1

Intuitivo
(nos falta estadística y tiempo)

Práctico
(queremos trabajar en el laboratorio)

2
 Medidas.
 Unidades.
 Cálculo de incertidumbres.
 Presentación de resultados.
 Otras herramientas.
 Ejercicios

3
 Medición
 La medición es el proceso de comparar
una cantidad desconocida con una
unidad estándar. Cualquier medición
involucra dos elementos:
 Un valor numérico (cantidad medida)
 Una unidad (m, kg, s, etc.)
 Ejemplo en Bioquímica y Farmacia: Medir
la concentración de una solución de
glucosa y obtener 5.32 mg/mL.
4
 Cifras Significativas
 Las cifras significativas son los dígitos que expresan una
cantidad con el grado adecuado de certeza.
 Reglas para identificar cifras significativas:
 Todos los dígitos distintos de cero son significativos.
Ejemplo: 4.56 (3 cifras significativas)
 Los ceros entre dígitos significativos también lo son.
Ejemplo: 405 (3 cifras significativas)
 Los ceros a la izquierda NO son significativos.
Ejemplo: 0.0023 (2 cifras significativas)
 Los ceros a la derecha de un número decimal son
significativos.
Ejemplo: 2.300 (4 cifras significativas)

5
 Reglas de Redondeo
 El redondeo se utiliza para ajustar valores numéricos
según las cifras significativas requeridas.
 Si el primer dígito descartado es menor que 5, el último
dígito retenido no cambia.
Ejemplo: 3.142 → 3.14 (si se requieren 3 cifras
significativas).
 Si el primer dígito descartado es mayor que 5, el último
dígito retenido aumenta en 1.
Ejemplo: 3.146 → 3.15.
 Si el primer dígito descartado es exactamente 5 y va
seguido de ceros, se redondea al número par más
cercano.
Ejemplo: 2.450 → 2.4; 2.550 → 2.6.

6
Comparar una cantidad con su respectiva
unidad, con el fin de averiguar cuantas
veces la segunda está contenida en la
primera.

7
Si medimos el largo de una mesa ...

El resultado podría ser ?

125,434
125,434 cm
125,434 ± 17,287 cm
125 ± 17 cm
8
Al medir una mesa podemos obtener

125 ± 17 cm

Presentación
valor
unidades
±incertidumbre 9
 Medidas.
 Unidades.
 Cálculo de incertidumbres.
 Presentación de resultados.
 Otras herramientas.
 Ejercicios

10
Muchas veces se cometen errores al medir.

Debemos corregirlos o al menos estimarlos

X Xreal

Xmedido X
11
 Error = Xreal –Xmedido
XrealXmedido X, Xmedido X)

X Xreal

Xmedido X
12
 X depende de lo seguros que queramos estar
 Nivel de confianza = fracción de las veces que
quiero acertar. 99%, 95%...

X Xreal

Xmedido X
13
 Medidas directas

Las anoto de un instrumento

L1, L2
 Medidas indirectas
L2

Provienen de aplicar
operaciones a medidas
directas
A = L 1 x L2
L1
14
 Medidas directas
• Sistemáticos
• Aleatorios

 Medidas indirectas

• Derivados de los anteriores

15
 Errores sistemáticos
Limitaciones de los aparatos o métodos
• Precisión
• Calibración

73
72
0
1 Pesada corregida
inicial
en “vacio”
Recalibración

16
 Factores que perturban nuestra medida.

• Suma de muchas causas

• Tienden a ser simétricos.
• Se compensan parcialmente.
• Repetir las medidas.
medidas
• Estadística

Xreal 17
 Distribuciones
Representamos la frecuencia de sucesos
aleatorios.
 Tienden a curvas típicas

x
xx x
x x x xx x x x

Xreal
18
 Medidas.
 Unidades.
 Cálculo de incertidumbres.
 Presentación de resultados.
 Otros tipos de medidas.
 Ejercicios

