UNIVERSIDAD TCNICA FEDERICO SANTA MARA

CAMPUS SANTIAGO
LABORATORIO FSICA

1


ANLISIS Y TEORA DEL ERROR EXPERIMENTAL:
ANEXO C: INTRODUCCIN GRFICA

Laboratorios de Fsica, Universidad Tcnica Federico Santa Mara Campus Santiago


I ntroduccin

Un experimento es una forma usualmente utilizada para
comprender la naturaleza de un fenmeno y validar o comprobar lo
que tericamente se plantea.

Es necesario entonces, seguir una metodologa cientfica para
poder medir y analizar los datos que permitan construir un modelo
experimental o emprico, para luego compararlo con el modelo
terico.

El anlisis y los resultados obtenidos deben proporcionar
conclusiones claras y concretas que permitan entender el fenmeno
en anlisis, as tambin, es importante que todo esto quede
reflejado en un documento de carcter cientfico, que permita
transmitir el conocimiento adquirido al resto de la comunidad
cientfica.

Para cumplir con lo anterior se debe tener un conocimiento
base sobre los mtodos de medicin, representacin de cifras,
generacin de hiptesis y modelos empricos, tratamiento y
anlisis de datos y por supuesto generacin de conclusiones.

Para disminuir el grado de dificultad del anlisis en el
laboratorio se opta por realizar un modelamiento a travs de la
representacin grfica, apoyado por un software de planilla de
clculo con opciones de anlisis de tendencias.


Uso de Grficas

En fsica experimental, las grficas tienen tres aplicaciones
principales. La primera es para determinar el valor de alguna
magnitud, por lo general la pendiente o interseccin de una lnea
recta, que representa la relacin entre dos variables.

El segundo uso de las grficas es el ms importante. Sirven de
ayuda visual. Por ejemplo, supngase que se mide el esfuerzo que
se ejerce a un material con respecto a la deformacin que se
produce en l, con el objetivo de determinar el lmite elstico y el
comienzo de la deformacin plstica (Ver figura 1). Mientras la
deformacin es elstica, el esfuerzo es proporcional a su
deformacin. Viendo una tabla de datos es difcil definir cundo se
rompe esta proporcionalidad. Sin embargo, al dibujar los datos en
una grfica, el punto de ruptura aparece de inmediato.

Otro ejemplo visual es la comparacin de resultados
experimentales con una curva terica, cuando ambos se
representan sobre la misma grfica. En general, un despliegue
grfico de me mediciones de valor incalculable para mostrar que
ocurre en el experimento

Figura 1: Esfuerzo en funcin de la deformacin sobre un material.

El tercer uso de las grficas en el trabajo experimental es dar una
relacin emprica entre dos magnitudes. Ejemplo de esto es la
calibracin de instrumentos. Se compara el instrumento a calibrar
contra un patrn determinado. Es posible corregir lecturas
observando este tipo de grfico.


Plan de Trabajo

El punto de partida entonces es definir las variables a
manipular, el rango dentro del cual se pueden variar y la cantidad
de datos a cuantificar.

Para efectos prcticos, entonces se tratar de ocupar el rango
de valores lo ms grande posible, la cantidad de datos depender
del conocimiento previo terico del fenmeno en estudio, si se
espera una relacin lineal quizs baste con pocos datos. Sin
embargo, esto tambin involucra una alta posibilidad de obtener un
error grande, es mejor, tomar una cantidad considerable de datos y
aplicar algunas tcnicas para minimizar los errores.

Cuando la funcin no es lineal o no se conoce con certeza el
fenmeno, es recomendable ir graficando a medida que se van
tomando datos y decidiendo a tiempo real dnde conviene tomar el
siguiente dato, por supuesto hay que ocupar todo el rango posible y
tomar an ms datos que en el caso anterior.

Todos estos valores van ingresando a una tabla de datos, la
cual debe generarse teniendo en cuenta las cifras significativas y
las incertidumbres propias del experimento adems de las unidades
utilizadas.

