Professional Documents
Culture Documents
on al Laboratorio de Optica:
Manejo de
Datos y Errores Experimentales
Antonio Alfonso Rodrguez Rosales y Omar Rodrguez Nu
nez.
Facultad de Ciencias, Universidad Nacional Autonoma de Mexico, Ciudad Universitaria,
Coyoacan, 04510, Mexico, D.F., 2015-2. omarquez300788@hotmail.com y
antonio.rodriguez@ciencias.unam.mx
Resumen
3.
de Optica
de la facultad de Ciencias de la U.N.A.M.,
se hace una revisi
on del concepto de Metodo Cientfico y la Estadstica Descriptiva asociada al manejo de
datos y errores experimentales para su aplicacion en
las diferentes pr
acticas consideradas en el semestre.
1.
Objetivos
En esta sesi
on se revisaran los diferentes temas inherentes al manejo de los datos que se tomen de los
diferentes experimentos, con el fin de cubrir los siguientes temas:
Metodo cientfico
Errores experimentales e incertidumbre.
Hip
otesis sugerida: Con la informacion previa
obtenida, se buscan respuestas a los planteamientos
elaborados y, con la intuicion propia del investigador
instrumenta conjeturas o suposiciones para la explicacion del fenomeno. A estas conjeturas es lo que se
conoce como hipotesis y son importantes debido a
que plantea el camino mas adecuado a seguir.
Calculo de errores.
Descripci
on del manejo de errores estadsticos.
2.
M
etodo Cientfico
Introducci
on
Verificaci
on de la hip
otesis. Para poder verificar la hipotesis usualmente se sigue lo siguiente:
Observacion del Fenomeno: Lo primero es observar nuevamente el fenomeno y con ello plantear los
1
4.
Identificaci
on de las Variables: Una vez observado el fen
omeno, debe hacerse una identificacion
y clasificacion de las variables presentes en la investigacion o experimento considerado (longitud, masa,
tiempo).
Criterio: La descripci
on deber
a de ser sencilla y elegante, considerando s
olo las variables mas
importantes, pues de lo contrario, la explicacion sera
sumamente complicada y difcil de entender por los
demas.
Elaboraci
on de un plan de trabajo: Es importante contar con un plan de trabajo, que permita dimensionar y cuantificar el tiempo y costo de recursos
nuevos o existentes.
4.1.
Mediciones directas.
100D
%D =
(1)
A partir de la relaci
on anterior se establecen los
criterios para determinar el n
umero de mediciones,
es decir:
< 2 % basta con las tres medidas.
[2 % y 8 %) se toman 6 medidas.
[8 % y 15 %) se toman 15 medidas.
15 % se toman 50 medidas (mnimo), por lo general
en estos casos se repite el experimento cuidando
en gran medida las condiciones experimentales y
la sensibilidad del equipo.
Los errores accidentales se compensan haciendo
varias medidas.
4.2.
(si el error es por exceso). La repeticion de medidas con el mismo aparato no elimina los errores sistematicos. Por esta razon, estos errores
son potencialmente mas peligrosos que los errores aleatorios.
Muestras no representativas: Sin importar lo
cuidadoso que se sea en las mediciones, si la
muestra en el analisis no es representativa, se
estaran desperdiciando esfuerzos.
Fluctuaciones estadsticas, a
un cuando se hayan
excluido las desviaciones, la muestra en estudio esta a
un sujeta a fluctuaciones estadsticas
derivadas de la combinacion de desviaciones en
los errores (suma, resta , multiplicacion y division) para diferentes variables
Perturbaciones debida a la interaccion del observador con la muestra.
En el Laboratorio de Optica
de la Facultad de
Ciencias, se cuenta con diferentes instrumentos
de medicion, mismos que se utilizan a lo largo de
las diferentes practicas. Por lo que es importante
tener una perspectiva general de los diferentes
elementos con que cuenta el laboratorio as como
Errores aleatorios. Este error tambien es in- del adecuado entendimiento de los parametros
evitable y, es debidos a causas desconocidas (cor- de medicion de estos. El trabajo de medicion en el
rientes de aire, temperatura, campos magneticos, laboratorio, emplea una serie de terminos tales como:
etc.), sin embargo la toma de lecturas repetidas
se dispersan alrededor del valor real.
Errores debidos a la precisi
on de los aparatos.
Este error es inevitable pues se asocia a la lectura de la ultima cifra significativa que esta relacionada a la mnima divisi
on de la escala en que
estan graduados.
