UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

Facultad de Química

Departamento de Física y Química Teórica

Asignatura: Laboratorio de Física (clave 1210)

Elementos de Metrología y temas preliminares

Profesor: M. en D. Fernando Vega Calderón

Ciudad Universitaria. Marzo 2021.

La Metrología es la ciencia de las
mediciones y sus aplicaciones, incluyendo
todos los aspectos teóricos y prácticos de las
mediciones, cualesquiera que sean su
incertidumbre de medida y su campo de
aplicación.
 CIFRAS SIGNIFICATIVAS

En cualquier medición, las

cifras significativas son los
dígitos que se conocen con
certeza más un digito que es
incierto.
 4.275 ± 0.002 kg
Valor central Incertidumbre
4 cifras hasta las
Significativas milesimas

 169.8 ± 0.1 4 c.s.

 73 ± 4 2 c.s.

 0. 0043 ± 0.0003 2 c.s.

Reglas estándar para escribir y usar cifras
significativas

1. En números que no tienen ceros, todos los dígitos son

significativos.
586 Tres cifras significativas
1.2589 Cinco cifras significativas
1.2 Dos cifras significativas
2. Todos los ceros entre dígitos significativos son
significativos.
705 Tres cifras significativas
3.0024 Cinco cifras significativas
3. Los ceros a la izquierda del primer dígito que
no es cero sirven solamente para fijar la
posición del punto decimal y no son
significativos:

0.0000005 Una cifra significativa

0.02803 Cuatro cifras significativas

4. Los ceros a la derecha de un número con punto

decimal se escriben sólo si son significativos:

58.0 Tres cifras significativas

58.00 Cuatro cifras significativas
0.0060 Dos cifras significativas.
5. En un número que no tiene punto decimal
(entero) y que termina en uno o más ceros, estos
ceros pueden ser significativos o no.

Para evitar dudas hay que escribirlos con notación

científica:

47 600 ¿3, 4, 5 Cifras significativas?

4.76 x 104 3 cifras significativas
4.760 x 104 4 cifras significativas
Redondeo

Una calculadora muestra ocho o más dígitos, pero no

todos necesariamente son significativos, hay que
eliminar los dígitos que no son significativos. Este
proceso es conocido como redondeo.

1. Si el primer dígito que se va a eliminar es menor

que 5, ese dígito y todos los dígitos que le siguen
simplemente se eliminan:

94.6239 a 3 cifras significativas, 94.6

0.017418 a 2 cifras significativas, 0.017
2. Si el primer dígito que va a eliminar es
mayor que 5, o si es 5 seguido de
dígitos diferentes de cero, todos los
dígitos siguientes se suprimen y el valor
del último dígito que se conserva se
aumenta en una unidad.

1.436 a 3 cifras significativas, 1.44

37894 a 3 cifras significativas, 37900
3. Si el primer dígito que se va a eliminar
es un 5 que no va seguido de ningún otro
dígito, o si es un 5 seguido sólo de ceros,
se aplica la regla par-impar:

Es decir, si el último dígito que se va a

conservar es par, su valor no cambia, y
tanto el 5 y los ceros se suprimen. Pero si
es impar, entonces su valor se aumenta en
uno:

54.2500 a 3 cifras significativas, 54.2

8.97500 a 3 cifras significativas, 8.98
Cifras significativas y cantidades calculadas

Es de esperarse que una cantidad que es

resultado de una operación conserve la
información de las mediciones que
intervienen en el calculo.

El número de cifras significativas permitido

en un resultado calculado depende del
número de cifras de los datos usados para
calcularlo, y del tipo de operación u
operaciones matemáticas que se hayan
efectuado para obtener dicho resultado.
Multiplicación y división

En este caso la respuesta deberá tener el mismo

número de cifras significativas que el factor que
tenga menos cifras significativas:

 8.536 x 0.47 = 4.01192 según la calculadora

4 c. s. 2 c. s. 2 c. s.
8.536 x 0.47 = 4.0 resultado correcto
 384 ÷ 285.3 = 1.3459516 según la calculadora
3 c. s. 4 c. s. 3 c. s.
384 ÷ 285.3 = 1.35 resultado correcto
 3360.0 ÷ 3.000 = 12 según la calculadora
3360.0 ÷ 3.000 = 12.00 resultado correcto
Suma y resta
La respuesta no debe tener dígitos más allá de la
posición del último dígito significativo común
a todos los números sumados o restados.
34.6 20.02
+ 17.8 + 20.002
15 20.0002
67.4 en la calculadora 60.0222 en la calculadora
67 Resultado correcto 60.02 Resultado correcto

 345.56 – 245.5 = 100.06 resultado en la calculadora

345.56 – 245.5 = 100.1 resultado correcto
Logaritmo y antilogaritmo

En el caso de aplicar un logaritmo, el número de dígitos en la mantisa del

logaritmo debe ser igual al número de cifras significativas que posee el valor
(argumento) al que fue aplicado el logaritmo. Un logaritmo consta de la
característica y de la mantisa. La característica es la parte entera; la mantisa es
la parte decimal.

log (4.8) = 0.681241237 (la característica es 0 y la mantisa 0.681241237) = 0.68

ln (0.159) = -1.838851077 (la característica es -1 y la mantisa 0.838851077) = -1.839

log (10.21) = 1.009025742 (la característica es 1 y la mantisa 0.009025742) = 1.0090

ln (1.05) = 0.048790164 (la característica es 0 y la mantisa 0.048790164) = 0.049

En el caso de aplicar un antilogaritmo, el número de dígitos después
del signo decimal que posee el valor al que fue aplicado el
antilogaritmo debe ser igual con el número de cifras significativas
del resultado.

10-5.81 = 0.000001548 = 1.548×10-6 ... Debe escribirse:

0.0000015 = 1.5×10-6

e0.121 = 1.128624912 ... Debe escribirse: 1.13

100.4 = 2.511886432 ... Debe escribirse: 3

e-1.1 = 0.332871083 ... Debe escribirse: 0.3

 VOCABULARIO INTERNACIONAL DE METROLOGÍA. CONCEPTOS
FUNDAMENTALES Y GENERALES

Magnitud: Propiedad de un fenómeno, cuerpo o substancia que puede expresarse

cuantitativamente mediante un número y una referencia.

Unidad de medida: magnitud escalar real, definida y adoptada por convenio, con la que se
puede comparar cualquier otra magnitud de la misma naturaleza para expresar la relación
entre ambas mediante un número.

Magnitud básica Unidad Básica

Nombre: Nombre: Símbolo:
Longitud metro m
Masa kilogramo kg
Tiempo segundo s
Corriente eléctrica ampère A
Temperatura termodinámica kelvin K
Cantidad de substancia mole mol
Intensidad luminosa candela cd
Medición: Proceso que consiste en obtener experimentalmente uno o varios
valores que pueden atribuirse razonablemente a una magnitud. Para ello,
supone una comparación de magnitudes.

Mensurando: Magnitud que se desea medir.

Valor medido: Valor de una magnitud que representa un resultado de

medida.

Valor verdadero: Valor de una magnitud compatible con la definición de la

magnitud. (V. g., para las constantes fundamentales se considera que la
magnitud tiene un único valor verdadero).

Exactitud de medida: Proximidad entre un valor medido y un valor

verdadero de un mensurando.

Precisión de medida (precisión): Proximidad entre los valores medidos

obtenidos en mediciones repetidas de un mismo objeto, o de objetos
similares, bajo condiciones especificadas.
Error de medida (error): Diferencia entre un valor medido de
una magnitud y un valor de referencia (que puede ser un patrón).

Patrón de medida (patrón): Realización de la definición de

una magnitud dada, con un valor determinado y una
incertidumbre de medida asociada, tomada como referencia.
(V. g., el patrón de masa de 1kg, con una incertidumbre típica
asociada de 3μg.)

Incertidumbre de medición (incertidumbre): Parámetro

asociado al resultado de una medición, que caracteriza la
dispersión de los valores que podrían razonablemente ser
atribuidos al mensurando.

NOTA: Error e incertidumbre son cosas diferentes, por lo

que no deben emplearse como sinónimos ni confundirse.
 Tarea 2. Investigar:

1. ¿Qué es calibración y qué es ajustar?, ¿qué

diferencia hay entre ambas designaciones?

