Medicin e incerteza

El proceso de medicin
La ciencia tuvo sus comienzos en el siglo XVII con los trabajos de Galileo Galilei. Este fsico italiano fue el primero en aplicar el mtodo experimental en la ciencia, de hecho podemos decir que antes de Galileo no haba ciencia en el sentido actual de la palabra.

El problema consista en que no haba verificacin experimental del conocimiento cientfico. Por ejemplo Aristteles, el gran filsofo griego, deca que si se sueltan dos cuerpos de diferente peso y a la misma altura, el ms pesado cae mas rpido y llega primero al suelo. Galileo demostr que eso era falso con solo dejar caer dos cuerpos y verificar que eso no se cumpla.

Si un conocimiento quiere ser aceptado como cientfico debe ser verificado por un experimento. Son estos ltimos los que ayudan a tener confianza sobre nuestras teoras sobre el mundo en que vivimos.

El proceso de medicin es bsicamente una comparacin entre lo que medimos y un patrn que aceptamos como referencia. Por ejemplo si queremos medir el ancho y largo de este libro usamos una regla que este graduada en un sistema de medida. Por lo general los mas usados son el sistema ingls y el sistema internacional de unidades (SI). Si esta graduada en el sistema ingls es posible que sean pulgadas y si es en el sistema internacional en metros o en mltiplos de este.

Todos los objetos y fenmenos fsicos tienen ciertas propiedades objetivas. Estas pueden ser cualitativas o cuantitativas. Las propiedades cualitativas son

Laboratorio de Fsica-UCA

aquellas que no pueden ser medidas o cuantificadas en algn sistema de medicin. Por ejemplo, el color de un cuerpo no puede ser cuantificada, ya que sta depende de nuestro sentido de la vista. Otras propiedades

cualitativas son: la textura, sabor, tamao, el olor, etc.

Las propiedades cuantitativas son aquellas que tienen asociados un valor y una unidad. Por ejemplo al decir que la masa de un cuerpo es de 1.50 kg le estamos asociando un nmero (1.50) y una unidad de medida (kg). Las propiedades cuantitativas se denominan magnitudes fsicas. Constituyen

ejemplos de magnitudes fsicas, la masa, la longitud, el tiempo, etc.

Ahora podemos precisar mas en que consiste el proceso de medicin. Lo que se mide en el laboratorio son magnitudes fsicas y medir consiste en comparar una magnitud fsica con otra de la misma naturaleza, la cual se tiene como unidad de medida. Una vez que una magnitud fsica ha tomado un valor concreto se denomina cantidad fsica. Por ejemplo si decimos que un cuerpo tiene una longitud de 2.3 m entonces la cantidad fsica es 2.3, pero aun queda otra parte importante en la medida la cual es la unidad.

La unidad es la cantidad que se toma como trmino de comparacin para medir una magnitud fsica. Para poder reproducir las unidades se necesitan definiciones precisas u objetos que la materialicen. Por ejemplo la unidad de tiempo es el segundo el cual se define en el Sistema Internacional de

Unidades como: un segundo es igual a 9.192.631.770 perodos de radiacin correspondiente a la transicin entre los dos niveles hiperfinos del estado fundamental del istopo 133 del tomo de cesio (133Cs). Diferente es el kilogramo patrn el cual no es una definicin sino un objeto que es guardado en Francia. Medicin e incerteza 2

Laboratorio de Fsica-UCA

Las medidas pueden ser de dos tipos: directa e indirecta. La medida es directa cuando se compara la propia cantidad a medir con la unidad

seleccionada. Por ejemplo si medimos el ancho de una pantalla de computadora con una regla graduada en cm entonces es una medida directa ya que estamos haciendo la comparacin directamente.

La medida es indirecta cuando se encuentra esta midiendo otras cantidades y a partir de estas mediante el clculo y el uso de ecuaciones o relaciones matemticas. Por ejemplo si queremos encontrar el volumen de una esfera, primero medimos su dimetro con el instrumento adecuado y despus calculamos el volumen con una frmula.

