Conclusiones

1.-En resumen, la medida exacta no existe. Sin embargo, sí es posible determinar un intervalo donde, con gran
probabilidad se hallarán los resultados si se repite esta medida muchas veces y por diferentes observadores (no creo
que sea oportuno en unos primeros estadios del aprendizaje entrar en disquisiciones sobre el significado riguroso de
esta gran probabilidad). A este intervalo se le llama incertidumbre de la medida y debe ser estimado por el
observador.

2.-Todo instrumento de medida tiene tres características: precisión, exactitud y sensibilidad. No son lo mismo y
deben distinguirse muy bien. Se puede ilustrar la diferencia con ejemplos sencillos como el del tirador que agrupa sus
impactos y sin embargo no da en el blanco: preciso pero poco exacto.

3.-Si se hace una sola medida directa. Cabe interpretar la el error instrumental como cota de incertidumbre. Se
resaltará la poca fiabilidad de "una sola medida".

4.-Si la medida es indirecta se seguirán los criterios habituales: Si la medida se obtiene por suma o diferencia, la
incertidumbre será la suma de incertidumbres en cada medida. (Ahí es bueno resaltar el peligro de las medidas por
diferencia, en las que muchas veces la incertidumbre es mayor que la propia medida).

Discusiones
1.- Queremos subrayar que los errores humanos excedieron el error producido por la utilización de uno u
otro instrumento. Por lo tanto, sugerimos que deben llevarse a cabo mayores esfuerzos para el
entrenamiento y la supervisión de quienes realizan estas mediciones y, así, disminuir el error humano. El
estudio de Bishop13 muestra que es posible disminuir el error de medición debido a los observadores.
Sugerimos que se lleven a cabo evaluaciones seriadas de la confiabilidad de las mediciones antes y
después del entrenamiento de los observadores, así como periódicamente durante la aplicación de la
encuesta con el fin de asegurar que el error de medición permanezca constante. 15 Esperamos que la
facilidad y la simplicidad gráfica del método de concordancia promueva mediciones de con fiabilidad más
rigurosa.

2.- Las gráficas muestran la presencia de errores sistemáticos (o sesgo) y de aquéllos debidos al azar en la
medición sesgo. Aunque los autores no defienden el uso de un estándar de referencia como lo sugiere
Habicht,4 el método de concordancia puede aplicarse con facilidad para la comparación del error entre el
observador y una persona utilizada como referencia.

7.-Sugerencia
Un método elemental adecuado de estima de error sería por ejemplo:
1.- Representar los puntos con sus cotas de incertidumbre. No puntos matemáticos, sino cruces.

2.- Dibujar sobre el papel la mejor recta a ojo. Si debe pasar por un punto fijo pasarla por este punto. Hallar sus
parámetros. Es importante tomar la precaución, a la hora de hallar la pendiente de no elegir dos puntos
experimentales, sino dos puntos cualesquiera de la recta interpolada, es decir, lo más separados posible. La primera
precaución para no privilegiar dos puntos del conjunto ¿Por qué estos y no otros?. La segunda, para minimizar el error
en el cálculo.

3.- Elegir un punto intermedio, o el propio punto fijo y buscar "las peores rectas" por exceso y por defecto. Hallar sus
parámetros. La mayor diferencia absoluta con los parámetros de la recta ideal, pueden dar una buena estimación de la
incertidumbre. (Aquí quiero destacar que aunque hay hojas de cálculo que dan la regresión con sus parámetros, los
programas de Laboratorio asistido por ordenador más habituales en EE MM, se limitan a dar las rectas, sus parámetros
y sus coeficientes de correlación pero nunca una estimación de su incertidumbre).

4.- El método de ajuste por pares de puntos, puede ser preferible a los mínimos cuadrados en estos primeros balbuceos
del análisis matemático de datos experimentales. Si se toma como valor más probable de la pendiente la media de las
pendientes calculadas, puede estimarse la incertidumbre como se dijo más arriba. En cualquier caso, es importante
destacar siempre esta incertidumbre del resultado.

5.- Si se emplean sistemas de cálculo el coeficiente de correlación da una buena indicación de la calidad del ajuste,
pero téngase en cuenta siempre, sobre todo cuando se trabaja con pocos puntos, la intuición. Unos pocos puntos
pueden ofrecer un excelente coeficiente de correlación lineal y sin embargo por simple inspección se ve que no están
sobre una recta o que la recta que sale no tiene sentido, por ejemplo, por encontrarse en la rama extrema de una
curva.