• Saltar a la navegación principal
  • Saltar al contenido principal
  • Saltar a la barra lateral principal

Física Comprimida

  • Inicio
  • Acerca de
  • Políticas de Privacidad
Usted está aquí: Inicio / Archivo de Medida

Intervalo de confianza para medidas indirectas

9 septiembre, 2020 por Miguel Ángel Rodríguez Valverde Deja un comentario

Siguiendo la propagación de errores (cuadrática), se obtiene una “desviación estándar” del valor medio de la magnitud indirecta, a partir de medidas directas de otras magnitudes experimentalmente accesibles. Pero esa desviación estándar se debe multiplicar por un prefactor que dependerá del nivel de confianza exigido y de los grados de libertad (número de medidas menos 1). Usando la aproximación de Welch-Satterthwaite, es posible calcular el número de grados de libertad efectivo resultante de varias medias de medidas directas. Si este número efectivo es menor que 30, se deberá usar la distribución t-Student con esos grados de libertad para calcular los percentiles oportunos según el nivel de confianza elegido.

Publicado en: Medida

Incertidumbre asociada a la media ponderada

9 septiembre, 2020 por Miguel Ángel Rodríguez Valverde Deja un comentario

Si se tiene una serie de medidas de la misma magnitud en idénticas condiciones, aunque con diferente incertidumbre cada medida (por ejemplo, valores obtenidos de ajustes a una serie de curvas que corresponden a repeticiones, o datos tomados con diferente fondo de escala…), se debe calcular la media artimética ponderada con las inversas al cuadrado de cada incertidumbre y la incertidumbre asociada a esa media será la raíz cuadrada de la normalización de la ponderación anterior.

Publicado en: Medida

¿Es posible mejorar la incertidumbre de la pesada de dos objetos?

8 septiembre, 2020 por Miguel Ángel Rodríguez Valverde Deja un comentario

  1. Pesar a la vez el objeto 1 y el objeto 2 y anotar la medida directa (S=A+B).
  2. Pesar el objeto 1, tarar, retirar el objeto 1, colocar el objeto 2 y anotar la medida directa (D=B-A).
  3. Con álgebra, A=(S-D)/2 y B=(S+D)/2
  •  y por propagación de errores accidentales (CUADRÁTICA), error_A=sensibilidad/Sqrt(2) y error_B=sensibilidad/Sqrt(2) pero esto viola el principio de acumulación de errores.
  • o por propagación de errores sistemáticos (LINEAL), error_A=sensibilidad y error_B=sensibilidad, como ocurre si se pesan por separado.

Publicado en: Medida

El error de la media muestral NO es la media de los errores

8 septiembre, 2020 por Miguel Ángel Rodríguez Valverde Deja un comentario

Si bien formalmente es correcto aplicar la propagación de errores a la media aritmética, entendida como una relación funcional entre variables independientes (medidas repetidas), no es apropiado en el laboratorio. En este caso las incertidumbres de cada medida están correlacionadas entre sí y no son mutuamente independientes (puesto que las variables provienen de una misma distribución). Esto no ocurre con magnitudes diferentes mutuamente independientes. Así, se reserva la propagación de errores para leyes físicas o relaciones matemáticas entre magnitudes. Un caso distinto es el de una magnitud que decrece monótona con el tiempo aun debiendo ser constante según la teoría, para lo que se toma un valor promedio entre dos instantes cercanos por representatividad. En ese caso, el error de la magnitud, antes que la desviación estándar, resulta de la propagación de errores como medida indirecta.

Más allá de su naturaleza estadística, y muchas veces controvertida (diferentes criterios, contextos, tipos de error, notaciones), hay un consenso en el ámbito de la metrología y calibración (como en el de investigación) sobre la idoneidad de expresar el error de la media a partir de intervalos de confianza cuando se desconoce tanto el valor verdadero de la magnitud como su varianza y las desviaciones siguen la distribución Gaussiana. Cuando se hacen menos de 30 medidas, se usa la distribución t-Student, la cual es la distribución normal cuando N->infinito [1 ,2].

