FISICA TEMA: LABORATORIO I MEDICION DOCENTE: EDSON PLASENCIA S.

INTEGRANTES: LOPEZ DIESTRA EDWARD RIOS SALAS ANGELO VENEGAS PONCE DE LEON LUIS CICLO: I SEMESTRE:

Medición y propagación de errores. determinando el error en el proceso de medición. 2. .2010-II Experimento 1 Medición OBJETIVO El objetivo concebido para este experimento ha sido conocer las definiciones relativas al error experimental mediante el manejo de datos. Las Partes de este proceso son: 1. Medición y error experimental en una muestra discreta.

en este. Solo para otro tipo común de mediciones físicas es más apropiada otra distribución: al observar fenómenos como la desintegración radiactiva se debe emplear la distribución conocida como “distribución de Poisson” . Medición y error experimental (Incertidumbre): 1. además. por otras razones. . Muchos de los procedimientos estadísticos habitualmente utilizados asumen la normalidad de los datos observados. Fundamento teórico: ➢ Distribución Gaussiana: Cuando hay fluctuaciones en medida. en general. en general se supone que el tratamiento estadístico obedece la denominada “distribución Gaussiana” o “normal”. esta hipótesis puede obviarse cuando se dispone de un número de suficiente de datos. la diferencia con la estadística de Gauss resulta significativa solo para muy bajos niveles de ocurrencia. resulta recomendable contrastar siempre si se puede asumir o no una distribución norma.I. Un método grafico es el denominado análisis de histograma. si el histograma corresponde a una campana de Gauss se puede afirmar que la distribución es Normal o Gaussiana. correspondiente al número de frijoles que caben en un puñado normal Determinar la incertidumbre en este proceso de medición. PRIMERA PARTE: 1. Esta distribución se utiliza para interpretar muchos tipos de medición física que guardan estrecha correspondencia con los fundamentes teóricos de dicha distribución. Obetivo: ➢ Determinar la forma de la curva de Distribución Gaussiana en un proceso de medición. en parte porque la experiencia demuestra que la estadística Gaussiana si proporcionan una descripción razonablemente exacta de los sucesos reales. La simple exploración visual de los datos puede sugerir la forma de su distribución.Pero aún en casos como éste. El uso extendido de la distribución normal en la aplicación estadística puede explicarse. Aunque muchas de estas técnicas no son demasiado sensibles a desviaciones de la normal y.

s) se conoce como .s dos números naturales .s) .Diremos que un puñado de frijoles es de clase [r. Δ(n͞͞m͞p). n͞͞m͞p de frijoles que caben en un puñado normal. 1.n͞͞mp)2 ͞ La raíz cuadrada positiva de esta media aritmética es el numero Δ(n͞͞m͞p).n͞͞m͞p. s) si tal puñado x frijoles y se cumple que r ≤ x < s.s) el número de veces que se obtiene un puñado de clase [r. a este número n(r. en general Δ(n͞͞m͞p) =1100 k=1100( Nk. buscado. Materiales: ➢ Un tazón de frijoles. ➢ Una hoja de papel milimetrado. 1.1. de la medición anterior. por otra parte.n͞͞m͞p)2 ➢ Grafique la posibilidad de que un puñado normal contenga tantos granos de frijoles. Cálculos y resultados: ➢ Determine la media aritmética de los 156 números obtenidos. Sea N número de veces que se realiza el experimento consistente en extraer un puñado normal de frijoles. una vez conseguido se procedió a realizar dicha acción repetidas veces (156 veces) contando la cantidad de frijoles extraída. Sean. Está media aritmética es el numero más probable. ➢ Determine la incertidumbre normal o desviación estándar. Procedimiento: ➢ En esta experiencia primero tuvimos que regular la manera en que se extraen los frijoles del recipiente hasta lograr un puñado estándar. Halle la media aritmética de los cuadrados de las diferencias Nk. Posteriormente hicimos un registro de los datos obtenidos. y sea n(r. Para ello proceda así: Sea NK el número de granos obtenidos en la k-ésima operación. que será: 1100 k=1100( Nk. r. ➢ Un tazón mediano de plástico.

s) N . ESTE SEA DE CLASE [r.s) DE QUE AL EXTRAER UN PUÑADO.s)= n[r. La probabilidad así determinada quedará mejor definida cuando más grande sea el número N.s). N muy grande.frecuencia de la clase [r. Al cociente de dicho números (cuando N es suficientemente grande) lo llamaremos PROBABILIDAD π(r.s) . ➢ A continuación mostraremos la tabla de frecuencias obtenidas en este experimento: . es decir : π[r.