2. ¿Qué es la repetibilidad (de resultados de

mediciones) y qué es la reproducibilidad? Dar
algunos ejemplos.

3. ¿Qué es una medida directa y qué es una

medida indirecta?

NOTA: Citar referencias.

 Tipos de evaluación para incertidumbre

La evaluación tipo A (aleatoria) es el método que

involucra el análisis estadístico de una serie de
observaciones.

La evaluación tipo B (sistemática) es el método que

involucra procedimientos distintos al análisis
estadístico, y que tiene en consideración los efectos
sistemáticos (errores de calibración, ajuste, etc.).

La evaluación tipo C (combinada) es el método que

considera los tipos A y B.
 INCERTUDUMBRES. SU PRESENTACIÓN Y SU
PROPAGACIÓN

Las medidas consisten en intervalos dentro de los cuales se tiene la

confianza de que se encuentra el valor esperado. Por ello, toda
medición realizada lleva implícita una incertidumbre, que debe
reflejarse en el número de cifras que se anotan en el resultado de la
medición.

Presentación de la incertidumbre

Suponer que se mide la longitud (l) de una mesa rectangular con un

flexómetro cuya resolución (mínima escala) es de 0.1 cm (1.0 mm).
Entonces, si l = 253.4 cm se puede asegurar que este valor central de
l pertenece al intervalo [253.3 cm , 253.5 cm]; es decir,

l = 253.4 ± 0.1 cm ó l = 2.534 ± 0.001 m.

Como la cifra de ± 0.001 m representa la magnitud o el intervalo en que la
lectura de 2.534 m es incierta, se la llama incertidumbre absoluta de la
medida.

Frecuentemente es deseable comparar la incertidumbre absoluta con el valor

de la medición misma, ya que ello permite evaluar más objetivamente cuán
significativa es dicha incertidumbre. Para ello, se define la incertidumbre
relativa:
Incertidumbre absoluta
I relativa  .
Valor medido

Esta incertidumbre es un número sin unidades de medida que multiplicado

por 100 da la incertidumbre porcentual. Para el caso previo:

0.001
I relativa    0.0004
2.534
l = 2.534 ± 0.001 m (medida con incertidumbre absoluta).

l = 2.534(1) m (medida con incertidumbre absoluta. Las cifras entre paréntesis

indican la incertidumbre en los últimos dígitos del número principal).

l = 2.534 m ± 0.0004 (medida con incertidumbre relativa).

l = 2.534 m ± 0.04 % (medida con incertidumbre porcentual).

Otro ejemplo:

4.32 ± 0.02 g (medida con incertidumbre absoluta).

4.32 g ± 0.005 (medida con incertidumbre relativa).

4.32 g ± 0.5 % (medida con incertidumbre porcentual).

NOTA: La incertidumbre asociada a una medida limita el número de cifras
significativas; por lo que debe haber coherencia entre el número de cifras de la
medida y el número de cifras de la incertidumbre después del punto decimal (de
existir). V. g., una incertidumbre hasta centésimas implica cifras significativas
hasta centésimas.

Incertidumbre : Medida: No. de cifras significativas:

0.02 123.52 5
0.0001 0.0029 2
3 123 3

Es decir, la última cifra Medida: Incertidumbre:

significativa debe ser del mismo
92.8  0.3
orden de magnitud que la
incertidumbre. 93 3

90  30
Las incertidumbres experimentales deben siempre
ser redondeadas a una cifra significativa.

Medición de g:

9.80  0.02385 m/s2 Incorrecto

9.80  0.02 m/s2 Correcto

Medición de una rapidez:

6051.78  30 m/s Incorrecto

6052  30 m/s Correcto

MÉTODO DE PROPAGACIÓN DE INCERTI-
DUMBRES EN FUNCIONES DE UNA SOLA
VARIABLE Y DE VARIAS VARIABLES

Por ejemplo, supóngase que se quiere calcular el

área transversal (medida indirecta) de un cilindro a
partir de la medida de su diámetro o de su radio
(medida directa), cantidades que tienen asociada
una incertidumbre. Para tal fin cabe preguntarse
cómo se propaga esta incertidumbre en el valor
final por calcular; es decir, qué incertidumbre le
corresponde y cómo estimarla.
 CARACTERÍSTICAS ESTÁTICAS DE UN
INSTRUMENTO DE MEDICIÓN

Estas características son aquellas que se identifican sin que

necesariamente se use el instrumento, pero sí observando su carátula o
pantalla.