El error
Siempre que tomamos una medida es inevitable que esta este acompaada de un error. Esto es debido a en primer lugar a que siempre que medimos debemos interactuar con lo que medimos y de esa manera medir es lo mismo que alterar la magnitud que medimos. Por ejemplo si queremos medir la temperatura de de un cuerpo se deber poner en contacto el instrumento, como un termmetro, con el cuerpo por lo que la temperatura del termmetro afecta el valor final que observamos. En segundo lugar debemos tener en cuenta que tanto los instrumentos como la persona que mide tiene imperfecciones que afectaran la medida.

Daremos el nombre de error (E) al valor absoluto de la diferencia entre el valor verdadero (x) y el valor medido (). Como nunca podemos conocer

Medicin e incerteza

Laboratorio de Fsica-UCA

cual es el valor verdadero de la medida, el error no se puede conocer, pero si se pueden saber sus causas y tratar de minimizarlas.

Los errores asociados a las mediciones pueden dividirse en dos grandes clases: Error sistemtico. Los errores sistemticos se cometen de una misma manera cada vez que se mide, es decir, permanecen constantes a travs del proceso de medicin. Los errores sistemticos tambin son conocidos como errores corregibles. Esto es debido a que una vez detectados puede reducirse su influencia hasta hacerla casi despreciable. Un ejemplo de error sistemticos sera que el instrumento con que tomemos la medida no este calibrado y de esa manera siempre que lo utilizamos para medir se comete ese error. Al calibrarlo el error debido a esta causa desaparece. Error casual o aleatorio. Este son los errores que se producen al azar y sobre los que no tenemos ningn control. Aparecen como fluctuaciones al azar en los valores de mediciones sucesivas. Estas variaciones aleatorias se deben a pequeos errores que escapan al control del observador. Ya que de varias medidas podemos tener confiabilidad. diferentes resultados se debe ser capaz de

determinar el valor ms probable de una cantidad medida y estimar su

Las causas de error en las medidas pueden ser de varios tipos:

Ambientales. El ambiente es importante ya que tiene influencia sobre los instrumentos que utilizamos para hacer las medidas. Factores que pueden tener influencia en el funcionamiento de los aparatos de medicin pueden ser la temperatura, presin, grado de humedad, nivel de luminosidad, etc. Metodolgicas: stas ocurren cuando no se ha escogido el equipo, procedimiento o tcnicas adecuadas para realizar la medida. Medicin e incerteza 4

Laboratorio de Fsica-UCA

Instrumentales: Ocurren cuando el equipo est mal calibrado o tiene defectos graves en su construccin. Personales: sta tiene que ver ms con la persona que realiza la medicin. Por ejemplo, de cmo aprecia las divisiones menores del instrumento o forma de calibrarlo.

Dos conceptos que suelen confundirse son los de exactitud y precisin. La exactitud tiene que ver con que tan cerca del valor real se encuentra el valor medido. Mientras que la precisin se refiere al grado de dispersin de las medidas obtenidas al repetirla varias veces.

Figura

En este caso, el experimento consiste en una serie de disparos hechos a un blanco de tiro. Si tomamos el centro como el valor verdadero podemos decir que el experimento a es muy exacto ya que esta cerca del blanco y muy preciso debido a que hay poco dispersin. En el experimento b es muy preciso, pero menos exacto, mientras en c estn muy disperso (poca

Medicin e incerteza

Laboratorio de Fsica-UCA

precisin) pero dentro del blanco (mayor exactitud). Finalmente en el experimento d tiene poca exactitud y precisin.

Para aclarar ms el concepto de exactitud y precisin veamos el siguiente ejemplo. Si tenemos dos relojes uno a que mide hasta segundos y otro hasta dcimas de segundo. Ahora supongamos que el que mide hasta segundos se calibra automticamente con un reloj atmico y el que mide hasta dcimas de segundo se retrasa un segundo por da. El que mide hasta dcimas de segundo es ms preciso que el que mide hasta segundos, pero como se atrasa es menos exacto que el otro. Lo ideal es tener un aparato que sea lo ms preciso y exacto posible.

