PRÁCTICA 1: ANÁLISIS DE DATOS

Errores

Para conocer el mundo que nos rodea de una forma científica necesitamos hacer
medidas. Una medida es la comparación de una propiedad de un sistema con esa misma
propiedad en otro sistema diferente al que denominamos patrón. Por ejemplo, para
medir la masa de un objeto tendríamos que compararla con la de un cilindro de platino
iridiado que se encuentra en París y al que por convenio se ha asignado la masa de 1 kg,
o con la masa de algún otro objeto que se haya comparado previamente con éste. El
problema es que el resultado de esta comparación nunca es un número, sino a lo sumo,
un intervalo. Por ejemplo, la masa de un objeto puede estar entre 12.3 y 12.5 g, pero
nunca podremos decir que es exactamente 12.4 g. La razón es que al medir siempre
existen errores o imprecisiones. Dado que no es práctico manejar intervalos, lo que se
hace comúnmente es dar el resultado de cualquier medición de la forma:

Medida = valor en el centro del intervalo ± mitad del intervalo unidad,

Sin las unidades el resultado de una medida no tiene sentido. Por ejemplo, una medida
de longitud de 1 puede ser tanto 1 cm (el tamaño de un botón), como 1 hm (el tamaño
de un campo de fútbol).

El valor del centro del intervalo es entonces lo que nosotros suponemos que vale la
propiedad medida. La mitad del intervalo se denomina error absoluto, y viene
condicionado por todos los factores que influyen en la medida:

1
a) El propio experimentador. Si éste no sabe manejar un aparato o no pone cuidado, los
resultados serán erróneos e influirán en el resultado. También tienen cabida en este
apartado los errores derivados de suposiciones incorrectas. Por ejemplo, medir la
temperatura de una muestra muy pequeña de agua con un termómetro de laboratorio
corriente será incorrecto, porque el termómetro es mucho más grande que la muestra.

b) El aparato de medida. Su influencia puede deberse a diferentes causas:

• El aparato no está bien calibrado, es decir, es incapaz de reproducir medidas

fiables hechas con una diversidad de aparatos diferentes. El ejemplo típico es un
reloj que esté adelantado cinco minutos. Si pretendemos medir la hora con él,
siempre tendremos un error de cinco minutos. Este es un ejemplo de error
sistemático. Este tipo de error puede eliminarse comparando las medidas de
varios aparatos.
• La precisión del aparato. Esta nos indica el error mínimo del aparato debido a
sus características propias. Aunque existen varios factores que influyen sobre
ella (por ejemplo, la fidelidad del aparato, o su capacidad de dar siempre la
misma lectura en las mismas condiciones experimentales), la precisión suele
venir determinada por la resolución del aparato, es decir, la mínima división de
su escala. Por ejemplo: 1 mm en una regla milimetrada o 1 minuto en un reloj
con manecillas. Este tipo de error aparece siempre, no hay forma de eliminarlo.

c) Factores que no podemos controlar. Por ejemplo, si medimos la longitud de una

varilla de metal, ésta variará levemente al cambiar la temperatura de sus alrededores,
cosa muy difícil de controlar. Este tipo de error se denomina error aletorio o
estadístico. Su característica principal es que no podemos hacer más que acotarlo en
valor absoluto utilizando la teoría estadística de errores y está siempre presente (aunque
sea muy pequeño) en cualquier medida.

Si tenemos n medidas cuyos resultados han sido x1, x2, …., xn, que serán diferentes
debido todas las posibles fuentes de error anteriores, y en particular la c), la teoría de
errores nos dice que la mejor estimación para el valor del centro del intervalo es:
n
x
x=∑ i .
1 n
Lo que se denomina, media. La teoría de errores también nos dice que si tenemos varias
medidas de la misma magnitud, que son similares, pero no idénticas, su error aleatorio
viene dado por:
1/ 2
 n 
σ  ∑ (x − x i )2 
σ x = n −1 =  1 
n  n (n − 1) 
 

donde

2
 1/ 2
 n 2
 ∑ (x − x i ) 
σn −1 = 1  (1)
 n −1 
 

es la llamada desviación típica de los valores. Su cuadrado se denomina varianza. Por

tanto, en condiciones ideales tenemos al menos dos tipos de errores, el aleatorio y el de
precisión del aparato. O lo que es lo mismo, el error absoluto, ∆x, viene dado al menos
por:

∆x = σx + precisión.