 Rango: Es el intervalo de valores que se pueden medir con el

instrumento. V. g., el rango del termómetro va de -40 °C a 50 °C.

 Resolución: Mínima variación de la magnitud medida que da lugar

a una variación perceptible de la indicación correspondiente.
Intervalo más pequeño con el que se puede medir en el
instrumento. V. g., la resolución del termómetro es de 1 °C.

 Legibilidad: Cualidad del instrumento para facilitar las lecturas

que se hacen con él. Esta característica depende , por ejemplo, de
la nitidez de los números, de las marcas de las divisiones, etc. V. g.,
la legibilidad en el termómetro es regular.
HISTOGRAMAS Y DISTRIBUCIÓN NORMAL

Cuando se tiene una serie de datos como resultado

de, por ejemplo, un número grande de mediciones
de un cierto parámetro bajo las mismas condiciones,
es muy útil representarlos en un histograma.

Para su construcción, se divide la escala sobre la

cual se extienden las medidas en intervalos, y se
determinan los resultados que corresponden a cada
intervalo. Luego se grafican estas cantidades en una
escala vertical en función de los intervalos mismos.
Ejemplo: La figura muestra el resultado de las marcas
que deja el lanzamiento de un balín sobre una hoja de
papel puesta en el suelo. Los lanzamientos del balín se
hacen con la intención de acertar en el centro del
papel. Sobre el papel se numeran las franjas para
indicar que se trata de los posibles valores que puede
tener una variable aleatoria.
Se muestra el conjunto de datos generados aleatoriamente
que dan cuenta del lanzamiento del balín. Para la
construcción del histograma correspondiente, obsérvese
que estos datos se han acomodado en orden numérico
ascendente.
En las siguientes figuras se muestran dos histogramas
correspondientes a la distribución de los datos previos. La diferencia
en ambos histogramas está en el tamaño de la partición (el número
de intervalos de la clase). Con base en estos diagramas, ¿qué
resultado particular caracteriza mejor al grupo de datos en su
totalidad?
24
Medidas de tendencia central en una distribución

 Cuando se tienen muchas mediciones realizadas

bajo las mismas condiciones, o un número de
elementos de condiciones similares, interesa
conocer si existe alguna tendencia de frecuencia
al centro de la distribución de valores.

 Las medidas de tendencia central más

importantes son: mediana, moda y media
Mediana

Es el valor en el cual una línea vertical divide la

distribución en dos partes de área equivalente. Para
determinarla, se deben colocar todos los resultados en
orden numérico ascendente y se dividen a la mitad en dos
partes iguales; así, el valor correspondiente es la mediana.
Moda

La mayoría de las distribuciones tienen un punto

máximo o pico cerca del centro. Si ese pico está bien
definido, el valor sobre la escala horizontal en que
ocurre se llama moda. A veces una distribución
tendrá dos puntos máximos (distribución bimodal); y
en este caso se deben señalar ambos valores modales.
Media

Es la media aritmética (promedio) de los valores de una

variable. Para un grupo de N observaciones, xi, la media se
define como
N

x i
x i 1
N

Obsérvese que para una distribución simétrica, la media, la

mediana y la moda coinciden en el centro de la
distribución. Por otra parte, si la distribución no es
simétrica, entonces cada uno de estos parámetros tendrá un
valor diferente.
Para el ejemplo
previo:

Moda: 5.5
Mediana: 6.50
Media: 6.624
Actividad 2: Construcción de un histograma de frecuencias

Instrucciones: Tirando dos dados al mismo tiempo, suma sus caras y

registra el valor en una tabla. En total realiza 100 lanzamientos y,
posteriormente, acomoda los datos en orden numérico ascendente
para que después hagas el histograma respectivo. De dicha
distribución determina la media, la mediana y la moda.