19
Al medir una mesa podemos obtener

125 ± 17 cm

Presentación
valor
unidades
±incertidumbre 20
 Medidas directas
• Sistemáticos
• Aleatorios

 Medidas indirectas

• Derivados de los anteriores

21
 Frente a errores sistemáticos.
• Medir correctamente
• Calibrar los aparatos
 Frente a errores aleatorios.
• Se compensan repetir varias veces la medida
• La media es el valor más probable

n
Xi
X 
i 1 n
22
 se pesa una persona en varios días seguidos en
iguales condiciones

Día L M M J V
Masa
73 72 74 72 73
(kg)

(73  72  74  72  73)
M 72,8 kg
5

23
 Incertidumbre: Estimación del error no corregible

 Se suele expresar como:

1. Absoluta: X

2. Relativa: X X
 X Er   X Er en % 100
X X
 Se suele descomponer para medidas directas en:
1. Incertidumbre factores sistemáticos: S1S2
Destaca la de precisión
2. Incertidumbre factores aleatorios: 
24
 Incertidumbre en medidas directas
2. Incertidumbre Aleatoria EA

 Para n medidas


E A t n  1 s = Desviación

n 1 n típica de las
medidas

Desviación típica
de la media
Factor de cobertura
t de Student
25
 Incertidumbre en medidas directas
2. Incertidumbre Aleatoria EA
 S: dispersión de los datos
X 4
  
Xreal
¿edir
¿edirlalaseparación
separacióncon
conrespecto
respectoalalvalor
valormedio
real ??
¿Cómo?
No conocemos el valor real


ss
2   
2 i 1
n 2
(33 xxxi )
x
2
  
2
 (443 xx4)2 5
2
(55 x
2x)
 4  4   
5 22
 40 2
2

s2     1
n 1
n 1 333 3 1 33 2
26
 Incertidumbre en medidas directas
2. Incertidumbre Aleatoria EA
 Factor de cobertura: t de Student
 Ya tenemos X y sX X s X
pero el intervalo... es
pequeño y conlleva un nivel de confianza variable
multiplicamos por un factor corrector.
tn
 Si es el nivel de confianza tn  1 t n  1 (1   ) t n  1 ( p )
p=0.05.


Para pocas medidas s=n-1 se estima mal y el factor es
mayor para compensar.

27
 Incertidumbre en medidas directas
2. Incertidumbre Aleatoria EA
 Coeficientes tm (m grados de libertad)

M 1 2 3 4 5 10 20 40 

tm
6,31 2,92 2,35 2,13 2,01 1,81 1,72 1,68 1,64
P=0.1

tm
12,7 4,30 3,18 2,78 2,57 2,23 2,08 2,02 1,96
P=0.05

tm
63,6 9,92 5,84 4,60 4,03 3,16 2,85 2,70 2,58
P=0.01
28
 Incertidumbre en medidas directas
2. Incertidumbre Aleatoria EA
 Ejemplo: Me peso varios días seguidos en iguales condiciones

M 72,8 kg
Día L M X J V
 n  1 0,837 kg
Masa (kg) 73 72 74 72 73
t n  1 t 4 2,78

  72
73 n ,1
8 2
 72  
72n81 74  72,8 0,
,
2 2
 837
72  72,8 2
 73  72,8 2
EAn  1
 tn t4 2, 78 1, 04 kg
n 5 5 1 5

29
 Medidas.
 Unidades.
 Cálculo de incertidumbres.
 Presentación de resultados.
 Otras herramientas.
 Ejercicios

30
Al medir una mesa podemos obtener

125 ± 17 cm

Presentación
valor
unidades
±incertidumbre 31
 Medidas directas

Las anoto de un instrumento

L1, L2
 Medidas indirectas
L2

Provienen de aplicar
operaciones a medidas
directas
A = L 1 x L2
L1
32
 Usando una balanza se mide 5 veces la
masa de una esfera de radio r = 1.0 0.1 cm.
Se pide calcular su densidad.

n0 1 2 3 4 5
M (g) 14.3 14.5 14.7 14.4 14.1

1
M
3  
V
2
33
 Usando una balanza (con precisión de 50 mg)
se mide 5 veces la masa de una esfera de
radio r = 1.0 0.1 cm. Se pide calcular su
densidad.

n0 1 2 3 4 5
M (g) 14.3 14.5 14.7 14.4 14.1 M 14.400 g

ES 0.05 g
 M  ES2  E A2 0.282 g
M 14.400 0.282 g
0.224
E A 2.78 g 0.278 g
5
34
 Usando una balanza se mide 5 veces la
masa de una esfera de radio r = 1.0 0.1 cm.
Se pide calcular su densidad.

