Introducci

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.

Como parte introductoria al curso del Laboratorio

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.

La Fsica es la ciencia universal de la explicacion

y reunion del conocimiento de los fenomenos de la
naturaleza, estableciendo relaciones entre los hechos
y enunciando leyes. Francis Bacon y Galileo Galilei
establecieron las bases del metodo cientfico que hoy
en da se utiliza en las diferentes ramas de la Ciencia,
este metodo consiste de lo siguiente:

1.

Planteamiento del fen

omeno: Este se basa en
la inquietud del investigador al observar el fenomeno
de su interes, discerniendo con las experiencias y/o
los conocimientos actualmente existentes del mismo.

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:

Establecimiento de argumento: Con base a la

informacion recopilada del fenomeno, el investigador
la completa, ordena y sustenta con un trabajo de investigacion bibliografico, con la secuencia siguiente:

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

Para el curso del Laboratorio de Optica,

se hace
necesario repasar temas como el del Metodo Cientfico y la Estadstica Descriptiva involucrados en el
planteamiento y desarrollo de las diferentes practicas
experimentales.

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

CCADETUNAM Semestre 2015-2

factores que influyen en este, a estos se les conoce como variables.

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).

El investigador debe trabajar con datos que sean

confiables, por lo que al realizar cualquier medicion
para obtener un valor en un experimento, se corre el
riesgo de obtener datos erroneos (defectuosos) debido
a que en el proceso intervienen una serie de factores
que alteran o modifican este valor. Uno de esos factores se atribuye a los instrumentos y metodos de
medicion, . De ah que se tengan limitaciones en la
exactitud de los datos que se obtengan y que derivan
de los diferentes tipos de errores que se cometan, tales
como [1]:

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, errores experimentales e incertidumbre

Mediciones directas.

Medida directa es aquella que se realiza utilizando

alg
un instrumento para medir una magnitud, tal es
el caso de las cintas metricas, multmetros, calormetDesarrollo experimental: Para asociar la depen- ros, etc. En el laboratorio usualmente al tomar medidencia entre las diferentes variables involucradas es das, surge la pregunta, si al repetir varias mediciones
necesario realizar mediciones, de ah que es necesario y obtenemos siempre el mismo valor, significa que es
plantear y realizar el montaje de los diferentes instru- una buena medida?, la respuesta radica en la sensibilmentos de medici
on en el experimento que reproduz- idad del instrumento, pongamos el caso de que medica el fenomeno observado.
mos una mesa de 100 cm de longitud y utilizamos una
cinta cuya escala solo este graduada cm, diremos que
Resultados obtenidos: Con las mediciones el resultado es de 100 1cm. De ah que toda exprenada
obtenidas se procesan estas mediante metodos es- sion de una medida siempre debe estar acompa
tadsticos de datos y errores experimentales y, se hace de su imprecision. Otra gran pregunta que surge entre los estudiantes de los laboratorios es cual debe
un analisis o discusi
on de los resultados obtenidos.
ser el n
umero de medidas que hay que realizar para
reflejar
una medida exacta?; si tomo una no me dice
Conclusiones: Con base a lo anteriormente pregran
cosa,
dos surge la duda de tomar la mayor o la
sentado, el investigador estar
a en condiciones de
menor,
sin
embargo con tres ya puedo medir la mepresentar sus conclusiones, mismas que estan reladia
aritm
e
tica
y determinar la dispersion de las mecionadas con la(s) hip
otesis inicial(es) y, si es factible,
didas.
Como
valor
verdadero de la magnitud medida
establecer la ley que rige el fen
omeno.
tomamos la media aritmetica de las tres y hallamos
la dispersion (que para este peque
no ejercicio denomLo bello de la Ciencia es que no tiene una estrucinaremos D) de esas medidas.
tura rgida sino flexible a nuevos cambios e ideas, por
Para hallar la dispersion (D) de las medidas restalo que el metodo cientfico se puede amoldar a las
mos la menor de ellas de la mayor y obtenemos el
necesidades de cada investigador.
valor D(ver mas adelante). Hallamos el porcentaje
de dispersion, %D. Si en la medida de , tenemos
una dispersion D, el porcentaje de dispersion sera:

CCADETUNAM Semestre 2015-2

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.

Errores experimentales e incertidumbre

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

CCADETUNAM Semestre 2015-2

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.

Figura 2: Distribucion Normal

Tratamiento estadstico de medidonde x es el valor, es el promedio y es la

das con errores.
desviacion estandar (nos da una medida del error).

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

donde xi es la iesima medida y N es el n

umero
total de medidas realizadas.

4.5.

Mediana

Se refiere a un conjunto de datos ordenados en

magnitud, y corresponde al dato que queda al centro. Si hay un n
umero impar de datos, la mediana se
determina facilmente y, si es par, se promedia el de
los dos centrales.

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:

CCADETUNAM Semestre 2015-2

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

Si a RSD se multiplica por el 100 % se le conoce como

coeficiente de variaci
on (CV)

4.7.