147 1.853 4.853 0.147 3.200 37.147 0.147 -8.853 6.853 0.376 34.853 0.728 140.147 4.147 0.140 0.853 11.022 26.022 3.853 -2.147)2 0.853 -6.853 10.853 -8.853 12.853 4.374 0.853 2.374 220.846 23.964 0.258 61.147 4.552 0.198 3.728 4.786 1.853 7.670 140.612 0.853 5.147 14.200 46.846 0.728 4.853 3.853 -2.K 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 K NK 67 64 60 65 67 64 58 66 61 73 66 66 71 66 68 58 81 67 78 77 62 71 75 69 67 70 67 79 73 71 79 60 61 70 70 71 75 72 74 78 62 68 69 60 NK NK66.492 46.853 -0.316 0.846 14.022 0.147 -1.147 -5.853 12.610 37.964 23.786 26.147 NK- (Nk66.853 -4.728 14.853 2.853 -0.198 23.853 8.788 17.552 78.147 -6.728 165.552 165.140 37.147 6.376 8.494 17.492 14.853 3.147 -5.147 1.434 66.853 -4.853 8.786 (Nk- 5 7 5 8 5 9 6 0 6 1 6 2 6 3 6 4  6 5 6 6 6 7  6 8 6 9 7 0 7 1 7 2 7 3 7 4 7 5 7 6 7 7 7 8 7 80 81 9                                          5 5 5  6 6 6 6 6 6 6 6 6 6 7 7 7 7 7 7 7 7 7 7 80 81 .853 11.610 66.552 78.494 117.022 23.147 -0.434 8.853 -6.147 -0.

609156 ➢ Dibuje en un plano la frecuencia versus el número de frijoles. la mejor curva normal.En vez de medir puñados. otro motivo podría ser que no todos sacamos de la misma manera los frijoles del tazón.147 Δ(n͞͞m͞p)= 5267. . con más precisión ya que la forma de estos recipientes es definida mientras que la mano no siempre hace un puño que pueda contener la misma cantidad de frijoles. 2. etc. en una cuchara.? Rpta: Sí. ¿podría medirse el número de frijoles que caben en un vaso. Cuestionario: 1. en una cuchara..Según Ud. trace a su criterio. es decir.147) = 2 5267.61 ⇒ Puñado más grande n͞͞m͞p = 10319156 81 Puñado más pequeño 57 = 66. 1.. ¿A qué se debe la diferencia entre su puñado normal y el de sus compañeros? Rpta: La diferencia se debe a que no todos tenemos el mismo tamaño de mano. En el siguiente gráfico se observa la dispersión de los datos obtenidos en el experimente con relación a la dispersión ideal que representa la “Campana de Gauss”.➢ Además presentamos el siguiente “Histograma de frecuencias” elaborado con los datos obtenidos: Σ NK = 10319 ⇒ Σ (Nk-66. A 2/3 de la altura máxima trace una recta horizontal. se podría medir el número de frijoles que caben en un vaso. generándose el segmento AB.

