Guía para la Presentación de Resultados en Laboratorios Docentes

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Guía para la Presentación de Resultados en Laboratorios Docentes"

Transcripción

1 Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso de octubre de 05 I Itroduccó Las cecas aturales trata de explcar los feómeos del mudo que os rodea a partr de modelos y teorías. U paso fudametal cosste e hacer expermetos que srve de base a la teoría y/o que la poe a prueba. Medr ua magtud es compararla cuattatvamete co otra de su msma aturaleza tomada como udad patró. Cuado decmos que ua pared tee 4,5 m de acho estamos dcado que el metro patró cabe cuatro veces y meda e el acho de esa pared. O al decr que u preparado químco tee 8,4 g estamos comparado la masa del preparado co las de 8 pestas de u gramo y co cuatro pestas de décmas de gramos, establecedo ua equvaleca etre las masas de estas pesas y la del preparado. La Metrología es la ceca de la medda. Su objeto fudametal es el estudo y evolucó de las propedades medbles, las escalas de medda, los sstemas de udades, y los métodos y téccas de medcó, así como la valoracó de la caldad de las medcoes y su mejora costate, facltado el progreso cetífco, el desarrollo tecológco, el beestar socal y la caldad de vda. S medcoes correctas o hay I+D caldad, y s lo ateror o hay desarrollo, compettvdad, futuro para la ecoomía. A cotuacó eumeramos alguos coceptos que será de uso tesvo a lo largo del trabajo e el laboratoro: Magtud: Propedad de u feómeo, cuerpo o sustaca, que puede expresarse cuattatvamete medate u úmero y ua refereca (habtualmete ua udad de medda). Mesurado: Magtud que se desea medr. Durate el trabajo expermetal e el laboratoro podemos realzar medcoes drectas o drectas. E el prmer caso usamos u strumeto de medda. E el segudo caso, las meddas drectas, se obtee a partr del uso de ua expresó

2 matemátca o método de aproxmacó umérco. Por ejemplo, cuado medmos co u croómetro el tempo de caída lbre de u cuerpo estamos realzado ua medcó drecta. S el valor meddo lo utlzamos para calcular la aceleracó de la gravedad, etoces la determacó de la gravedad es ua medcó drecta. Toda medcó, drecta ó drecta, está sujeta a certa certdumbre y o debe expresarse como u úmero exacto. La matemátca y las teorías físcas trabaja co úmeros exactos, pero el trabajo expermetal e los laboratoros requere el uso de úmeros aproxmados. Y las operacoes matemátcas co los úmeros aproxmados o da tampoco resultados exactos, so aproxmados, por lo que es ecesaro defr u método de expresar correctamete las meddas drectas e drectas. Solamete así podremos estar seguros de hasta qué puto so certas las leyes, teorías y modelos de ua ceca, y hasta qué cfra es cofable el resultado de u aálss clíco, químco, botáco, o físco. II Errores Durate cualquer medcó tee lugar ua sere de errores proveetes de dsttas fuetes: el propo mesurado (defcó y/o realzacó práctca), el strumeto de medda, las codcoes ambetales, el operador, etc., los cuales se clasfca e sstemátcos y aleatoros. Los prmeros puede cacelarse o corregrse, s se cooce sus causas, metras que sobre los segudos, de comportameto mpredecble, o puede actuarse de la msma maera. Ambos errores cotrbuye a la certdumbre de la medda, auque debe quedar be claro que so dsttos de esta. A cotuacó defremos alguos coceptos relacoados co los errores: Errores absoluto y relatvo: Cualquer error puede expresarse e valor absoluto (error absoluto) o e valor relatvo (error relatvo). Así, s al medr ua magtud, se ecuetra ua magtud dstta, más o meos cercao a, la dfereca se deoma error absoluto ( ). El error absoluto puede ser postvo o egatvo (o hay que cofudrlo co el valor absoluto del error) y tee las msmas dmesoes que la magtud que se mde. E alguas medcoes, como las de logtud, este error suele deomarse desvacó del valor omal. El error relatvo, se defe como, os ofrece mayor dea de la dmesó del error absoluto, al compararlo co el valor de la magtud medda. El error absoluto o lo podemos coocer, lo úco que podemos es estmarlo. Error aleatoro: Compoete del error de medda que, e medcoes repetdas, varía de maera mpredecble (Fgura ). El error aleatoro oscla e toro a u valor medo y se supoe que procede de varacoes temporales y espacales de las magtudes de flueca (temperatura, humedad, presó, etc.). No es posble compesar el error aleatoro de ua medda, pero puede reducrse cremetado el úmero de observacoes, a f de dsmur la dspersó e toro al valor medo. Error sstemátco: Compoete del error de medda que, e medcoes repetdas permaece costate o varía de maera predecble (Fgura ).

3 El error sstemátco o puede elmarse totalmete, pero puede reducrse o cluso corregrse, s se detfca sus causas. Por ejemplo, el error obtedo al medr ua peza a ua temperatura dstta de la de refereca, puede corregrse teedo e cueta la dlatacó o cotraccó sufrda por la peza. Cuado o es posble aplcar ua correccó, debe sumarse todo el error sstemátco a la certdumbre de medda expadda. Correccó: Compesacó de u efecto sstemátco estmado. Puede ser: adtva, multplcatva, o deducrse de ua tabla. Fgura. Hstograma de ua medcó realzada varas veces. III Exacttud y precsó Exacttud: Proxmdad etre el valor medo y el valor verdadero de u mesurado. Precsó. Proxmdad etre las dcacoes o los valores meddos obtedos e medcoes repetdas de u msmo objeto, o de objetos smlares bajo codcoes especfcadas (Fgura ). El cocepto de exacttud de u strumeto de medda se refere a la capacdad de dar valores o dcacoes próxmas al valor verdadero de la magtud medda. Ua medcó, o el resultado, es más exacto cuato más pequeño es el error sstemátco de medda; es decr, cuato meor es la dfereca etre el valor medo de los resultados obtedos y el valor covecoalmete verdadero de la magtud. La dea de precsó de u strumeto de medda refleja la capacdad de dar valores o dcacoes próxmas etre sí al efectuar medcoes repetdas (Fgura ). Ua medcó, es más precsa cuato meor es la dspersó que preseta etre sí los resultados obtedos.

4 Auque e el leguaje de la calle, exacttud y precsó suele tomarse como sómos, e metrología, la dferecacó etre ambos es muy clara. E la fgura, el cetro de la daa represeta el valor covecoalmete verdadero y los dsttos putos, los resultados de medda obtedos e ua sere de repetcoes. Fgura. IV Icertdumbre de medda Se le llama certdumbre (ucertaty) de medda a u parámetro o egatvo asocado al resultado de ua medcó, que caracterza la dspersó de los valores y que podría ser razoablemete atrbudos al mesurado. També podemos llamarle así a la medda del error posble e el valor estmado del mesurado, proporcoado como resultado de ua medcó, o la estmacó que expresa el campo de valores detro del cual se halla el verdadero valor del mesurado. Por ejemplo, cuado medmos ua magtud, uestro resultado lo escrbmos como. La certdumbre (llamada certdumbre expadda e la Gude to the Expresso of Ucertaty Measuremet - GUM) es el valor que se coloca a cotuacó del, es decr,. Esto sgfca que el valor verdadero de se ecuetra e el tervalo,. A cotuacó señalamos otros coceptos que será de uso comú a lo largo de este maual. Icertdumbre típca: Icertdumbre del resultado de la medda, expresada e forma de desvacó típca y se deota como, sedo la magtud medda. Icertdumbre típca relatva: Se llama así al valor y se expresa e %. El úmero así calculado os dca ua forma de comparacó porcetual del valor de la certdumbre típca co el valor de la medda.