Se debe recordar que estos valores estn dados principalmente
por el mtodo experimental y por los instrumentos de medicin
utilizados, un anlisis de esto en profundidad se puede ver en el
captulo Mediciones del texto ocupado en Fsica 100.

UNIVERSIDAD TCNICA FEDERICO SANTA MARA
CAMPUS SANTIAGO
LABORATORIO FSICA

2


Existen criterios para trabajar con cifras significativas, el
experimentador debe ser fiel a estos criterios, mantenindolos
siempre en todos los valores que exprese.

Una vez recogido los datos experimentales en una tabla, es
necesario encontrar una ecuacin que los relacione, para esto
existen dos mtodos; matemtico y grfico. Sin embargo,
necesitamos determinar si los puntos obtenidos corresponden a una
relacin lineal o no, antes de proceder con el anlisis y la
obtencin de la ecuacin.

La linealizacin es una forma de transformar datos que
describen una tendencia no lineal a datos con tendencial lineal,
existen varias formas para realizar esta conversin, pero el ms
general es aplicando logaritmo a los datos experimentales. Esto nos
permite obtener una relacin de tipo lineal entre los logaritmos de
las variables en estudio.

De esta relacin logartmica de las variables es factible
obtener los parmetros de la funcin origen y el coeficiente de
correlacin que nos permitirn dilucidar la relacin que existe entre
las variables.

Al generar un grfico de los logaritmos de las variables
deberamos observar una tendencia lineal a simple vista, al realizar
este grafico en un software de planilla de clculo esta nos permitir
ajustar una tendencia a los puntos y obtener la ecuacin del ajuste
realizado (simplificndonos los clculos matemticos que
deberamos hacer para obtener la regresin lineal por el mtodo de
mnimos cuadrados).

Un grfico a tiempo real nos podr dar una idea de cmo es la
funcin, siendo una potente herramienta para ir verificando si los
datos que se toman concuerdan con lo esperado, y as, asegurar que
la medicin realizada no presenta errores graves. Para lo anterior,
es necesario tener claro que al generar el grfico se debe considerar
en el rango todas las celdas en que se ingresarn los datos (esto
permitir que al ir ingresando cada uno de los datos se genere
automticamente el nuevo punto en el grfico, auto escalndose
los ejes), cuando se tengan 2 datos a lo menos se podr generar la
lnea de tendencia y pegar la ecuacin y coeficiente de correlacin,
la cual tambin se auto ajustar a medida que se va completando la
tabla. Es importante destacar que si no se sigue este procedimiento
se corre el riesgo de errar en la toma de datos (y errar es humano)
y perder valioso tiempo.

En un grfico se debe depositar la mayor cantidad de
informacin que sea relevante permitiendo una correcta lectura de
ste. Un grfico debe explicarse por s slo, en l se debe incluir la
ecuacin emprica y el coeficiente de correlacin, el cual entrega
que tanto se acerca la funcin hiptesis que se prueba a los datos
experimentales, mientras ms cerca del valor 1 mejor es la
hiptesis, ciertamente esto permite despejar dudas cuando no est
clara la tendencia que presentan los puntos o no se tiene certeza de
la relacin terica que relacionan las variables en estudio.

Una vez clarificada la relacin existente se puede graficar las
variables originales y ajustar la tendencia que corresponda para as
comparar la ecuacin emprica obtenida con la ecuacin terica
esperada, tanto los exponentes como las constantes involucradas a
travs de un medidor llamado error porcentual el cual entrega una
comparacin entre un valor y otro.

Por lo general el error porcentual se tomar como:


|

()

En muchas ocasiones se encuentran algunos datos importantes
(constantes fsicas) inmersas en las ecuaciones empricas, como la
aceleracin de gravedad, la constante de elasticidad de un cuerpo,
etc. Estos valores deben ser despejados y comparados con los
tericos de igual forma.