La incertidumbre de la media de medidas directas con errores aleatorios (accidentales) viene dada por regla general por el intervalo de confianza. Cuando se toma como valor estimado de la magnitud su media muestral acompañada de la desviación estándar muestral como incertidumbre, estamos diciendo que tenemos la certeza del 80% con N=3 medidas y 90% con N=5 medidas de que el valor verdadero se encuentre en dicho intervalo. Tener más certeza va acompañado de tener un intervalo más amplio a no ser que aumentemos el número de medidas. Por ello, siempre hay que realizar el mayor número de medidas que permita el montaje y el tiempo.

Publicado en: Medida

Sobre ajuste de datos

8 septiembre, 2020 por Miguel Ángel Rodríguez Valverde Deja un comentario

¿Es lo mismo realizar un ajuste por mínimos cuadrados que interpolar unos datos experimentales?

No. Interpolar es unir los puntos mediante polinomios.

¿Ajustar unos datos es evaluar los datos experimentales en una función-prueba?

La sustitución directa de los datos en una función-prueba con la intención de conocer los parámetros libres de la función, en general, lleva a un sistema de ecuaciones sobredeterminado, luego incompatible y por tanto irresoluble algebraicamente. El ajuste por mínimos cuadrados permite obtener una solución que es la mejor según ciertos criterios estadísticos, aunque no es exacta desde el punto de vista algebraico.

¿Un ajuste debe tener en cuenta los errores de X e Y?

Sí, se deben incluir los errores de X e Y en los ajustes (conocidos como ajustes ponderados). Los mínimos cuadrados suponen que la incertidumbre en X es despreciable comparada con la de Y, pero no siempre es así. En sentido matemático, todo ajuste debería ser ortogonal, donde lo que se minimiza es la distancia del punto (X, Y) al modelo. Sin embargo, computacionalmente resulta más sencillo implementar el ajuste como una minimización de las distancias en Y, de ahí que las incertidumbres que ponderan el ajuste por mínimos cuadrados son las de Y. Más info en [1].

¿Cuál es la interpretación de las incertidumbres de los coeficientes del ajuste?

Representan un intervalo de confianza (con al menos un 95% de confianza siempre que N>=7)

¿Qué problemas tiene la linealización de una ley exponencial para realizar un ajuste lineal?

Uno es el dimensional. El argumento de logaritmo (decimal o neperiano) tiene que ser adimensional. Ello implica que la medida deberá dividirse por el valor 1 expresado en la unidad de medida. Otro es el intervalo de ajuste (unidades en forma de submúltiplos o valores cercanos a 1) donde el logaritmo cambia abruptamente.

Publicado en: Medida

  • Ir a la página 1
  • Ir a la página 2
  • Ir a la página 3
  • Páginas intermedias omitidas …
  • Ir a la página 6
  • Ir a la página siguiente »

Barra lateral principal

Categorías

  • Cinemática
  • Dinámica
  • Electricidad
  • Energía
  • Magnetismo
  • Matemáticas
  • Mecánica Analítica
  • Medida
  • Movimiento relativo
  • Ondas
  • Oscilaciones
  • Relatividad
  • Teoría de campos
  • Termología
febrero 2023
L M X J V S D
 12345
6789101112
13141516171819
20212223242526
2728  
« Oct    

Universidad de Granada
blogsUgr
C.S.I.R.C. · Plataformas webs corporativas
Acceder

En BlogsUGR utilizamos cookies propias con finalidad técnica y para personalizar su experiencia de usuario. Algunos blogs de BlogsUGR pueden utilizar cookies de terceros para fines analíticos.

 

Puede aprender más sobre qué cookies utilizamos o desactivarlas en los ajustes.

Física Comprimida
Powered by  GDPR Cookie Compliance
Resumen de privacidad

BlogsUGR utiliza cookies propias para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a BlogsUGR, haces algún comentario o seleccionas el idioma de un blog. Rechazar las cookies propias podría suponer la imposibilidad de acceder como usuario a BlogsUGR.