Errores humanos. Estos usualmente se cometen Instrumento Un instrumento se puede definir copor descuido en una mala lectura en la escala, somo un dispositivo para determinar el valor o la
bre todo cuando fluct
uan las lecturas en el aparamagnitud de una cantidad variable
to. Las repeticiones en la toma de la lectura de
Patrones Unidades estandar, utilizadas como refla misma medici
on a menudo lo revelan.
erencias de calibracion en los instrumentos, las
Errores sistem
aticos. Son inherentes al modo en
mismas se sustentan en acuerdos internacionales.
que se ha realizado la calibraci
on de un aparato
de medida. Un error de este tipo siempre afec- Exactitud Aproximacion con la cual la lectura de
tara a la medida en el mismo sentido, dando
un instrumento se acerca al valor real de la variable medida (si se esta relativamente libre de ersiempre un resultado demasiado peque
no (si el
rores sistematicos).
error es por defecto) o bien demasiado grande
Precisi
on Medida de la reproductibilidad de las
mediciones; esto es, dado el valor fijo de una variable, la precisi
on es una medida del grado con el
cual las mediciones sucesivas difieren una de otra
(si el error aleatorio es peque
no).
Sensibilidad Relaci
on de la se
nal de salida o respuesta del instrumento respecto al cambio de
la entrada o variable medida.
Resoluci
on Cambio m
as peque
no en el valor medido al cual responde el instrumento.
Error Desviaci
on a partir del valor real de la variable medida.
4.3.
En el proceso de realizar mediciones en los experimentos, se obtiene una serie de datos cuyos valores
que como ya se vio, dependen de una serie de errores
asociados al experimentador (aleatorios) y al instrumento (s) (sistem
aticos) [2, 3, 4]. Al realizar nveces
las mediciones, se obtiene una gr
afica similar a la de
la figura siguiente: La distribuci
on est
a dada por una
4.4.
Valor promedio
itm
etica o Media)
(Media
ar-
N
1 X
xi
N i=1
4.5.
Mediana
4.6.
Figura 1: Distribuci
on de datos experimentales
funcion probabilstica:
P (x, , ) =
x
1
e 22 ;
2
Precisi
on
Dado que es necesario ponderar que tan significativos son los errores aleatorios, necesitamos mediarlo
y para ello se utiliza la desviacion estandar, varianza,
desviacion estandar relativa, coeficiente de variacion,
etc.
La desviacion estandar se define como:
v
u
N
u1 X
=t
(xi )2
N i=1
La varianza simplemente es ( 2 ) La desviaci
on
est
andar relativa (Relative Standard Deviation
RSD) proporciona m
as informaci
on que la desviacion
estandar, pues permite comparar variaciones entre
grupos de datos y se calcula al dividir la por la
mediana de la misma, es decir:
DER =
Figura 3: fig
4.7.
Dispersi
on de las medidas
i6=j
z = f = f (x) f (x x+ )
Una estimaci
on de la desviaci
on est
andar que nos va
z + = f + = f (x x) f (x)
a dar una estimaci
on de la variaci
on en cada una de
las mediciones.
+
Con lo anterior se obtienen las mediciones con su Si se define a f como el mayor de f yff ,
la incertidumbre asociada sera z = f = x x.
desviacion est
andar, esto es:
Si suponemos que f (= z) y x(= x) son
0
peque
nos, aproximamos el cociente por el valor de
x1 10 , x2 20 , x3 30 , . . . , xN N
la derivada, esto es: z = df
dx x
4.8.
Combinaci
on de errores
0 z =
N
X
1
(zi 0 z )2
N 1 i=1
N
X
1
(xi 0 x )2
N 1 i=1
2
df
2
= 0 x
dx
=
df
dx
2
2
0 x1
f
x1
2
2
0 x3
+
2
0 x2
f
x3
f
x2
2
2
+ ... +
+
2
0 xn
f
xn
2
Ejemplos:
0 z
xy
p
( 0 x )2 + ( 0 y )2
xy
p
y 2 ( 0 x )2 + x2 ( 0 y )2
x
y
5.
( 0 x )2
y2
5.1.
Estimaciones de intervalos de
confianza
x2 ( 0 y )2
y4
An
alisis estadstico de datos
5.2.
Rechazo o aceptaci
on de medidas
Referencias
[1] The Open University. El Manejo de Datos Experimentales. Mc Graw Hill, 1974.
[2] G. L. Squire. Fsica Pr
actica. Mc Graw Hill, 1972.
[3] D. C. Baird. An Introduction to Measurement
Theory and Experiment Design. Prentice Hall,
New Jersey, 1962.
6.
7.
Conclusiones
LATEX
AMS-LATEX