Una vez hecha las comparaciones se debe realizar un
profundo anlisis cualitativo tanto de los grficos como de los
resultados, adems de una descripcin y anlisis detallados de los
fenmenos fsicos visualizados durante la experimentacin, las
consideraciones para realizar la toma de datos y un profundo
anlisis de las fuentes de error o discrepancias presentes en la
experimentacin.

Posteriormente se debe profundizar en un anlisis cuantitativo
de los resultados encontrados y los errores porcentuales, para
finalizar con un anlisis global del experimento.

Es importante entregar dentro del anlisis las ecuaciones y
constantes encontradas de forma clara y con las incertidumbres,
unidades y cifras adecuadas, esto es la base del anlisis.

Del anlisis realizado se deben desprender las conclusiones,
las cuales deben estar referidas a los objetivos de la experiencia, y
deben contener toda la informacin relevante del experimento
incluidas las ecuaciones y constantes encontradas.

Tambin se pueden extraer conclusiones de algunos anlisis
secundarios que no necesariamente estn indicados en la gua, pero
que si se pueden realizar en base a los datos tomados y las
comparaciones con predicciones tericas o resultados obtenidos
por otros mtodos de medicin.

Se debe si tener cuidado de no concluir cosas que no se
analizaron o que simplemente no se midieron como podra ser por
ejemplo una dependencia respecto a la posicin geogrfica de los
datos tomados.

Por cierto, si de un experimento se puede, por ejemplo,
desprender 2 3 valores de la aceleracin de gravedad (g), stos
deben entregarse claramente en el anlisis y posteriormente en la
conclusin se entregar un solo valor experimental de g, basado en
el estudio realizado en el anlisis.


Eleccin de las Variables

De una manera muy general, cuando se estudia un sistema
cualquiera, se trata de obtener las variaciones o respuestas del
sistema ante ciertas perturbaciones que se aplican de manera
controlada. La Figura 2 representa esquemticamente un sistema
bajo estudio.

UNIVERSIDAD TCNICA FEDERICO SANTA MARA
CAMPUS SANTIAGO
LABORATORIO FSICA

3



Figura 2: Representacin esquemtica de un sistema al que se estudia las
respuestas Yi cuando se vara el conjunto de variables Xi.

Se designan como X
i
a las variables de entrada o variables
independientes que se pueden controlar y variar. Ante los cambios
de X
i
, el sistema revela sus caractersticas o comportamientos a
travs de los cambios que sufren las variables Y
i
, que pueden
llamarse las variables de salida o variables dependientes. Por
simplicidad, toda vez que se estudia un sistema, ser ms til
concentrarse en la respuesta de una de las variables de salida ante
las variaciones de slo una de las variables de entrada, lo que es
una situacin muy comn en un experimento.

Es importante mantener el resto de las posibles variables
constantes, y slo trabajar con dos a la vez, una de salida y otra de
entrada.


Representacin Grfica de Datos
Al analizar los datos, difcilmente de la observacin de la
tabla de valores, se podr establecer el tipo de relacin que existe
entre las variables. Un mtodo poderoso para estudiarlo es la
representacin grfica. A veces ella permite obtener o predecir un
modelo matemtico para la relacin entre las variables
inmediatamente. El grfico permite observar todos los datos de un
vistazo incluyendo los puntos de mximo y mnima inflexin y el
tipo general de la curva.

La presentacin y anlisis de los resultados experimentales
debe considerarse como parte integral de los experimentos. Es
realmente til que los datos obtenidos se presenten en un grfico,
donde quede resumida la informacin para su apreciacin y
anlisis. En la mayora de los casos un grfico es ms til que una
tabla de valores, especialmente en los casos en que:

Los experimentos se llevan a cabo midiendo una variable
Y en funcin de otra X que se vara independientemente y se quiere
interpretar la relacin funcional entre ellas. Por ejemplo: medicin
del perodo de un pndulo en funcin de su longitud, medicin de
la cada de potencial en un alambre en funcin de la corriente
aplicada, etc.

