i = 1, 2, ... , n y j = 1, 2, ... , m, donde f es una función que liga a la
magnitud que nos interesa hallar, y, con las magnitudes independientes, xi, que se obtienen del
experimento y con aj constantes irracionales.
Diferenciando se obtiene
n
∂y m
∂y
dy = ∑ dxi + ∑ da j (7)
i = 1 ∂xi j = 1 ∂a j
Si se pasan los diferenciales a incrementos, la expresión anterior se transforma en
n
∂y m
∂y
∆y = ∑ ∆xi + ∑ ∆a j (8)
i =1 ∂xi j =1 a j
∂
Identificando los Dy, Dxi e Daj con los errores absolutos de las variables
correspondientes, en el caso más desfavorable se obtendrá
n
∂y m
∂y
∆y = ∑ ∆xi + ∑ ∆a j (9)
i =1 ∂xi j = 1 ∂a j
Para que los errores en las constantes irracionales no influyan en el resultado de Dy se

debe tomar un número suficiente de cifras significativas que pueden valorarse de la siguiente
manera:
n
∂y  ∂y 
Llamamos E = ∑ ∆xi y T = max  ∆a j  con lo que ∆y ≤ E + mT . Hacemos
i = 1 ∂xi
 ∂a j 
mT = 0.1E , quedando el error dado por
n
∂y
∆y ≤ E + 0.1E = 1.1E E ⇒ ∆y ≅ ∑
i
=1∂x
∆xi (10)
i

jmorente@ugr.es
donde se ha eliminado la influencia de las constantes irracionales, tomando estas con el suficiente
0.1E ∂y
número de cifras decimales. ConT = yT ≤ ∆a j se obtiene
m ∂a j
0.1E ∂y 0.1E
≤ ∆a j ⇒ ∆a j ≥ (11)
m ∂a j ∂y
m
∂a j
que facilita el número de cifras significativas con las que se debe de evaluar la constante aj.
Observamos que en las expresiones anteriores E es la contribución al error de todas las
magnitudes independientes, xi. Por tanto, una vez suprimido el error que las constantes
irracionales pueden introducir, eligiéndolas con el número de cifras significativas adecuadas, la
expresión que facilita el error asociado a la magnitud física representada por la función y es:
n
∂y
∆y = ∑ ∆xi (12)
i =1 ∂xi
• Caso particular.
Aunque siempre podemos utilizar la expresión general, de manera que si f=f(x,y,z),
entonces
∂f ∂f ∂f
df = ∂x + ∂y + ∂z (13)
∂x ∂y ∂z
y por tanto
∂f ∂f ∂f
∆f = ∆x + ∆y + ∆z (14)
∂x ∂y ∂z
en el caso particular de que f = x a y b z c … , donde a, b y c son constantes, se produce una notable

simplificación si antes de diferenciar tomamos logaritmos neperianos:
ln f = ln(x a y b z c …) = a ln x + b ln y + c ln z + … (15)
Diferenciando la expresión anterior:
df dx dy dz
=a +b +c +… (16)
f x y z
y asimilando los diferenciales a errores:
∆f ∆x ∆y ∆z
= a +b +c +… (17)
f x y z
∆x
Recordando la definición de error relativo, ex = , queda
x
ef = aex + bey + cez + ... (18)

jmorente@ugr.es
obteniéndose el intervalo de confianza de la función f, como
∆f = ef f (19)
• Ejemplos típicos de error en magnitudes derivadas.
y = x1 ± x 2 ⇒ ∆y = ∆ x 1 + ∆ x 2 (20)
∆y ∆x1 ∆x 2
y = x1 x 2 ⇒ = + (21)
y x1 x1
x1 ∆y ∆x1 ∆x2
y = ⇒ = + (22)
x2 y x1 x1
• Ejemplo numérico de cálculo de errores.

Vamos a calcular el error de una magnitud f que depende de otras a través de una
expresión del tipo
(x + y )z
f =
(u − v )w
Consideremos que se han medido las magnitudes de las variables y se han determinado sus
valores absolutos, de modo que
x = (27.33 ± 0.03) Ux
y = (2.45 ± 0.05 ) Uy
z = (10.0 ± 0.1 ) Uz
u = ( 50.2 ± 0.1 ) Uu
v = (1.03 ± 0.02 ) Uv
w = (3.26 ± 0.02 ) Uw
Vamos a obtener el valor de la magnitud f y el error correspondiente a la misma. De la

expresión de definición de f:
f = 1.85783 Uf
Para la cota de error:
∂f ∂f ∂f ∂f ∂f ∂f
∆f = ∆x + ∆y + ∆z + ∆u + ∆v + ∆w
∂x ∂y ∂z ∂u ∂v ∂w
Realizando los cálculos,

jmorente@ugr.es
∂f
=
z
= 0.06239,
∂f
=−
( x + y ) z = −0.03778,
∂x (u − v )w ∂u (u − v )2 w
∂f
=
z
= 0.06239,
∂f
=
( x + y ) z = 0.03778,
∂y (u − v ) w ∂v (u − v )2 w
∂f
=
x +y
= 0.18578,
∂f
=−
( x + y ) z = −0.56989.
∂z (u − v )w ∂w (u − v )w 2
Tras aplicar valores absolutos y realizar los cálculos numéricos, se obtiene:
∆f = 0.03950 Uf
pero teniendo en cuenta que el error absoluto lo expresamos con una sola cifra significativa:
∆f = 0.04 Uf
con lo que la expresión final para la magnitud física representada por la función f es:
f = (1.86 ± 0.04 ) Uf
3.6. Tratamiento estadístico de datos.
3.6.1. Definiciones básicas.
Imaginad que en un laboratorio se toman un número elevado de datos, n, de una variable x,