Tambin hay que mencionar que la precisin esta ms relacionada con los errores casuales o aleatorios, ya que entre menos errores de estos ltimos tengamos ms precisa es la medicin. Por otro lado la exactitud esta ms relacionada con el error sistemtico, como vimos en el ejemplo del reloj.

Formas de expresar una medida

Orden de magnitud Cuando solo queremos dar una idea del orden en el que anda la medida se hace utilizando el orden de magnitud. El orden de magnitud se expresa en potencias de 10. Para encontrar el orden de magnitud se sigue el siguiente criterio: Todo numero entre 100=1 y 101/2=3.162277... estar ms cerca de 100 y aquellos que se encuentren entre 101/2 y 101 estar ms cerca de 10. Por ejemplo la distancia a la estrella ms prxima al sistema solar esta a 4.12 x 1014 km. Esta estrella se llama Prxima Centauri y es una enana roja. Cul es en orden de magnitud la distancia al sistema solar? Ya que 4.12 es mayor que 101/2 entonces el orden de magnitud es 10x1014=1015 km. Medicin e incerteza 6

Laboratorio de Fsica-UCA

Cifras significativas

Supongamos que queremos medir la longitud de un objeto. Para esto contamos con dos reglas diferentes graduadas una en centmetros y la otra hasta los milmetros como se muestra en la figura.

Figura Con la regla A estamos seguros que esta entre 2 y 3 cm. Como tiene mas divisiones tambin sabemos que esta entre 7 y 8 mm. Ahora dentro de esta divisin podemos estimar que la siguiente cifra puede ser 8 o 9, por lo que la medida puede ser 2.78 cm o 2.79 cm siendo ambas igual de vlidas.

Con la regla B slo estamos seguros que la medida esta en el rango de 2 a 3 cm, pero el siguiente valor lo tenemos que estimar. Podramos decir que el valores estimados pueden ser 7, 8 o quiz hasta 9. Por lo que la medida sera 2.7, 2.8 o 2.9 siendo las tres igual de vlidas.

Medicin e incerteza

Laboratorio de Fsica-UCA

Entonces el nmero de cifras que tiene una medida esta formada por las que estamos seguros mas la primera estimada. Estas reciben el nombre de cifras significativas y cualquier medida debe estar expresada con ellas.

Norma

Ejemplo

Cifras significativa cuatro

Son significativos todos los dgitos distintos 9345 de cero Los ceros situados entre dos cifras 207

tres

significativas son significativos Los ceros a la izquierda de la primera cifra 0.0064 significativa no lo son Para nmeros mayores que 1, los ceros a la 4.2700 derecha de la coma son significativos. Para evitar la ambigedad en mediciones 2500 terminadas en varios ceros se debe usar como notacin cientfica expresando la medida con 2.5 x103 sus cifras significativas. dos cinco dos

As el nmero de cifras significativas va ha estar determinada por la precisin del aparato que utilicemos. Cuando una medida esta expresada en notacin cientfica la potencia de 10 no se toma en cuenta para el nmero de cifras significativas. Al operar cifras significativas se debe tener en cuenta las siguientes reglas: Cuando se suman o restan nmeros, el nmero de decimales que resultan de la operacin debe ser igual al nmero ms pequeo de cifras decimales de cualquier trmino de la suma. Cuando se multiplican o dividen varias cantidades, el resultado debe tener el mismo nmero de cifras significativas que la cantidad que tenga el menor nmero de estas. Medicin e incerteza 8

Laboratorio de Fsica-UCA

Hay que tener cuidado con las restas, pues con estas pueden ocurrir prdidas de cifras significativas. Por ejemplo 5.783-5.779 = 0.004. En este caso cada una de las cantidades tena 4 cifras significativas y al final solo tenemos una. Por lo que para evitar la prdida es necesario hacer primero las restas y despus las sumas. Esto por ejemplo cuando se usan calculadoras o computadoras.