Interesa estudiar si dos variables mantienen una
correlacin (causal o no) y cmo es esta vinculacin o grado de
interdependencia. Por ejemplo: estudio de la relacin entre el peso
y la altura de personas, relacin entre la velocidad mxima que
alcanza un velero y su extensin desde proa a popa, etc.

Se trata, en primera instancia, de que la informacin que se
quiere representar quede expuesta de una manera lo
suficientemente clara y explcita como para que la representacin
grfica hable por s sola. Lo importante es que un grfico debe
servir para un posterior tratamiento de los datos, que lleve a inferir
las leyes subyacentes en ellos y ahondar as en las posibles
implicaciones y generalizaciones de los resultados obtenidos en los
experimentos.

Como elemento ordenador de la informacin recolectada en
un experimento, un grfico debe construirse sobre la base de una
eleccin adecuada tanto de las variables como de las escalas.


Diseo de Grficos
Adems de la correcta eleccin de las variables y de las
escalas, un grfico adquirir una mejor presentacin si se cuidan
algunos detalles:

Identificacin de los ejes con rtulos bien ubicados que
digan qu variables se representan y en qu unidades se miden.
Adems, los ejes deben incluir la incertidumbre.

La curva debe cubrir la mayor parte del grfico, pero no
debe mostrar ms exactitud que la incertidumbre de las
mediciones.

Las escalas deben estar numeradas claramente para
facilitar la lectura.

El punto de intercepcin se debe escoger por
conveniencia y no necesariamente debe ser cero.

Uso de smbolos que ubiquen los datos (cuadrados,
crculos, rombos, etc.), en lo posible con sus incertidumbres
(barras); que haya una diferenciacin de distintas series de datos
cuando se presenten varios resultados, para lo que es recomendable
el uso de diferentes smbolos.

Inclusin de un epgrafe, que es un texto descriptivo de lo
que est representado en el grfico y que adems puede manifestar
informacin adicional importante.

Carteles interiores al grfico, con informacin
complementaria relevante (ecuaciones, coeficiente correlacin)
para entender en qu contexto se muestran los datos o sobre las
condiciones experimentales particulares bajo las que se los han
obtenido.

Una clara diferenciacin entre lo que es propio del
resultado experimental del trabajo y lo que corresponde a una
comparacin con una teora o modelo propuesto (por ejemplo, usar
lneas continuas) o a resultados extrados de otras fuentes.

A continuacin se muestra un ejemplo de un grfico y su
epgrafe. En la Figura 3 se mide el campo magntico en un
solenoide con un instrumento digital en funcin de la distancia
usando una huincha mtrica.

UNIVERSIDAD TCNICA FEDERICO SANTA MARA
CAMPUS SANTIAGO
LABORATORIO FSICA

4


B = -0,1368d + 3,248
R = 0,9932
0,500
1,000
1,500
2,000
2,500
3,000
0,0000 5,0000 10,0000 15,0000
C
a
m
p
o

M
a
g
n

t
i
c
o

0
.
0
0
1
[
T
]
Distancia 0.0005 [m]
Exp.
Tericos
Figura 3: Magnitud del campo magntico en un solenoide de largo fijo en
funcin de la distancia, en donde se comparan las grficas terica y
experimental.

Relaciones Lineales
Una relacin entre las variables X e Y del tipo:

()

es tal vez la ms simple de todas. La representacin grfica de la
ecuacin (2) arrojara una lnea recta, de pendiente a y que corta al
eje vertical en b. Esta dependencia de Y con X se llama una
relacin lineal entre X e Y. La recta es la forma geomtrica ms
simple en dos dimensiones. Al mismo tiempo, una relacin lineal
entre dos variables cualesquiera es ms fcil de ser identificada a
simple vista. Entre una recta y una curva nuestro ojo siempre
notar la diferencia, pero no discriminar a la funcin que define la
curva. Se puede probar esto con la ayuda de la Figura 4


Figura 4: Representacin de dos series de datos. Cul serie aproxima
mejor una relacin lineal entre las variables X e Y?