NOTA: Traer por brigada una bolsa de dulces del mismo tipo (al
menos 50) para la práctica 2.
Hasta el momento, todas estas distribuciones identificadas tienen en común que son
una distribución normal o gaussiana.

Por ello, la distribución de Gauss se

usa para interpretar varios tipos de
medidas físicas puesto que, por otro
lado, la estadística gaussiana sí
proporciona una descripción
razonablemente precisa de muchos
sucesos y mediciones reales.

Por ejemplo, después de haber

realizado cien mediciones de un
cierto parámetro, no tiene sentido
preguntarse: ¿qué se obtendrá en la
próxima medición? Cuando se trata
de una variable aleatoria, las únicas
preguntas sensatas tienen que ver no
con la certeza, sino con la
probabilidad.
La función gaussiana asociada a esta distribución es

 12  x x 
f x; x,   
A 2
e
 2

Donde x es la variable aleatoria, A es el área bajo la

curva, x es la media aritmética y σ es la desviación
típica o estándar de la distribución, la cual es una
medida de la dispersión (variabilidad) de los valores
observados alrededor de la media.
Por ejemplo, al realizar dos veces el experimento del balín al dejarlo
caer sobre la hoja de papel, puede suceder que los datos se
distribuyan de manera muy dispersa o menos dispersa.
De este modo, entre mayor sea el valor de σ mayor será la
dispersión de los valores alrededor de la media aritmética, y ello a
la vez influye en la amplitud (o altura) de la curva. Por ejemplo,
para un valor pequeño de σ se tiene que la curva es más estrecha y
más alta.
Por otra parte, con base en la función gaussiana puede calcularse que el área
incluida dentro de cada intervalo es

Intervalo de confianza: Área (%):

x  68.3
x  2 95.5
x  3 99.7

Esto significa que cualquier valor

particular en un conjunto gaussiano
tiene una probabilidad del 68 % de
estar incluido en el intervalo x  ,
y una probabilidad del 95.5 % de
caer dentro de x  2 . Obsérvese
que la media es el valor más
probable en una distribución
normal.
En otras palabras, al tener un conjunto de medidas, cada
una de éstas tiene una probabilidad del 68 % de estar
incluida en el intervalo x   , y una probabilidad del 95.5
% de caer dentro de x  2 .

Todas estas consideraciones son válidas para un conjunto

infinito de datos. En la realidad es imposible contar con
dicho conjunto y, a lo más, se puede tener acceso a una
muestra de ese universo de datos. Empero, puede confiarse
en que si se repite el proceso de medición razonablemente
para obtener una muestra del universo, entonces esta
muestra permitirá hacer alguna estimación de los
parámetros del universo en su totalidad.
Considerando lo mencionado, la desviación estándar (S) de la muestra está
dada por la cantidad
 
N

 
2
x xi
S i 1
N 1

A la vez, se dice que esta expresión representa la mejor estimación de la

desviación estándar del universo (σ). En la calculadora, esta cantidad se
conoce como  N 1.

Bajo este nuevo contexto, S representa una estimación de la variación en

cada uno de los resultados de las mediciones. Por lo que a cada medida se
le puede asociar esta desviación estándar o típica que a la vez representa
su incertidumbre aleatoria (incertidumbre tipo A):
x1  S , x2  S , x3  S , ..., xN  S
El cuadrado de la desviación estándar (S2) es la varianza de la distribución.
La desviación estándar de la media viene dada por

 
N

 
2
x xi
S
Sm   i 1
N N ( N  1)

En resumen, dado un conjunto de resultados de N

mediciones realizadas bajo las mismas condiciones
de un cierto mensurando; se puede aseverar que el
valor más representativo de estos datos es la media
aritmética x que tiene asociada una incertidumbre
aleatoria S m .
x  Sm .
 Ejemplo usando calculadora Casio fx-991W

Calcular la media y la desviación estándar de la muestra del siguiente conjunto de datos:

55, 54, 51, 55, 53, 53, 54, 52.