5 Icertdumbre típca combada: Icertdumbre típca del resultado de ua medcó, que se obtee a partr de los valores de otras magtudes, gual a la raíz cuadrada postva de ua suma de térmos, sedo éstos las varazas o covarazas de esas otras magtudes, poderadas e fucó de la varacó del resultado de medda co la varacó de dchas magtudes. Habtualmete se deota como. Icertdumbre típca combada relatva: Se llama así al valor y se expresa e %. El úmero así calculado os dca ua forma de comparacó porcetual del valor de la certdumbre típca combada co el valor de la medda. Icertdumbre expadda (e alguos textos smplemete ): Magtud que defe u tervalo e toro al resultado de ua medcó, y e el que se espera ecotrar ua fraccó mportate de la dstrbucó de valores que podría ser atrbudos razoablemete al mesurado. Habtualmete a la certdumbre expadda de la medda se le deota. Factor de cobertura. Factor umérco utlzado como multplcador de la certdumbre típca, para obteer la certdumbre expadda. Habtualmete a este factor se le deota como. Así, podemos escrbr. U factor de cobertura típco, toma valores compreddos etre y 3. A la hora de expresar el resultado de ua medcó de ua magtud físca, es oblgado dar algua dcacó cuattatva de la caldad del msmo o, dcho de otro modo, de la cofaza que se tee e él. S dcha dcacó, las medcoes o puede compararse etre sí, co otros valores de refereca. Esto se dca e la forma:, dode es el resultado más probable y es la certdumbre de medda asocada al msmo. El cocepto de certdumbre es relatvamete uevo e la hstora de la medcó, por lo que muchos lbros de texto cotúa utlzado úcamete coceptos como error y aálss de errores, los cuales ha formado parte desde hace mucho tempo de la práctca de la medcó. S embargo, estos coceptos, s llegar a desaparecer, ha evolucoado. E la metrología actual sgue habládose de error, pero o tato de aálss de errores, e el setdo que a éste se le daba hasta hace uos años, so de estmacó de certdumbres. Es claro que hay que dagar sobre los posbles errores exstetes e ua medcó, co objeto de elmarlos o corregrlos, pero gua correccó es total, por lo que sempre exstrá ua certdumbre asocada al resultado fal. La certdumbre es cosecueca del error, exstedo métodos teracoalmete aceptados para su estmacó. Exste umerosas fuetes de errores, y por tato de certdumbres, etre ellas: a) defcó completa del mesurado b) realzacó mperfecta de la defcó del mesurado c) muestra o represetatva del mesurado, la muestra aalzada puede o represetar al mesurado defdo d) coocmeto completo de los efectos de las codcoes ambetales sobre la medcó, o medcó mperfecta de dchas codcoes ambetales e) lectura sesgada de strumetos aalógcos, por parte del técco f) resolucó fta del strumeto de medda o umbral de dscrmacó

6 g) valores exactos de los patroes de medda o de los materales de refereca h) valores exactos de costates y otros parámetros tomados de fuetes exteras y utlzados e el algortmo de tratameto de los datos ) aproxmacoes e hpótess establecdas e el método y e el procedmeto de medda j) varacoes e las observacoes repetdas del mesurado, e codcoes aparetemete détcas. Estas fuetes o so ecesaramete depedetes, y alguas de ellas, de a) a ), puede cotrbur e j). Por supuesto, u efecto sstemátco o detfcado o puede ser tedo e cueta e la evaluacó de la certdumbre del resultado de ua medcó, auque cotrburá a su error. Las certdumbres se agrupa e dos categorías, segú su método de evaluacó, tpo A y tpo B. Estas categorías se refere a la certdumbre y o susttuye a las palabras aleatoro y sstemátco. tpo A: Está relacoadas co magtudes estmadas a partr de u determado úmero de observacoes repetdas e depedetes, y como certdumbre típca de dcha estmacó se toma la desvacó típca expermetal de la medda. tpo B: Está relacoadas co magtudes cuyo método de estmacó o ha sdo a partr de observacoes repetdas. A modo de receta, el proceso geeral a segur para estmar la certdumbre es el sguete:. Expresar matemátcamete la relacó exstete etre el mesurado y las magtudes de etrada de las que éste depede segú,!,, #. La fucó debe coteer todas las magtudes, cluyedo todas las correccoes y factores de correccó que puede cotrbur sgfcatvamete a la certdumbre del resultado de medcó.. Obteer ua estmacó $ del mesurado, utlzado las estmacoes de etrada,!, # de las magtudes,!, # tal que $ %,!,, # & () a) S la magtud de etrada es estmada a partr de ' observacoes repetdas e depedetes,,,!,,(, es decr, tpo A; etoces la estmacó de la etrada será la meda artmétca de todas las meddas, es decr: x x, k () y como certdumbre típca : u ( x ) ( x x, k ) A (3) ( )

7 b) S la magtud de etrada o es estmada a partr de observacoes repetdas, es decr, tpo B; etoces la estmacó de y la certdumbre típca se obtedrá a partr de decsoes cetífcas basadas e el coocmeto dspoble sobre la posble varabldad de la medda, lo que permte asocarle u determado tpo de dstrbucó (ormal, rectagular, etc.). Este coocmeto puede prover de: resultados de medcoes aterores expereca o coocmetos geerales sobre el comportameto y las propedades de los materales e strumetos utlzados especfcacoes del fabrcate datos de certfcados de calbracó u otros tpos de certfcados certdumbres asgadas a valores de referecas o costates aturales procedetes de lbros y mauales. c) S teemos e ua medda ambos tpos de cetrdumbre, etoces la combacó de ambas la hacemos a partr de la expresó: )% * &! % + &! 3) A cotuacó se obtee la certdumbre típca combada $ como: u c N ( y) u ( x ) f x (4) Cada es ua certdumbre típca evaluada como se ha descrto e el paso ), depededo s es de tpo A y/o de tpo B. La certdumbre típca combada $ es ua desvacó típca estmada y caracterza la dspersó de los valores que podría ser razoablemete atrbudos al mesurado. 4) Obteer la certdumbre expadda multplcado la certdumbre típca combada $ por u factor de cobertura y su correspodete vel de cofaza asocado. 5) Idcar el resultado de la medcó e la forma $, dcado las udades de $ y de. Idcar asmsmo el valor de utlzado para obteer $ y el vel de cofaza asocado al tervalo $. Desde u puto de vsta práctco, la propuesta cal del Comté Iteracoal de Pesas y Meddas (CIPM) supuso desechar la hpótess de que todas las cotrbucoes de certdumbre respodese a leyes ormales; trabajar sempre co desvacoes típcas o varazas; y o detfcar la certdumbre co u tervalo de cofaza so drectamete co la desvacó típca resultate. La multplcacó de esta últma por u factor de cobertura, habtualmete etre y 3, y que debe especfcarse sempre como parte del resultado de medda, permte obteer uos valores de certdumbre expadda más fables para las decsoes habtuales e la mayor parte de las aplcacoes, especalmete e la dustra, de forma que: $. S embargo, subsstía la ecesdad de armozar la certdumbre expadda de los resultados de las meddas, por lo que la seguda recomedacó del CIPM e 986 ya adelató que esta cuestó estaba sedo cosderada por u grupo de trabajo de ISO (Orgazacó Iteracoal de Normalzacó) e el que també estaba represetadas otras orgazacoes.

