Teoría de Errores

Error absoluto y error relativo Cando se debe usar uno u otro:

El error absoluto de una medida ( ε ¿¿ a)¿ es la diferencia entre el valor real de la
medida ( X́ ) y el valor que se ha obtenido en la medición ( X i) . 

ε a=¿ ´X −X i∨¿

El error absoluto puede ser un valor positivo o negativo, según si la medida es superior al
valor real o inferior y además tiene las mismas unidades que las de la medida.
Ejemplo: si se realiza un experimento en el que se tiene que medir el tiempo en la que tarda
en llegar al suelo una bola que se deja caer desde una determinada altura. Para ello se
utiliza un cronometro que tiene una precisión de 0,1seg. Las medidas obtenidas tras repetir
el experimento son: 3.1, 3.2, 3.7, 3.4. tenemos que determinar el resultado obtenido?
Dado que el experimento se repitió n veces, tomaremos como valor la media aritmética
( x)± el menor valor entre la imprecisión absoluta y la precisión del instrumento de medida.

Tiempo (t ¡) = 3.1, 3.2, 3.7, 3.4

Frecuencia ( f ¡) = 1, 1, 1, 1

( t ¡ ) . ( f ¡ )=3.1 , 3.2, 3.7 , 3.4 → 13.4

4

n ∑ ti. f i
t i . f i i=1 13.4
t́=∑ = = =3.35 seg
i=1 n 4 4
ε a=t́−t i=0.25 , 0.15 ,−0.35,−0.05
4

∑ ¿ t́−ti∨¿ 0.8
Ea = i=1 = =0.2¿
4 4
Como la precisión (0.1) es menor que la imprecisión absoluta (E a = 0.2), el resultado final
que se considera será la media ± la precisión:
3.35 seg ±0.1 seg
El error relativo es el cometido en la estimación del valor de un número, es el valor
absoluto del cociente entre su error absoluto y el valor exacto. El error relativo da idea de la
precisión de una medida, y se suele manejar en forma de porcentaje (% ).
Muchas veces conocemos el error absoluto ( ε a), pero es imposible conocer el valor exacto
( X́ ), en cuyo caso, para hallar el error relativo ( ε r ) dividimos el error absoluto entre el valor
aproximado o considerado como exacto.
 εa
ε r=
X́
De igual forma, se puede multiplicar por 100 obteniéndose así el tanto por ciento (%)de
error.
εa
ε r= .100 %
X́
El error absoluto a diferencia del error relativo este es un indicador de la imprecisión que
tiene una determinada medida. De hecho, cuando se proporciona el resultado de una
mediad suele venir acompañada de dicha imprecisión; sim embrago el error relativo sirve
de indicador de la calidad de una medida.
Por ejemplo: si se come el error absoluto de 1 metro al medir una finca de 200 metros y
otra de 3000 metros. Si calculamos los errores relativos en ambas mediciones tenemos que
son 1/200 y 1/3000. Como en la segunda medición el error relativo es menor quiere decir
que la calidad de la medida es mucho mejor que la de la primera. De hecho, si lo piensas,
bien es mucho mejor equivocarse en un metro cuando se cuenta 3000 metros que cuando
son 200 metros.
Error por truncamiento y error por redondeo:
El error de redondeo es el que resulta de reemplazar un número por su forma de punto
flotante, es decir, por su representación en una máquina concreta. Este error se denomina de
redondeo tanto para aproximación por truncamiento como por redondeo.
Unos ejemplos de este error pueden ser los sientes:
1- 5.6723 --------------- 5.67 (3 cifras significativas)
2- 88.21650 ------------ 88.216 (5 cifras significativas)
3- 1.25001 ------------- 1.3 (2 cifras significativas)
En el ejemplo “2” se podría decir que debería quedar 88.217 ya que si vemos el ejemplo
“3” que se le suma uno al último digito significativo, pero no es así porque las reglas dicen
que solo sucede esto cuando la última cifra significativa es más de 5 pero si ese 5 es
seguido de 0 y otra cifra distinta se le suma 1.
El error de truncamiento ocurre cuando un proceso que requiere un número infinito de
pasos se detiene en un número finito de pasos. Generalmente se refiere al error involucrado
al usar sumas finitas o truncadas para aproximar la suma de una serie infinita. Nótese que el
error de truncamiento, a diferencia del error de redondeo, no depende directamente del
sistema numérico que se emplee.
Por ejemplo, podemos utilizar la serie infinita de Taylor para calcular el seno de cualquier
ángulo X, expresado en radianes:
 x3 x 5 x 7
sen X= X− + − +… n
3! 5! 7!
Por supuesto que no podemos usar todos los términos de la serie en un cálculo, porque la
serie es infinita; entonces, los términos omitidos introducen un error por truncamiento.
Cifra significativa:
Las cifras significativas de una medida son las que aportan alguna información.
Representan el uso de una o más escalas de incertidumbre en determinadas aproximaciones.
Por ejemplo, se dice que 4,7 tiene dos cifras significativas, mientras que 4,07 tiene tres.
Para distinguir los llamados significativos de los que no son, estos últimos suelen indicarse
como potencias por ejemplo 5000 será 5x103 con una cifra significativa.
De todas las cifras significativas siempre hay una, la última, que estará afectada por un
error. Por esta razón al resto de cifras se le denominan cifras exactas.
Ejemplo: En un circuito electrónico se utiliza un multímetro que nos devuelve la siguiente
medida de intensidad de corriente en distintos puntos del circuito: 0.050 A, 10.050 A y
0.101 A. ¿Cuántas cifras significativas tienen estas medidas?
Tal y como hemos visto en el apartado de cifras significativas y redondeo:
1. 0.050 tiene 2 c.s. (50)
2. 10.050 tiene 5 c.s. (10050)
3. 0.101 tiene 3 c.s. (101)
Error de tolerancia:
Es el Error Máximo positivo o negativo que se está dispuesto a aceptar y que, por lo tanto,
sirve como criterio de decisión. Si este Error no se rebasa, se considera que el trabajo
cumple con la precisión buscada y por lo tanto se acepta, por el contrario, si esto no ocurre,
el trabajo en principio debe rechazarse.
° Precisión: Precisión es la delimitación de un concepto, variables o medidas con errores
mínimos. Precisión deriva del latín praecisio que indica algo que está bien cortado y
delimitado.
En el sentido filosófico, la precisión es la abstracción mental que separa y define conceptos
con el fin de diferenciarlos de otros. Por ejemplo, la diferencia entre libertad y libertinaje
tiene una base similar pero la libertad se limita en el respeto por los otros mientras que el
libertinaje se define por el abuso de la libertad.
Precisión se refiere a la ejecución de algo de la forma que fue planeada como, por ejemplo,
la precisión militar. También puede usarse para referirse a un objeto que ejecuta
exactamente de la forma deseada como, por ejemplo, una navaja de precisión o una balanza
de precisión.
Fuentes de errores:
Existen diferentes formas de introducir errores a los problemas