resultando los valores {xi }i =1,….n .De esta muestra de datos interesa obtener un valor
representativo para nuestra variable y un parámetro de error que indique el grado de
aproximación de los datos a ese valor representativo o central.
Lógicamente, el valor más representativo viene dado por la media aritmética a

simplemente media, definida como
x1 + x 2 + + xn 1 n
x =
n
= ∑x
ni i=1
(23)
Las medidas más comunes para cuantificar la agrupación o dispersión de la muestra de

medidas en torno a la media es la llamada desviación estándar, desviación típica o desviación
cuadrática media, sx, definida como
∑
2
( xi −x )
sx = i=1
(24)
n −1
y la varianza, sx2 ó Var(x), que es el cuadrado de la desviación típica:
∑
2
( xi −x )
Var (x ) = sx2 = i =1
(25)
n −1

jmorente@ugr.es
Así, si las medidas individuales están muy agrupadas alrededor de la media, la suma total
n
∑
2
de los cuadrados de los residuos entre los datos y la media, ( xi −x ) , será pequeña y la
i=1
n
∑
2
desviación típica y la varianza serán pequeñas. Por el contrario si ( xi −x ) es grande, lo serán
i=1
también la desviación típica y la varianza.
Obsérvese que en la definición de ambas variables interviene el denominador n-1, en lugar

del número de datos n. La cantidad n-1 está referida a los grados de libertad. Si observamos las
expresiones de sx o sx2 se basan en la suma de las cantidades x1 − x , x2 − x , …, xn − x , pero
estas cantidades no son linealmente independientes porque, conocida x y n-1 valores de x,
podemos obtener el valor de x que nos falta. Así, sólo n-1de los valores con que se compone sx
están libremente determinados y por esto decimos que tenemos n-1 grados de libertad. Otra
justificación de dividir por n-1 es el hecho de que no tiene sentido la dispersión de un solo punto.
Para el caso en que n=1, las definiciones de sx y sx2 dan un resultado sin sentido al infinito y no
cero como sería el caso en que utilizásemos n como denominador.
Existe una expresión alternativa frecuentemente usada para las magnitudes

anteriormente definidas:
∑ ( xi )
2
−x
1 1
sx2 = Var (x ) = i =1
n −1
=
n −1
∑ {xi2 + x 2 − 2xi x } =
n −1
{( ∑ x ) + nx
i
2 2
− 2x ( ∑ x )} =i
1 1
=
n −1
{( ∑ x ) + nx
i
2 2
− 2nx 2 = } n −1
{( ∑ x ) − nx } = n 1− 1 ( ∑ x ) − n n1 ( ∑ x )  ⇒
i
2 2
i
2
2 i
2
1  1 2
sx2 = ( ∑ xi ) − ( ∑ xi )  (26)
2
n −1 n 
donde todas las sumatorias se extienden desde i=1 hasta n, pero que omitiremos en adelante por
simplicidad de las expresiones. También
1  1 2
sx = Var (x ) = ( ∑ xi ) − ( ∑ xi )  (27)
2
n −1 n 
Una variable estadística que tiene utilidad para cuantificar la dispersión de los datos es el
coeficiente de variación (c.v.), definido como la razón entre la desviación típica y la media. Con
frecuencia se multiplica por 100 y se expresa en tantos por ciento
sx
c .v . = 100% (28)
x

jmorente@ugr.es
Obsérvese que este coeficiente de variación es similar, en esencia, al error relativo y nos
puede permitir comparar diferentes conjuntos de datos.
Finalmente, vamos a definir la covarianza, Cov(x,y), entre dos series de medidas o

cantidades físicas {xi }i =1,….n y {yi }i = 1,….n como
∑ ( xi −x ) ( yi − y )
Cov (x , y ) = i
=1
(29)
n −1
que podemos transformar y expresar de la siguiente forma:
1 1
Cov (x , y ) =
n −1
∑ {xi yi − xi y − yi x + x y } = n − 1 {( ∑ x y ) − nx y − nx y + nx y } =
i i
1
=
n −1
{( ∑ x y ) − nx y } = n 1− 1 ( ∑ x y ) − n1 ( ∑ x )( ∑ y ) ⇒
i i i i i i
1  1 
Cov (x , y ) = ( ∑ xi yi ) − ( ∑ xi )( ∑ yi )  (30)
n −1 n 
3.6.2. La distribución normal de Gauss.
Si tomamos muchas medidas de una magnitud física x y agrupamos los datos en intervalos
iguales, cada intervalo representado por su valor medio x01, x02, …, x0m, a cada intervalo le
m
corresponderá un número de medidas n1, n2, …, nm de forma que ∑
j
=1
nj = n . Llamaremos frecuencia
nj m m nj n
del intervalo j a fj =
n
, cumpliéndose que ∑
j
=1
fj = ∑
j n =1
=
n
= 1 . Si hacemos un histograma
representando la frecuencia que corresponde a cada intervalo frente a los intervalos,

encontramos la denominada forma de la distribución. Normalmente se encuentran más datos
(mayor frecuencia) en el intervalo que contiene al valor medio y en los intervalos cercanos a éste,
tomando el histograma forma de campana.
Figura 3.2. Forma típica de una distribución de datos experimentales.