8 El trabajo de dcho grupo se publcó formalmete e 993 y además de presetar el cálculo de la certdumbre típca combada $ a partr de las recomedacoes del CIPM, dcó cómo caracterzar la certdumbre expadda medate u factor resultate de establecer u certo vel de cofaza. Posterormete se comezó a trabajar e u prmer suplemeto de la GUM que establecera las bases para propagar dstrbucoes e vez de varazas (es decr, $ sguedo las expresoes 4 y 5), medate téccas adecuadas como el método de Mote Carlo o la fórmula de Welch-Satterthwate. Desde el año 004 exstía u borrador de dcho documeto que se ha hecho ofcal e otoño del 007 publcado por la Orgazacó Iteracoal de Metrología Legal (OIML). E este curso seguremos el procedmeto recomedado por la GUM para la estmacó de las certdumbres de medda. E eseca, las cotrbucoes cosderadas determa ua fucó modelo co varables de etrada,,!, #. Para cada ua de ellas,, hay que coocer su valor, estmado por, y su desvacó típca,, además de u parámetro que caracterce la cofaza de la desvacó típca, lo que suele hacerse facltado el úmero de grados de lbertad que es tato mayor cuato mayor sea la fabldad de. Posterormete usaremos la propagacó de los grados de lbertad para obteer el grado de lbertad efectvo, sguedo la fórmula de Welch-Satterthwate (WS): - 3$ - # $ 3 4. / /00 # 5 - $ 3$ Falmete, co este. /00 obteemos el valor de a partr de la dstrbucó t- Studet (Tabla I., del apédce I). Ejemplo : Queremos medr el tempo 7 de caída lbre de u cuerpo desde ua altura determada. Para ello os vamos al edfco Torre Caja Madrd, y desde ua altura de 40 m aproxmadamete y por el hueco del ascesor, dejamos caer lbremete u cuerpo. Medmos el tempo de caída lbre empleado u croómetro. Debdo a que el tempo de caída depede de factores mpredecbles que fluye e la aleatoredad de la medcó del tempo, vamos a repetr el expermeto 8 0 veces y así obteemos los valores 7,7!, 7 que se preseta e la sguete tabla. No ; 7, 6,8 7,0 7,0 7, 6,8 7,0 7,0 6,8 7, Co estos valores calculamos el valor medo de todas las medcoes realzadas.

9 0 t (7) medo t 0 y como resultado obteemos 7 </> 7,0 ;. Co los datos de la msma tabla calculamos la compoete de certdumbre debdo al hecho de haber repetdo la medda varas veces (tpo A). ( t) 0 ( t t ) medo u A (8) 0 0 ( ) * 70,05 ; Teemos la formacó, a través de otros métodos y mauales, de que el croómetro que hemos utlzado tee ua certdumbre tpo B muy pequeña comparada co la certdumbre tpo A que hemos calculado ates. Así, la certdumbre típca de uestra medda será: 7 * 70,05 ; (9) A cotuacó debemos calcular el valor de la certdumbre expadda: 77 (0) Nuestro expermeto los hemos repetdo 8 0 de forma depedete cada uo de ellos. El úmero de grados de lbertad para este expermeto se calcula como:. 8 E este caso teemos. 9. A cotuacó buscamos e la tabla I. (Apédce I) los valores del factor que correspode co u determado % de cofabldad. Para ello hemos cogdo el fragmeto de la tabla dode se localza. 9. Grados de C % lbertad E 68, , ,73 9,06,83,6,3 3,5 4,09 Supogamos que queremos expresar uestro resultado co ua cofabldad del 68,7 %. Etoces de la tabla obteemos que,06, y: ; Falmete expresamos uestra respuesta de la forma: El tempo de caída lbre de uestro cuerpo ha sdo 7,0000,055 ;, co u factor de cobertura,06, que represeta el 68,7 % de cofabldad.

10 Esto sgfca, que s volvemos a repetr la medda, e las msmas codcoes, obtedremos u valor que se ecotrará e el tervalo 7,000 0,055; 7,00 0,055 ; co ua probabldad del 68,7 %. També podíamos haber escogdo uestro resultado co ua cofabldad del 90 %. Etoces de la tabla obteemos que,83, y: ; El resultado de uestra medda se debe expresar etoces de la forma: El tempo de caída lbre de uestro cuerpo ha sdo 7,0000,095 ;, co u factor de cobertura,83, que represeta el 90 % de cofabldad. Y así, para u determado tervalo de cofaza obtedremos u valor dferete de k y co ello u valor dstto de U. Normalmete K suele adoptarse para recubrmetos mportates de la dstrbucó de Y, por ejemplo, 95% o 99,7 %. E el seo de EA (Europea co-operato for Accredtato) se adopta u factor de cobertura que correspoda a u recubrmeto del 95%. Así, sguedo la orma de la EA sempre expresaremos la respuesta fal de ua medcó para u 95 % de cofabldad. E este ejemplo le correspode u valor,6, y: ; El resultado de uestra medda, de acuerdo co la EA, se debe expresar etoces de la forma: El tempo de caída lbre de uestro cuerpo ha sdo 7,000, ;, co u factor de cobertura,6, que represeta el 95 % de cofabldad. A cotuacó os hacemos la sguete preguta: Qué sucederá e el caso de que repetmos uestro expermeto u gra úmero de veces (8 )? E este caso el úmero de grados de lbertad se calcula como., y el fragmeto de la tabla I que debemos usar es el sguete: Grados de C % lbertad E 68, , ,73,000,645,960,000,576 3,000 Esto sgfca que e el tervalo 7 </> 7,7 </> 7 se ecotrará el valor más probable de la medcó co ua probabldad del 68,7%, e el tervalo 7 </> 7,7 </> 7 co ua probabldad de 95,45%, y e el tervalo 7 </> 37,7 </> 37 co ua probabldad del 99,73%. Estos valores cocde co los tervalos y los correspodetes % de cofabldad para ua dstrbucó ormal. Falmete debemos señalar que el procedmeto explcado e este ejemplo para 8 0, será el msmo para cualquer 8 N.