El error absoluto indica cómo es de bueno nuestro conocimiento de la magnitud física,

pero es poco útil para comparar el conocimiento que tenemos sobre dos o más
magnitudes. Así, si medimos dos masas de 1 kg y 1 g con el mismo error absoluto de
0.1 g, es evidente que conocemos con mejor la primera y que el error absoluto no sirve
para expresar este mejor conocimiento. Para evitar esta limitación definimos el error
relativo como:

εx = (∆x/x).

Como se ve, el error relativo es el cociente entre el error absoluto y el valor del centro
del intervalo. El error relativo carece de unidades (es un cociente de magnitudes con las
mismas unidades) y suele expresarse en tanto por ciento (multiplicando por 100 la
cantidad anterior).

Una vez obtenidos los resultados de la media y el error han de redondearse. El redondeo
del error se realiza de tal forma que quede una sola cifra significativa, y a partir del
valor que quede, se redondea la media.

Ejemplo de redondeo de errores:

I 0.0053 se redondea a 0.005
0.0056 se redondea a 0.006
1.53 se redondea a 2
1.35 se redondea a 1
487 se redondea a 500
49286986 se redondea a 50000000.

Ejemplo de redondeo de media:

Si el error es 0.05 m y la media es 235.678987 m, el resultado final es 235.68 ± 0.05 m,
puesto que no tiene sentido dar la media con más decimales que el error.
Si el error es 400 m y la media es 25678.9 m, el resultado final es 25700 ± 400 m.
Si el error es 9 g y la media es 7872.1 g, el resultado final es 7872 ± 9 g.

3
Cálculo de errores para una magnitud derivada. Propagación de errores

Muchas veces se pretende estimar el valor de magnitudes sobre las que no se obtiene un
acceso experimental directo, utilizando para calcular leyes físicas conocidas. Un
ejemplo de esta situación podría ser la velocidad: para determinarla podríamos medir la
distancia recorrida S en un intervalo de tiempo T. Con estas magnitudes podemos
determinar la velocidad con la conocida relación:

V=S/T

Como al medir S y T se comenten errores, deberemos proporcionar una estimación del

error de la velocidad, que será una magnitud derivada de las anteriores.

Ejemplo

Si sabemos que la distancia recorrida es de 100 ± 2 m y tarda un tiempo de 5.0

± 0.5 s, esto significa que S y T estarán comprendidos en intervalos:

S ∈ ( 98 , 102 ) m T ∈ ( 4.5 , 5.5 ) s

Por lo que la velocidad estará comprendida aproximadamente entre

98m 102m
= 17.82m / s y = 22,67 m / s ,
5 .5 s 4 .5 s

que expresado como un intervalo y redondeando adecuadamente, resulta:

V = 20 ± 2 m/s

En general, supondremos que queremos estimar el error de la magnitud y, que

calculamos a través de una expresión matemática conocida donde intervienen las
magnitudes x1,x2,x3,...,xn, de forma que

y = F(x1,x2,x3)

El error absoluto ∆y de la variable y se calcula entonces por medio de la expresión:

2
n
 ∂F 
∆y = ∑ 
2
 ∆xi 2 (2)
i =1  ∂xi 

Donde el símbolo ∂ significa derivada parcial. Las derivadas parciales aparecen en el

contexto de las funciones de varias variables Cuando derivamos parcialmente con
respecto a una variable determinada consideramos el resto como si fueran constantes.

4
 Ejemplo:

Supongamos que queremos hallar el volumen de un cilindro a partir de su radio,

r, y su altura, h. Tenemos entonces:

V= F(r,h) = π r2 h.

En este caso y = V, x1 = r, x2 = h, el volumen depende de dos variables, la

altura y el radio, por tanto tendremos dos derivadas parciales, una con respecto
a r y otra con respecto a h.

∂V
= 2πrh
∂r
∂V
= πr 2
∂r

Como tanto h como r son medidas experimentales, cada una tendrá cada una un
error absoluto asociado, a los que llamaremos, respectivamente, ∆h y ∆r. Con
todo ello podemos calcular el error de la magnitud V debido a que las
magnitudes h y r tienen errores, aplicando la ecuación (2):

2 2
 ∂V   ∂V 
∆V = 
2
 ∆r + 
2 2 2 2
(
 ∆h = (2πhr∆r ) + π r ∆h )
2

 ∂r   ∂h 

No obstante, aplicar esta regla para cada caso concreto puede resultar tedioso y, en
general, se aplican casos particulares, que se pueden deducir de la expresión (2) y que
permiten tratar casi todos los casos más simples. Algunas de dichas reglas pueden
encontrarse en la tabla siguiente (se deja como ejercicio al alumno demostrar dichas
relaciones).