jmorente@ugr.es
En muchos casos la forma de la distribución obedece a la forma gaussiana o normal dada

por la función
( x − x )2
1 −
f (x ) = N (x , σ ) = e 2σ 2
(31)
2πσ 2
Entonces decimos que nuestra distribución es una distribución normal de Gauss.
La expresión anterior está normalizada de manera que el área que encierra la campana
debajo de ella es la unidad:
( x − x )2
∞ 1 ⌠ e
∞ −
∫ f (x )dx = 2σ 2
dx = 1 (32)
−∞
2πσ ⌡−∞2
y alcanza su valor máximo cuando el exponente de la exponencial es nulo; es decir, con

1
x = x ⇒ f (x ) = . Por tanto la expresión anterior es una campana de Gauss centrada en el
2πσ 2
1
valor medio x y la máxima altura de la campana es f (x ) = .
2πσ 2
En la expresión de la distribución de Gauss:
• x es el valor medio y está localizado en el centro de la campana.
• σ 2 = Var (x ) es la varianza de la distribución y da idea de la ancha o estrecha que es la
campana. Si σ 2 es pequeño, la campana es estrecha y si σ 2 es grande, la campana es
ancha.
• σ = Var (x ) es la desviación típica o estándar de la distribución.
Por estar normalizada la expresión (31) de f(x), a f(x) se la denomina función densidad.
x2
La integral ∫x f (x )dx es el área que hay debajo de la campana entre los puntos x1 y x2 y
1
nos da la probabilidad de que, al realizar una medida, ésta se encuentre en el intervalo [x1, x2],
esto es
x2
∫x f (x )dx = P {x1 < x < x2 } (33)
1
Algunos casos concretos son los siguientes:
∞
De ∫ f (x )dx = 1 , la probabilidad de que al hacer una medida, ésta salga entre en el
−∞
intervalo [-¶, ¶] es la unidad.
x ∞
De ∫ f (x )dx = 0.5 y ∫x f (x )dx = 0.5 , la probabilidad de que una medida sea inferior a
−∞
1 1
la media es , y la probabilidad de que sea superior a la media también es .
2 2
Para x = x = ±σ , la función f(x) toma el valor

jmorente@ugr.es
1 0.6065
f (x ± σ ) = e −0.5 (34)
2πσ 2
2πσ 2
que es 0.6065 del valor máximo. La probabilidad de que una medida está en el intervalo
x − σ , x + σ  viene dada por
x +σ ∞ x −σ ∞ x −σ ∞
∫x f (x )dx = ∫ f (x )dx − ∫ f (x )dx − ∫ f (x )dx =1 − ∫ f (x )dx − ∫ f (x )dx =
−σ −∞ −∞ x +σ −∞ x +σ
x −σ
= 1 − 2∫ f (x )dx = 1 − 2(0.1587) = 0.6826 (35)
−∞
y tiene por tanto una probabilidad del 68.26%.
Como hemos visto en el ejemplo anterior, dado que el área que hay debajo de la campana
es la unidad, en lugar de calcular la integral en el intervalo marcado, se calculan las llamadas colas
de la distribución y las colas se restan de la unidad.
Figura 3.3. Distribución de Gauss en la que se marcan las colas de la distribución.
Otros datos significativos son el área encerrada en los intervalos x − 2σ , x + 2σ  y

x − 3σ , x + 3σ  , que vienen dados por las integrales siguientes:
x + 2σ x − 2σ
∫x f (x )dx = 1 − 2∫ f (x )dx = 0.9544 (36)
− 2σ −∞
que representa un 95.44% de probabilidad, y
x + 3σ x − 3σ
∫x f (x )dx = 1 − 2∫ f (x )dx = 0.9974 (37)
− 3σ −∞
que representa un 99.74% de probabilidad.
En general, f (x )dx representa la probabilidad de encontrar un valor entre x y x+dx.

jmorente@ugr.es
Pasando a otra consideración, si hacemos muchas medidas de una magnitud física y estas
medidas siguen una distribución normal de Gauss, es claro que no sería apropiado asignar un error
al resultado final, representado por x , un error asociado al error instrumental, sino que la
distribución nos da una clara visión de cómo están agrupadas las medidas en torno al valor medio.
Así, la medida final se expresa como
x ±σ . (38)
Este tipo de estudio estadístico es más apropiado cuando los errores predominantes en
nuestro experimento sean de tipo aleatorio. Desde esta perspectiva σ no es una cota de error
que obligue al valor verdadero a estar dentro del intervalo x − σ , x + σ  , sino una medida de lo
dispersos que están los datos alrededor del valor medio. También podíamos elegir como expresión
final de nuestra medida x ± 2σ ó x ± 3σ .
Ciertamente, tomando un número elevado de medidas podemos hacer que nuestra