11 Ejemplo : Supogamos ahora que queremos medr, de forma drecta, el valor de la aceleracó de la gravedad O. Para ello, además del tempo 7 meddo e el Ejemplo, será ecesaro coocer la altura P desde la que ha caído el cuerpo, y usar la sguete expresó: h g () t Medmos la altura ua vez y obteemos u valor de P 40, R, y además hemos coocdo, por otros métodos, que la certdumbre de tpo B e la medda de la altura es muy pequeña e comparacó co otras compoetes de certdumbres e el expermeto, pudedo tomar P0,0 R. Susttumos los valores de P y 7 e la expresó () y calculamos O: O 9,80 R ;! A cotuacó calculamos la certdumbre típca combada O a partr de la expresó (4) y de la 7 calculada e (9):! OS T-U V W X!! 7 () O0,436 R ;! Segudamete calculamos la certdumbre expadda OO. Para el cálculo del factor de cobertura, prmeramete dcaremos e ua tabla toda la formacó de que dspoemos de las varables de las que depede O. E este caso 7 y P: Magtud Valor Y E Z 7,00 ; 0,05 ; 9 [ 40, R \0,0; - Co estos valores calculamos el úmero de grados de lbertad efectvos. /00 para O, a través de la fórmula de Welch-Satterthwate (WS):. /00 # 5 - O 3O Como O depede solamete de 7 etoces os quedará:

12 . /00 - O 3O V. /00 9 Sguedo la orma de la EA expresaremos la respuesta fal de la medcó para u 95 % de cofabldad. E este ejemplo le correspode u valor,6, lo que os lleva a O0,33 R ] ;!. El resultado fal lo expresaremos de la forma: Al medr drectamete la aceleracó de la gravedad e la zoa correspodete al edfco Torre Caja Madrd, e Madrd, se obtee u valor de 9,800,33 <^_ co u factor de cobertura,6, que represeta el 95 % de cofabldad. V Resolucó de u strumeto Se le llama resolucó a la míma varacó de la magtud medda que da lugar a ua varacó perceptble de la dcacó correspodete. La resolucó cotrbuye a la certdumbre de medda, por cuato supoe u límte a la aprecacó del valor de la magtud. S la resolucó del strumeto co el que medmos es ` etoces, supodremos e este curso, que el valor de la medda que hacemos puede obteerse co gual probabldad e cualquer puto detro del tervalo S a, a X. Así, los posbles valores de la medda que realzamos puede!! descrbrse medate ua dstrbucó rectagular de probabldad, de ampltud ` y se cumplrá que! a_!, lo que supoe ua certdumbre típca! ` para cualquer medda que realcemos. Aquí estamos supoedo que uestra medda se ecuetra e el tervalo S a!,a X co u 00 % de cofabldad, lo que sgfca! (a falta de más formacó sobre la calbracó del strumeto) a.! E alguos casos solamete podemos saber que uestra medda se ecuetra etre u valor mímo <( y otro valor máxmo <. Etoces supodremos que la medda se ecotrará co gual probabldad detro del tervalo <(, < y que el valor se puede calcular medate la expresó cdef c g! c gt cde!. c gt cde! y ua certdumbre típca co u 00 % de cofabldad. E ambos casos, como estamos cosderado ua dstrbucó de probabldad cotua, tomaremos que el úmero de grados de lbertad e esta medda es., para los casos e que usemos la fórmula de WS para obteer el úmero de grados de lbertad efectvo. E el apédce II de estos aputes explcaremos co más detalle como calcular la certdumbre tpo B debdo a los strumetos de medcó.

13 Ejemplo 3: Queremos medr la logtud h de ua varlla que tee forma clídrca y de dámetro j0, RR. Para ello utlzamos ua regla graduada e mlímetros. La meor dvsó de la regla es de RR, es decr, la resolucó ` RR. Debdo a que la varlla es muy fa realzaremos la medcó ua vez. Al comparar la logtud de la varlla co la regla, observamos que la medda se ecuetra etre los valores 5 y 6 RR, pero o somos capaces de decdr cuál de los dos valores tomar. E este caso k <<f l << debemos tomar que uestra medda es h 5,5 RR. Tomado que la medda sgue ua dstrbucó rectagular de ampltud ` y cetrada e h, etoces la certdumbre típca + h a. Falmete obteemos h! +h0,9 RR. La certdumbre expadda para este strumeto es h a 0,5 RR, correspodete! a ua cofabldad del 00 %. De ambos valores obteemos m 3. Falmete expresamos, La logtud de la barra ha sdo de 5,50,5 RR, co u factor de cobertura de 3, que represeta el 00 % de cofabldad. S más adelate quséramos usar el úmero de grados de lbertad correspodete a esta medcó, debemos tomar.. Ejemplo 4 Queremos medr la msma barra del Ejemplo 3, pero usado u strumeto dgtal que tee ua resolucó ` 0,0 RR. Co este dspostvo obteemos ua logtud de h 5,3 RR. E este caso uestra medda se ecotrará, co toda segurdad, e el tervalo, Sh a,h a X. Tomado que uestra medda sgue ua!! dstrbucó rectagular de ampltud ` y cetrada e h etoces la certdumbre típca + h a.! Falmete obteemos h + h0,009 RR. La certdumbre expadda para este strumeto es h a 0,005 RR, correspodete a ua! cofabldad del 00 %. A partr de ambos valores obteemos m 3. Falmete expresamos, La logtud de la barra ha sdo de 5,300,005 RR, co u factor de cobertura de 3, que represeta el 00 % de cofabldad. S más adelate quséramos usar el úmero de grados de lbertad correspodete a esta medcó, debemos tomar.. Ejemplo 5 Queremos hacer el msmo expermeto del Ejemplo, pero esta vez usado u croómetro dgtal co resolucó ` 0, ;. Co el objetvo de gaar e smplcdad, vamos a supoer que el expermeto se realza 0 veces y que se obtee los msmos valores de la tabla del Ejemplo. Aplcado la expresó (7) calculamos el valor medo del tempo de caída lbre meddo y obteemos 7 </> 7,0 ;. A cotuacó debemos calcular la compoete de certdumbre (tpo A) asocada a la repetbldad del expermeto usado la expresó (8), * 70,05 ;. Segudamete calculamos la certdumbre asocada a la resolucó (tpo B) del strumeto sguedo los msmos argumetos del Ejemplo 4, y obteemos la certdumbre típca + 7 a!. Falmete la certdumbre típca asocada a la determacó de 7 será la combacó cuadrátca debdo a la repetbldad de las medcoes y a la resolucó del strumeto.!

14 ! 7 *! 7 +! 7 (3) ; E el sguete paso calculamos el úmero de grados de lbertad efectvos de esta medcó a través de la fórmula de WS, teedo e cueta que la certdumbre típca costa de dos compoetes.. /00 # 5 - $ 3$ /00-7. /00 - * * 0.05 ; ; -. / ;- A cotuacó buscamos e la tabla I. (Apédce I) los valores del factor que correspode co u determado % de cofabldad. Para ello hemos cogdo el fragmeto de la tabla dode se localza. 6. Grados de C % lbertad E 68, , ,73 6,03,75,,7,9 3,54 Sguedo la orma de la EA expresaremos la respuesta fal de la medcó para u 95 % de cofabldad. E este ejemplo le correspode u valor,, lo que os lleva a 70,3 ;. Falmete, expresaremos la medda fal del tempo e la forma: El tempo de caída lbre de uestro cuerpo ha sdo 7,000,3 ;, co u factor de cobertura de,, que represeta el 95 % de cofabldad. Ejemplo 6 Supogamos ahora que queremos medr, de forma drecta, el valor de la aceleracó de la gravedad O de forma smlar a como lo hcmos e el Ejemplo, pero mdedo el tempo como e el Ejemplo 5. El valor de la altura desde dode cae el cuerpo se ha meddo usado ua cta métrca cuya resolucó es ` 0, R, co lo cual la certdumbre típca e la medda de P es P a. El cálculo de la!