En el Grfico 2 estn representadas dos series de datos. Se
inferir cualitativamente cul de las series puede aproximarse por
una relacin lineal entre las variables X e Y. Para esto se usa un
mtodo prctico: se lleva el papel hasta el nivel de los ojos (se
puede cerrar uno como cuando se hace puntera) y se ve si los
puntos se encuentran alineados. Este tipo de toma de decisin no
debe desdearse en el momento de analizar datos experimentales.
La decisin de aceptar o no una relacin lineal entre las variables
debe ser tomada por el experimentador, ya sea se espere o no una
vinculacin lineal entre las variables en juego.

Una vez que decidimos que los datos caen sobre una recta,
recin se puede estimar los parmetros (pendiente y ordenada al
origen) de la mejor recta que aproxime la relacin funcional. Para
encontrar esta mejor recta se puede dibujar criteriosamente esa
recta y definir los valores de la pendiente y la ordenada al origen, o
usar mtodos numricos ms generales para encontrarlos.


Funciones Potenciales
Se miden pares de valores (X,Y) teniendo conocimiento que la
relacin funcional que los vincula es del tipo:

()

donde a y n son constantes. Esta forma funcional potencial es muy
comn en las ciencias puesto que sirve como aproximacin del
comportamiento en una gran variedad de casos.

La constante n suele llamarse exponente de escala y define
la escala de variacin de Y segn vara X. Esto es, si X se
multiplica por un factor q, Y cambiar consecuentemente q
n
veces.

El significado fsico de la constante a es el de representar el
valor que toma Y cuando X vale la unidad. La dimensin de a es tal
que da homogeneidad dimensional a la ecuacin.


Linealizacin a travs de la Transformacin
de Variables
Si en la ecuacin (3) transformamos las variables haciendo el
siguiente cambio:

oda vez que conozcamos el exponente n y representamos
las nuevas variables (

) (

), lo que obtenemos es una

relacin lineal entre las variables transformadas y decimos que
hemos linealizado la representacin grfica. En este caso se
transforma la variable X, pero bien se podra haber optado por el
cambio en la variable dependiente Y, obteniendo tambin una
relacin lineal entre las nuevas variables representadas (

)
(

).

Est claro que lo anterior es inmediato de realizar si
conocemos el valor del exponente n. Adems, observamos que un
grfico linealizado nos da el valor de la constante a.

Por otra parte si no conocemos el exponente es recomendable
usar la funcin logaritmo y representar () en funcin de
(). Esto queda claro si transformamos la ecuacin (3),
calculando el logaritmo para ambos miembros se obtiene:

() () () (4)

Al comparar esta expresin con la ecuacin de la recta
podremos determinar la pendiente como n y el intercepto como
().


UNIVERSIDAD TCNICA FEDERICO SANTA MARA
CAMPUS SANTIAGO
LABORATORIO FSICA

5


Regresin Lineal a travs de Mnimos
Cuadrados

Hemos enfatizado sobre la importancia de las
representaciones grficas y hemos visto la utilidad de las versiones
linealizadas de los grficos (X,Y) junto a las distintas maneras de
llevar a cabo la linealizacin. A menudo nos confrontamos con
situaciones en las que existe o suponemos que existe una relacin
lineal entre las variables X e Y. Surge de modo natural la pregunta:
cul es la relacin analtica que mejor se ajusta a nuestros datos?
El mtodo de mnimos cuadrados es un procedimiento general que
nos permite responder esta pregunta. Cuando la relacin entre las
variables X e Y es lineal, el mtodo de ajuste por mnimos
cuadrados se denomina tambin mtodo de regresin lineal.

La Figura 5 ilustra el caso lineal. La dispersin de los valores
est asociada a la fluctuacin de los valores de cada variable.
Observamos o suponemos una tendencia lineal entre las variables y
nos preguntamos sobre cul es la mejor recta.


