LAB. N1: TRATAMIENTO ESTADSTICO DE DATOS EXPERIMENTALES TRATAMIENTO ESTADISTICO DE DATOS EXPERIMENTALES I. II.

OBJETIVOS: FUNDAMENTO TERICO:

UNI - FIQT

1. Teora de errores: 1.1. Definicin de Error Por mucho cuidado que se tenga al realizar cualquier toma de datos, y por muy precisos que sean los aparatos utilizados, es prcticamente imposible el evitar errores, considerando a stos como la variacin entre los valores hallados y el real o verdadero, el cual generalmente nos es desconocido.

1.2. Precisin y Exactitud Exactitud es la correccin de una medicin o determinacin; precisin es la reproducibilidad de los resultados de las mediciones. Mientras ms se acerca a su valor verdadero, ms exacto es dicho resultado. Mientras ms cercano son varios resultados entre s, ms precisos son, independientemente de su exactitud. 1.3. Tratamiento de datos en series con pocos valores 1.3.1. Intervalo de confianza 1.3.1.1. Mtodo de T- Student Se utiliza para detectar la existencia de diferencias significativas entre las medias de una determinada variable cuantitativa en dos grupos de datos. Requisitos Datos distribuidos segn una distribucin normal en cada grupo Las varianzas de las dos muestras han de ser iguales Muestras independientes y tomadas al azar Hay dos tipos de hiptesis: HIPTESIS DE DOS COLAS: La hiptesis alternativa establece que existen diferencias entre las medias de los dos grupos considerados, sin presuponer cul de las dos medias es mayor que la otra. La hiptesis nula establece que no existen diferencias entre dichas medias. Ho: 1 = 2 H1: 1 2 HIPTESIS DE UNA COLA: La hiptesis alternativa establece que existen diferencias entre las medias de los grupos considerados, presuponiendo que una de las dos medias es mayor que la otra. La hiptesis nula establece que no existen diferencias entre dichas medias, o que las diferencias van en sentido contrario a como han sido expresadas en la hiptesis alternativa. Ho: 1 = 2 H1: 1< 2 1> 2 Procedimiento de clculo Se calcula el estadstico tcal a partir de la siguiente frmula:

LAB. N1: TRATAMIENTO ESTADSTICO DE DATOS EXPERIMENTALES

UNI - FIQT

n1 y n2 = tamaos de las muestras 1 y 2 respectivamente x1 y x2 = medias de las muestras 1 y 2 respectivamente 2 2 s1 y s2 = varianzas de las muestras 1 y 2 respectivamente A continuacin se mide la significacin del estadstico tcal, comparando ese valor con el valor de un estadstico tcrit que se obtiene mirando las tablas correspondientes. Para identificar el tcrit que nos corresponde hemos de fijarnos en el nmero de colas que tiene nuestra hiptesis (una cola: one-tailed; dos colas: twotailed), en el nivel de significacin () con el que pretendemos rechazar la hiptesis nula (normalmente = 0.05 0.01); y en los grados de libertad del test (n1 + n2 -2).

Ejemplo: Queremos saber si la humedad del suelo en un determinado lugar vara en funcin de la cubierta vegetal del mismo (tomillar o suelo desnudo), pues suponemos que la cubierta vegetal contribuye a aumentar la humedad del suelo por disminucin de la evaporacin. Para ello se ha realizado un muestreo en el que se ha medido la humedad de suelo (en % del volumen) en seis muestras distribuidas al azar bajo tomillares y en 8 muestras tambin distribuidas al azar en la misma zona, pero en condiciones de suelo desnudo. Variables: Cobertura de suelo (cualitativa, independiente) Humedad del suelo (cuantitativa, dependiente) Hiptesis alternativa: la humedad de suelo es mayor bajo el tomillar: tomillar> suelo desnudo Se trata, por tanto, de un test de una cola. Hiptesis nula: Ho: tomillar = suelo desnudo Tras el muestreo se obtienen los siguientes datos:

Clculo del estadstico tcal:

LAB. N1: TRATAMIENTO ESTADSTICO DE DATOS EXPERIMENTALES Comprobacin de la significacin del estadstico tcal:

UNI - FIQT

Por tanto, se rechaza la Ho, y se acepta la H1, es decir, se concluye que existen diferencias significativas en la humedad del suelo en funcin de la cobertura vegetal, siendo mayor en condiciones de cubierta vegetal de tomillar que en condiciones de suelo desnudo. 1.3.2. Pruebas de significancia Existen dos grandes grupos de pruebas de significacin estadstica, el referido a las paramtricas y el relacionado con las no paramtricas con rasgos distintivos que las caracterizan. Los ms importantes son el cumplimiento o incumplimiento de determinados supuestos (normalidad, homoscedasticidad e independencia), as como el nivel de escala de medida (ordinal, nominal, intervalo o de razn) de las variables y finalmente, el nmero de sujetos que conforman el estudio (muestra). Las pruebas de tipo paramtrico estn sometidas a determinadas condiciones de aplicacin, normalmente a la Normalidad. Las pruebas de tipo no paramtrico por el contrario no estn sometidas a determinadas condiciones de aplicacin y son, pues, adecuadas cuando se incumple alguno de los criterios previstos para las pruebas de significacin de tipo paramtrico. 1.4. Clasificacin de errores 1.4.1. Por su naturaleza 1.4.1.1. Absolutos Se define como la diferencia que existe entre el valor real de la magnitud a medir y el obtenido en una medida. Puesto que es una diferencia de valores de una misma magnitud, el error absoluto se expresa en las mismas unidades que la magnitud. | | 1.4.1.2. Relativos Se define como el cociente entre el error absoluto x y el valor real xv de la magnitud | | 1.4.2. Por su origen 1.4.2.1. Crasos Se dice que un error es craso cuando se llev a cabo una equivocacin bastante grande que es difcil corregirlo. 1.4.2.2. Determinados Tambin llamado error sistemtico, estos tienen causas concretas y valores definidos, los cuales en principio pueden ser calculados y tenidos en cuenta; los errores determinados se producen siempre en un sentido y son sesgados, de modo que se deben generalmente a algn defecto del instrumento, de su calibracin o a algn vicio del observador. 1.4.2.2.1. En balanzas del Laboratorio 11

LAB. N1: TRATAMIENTO ESTADSTICO DE DATOS EXPERIMENTALES

UNI - FIQT

1.4.2.2.2.

1.4.2.2.3.

El laboratorio 11 maneja una balanza que obtiene valores con valores con 2 decimales. El error que maneja este tipo de balanzas es de 0,01. Eso s, debemos siempre estar calibrndola, ya que son muy sensibles y esto provoca que la balanza se altere y obtenga resultados menos exactos. En utensilios volumtricos En algunos equipos volumtricos, empleados en qumica, tales como: pipetas volumtricas, el error cometido en la lectura es especificado por el fabricante; los cuales oscilan entre un 0,5% del volumen ledo, en equipos de precisin y un 10% en equipos menos precisos. En instrumentos graduados sin especificacin de error Como en los equipos digitales el error instrumental se toma el error en la ltima cifra que aparece en la pantalla. As por ejemplo, si en la pantalla aparece 12,04 el error instrumental ser 0,01 y se debe reportar: 12,04 0,01.