4 3  V 
2
V  r V   r  4r 2 r
3  r 

V 4,2 1,3 cm 3

V r
V  0.3 3
V r 35
 Usando una balanza se mide 5 veces la
masa de una esfera de radio r = 1.0 0.1 cm.
Se pide calcular su densidad.

M  M 
2
 V 
2

        
V  M   V 

g
 3,4377 1,0335 3 ?
cm

36
 Medidas.
 Unidades.
 Cálculo de incertidumbres.
 Presentación de resultados.
• Redondeos.
• Comparación de resultados.
 Otras herramientas.
 Ejercicios

37
 Los resultados se presentan
redondeados
g g
 3,4377 1,0335 3 ?  3,4377 1,0 3 ?
cm cm
g
 (3,4 1,0) 3
cm
1. NO tengo tanta precisión en  como
pretendo
2. ¿ Si tengo una incertidumbre de
unidades...Por qué doy diezmilésimas en 
38
 Cifras significativas 
• Todas salvo los ceros a la izquierda
• Sobreviven a un cambio de notación
 Ejemplos:
123  3 c.s. 123 103  3 c.s.
0,123  3 c.s. 123 10-3  3 c. s.
67  2 c.s. 670  3 c.s.
0,67  2 c.s 0,670  3 c.s.
39
 La incertidumbre se expresa con 2 cifras significativas.

 El valor se expresa con tantos decimales como la

incertidumbre.
 Redondeamos al número más cercano

 Valor e incertidumbre se expresan con las mismas

unidades y potencia de 10.
 Intentamos que el valor sea un número sencillo,
normalmente entre 1 y 10
40
 ( 1,2564 ± 0,1 ) m  ( 1,3 ± 0,1 ) m

( 1,2438 ± 0,168 ) m  ( 1,24 ± 0,17) m

( 1,52 108 ± 21,68 106 ) km  (1,52 ± 0,22) 108 km

(1,52 ± 0,22) 1011 m

( 60506079 ± 89451 ) m  ( 605,06 ± 0,89) 105 m

( 6,0506 ± 0,0089) 107 m

41
 Aplicación de t-Student en el ejemplo de
concentración de solución
 Si en lugar de una sola medición de concentración se toman
varias mediciones, podemos estimar la verdadera
concentración con un intervalo de confianza.
 Datos del problema:
 Masa del soluto: [Link] g, con incertidumbre ±0.2\pm
0.2±0.2 g.
 Volumen del disolvente: 250250250 mL, con
incertidumbre ±5\pm 5±5 mL.
 Número de mediciones: n=5n = 5n=5
 Nivel de confianza: 95%95\%95%
(El valor de tpara n−1=4n - 1 = 4n−1=4 grados de libertad
es aproximadamente 2.776).

42
 Paso 1: Calcular la media y la desviación
estándar
 Si las mediciones de concentración dieron los
siguientes valores:
 C={0.0198,0.0203,0.0201,0.0199,0.0202} g/mL
 La media de concentración es:

 La desviación estándar () se calcula como:

43
 Calcular el error estándar de la media

 Aplicar t-Student
 El intervalo de confianza al 95% se calcula como:

 Resultado e interpretación
 El intervalo de confianza para la concentración es:

 Resultado e interpretación
 El intervalo de confianza para la concentración es:

 Esto significa que con un 95% de confianza, el verdadero valor de la

concentración de la solución se encuentra dentro de este rango

44