15 aceleracó de la gravedad lo realzamos a partr de la expresó (), y obteemos O 9,80 <^_. A cotuacó calculamos la certdumbre típca combada O a partr de la expresó (4):! OS! V _X!! PS T-U V W X!! 7 (4) O0,7 R ;! El sguete paso será el cálculo de. /00 para O, a través de la fórmula de Welch- Satterthwate (WS):. /00 3O O. V 3O 3P P4 -. U Los valores a susttur e la ecuacó ateror de WS será: Magtud Valor Y E Z 7,00 ; 0,060 ; 6 [ 40, R 0,09 R Se obtee así:. /00 o0,7 R ;!po 4P 7 q 0,060 ;p - 6. /00 7 El sguete paso será el cálculo de la certdumbre expadda OO. Para ello buscamos e la tabla I. (Apédce I) los valores del factor que correspode co u determado % de cofabldad. Para ello hemos cogdo la fla de la tabla dode se localza. 7. Grados de C % lbertad E 68, , ,73 7,03,74,,6,90 3,5

16 Sguedo la orma de la EA expresaremos la respuesta fal de la medcó para u 95 % de cofabldad. E este ejemplo le correspode u valor,, lo que os lleva a O0,36 <^_. Falmete, expresaremos: Al medr drectamete la aceleracó de la gravedad e la zoa correspodete al edfco Torre Caja Madrd, e Madrd, se obtee u valor de 9,800,36 <^_ co u factor de cobertura,, que represeta el 95 % de cofabldad. VI Número de cfras sgfcatvas e el resultado de ua medcó Los valores umércos de la estmacó de ua magtud y de su certdumbre típca y/o típca combada y/o de su certdumbre expadda o debe darse co u úmero excesvo de cfras. Actualmete se ha establecdo el redodeo de la certdumbre a dos cfras sgfcatvas e la presetacó de los resultados fales, auque durate los cálculos termedos es ecesaro mateer cfras suplemetaras para evtar la propagacó de errores de redodeo e cálculos posterores. A la hora de presetar los resultados fales se redodea por exceso o por defecto depededo de la tercera cfra sgfcatva. E el caso de que la tercera cfra sgfcatva sea 5, etoces s la seguda es par se redodea por defecto, metras que s la seguda es mpar se redodea por exceso. Por ejemplo, 0,78 RΩ se redodea a RΩ, y u valor tal como 8,05 st deberá redodearse al valor feror 8 st. Además, las estmacoes de la medda (drecta ó drecta) debe redodearse de acuerdo co sus certdumbres; por ejemplo, s $ 0,0576 Ω co $7 RΩ, etoces el valor de $ deberá redodearse a 0,058 Ω. VII Gráfcos expermetales, ajustes leales. Muchas veces el objetvo de u cojuto de medcoes es comprobar ua ley propuesta teórcamete, o a partr de ua ley ya aceptada determar ua magtud. S al represetar gráfcamete las medcoes, éstas se ajusta a ua recta, etoces podemos calcular la pedete o la ordeada e el orge de dcha recta (Fgura 3). Ambos parámetros estará relacoados co magtudes físcas que pretedemos calcular. Para ello se toma meddas de las dos varables de terés, que llamaremos e $, y se hace ua tabla de valores: X x x x 3 x 4... x... x Y y y y 3 y 4... y... y y co las parejas de abscsa y de ordeada se represeta los putos e u gráfco uv $. S los putos queda bastate aleados, se traza la mejor recta que ajusta esos putos y ua vez represetada se calcula la pedete. A cotuacó se extrapola la recta hasta el eje y para ecotrar la ordeada e el orge. S al represetar los putos, se alea sobre ua curva, lo recomedado es troducr algú cambo de varable y probar co otro gráfco (e vez de uv $., probar co! uv $, o co uv $, o co T uv $, o co hwo uv $, o co otros cambos de varables) hasta que se obtega ua recta. La líea recta es el gráfco expermetal de mayor cofabldad.

17 Para represetar los putos de maera que resulte cómodo hacer medcoes sobre el gráfco se recomeda teer e cueta lo sguete (ver fgura): Fgura 3. Escoja ua escala cómoda e cada eje: múltplos de 0, de, o de 5. Esto es, que el mlímetro del eje tega valores como: ; 0; 00; 0,; 0,0; etc.: o como ; 0; 00; 0,; 0,0; etc. Es gual s es múltplo de 5. Pero tomar dvsoes múltplos de 3, 6, 7, 9 u otros valores (clusve el 4 y el 8) faclta equvocarse al colocar el puto e el papel, o al leer algú valor terpolado e el gráfco: o so escalas fácles de leer.. Represete e los ejes aproxmadamete los tervalos de valores e que aparecerá los putos expermetales. No tee setdo tomar ua escala de 0 a 00 para represetar valores expermetales etre 50 y Trazar la recta, a smple vsta, que más se acerque a los putos represetados, es decr, la recta que mejor se ajuste. 4. Calcular la pedete de la recta al marcar dos putos,,$ y, x,$ x sobre ésta: m y x b a (5) b y x a Estos putos se debe escoger próxmos a los extremos del tervalo de medcó para o perder cfras sgfcatvas del tervalo. No tee setdo hacer medcoes e u tervalo de 00 udades de la varable y escoger u tervalo de x de 8 o 0 udades para calcular la pedete, pues equvale a reducr las cfras sgfcatvas del resultado. 5. Tome las escalas gráfcas de forma tal que u mlímetro ( mm) de la escala cocda co el orde decmal de la últma cfra sgfcatva que se cooce e las medcoes.

18 La medcó de la ordeada e el orge puede lograrse extrapolado hasta el eje $, leyedo drectamete la escala e la tercepcó co el eje de las ordeadas. Esto será así s el eje $ se levata sobre el puto 0 del eje. S la escala del eje estuvera desplazada del orge, la ordeada e el orge deberá ser calculada a partr de la ecuacó geeral de la recta, coocda su pedete y las coordeadas de u puto cualquera. Fgura 4 E la descrpcó del método que debemos segur para obteer el gráfco de la Fgura 3, o hemos tedo e cueta la resolucó de los strumetos usados para medr los valores que hemos represetado e los ejes e $. Cada valor que stuamos e la gráfca debe teer asocado ua certdumbre, co lo cual cada puto se coverte e ua pequeña vetaa rectagular por dode puede pasar la mejor recta (Fgura 4). S la certdumbre de los strumetos es meor que la escala del eje, etoces o tee setdo hablar de esta vetaa. S embargo, e el caso de que sea valores comparables sí es ecesaro cosderar que o so putos, so vetaas. Así, los valores de la pedete y ordeada e el orge de la mejor recta y sus certdumbres depederá de los strumetos utlzados, pues e la represetacó gráfca se ha tedo e cueta las certdumbres de los pares,$. E la fgura 4 podemos observar que exste fdad de rectas que puede pasar por todas las vetaas represetadas. De todas ellas podremos obteer ua co pedete máxma R < y otra co pedete míma R <(. El valor de la pedete que os teresa se debe ecotrar e el tervalo R <(,R <. Exste métodos para estmar, medate el gráfco, la certdumbre de la pedete y la ordeada e el orge, pero o será objetvo de estos aputes.