Dispersi
on de las medidas

(En las calculadores suele aparecer como N 1 )

v
u
N
X
u 1
(xi )2
j0 = t
N 1

x x = ((x x), (x + x))

z z = ((z z ), (z + z + ));
aplicando z = f (x)

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

Cuando se trabaja en un proyecto de investigacion,

es usual que para obtener una medici
on de una variable fsica, recurramos a m
as de un instrumento, de
tal forma que el valor asociado al c
alculo final, debe
involucrar a cada una de las mediciones individuales
con sus correspondientes errores; a esto es lo que se le
conoce como propagaci
on de errores/incertidumbres.
Por ejemplo, supongamos que z es la cantidad obtenida a partir de una variable x, a traves de una funcion de comportamiento f ; esto es z = f (x). Por lo
que la incertidumbre asociada se muestra en la figura
siguiente:

Para N mediciones se considera la siguiente aproximacion zi = zi 0 z y xiq

= xi 0 x , por lo que
PN
2
con base a la relacion 0 = N 11
i=1 (xi ) ,
se obtiene:
2

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

CCADETUNAM Semestre 2015-2

Esta funcion se puede generalizar a funciones de

varias variables.
2
0 z

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

En analisis de datos es importante saber que tan

confiables son las muestras que se toman de un universo, para ello se recurre a la teora del muestreo,
dentro de la cual podemos utilizar la Distribucion t
de Student, la Distribucion de 2 o la Distribucion
F [5, 6]. Para efectos practicos solo analizaremos el
caso de la Distribucion t de Student. Lo anterior nos
permite establecer la probabilidad de que el valor verdadero de la medicion se encuentra dentro de un intervalo de confianza, cuyo Limite de Confianza (LC)
queda dado como:
t
LC =
N
donde t es la conocida t de Student (ver tabla de
la Fig. 4

x2 ( 0 y )2
y4

An
alisis estadstico de datos

En todo trabajo experimental, es necesario saber

cuantas mediciones hay que realizar para que el dato
del valor promedio corresponda con el real. La Estadstica Descriptiva nos dice que un n
umero infinito
de mediciones lo proporciona, sin embargo y por razones obvias de tiempo, no es posible realizar un gran
n
umero de medidas, por ello se recurre a la Teora del
muestreo, en donde se estudia la relaci
on entre una
poblacion y las muestras tomadas de ella. El captulo
8 de la referencia [5] nos dice que para mediciones de
N mediciones (N 30) correspondera a Grandes
muestras y ello significa que el muestreo correspondera al tpico valor de y , mientras que para
N < 30 las muestras se consideran Peque
nas y,
cuyo tema se encuentra ampliamente explicado en el
captulo 11 [5], Teora de las peque
nas muestras.

Figura 4: Valores de t para la distribucion de Student

5.2.

Rechazo o aceptaci
on de medidas

Ahora bien, en el caso de peque

nas muestras, en
ocasiones se observa que alguna de las mediciones
esta o no en concordancia con el grupo de estas y
es necesario saber si se acepta o se rechaza la misma. Existen algunas reglas que nos permiten justificar la decision de acepto o rechazo. Primero, la medida con duda se excluye del resto y se calcula nuevamente el y . Se justifica el rechazo si la medicion con duda al diferenciarla respecto al promedio,
es 4veces Cuando no se dispone de mas de 5 medidas, es recomendable no rechazar el dato sospechoso

CCADETUNAM Semestre 2015-2

basandose con este criterio. Para este tipo de situaciones se utilizar

an los Test Q. El cual consiste de
ordenar los datos en forma creciente y aplicar la siguiente relacion:
|xduda xproximo |
Qduda =
W
donde W es el recorrido y se toma como la diferencia entre el valor m
aximo y mnimo de la serie de
datos. Si el valor de Qduda > Qtabla (ver Fig. 5 entonces se debe de rechazar la medida en duda.

a ampliar el estudio de este importante tema en la

Fsica experimental.

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.

[4] Neil Bruce. Pr

acticas de Laboratorio de Optica.
Facultad de Ciencias, UNAM.
[5] Murray R. Spiegel. Estadstica. Mc Graw Hill,
1996.

Figura 5: Valores de Q para diferentes porcentajes de

confianza

[6] V.P. Spiridonov y A.A. Lopatkin. Tratamiento Matem

atico de datos Fsico-Qumicos. MIR,
1973.
http://www.ugr.es/ aquiran/docencia.htm

6.

Cifras significativas en las

mediciones

Las cifras significativas, se refieren a la cantidad de

dgitos relevantes en las mediciones, es importante
notar que en los experimentos, dependiendo del instrumento que se utilice, se deber
a de tener cierto
sentido com
un para determinar, con base a la sensibilidad del mismo la cantidad de cifras significativas,
es decir, si medimos m, cm, mm o m hasta cuantas
cifras es relevante la medici
on que se tome.

7.

Conclusiones

En esta primera parte de la Introducci

on al Labo
ratorio de Optica,
se ha presentado un resumen del
manejo y analisis estadstico de datos y errores experimentales, resaltando el caso del tratamiento de
los limites de aceptaci
on y rechazo de datos para el
caso de muestras peque
nas. Al final de este trabajo,
se muestra las referencias bibliogr
aficas que ayudaran

LATEX

AMS-LATEX