Resumen de Metrología y Fricción

## Introducción Las mediciones nunca son perfectas: siempre existe una diferencia entre el valor real de una magnitud y el valor obtenido al medirla. Este material explica los tipos de errores, cómo cuantificarlos y cómo reducir su impacto en resultados experimentales. Está pensado para estudiantes que necesitan comprender conceptos clave y aplicarlos en problemas prácticos. > **Definición:** Error de medición: diferencia entre el valor real y el valor medido. ## Tipos principales de errores ### Error sustentativo (sistemático) > **Definición:** Son causados por defectos del instrumento, del método empleado o por fallas del observador. - Provoca desviaciones constantes o predecibles respecto del valor real. - Se puede detectar y corregir si se conoce su origen. ### Error accidental (aleatorio) > **Definición:** Producidos por causas imprevistas o accidentales. - Se manifiesta como variaciones dispersas alrededor de un valor medio. - No es fácilmente predecible, pero su efecto puede reducirse aumentando el número de mediciones. ## Comparación: Error sustentativo vs Error accidental | Característica | Error sustentativo | Error accidental | |---|---:|---:| | Origen | Defecto del método o instrumento | Variaciones impredecibles | | Efecto en resultados | Desplazamiento sistemático | Dispersión alrededor del promedio | | Corrección | Ajuste/calibración | Promediado con más mediciones | | Detectable | Sí, si se hace control | Solo estadísticamente | ## Cuantificación del error > **Definición:** Error de medición cuantitativo: diferencia entre el valor verdadero y el valor medido. - Expresión general (conceptual): la diferencia absoluta entre el valor medido $\overline{m}$ y el valor real $\overline{M}$ está dada por $|\overline{m} - \overline{M}|$. ### Error relativo y error absoluto - **Error absoluto**: $e_a = |\overline{m} - \overline{M}|$. - **Error relativo**: $R_{error\ de\ medicion} = \dfrac{e_a}{\overline{m}} = \dfrac{|\overline{m} - \overline{M}|}{\overline{m}}$. > **Nota:** En la práctica es importante identificar si se usa el valor verdadero o el valor medido en el denominador; conviene indicar claramente la convención adoptada. ## Valor probable y errores de causas > **Definición:** Valor probable: estimación central derivada de varias mediciones que representa el mejor valor estimado a partir de los datos. - Si se realizan $n$ mediciones $x_1, x_2, \dots, x_n$, el valor promedio es $$\bar{x} = \dfrac{1}{n} \sum_{i=1}^{n} x_i$$ - Para errores que surgen de muchas causas independientes pequeñas (error cuadrático), la desviación característica puede aproximarse por la raíz cuadrática media. ### Error cuadrático medio (variante) - Una forma de expresar una magnitud relacionada con causas múltiples es mediante el error cuadrático. Por ejemplo, si $e_c$ representa una suma de contribuciones al cuadrado, una forma normalizada sería $$\dfrac{e_c}{n} = \dfrac{\left(\dfrac{|\overline{M}|}{n}\right)^{2}}{n}$$ (esta expresión muestra la idea de repartir una suma cuadrática entre $n$ mediciones; en la práctica se usan fórmulas estándar como la varianza y la desviación típica). ## Errores absolutos y promedios - Cuando se trabaja con $n$ mediciones, es frecuente usar: - Promedio: $\bar{x} = \dfrac{1}{n} \sum_{i=1}^{n} x_i$. - Error absoluto medio: $\dfrac{e_a}{n}$ (promedio de errores absolutos) o bien la desviación típica para medir dispersión. - Ejemplo numérico: si $\dfrac{e_c}{n} = 0.400\%$, significa que la contribución cuadrática normalizada representa $0.400\%$ del valor considerado. ## Cómo reducir y controlar errores 1. Calibrar instrumentos para eliminar errores sustentativos. 2. Diseñar protocolos replicables para minimizar sesgos del método o del observador. 3. Repetir mediciones y usar promedios para disminuir efecto de errores accidentales. 4. Controlar condiciones ambientales que puedan introducir ruido. 5. Usar instrumentos con resolución y precisión adecuadas al problema. ## Ejemplos prácticos 1