estimación del error, desde un punto de vista estadístico dado por la desviación típica de la
distribución, disminuya. Pero sólo tiene sentido que disminuya hasta hacerse igual o del orden del
error instrumental. No es comprensible que, con una regla graduada con un error instrumental de
1 mm, podamos conseguir, por más medidas que hagamos, una certeza del orden de las micras. Por
tanto, la incertidumbre absoluta combinada vendrá dada por
∆x = sx2 + eI2 , (39)
alcanzándose un balance óptimo cuando sx eI . Un número de medidas, que suele resultar

adecuado en la mayoría de los casos, viene dado por
2
s 
n 1+ x  . (40)
 eI 
Otro de los parámetros que se suele utilizar para caracterizar un distribución normal o de
Gauss es el FWHM, acrónimo de “Full With Half Maximum”, o ancho a mitad de la altura. Para
localizar este parámetro, que será dependiente de la varianza pero no de la media, utilizamos una
distribución centrada (centrada en cero) con lo que arrastraremos menos constantes en el
cálculo. FWHM será igual a 2h, con h tal que
h2
1 1 1 − 2 1
= e 2σ ⇒ h = σ 2ln = 1.1774σ
2 2πσ 2
2πσ 2 2
por lo que FWHM=2.3548σ.
Si observamos una campana de Gauss, vemos que comienza en -¶ con una pendiente nula,
después la pendiente va aumentando hasta alcanzar un valor máximo a partir del cual vuelve a
disminuir hasta hacerse nula de nuevo en el punto central de la campana. El comportamiento en la
parte derecha es similar, la pendiente vuelve a aumentar en amplitud, siendo ahora negativa,
hasta alcanzar un valor de máxima pendiente negativa. Pasado este punto, la pendiente va
disminuyendo su magnitud para acabar siendo cero en el infinito. A los dos puntos en los que la
pendiente alcanza su valor máximo, uno con signo positivo y otro con signo negativo, se le llama

jmorente@ugr.es
puntos de inflexión. Estos puntos donde la derivada o pendiente alcanza un máximo y un mínimo,
estarán dados por los valores que anulan a la derivada segunda. Vamos a calcular donde están
posicionados estos puntos de inflexión, y para ello utilizaremos de nuevo una distribución
centrada en el origen para arrastrar menos constantes. De
x2  − x 2 x2 − x 2 
2 2 2
x
f (x ) =
1
e
−
2σ 2
⇒ f ′(x ) =
1  − x  e − 2σ 2 ⇒ f ′′(x ) = −1
 e 2σ − 2 e 2σ 
 
σ 2 2πσ 2  
2
2πσ 2 2πσ 2  σ  σ 
y haciendo f ′′(x ) = 0 , los puntos de inflexión están en x = ±σ . Si la campana tiene una media x ,
los puntos de inflexión aparecerán en x − σ y x + σ .
Como hemos comentado anteriormente, si tenemos una distribución normal o de Gauss de

media x y desviación típica σ, que habitualmente se expresa por N( x , σ), la probabilidad de
hacer una medida en el intervalo [-¶, x] viene dada por
( x − x )2
⌠ e 1 x −
P ([ −∞, x ]) = Φ(x ) = 2σ 2
dx (41)
2πσ 2 ⌡−∞
x −x 1
Haciendo el cambio de variable t = ⇒ dt = dx ⇒
σ σ
t2
1 t −
Φ(t ) = ∫ e 2
dx (42)
2π −∞
Esta función, que recibe el nombre de “Área bajo la curva normal tipificada” o función
integral de Gauss, está tabulada en los libros de fórmulas y tablas matemáticas (Véase “Formulas
y Tablas de Matemática Aplicada”. M.R. Spiegel, J. Liu y L. Abellanas. Mc GrawHill, serie Schaum.
Madrid, 2000). A la distribución normal de Gauss con x = 0 y σ =1, se le denomina distribución
normal tipificada y viene dada por
t2
1 −
N (0,1) = e 2 (43)
2π
Volvamos ahora al comienzo de este apartado donde hablábamos que teníamos n medidas
repartidas en m intervalos, siendo xoj el valor representativo de cada intervalo. Dado que la
frecuencia del intervalo j viene dada por fj, siempre que tengamos un número muy elevado de
medidas podemos expresar la media como
1 m m nj m
x = ∑ nj xoj = ∑
nj =1 j n =1
xoj = ∑fj xoj
j =1
(44)
donde nj es el número de veces que aparecen valores en el intervalo que representa xoj y fj un
número entre 0 y 1, que representa la probabilidad de obtener un dato en el intervalo j. Si
hacemos que el número de datos tienda a infinito, n Ø¶, y también el número de intervalos, mØ¶,

jmorente@ugr.es
la expresión anterior se convierte en una suma continua con xoj Øx y fj Øf(x)dx que será la
probabilidad de encontrar un valor entre x y x+dx fl
∞
x = ∫ xf (x )dx (45)
−∞
Si volvemos a la distribución de Gauss, también podemos encontrar la expresión anterior:
x ( x − x )2
∞
⌠ 1 −
∫−∞ xf (x )dx = 2πσ 2 ⌡−∞ x e 2σ 2

dx = x (46)
Análogamente, la varianza la podemos expresar, con las medidas agrupadas, como
1 m
( )
2
sx2 = ∑ nj x 0 j − x
n − 1 j =1
(47)
Con n grande, nºn-1, y
m
sx2 = ∑fj ( x 0 j − x )
2
(48)
j =1
Finalmente, si nuestro número de datos fuese enormemente elevado (n y m Ø¶), la sumatoria

anterior se convertiría en una integral y la varianza de una serie de muestras infinita tomaría la
forma:
∞
sx2 = ∫ f (x )(x − x )2 dx (49)
−∞
Por otra parte, utilizando la distribución normal de Gauss, podemos calcular la siguiente
integral:
( x − x )2
∞ 1
⌠
∞ −
∫−∞ f (x )(x − x ) dx = 2πσ 2 ⌡−∞ (x − x ) e dx = σ 2 . (50)