Si tenemos que hacer la suma 12.45+5.764+24.5 al realizarla sin tener en cuenta las cifras significativas se tiene el resultado 42.714, pero segn la regla 1 la suma debe escribirse 42.7 ya que la medida con menos decimales es de uno. Ahora si hay que hacer la multiplicacin (23.78)(2.6) el resultado normalmente da 61.828, pero atendiendo a la regla 2 el resultado debe escribirse con solo dos cifras significativas. Por lo que tenemos que (23.78)(2.6)=62, esto es teniendo tambin en cuenta las reglas de redondeo que veremos a continuacin. Si la cifra que se omite es menor que 5, se elimina sin ms. Si la cifra eliminada es mayor que 5, se aumenta en una unidad la ltima cifra retenida. Si la cifra eliminada es 5, se toma como ltima cifra el nmero par ms prximo; es decir, si la cifra retenida es par se deja, y si es impar se toma la cifra superior.

Cantidades a redondear

Cifras

a Cantidad redondeada

redondear 5.638 24.8324 6.435 7.5965 Medicin e incerteza 3 5 3 4 5.64 24.832 3.44 4.596 9

Laboratorio de Fsica-UCA

La incerteza

Supongamos que a un grupo de estudiantes de fsica se les pide medir el dimetro de de una esfera. Utilizando un instrumento graduado en cm obtuvieron los siguientes resultados:

Figura

Estudiante de fsica 1 2 3 4 5 6

Medida dimetro cm 14.4 14.5 14.4 14.3 14.6 14.5

Con esto podemos observar que el valor de la medida es diferente para cada estudiante. Esto es debido a la presencia del error al tomarla. Como Medicin e incerteza 10

Laboratorio de Fsica-UCA

habamos dicho anteriormente el valor verdadero nunca lo podremos conocer, pero sin embargo se puede tener una idea del intervalo en que se encuentra el este valor de la medida.

Evaluacin tipo A
La incertidumbre de una magnitud fsica medida varias veces se determina generalmente midiendo la dispersin de los resultados individuales.

Si hacemos n mediciones de la magnitud X y estas son independientes unas de otras se tendran los resultados x1 , x 2 , x3 ,..., x n el mejor valor para X se encuentra mediante el promedio de los resultados:

x=

1 n xi n i =1

Para determinar la dispersin de los datos alrededor del mejor valor se encuentra la desviacin estndar experimental dada por:

x =

1 n ( x x i )2 n 1 i =1

As para el caso de la medida de la esfera se tiene que el mejor valor es

x = 14.5 cm y la incerteza x = 0.1 cm por lo que la medida queda expresada

como:

X = (14.5 0.1) cm

Medicin e incerteza

11

Laboratorio de Fsica-UCA

Hay que notar que los datos en bruto dan como resultado:

X = (14.45 0.10488) cm
Pero el resultado final debe tener el mismo nmero de cifras significativas de las medidas y la incerteza no puede superar el orden del ltimo decimal significativo. As no podramos aceptar una medida como (14.45 1.15) cm por poner un ejemplo.

Evaluacin tipo B
Para obtener la incerteza para este tipo se recurre a fuentes externas a la medida propiamente dicha. Entre estas fuentes se pueden tener:

Manual del instrumento de medicin certificados de calibracin Valores medidos del sistema fsico en estudio como investigaciones anteriores o normas establecidas. Para nuestro caso la fuente principal de informacin externa es el manual del instrumento de medicin. En la mayora de casos sera el de instrumentacin elctrica como tester, balanza digitales, etc.

Incerteza absoluta y relativa Al expresar una medida como X x al x se le da el nombre de incerteza absoluta. Esta no nos da una idea muy clara sobre la calidad de la medida ya que si tenemos que al medir dos distancias se tiene que una es de (100 3) m y la otra de (20 3) m la calidad de la medida es diferente en ambos

Medicin e incerteza

12

Laboratorio de Fsica-UCA

casos. Ya que tener una incerteza en 100 m no es lo mismo que tenerlo en 20 m.

