xmax xmin
x
2
Si el nmero de medidas es N >10, hay que realizar un tratamiento estadstico de los datos:
Supongamos que hemos hecho N mediciones de una misma una magnitud, y se obtienen los
resultados x1 , x2 ,... x N . Esto representa una muestra de todas las posibles mediciones que se
podran realizar (poblacin). Se puede demostrar que el valor que mejor representa el resultado
del conjunto de las N medidas, est dado por el promedio de los valores
N
x
i 1
(1)
d
i 1
Dado que
d
i 1
0.
S x2
(x
i 1
x )2
(2)
N 1
que es una especie de promedio de los cuadrados de las desviaciones di, aunque en el
denominador tenemos N-1 en vez de N. La distribucin est normalizada a N-1 porque los datos
ya han sido utilizados una vez para encontrar x y quedan N-1 valores independientes de las
desviaciones con la cuales se define a la varianza (N-1 grados de libertad). As definida, si se
toma una sola medida, N=1, la varianza diverge.
Para que la medida de la dispersin de datos en torno al promedio tenga las mismas
dimensiones que los datos medidos xi, se define la desviacin estndar como la raz cuadrada de
la varianza:
N
Sx
(x x )
i 1
N 1
(3)
La magnitud definida en la Ec. 3 depende de la forma en que los datos individuales fluctan
alrededor del promedio y no depende del nmero total de mediciones (es independiente de N).
La calidad del proceso de medicin ser mayor cuando menor sea el cociente S x / x , que en
general es una constante del proceso de medicin.
Supongamos que tomamos hipotticamente M muestras de una cierta poblacin, y cada muestra
consiste de N medidas. Tendremos as un conjunto de N x M medidas:
2 2
2
x1 , x2 ,...,xN
..................
M M
M
x1 , x2 ,...,xN
Por cada muestra podemos estimar su promedio
N
xNj
x
i 1
(j=1,,M)
N ,M
xNj
j 1
i , j 1
(4)
N .M
Esto es, el promedio de los promedios es la suma de todos los valores obtenidos dividido el
nmero total de mediciones NxM.
La desviacin estndar de los M promedios, que notaremos est, ser (en analoga con la
definicin dada en la ecuacin. (3)) :
M
est
(x
j 1
j
N
X )2
M 1
(5)
(VI.3)
donde est es, entonces, la desviacin estndar de los promedios o desviacin estndar de la
media.
Se puede probar que a medida que el nmero de medidas N aumenta, la distribucin en torno al
promedio en general ser normal (distribucin de Gauss) con una desviacin estndar dada por:
est
Sx
N
(6)
donde Sx es la dispersin estndar de una de las series de medidas. Este resultado es muy
importante pues significa que podemos predecir las fluctuaciones del promedio de una serie de
N mediciones sin necesidad de volver a realizar ms series de mediciones. Para obtener (5)
necesitamos efectuar MxN mediciones, para obtener (4) es suficiente hacer N mediciones. En un
experimento real se tiene solamente una muestra de N medidas, se supone que esa muestra es
una tomada al azar de las M hipotticas muestras.
De (6) vemos que est depende de N (recordar que Sx no depende de N, sino de la calidad de las
mediciones) y es siempre menor que Sx. est es una medida de la incertidumbre estadstica, da el
orden de magnitud con el cual podemos esperar que el promedio flucte alrededor del valor ms
representativo de la medida.
Como una medida es tanto ms valiosa cuanto menor sea su intervalo de incertidumbre
asociado, un criterio de eleccin es tomar el menor intervalo para expresar el resultado de una
medida. Entonces se elige est (en vez de Sx) para expresar la incertidumbre por fluctuaciones
estadsticas.
Si la incertidumbre estadstica es la dominante, esto es x=est, el resultado de la medida se
expresa como x est ; y significa que una muestra en particular tiene un 68% de probabilidad
de estar comprendida en intervalo ( x est , x est ) , 96% de estar en el intervalo
( x 2 est , x 2 est ) y 99% en el intervalo ( x 3 est , x 3 est ) . Estos resultados solo son
vlidos para el caso que las medidas se distribuyan normalmente, es decir, si el histograma
formado con los resultados de las mediciones adopta una forma de campana de Gauss.
Nmero ptimo de medidas
Dado que est depende de N, y es menor cuanto ms grande sea N, cuando N es lo
suficientemente grande, est0. Pero hasta qu punto tiene sentido seguir realizando medidas
para lograr est0, si siempre tendremos otras incertidumbres que considerar aparte de las
fluctuaciones? Por ejemplo, si estamos midiendo una longitud con una regla graduada en
milmetros, nunca podremos con ese instrumento dar con certeza cifras del orden de los
micrones. As, por ms que repitamos las medidas para disminuir el est, tenemos una restriccin
2
2
debido que hay otras incertidumbres asociadas ( x est
). O sea, no es razonable
nom
esforzarse en disminuir est mucho ms que nom). El balance ptimo se obtiene cuando est
nom.
Para determinar el nmero ptimo de medidas, como Sx es independiente de N, realizamos entre
5 a 10 medidas preliminares y calculamos Sx.
Estableciendo la condicin est nom en la ecuacin (6), se obtiene:
S
N op x
nom
(7)