2 2 2σ 2
Por tanto, comparando las expresiones matemáticas anteriores, podemos ver que las
definiciones dadas para la media o la varianza (o desviación típica), tanto como variables
estadísticas o como parámetros característicos de una distribución normal de Gauss, son
coincidentes cuando el número de medidas o datos tiende a infinito.
3.7. Ajuste de curvas. Regresión lineal por mínimos cuadrados.
3.7.1. Motivación.
Existen dos procedimientos generales para el ajuste de curvas que se distingue uno del
otro por el grado de error asociado a los datos:
a) Si los datos exhiben un grado significativo de error o ruido, como suele ser lo habitual si
los datos proceden de una experiencia de laboratorio, la estrategia será derivar una sola

jmorente@ugr.es
curva que representa la tendencia general de los datos. En este caso, debido a que
cualquier dato individual puede ser incorrecto, no se necesita interceptar cada punto.
b) Si los datos son muy exactos y precisos, situación en general extraña, el procedimiento
básico será ajustar una curva o serie de curvas que pasen directamente a través de cada
uno de los puntos.
Figura 3.4. Diferentes procedimientos de ajustar unos datos mediante una función. a) Regresión
por mínimos cuadrados. b) Interpolación lineal. c) Interpolación curvilínea.
Para llevar a cabo el procedimiento descrito en el punto a) no es suficiente con una

inspección visual de los puntos sobre la gráfica y después trazar la que parece la mejor línea. Para
dejar de lado la subjetividad, se deben de establecer criterios con los que establecer una base
para el ajuste. Una forma de hacerlo es obtener la curva que minimice la discrepancia entre los
puntos y la curva. La técnica para cumplir con este objetivo se conoce como “regresión por
mínimos cuadrados”.
El término “regresión” fue acuñado por sir Francis Galton (1822-1911), primo de Charles
Darwin. Galton estudiaba la Eugénica, término también introducido por él mismo para definir el
estudio de la mejora de la raza humana a partir de los caracteres hereditarios. Galton estudió la
altura de los hijos con relación a la altura de los padres y probó estadísticamente que la altura de
los hijos y nietos de los hombres altos “regresaba” hacia la media de la altura de la población a lo
largo de sucesivas generaciones. En otras palabras, hijos de padres extraordinariamente altos
tendían a ser en promedio más bajos que sus padres, e hijos de padres muy bajos tendían a ser,
en promedio, más altos que sus padres. En la actualidad el término regresión se utiliza siempre
que se busca predecir una variable en función de otra y ya no está relacionado con el hecho de
que se esté produciendo o no una regresión a la media. Anteriormente a Galtón, se debe
mencionar a Legendre (1752-1833), quien introdujo el método de los mínimos cuadrados,
utilizándolo en el cálculo y definición del metro como diezmillonésima parte de un cuadrante de
meridiano terrestre.
3.7.2. Ajuste por mínimos cuadrados mediante una línea recta.
Supóngase que se han realizado n parejas de medidas (x1, y1), (x2, y2), …, (xn, yn), siendo las
medidas de la variable x bastante más exactas que las de la variable y. Queremos ajustar una
línea recta y=ax+b a la nube de puntos (xi, yi)i=1,…,n. El error que se comete en la pareja de puntos
(xi,Yi) viene dado por
ei = yi − y = yi − (axi + b ) (51)
que puede ser positivo o negativo. Para que los errores positivos no se puedan cancelar con los
negativos y viceversa, vamos a calcular lo que llamamos suma de los cuadrados de los residuos:

jmorente@ugr.es
n n
Sr = ∑ ei2 = ∑ ( yi − axi − b )
2
(52)
i =1 i =1
Figura 3.5. El residuo en la regresión lineal es la distancia vertical entre un dato y la línea recta.
Los parámetros a y b de la línea recta son todavía desconocidos y los vamos a elegir de
manera que se minimice Sr, es decir, los elegiremos a partir de la imposición de las ecuaciones:
∂Sr ∂Sr
=0 y =0 (53)
∂a ∂b
Desarrollando estas ecuaciones
∂Sr n