Regla Fórmula Error

Suma y = a + b (∆y )2 = (∆a )2 + (∆b )2
Resta y = a - b (∆y )2 = (∆a )2 + (∆b )2
Producto y = a * b  ∆y  2
 ∆a   ∆b 
2 2

  =   +  
 y   a   b 
Cociente y = a / b  ∆y  2
 ∆a   ∆b 
2 2

  =   +  
 y   a   b 
(∆y )2 = (n∆a )2
n
Potencia y = a

5
Ajuste a una recta

Experimentalmente es muy frecuente que supongamos que dos magnitudes x e y están

relacionadas y que hagamos mediciones de y para distintos valores de x. Por ejemplo, el
volumen de un determinado gas ideal es proporcional a temperatura si la presión se
mantiene constante. En general, ante dos series de datos, x e y, podemos preguntarnos si
de verdad existe una relación entre ambos (en el ejemplo anterior entre el volumen y la
temperatura del gas). Una forma sencilla de saberlo es representar los valores en una
gráfica y ver si existe alguna función para la que se cumpla y = f(x) (exacta o
aproximadamente). En uno de los casos más comunes la relación entre ambas variables
es linear, es decir y se puede escribir en función de x como:
y=ax+b
donde a y b son constantes. Sin embargo, este método “visual” de establecer la
dependencia entre dos variables puede llevarnos a error, puesto que incluye un
componente subjetivo. Lo que necesitamos es un método matemático que cuantifique la
bondad de la suposición que hacemos, en este caso que y es una función lineal de x y
que nos dé los valores de a y b para la mejor recta posible (la que pase lo más cerca
posible de todos los pares x,y). Es decir, que nos sirva para verificar la hipótesis de que
la relación entre las variables x e y es lineal. Este método es el:

Método de los mínimos cuadrados

Supongamos que hay n pares de mediciones (x1, y1), (x2, y2), ... (xn, yn) y que los errores
están en su totalidad considerados en los valores de y (es decir, conocemos exactamente
el valor de x). Si suponemos que yi es exactamente ax i + b, el error cometido en la
medida será: yi – a xi – b. La mejor recta será aquella cuyos valores de a y b minimicen
la suma de los errores para todas las mediciones, porque será aquella que en conjunto se
desvíe menos del conjunto de datos en general. Sin embargo, esto tiene el problema de
que algunos errores pueden ser positivos y otros negativos. Si lo que nosotros miramos
es la suma total, algunos se cancelarían entre sí, lo que no tiene sentido. Para evitarlo lo
que hacemos es minimizar la suma de los cuadrados de los errores, que siempre será
positiva. Tenemos entonces:

(yi-axi-b)
Y

6
∆ = ∑ ( y i − ax i − b) 2 = min.
Aplicando la condición de mínimo:

∂∆
= ∑ − 2 x i ( y i − ax i − b) = 0
∂a

∂∆
= ∑ − 2( y i − ax i − b) = 0
∂b

a ∑ x i2 + b∑ x i = ∑ x i y i

a ∑ x i + bn = ∑ y i

La última ecuación muestra que la mejor recta pasa a través del punto:

 x = ∑ i , y = ∑ i  es decir, por el centro de gravedad de todos los puntos.

 x y 
 n n 


a=
∑x y −∑x y
i i i

∑x −∑x x2
i i

b = y − ax

Sin embargo, nosotros podríamos obtener valores de a y b para cualquier conjunto de

datos, estuvieran relacionados o no. El parámetro que nos cuantifica si de verdad y es
una función lineal de x es el coeficiente de correlación, que tiene la expresión:

n∑ xi yi − ∑ xi ∑ yi
r=
{[n∑ x 2
i
2
][
− (∑ xi ) . n∑ yi2 − (∑ yi ) ]}
2 1/ 2

Los valores de r se encuentran siempre en el intervalo [-1, 1]. Si r→ 1, existe

correlación entre x e y, es decir, y depende linealmente de x. Por el contrario si r→ 0
debe concluirse que x e y son independientes (o que y no depende linealmente de x) y
por lo tanto carece de sentido expresar y = ax + b. En general, si r < 0.8, la
correlación entre x e y es deficiente. El coeficiente de correlación nos permite entonces
verificar la hipótesis de partida que indicaba que la relación entre los valores x e y es

7
lineal. Si la hipótesis es verdadera, el coeficiente será próximo a 1 (en valor absoluto), y
si es falsa, r será menor de 0.8.