Para tener una mejor idea de la calidad de la medida vamos a definir la incerteza relativa unitaria de X x como:

X x
Y la incerteza relativa porcentual como

X 100 x
As por ejemplo si tenemos que al medir un tiempo se tiene t = (15.8 0.6 ) s Entonces: 15.8 es el mejor valor 8 es la cifra dudosa 0.6 es la incerteza absoluta 0.0379 la incerteza relativa unitaria 3.19 % la incerteza relativa porcentual

Propagacin de incertezas Si la magnitud fsica que deseamos medir debe hacerse indirectamente a traves de otras magnitudes, de la cuales conocemos su incerteza, entonces Cmo calcular la incerteza de esta magnitud fsica?

Para responder a nuestra pregunta vamos a suponer que la magnitud fsica M de la que deseamos encontrar la incerteza es funcin de otras variables

Medicin e incerteza

13

Laboratorio de Fsica-UCA

x1 , x 2 , x3 , x 4 ,... de las que son conocidas sus incertezas respectivas

x1 , x 2 , x3 , x 4 ,.... luego la incerteza de M (x1, x 2 ,...) esta dada por:

M M M M = x x1 + x x 2 + x x3 + ... 1 2 3
Que es la llamada regla de propagacin de incertezas de Gauss.

Haciendo aproximaciones a la primera potencia con el teorema de Taylor se puede tener de forma rpida la incerteza por:

M =

M M M x1 + x 2 + x 2 + ... x1 x 2 x 2

Donde el operador

es el de derivada parcial y el cual a estas alturas no xi

se ha tratado todava en alguno de sus curso. Para efectos prcticos solo nos interesa su uso y no la comprensin de su significado.

Supongamos que tenemos una funcin dada por

f ( x, y , z ) = x + y 2 z 4 y

vamos a derivar parcialmente respecto de cada una de las variables.

f = 1 se derivo con respecto a x y se tomaron como constantes z e y x f = 2 yz 4 se derivo con respecto a y y se tomaron como constantes z e y
x Medicin e incerteza 14

Laboratorio de Fsica-UCA

f = 4 y 2 z 4 se derivo con respecto a z y se tomaron como constantes y e x

x Ahora si lo que se quiere es estimar las incertezas de una manera bastante burda y general se pueden utilizar las siguientes expresiones.

Suma y resta: Al sumar o restar dos magnitudes, las incertezas absolutas se suman.

X = A B

X = A + B

Multiplicacin y divisin: La incerteza relativa de un producto o de un cociente es la suma de la incerteza relativa de las cantidades.

X = AB o X =

A B

X A B = + X A B

Potencia y radicacin: La incerteza relativa de una potencia n es n veces la incerteza relativa de la magnitud.

X = An

X A =n X A

Medicin e incerteza

15

Laboratorio de Fsica-UCA

Mtodos cualitativos de anlisis grfico

Diseo de grficos
Para hacer un estudio sobre la relacin entre las variables de estudio a menudo es importante representar estos por medio de grficos que nos ayuden a tener una idea general sobre el comportamiento de estas.

Para los casos que se van a necesitar en el laboratorio las graficas se limitan a la de representar relaciones entre dos variables. En general vamos a suponer que despus de la toma de datos estos han sido ordenados en una tabla de tabulacin como la siguiente:

x x1 x2 x3 x4 xn

y y1 y2 y3 y4 yn

En donde la primera columna es la variable independiente x y la segunda columna la variable dependiente y.

Lo que se busca siempre es encontrar una relacin funcional entre ambas variables. La cual posiblemente no se puede ver a simple vista en una tabla por lo que se hace necesario otro tipo de representacin. Mtodos cualitativos de anlisis grfico 16

Laboratorio de Fsica-UCA

Para hacer un buen grfico deben tenerse en cuenta las siguientes recomendaciones:

Escoger la escala adecuada para que los diferentes datos puedan apreciarse, teniendo el cuidado de poner los rtulos respectivos en la escala. Graficar en el eje horizontal la variable independiente y en el eje vertical la variable dependiente. Teniendo el cuidado de rotular respectivamente cada uno de los ejes, indicando las unidades utilizadas para medir las magnitudes fsicas. Los datos deben ser ubicados con smbolos especiales como cuadros, crculos o rombos y de ser posible acompaado de las barras de incerteza. Incluir al pie del grfico un texto donde se describa brevemente lo que esta representado en este o alguna informacin adicional que se considere necesaria. Se pueden utilizar carteles interiores para especificar alguna condicin especial o alguna informacin complementaria. Si se comparan los datos experimentales con algn modelo terico en el mismo grfico deben quedar totalmente diferenciado o identificados.

