Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
12Activity
0 of .
Results for:
No results containing your search query
P. 1
Analisis Estadistico del error

Analisis Estadistico del error

Ratings: (0)|Views: 1,304 |Likes:
Published by AndresCs3

More info:

Published by: AndresCs3 on Apr 25, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/24/2013

pdf

text

original

 
UNIVERSIDAD DEL CAUCA
 Departamento de Física
  Laboratorio de Mecánica I Periodo de 2010
1
Análisis estadístico de los errores aleatorios
A. F. Ruiz
1
, E. A. Muñoz
1
, J. E. Pino
1
 
1
 Ingenieria de Sistemas, FIET, Universidad del Cauca, Cra 2 N. 4N-40 Edificio de Ingenierías Sector Tulcán, Popayán Colombia
Recibido: 14 de abril de 2010
Resumen
Se tomaron mediciones para establecer el periodo de un péndulo de longitud 81 cm. Primero se midieron 100 periodos para el péndulo eninclinaciones de 7°, 15° y 30° y se crearon tablas con dichos datos. Luego se agruparon los resultados en una tabla donde se tomaron 5intervalos de los 100 periodos y se tomaron marcas de clase en cada uno de los intervalos. Al final se tomaron 5 series de 20 periodospara el mismo péndulo en las inclinaciones ya mencionadas. Después de obtener los datos anteriores se procede a usar medidas de ten-dencia central y medidas de dispersión, y apoyado en histogramas, para así establecer un periodo para un péndulo de 81 cm de longitud.Y así establecer el error porcentual para el valor obtenido, comparado con el valor teórico, para permitir un análisis correcto de los erroresaleatorios.
Palabras claves:
Análisis, Medidas, Error.
Abstract
Measurements were taken to establish the period of a pendulum of length 81 cm. First we measured 100 times for the pen-dulum on slopes of 7 °, 15 ° and 30 °. Tables were created with the data. Then grouped the results into a table that took 5intervals of 100 periods and took class brands in each of the intervals. In the end they took 5 sets of 20 periods for the samependulum on the slopes above. After obtaining the above data are appropriate to use measures of central tendency and dis-persion measures, and supported by histograms, in order to establish a period for a pendulum 81 cm long. And that set thepercentage error for the value obtained, compared with the theoretical value, to enable a proper analysis of random errors.
 Keywords:
Analysis, Measure, Mistake
Introducción
En todo proceso de medición existen limitaciones dadas porlos instrumentos usados, el método de medición, el obser-vador que realizan la medición. Así mismo, el mismo pro-ceso de medición introduce errores o incertezas.Tanto los instrumentos que usamos para medir como lasmagnitudes mismas son fuente de incertezas al momento demedir. Los instrumentos tienen una precisión finita, por loque, para un dado instrumento, siempre existe una variaciónmínima de la magnitud que puede detectar.Esta mínima cantidad se denomina la apreciación nominaldel instrumento. Por ejemplo, con una regla graduada enmilímetros, no podemos detectar variaciones menores queuna fracción del milímetro.Decimos que conocemos el valor de una magnitud dada, enla medida en que conocemos sus errores. En ciencia consi-deramos que la medición de una magnitud con un ciertoerror no significa que se haya cometido una equivocación oque se haya realizado una mala medición. Con la indicacióndel error de medición expresamos, en forma cuantitativa ylo más precisamente posible, las limitaciones que nuestroproceso de medición introduce en la determinación de lamagnitud medida. Es imprescindible en ciencia e ingenieríaespecificar los errores de medición.En sistemas, se usa la toma de tiempos para determinar elcosto computacional de algoritmos. Y dependiendo deltamaño de los datos y el tiempo que tarde en ejecutar lasoperaciones se elije el mejor algoritmo para determinadatarea. Así, de la misma manera, no basta con tomar un solodato con una sola cantidad de datos, sino hacer medicionesy aplicar las medidas de centralización y de dispersión paraayudar a realizar esta tarea.
Marco Teórico
Existen dos medidas de interés para cualquier conjunto dedatos: La localización de su centro y su variabilidad. Latendencia central de un conjunto de datos es la disposiciónde estos para agruparse ya sea alrededor del centro o deciertos valores numéricos. La variabilidad de un conjunto dedatos es la dispersión de las observaciones del conjunto.
 
 
 Análisis estadístico de los errores aleatorios
2La media de las observaciones
 x
1
 , x
2
 , x
3
…, x
n
es el promedioaritmético de estas y se denota por:
1
1
nii
 Xn
=
=
 La media es una medida apropiada de tendencia central paramuchos conjuntos de datos. Sin embargo, dado que cual-quier observación en el conjunto se emplea para su cálculo,el valor de la media puede afectarse de manera despropor-cionada.Al resumir grandes colecciones de datos, es útil distribuirlos datos en clases o categorías y determinar el número deindividuos que pertenecen a cada clase, llamado frecuenciade clase. Una disposición tabular de los datos por clases junto con las correspondientes frecuencias de clase, se llamadistribución de frecuencias. Los datos así organizados enclases se llaman datos agrupados.La media aritmética de una serie estadística de frecuenciasse define como:
1
1
nii
 XXfin
=
=
 Para obtener la media aritmética de una serie estadística defrecuencias se multiplica la variable
 X 
i
 
