- Biología
- Química
- Ecología y Medio ambiente
- Ciencias sociales
- Matemáticas
- Psicología
- Salud y enfermería
Tipos de errores experimentales, fuentes y ejemplos
¿qué es el error experimental.
Se dedica una cantidad significativa de esfuerzo al diseño de experimentos, ya sea que se realicen en un centro de investigación privado, un laboratorio universitario o un aula de escuela secundaria. Este esfuerzo se realiza para evitar tantos errores y equivocaciones como sea posible. Desafortunadamente, independientemente de lo bien diseñado que esté el experimento y del cuidado con el que la persona que lo realiza sigue los pasos, los errores y errores son inevitables.
El tipo de error más común es el error experimental. En este contexto, el error no se refiere a errores humanos, como errores de cálculo o el uso de un producto químico incorrecto. La definición de error experimental es cualquier variación entre una medición tomada durante un experimento y el valor establecido. Considere un investigador que realiza un experimento en el que debe pesar ratones al comienzo del experimento y luego después de un mes de seguir una dieta especial. La investigadora decide calibrar su báscula usando una pesa de 5 gramos. Cuando pone el peso en la báscula, la báscula marca 5,132 gramos. La variación entre el peso medido y el peso real es un ejemplo de error experimental.
Para calcular el error experimental, simplemente hay que restar el valor establecido o verdadero del valor medido. En este caso, serían 5,132 gramos – 5 gramos. Por tanto, el error experimental es 0,132 gramos. Si se conoce el valor establecido, el error experimental es fácil de calcular. Si no se conoce el valor real, resulta muy difícil calcular con precisión el error experimental.
Datos y fuentes de error en experimentos
Antes de profundizar más en el error experimental, es necesario definir primero un par de términos más. El error experimental se definió como la varianza entre las mediciones y el valor aceptado. Estas mediciones son, de hecho, datos. Los datos son las mediciones, observaciones y cálculos recopilados que se utilizan para formar conclusiones. Estas conclusiones pueden ser tan complicadas como el diseño de un cohete o tan simples como seleccionar la talla adecuada de zapato. Aunque a menudo se piensa que los datos solo los utilizan los científicos, la mayoría de las personas recopilan datos y los utilizan en la vida cotidiana.
Cuando las personas escuchan el tiempo que hace por la mañana para determinar si necesitan un paraguas, están utilizando datos para tomar una decisión. Desafortunadamente, las predicciones meteorológicas no siempre son correctas y la gente queda atrapada bajo la lluvia. Esto se debe a un error. El error es cualquier variación en los datos. En el caso del pronóstico del tiempo, el error no fue que el meteorólogo presentara el tiempo incorrectamente. Lo más probable es que el error se haya producido durante la recopilación de datos sobre el punto de rocío, la humedad, los patrones climáticos y otros factores que influyen. Una medición tomada durante una fluctuación en cualquiera de estos factores podría haber causado un pronóstico meteorológico inexacto.
Desafortunadamente, el error es inevitable. Todos los dispositivos de medición u observaciones empleados en la recopilación de datos son imperfectos. Esto no significa que los datos sean “malos”. La mayoría de los errores son intrascendentes y no tienen ningún impacto en la integridad o aplicabilidad de los datos. Como tal, es importante seleccionar la mejor herramienta para el trabajo de modo que se minimice el error. Por ejemplo, una báscula con una precisión de una décima de gramo probablemente sea suficiente para pesar ratones. Sin embargo, esta báscula sería una mala elección para alguien que pesa sustancias químicas en cantidades de miligramos. El error entre 45,1 gramos y 45,062 gramos no afectará los resultados del estudio. Por el contrario, la diferencia entre usar 200 miligramos de un compuesto versus los 165 miligramos requeridos probablemente resultaría en una solución demasiado concentrada. Esto afectaría el estudio y invalidaría los datos.
Exactitud y precisión
Cuando se analiza el error experimental y el impacto que tiene en los datos, es importante distinguir entre errores de exactitud y errores de precisión.
La precisión se refiere a qué tan cerca se acercan las mediciones al valor real. Si alguien que usa una regla mide su pie y mide 10,75 pulgadas de largo y la longitud real de su pie es 10,745, se puede decir que la regla es precisa. Probablemente ya sea obvio, pero una fuente importante de error proviene de la necesidad de estimar y redondear. Las herramientas de medición sólo tienen precisión hasta la siguiente demarcación. El pie de la persona probablemente se encontraba entre las demarcaciones de 0,70 y 0,80 de la regla, por lo que el individuo estimó dónde se encontraba su pie entre esos dos valores.
La precisión se refiere a qué tan cerca caen varias mediciones del mismo valor. Usando el caso del pie, supongamos que la persona midió su pie tres veces y registró longitudes de 10,75, 10,72 y 10,78 pulgadas. Estas medidas están muy juntas, por lo que se dice que son precisas. A diferencia de la exactitud, la precisión no se refiere al valor real. Dicho esto, es importante ser exacto y preciso al recopilar datos.
Tipos de errores experimentales
Hay dos tipos principales de errores experimentales que tanto los científicos como los no científicos deben conocer: errores sistemáticos y errores aleatorios.
Error sistematico
Un error sistemático ocurre cuando las mediciones varían significativamente del valor real pero de manera constante y predecible. A menudo, esto ocurre cuando una máquina está calibrada incorrectamente o hay un error en un programa que se está utilizando. El error sistemático es un error de precisión, lo que significa que este error tiene alta precisión y baja exactitud. Ninguna de las mediciones será precisa porque todas están equivocadas en un determinado factor. El hecho de que cada una de las mediciones esté desviada en la misma cantidad hace que las mediciones se agrupen muy juntas, de ahí la precisión.