1. Ingresar el modo SD (desviación estándar): MODE MODE 1

(Borrado de memoria) SHIFT Scl =

2. Ingresar los datos:

55 DT 54 DT 51 DT 55 DT 53 DT DT 54 DT 52 DT

Lo que aparece en pantalla al final: 52.

Comandos para obtener los parámetros requeridos:
 EJEMPLOS

1. Calcular el valor promedio con su respectiva desviación estándar

del siguiente conjunto de datos, así como su varianza.

55, 54, 51, 55, 53, 53, 54, 52.

2. Se midió el diámetro de un balín esférico, obteniéndose los

resultados que se muestran en la siguiente tabla. Determine, en cm,
la media aritmética del diámetro con su respectiva incertidumbre.

Diámetro [cm] ± 0.005 cm

5.015 5.020 5.015 5.020 5.015 5.015
 REGLA GENERAL DE PROPAGACIÓN DE
INCERTIDUMBRES EN EL ANÁLISIS ESTADÍSTICO DE
UN CONJUNTO DE MEDICIONES

Introducción

En este apartado se describe la manera en que se puede calcular

el valor promedio de la cantidad z = f(x, y) en términos del
conjunto de N parejas de valores x, y. A la vez, es de interés
identificar cómo asociarle a ese valor promedio una
incertidumbre tipo A.

En este tema se supondrá que las mediciones de x y de y son lo

bastante numerosas como para asociarle al promedio de cada
parámetro una desviación estándar Smx y Smy respectivamente.
Puede demostrarse que la desviación estándar de la media de z está dada por la
expresión
2
 z  2  z  2
2

Smz    Smx    Smy

 x   y 
NOTA: Para el correcto empleo de esta ecuación, primero debe calcularse la
desviación estándar de la media para los parámetros x y y (es decir, Smx y Smy):

Sx Sy
x  S mx , y  S my Smx  , Smy 
N N
donde N es el número de parejas (x, y). Si z es una función de más de dos variables,
la expresión para Smz se extiende agregando términos semejantes. En resumen, el
valor más representativo del conjunto de valores z es la media aritmética z que tiene
asociada una incertidumbre aleatoria Smz:

z  Smz
DESVIACIÓN ESTÁNDAR DE VALORES CALCULADOS:
CASOS ESPECIALES

En las siguientes expresiones, recuérdese que Smz representa la

desviación estándar de la media de z, y que Smx y Smy son
respectivamente la desviación estándar de la media para los
parámetros x y y.

1. Suma de dos variables: Sea z = x + y, por lo que

z  Smz  ( x  y)  S  S 2
mx
2
my

2. Diferencia de dos variables: Sea z = x – y, por lo que

z  Smz  ( x  y)  Smx
2
 Smy
2
3. Producto de dos variables: Sea z = xy, por lo que

2
 S mx   S my 
 ySmx   xSmy 
2
S mz
z  S mz  x y  , I rel .       
2 2

z  x   y 

4. Cociente de dos variables: Sea z = x / y, por lo que

2
 S mx   xS my 
2
x
z  S mz       2 
y  y   y 
5. Variables elevadas a potencias: Sea z = xa, por lo que

z  S mz  x 
a
a x  S
( a 1) 2 2
mx , I rel . 
S mz
z
a
S mx
x

6. Caso general de potencias y productos: Sea z = xa yb, por

lo que

2
 aSmx   bSmy 
2
S mz
I rel .       
z  x   y 
EJEMPLO:

Se tiene un material del cual se quiere

determinar su densidad volumétrica de masa.
Al repetir varias veces las mediciones de masa
y de volumen se encontraron los siguientes
valores:

Masa = (0.375 ± 0.003) kg.

Volumen = (10.009 ± 0.043) dm3.

Determine, en kg/dm3, el valor de la densidad.

Solución: En este caso ρ = m/V, en donde

m  Sm m  0.375  0.003 kg, V  SmV  10.009  0.043 dm3

2 2
m  Sm m   mSmV 
  Sm       2 
V  V   V 

2
 0.003   0.375(0.043)   kg 
2
0.375
  Sm          3 
 10.009   (10.009)   dm 
2
10.009

kg
  S   0.037466  0.000340 3
dm
kg
  S   0.0375  0.0003 3
dm
Cuando se estudia un fenómeno, ver la gráfica que relaciona
dos de las variables involucradas ayuda mucho para entender
su comportamiento. Pero no basta con esto, es necesario
conocer la relación matemática entre estas variables para
poder realizar predicciones.