Un grfico bien hecho es el que presenta en la siguiente figura:

Mtodos cualitativos de anlisis grfico

17

Laboratorio de Fsica-UCA

Escala lineal y logartmica

La escala que se utiliza normalmente para hacer los grficos es la escala lineal en la cual una vez definido el valor de una divisin en la escala esta crece de manera uniforme. Un ejemplo seria el mostrado en la siguiente figura.

Figura Ejemplos de escala lineal en las que las distancias entre cada divisin permanece constante.

Mtodos cualitativos de anlisis grfico

18

Laboratorio de Fsica-UCA

Un problema que puede presentar esta escala es que si los datos que se quieren graficar tienen una diferencia considerable entre ellos el grfico no se apreciara lo suficientemente bien. Por ejemplo el caso mostrado en la siguiente figura.

Figura .Funcin en la que hay una diferencia considerable entre los puntos a graficar.

Como puede observarse los datos menores que dos estn muy cerca al eje x y esto puede ser un impedimento para observar esta parte de los datos.

Para resolver este inconveniente existe una escala que hace justicia tanto a los datos pequeos como a los grandes. Esta escala es la logartmica.

Para construir esta escala calculamos los logaritmos de 1, 2 ,3, 10, 20, 30 ,,100, 200, 300, y representamos los logaritmos en papel milimetrado normal y ya esta lista nuestra escala logartmica. Por suerte existe software que nos permite hacer hojas de papel logartmico sin necesidad de hacer ningn clculo. Mtodos cualitativos de anlisis grfico 19

Laboratorio de Fsica-UCA

Figura . Funcin exponencial representada es escala logartmica

Para dibujar en la escala logartmica debemos tener en cuenta que esta vara en potencias de 10 o de la base del logaritmo que hubiramos escogido. Como podemos apreciar en la siguiente figura el espacio entre cada divisin no se mantiene constante como es el caso de la escala lineal.

Figura Escala logartmica donde se representan las diferentes divisiones.

Para ejemplificarlo suponga que tenemos que ubicamos los siguientes valores: 11, 32, 93, 270, 460. Aunque cada divisin se puede dividir en mltiplos de 10, stos, a su vez, se pueden dividir en diez partes y as sucesivamente. La grafica quedara as:

Mtodos cualitativos de anlisis grfico

20

Laboratorio de Fsica-UCA

Figura . Ubicacin de diferentes valores en escala logartmica para valores grandes.

Ahora, si los valores son pequeos como: 0.011, 0.032, 0.093, 0.270, 0.460 entonces se tiene:

Figura . Ubicacin de diferentes valores en escala logartmica para valores pequeos. Puede suceder que slo sea necesario aplicar la escala logartmica en un eje, en este caso se tiene que hacer en papel semilogaritmico. Este consiste en que un eje esta en escala logartmica y el otro en escala lineal.

Otro mtodo es utilizar un programa de computadora especializado o tambin una hoja de clculo. Por ejemplo, en Excel, al graficar datos y ponerse sobre un eje y darle clic derecho, aparece un men contextual. Luego hacer clic sobre Formato de ejes y seleccionamos la pestaa Escala. Basta marcar sobre Escala logartmica, para que cambie de la escala normal a la logartmica.

Mtodos cualitativos de anlisis grfico

21

Laboratorio de Fsica-UCA

Mtodos cuantativos de anlisis grfico

Relacin lineal: mtodo de mnimos cuadrados
Una vez hecha la toma de datos es indispensable investigar que tipo de comportamiento siguen las variables entre ellas. Una de las relaciones ms comunes entre estas es la de tipo lineal, la cual sigue la ecuacin:

Y = aX + b

Donde a es la pendiente de la recta y b el intercepto con el ejes de las ordenadas.

Al hacer la toma de datos, estos aunque se comporten de manera lineal se desviaran siempre de la lnea recta perfecta. Esto es debido a que al momento de tomar los datos siempre aparece el error. Por lo que los datos slo se van aproximar a una lnea recta.