1. Errores de planteamiento: El hecho que los fenómenos a estudiar se modelen

matemáticamente, generalmente introducen simplificaciones que nos llevan a cometer
errores.
2. Errores implicados en procesos infinitos: Ejemplo
∞
xj
e x =∑
j=0 j!

no se pueden realizar sumatorias infinitas.

3. Errores de redondeo: Estos son debido a que los computadores sólo tienen una
aritmética finita, producto de su limitante de almacenamiento.
4. Errores de propagación: El hecho de operar con términos que involucran errores
producen una propagación de los mismos.
Incertidumbre:
En un procedimiento experimental que nos proporciona el valor de una magnitud X , el
resultado no coincide exactamente con el valor real de dicha magnitud. La diferencia entre
el valor real y el valor medido se llama error de la medida.
El error es siempre desconocido, pero puede estimarse una cota superior para su valor
absoluto. Esta cota se denomina incertidumbre de la medida y se denota por ∆ X. De la
definición de error y de incertidumbre deducimos que el valor real de la medida se
encuentra en el intervalo:
X real ∈[ X med−∆ X , X med + ∆ X ]

X med se encuentra en el punto medio del intervalo. Por ello, el resultado de una medida se
escribe siempre en la forma:
X =X medida ± ∆ X

A veces es útil comprara el error de una medida con el valor de la mismas. Se define para
ello la incertidumbre relativa de una medida como el cociente:
∆X
δ=
X med

Para distinguirla de la incertidumbre relativa, la incertidumbre ∆ X se denomina

incertidumbre absoluta. La incertidumbre relativa es útil para los comentarios de las
prácticas. Sin embargo, para expresar el resultado de una medida hay que utilizar siempre
las incertidumbres absolutas. Obsérvese que la incertidumbre relativa es adimensional
(puede también expresarse en tanto por ciento) mientras que la absoluta tiene las mismas
unidades que la magnitud medida.
Overflow y Underflow:
Cuando se intenta almacenar un número cuyo exponente positivo es mayor que el máximo
representable, se produce un error llamado desbordamiento u overflow. En tal caso la
máquina interpreta que el número en cuestión es infinito. En MATLAB el máximo número
representable es aproximadamente 21023.
Por otro lado, cuando se intenta almacenar un número cuyo exponente negativo es menor
que el mínimo representable, se produce un error llamado subdesbordamiento o underflow.
En tal caso la máquina interpreta que el número en cuestión es 0. En MATLAB el mínimo
número positivo representable es aproximadamente 2−1074.

Teorema de rolle:
El teorema de rolle nos permite afirmar si una función f (x) tiene un punto crítico en un
intervalo dado, es decir, sea f (x) una función que es continua en [a , b], es derivable (a , b)
y cumple que f (a)=f (b) . Entonces existe algún punto c ∈( a , b) tal que f ´ ( c ) =0.