La técnica utilizada en la determinación del mejor ajuste de

curva, esto es, la mejor relación analítica entre las variables, es
el método de cuadrados mínimos (conocido también como
mínimos cuadrados).

Supóngase que se cuenta con n parejas de datos experimentales

(xi, yi), y que se quiere encontrar la ecuación de la mejor línea
recta; es decir, en este caso particular se hará una regresión
lineal.
Lo ideal sería que todos los puntos quedaran sobre una recta, sin incertidumbre,
pero esto no correspondería con un caso experimental real. En la realidad siempre
hay incertidumbres, las cuales se muestran en la gráfica por medio de las barras
de incertidumbre. Los puntos (xi , yi) se encuentran razonablemente cerca de una
recta. La recta queda dentro de todas las barras de incertidumbre.
El método analítico para ajustar la mejor recta a una serie
de datos experimentales es conocido como regresión lineal
o ajuste por cuadrados mínimos para una recta; y para
ello se consideran las siguientes suposiciones:

Los valores de x y y tienen una distribución gaussiana.

Los valores y son aleatorios e independientes entre sí, y

todos tienen la misma incertidumbre y la misma
importancia o peso para determinar la recta.

Las incertidumbres en x son despreciables en

comparación con las incertidumbres en y, así entonces sólo
se considera la incertidumbre en y, que representa la
variable dependiente o de salida.
Sea AB una candidata a la mejor recta. Se
considerarán todos los intervalos verticales
entre los puntos y la línea, de los cuales PiOi
es típico. Se define como mejor recta
aquella que minimiza la suma de los
cuadrados de las desviaciones PiOi.

Se expresa ahora matemáticamente el principio de mínimos

cuadrados: Se define que la mejor línea es aquella que lleva a su
valor mínimo la suma
n

 i i
P O  2

i 1

Y se desea obtener los parámetros pendiente (m) y ordenada al origen

(b) de esta recta cuya ecuación es y = mx + b.
La magnitud de la desviación PiOi es el intervalo entre un cierto valor
medido yi y el valor de y en ese punto, para el valor de x. Este valor y se
puede calcular a partir del valor correspondiente de x como m xi + b, de
modo que si se denota como δyi a cada diferencia, se tiene que:

δyi = yi - (mxi + b)

El criterio de mínimos cuadrados permite obtener los valores deseados de

m y b, a partir de la condición
n

 iy  mxi  b 2
 M, ( M  mínimo)
i 1

Con base en esto, la condición para que sea un mínimo es

M M
0 y 0
m b
Como consecuencia de dicha condición, se tiene un sistema de dos ecuaciones con
dos incógnitas (m y b) que al resolverlo se obtiene que los valores de m y de b, con
su respectiva incertidumbre, son

n n n
n xi yi   xi y i
m i 1 i 1 i 1
2
n
 n

n xi    xi 
2

i 1  i 1 
n
n  yi  mxi  b 
2

Sm  i 1
 n 2  n  
2

n  2 n xi    xi  
 i 1  i 1  
 n n n n

i
x 2
 y x x y
i i i i
b i 1 i 1 i 1 i 1
2
n
 n

n xi    xi 
2

i 1  i 1 

 n 2  n 2
 xi    yi  mxi  b  
Sb   i 1   i 1 
 n 2  n 2 
n  2 n xi    xi  
 i 1  i 1  
Recuérdese que n es el número de parejas de datos experimentales.
Coeficiente de correlación r:

Es un número que está entre -1 y 1 e indica qué tan adecuado es el ajuste

de la curva al conjunto de datos experimentales (cuánto más cercano sea r
a 1 ó -1, el ajuste será mejor).
 Ejemplo usando calculadora Casio fx-991W

La ecuación es y = A + Bx; A: ordenada al origen, B: pendiente.