Materiales

• Ordenador con hoja de cálculo EXCEL

Instrucciones para la realización de la práctica

El profesor explicará el manejo del ordenador con un sistema operativo WINDOWS y

una hoja de cálculo EXCEL mediante un ejemplo. Este ejemplo será similar a los
cálculos que los estudiantes tendrán que hacer en la práctica 2. Para profundizar en el
cálculo de errores, los estudiantes deberán realizar los ejercicios que aparecen al final de
este guión y entregarlos en el tiempo correspondiente.

Ejemplo

1. Independencia del tiempo de caída de un objeto con su masa

Supongamos, como es el caso de las medidas que vamos a realizar en la práctica 2, que
tenemos un carril de madera que nos sirve de plano inclinado, y en el cual hacemos una
serie de señales correspondientes a varias distancias desde el extremo inferior de la
rampa. Desde cada una de esas señales se deja caer una bola y se mide el tiempo de
caída. Supongamos que alguien que ya haya realizado la práctica 2 obtuviera los
siguientes tiempos de caída medidos desde la marca de 2 m, expresados en segundos, y
para dos bolas de masas m1 y m2.

m1 m2
t1 2.30 2.11
t2 2.24 2.31
t3 2.21 2.12
t4 2.36 2.14
t5 2.21 2.30

El objetivo de esta parte de la práctica es verificar que los dos datos son comparables,
calculando sus errores y viendo que cada uno está en el intervalo de error del otro.

Los datos se introducen en la hoja de EXCEL de la siguiente manera:

A B
2,3 2,11
2,24 2,31
2,21 2,12
2,36 2,14
2,21 2,3

Los datos tienen que estar alineados a la derecha de la celda.

8
Utilizando la función PROMEDIO se hallarán las correspondientes medias aritméticas
de ambas series de datos:
2,264 2,196

Comprobad que sale lo mismo haciendo la suma de celdas y dividiendo entre 5. Estos
valores son el valor estimado del tiempo de caída de cada bola. Tenemos entonces:

t(10g) = 2.264 s
t(6 g) = 2.196 s

Calculamos ahora el valor de la desviación típica mediante la aplicación sucesiva de las

funciones VAR y RAIZ, obteniéndose:

0,06503845 0,10014989

Comprobad que eso es lo mismo que aplicando directamente la fórmula (1).

El error aleatorio o estadístico es la desviación típica dividida por la raíz cuadrada del
número de datos:

0,02908608 0,04478839

Para obtener el error absoluto se debe sumar al error aleatorio el error de precisión del
aparato, en este caso un cronómetro que mide centésimas de segundo. Por tanto:

σ(m1) = (0.02908608 + 0.01) s = 0.03908608 s

σ(m2) = (0.04478839 + 0.01) s = 0.05478839 s

Sin embargo, tal y como están estos resultados no tienen sentido, han de redondearse,
para dar (con solo una cifra significativa):

σ(m1) = 0.04 s
σ(m2) = 0.05 s

A partir de los errores redondeados se redondea la media, y tenemos:

t(m1) = 2.26 s
t(m2) = 2.20 s

Por tanto, los valores de los tiempos reales de caída de las dos bolas con su error son:

t(m1) = 2.26 ± 0.04 s

t(m2) = 2.20 ± 0.05 s

Obsérvese que en el segundo caso hay que poner los dos decimales detrás del punto.

Como puede observarse, el tiempo en el primer caso está entre 2.30 y 2.22 s, mientras
que en el segundo está entre 2.25 y 2.15 s. Ambos intervalos solapan, con lo que puede
decirse con confianza que las dos bolas tardan el mismo tiempo en caer.

9
2. Experiencia de Galileo. Obtención de la aceleración de caída de un objeto

Según las leyes de la mecánica, la relación entre la distancia recorrida (s) y el tiempo
transcurrido (t), siempre que se parta del reposo, es de la forma

s = ½ a t2

Para comprobar se verifica esta ecuación vamos a suponer que la relación entre la
distancia recorrida y el tiempo sigue diferentes leyes, realizaremos entonces una serie de
ajustes por mínimos, y nos quedaremos con aquella expresión en la que el coeficiente de
correlación sea más próximo a uno. Las tres leyes que vamos a considerar son las
siguientes:

s=At+B

s = C t2 + D

s = E t3 + F,

y veremos que la que se cumple es la segunda.

