Alumno Hctor Hugo Carrillo Ibarra e

Teor de errores y experimentacin a o

Fecha de realizacin : 7 de diciembre de 2003 o

Resumen En este trabajo se expone una breve explicacin de la teor de errores asi como tambin de parmetros o a e a de centralizacin(media, mediana,etc...) y de dispersin(desviacion estndar). Tambin se habla de la o o a e estad stica de la observacin (histograma, distribucion de gauss), del modo de hacer la gracas y del o famoso metodo de minimos cuadrados.

1.
1.1.

Teor de errores. a
Error Sistemtico. a

Son aquellos de valor y s gno constante o corresponden a una ley conoc a una ley conocida y producen da desviaciones constantes. Por tanto, se pueden corregir por comparacin con instrumentos, patrones o por o mtodos especiales como la doble pesada, la lectura en dos escalas distintas de un volt e metro, etc. Entre los casos ms comunes de errores sistemticos se pueden citar: escalas mal calibradas, relojes que se atrasan o a a adelantan, balanzas de brazos desiguales, etc.

1.2.

Error de apreciacin. o

Las determinaciones experimentales con algunos instrumentos se reducen a la lectura sobre una escala graduada. Al efectuar la lectura el observador debe apreciar una fraccin de la menor divisin de la escala. o o En esta valoracin va impl o cito un error que se denomina de apreciacin y que depende del tipo de dispositivo o de lectura, de la separacin entre divisiones sucesivas , y de la habilidad del observador. As es muy diclil o , apreciar fracciones de una escala milimtrica a simple vista, mientras que si se mide una longitud con una e escala graduada en cm un observador sin experiencia podr distinguir fracciones de 0.5 a 0.3 de cm, en tanto a que uno capacitado puede garantizar la fraccin 0.2cm. Los errores de apreciacin sern, pues, de 0.5, 0.3 o o a o 0.2cm. Un caso particular es la medida de intervalos con cronmetros de disparador mecnico. La aguja se mueve o a 1 1 a saltos de 1 o 10 s, segn el tipo de reloj. Como el tiempo de reaccin de un observador est entre 1 y 10 s, u o a 5 5 debe tenerse encuenta y sumarse al error de apreciacin. Por ejemplo, si el per o odo de oscilacin de un pendulo o es del orden de un segundo, un error de 1 s es muy grande e invalidar la medida. Sin embargo en el caso de a 5 medicin de per o odos este error se puede atenuar de manera considerble midiendo lapsos corresponientes a un nmero sucientemente grande de per u odos.

1.3.

Incertidumbre en funciones de dos o ms variables. a

Para las primeras dos funciones usaremos el mtodo elemental de sustitucin. e o - Suma de dos o ms variables. a Consideremos: z =x+y La incertidumbre en z se obtiene a partir de: z0 z = (x0 x) + (y0 y)

y el valor mximo de z se obtiene escogiendo signos semejantes todo el tiempo. Asi pues: a z = x + y Como era de esperarse, la insertidumbre en la suma es la suma de las incertidumbres individuales. - Diferencia de dos variables. Consideremos: z =xy Como en el caso anterior, se obtendr z a partir de: a z0 z = (x0 x) (y0 y) Pero aqui podemos obtener el valor mximo de z escogiendo el signo negativo para y, lo que da una a vez ms: a z = x + y Los ultimos dos ejemplos, tratados por el mtodo elemental, sugieren que, una vez ms, el clculo difer e a a encial puede ofrecer una simplicacin considerable a este tratamiento. Es claro que, si tenemos: o z = f (x, y) la cantidad apropiada para calcular z es la diferencial total dz, que est dada por: a dz = f f dx + dy x y (1)

Tomaremos esta diferencial y la trataremos como una diferencia nita z que se puede calcular a partir de las incertidumbres x y y. Esto es: z = y las derivadas
f f x y

f f x + y x y

normalmente se calcularn com los valores x0 y y0 , para los que se necesita z. a

Podemos encontrar que, dependiendo de la funcion f , el signo de f o f resulte ser negativo. En ese x y caso , utilizando nuestro requisito pesimista para el valor mximo de z, escogeremos los valores negativos a apropiados para x o y, obteniendo de ah una contribucin total positiva a la suma. o - Producto de dos o mas variables. Supongamos que: z = xy Para usar la ecuacin 1 necesitamos los valores de o
z x

z y ,

estos son:

z =y x Por lo que el valor de z est dado por: a

z =x y

z = yx + xy - Cocientes. Estos se pueden tratar como productos, en los cuales algunas de las potencias son negativas. Como antes, el valor mximo de z se obtendr despreciando los signos negativos de la diferencial y combia a nando todos los trminos en la forma aditiva. e Si se encuantra una funcin distinta a las ya enumeradas, funciona por lo general alguna forma de o diferenciacin. Con frecuencia es conveniente diferenciar una ecuacin en forma implicita, evitando o o as el requisito de calcular explicitamente la cantidad desconocida en funcin de las otras variables. o Por ejemplo, consideremos la ecuacin para lentes delgadas: o 1 1 1 = + f o i en donde la distanci focal f es funcin de las cantidades medidas la distanci al objeto o y la distanci o a la imagen i. Podemos diferenciar la ecuacion implicitamente, y obtenemos: df do di = 2 2 2 f o i

Es posible ahora calcular de manera directa df , y con mas facilidad que si se escribe f explicitamente f como funcion de o e i y se diferencia. De esta forma podemos preparar una frmula para la incertidumbre o en la que se pueden insertar directamente toda las incgnitas. o

2.
2.1.