unos cierran mas fuerte el puño que otros ocasionando que reduzca la cantidad de frijoles.¿Qué sucedería si los frijoles fuesen de tamaños apreciablemente diferentes? Rpta: La medición de la cantidad de frijoles sería algo inexacta puesto que es probable que los frijoles de mayor tamaño desplacen a los de menor tamaño u ocurra el caso contrario. 5. r+2) frente a la de π[r. Rpta: La sugerencia que propondríamos sería que una sola persona saque los frejoles del tazón. Rpta: Los hechos que observaríamos serían: –Mayor precisión en los cálculos puesto que el número de muestras sería mayor. ¿qué ventaja le ve a la representación de π[r. 7.¿Qué sucedería si en el caso anterior colocara sólo. digamos.. . ¿Sería ventajoso colocar sólo 100 frijoles en el recipiente.¿Cuál es el promedio aritmético de las desviaciones nk . r+1)? Rpta: La ventaja de la representación de π[r.La parte de este experimento que exige “más paciencia” es el proceso de contar.n͞͞mp? ͞ Rpta: El promedio es 0. contando los frijoles que quedan en el recipiente? Rpta: Al tener sólo 100frijoles en el tazón se alteraría la manera de extraer frijoles ya que si hubiera más frijoles sería más fácil extraer un puñado.? ¿Por qué? a. 8. –Imprecisión al momento de contar..Después de realizar los experimentos. De acuerdo a lo anterior la alternativa similar es la (b).. r+1). sería la precisión en la medición de la probabilidad. –La persona que extrae los frijoles podría ser impreciso al momento de la extracción debido al cansancio de repetir tantas veces el procedimiento. porque las personas encargadas del conteo estarían cansadas.En el ejemplo mostrado se debía contar alrededor de 60 frijoles por puñado.. esa persona sacaría en grupos de 3 para que todos cuenten frijoles y así se acelere el proceso.Mencione tres posibles hechos que observarían si en vez de 100 puñados extrajeran 1000 puñados. 4.0004359. Uno de los participantes realiza las 100 extracciones pero cada participante cuenta 33 ó 34 puñados. ya que controlaría la manera en que lo hace. y de esta manera calcular el número de frijoles en un puñado. 3. 75 frijoles en el recipiente? Rpta: No sería recomendable porque al haber tan pocos frijoles se altera de considerablemente la manera de extraer los frijoles ya que prácticamente se estaría extrayendo la totalidad de estos. r+2) frente a la de π[r. b. Para distribuir esta tarea entre 3 personas ¿Cuál de las sugerencias propondría Ud.. Cada participante realiza 33 ó 34 extracciones y cuenta los correspondientes frijoles. 6.. 9.. ya que este posee un intervalo mayor.

• Posiblemente al momento de realizar el conteo de los frijoles tuvimos imprecisión y no se logró un conteo correcto. • Con respecto a la tabla e histograma anteriormente mostrado. 11. • Con respecto a la distribución gaussiana pudimos notar que nuestros datos no eran tan precisos como debería reflejar idealmente la campana de Gauss. lo que hizo difícil que el rango del intervalo de frecuencias fuera corto por lo cual modificamos algunos datos (solo tomamos en cuenta el intervalo [57. Justificación de resultados: ➢ En el proceso del experimento realizado tuvimos varios impedimentos los cuales detallamos a continuación : • En primer lugar los frijoles no poseen un tamaño estándar. • Mientras más extracciones de frijoles realicemos mayor será la exactitud del experimento. notamos que la cantidad de frijoles obtenida con mayor frecuencia fue 69. un puñado de frijoles... lo que nos indica que el margen de error con respecto a la media de datos es pequeña.¿Cuál cree Ud.-Mencione Ud. 12. sino más concentrados a comparación de los frijoles. es decir. es decir no encontraremos datos demasiado dispersos. 81]) • No fue posible mantener un puñado estándar al extraer los frijoles pues la la medida del puñado no es constante. afirmar sobre el número de frijoles contenido en todo el puñado (antes de contar)? Rpta: Se podría afirmar que el número de frijoles sería el de mayor probabilidad.Después de realizar el experimento coja Ud. el que presenta mayor frecuencia. alguna ventaja o desventaja de emplear pallares en vez de frijoles en el presente experimento Rpta: Una ventaja sería que los pallares no caerían de tu mano a diferencia de los frijoles que se escapan del puñado. por tal motivo los datos se elevan al cuadrado y se obtiene la raíz cuadrada del promedio de los nuevos valores para obtener un resultado más preciso. 2. porque como muestra la respuesta anterior el número es muy pequeño debido a que algunos datos son negativos. La cantidad de pallares que caben en un puñado se presentaría en un intervalo menor. Conclusiones: ➢ Al haber realizado el procedimiento repetidas veces pudimos notar que: • En promedio la cantidad de frijoles que caben en un puñado es aproximadamente 66. . la varianza y la desviación estándar será mínima. es la razón para haber definido Δ(n͞͞m͞p) en vez de tomar simplemente el promedio de las desviaciones? Rpta: No sería recomendable realizar dicho promedio. ¿Qué puede Ud.10. • Para tener una mayor precisión debimos repetir el procedimiento muchas veces más de las realizadas en nuestro experimento 1.