= 2∑ ( yi − axi − b ) ( −1) =0 
∂b i =1  b n + a ∑ xi = ∑ yi
⇒
∂Sr b ∑ xi + a ∑ xi = ∑ xi yi
n 2
= 2∑ ( yi − axi − b ) ( −xi ) =0 
∂a i =1 
que resulta ser un sistema de dos ecuaciones con dos incógnitas, a y b, que son la pendiente y la
ordenada en el origen de la recta de ajuste que buscamos. El determinante del sistema de
ecuaciones viene dado por
∆=
n ∑ xi = n ∑ xi2 − ( ∑ xi ) = n (n − 1)sx2
2
(54)
∑ xi ∑ xi 2
Ya que sx2 = Var (x ) ≠ 0 , a no ser que todos los xi sean iguales, D∫0, y el sistema tiene
solución que viene dada por
1 n ∑ yi n ∑ xi yi − ( ∑ xi )( ∑ yi )
a = = (55)
∆ ∑ xi ∑ xi yi n ∑ xi 2 − ( ∑ xi )
2
Dividiendo numerador y denominador por n (n-1):

jmorente@ugr.es
1  1 
 ∑ xi yi − ( ∑ xi )( ∑ yi ) 
a =
n −1 n  = Cov (x , y ) (56)
1  1 2 Var (x )
 ∑ xi − ( ∑ xi ) 
2
n −1 n 
Por tanto son expresiones válidas para la pendiente:
n ∑ xi yi − ( ∑ xi )( ∑ yi ) Cov (x , y ) ∑ (xi − x )(yi − y )

a = = = (57)
n ∑ xi 2 − ( ∑ xi )
2
Var (x ) ∑ ( xi − x ) 2
La ordenada en el origen viene dada de la primera ecuación del sistema por
1 1
b=
n
∑ yi − a n ∑ xi ⇒ b = y − ax (58)
que expresada solamente en función de los valores toma la forma:
1 1  n ∑ xi yi − ( ∑ xi )( ∑ yi ) 
b= ∑ yi − ∑ xi =
n n ( )
2
 n ∑ x i
2
− ∑ x i


( ∑ x ) − n ∑ x ∑ x y + ( ∑ x ) ( ∑ y )  = 1 n ∑ y ∑ x
2 2
1  n ∑ y i ∑ x i − ∑ yi − n ∑ xi ∑ xi yi
2 2
i i i i i i i i
=  ,
n n ∑ x − (∑ x )  n − ( ∑ xi )
2 2
 i
2
i  n∑x i
2
y por tanto la ordenada en el origen viene dada por
b = y − ax = ∑ x i ∑ yi − ∑ x i ∑ x i y i
2
(59)
n ∑ xi − ( ∑ xi )
2 2
que también se puede obtener directamente como
b=
1 ∑ yi ∑ x i
∆ ∑ xi yi ∑ xi 2
3.7.3. Cuantificación del error en una regresión lineal.
La suma de los cuadrados de los residuos que se ha minimizado para encontrar la recta de
regresión tenía la forma dada por la ecuación (52):
n n
Sr = ∑ ei2 = ∑ ( yi − axi − b )
2
i =1 i =1
Si recordamos, la expresión de la varianza, para una variable y, tiene la forma:
1 n
∑ (y − y )
2
sy2 =
n − 1 i =1 i

jmorente@ugr.es
que nos daba idea de cómo estaban los datos de dispersos alrededor de la media. Por la similitud
entre ambas expresiones, vamos a definir una “desviación estándar” para la línea de regresión,
sy/x, dada por
Sr 1 n
∑ ( y − axi − b )
2
sy2/ x = = (60)
n − 2 n − 2 i =1 i
En la expresión anterior hemos usado el subíndice y/x indicando que el error es para la
variable y correspondiente a un valor particular de x. También se observa que se ha dividido por
n-2 ya que ahora tenemos un grado de libertad menos porque hemos estimado los parámetros a y
b, mientras que antes estimábamos sólo x . Visto de otro modo, dividimos por n-2 porque no
tiene sentido asociar un error a un ajuste con una recta cuando sólo tenemos dos parejas de
puntos. En este caso, la pareja de puntos definiría la línea recta y el error en la regresión sería
nulo. Para este caso, la expresión de sy/x daría un resultado sin sentido al infinito.
El error estándar sy/x de la estimación cuantifica la dispersión alrededor de la línea de

regresión, en contraste con la desviación estándar original, sy, que cuantifica la dispersión de la
media, tal como se aprecia en la figura 3.6.
Figura 3.6. a) Dispersión de los datos alrededor de la media de la variable dependiente. b)

Dispersión de los datos alrededor de la mejor línea de ajuste. La reducción en la dispersión indica
la mejora debida a la regresión lineal.
Los conceptos anteriores se pueden usar para cuantificar la bondad del ajuste. Esto
puede ser útil para comparar diferentes regresiones como las de la figura 3.7.
Figura 3.7. Ejemplo de regresiones lineales con diferente error residual. a) Pequeño. b) Grande.
Para llevar a cabo la idea expresada en el párrafo anterior, comparamos la desviación

estándar, sy, que es la magnitud de error residual asociado con la variable dependiente antes de