Sera deseable tener un mtodo mediante el cual encontrramos la lnea recta a la que mejor se ajustan los datos obtenidos en nuestro experimento. El mtodo que se utiliza es el llamado mtodo de mnimos cuadrados. ste consiste en utilizar unas frmulas que se deducen del clculo diferencial que para nuestros propsitos solo nos interesa aplicar.

Como sabemos, para determinar la ecuacin de una recta slo necesitamos la pendiente y el valor del intercepto. Supongamos que nuestros resultados experimentales son los siguientes:

Mtodos cuantativos de anlisis grfico

22

Laboratorio de Fsica-UCA

x x1 x2 x3 x4 x5 x6... xn

y y1 y2 y3 y4 y5 y6... yn

La pendiente(a) y el intercepto (b) se encuentra por:

n n n n xi y i xi y i i =1 i =1 a = i =1 2 n 2 n n xi xi i =1 i =1

n n n n y i xi2 xi xi y i b = i =1 i =1 i =1 2i =1 n n n xi2 xi i =1 i =1

Donde n es el numero de datos y

representa la sumatoria.

Puede resultar que, en realidad, los datos no se ajusten a una lnea recta, sino a otra curva, sin embargo el mtodo hace su trabajo sin importarle esto ltimo. En ese caso, necesitamos un criterio para determinar qu tan bien se ajustan los datos a una recta. Para eso existe el llamado coeficiente de correlacin lineal el que se calcula por:

Mtodos cuantativos de anlisis grfico

23

Laboratorio de Fsica-UCA

r=

n n n n xi y i xi y i i =1 i =1 i =1
2 n 2 n 2 n 2 n n xi xi n y i y i i =1 i =1 i =1 i =1

Este nmero est entre 1 y 1 y nos dice qu tanto se ajustan los datos a una lnea recta. Entre ms cerca este r2 de 1, mejor se ajustan los datos y entre ms alejado se encuentre la correlacin disminuye. Si se ha tomado mas de diez datos y r es mayor que 0.80, entonces se puede aceptar una relacin de tipo lineal, con una probabilidad de acierto menor al 0.5%.

Hay que aclarar que el criterio que utilicemos debe cumplir los estndares de la comunidad internacional de cientficos, de lo contrario se podra rechazar nuestro trabajo de investigacin.

En la tabla de la siguiente pgina se muestran los porcentajes de probabilidad de que dos variables no estn en relacin lineal, para un r dado y una cantidad n de mediciones (pares ordenados).

Por ejemplo, para 7 pares ordenados de datos y con una r>0.9, segn la tabla, tiene una probabilidad de 0.6% de no ser lineal. Por lo que se podra aceptar con un 99.4% de confianza que la relacin entre las variables es de tipo lineal.

Mtodos cuantativos de anlisis grfico

24

Laboratorio de Fsica-UCA

n 3 4 5 6 7 8 9

ro 0 0,1 0,2 0,3 0,4 0,5 0,6 59 40 28 21 15 12 8,8 6,7 5,1 3,9 3,0 2,3 1,8 1,4 1,1 0,8 0,7 0,5 0,2 0,7 51 30 19 12 8,0 5,3 3,6 2,4 1,6 1,1 0,8 0,5 0,4 0,3 0,2 0,1 0,1 0,1 0,8 41 20 10 5,6 3,1 1,7 1,0 0,5 0,3 0,2 0,1 0,1 0,9 29 10 3,7 1,4 0,6 0,2 0,1 <0,05 <0,05 <0,05 <0,05 <0,05

100 94 87 81 74 67 100 90 80 70 60 50 100 87 75 62 50 39 100 85 70 56 43 31 100 83 67 51 37 25 100 81 63 47 33 21 100 80 61 43 29 17