¿Cómo se ve un error sistemático en un experimento? Consideremos nuevamente al investigador que tuvo que pesar ratones durante un experimento. Para pesar a los ratones, la investigadora tiene que meterlos en un recipiente de plástico que ha usado muchas veces y que sabe que pesa 15 gramos. Sin embargo, sin que ella lo supiera, uno de sus compañeros de laboratorio usó su recipiente y lo reemplazó por uno diferente que pesaba 20 gramos. Como resultado, todos los pesos que registra son 5 gramos más pesados de lo que deberían ser. Las medidas son precisas porque todas superan los 5 gramos, pero no son exactas en absoluto.
Error al azar
Los errores aleatorios ocurren cuando las mediciones difieren del valor real pero de manera aleatoria e inconsistente. Generalmente, estos errores ocurren debido a fluctuaciones ambientales, cambios en las lecturas y estimaciones de la máquina. El error aleatorio es un error de aleatoriedad. A diferencia de los errores sistemáticos, el grado y la dirección en que una medición está equivocada varían. En general, los errores aleatorios dan como resultado mediciones menos precisas pero más exactas. No existe una forma real de predecir o evitar el error aleatorio porque, bueno, es aleatorio. Dicho esto, sigue siendo importante ser consciente de este tipo de error y idear estrategias para solucionarlo.
¿Cómo se ve el error aleatorio en un experimento? En el ejemplo de la investigadora que pesa ratones, supongamos que esta vez se acordó de tarar la báscula. Sin embargo, cuando pesa cada ratón, se da cuenta de que el valor del centésimo lugar sigue fluctuando unos cuantos dígitos hacia arriba y hacia abajo. Este es un ejemplo de error aleatorio. Decide registrar tres pesos para cada ratón y utilizar el promedio como peso oficial. De esta forma, mitiga el impacto que tendrá el error aleatorio en sus datos. En general, aumentar el tamaño de la muestra y realizar múltiples mediciones son buenas formas de combatir los errores aleatorios. Estas estrategias no eliminarán el error aleatorio, pero darán como resultado un promedio más cercano al valor real.
errores garrafales
Existe un tercer tipo de error que va más acorde con lo que generalmente piensa la gente cuando escucha la palabra error. Las pifias son errores que se deben al descuido del ser humano. A menudo ocurren cuando la persona que realiza el experimento está distraída o apática. Volviendo una vez más a la investigadora que pesa ratones, supongamos que pasó 5 horas leyendo artículos en una computadora. Sus ojos están cansados. Ella esta cansada. Cuando llega el momento de pesar a los ratones, lo único que quiere es volver a casa y descansar la vista. Como está cansada y desconcentrada, registra uno de los pesos como 85,3 en lugar de 58,3. Para otro ratón, lo registra como un número equivocado. Estos son ejemplos de errores garrafales porque los errores ocurrieron únicamente por su descuido.
Usar el producto químico incorrecto en un experimento o no seguir el protocolo lo suficiente también son ejemplos de errores garrafales.
Ejemplos de errores experimentales
Aquí hay algunos ejemplos más de errores experimentales. Recuerde, los errores sistemáticos dan como resultado que todas las mediciones tengan un error en la misma cantidad debido a equipos viejos, calibración inadecuada o errores en la programación. Los errores aleatorios resultan de la aleatoriedad y dan lugar a mediciones que varían en magnitud y dirección.
Errores sistemáticos
- Medidores de flujo mal calibrados
- Balanzas sin tarar
- Cinta métrica de tela estirada
Errores aleatorios
- Temperaturas fluctuantes
- Estimaciones de un volumen en un cilindro entre dos graduaciones.
- Errores probables
Resumen de la lección
Los datos son medidas que los individuos, tanto científicos como no científicos, recopilan para tomar decisiones e interpretar el mundo. Error es cualquier variación que se produce en los datos. Desafortunadamente, el error no es completamente evitable debido a limitaciones instrumentales y de observación. Dicho esto, ser consciente de que existe un error ayuda a mitigar sus efectos.
El error experimental se refiere a la variación de los valores medidos versus el valor real. Los errores sistemáticos y aleatorios son los dos tipos principales de error experimental. Los errores sistemáticos son errores de precisión y dan como resultado que todas las mediciones tengan el mismo valor en la misma dirección. Un ejemplo de error sistemático es una báscula que no está calibrada adecuadamente, lo que hace que todas las pesas sean 5 libras demasiado livianas. Los errores aleatorios son errores de aleatoriedad y dan como resultado mediciones desviadas en diferentes valores en diferentes direcciones. La fluctuación del último dígito de una báscula es un ejemplo de error aleatorio. Los efectos de los errores aleatorios pueden reducirse eligiendo un tamaño de muestra grande y tomando muchas mediciones.
Los errores son el resultado del descuido humano y generalmente hacen que los datos recopilados no sean válidos. Registrar una medición incorrecta o mezclar pasos en un protocolo son ejemplos de errores garrafales. Los errores a menudo arruinan los experimentos y invalidan los datos.
Articulos relacionados
- Ingeniería de transmisión: definición y descripción general
- Escala de pH: Definición y propósito ¿Qué significa pH?
- Velocidad lineal frente a velocidad de rotación: definiciones y ecuaciones
- Par lineal: definición, teorema y ejemplo
- Comprensión y evaluación de las amenazas a la salud ambiental
- Extinción masiva: definición, cronograma y eventos
- Datos sobre el calcio: lección para niños
- La Constitución de los Estados Unidos: resumen y análisis
- Practique la aplicación de fórmulas de momento lineal
- ¿Qué es la rinitis alérgica? – Síntomas y tratamiento
IMAGES
VIDEO