19 VIII Ajuste por el método de los mímos cuadrados Exste u método matemátco para calcular la pedete y la ordeada e el orge de la mejor recta para u cojuto de putos expermetales. Se cooce como el método de los mímos cuadrados. E este método se toma las coordeadas,$ de ' putos expermetales: x x x x 3 x 4... x... x y y y y 3 y 4... y... y y se supoe que satsface la ecuacó de ua recta: $ Ry tal que para cada valor meddo expermetalmete se podría calcular u valor teórco $ V que debería cocdr, o estar muy próxmo al valor expermetal $. El método de los mímos cuadrados establece que s los parámetros R y y so los de la recta de mejor ajuste, las dferecas $ V $, deberá ser mímas. Como las dferecas e cuestó so postvas y egatvas, se cosdera etoces sus valores al cuadrado para que sea sempre postvas, $ V $!. E esta aproxmacó se está supoedo que las certdumbres asocadas co las meddas de cada puto,$ so desprecables comparadas co la aleatoredad de los putos (Fgura 3). S cosderamos que la mejor recta també puede ser aquella que pase por ua vetaa formada por las certdumbres (Fgura 4), etoces sí estaríamos cosderado el hecho de que cada uo de uestros valores ha sdo determado co certa certdumbre. S embargo, ese caso o será cludo e estos aputes. La hpótess básca del método es defedo la suma v como: S ( mx + b y ) (6) exstrá u valor para R y u valor para y que haga míma esta suma. La codcó de mímo la podemos escrbr como: S 0 m S 0 b De estas se obtee u sstema de dos ecuacoes leales y dos cógtas R y y. Falmete se obtee los valores para la mejor recta: x y m (7) x x x y b y m x (8)

20 Nótese que co las expresoes deducdas para m y b, se puede calcular la pedete y la ordeada e el orge de la recta que mejor ajusta estos putos, esté be aleados o muy dspersos, parezca ua recta o ua parábola, u otra curva. S embargo, se puede calcular el coefcete de correlacó z, y y x x y x y x r (9) que os dca como de bueo ha sdo uestro ajuste. S el coefcete de correlacó queda próxmo a la udad, la correlacó es buea, pero e la medda e que se aproxma a cero sgfca que la dspersó es muy grade. El coefcete de correlacó o puede resultar mayor que la udad. La estmacó de la certdumbre típca combada de la pedete R y la certdumbre típca combada de la ordeada e el orge y se calcula a partr de las sguetes expresoes: ( ) ( ) ( ) ( ) c x x b mx y m u (0) ( ) ( ) ( ) ( ) c x x x b mx y b u () Solamete os queda decr, que e el caso de hacer el ajuste por el método de los mímos cuadrados, el úmero de grados de lbertad asocado co la determacó de R y y es. '. Ejemplo 7 Queremos medr, de forma drecta, la aceleracó de la gravedad O. Para ello vamos a dejar caer u cuerpo desde dferetes alturas, y medremos el tempo de caída lbre para cada altura. La relacó matemátca etre estas parejas de datos 7,P será la expresó (), que ahora escrbremos de la forma: P! O7! () Como se puede observar, la relacó que hay etre cada ua de las alturas P y el correspodete tempo 7 es cuadrátca. Así, s represetamos u gráfco co los pares de putos 7!,P debemos obteer ua recta cuya pedete será R! O, lo que

21 sgfca que s calculamos R podremos coocer OR. Las meddas de las alturas las hacemos co el msmo strumeto del Ejemplo, es decr, P0,0 R y las meddas del tempo las hacemos ua vez para cada altura co el msmo strumeto que el Ejemplo, ,0 ;. Así, tomamos los datos que se preseta e la sguete tabla: P R ! ;! Co estos datos hacemos u gráfco smlar al de la Fgura 3, dode e el eje de las abscsas tomamos 7! y e el eje de las ordeadas los valores de P. Después aplcamos la ecuacó (7) y obteemos la pedete R 4,865 <^_ y R0,08 <^_ co u úmero de grados de lbertad. < '3. Además, el coefcete de correlacó z calculado a partr de la expresó (9) es z 0,9996 dcado que el ajuste a la recta ha sdo adecuado. Co estos datos podemos calcular el valor de O R 9,73 <^_. El valor de la certdumbre típca O se calcula a partr de la ecuacó (4). OR (3) O0,6 R ;! A cotuacó calculamos el úmero de grados de lbertad efectvos. /00 a través de la fórmula WS:. /00 - O 3O 3R R4 -. <. /00 3 El sguete paso será el cálculo de la certdumbre expadda OO. Para ello buscamos e la tabla I. (Apédce I) los valores del factor que correspode co u determado % de cofabldad. Para ello hemos cogdo el fragmeto de la tabla dode se localza. 3. Grados de C % lbertad E 68, , ,73 3,0,35 3,8 3,3 5,84 9, Sguedo la orma de la EA expresaremos la respuesta fal de la medcó para u 95 % de cofabldad. E este ejemplo le correspode u valor 3,8, lo que os lleva a O0,53 <^_.

22 Falmete, expresaremos: Al medr drectamete la aceleracó de la gravedad e la zoa correspodete al edfco Torre Caja Madrd, e Madrd, se obtee u valor de 9,800,53 co u factor de cobertura 3,8, que <^_ represeta el 95 % de cofabldad.

23 APENDICE I Tabla I. Valor de a partr de la dstrbucó t-studet, para. grados de lbertad, que defe u tervalo de certdumbre e toro a la medda, desde hasta X, co u ua cofabldad de K %. Grados de C % lbertad E 68, , ,73,84 6,3,7 3,97 63,66 35,80,3,9 4,30 4,53 9,9 9, 3,0,35 3,8 3,3 5,84 9, 4,4,3,78,87 4,60 6,6 5,,0,57,65 4,03 5,5 6,09,94,45,5 3,7 4,90 7,08,89,36,43 3,50 4,53 8,07,86,3,37,36 4,8 9,06,83,6,3 3,5 4,09 0,05,8,3,8 3,7 3,96,05,80,0,5 3, 3,85,04,78,8,3 3,05 3,76 3,04,77,6, 3,0 3,69 4,04,76,4,0,98 3,64 5,03,75,3,8,95 3,59 6,03,75,,7,9 3,54 7,03,74,,6,90 3,5 8,03,73,0,5,88 3,48 9,03,73,09,4,86 3,45 0,03,7,09,3,85 3,4 5,03,7,06,,79 3,33 30,0,70,04,09,75 3,7 35,0,70,03,07,7 3,3 40,0,68,0,06,70 3,0 45,0,68,0,06,69 3,8 50,0,68,0,05,68 3,6 00,005,660,984,05,66 3,077,000,645,960,000,576 3,000