Para reproducir la experiencia de Galileo tenemos el siguiente montaje experimental:

Midiéndose el tiempo que una bola de plástico tarda en recorrer la distancia desde
distintas distancias hasta el nivel de la mesa donde se apoya el montaje. Los resultados
vienen dados en la siguiente tabla.

2.000 m 1.500 m 1.000 m 0.500 m 0.300 m

t1 2.30 1.92 1.62 1.15 0.99
t2 2.24 1.87 1.58 1.21 0.86
t3 2.21 1.99 1.58 1.20 0.89
t4 2.36 1.83 1.61 1.15 0.92
t5 2.21 2.06 1.55 1.14 0.89

Los errores de precisión son 0.01 s y 0.001 m para distancia y longitud,

respectivamente.

Los datos se introducen de esta manera en la hoja de cálculo para que puedan
manipularse:

10
 A B C D E
2,3 2,24 2,21 2,36 2,21
1,92 1,87 1,99 1,83 2,06
1,62 1,58 1,58 1,61 1,55
1,15 1,21 1,2 1,15 1,14
0,99 0,86 0,89 0,92 0,89

Los datos tienen que estar alineados a la derecha de la celda.

Obsérvese que lo que en la tabla son columnas pasan a ser filas en la hoja de cálculo.

Lo primero que vamos a hacer es obtener los valores estimados de tiempos de caída (las
medias), tal y como hemos hecho en el apartado anterior. A la derecha de esta columna
se pondrán los valores de las distancias recorridas por la bola en metros.

F G
2,264 2
1,934 1,5
1,588 1
1,17 0,5
0,91 0,3
0 0

Hemos añadido también una última fila con los valores t=0 y s= 0.

Estos datos se representan gráficamente en la hoja de EXCEL siguiendo las

instrucciones del profesor. También se realiza un ajuste por mínimos cuadrados de estos
datos. El resultado tiene que ser una gráfica igual a la siguiente:

s frente a t

2,5
y = 0,8943x - 0,2891
2
R2 = 0,9
1,5

1
s

0,5

0
0 0,5 1 1,5 2 2,5
-0,5
t

Donde el coeficiente de correlación es 0.9486 (en la gráfica aparece r2).

11
Hacemos ahora lo mismo, pero en ver de poner en la primera columna los valores
medios de t, escribimos los valores medios al cuadrado.

H I
5,125696 2
3,740356 1,5
2,521744 1
1,3689 0,5
0,8281 0,3
0 0

Con el mismo método obtenemos la siguiente gráfica.

s frente a t^2

2,5 y = 0,3971x - 0,0158

2 R2 = 0,9991

1,5

1
s

0,5

0
0 1 2 3 4 5 6
-0,5
t^2

Y en el caso de que la primera columna sean los tiempos al cubo, tenemos:

s frente a t^3

2,5 y = 0,1678x + 0,1788

2 R2 = 0,971

1,5
s

0,5

0
0 2 4 6 8 10 12 14
t^3

Como puede verse, el mejor ajuste lo da la ecuación s = C t2 + D, pues la que tiene un

coeficiente de correlación más próximo a uno. Comparando esta ecuación con la ley
teórica s = ½ a t2, tenemos que la aceleración de caída del cuerpo es: a = 2 C = 0.7882

12
m/s2. Vemos que D es también prácticamente igual a cero, (D=0.0158 m), como
correspondería a la ley que liga s y t.

El método de los mínimos cuadrados proporciona un valor del error, tanto para la
pendiente de la recta como para su ordenada en el origen. Sin embargo el programa
EXCEL no da dicho error. De todas formas podemos estimarlo para el caso de la
aceleración utilizando la expresión:

a=2s/t2

de la cual obtendríamos una expresión para el error relativo de la aceleración utilizando

la formula de propagación de errores de forma que tomando cualquier valor del tiempo
y del espacio con sus correspondientes errores podríamos estimar el error de la
aceleración. Por ejemplo, considerando para s=1,500 + 0.001 m obtenemos, de los datos
propuestos como ejemplo, un tiempo promedio con su error t=1.93 + 0.08 s. Con ello el
error de la aceleración será (comprobar):

∆a/a=[(∆s/s)2+4(∆t/t)2]1/2=0.0658

Con lo que en definitiva, con el redondeo apropiado

a=0.79 + 0.07 m/s2

En la práctica 2 se repetirá este tipo de cálculo con datos reales obtenidos de

mediciones en el laboratorio.

13