jmorente@ugr.es
la regresión, con la desviación estándar de la regresión, sy/x, que caracteriza el error residual que
queda después de la regresión, y esta comparación la hacemos a la manera de un error relativo
definiendo el coeficiente de correlación, r, o el coeficiente de determinación, r2, a través de
s y − sy / x
r2 = (61)
sy
Para un ajuste perfecto sy/x =0 y r2=r=1, lo que significa que la línea recta explica al 100%
la variabilidad de los datos. Para r2=r =0, sy =sy/x y el ajuste no representa ninguna mejora.
Con las definiciones de sy/x , sy y haciendo n-1ºn-2, nos queda
∑ ( yi ) − ∑ ( yi − axi − b )
2 2
sy − sy / x −y
r = =
sy
∑ ( yi )
2
−y
Haciendo b = y − ax en la expresión anterior
2
∑ ( yi ) − ∑ ( yi − y ) − a ( xi − x ) 
2
∑ ( yi ) − ∑ ( yi − axi − y − ax )
2 2
−y −y
r = = =
∑ ( yi ) ∑ ( yi )
2 2
−y −y
∑ ( yi ) − ∑ ( yi − y ) + 2a ∑ ( yi − y ) ( xi − x ) − a 2 ∑ ( xi − x
2 2 2
−y )
=
∑ ( yi )
2
−y
Sustituyendo en la ecuación anterior la forma de a dada por a =

∑ (xi − x )(yi − y ) ⇒
∑ ( xi − x ) 2
2
∑ (xi − x )(yi − y ) ∑ ( y  ∑ (xi − x )(yi − y ) 
− y ) ( xi − x ) −  ∑ ( xi
2
2 −x )
∑ ( xi − x ) 2 i 2
 ∑ (xi − x )2 
r = =
∑ ( yi )
2
−y
2
 ∑ (xi − x ) ( yi − y ) 
=
∑ (xi ∑ ( yi )
2
− x )2 −y
Con lo que definitivamente podemos poner
r = ∑ ( xi − x ) ( yi − y )
(62)
∑ (xi ∑ ( yi )
2
− x )2 −y
El coeficiente de correlación r es fácil también encontrárselo expresado en la siguiente

forma:

jmorente@ugr.es
∑ ( xi − x ) ( yi − y )
n −1 Cov (x , y )
r = ⇒ r = (63)
sx s y
∑ (xi − x )2 ∑ ( yi − y )
2
n −1 n −1
1  1  1  1 2
Con Cov (x , y ) = ( ∑ xi yi ) − ( ∑ xi )( ∑ yi )  , sx = ( ∑ xi ) − ( ∑ xi )  y
2
n −1 n  n −1 n 
1  1 2
sy = ( ∑ yi ) − ( ∑ yi )  ⇒
2
n −1 n 
n ( ∑ xi yi ) − ( ∑ xi )( ∑ yi )
r = (64)
n ( ∑ xi2 ) − ( ∑ xi ) n ( ∑ yi2 ) − ( ∑ yi )
2 2
que es la expresión que frecuentemente se emplea para el coeficiente de correlación cuando se

implementa en un programa de ordenador ya que en esta última expresión r está expresado sólo
en función de las parejas (xi, yi).
3.7.4. Error en la pendiente y en la ordenada en el origen.
El error asociado a la pendiente es independiente de la ordenada en el origen ya que si

cambiamos el origen de la variable dependiente y para hacer b=0, obtendremos la misma
pendiente y la posición relativa de la línea y = ax , respecto de los puntos a los que ajusta, no
cambia.
Por otro lado, tal como se ha realizado el ajuste, nos hemos apoyado en un conjunto de
puntos en los que el error en los datos de la variable y es mayor que el de la variable x. Como la
pendiente a representa la cuantía en la variación de y por cada unidad en la variación de x, y x la
1 1 1
suponemos con un error despreciable frente a y, de y = ax ⇒ ∑ yi = ax ⇒ a = ∑ yi , n x n
vamos a asociar a la pendiente un error que debe ser proporcional a la desviación típica de la
regresión, sy/x , y al representar la pendiente la variación de y por cada unidad en la variación de
x, vamos a dividir por la desviación típica en la variable x, sx, como magnitud representativa de la
dispersión de la variable x. De manera que
1
∑ ( yi − axi − b )
2
sy2/ x 1 sy2/ x
= n −2
2
( ∆a ) = = ⇒ (65)
(n − 1 ) sx2
(n − 1 ) ∑ i ∑ ( xi − x )
(x )
2 2
−x
(n − 1 )
∑ ( yi − axi − b )
2
∆a = (66)
(n − 2) ∑ ( xi − x )
2
donde, como en casos anteriores, las sumatorias se extienden desde i =1 hasta i =n. Lo anterior no
es una demostración rigurosa, para la que necesitaríamos unos conocimientos de estadística y un

jmorente@ugr.es
tiempo fuera del alcance de este curso, sino una mera justificación de una expresión que vamos a
utilizar con frecuencia en la representación gráfica de datos experimentales.
1
Para la ordenada en el origen b, de y = ax + b ⇒ b = y − ax =
n
( ∑ yi ) − ax , y podemos
asociar a la ordenada en el origen un error dado por
1 1 sy2/ x
( ∆b )
2 2
= s y / x + ( ∆a ) x =
2 2
sy / x +
2
x2 ⇒ (67)
n n (n − 1 ) sx2
1 x2   ∑ ( yi − axi − b )2 
∆b =  + 2
  (68)
n ∑ ( xi − x )   n −2 
3.8. Interpolación en tablas.
Las tablas de doble entrada, que con frecuencia se utilizan en los laboratorios,
proporcionan el valor de una variable x en función de otra z.
Cuando se quiere determinar el valor de z que corresponde a uno dado de x, no tabulado o

viceversa, se determinan previamente los valores tabulados de x y z entre los que se encuentra
los de nuestro problema. Sean estos
x1 z1
x2 z2
Entonces, la relación que liga x con z puede escribirse aproximadamente según la forma lineal
z2 − z1
z = z1 + ( x − x1 ) (69)
x 2 − x1
que representa una recta que pasa por los puntos (z1, x1) (z2, x2) y que permite determinar z en
función de x o viceversa.
Figura 3.8. Interpolación lineal entre dos puntos.