Estad stica de la observacin. o

Histogramas y distribuciones.

Supongamos que hemos efectuado ya 100 mediciones de cierto parmetro y que ahora debemos dar a a conocer nuestros resultados. La primera respuesta a la pregunta Que se obtuvo?, es la contestacion ms bien a inadecuada de Ejecut la medicion 100 veces, y aqui estn los 100 resultados. Esto quiza no tenga errores, e a pero dicilmente resultar util. A n de mostrar las caracteristicas de las mediciones con ms claridad, a a valerse de algn tipo de presentacion grca resultari, sin duda, muy utli. u a a Una forma comn de presentacin es el histograma. Para construir este diagrama, se divide la escala u o sobre la cual se extienden las mediciones en intervalos , y se determinan los resultados que corresponden a cada intervalo. Se gracan luego estas cantidades en una escala vertical, en funcion de los intervalos mismos. Es conveniente usar un diagrama de barras para indicar los grupos de resultados, lo cual rasultar similar a a la gura 1.

Figura 1: Un conjunto de observaciones y su histograma.

De inmediato, nuestra comprension de las mediciones mejora enormemente, pues ahora podemos apreciar de solo un vistazo cmo se distribuyen los valores a lo largo de la escala. Esta distribucion es la clave para o una interpretacin satisfactoria de las mediciones. o

2.2.

Valores centrales de las distribuciones

Si deseamos encontrar alguna forma abreviada de describir la distribucin sin tener que mostrar efectio vamente el diagrama completo. Las diferentes posibilidades son: - La moda. La mayoria de las distribucines tienen un punto mximo o pico cerca del centro. Si ese pico est bien a a denido, el valor sobre la escala horizontal en que ocurre se llama moda de la distribucin. Siempre que o queramos llamar la atencin sobre esta concentracin central de nuestros valores medidos, mencionamos o o el valor modal. Aveces una distribucin tendr dos puntos mximos; en este caso la denominamos o a a distribucin bimodal y sealamos los dos valores modales. o n - La mediana. Si colocamos todos nuestros resultados en orden numrico y los dividimos a la mitad en dos partes e iguales, el valor correspondiente a esta linea divisoria se llama mediana. Como es obvio que las reas a bajo las grcas de distribucin representan grupos de observaciones(la barra de la izquierda de la a o gura 1 representa 5 obsrevaciones; la segunda de la izquierda 9; por tanto las dos juntas representan 14, y asi sucesivamente), la mediaa es aquel valor en el cual una linea vertical divide a la distribucin o en dos partes de area equivalentes. - La media. El tercero de los valores comnmente citados es el conocido promedio o media aritmetica. Para un u grupo de N observaciones, xi la media x se dene como: x= xi N

Notese que, para una distribucin simtrica, la media, la mediana y la moda coinciden todas en el centro o e de la distribucin. Si, por otra part, la distribucin no es simtrica, cada una tendr un valor diferente. para o o e a el histograma de la gura 1, los valores de la media, la mediana, y la moda se muestran en la gura 2, que ilustra su relacin con la distribucin. o o Consideremos ahora otra cuestin: En qu medida nuestro valor elegido representa a la distribucion en o e su conjunto? Esto es, cun seguro resulta usar un solo valor como sustituta de toda la distribucin?. Ahora a o no podemos justicar los procedimientos que a continuacion se describiran. En su lugar, conaremos en la intuicin de que, cuanto ms amplia sea la distribucin, menor ser la importancia que podamos asignar a o a o a cualquiera de los tres valores centrales. Formulemos, pues, una cantidad que ser una medida de la amplitud a de la distribucin. Denamos la desviacin estndar de la distribucin S, como: o o a o S= ( xi )2 x N

La importancia de la desviacin estndar se aclarar en breve. o a a

Figura 2: La relacin entre un histograma y su media, mediana y moda. o

2.3.

