Identificación de fuentes de errores experimentales inevitables

¡Puntúa este artículo!

Los datos son imperfectos

La gente generalmente asocia datos con investigaciones científicas, pero en realidad, todos usamos diferentes tipos de datos todos los días. Los datos pueden ser tan complejos como los cálculos de física cuántica o tan simples como la presión del aire en sus neumáticos. Y si bien los datos vienen en todas las formas, tamaños, tamaños y valores, lo que es universal es que los datos que usamos deben ser los mejores datos posibles.

Pero, ¿qué son los datos “buenos”? Bueno, imagina, por ejemplo, que tu meteorólogo local informa sobre un huracán que se dirige hacia ti. Es mejor que espere que los datos que tienen sean de primera categoría, porque la información que le presenten influirá en si elige o no evacuar y qué tan rápido planea irse.

Desafortunadamente, no importa cuán minucioso y cuidadoso sea, sus datos son técnicamente falsos. Esto se debe a que son simplemente representaciones de la realidad que usamos para ayudar a describir nuestro mundo. Esta falsedad de los datos se denomina error , que significa variación al referirse a los datos. No es un error en el sentido de ‘Ups, derramé ese frasco de químicos’ o ‘escribí la medida incorrecta’. El error, o variación en los datos, simplemente se refiere a lo que hace que nuestros datos sean imperfectos, no a errores humanos.

Y aunque ningún dato es perfecto, algunos son mejores que otros. Recuerde, sus datos son representaciones y desea que sean las mejores representaciones posibles. Para lograr esto, debe estar familiarizado con estas fuentes de error inevitables y cómo ocurren para que pueda minimizar su influencia y obtener los mejores datos posibles.

Error experimental

Hay muchas cosas que la gente podría llamar “error” en un experimento, pero en realidad, solo hay algunas cosas que entran en esa categoría. Primero, ¿recuerdas cómo dije que el error humano no es realmente un error experimental? Los errores humanos son evitables y, por lo tanto, no se consideran parte de la variación natural que ocurre con los datos. Por supuesto, debe tener el mayor cuidado posible porque sus errores ciertamente afectarán el resultado de su experimento. Pero puedes controlar esto en su mayor parte.

Entonces, ¿qué es el error experimental? El error experimental es la diferencia entre una medición y su valor aceptado. Por ejemplo, el peso de un objeto rara vez es una medida exacta. Es posible que se suba a la báscula y vea un valor de 160 libras, pero en realidad, su peso podría ser de 160.11111 libras, lo que sería difícil de medir en una báscula de baño común. La diferencia entre estos dos es lo que llamaríamos error.

Exactitud y precisión

Antes de continuar, debemos revisar un par de términos, que nos ayudarán a comprender mejor el error experimental. La primera es la precisión , que se refiere a qué tan cerca está una medición del valor “verdadero”. Por ejemplo, si pisa esa báscula y lee 160 libras, eso es bastante cercano al valor ‘real’ de su peso (160.11111 libras), y consideraríamos que esta es una medida precisa.

El segundo término es precisión , que es el acuerdo de medidas repetidas. Si se sube a esa báscula y su peso es de 160 libras cada vez, consideraríamos que la báscula es muy precisa porque las medidas son las mismas cada vez. Pero si te subes a la báscula y la primera vez que lee 160 libras, la segunda vez que lee 155 libras y la tercera vez que lee 163 libras, no es muy preciso en absoluto porque cada vez que mides tu peso obtienes un valor diferente. valor.

Tipos de error experimental

Bueno. Ahora que lo hemos aclarado, volvamos al error experimental. Hay dos tipos de errores experimentales con los que debe familiarizarse. El primero es el error sistemático , también llamado “error de procedimiento”. Los errores sistemáticos tienden a sesgar sus datos en una dirección u otra. Este tipo de error le da precisión porque su error será el mismo cada vez (la parte ‘sistemática’ del error), pero generalmente conduce a datos inexactos porque están fuera del valor ‘verdadero’.

¿Cómo ocurre el error sistemático? Suele deberse a un problema con el propio equipo de medición. Es posible que una máquina no se haya calibrado correctamente o tal vez simplemente haya algún problema interno en el equipo. Por lo tanto, si su báscula marca cinco libras más cada vez, cada vez que mida su peso, será cinco libras más que su peso “real”. Preciso, pero no exacto (¡y no como quiero que se lea mi escala!). A veces podemos evitar errores sistemáticos, pero a veces no.

El otro tipo de error experimental es el error aleatorio . Este es un error que ocurre aleatoriamente en el espacio y el tiempo. ¿Qué significa eso exactamente? Bueno, si mira una unidad GPS, por ejemplo, puede notar que incluso si está parado en un lugar, los valores de latitud y longitud cambian ligeramente todo el tiempo. O, si tiene una escala de laboratorio que lee varios dígitos significativos, puede notar que el último dígito sube y baja incluso si la escala en sí parece perfectamente quieta. Incluso cuando hace algo tan simple como medir un trozo de cuerda con una regla, no puede decir exactamente dónde se encuentra el final, especialmente si se encuentra entre dos graduaciones (las líneas incrementales de la regla).

Todos estos son errores aleatorios. Vienen de cosas como estimar, muestrear una parte del total, cambios ambientales, fluctuaciones en la lectura de una máquina y cualquier cosa por el estilo. Este es un concepto difícil de comprender, porque a diferencia de nuestros otros tipos de errores o errores, no hay nada concreto sobre este tipo de error. Pero eso en sí mismo es la esencia del error aleatorio: ¡su aleatoriedad!

A diferencia de los errores sistemáticos, los errores aleatorios crean una falta de precisión, no exactitud. Los valores pueden estar cerca del valor ‘verdadero’ pero no son los mismos cada vez. La buena noticia es que con suficientes muestras, este error tiende a cancelarse. Debido a que estos son errores de azar, similares a la probabilidad de que salga cara o cruz cuando lanza una moneda, también es probable que tenga un error alto que uno bajo. Entonces, con el tiempo, a medida que toma más mediciones, los valores alto y bajo promedian a un valor más cercano al valor ‘verdadero’ que está tratando de medir.

Resumen de la lección

Desafortunadamente, no importa cuán diligente, minucioso y cuidadoso sea, habrá algún error en sus datos. Esto se debe a que los datos son intrínsecamente falsos; son solo las mejores representaciones que podemos tener de las cosas que intentamos describir en el mundo real.

¡Sin embargo, esto no te da un pase gratis! Aunque es inevitable, el error experimental se puede reducir si se esfuerza un poco. Por ejemplo, el error sistemático , también llamado error de procedimiento, proviene de máquinas y equipos de recolección de datos, que se pueden calibrar y verificar regularmente para asegurarse de que funcionan correctamente.

El error aleatorio , que es un error que ocurre aleatoriamente en el espacio y el tiempo, a menudo se reduce simplemente aumentando el tamaño de la muestra. Estos son errores casuales, por lo que, al igual que con el lanzamiento de una moneda, es tan probable que tenga un error alto como un error bajo, y con el tiempo tienden a equilibrarse un poco.

Sus datos representan su trabajo, por lo que le conviene que estén lo más libres de errores posible. Poner un poco de esfuerzo y cuidado aumentará tanto su calidad como su credibilidad, ¡y te convertirá en un mejor científico!

Los resultados del aprendizaje

Descubra qué tan bien preparado está para hacer lo siguiente al concluir la lección:

  • Comprender por qué los datos son intrínsecamente falsos
  • Escribe las definiciones de exactitud, precisión y error experimental.
  • Resalte los diferentes tipos de errores experimentales.