jmorente@ugr.es
De la expresión anterior, el error de z resulta ser:
z2 − z1
∆z = ∆x (70)
x 2 − x1
En las tablas de doble entrada, para cada pareja de valores (x, y) se proporciona el valor
correspondiente a una tercera variable z, relacionada con las dos anteriores.
En este caso, el trazo de las tablas, entre cuyos valores se encuentra el valor buscado de
z, presenta el aspecto
y1 y2
x1 z11 z12
x2 z21 z22
Ahora la relación aproximada que permite el cálculo de z es:
z21 − z11 z −z
z = z11 + ( x − x1 ) + 12 11 ( y − y1 ) (71)
x 2 − x1 y 2 − y1
que también puede ser utilizada en la interpolación inversa; es decir, en la determinación de x o y,

conocidos los valores (y, z) o (x, z).
El error de z viene dado por
z 21 − z11 z − z11
∆z = ∆x + 12 ∆y (72)
x 2 − x1 y 2 − y1

jmorente@ugr.es

Apuntes

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apuntes

Uploaded by

Copyright:

Available Formats

Departamento de Física Aplicada

Técnicas Experimentales Básicas

Primer curso de Física

Departamento de Física Aplicada

Juan Antonio Morente Chiquero

La belleza de la Física radica en la simplicidad de las teorías físicas fundamentales y en la

Siempre que surja una discrepancia entre la teoría y el experimento se deben de

1 Técnicas Experimentales Básicas.

En este capítulo se introduce el curso de Técnicas Experimentales Básicas, se

1.1. Objetivo de la asignatura.

El trabajo de laboratorio puede servir para:

Consideraremos, a continuación, con más detalle cada una de estas finalidades:

b) Una de las finalidades con la que a veces se monta un experimento, no es solamente la

2 Técnicas Experimentales Básicas.

la ayuda de un experimento, podemos encontrar el valor de una magnitud. A veces, las

c) En cualquier curso de prácticas se manejan un cierto número de instrumentos sencillos tales

1.2. Necesidad de la experimentación.

3 Técnicas Experimentales Básicas.

Experimento fi Aspectos esenciales fi Generalización fi

Modelo físico π Realidad

Donde se puede ver de forma más palpable la necesidad de la Física Experimental, su

1.3. Programa de la asignatura.

En el capítulo 1. Introducción, estamos presentando la asignatura, justificando cuales son

4 Técnicas Experimentales Básicas.

La aproximación casual a un problema no suele ser ni económica ni fructífera. En el

Cualquier clase de experimentación lleva consigo cierta clase de instrumentación

En el capítulo 5.Magnitudes físicas trataremos aspectos relacionados con el análisis

[1] Penny, R.K. “The Experimental Methods”. Logman, London, 1974.

[2] Giamberardino, V. “Teoría de los errores”. Reverté, Caracas, Venezuela, 1986.

[3] Squires, C.L. “Física Práctica”. McGraw-Hill, Mexico, 1972.

[4] Palacios, J. “Análisis Dimensional”. Espasa-Calpe, Madrid, 1964.

5 Técnicas Experimentales Básicas.

[7] Kirkup, L. “Experimental Method. An Introduction to the Analysis and Presentation of

6 Técnicas Experimentales Básicas.

Capítulo 2. El método científico.

2.1. El método científico.

El método científico se basa en dos fuertes pilares:

• El método experimental, de carácter inductivo, ya que supone que el resto de los

Según Bacon, el método científico comprende las siguientes etapas:

2.2. El método experimental.

Los experimentos normalmente difieren en el aspecto externo pero generalmente

7 Técnicas Experimentales Básicas.

Planificación ﬁ Implementación ﬁ Evaluación

Cada uno de los pasos en la anterior secuencia requiere que el experimentador se

Un programa experimental normalmente consiste en una serie de experimentos cada

Diagrama de flujo del método experimental

8 Técnicas Experimentales Básicas.

Hasta ahora no se ha introducido ningún concepto que haya restringido la discusión a

2.3. Tipos de experimentos o trabajos de laboratorio.

El trabajo de laboratorio puede ser al menos de cuatro tipos:

1. Experimentos que ilustran nociones teóricas

2.3.1. Experimentos ilustrativos.

Desgraciadamente, es un hecho que la mayoría de los experimentos que se realizan en los

¿Por qué se ha seguido este camino?

9 Técnicas Experimentales Básicas.

2.3.2. Experimentos de investigación.

Frecuentemente, la investigación experimental es el único camino real para obtener la

2.3.3. Experimentos de diseño y síntesis.

10 Técnicas Experimentales Básicas.

2.3.4. Experimentos para mejora de las técnicas de medida.

La experimentación es tan importante para un científico como la base teórica que

Actualmente, aunque las constantes universales, tales como la de gravitación universal, la

2.4. Organigrama para una experimentación con método.