Ejemplo: f ( x )=x 2−4 x +1, cumple con las condiciones del teorema en el intervalo [1. 3]?

f ´ ( x )=2 x−4. Se cumple con el teorema. Existe un punto c ∈ ( 1 ,3 ) donde f ´ ( c )=0

f ´ ( c ) =2 c−4=0 , se tiene que c=2

Teorema del valor medio:
Si una función f (x) es continua en un intervalo [a , b] y derivable en el intervalo abierto
f ( b ) −f ( a)
(a , b), entonces existe al menos un punto interior c de( a , b) tal que =f ´ ( c) lo
b−a
que equivale a f ( b )−f ( a )=f ´ (c )(b−a)

Ejemplo: f ( x )=x 2 +2−1, calcular el punto c en el intervalo [0, 1].

f ´ ( x )=2 x +2
f ( b )−f (a)
f ´ ( c) =
b−a

f ( 0 )=02 +2.0−1=−1

f ( 1 ) =12+2.1−1=2
Calculamos f ´ (c):
f (1 )−f (0) 2−(−1)
f ´ ( c) = = =3
1−0 1
f ´ ( c ) =2 c+2
1
2 c+ 2=3 → c=
2
Teorema de valor extremo:
El teorema de los valores extremos establece que si una función f ( x ) es continua en un
intervalo cerrado [a , b], entonces existen calores c y d en [a , b] tales que f ( c ) ≤ f ( x ) ≤ f ( d )
para toda x en el intervalo [ a , b ], es decir, que la función debe tener un máximo y un
mínimo dentro del intervalo.
Ejemplo: si y=f (x ) es una funcion continua en el intervalo [a , b] y solamente toman
valores enteros, que se puede decir de esta función?
Dado que esta función es continua, no puede presentar saltos en su gráfica, es decir, no
puede parecerse a la función escalón; si pudiera tomar dos valores distintos f ( x 1 ) y f ( x 2 )
estos valores deberían ser enteros, por el teorema de valor intermedio bebería existir un
número x0 tal que x 1 ≤ x 0 ≤ x 2 , y : f ( x 1)≤ f ( x 0)≤ f (x 2).
Pero para que la función sea continua, f(x0) debe tomar todos los valores entre f(x1) y
f(x2), incluyendo números no enteros, entonces, la función debe tener un solo valor, de otra
forma, presentaría saltos; en otras palabras, la función es constante en ese intervalo.
En este caso, el máximo y el mínimo de la función son el mismo valor.
Por ejemplo, si y=k con k entero, entonces f(xm)=f(xM), debido a que m=M=k.
Teorema del valor intermedio:
Sea y=f (x ) una función continua en el intervalo [a , b] y sea k un numero entre f ( a ) y f (b).
Entonces, existe un numero x 0 en el intervalo [a , b] que satisface: f ( x 0 ) =k

Ejemplo: y=x 3−x 2 + x +1 tiene una raíz en el intervalo [−1 ,1]

Si
N=f ( x 0 )=0 para algun x 0 que está en elintervalo [−1,1 ] , hacemos a=−1 y b=1 , y evaluamos la funcion en eso p

y (−1 )=(−1)3− (−1 )2+ (−1 )+1=−2<0

y ( 1 )=(1)3−( 1 )2 + ( 1 ) +1=2>0
Por lo que satisface con la condición de que f (a) ≤k ≤ f (b). Entonces, por la continuidad de
la función, debe existir un numero x 0 en el intervalo [ a , b ] tal que f ( x 0 ) =0

Teorema de Taylor:
El teorema de Taylor es un resultado del cálculo diferencial y se utilizara para demostrar
que cualquier función puede aproximarse con procesión arbitraria usando una suma de
potencias infinita.
Sea f : R → R una función real y diferenciable hasta orden N. Sea x 0∈ R un punto
arbitrario en el dominio de f  en el que se tiene el valor de la función y de las derivadas
hasta orden N . De esta forma podemos decir que el valor de la función para un punto x
determinado en su dominio se puede aproximar utilizando el siguiente polinomio:
f ´ ´ ( x0 )
f ( x )=f ( x 0 ) +f ´ ( x 0 ) . ( x−x 0 )+ .¿
2!
n
f ( n ) ( x0 )
f (x) ∑ .¿ ¿
n=0 n!

Ejemplo: si queremos buscar el segundo orden de la aproximación de Taylor de la función

f ( x )en un punto x 0=1.

f ( x )=2 x 3−4 ln ⁡( x)

f ´ ( x )=6 x 2−4 x−2

f ´ ´ ( x )=12 x+ 4 x−2

Sustituimos x 0=1 en f ( x ) , f ´ ( x ) y f ´ ´ (x ):

f ( 1 ) =2.13−4. ln ( 1 )=2

f ´ ( 1 )=6.12−4 .1−2=2

f ´ ´ ( 1 )=12.1+ 4.1−2=16
Una vez tenemos el valor de las derivadas en el punto x 0=1, lo sustituimos en ña
aproximación de Taylor:
n
f (x) ∑ f (n ) (x 0 ). ¿ ¿
n=0

n=2
f (x) ∑ f (2) (1). ¿ ¿
n=0

f ´ ´ (1)
f ( x )=f ( 1 )+ f ´ ( 1 ) . ( x−1 ) + .¿
2!
16
f ( x )=2+2. ( x−1 ) + .¿
2!

f ( x )=8 x 2−14 x +8