Distribicin de Gauss. o

Aun cuando, para utilizarla con provecho, no hace falta saber mucho sobre los origenes de la distribucin o de Gauss, es interesante saber por qu su deduccin le conere especial importancia para muchas mediciones e o sicas. La distribucin de Gauss puede deducirse a partir de la hiptesis de que la desviacin total de una o o o cantidad medida x, respecto de un valor central X, es la resultante de una gran cantidad de pequeas n uctuaciones que ocurren al azar. Para construir un modelo sencillo de esta situacin, supongamos que hay o mde esas contribuciones a la dsviacion total, cada una de igual magnitud a , y con la misma probabilidad de ser positiva o negativa. Si repetimos el proceso de medicion muchas veces, obtendremos un conjunto de valores que van de X + ma, para una observacin en la que todas las uctuaciones resultan ser positivas o simultneamente, a X ma, si toda ocurren en sentido negativo. Para una suma aleatoria como sta, de a e cantidades positivas y negativas, puede demostrarse que la suma mas probable es cero, lo que signica que los valores ms comunes de x estn en la vecindad de X. Por tanto, la curva de distribucin tiene un valor a a o mximo hacia la mitad, es simtrica, y decae suavemente a cero en x = X + ma y x = X ma. Si este a e concepto se lleva al caso limite en el que un nmero innito de desviaciones innitesimales contribuyen u a la desviacin total, la curva tiene la forma que se representa en la gura 3. Considerando a la curva o exclusivamente desde el punto de vista matematico por ahora, su ecuacin puede expresarse asi: o

y = Ceh

(xX)2

Aqui la constante C es una medida de la altura de la curva, ya que y = C para x = X, en el centro de distribucin. La curva es simtrica alrededor de x = X y tiende a cero asintticamente. Es obvio que o e o la cantidad h determina la amplitud de la curva, ya que slo es un multiplicador en la escala de x. Si h es o grande, la curva es estrecha y alta en relacin a su amplitud; si es pequea, la curva es baja y ancha. La o n cantidad h sin duda debe de estar relacionada con la desviacin estndar de la distribucin, y se puede o a o demostrar que la relacin en cuestin es: o o

1 = 2h

Aqui utilizamos la letra S para la desviacin estndar de cantidades asociadas con conjuntos nitos o a de observaciones reales; y la letra griega , al referirnos a distribucines denidas, o a un universo de o observaciones.

Figura 3: La curva de distribucin Gaussiana o

Ahora que tenemos una ecuacin denida para la distribucin, toda la ambigedad original sobre la o o u interpretacin de la desviacin estndar en trminos de probabilidad desaparece, y tenemos valores denidos, o o a e unicos y permanentes. Por ejemplo, el rea incluida dentro del intervalo X para una distribucin Gaussiana a o es de 68 %, y dentro del intervalo X 2 es de 95 %, e igual ocurre para todas las distribuciones Gaussianas. La relacin entre los valores de y las reas bajo la curva de distribucin se muestra en la gura 4 con las o a o lineas verticales trazadas a intervalos de 1 y 2 a partir del valor central.

Figura 4: La relacin de 1 y 2 con los l o mites de la distribucion Gaussiana

3.

El principio de m nimos cuadrados.

Ser muy reconfortante que pudiramos emplear algn procedimiento matemtico para identicar la a e u a mejor l nea para un conjunto de puntos dado, porque entonces nos liberar amos de la inseguridad del juicio personal. Sea AB en la gura 5 una candidata a la categor de mejor l a nea. Consideremos todos los intervalos verticales entre los puntos y la l nea, de los cuales P2 O2 es tipico. Deniremos como mejor l nea aquella que minimiza la suma de los cuadrados de las desviaciones como P2 O2 . Expresemos ahora el principio de m nimos cuadrados en forma matemtica. Denimos que la mejor l a nea es aquella que lleva a su valor m nimo la suma (Pi Oi )2 y deseamos obtener los parmetros, pendiente m y ordenada al origen b, de esa mejor linea. a Sea la ecuacin de la mejor l o nea:

Figura 5: Ajuste de una l nea recta a un conjunto de puntos por el principio de m nimos cuadrados.

y = mx + b Suponemos que los valores de x son precisos, que toda la incertidumbre est contenida en los valores de a y y que las ponderaciones de los valores de y son iguales. Deseamos minimizar la suma de los cuadrados de las diferencias siguientes: yi = yi (mxi + b) Por tanto, (yi )2 = [yi (mxi + b)]2 2 = yi + m2 x2 + b2 + 2mxi b 2mxi yi 2yi b i

Si hay n pares de observaciones, la suma es

M=

(yi )2 =

yi2 + m2

i2 + nb2 + 2mb

xi 2m

xiyi 2b

yi

La condicin para la mejor eleccin de m y b es que o o

(yi )2 sea un minimo. Necesitamos, entonces, que

M =0 m

M =0 b

La primera condicin da o

2m

x2 + 2b i

xi 2

(xi yi ) = 0

y la segunda

2nb + 2m

xi 2

yi = 0

La resolucin del sistema de ecuaciones simultneas para m y b resulta o a

m=

(xi yi) n x2 ( i

xi yi xi )2

b=

x2 i n

yi xi (xi yi ) x2 ( xi )2 i

Aunque no cualquier conjunto de puntos son adecuados para este mtodo, en la gura 6 se muestra un e ejemplo.

Figura 6: Uso inadecuado del ajuste por m nimos cuadrados

Referencias
[Ba] Baird, D.C. Experimentacin. (Prentice Hall, CANADA, 1991), o