24 APENDICE II. Icertdumbre tpo B Como ya hemos cometado al co de estos aputes, el acto de medr es comparar ua catdad de magtud, mesurado, co otra catdad de refereca de la msma clase que se adopta como patró, ya sea empleado u strumeto comparador y hacedo terver e el proceso de patroes o materales de refereca que materalza valores próxmos al del mesurado, o aplcado exclusvamete u strumeto de medda sobre el mesurado (medda absoluta drecta). La seguda opcó o es sustacalmete dstta de la prmera. E efecto, auque e este caso la comparacó se realza cotra la escala del strumeto, prevamete tuvero que utlzarse patroes o materales de refereca para establecerla calmete e el strumeto. Así msmo, també se emplea patroes o materales de refereca para comprobarla peródcamete (calbracó). Para que las meddas sea metrológcamete represetatvas, es decr posea trazabldad, los strumetos debe comprobarse peródcamete medate su calbracó, operacó cosstete e efretar el strumeto o patró a calbrar (calbrado) a otros elemetos coocdos, co trazabldad, para determar cuattatvamete las dferecas exstetes. El resultado de la calbracó de u elemeto debe fgurar adecuadamete e cualquer medda e la que tervega dcho elemeto. Exste varas magtudes que o so objeto de la medcó pero que tee u efecto sobre el resultado de la medcó. Así, las varacoes de temperatura afecta a las dmesoes geométrcas de los cuerpos por lo que la temperatura es ua magtud de flueca e la medda de logtudes. Otros ejemplos: Las desdades de las masas que se compara e ua balaza so magtudes de flueca debdo al empuje que aquellas expermeta e el are segú el prcpo de Arquímedes. La temperatura de u coductor fluye sobre su ressteca eléctrca de forma que la medda de dcha ressteca depede de la temperatura del coductor. La determacó de la logtud de oda de u láser está afectada por la presó atmosférca, la temperatura, la humedad relatva y la composcó del are. No sempre es posble medr e las codcoes de refereca dode se calbró el strumeto. E este caso, los valores obtedos debe corregrse para que resulte smlares a los que se habría obtedo s los valores de las magtudes de flueca sgfcatvas hubese sdo los de refereca. Se deoma correccó a la modfcacó que debe troducrse e el valor s corregr, a veces desgado valor bruto, para obteer el valor corregdo. Auque e alguos casos se utlza correccoes multplcatvas, las más frecuetes so las correccoes adtvas que proporcoa el valor corregdo sumado la correccó al valor bruto. Es decr, s e u strumeto de medda obteemos el valor debemos sumarle la correspodete correccó por o ecotraros e las codcoes de refereca. Así el valor fal meddo será: t sedo t el valor de la correccó. Además de las correccoes por medr e codcoes dsttas a las de refereca, la calbracó peródca de cualquer strumeto de medda para dotarle de

25 trazabldad determa la aparcó de la correccó de calbracó, que també debe ser teda e cueta e la correccó fal de uestra medda. Durate el proceso de calbracó de u strumeto lo que hacemos es estmar la correccó que debemos aplcar cuado posterormete tetemos medr co este strumeto. Para ello, medmos u determado patró co el strumeto y así defmos la correccó como: correccót valor del patró dcacó del strumeto La correccó a utlzar por cada uo de los strumetos e u laboratoro se realza a través de u modelo matemátco, que e muchos casos depede de cada medda. S embargo, exste alguas compoetes de la correccó que so comues a muchos strumetos de medda. Por ejemplo, dgamos que estamos usado u sesor para medr ua magtud P, y que leemos a través de su escala el valor h. Etoces, el valor de la medcó lo escrbmos como: La correccó sería: P ht t ` } ~ } } dode: ` es la cotrbucó por derva del sesor desde su últma calbracó } ~ es la correccó por la temperatura a la que se realza la medcó } es la correccó asocada a la dvsó de la escala } es la correccó asocada al cero del strumeto La certdumbre típca de la correccó se calculará como:! t! `! } ~! }! } A cotuacó debemos coocer el úmero de grados de lbertad para cada uo de las compoetes de la correccó, y falmete usado la fórmula de Welch- Satterthwate (u otro método como el de Mote Carlo) calculamos el factor de cobertura para el 95% de cofabldad. Así obtedremos el valor fal de P, que es la certdumbre que verdaderamete os teresa. E la web de los profesores de la asgatura podrá ecotrar alguos ejemplos de certfcados de calbracó para dferetes strumetos. Este procedmeto es complcado y por ello exge de la ayuda de profesoales e sttucoes que se dedca a emtr certfcados de calbracó de strumetos, por ejemplo: Cetro Español de Metrología. E este curso solamete usaremos la correccó debdo a la escala del strumeto, cuya certdumbre tpo B hemos calculado a partr de ua dstrbucó de probabldad rectagular costate alrededor del puto de medda. E el apartado V Resolucó de u strumeto, hemos vsto como calcular la certdumbre típca de u strumeto cuado o teemos ua formacó detallada sobre éste. Etoces tomamos la resolucó del strumeto ` como la míma escala. A partr de ahí calculamos a y a. S embargo, e muchos casos sí teemos!! q formacó más detallada sobre la resolucó del strumeto.

26 Por ejemplo, alguos polímetros cluye la formacó como la que aparece e la sguete tabla, escaeada del catálogo de u polímetro: Fígura II. Iformacó del catálogo de u polímetro e el laboratoro. A cotuacó explcaremos como maejar la formacó que vee e este catálogo. Lo que llama "resoluto" (resolucó) es la últma cfra que veremos al eceder el polímetro, que o sgfca que sea lo que el polímetro es capaz de "resolver" cuado toma ua lectura. Los polímetros (voltímetros, amperímetros, etc) so strumetos complejos cuya resolucó o puede smplfcarse a la últma cfra sgfcatva so que depede del rago e el que te mueves y de la lectura que estés tomado. Por ejemplo, s queremos medr,5 V e DC estaríamos e el rago de V, y

27 la ultma cfra que veremos e el polímetro será " mv", es decr veremos algo como:,50 u. Para calcular la compoete de certdumbre debda a la lectura de la escala }, debemos tomar los datos de "accuracy" (precsó) e ese rago, es decr: 0,5 % de la lectura + dgtos, es decr:,50 0,005 u Ru 9,5 Ru sedo la sem-ampltud del rago de medcó. Como el texto de las especfcacoes o dce ada, le podemos asgar ua dstrbucó rectagular, por lo que la compoete de certdumbre sería: } 3 S o teemos gua otra formacó sobre el strumeto, etoces falmete: + 5,5 Ru 3 S usamos el strumeto para realzar ua úca medda, etoces 9,5 Ru Así, falmete escrbremos uestra medda como: u,5000,0095 u S más adelate queremos usar este valor para ua propagacó cuadrátca y obteer ua certdumbre típca combada, etoces debemos tomar: + 5,5 Ru 3 S embargo, co esto solo teemos ua compoete de la certdumbre. Para calcular la certdumbre de ua medda realzada co ese polímetro ecestaremos además coocer la certdumbre de calbracó y la derva del strumeto (etre otras posbles compoetes). Defedo u modelo matemátco smple de tpo adtvo, bastaría compoer cuadrátcamete esas tres compoetes para teer la certdumbre combada. El factor de cobertura k se puede calcular usado la formula de Welch- Satterthwate a partr de los grados efectvos de lbertad de cada compoete para la probabldad que desees (habtualmete el 95,45 %). S queremos smplfcar podemos supoer que la dstrbucó de probabldad de la certdumbre combada (que hemos calculado al compoer esas tres compoetes) es ua dstrbucó ormal (gausaa), por lo que el k correspodete a ua probabldad del 95,45 % sería k. S queremos usar las especfcacoes de los equpos es mportate y fudametal saber que o debemos malterpretarlas. Además de las especfcacoes es ecesaro calbrar los equpos. Lo que los fabrcates llama "accuracy" o es u susttutvo de la certdumbre de calbracó. La calbracó de los strumetos debe realzarse e cetros especalzados como el Cetro

28 Español de Metrología. Así, auque tegamos las especfcacoes de u strumeto, debemos teer muy presete que para expresar correctamete ua medda se debe obteer el certfcado de calbracó (ver ejemplo e las web de los profesores) ates de ser usados.