1.4.2.3. Indeterminados Los errores que se clasifican como indeterminados son aquellos que ocurren a pesar de ser muy cuidadoso y meticuloso. Son errores fortuitos que no pueden reducirse ms. 1.4.2.4. Aleatorios Es aquel error inevitable que se produce por eventos nicos imposibles de controlar durante el proceso de medicin. Se contrapone al concepto de error sistemtico. En un estudio de investigacin, el error aleatorio viene determinado por el hecho de tomar slo una muestra de una poblacin para realizar inferencias. Puede disminuirse aumentando el tamao de la muestra. Se puede dar por Prueba de hiptesis o por clculo de intervalo de confianza. Las fuentes de los errores aleatorios son difciles de identificar o sus efectos no pueden corregirse del todo. Son numerosos y pequeos pero su acumulacin hace que las medidas flucten alrededor de una media. Es decir: que le error aleatorio se produce por mucho que uno lo quiera evitar. 2. Redondeo 2.1. Cifra siguiente mayor de 5 Se aumenta en una unidad la ltima cifra retenida (redondeo por exceso) Ej. Redondear al centsimo: 2.2. Cifra siguiente menor de 5 La ltima cifra retenida se queda igual (redondeo por defecto) Ej. Redondear al centsimo: 2.3. Cifra siguiente igual a 5 Se redondea a la cifra par ms prxima. Ej. Redondear al dcimo: 2.3.1. Cifras subsiguientes nulas Se toma como ltima cifra el numero par ms prximo; es decir si la cifra retenida es par se deja y si es impar se toma la cifra superior. Ej. Redondear hasta tres cifras significativas:

LAB. N1: TRATAMIENTO ESTADSTICO DE DATOS EXPERIMENTALES

UNI - FIQT

2.3.2.

Debido a que la ltima cifra que se conserva 3 es impar, entonces se aumenta en una unidad. Cifras subsiguientes no nulas Ej. Redondear hasta tres cifras significativas: Debido a que la primera cifra que se arroja es 5 y despus de ella sigue la cifra significativa 2, entonces la cifra que se conserva, 2 se aumenta en una unidad.

3. Cifras significativas 3.1. Concepto El nmero de cifras significativas es el mnimo nmero de dgitos necesarios para escribir un valor dado en notacin cientfica sin prdida de exactitud. Ej.

Considerar que los ceros son significativos cuando estn en medio del nmero o al final del nmero, a la derecha de la coma decimal. 3.2. Cifras significativas de una medicin Todos los dgitos expresados en una cantidad determinada es el resultado de una medicin. Las cifras medidas razonablemente se llaman cifras significativas y, consecuentemente, la cantidad de estas ser el nmero de cifras significativas. Ej. 124 segundos tiene 3 cifras significativas 124,2 segundos tiene 4 cifras significativas 124,01 segundos tiene 5 cifras significativas 3.3. Operaciones con cifras significativas 3.3.1. En sumas y restas - Si los nmeros que se suman o restan tienen el mismo nmero de dgitos, el resultado tendr el mismo nmero de decimales. Ej. Cifras significativas: 4 4 4 - Si los nmeros que se suman no tienen el mismo nmero de cifras significativas, el ltimo nmero cierto es el que limita la suma. Ej. 0, 734784 + 0, 0572 5, 4589 0, 046 6, 193684 6,1937 0, 0112 0, 011 C. s. 5 C. s. 2 - Cuando se suman o restan nmeros expresados con notacin cientfica, todos los nmeros deben tener el mismo exponente. Ej. 5 5 1, 674 x 10 + 1, 674 x 10 + 3 5 4,135 x 10 0,04135 x 10 6 5 0,873 x 10 8,73 x 10 5 5 10,44535 x 10 10,45 x 10

LAB. N1: TRATAMIENTO ESTADSTICO DE DATOS EXPERIMENTALES

UNI - FIQT

3.3.2.

3.3.3.

C. s. 4 En multiplicaciones y divisiones - En la multiplicacin y divisin, el nmero de cifras est limitado por el nmero de dgitos del nmero con menos cifras significativas. Ej. -5 3,56 x 10 67,80 X 1,78 2,8643 -5 -5 6,3368 x 10 6,34 x 10 23,6707 23,67 C. s. 3 C. s. 4 En potenciacin y radicacin - En la potenciacin al elevar una medida a un exponente n, en el resultado se conservan tantas cifras significativas como tiene la medida. Ej. Determinar el volumen de un cubo de 2,34 m de lado. C. s. 3 En la radicacin, al extraer la raz cuadrada en el resultado se conservan tantas cifras significativas como tiene la medida. Ej.

3.3.4.