Presión atmosférica vs temperatura

Temperatura (°C): Presión atmosférica (hPa):
10 1003
15 1005
20 1010
25 1011
30 1014

1. Ingresar el modo REG (regresión lineal):

MODE MODE 2 1

SHIFT Scl =
(Borrado de memoria)
2. Ingresar las parejas de datos:

10 , 1003 DT

15 , 1005 DT

20 , 1010 DT

25 , 1011 DT

30 , 1014 DT

(Lo que se ve en pantalla al final) 30.

3. Comandos para la obtención de parámetros:

y = 997.4 + 0.56 x
EJEMPLO: Se ha medido la
velocidad de un móvil en función Tiempo Velocidad
(s): (± 0.06 m/s)
del tiempo, y su gráfica sugiere
1.0 0.45
una relación lineal. Con base en
esto, determine la aceleración del 2.0 0.81
móvil. 3.0 0.91

2.5
4 .0 1.01

2 5 .0 1.36
Velocidad (m/s)

1.5
6 .0 1.56
1
7 .0 1.65
0.5
8 .0 1.85
0
0 2 4 6 8 10
9 .0 2.17
Tiempo (s)
 TAREA:

En la siguiente tabla se muestra la información

experimental obtenida para un móvil que se mueve con
rapidez constante.

Distancia [m] ± 0.001 m 1.212 1.454 1.542 1.562 1.742 2.042

Tiempo [s] ± 0.001 s 0.127 0.141 0.156 0.161 0.179 0.205

Calcular, en m/s, la rapidez con la que se desplaza el

móvil.

NOTA: Para la práctica 3 traer una barra de

plastilina del mismo tipo.
Se midió experimentalmente el tiempo que tarda en caer un
objeto que se libera del reposo, desde diferentes alturas,
para determinar el valor de la aceleración de la gravedad (g)
en m/s2. El modelo matemático es y = ½ gt2.

Número de medida 1 2 3 4 5 6 7
Posición y [m] 0.0 0.2 0.3 0.4 0.5 0.6 0.7
Tiempo de caída t [s] 0.000 0.206 0.244 0.286 0.330 0.350 0.380

Con base en los datos mostrados en la tabla previa,

determine el valor de la aceleración de la gravedad con su
respectiva incertidumbre.
 CÁLCULO DE LA INCERTIDUMBRE
ESTÁNDAR COMBINADA

Introducción:

Como se recordará, existen tres tipos de incertidumbre

dependiendo de la manera en que son evaluadas; éstas son:

La incertidumbre aleatoria o del tipo A (uA).

La incertidumbre sistemática o del tipo B (uB).

La incertidumbre combinada o del tipo C (uC).

 Tipos de evaluación para incertidumbre

La evaluación tipo A (aleatoria) es el método que

involucra el análisis estadístico de una serie de
observaciones.

La evaluación tipo B (sistemática) es el método que

involucra procedimientos distintos al análisis
estadístico, y que tiene en consideración los efectos
sistemáticos (errores de calibración, ajuste, etc.).

La evaluación tipo C (combinada) es el método que

considera los tipos A y B.
Cuando las cantidades de entrada están no correlacionadas, la
incertidumbre combinada se calcula mediante la expresión:

uC  u  u 2
A
2
B

Oficialmente es recomendable que se utilice la incertidumbre

estándar combinada como el parámetro adecuado para expresar
cuantitativamente la incertidumbre del resultado de una medición.
Por otra parte, con base en la ecuación previa, obsérvese que si la
incertidumbre tipo B es despreciable o cero frente a la
incertidumbre tipo A, entonces la incertidumbre combinada es igual
a la aleatoria:

uB  0  uC  u A
 Ejemplo de cálculo de la incertidumbre estándar combinada:

En las mediciones de las masas de los filtros de policarbonato, el

fabricante especifica que la incertidumbre del instrumento en la
medición de la masa es de 0.01 mg (incertidumbre tipo B). Por otro
lado, se determinó que la incertidumbre tipo A en la medición de
dichas masas es 0.004 mg. Con base en estos datos, calcúlese la
incertidumbre estándar combinada de la masa promedio de los
filtros (mp = 4.420 mg).

Solución:

uC  u A2  uB2  (0.004 mg) 2  (0.01 mg) 2  0.011 mg

m  4.420  0.011 mg