con la frecuencia dedicho dato en la serie
 f 
i
.Es decir, que tanto la media aritmética usando muestrabruta, tanto como agrupar los datos si el uso de intervalos dael mismo valor.La media aritmética de una serie estadística de intervalos sedefine como:
1
1
mii
 XXmfin
=
=
 Donde
 Xm
i
se define como el punto medio de cada intervalo(Marca de clase). Y
m
como el número de intervalos que setoman.Una medida de tendencia central proporciona informaciónacerca de un conjunto de datos pero no proporciona ningunaidea de la variabilidad de las observaciones en dicho con- junto. Por ejemplo, considere los dos siguientes conjuntosde datos, cada uno de los cuales consiste de cuatro observa-ciones: 0, 25, 75, 100; 48, 49, 51, 52. En ambos casos
 , me-dia
=
mediana=
50. Estos dos conjuntos son muy diferentesentre si, sin embargo las observaciones en el primero seencuentran mucho mas dispersas que las del segundo. Unade las medidas más útiles de dispersión o variación es lavarianza.La varianza de las observaciones
 x
1
 , x
2
 ,…, x
n
es, en esencial,el promedio del cuadrado de las distancias entre cada obser-vación y la media del conjunto de observaciones. La varian-za se denota por:
221
()/(1)
nii
SXXn
=
=
 La varianza es una medida razonablemente buena de lavariabilidad debida a que si muchas de las diferencias songrandes (o pequeñas). El valor de la varianza puede sufrirun cambio muy desproporcionado, aun más que la media,por la existencia de algunos valores extremos en el conjun-to.La raíz cuadrada positiva de la varianza recibe el nombre de
 Desviación estándar 
y se denota por:
21
()/(1)
nii
SXXn
=
=
 La varianza y la desviación estándar no son medidas devariabilidad distintas, debido a que la ultima no puede de-terminarse a menos que se conozca la primera. A menudo seprefiere la desviación estándar en relación con la varianza,porque se expresa en las mimas unidades físicas de las ob-servaciones.Para datos agrupado, puede calcularse el valor aproximadode la varianza mediante el uso de la fórmula:
221
()/(1)
niii
SfXXn
=
=
 La fórmula para la desviacion estandar es:
21
()/(1)
niii
SfXXn
=
=
 Para las tres fórmulas anteriores
 f 
i
y
 x
i
son, respectivamente,la frecuencia y el punto medio de la i-esima clase, y n es, la
 
 3suma de todas las frecuencuas. Debe notarse que, en datosagrupados, la aproximacion a la varianza puede ser no muyconfiable, especialmente si las observaciones no seencuentran distribuidas de manera uniforme dentro de susrespectivas clases.La desviacion estandar para datos agrupados en intervalosse define como:
21
()/(1)
niii
SfXmXn
=
=
 La desviacion media es el promedio de los valores absolutosde las diferencias entre cada observacion y la media de lasobservaciones. La desviacion media esta dada por:
1
..()
nii
 DMXXn
=
=
 Para datos agrupado se define aproximadamente como:
11
..()
kiiii
 DMXX
= =
=
 Para datos agrupados por intervalos se define como:
1
..()
ii
 DMXmXn
=
=
 Los términos empleados en estas expresiones son losmismos definidos anteriormente.La desviacion media es una medida interesante de lavariacion, especialmente en el contexto de la evidenciaempirica, debido a que en muchas ocasiones el interes secentra en las desviaciones y no en los signos de estas. Sinembargo, desde un punto de vista teorico, el empleo de ladesviacion media como medida de dispersion esta endesventaja, dado que, matematicamente, es dificil deobtener. De cualquier manera, la desviacion media esmenos sensible a los efectos inducidos por lasobservaciones extremas del conjunto de datos de datos quela varianza o la desviacion media puede proporcionar unamedida de dispersion mucho mas real que la obtenida por ladesviacion estandar.El error posible de cometer dependerá entre otros factoresque después nombraremos, de la sensibilidad del método demedida, que podemos definir como “la docilidad de res-puesta del aparato o del método”, así en la balanza es ladesviación producida por un miligramo de sobrecarga. Nohay que confundir sensibilidad con precisión, dado que éstase define como la facultad de un método o de un aparato derepetir en mayor o menor grado los resultados de medicio-nes de una misma magnitud, realizadas en idénticas condi-ciones. No existe una relación entre la precisión y la sensi-bilidad, un instrumento muy sensible no tiene porque sermuy preciso, en algunos casos, como en la balanza, unagran sensibilidad trae aparejada una disminución de la pre-cisión.En todos los casos las mediciones se pueden reducir a ob-servar la posición de un índice sobre una escala. Las escalasse gradúan con las unidades apropiadas y nuestra observa-ción consiste en decir que el índice está más cerca de unadivisión de la escala que de otra.Se puede ver esto midiendo una magnitud un cierto númerode veces con el mismo instrumento y en las mismas condi-ciones, se encontrará que los valores difieren entre sí enpequeñas cantidades. Esto se debe a muchísimos factoresfuera del control del experimentador estarán influyendo enla determinación, tales como temperatura, presión, movi-miento de los soportes,etc. Estos errores no previsibles y de origen prácticamenteindeterminados, se denominan errores casuales. Para suestimación es necesario hacer un número más o menosgrande de observaciones. La teoría estadística de los errores,de la cual vamos a dar algunas nociones necesarias, se basase basa en los siguientes postulados fundamentales.El error absoluto se define como:
a
 EE
=
 El error relativo se define como:
 / 
 RT
 EEXE 
=
 

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->