C. s. 4 En exponenciales y logaritmos - En exponenciales, el resultado queda limitado por la cantidad de cifras significativas despus de la coma decimal del nmero con menor cantidad de cifras significativas. Ej. C. s. 4 Un logaritmo consta de la caracterstica (parte entera) y de la mantisa (parte decimal). El nmero de dgitos de la mantisa del es igual al nmero de cifras significativas de X. Ej.

3.3.5.

3 dgito 3 dgitos decimales En formulas con cifras constantes Los nmeros que son enteros por naturaleza se consideran como si tuvieran una cantidad infinita de cifras significativas. Los factores de conversin generalmente son exactos. O sea que, al igual que los nmeros enteros, pueden considerarse como si tuvieran un nmero infinito de cifras significativas. Ej. Si la masa de una pgina de un libro es de 2,874g. Qu masa tienen 15 pginas? C. s. 4 4

4. Propagacin de errores determinados La propagacin de errores son un conjunto de reglas que permiten asignar un error a cualquier funcin siempre y cuando se conozcan las incertidumbres de las variables de las cuales depende la funcin.

LAB. N1: TRATAMIENTO ESTADSTICO DE DATOS EXPERIMENTALES

UNI - FIQT

Estas reglas permiten asignar un error al resultado final as como tambin planificar mejor los experimentos. Para determinar la propagacin de errores debemos partir de hiptesis las cuales pueden ser de medidas dependientes y medidas independientes, las cuales usan un conjunto de reglas y una frmula para determinarla respectivamente. 4.1. En sumas y restas Partiendo de datos iniciales: x e Y Y sus respectivas operaciones de suma: Z= x+ y Y Resta: Z= x-y, Cul sera su incertidumbre ? El error absoluto de la suma y de la diferencia de dos o ms magnitudes es la suma de los errores absolutos de dichas magnitudes: Z= x y Ejemplo: En un experimento se introducen dos lquidos en un balde y se quiere hallar la masa total de lquido. Se conocen: M1 = Masa del balde 1 + contenido = 600 M1 = Masa del balde 1= 70 6 g M2 = Masa del balde 2 + contenido = 800 M2= Masa del balde 1 = 52 3 g La masa del lquido ser: Su Error: 12 g 15 g

El resultado Final ser:

4.2. En multiplicaciones y divisiones Sean los datos iniciales: X =x(1+|

|

= y(1+|

Sea su producto: Z= xy, y Z1 =

sera la incertidumbre,

En ambos casos el error relativo es la suma de los errores relativos. Z= xy, Z1 =

| |

| |

Ejemplo: Para medir la altura de un edificio, se mide la longitud de su sombra L 1, la altura de un edificio ms pequeo y cual est al frente suyo (objeto de referencia) L2, y la longitud de su sombra L3. Por semejanza se obtiene: Y al medir se tiene que: L1 = 400 5cm; L2 = 150 0.9 cm; L3 = 15 0.6 cm

LAB. N1: TRATAMIENTO ESTADSTICO DE DATOS EXPERIMENTALES

UNI - FIQT

Por tanto se obtiene que: Su error ser: = = 5.85% = 234 cm

El resultado final tendr:

4.3. En potenciacin y radicacin Sean los datos iniciales: n X y Z= X = x.x.x.x.x.x.x, cul sera la incertidumbre, Aplicando la regla del producto: + + + + +.. = | ||

| | | | | | | | | |

| |

El error relativo de una potencia es el producto de la potencia por el error relativo de la magnitud. Ejemplo: 3 Se tiene que la ecuacin de la posicin una partcula esta descrita por z=x , si se quiere determinar la posicin para x= 6 0.5m. Por lo tanto su error ser: =| | | El resultado final ser:
|

=3

= 0.25%=0.015 m

4.4. En exponenciales y logaritmos Sean los datos iniciales: X y sea Z=f(x) una funcin cualquiera, cul sera la incertidumbre, Grficamente se obtendra de la siguiente manera:

Analticamente:

Entonces para funciones exponenciales y logartmicas se tendr que determinar la primera derivada de cada funcin. Ejemplos: x Sean la funciones Z1= e y Z2= Ln(x), si se quiere conocer los valores de la funcin para x= 23 u, cul ser la incertidumbre , Clculo de Error de Z1:

El resultado final ser:

LAB. N1: TRATAMIENTO ESTADSTICO DE DATOS EXPERIMENTALES

UNI - FIQT

Clculo de Error de Z2: ( El resultado final ser: )

4.5. En formulas con cifras constantes Sean los datos iniciales: X y sea Z= Ax, cul sera la incertidumbre,

| | | | | |

+ + =

El error absoluto del producto de una constante por una magnitud es igual al producto de la constante por el error absoluto de la magnitud. Ejemplo: Sea Y = 4x, la ecuacin del precio en funcin de la cantidad de un producto de limpieza, determinar el precio para cuando la demanda sea X= 80 3u. Calculo del Error: El Resultado Final Ser:

5. Descarte de valores dudosos para clculos de promedio Puntos Dudosos: Si dentro de una cantidad considerable de datos se puede apreciar un dato que no se acerca a los dems, entonces puede ser el resultado de un gran error. Debe optarse por conservar o descartar su valor. Sin embargo si se conserva un valor lejano, el promedio y la desviacin estndar quedarn distorsionados. Por otra parte, naturalmente existe la posibilidad de que el valor dudoso sea vlido en realidad, con lo cual la precisin analtica ser menor que la esperada. No obstante debe tenerse mucho cuidado, ya que si se descarta un dato vlido, se incurrir en un sesgo en los datos. La prueba Q La prueba Q se puede usar cuando se sospeche de algn valor dudoso de nuestro experimento para lo cual permite calcular un cociente, Qexp, el cual se compara con una tabla para decidir si se debe descartar o conservar el valor. Se calcula con la ecuacin:

Donde Xq representa al valor dudoso, Xn es el valor vecino ms cercano, Xh es el dato con valor mximo y X1 es el dato con el valor mnimo. Habiendo calculado el valor Qexp debemos compararlo con los valores de la tabla que correspondan a la cantidad de datos replicados que se midieron. Si Qexp es menor que todos los valores de la tabla, no se pueden rechazar los datos con la certeza indicada en esa tabla. Si Qexp es mayor que un valor de Q que aparezca en la tabla Q, se puede descartar ese valor.

LAB. N1: TRATAMIENTO ESTADSTICO DE DATOS EXPERIMENTALES

UNI - FIQT

Ejemplo: Una serie de medidas del porcentaje de agua para un volumen de 100 ml de muestra tiene los siguientes resultados: N de Medida Porcentaje % 1 0.71 2 0.65 3 0.68 4 0.72 5 0.91 Tabla N 1 Entonces se puede observar que el valor dudoso es la de la medida N 5 para lo cual haremos la prueba Q para saber con qu confianza se puede descartarla. Solucin: Calcular Qexp y comparar con la tabla N 1 Xq = 0.91% es el valor dudoso Xn = 0.72% es el valor vecino ms cercano Xh = 0.91% es el valor mximo de los datos X1 = 0.65% es el valor mnimo de los datos Resolviendo se tiene que: Qexp = 0.73 Los valores Q para cinco datos son 0.642 si no se va a rechazar dato alguno, con 90% de confianza, 0.710 para rechazar datos con 95% de confianza y 0.821 para rechazarlos con un 99% de confianza: Qexp = 0.73 > 0.710, pero <0.821 Por lo cual concluimos que este punto dudoso se puede rechazar con ms de 95% de confianza, pero con menos de 99% de confianza.

10

LAB. N1: TRATAMIENTO ESTADSTICO DE DATOS EXPERIMENTALES

UNI - FIQT

http://www.eueti.uvigo.es/files/curso_cero/material/2_datos.pdf http://www.slideshare.net/hvizcarra/sistema-internacional http://www.scribd.com/doc/52614261/QU-527-N%C2%BA1-Tratamiento-de-datos

11