Algunos blogs de BlogsUGR utilizan cookies de terceros con fines analíticos para recabar estadísticas sobre la actividad del usuario en dicho blog y la actividad general del  mismo.

Cookies estrictamente necesarias

Las cookies estrictamente necesarias tiene que activarse siempre para que podamos guardar tus preferencias de ajustes de cookies.

Si desactivas esta cookie no podremos guardar tus preferencias. Esto significa que cada vez que visites esta web tendrás que activar o desactivar las cookies de nuevo.

Cookies de terceros

Algunos blogs de BlogsUGR utilizan Google Analytics para recopilar información anónima tal como el número de visitantes del sitio, o las páginas más populares.

Dejar esta cookie activa nos permite mejorar nuestra web.

También algunos blogs de BlogsUGR utilizan cookies de twitter.com que se utilizan para la visualización de esta red social en el blog.

¡Por favor, activa primero las cookies estrictamente necesarias para que podamos guardar tus preferencias!

Política de cookies

La presente política de cookies tiene por finalidad informarle de manera clara y precisa sobre las cookies que se utilizan en los blogs del servicio BlogsUGR de la Universidad de Granada.

¿Qué son las cookies?

Una cookie es un pequeño fragmento de texto que los sitios web que visita envían al navegador y que permite que el sitio web recuerde información sobre su visita, como su idioma preferido y otras opciones, con el fin de facilitar su próxima visita y hacer que el sitio le resulte más útil. Las cookies desempeñan un papel muy importante y contribuyen a tener una mejor experiencia de navegación para el usuario.

Tipos de cookies

Según quién sea la entidad que gestione el dominio desde dónde se envían las cookies y se traten los datos que se obtengan, se pueden distinguir dos tipos: cookies propias y cookies de terceros.

Existe también una segunda clasificación según el plazo de tiempo que permanecen almacenadas en el navegador del cliente, pudiendo tratarse de cookies de sesión o cookies persistentes.

Por último, existe otra clasificación con cinco tipos de cookies según la finalidad para la que se traten los datos obtenidos: cookies técnicas, cookies de personalización, cookies de análisis, cookies publicitarias y cookies de publicidad comportamental.

Para más información a este respecto puede consultar la Guía sobre el uso de las cookies de la Agencia Española de Protección de Datos.

Cookies utilizadas en la web

A continuación se identifican las cookies que están siendo utilizadas en este portal así como su tipología y función:

Todos los blogs de BlogsUGR utilizan cookies técnicas y propias, necesarias para la personalización de su experiencia de usuario y para el mantenimiento de sesión.

Algunos blogs de BlogsUGR pueden utilizar cookies de Twitter para personalizar la visualización de dicha red social en el blog.

Algunos blogs de BlogsUGR pueden utilizar Google Analytics, un servicio de analítica web desarrollada por Google, que permite la medición y análisis de la navegación en las páginas web. En su navegador podrá observar cookies de este servicio. Según la tipología anterior se trata de cookies  de terceros, de sesión y de análisis.

A través de esta analítica web se obtiene información relativa al número de usuarios que acceden a la web, el número de páginas vistas, la frecuencia y repetición de las visitas, su duración, el navegador utilizado, el operador que presta el servicio, el idioma, el terminal que utiliza y la ciudad a la que está asignada su dirección IP. Información que posibilita un mejor y más apropiado servicio por parte de este portal.

Para garantizar el anonimato, Google convertirá su información en anónima truncando la dirección IP antes de almacenarla, de forma que Google Analytics no se usa para localizar o recabar información personal identificable de los visitantes del sitio. Google solo podrá enviar la información recabada por Google Analytics a terceros cuanto esté legalmente obligado a ello. Con arreglo a las condiciones de prestación del servicio de Google Analytics, Google no asociará su dirección IP a ningún otro dato conservado por Google.