Figura 5: Datos asociados a un modelo lineal. La cantidad

)
representa la desviacin de cada observacin de

respecto del valor

predicho por el modelo ()

Suponga que se han medido N pares de valores (

), y que
se formula la hiptesis de que la funcin () es lineal, es
decir, de la forma , donde a y b son valores que se
desean determinar. Necesitamos un mtodo que permita:

Indicar qu tan buena es la hiptesis de que la funcin
() es lineal.
Calcular los valores de las constantes a y b que mejor
representan al conjunto de datos experimentales (

).
Calcular el error de las constantes a y b obtenidas.

Se define el error del punto i-simo,

como la diferencia
entre el valor medido

y el valor terico dado por la ecuacin de

la recta.

)

El mtodo de los mnimos cuadrados, consiste en elegir los
valores de a y b tales que la suma de los cuadrados de los errores,

, sea mnima. A partir de esta condicin es posible encontrar

un algoritmo, que permite calcular los valores ms probables de a
y b, los respectivos errores y , y una constante llamada
coeficiente de regresin lineal r, que indica qu tan buena es la
hiptesis de que la relacin entre las variables es lineal.


Deteccin de Errores Sistemticos

Toda vez que se mide una magnitud con un error sistemtico,
los valores medidos difieren de los reales en una cantidad fija.
La pericia del experimentador es clave para evaluar las
correcciones necesarias de estos datos afectados sistemticamente
por un error de medicin. Un ejemplo comn es el error de cero de
los instrumentos de aguja.

El ejemplo ms familiar es el de una balanza de farmacia que,
dado su desgaste, indica 1 kg. aun cuando nadie est de pie en la
plataforma (a veces, este error de medicin aporta consuelo cuando
nos pesamos en una buena balanza). En el laboratorio, el error de
cero suele aparecer en instrumentos de mediciones elctricas o
cronmetros de aguja.

Si con uno de estos instrumentos defectuosos se mide la
variable Y en funcin de otra X, un grfico Y(X) resultar
desplazado en la vertical una cantidad igual al error sistemtico
de cada punto Y. Si la relacin entre estas variables fuese lineal,
ecuacin (2), la presencia de tal desplazamiento sistemtico llevar
a que aparezca una ordenada al origen falsa. Es decir, cuando
, tenemos , en vez de .

En un grfico log-log de Y(X) la desviacin de la curva
resultante de la recta esperada sin ordenada al origen se descubre
con facilidad y ayuda a la correccin de los datos. En ese sentido
es interesante notar que si tenemos una relacin entre las variables
X e Y de la forma

, si representamos X en funcin de
Y en escala log-log esta vez no se obtiene una recta.


Coeficiente de Correlacin

El coeficiente de correlacin puede tomar valores entre 0 y 1
(para rectas de pendiente positiva). El valor significa que las
variables no estn relacionadas entre s, entonces, cualquier
tendencia a estar en la funcin hiptesis es puramente por azar. Un
valor , significara que los puntos estn todos exactamente
sobre la funcin hiptesis, entonces, hay 100% de certeza de que
corresponde a la funcin esperada.

En un experimento nunca obtendremos , porque
siempre puede haber algn grado de correlacin, simplemente por
casualidad.

El coeficiente de correlacin es un indicador de cuan bueno es
el ajuste de la mejor curva de ajuste de todas las curvas de
aproximacin a una serie de datos puntuales y no del
planteamiento terico.



Bibliografa
UNIVERSIDAD TCNICA FEDERICO SANTA MARA
CAMPUS SANTIAGO
LABORATORIO FSICA

6


Gil, Rodrguez. Fsica re-Creativa Experimentos de Fsica
usando nuevas tecnologas. Primera Edicin.
OdaNoda. Introduccin al anlisis grfico de datos
experimentales.
Laroze, Porras, Muzzio. Conceptos y Magnitudes en Fsica.