y y se hace las aproximaciones . el tratamiento de errores (también llamados errores) nos lleva al tema de la propagación de estos. Determinar magnitudes derivadas o indirectas. y que Δx≪x . Δx≅ⅆx Así. Obetivo: ➢ Expresar los errores al medir directamente longitudes con escalas en milímetros y en 1/20 de milímetro. Propagación del error experimental: 1. Fundamento teórico: ➢ En el proceso de medición. SEGUNDA PARTE: 1.y Cuya expresión diferencial es: ⅆV=∂V∂xⅆx+∂V∂yⅆy Podremos calcular el error de V si se conoce explícitamente V=Vx. al buscar expresar el valor de magnitudes que se determinan indirectamente.I. para cualquier magnitud indirecta (o que se mide indirectamente) por ejemplo: V=Vx. de una magnitud x . se puede usar la aproximación. Teniendo en cuenta que el error de medición directa. es Δx . calculando la propagación de la incertidumbre.

el valor experimental incluyendo los respectivos errores son Suma = x+y ± (Δx+Δy) Resta = x-y ± (Δx+Δy) Producto = xy± xyΔxx+Δyy Cociente = xy±xyΔxx+Δyy 1. para los casos en que se tenga la suma.080% 0. ➢ Una regla graduada en milímetros.1±0.0±0. Para esto cada uno de los integrantes medimos individualmente hasta que lleguemos a un acuerdo sobre sus respectivas medidas. Cálculos y resultados: ➢ Determine el área total A y el volumen V del paralelepípedo. Todas estas mediciones se registrarán en la siguiente tabla. Materiales: ➢ Un paralelepípedo de metal.25 mm 31. multiplicación o cociente de dos magnitudes x e y. resta. 1. el área total A100.025 0.806% 0. Procedimiento: ➢ En este experimento medimos las dimensiones del paralelepípedo.25 mm 31. formando un gran paralelepípedo.00±0. TABLA DE MEDICIONES Y RESULTADOS Con regla Con el pie de rey Porcentaje de incertidumbre REGLA VIERNER 0.080% largo a 31.025 31. b. Suponga que coloca 100 paralelepípedos apoyando uno sobre otro.10±0.803% largo b . para este determine: a. ➢ Un pie de rey.ΔV≅ⅆV ΔX≅ⅆx Δy≅ⅆy Procediendo de esta manera (con diferenciales) se obtiene que. primero con la regla graduada en milímetros y posteriormente con el pie de rey (Vernier). el volumen total V100. 1.

10±0.025 1195±0.806% 0.25 mm -----------3416mm2 11568mm3 31.002% ➢ Las medidas fueron tomadas de un paralelepípedo.083% 1.020% 0.5±0.080% 0.724% 3.209% 0.25 mm 1200 ±0.0±0.25 mm 6.0±0.025 3412mm2 11521mm3 31.025 31.843% 0.025 14.393% 0.95 ±0.30±0. Cuestionario: .342% 0.5±0.2mm2 1152100mm3 2.40±0.025 6.803% 0.0±0.080% 0.173% 0.25 mm 14. del cual hemos creado este esquema: 1.alto h D1 D2 profundidad A V a100 b100 h100 A100 V100 12.025 mm 150347.00±0.025 7.25 mm 31.25 mm 150968 mm2 1156800 mm3 11.35±0.

.¿Qué es más conveniente para calcular el volumen del paralelepípedo: una regla en milímetros o un pie de rey? Rpta: Lo más conveniente a nuestro parecer es el pie de rey (Vernier).1. ya que puede medir 120 mm y presenta mayor versatilidad. por más preciso que pueda ser el instrumento. . el procedimiento más apropiado sería que varias personas midan las dimensiones del paralelepípedo y se considere como medida más apropiada la que se repite más veces. puede medir diámetros y profundidades. Conclusiones: ➢ Al finalizar el experimento podemos concluir que : • Siempre encontraremos una incertidumbre en nuestras mediciones. 2. • Los bordes del paralelepípedo no eran perfectos. ¿cuál es el procedimiento más apropiado? Rpta: No. dado que no todas las personas hacen el mismo uso del instrumento. • Nos dimos cuenta que el pie de rey es mucho más exacto y versátil que la regla milimetrada.¿Las dimensiones de un paralelepípedo se puede determinar con una sola medición? Si no. a comparación de la regla que solo mide hasta 1 mm y mide únicamente longitudes. Justificación de resultados: ➢ En el proceso del experimento realizado tuvimos varios impedimentos los cuales detallamos a continuación : • Puesto que cada integrante de nuestro grupo ha realizado mediciones individualmente y no siempre coincidíamos en la medida pudimos haber tomado una medida errónea. 2.. por lo que pudimos haber tomado malas mediciones 1.