Professional Documents
Culture Documents
Facultad de Ciencias
Universidad de Granada
Universidad de Granada
“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.
El lenguaje de la Física, con el cual se desarrollan las teorías y llevan a cabo los
experimentos, es, básicamente, las matemáticas.
Capítulo 1. Introducción.
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.
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.
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.
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.
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.
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.
bibliográfica que será de utilidad tanto para el contenido teórico de la signatura, como para la
parte práctica a realizar en el laboratorio.
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.
1.4. Bibliografía.
[5] Chapra S.C., y R.P. Canale. “Métodos Numéricos para Ingenieros”. McGraw-Hill,
México, 1999.
[6] Isaacson, E. St. Q. and Isaacson, E. St. Q. “Dimensional Method in Engineering and
Physics”. Arnold, London, 1975.
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.
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.
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.
es tan importante en el trabajo experimental como el método analítico que tiene en cuenta la
formulación y solución de problemas.
Formulación de Objetivos
Utilización de la
Utilización de Ideas
Información Existente
Secuencia de Pruebas
Resultados
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.
¿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?
¿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.
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.
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
impuesta por una serie de propiedades tales como dureza, resistencia a la corrosión, peso, coste,
facilidad de fabricación, etc.
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).
• 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.
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.
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
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.
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:
3.1. Introducción.
"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."
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.
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.
∆x = x m − x (1)
donde se supone o sería bueno que ∆x x .
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.
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%.
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.
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.
Figura 3.1. Ejemplo del tirador. a) Inexacto e impreciso. b) Exacto e impreciso. c) Inexacto y
preciso. d) Exacto y preciso.
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).
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.
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:
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
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.
avión. Generalmente tales fuentes de error son de duración limitada o son debidos a medios
ambientes específicos.
• 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 accidentales son los de más difícil justificación. Su contribución al nivel total
de error puede ser considerable y a menudo dominante.
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.
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
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
n
∂y
∆y ≤ E + 0.1E = 1.1E E ⇒ ∆y ≅ ∑
i
=1∂x
∆xi (10)
i
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
ln f = ln(x a y b z c …) = a ln x + b ln y + c ln z + … (15)
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
∆f = ef f (19)
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
(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
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
∂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
∆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
x1 + x 2 + + xn 1 n
x =
n
= ∑x
ni i=1
(23)
∑
2
( xi −x )
sx = i=1
(24)
n −1
∑
2
( xi −x )
Var (x ) = sx2 = i =1
(25)
n −1
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
∑ ( 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
Obsérvese que este coeficiente de variación es similar, en esencia, al error relativo y nos
puede permitir comparar diferentes conjuntos de datos.
∑ ( xi −x ) ( yi − y )
Cov (x , y ) = i
=1
(29)
n −1
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
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
( x − x )2
1 −
f (x ) = N (x , σ ) = e 2σ 2
(31)
2πσ 2
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
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
∞
De ∫ f (x )dx = 1 , la probabilidad de que al hacer una medida, ésta salga entre en el
−∞
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
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)
−∞
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.
x + 2σ x − 2σ
∫x f (x )dx = 1 − 2∫ f (x )dx = 0.9544 (36)
− 2σ −∞
x + 3σ x − 3σ
∫x f (x )dx = 1 − 2∫ f (x )dx = 0.9974 (37)
− 3σ −∞
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 .
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
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
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 .
( 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 ض, y también el número de intervalos, mض,
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)
−∞
x ( x − x )2
∞
⌠ 1 −
1 m
( )
2
sx2 = ∑ nj x 0 j − x
n − 1 j =1
(47)
m
sx2 = ∑fj ( x 0 j − x )
2
(48)
j =1
∞
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
⌠
∞ −
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.
3.7.1. 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
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.
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.
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:
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
∂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
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
1 1
b=
n
∑ yi − a n ∑ xi ⇒ b = y − ax (58)
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
b = y − ax = ∑ x i ∑ yi − ∑ x i ∑ x i y i
2
(59)
n ∑ xi − ( ∑ xi )
2 2
b=
1 ∑ yi ∑ x i
∆ ∑ xi yi ∑ xi 2
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
1 n
∑ (y − y )
2
sy2 =
n − 1 i =1 i
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.
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.
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.
∑ ( yi ) − ∑ ( yi − axi − b )
2 2
sy − sy / x −y
r = =
sy
∑ ( yi )
2
−y
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
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
r = ∑ ( xi − x ) ( yi − y )
(62)
∑ (xi ∑ ( yi )
2
− x )2 −y
∑ ( 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
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
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
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.
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.
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
z21 − z11 z −z
z = z11 + ( x − x1 ) + 12 11 ( y − y1 ) (71)
x 2 − x1 y 2 − y1
z 21 − z11 z − z11
∆z = ∆x + 12 ∆y (72)
x 2 − x1 y 2 − y1