10 100 78 58 40 25 14 11 100 77 56 37 22 12 12 100 76 53 34 20 9,8 13 100 75 51 32 18 8,2 14 100 73 49 30 16 6,9 15 100 72 47 28 14 5,8 16 100 71 46 26 12 4,9 17 100 70 44 24 11 4,1 18 100 69 43 23 10 3,5 19 100 68 41 21 9,0 2,9 20 100 67 40 20 8,1 2,5 25 100 63 34 15 4,8 1,1 30 100 60 29 11 2,9 0,5
Mtodos cuantativos de anlisis grfico

<0,05 <0,05 <0,05 <0,05 <0,05 <0,05 <0,05 <0,05 <0,05 <0,05 <0,05 <0,05

<0,05 <0,05 <0,05

<0,05 <0,05 <0,05 <0,05

25

Laboratorio de Fsica-UCA

35 100 57 25 8,0 1,7 0,2 40 100 54 22 6,0 1,1 0,1

<0,05 <0,05 <0,05 <0,05 <0,05 <0,05 <0,05 <0,05

45 100 51 19 4,5 0,6 <0,05 <0,05 <0,05 <0,05 <0,05

Para calcular la incerteza tanto de la pendiente como del intercepto encontrado por este mtodo se pueden utiliza las expresiones:

=
a =

(y
i =1

axi b )

(n 2)
n n n x xi i =1 i =1
n 2 i 2

b =

(a )2

x
i =1

2 i

La pendiente de la recta ser entonces a a y la ordenada en el origen

b b .

Relacin potencial: mtodo de logaritmos

En Principio, vamos a suponer que la relacin entre las variables que estamos estudiando es de la forma y = ax c . As podemos formar pares ordenados con los datos que se tienen en nuestra tabla de tabulacin. Para dos pares ordenados consecutivos cualquiera, se tiene (xi , y i ) y ( xi + 1, y i + 1 ) los cuales ambos deben cumplir con la ecuacin:

Mtodos cuantativos de anlisis grfico

26

Laboratorio de Fsica-UCA

y i = axic

y i +1 = axic+1
Dividiendo una ecuacin entre la otra se tiene que:

xi yi = y i +1 x i +1

Al aplicar logaritmos y despejar c se encuentra

yi log y i +1 c= xi log x i +1
Este sera el valor de c para la primera pareja de pares ordenados. Se procede a combinar todos los pares ordenados consecutivos y se obtendr c1,c2,c3,...cn-1 donde n es el numero de pares ordenados. Para tener un solo valor de c, se encuentra el promedio de estas con lo que tendramos una c
-

promedio que la representaremos por c .

Con c calculada, se puede determinar el valor de a mediante la ecuacin

ai =
_

xi2 yi

Luego tambin se calcula la a promedio. Por lo que la ecuacin a la que se ajusta los datos sera: Mtodos cuantativos de anlisis grfico 27

Laboratorio de Fsica-UCA

y =ax

Hay que aclarar que aunque aqu suponamos que los pares de datos eran consecutivos, esto no es necesario y se pueden forman parejas entre cualesquiera pares de estos. Para finalizar hay que decir que este mtodo, aunque da resultados bastante buenos nos que dara el problema de las incertezas.

Para solucionar el problema de las incertezas y lo del grado de confianza en nuestros resultados podemos aplicar a la ecuacin y = ax c logaritmos directamente.

log( y ) = log(ax c )
log( y ) = c(log x ) + log(a )
Con lo que se ha obtenido una ecuacin de la forma Y = mX + b que es la de una lnea recta. Por lo que podemos utilizar el mtodo de mnimos cuadrados y se tendra que la pendiente sera el exponente buscado y el intercepto el logaritmo del coeficiente a y sus incertezas estaran dadas por:

c =

c2 1 2 1 ( n 2) r

a = 2 (c )

(log x )2

Mtodos cuantativos de anlisis grfico

28

Laboratorio de Fsica-UCA

Donde r es el coeficiente de correlacin lineal y promedio de (log x ) .

2

(log x )2

es el valor

Otra opcin, solo para verificar los resultados anteriores, es la de graficar los datos en papel logaritmo y encontrar la pendiente y el intercepto directamente. Solo se debe tener el cuidado de que tanto la escala horizontal como la vertical sean iguales.

Mtodos cuantativos de anlisis grfico

29