29 Bblografía A cotuacó presetamos la bblografía utlzada para hacer este documeto. Se recomeda al alumo el uso de los sguetes materales: A troducto to ucertaty measuremet usg the GUM (Gude to the Expresso of Ucertaty Measuremet). Autores: Les Krkup y Bob Frekel. Dspoble e la Bbloteca de la Escuela Poltécca de la Uversdad de Sevlla. Recomedacoes del CEM para la Eseñaza Metrología. Cetro Español de Metrología, Eero de 0. ( aco/geerales/recomedacoes%0cem%0eseaza%0metrologa.pdf) GUM DIGITAL 00 (GUM 995 co lgeras correccoes). Cetro Español de Metrología, 008. (

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre Tema. La medda e Físca Estadístca de la medda Cfras sgfcatvas e certdumbre Cotedos Herrameta para represetar los valores de las magtudes físcas: los úmeros Sstemas de udades Notacó cetífca Estadístca de

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

Incertidumbre en las mediciones directas e indirectas

Incertidumbre en las mediciones directas e indirectas Icertdumbre e las medcoes drectas e drectas Comezaremos por dstgur dos dferetes tpos de medcoes: Medcoes drectas: La medda de la cota se obtee e ua úca medcó co u strumeto de lectura drecta. Medcoes drectas:

Más detalles

Estimación de Incertidumbres y presentación de resultados

Estimación de Incertidumbres y presentación de resultados Coceptos prevos Estmacó de Icertdumbres y presetacó de resultados Práctcas de Físca I y Físca II Departameto de Físca Aplcada I Escuela Poltécca Superor Matud: Propedad de u feómeo, cuerpo o sustaca que

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

Incertidumbre de las medidas.

Incertidumbre de las medidas. Icertdumbre de las meddas. Al realzar el proceso de medcó, el valor obtedo y asgado a la medda dferrá probablemete del valor verdadero debdo a causas dversas, algua de las cuales ombraremos más adelate.

Más detalles

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental. RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

FÍSICA EXPERIMENTAL INCERTIDUMBRE ABSOLUTA Y RELATIVA. Medición de la longitud del largo del cuaderno:

FÍSICA EXPERIMENTAL INCERTIDUMBRE ABSOLUTA Y RELATIVA. Medición de la longitud del largo del cuaderno: FÍSICA EXPERIMENTAL INCERTIDUMBRE ABSOLUTA Y RELATIVA Medcó de la logtud del largo del cuadero: 9,5, cm,cm represeta la certdumre asoluta de la medda Qué ta sgfcatva es esa certdumre? 9,5, cm puede ser

Más detalles

Laboratorio de Física PRÁCTICA 1

Laboratorio de Física PRÁCTICA 1 PRELABORATORIO: MEDICIÓN - Medr. - Aprecacó. - Meddas drectas. - Meddas drectas. MEDIDAS DE LONGITUD - Cta métrca. - Verer. - Torllo mcrométrco. MEDIDAS DE TIEMPO - Croómetro. Error. - Error sstemátco.

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. EJERCICIO a) ( putos) Racoalce smplfque la fraccó. 8 8 b) ( putos) Determe los coefcetes de la ecuacó 3 a b

Más detalles

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

UNIDAD DIDÁCTICA 13: Estadística Descriptiva Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

No debe entregar los enunciados

No debe entregar los enunciados Curso 01-13 EAMEN MODELO A ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO ETIEMBRE 013 Códgo asgatura: 6011037 EAMEN TIO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo)

Más detalles

Como en ningún caso se conoce el valor verdadero de una medida es aconsejable hablar de error aparente.

Como en ningún caso se conoce el valor verdadero de una medida es aconsejable hablar de error aparente. ERRORES EXPERIMENTALES E todo proceso de medcó este lmtacoes dadas por los strumetos usados, el método de medcó, el observador (u observadores) que realza la medcó. Asmsmo, el msmo proceso de medcó troduce

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

Presentación de resultados y estimación de incertidumbres. Prácticas de Física I Departamento de Física Aplicada I Escuela Politécnica Superior

Presentación de resultados y estimación de incertidumbres. Prácticas de Física I Departamento de Física Aplicada I Escuela Politécnica Superior Presetacó de resultados y estmacó de certdumres Práctcas de Físca I Departameto de Físca Aplcada I Escuela Poltécca Superor Medda e certdumre Toda ceca epermetal se asa e oservacoes cuattatvas que llamamos

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1

UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO 1 ESCUELA UNIVERSITARIA DE TÉCNICA INDUSTRIAL UNIDAD TEMÁTICA 9 REGRESIÓN LINEAL Y CORRELACIÓN ENUNCIADO La sguete tabla muestra la ota fal e los exámees de estadístca (E) e vestgacó operatva (IO) de ua

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros.

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros. Uversdad Técca Federco ata María Estmacó de Parámetros Capítulo 7 Estmacó de Parámetros Estadístca Computacoal II emestre 007 Prof. Carlos Valle Pága : www.f.utfsm.cl/~cvalle e-mal : cvalle@f.utfsm.cl

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada: :: OBJETIVOS [3.] o Apreder a presetar los datos epermetales como grafcas -. o Apreder a usar las hojas de papel logarítmco Semlogarítmco o Determar la relacó matemátca de ua grafca leal de datos epermetales

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

Estadística aplicada al Periodismo

Estadística aplicada al Periodismo Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

EJERCICIOS RESUELTOS TEMA 3.

EJERCICIOS RESUELTOS TEMA 3. INTRODUCCIÓN AL ANÁLII DE DATO EJERCICIO REUELTO TEMA 3. 3.1. La ampltud total de la dstrbucó de frecuecas de la tabla 1. es: A) 11; B) 1; C). Tabla 1. Estatura e cetímetros de ños de 1 meses de edad.

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2). TRABAJO : Varables Estadístcas Bdmesoales (Tema ). Téccas Cuattatvas I. Curso 07/08. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: E los eucados de los ejerccos que sgue aparece los valores

Más detalles

2.4 Pruebas estadísticas para los números pseudoaleatorios

2.4 Pruebas estadísticas para los números pseudoaleatorios Capítulo Números pseudoaleatoros.4 Pruebas estadístcas para los úmeros pseudoaleatoros 34 E la seccó. se presetaro dversos algortmos para costrur u cojuto r, pero ése es sólo el prmer paso, ya que el cojuto

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó

Más detalles

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: mea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recoocer dferetes formas de orgazar formacó:

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

7. Muestreo con probabilidades desiguales.

7. Muestreo con probabilidades desiguales. 7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.

Más detalles

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

Máximos y Mínimos de funciones de dos variables

Máximos y Mínimos de funciones de dos variables Mámos Mímos de fucoes de dos varables Aplcacoes a Modelacó Matemátca AJUTE DE CURVA Regresó leal Lealzacó: epoecal, potecas razoes Coceptos geerales f() Problema geeral: e tee u cojuto dscreto de valores

Más detalles

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( )

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( ) Los úmeros complejos surje a ra de ecuacoes de la forma x + 0 Exste u certo paralelsmo etre este cuerpo el plao, cocretamete, lo que ha es ua correspodeca buívoca, es decr, ua relacó bectva etre C R R

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA

ESTADÍSTICA. UNIDAD 3 Características de variables aleatorias. Ingeniería Informática TEORÍA Uversdad Nacoal del Ltoral Facultad de Igeería y Cecas Hídrcas ESTADÍSTICA Igeería Iformátca TEORÍA Mg.Ig. Susaa Valesberg Profesor Ttular UNIDAD Característcas de varables aleatoras Estadístca - Igeería

Más detalles