ENSAYOS COMPLEMENTARIOS

MANEJO DE DATOS DE LABORATORIO

POBLACIN Y MUESTRA. VARIABLES DISCRETAS
Y CONTNUAS
CIFRAS SIGNIFICATIVAS. REDONDEO DE DATOS
ERORES. TIPOS DE ERRORES. DISTRIBUCIN DE
FRECUENCIA
PRESENTACIN GRFICA.
Prof. Csar A. Miranda Torres

Cesar.miranda@unacem.com.pe

MANEJO
DE
DATOS

Contenido del tema de hoy: una vez que

tenemos unos datos,
manipularlos, analizarlos, estudiarlos,
explotarlos....
Pero lo primero: entender qu son los datos
cmo son esos datos?
Segn tipo de datos: tipo de anlisis

INVESTIGACIN CIENTFICA
Observacin, por la cual se obtiene el conocimiento de
ciertos hechos
Razonamiento mediante el cual se determina el
significado de esos hechos y su interrelacin con otros
fenmenos.
CONDICIONES DE UTILIZACIN DE MTODOS
ESTADSTICOS
Conocer el objeto de la investigacin
Organizar el conjunto de datos para tabularlos
eficientemente y establecer rutinas econmicas para
el manejo de computacin de los datos.
Manejar medios efectivos de representacin de datos
en forma grfica y tabular.

CONDICIONES DE UTILIZACIN MTODOS ESTADSTICOS

Conocer la teora matemtica de la estadstica para

poder verificar si hay una clara correspondencia entre
sus datos y la hiptesis en que se basan las frmulas
que emplea.
Estar familiarizado con las tcnicas estadsticas, sus
limitaciones y ventajas, las suposiciones en que se
basan, el lugar que ocupa cada una de ellas en el
anlisis lgico de los datos y en la interpretacin que
pueda hacerse de ellas.
La estadstica implica, entonces obtener resultados
numricos mediante mtodos y procesos que tambin
permiten estimar su confiabilidad y extraer inferencias
de esos resultados

La estadstica consiste en la toma, organizacin,

interpretacin y representacin de datos.
El anlisis estadstico sirve para:
Determinar si un nmero reducido de ensayos es apto para
estimar el valor verdadero de una caracterstica del material o
proceso en estudio
Determinar qu cantidades de ensayo son necesarios para
que los datos puedan ser utilizados en la evaluacin con un
cierto grado de confianza.
Comparar con valores de especificaciones.
Comparar diversos diseos experimentales.
Determinar una relacin cuantitativa entre dos o ms
variables.

Poblacin y Muestra
Poblacin o universo, es el conjunto de individuos u
objetos, de caractersticas similares, que sirve como
base para un anlisis estadstico.
Ejemplo 1: Nmero de cerrojos defectuosos y no
defectuosos producidos por una fbrica en un determinado
da.
Ejemplo 2: Alturas y pesos de los estudiantes de SENCICO.
Pero en lugar de examinar el grupo entero llamado
poblacin o universo, se examina una pequea parte
llamada muestra.

Una poblacin puede ser finita o infinita:

Poblacin finita: Nmero de cerrojos producidos por la
fbrica.
Poblacin infinita: Todos los posibles sucesos (caras cruces)
en tiradas sucesivas de una moneda.

Cmo se obtienen datos:

formas de medir
(a propsito y por error)

Tipos de datos

tipos de anlisis

VARIABLES, VALORES, ESCALAS

Variable: caracterstica de cada sujeto (cada
caso) de una base de datos
Llamamos variable precisamente porque
vara de sujeto a sujeto, de muestra en
muestra
Cada sujeto tiene un valor para cada variable

VARIABLES, VALORES, ESCALAS

Ejemplos:
Variable sexo; Valores hombre y mujer
Variable edad en su ltimo cumpleaos; Valores:
0, 1, 2, 3
Variable ingresos anuales; Valores: cualquier
nmero entre 0 y cientos de miles o millones de
Soles, dlares, etc.
Conjunto de valores que puede tomar una variable
se llama la escala de esa variable

DEFINICIN Y MEDIDA DE VARIABLES

El proceso de definir y medir las variables es
crucial
Si hacemos una definicin incorrecta o
medimos mal: todo lo que venga detrs, toda la
estadstica que podamos hacer estar mal

DEFINICIN Y MEDIDA DE VARIABLES

Algunas variables no hace falta definirlas ni
hay dificultades para medirlas (ejemplo sexo)
Otras variables aparentemente obvias no lo
son tanto: ejemplo estado civil
Otras variables: arte muy complejo; prueba y
error, para definir y medir variables que captan
caractersticas como estatus social, nivel
educativo, ideologa poltica, religiosidad...

TIPOS DE VARIABLES
Segn el tipo de valores que toman las variables,
distinguimos diferentes tipos de variables
El tipo de variable es importante: afecta a lo
que podemos hacer con ella, al tipo de anlisis
que podemos hacer
Los mtodos estadsticos que usamos
dependen del tipo de variable

TIPOS DE VARIABLES
Variables cualitativas
La escala de valores es nominal
Los valores son categoras
Las categoras son valores diferentes por una
cualidad, no por una cantidad
Ningn valor se puede decir que sea mayor o
menor que otro
Ejemplos: partido poltico al que vot; regin en
que vive; sexo; estado civil; marca de coche
que conduce...

TIPOS DE VARIABLES
Variables cuantitativas:
Los valores de la variable son nmeros = cada
valor posible es menor o mayor que otro valor
Ejemplos: edad, ingresos, nota en un examen,
nmero de aos de educacin, kilmetros de
distancia entre trabajo y residencia...
OJO: hay nmeros que son etiquetas; por
ejemplo: el cdigo postal; el nmero de
telfono; el cdigo de una asignatura

TIPOS DE VARIABLES
Variables cuantitativas:
El conjunto de valores forman una escala de
intervalo
Intervalo: distancia entre valores
En las variables cuantitativas podemos calcular
la distancia o intervalo entre cualquier par de
valores de la variable
Ejemplo: ingresos. 1.000, 3.000, 4.000 nuevos soles

TIPOS DE VARIABLES
Variables con escala ordinal
Sus valores son categoras como variables cualitativas
Pero cada valor es mayor que o menor que los
dems valores, como variables cuantitativas
Ejemplos:
clase social (baja, media, alta)
ideologa poltica (extrema izquierda, izquierda,
centroizquierda, centro, centro-derecha, derecha, extrema
derecha)
Opinin sobre una propuesta poltica: muy en contra, ms
bien en contra, indiferente, ms bien a favor, muy a favor

TIPOS DE VARIABLES
Variables con escala ordinal
Un grupo intermedio
Categoras, no nmeros, que tienen un orden, pero no
existe una distancia o intervalo definido entre los valores

Tratamiento estadstico:
A veces, como variables cualitativas
A veces, como variables cuantitativas: cambiando las
etiquetas por nmeros y transformando la variable en
cuantitativa
Con cuidado: los resultados del anlisis pueden variar
segn qu nmeros asignemos a los valores
Algunos mtodos especficos para escalas ordinales

TIPOS DE VARIABLES Y TIPOS DE

ANLISIS
Por qu es importante el tipo de variable?
Segn tipo de variable: mtodo estadstico
diferente
Progresin: de menos a ms complejo o
completo:
Cualitativo (escala nominal)
Escala ordinal
Cuantitativo (escala de intervalo)

TIPOS DE VARIABLES Y TIPOS DE

ANLISIS
Variable cualitativa: no podemos aplicar mtodos para variables
cuantitativas
Ejemplo: media de estado civil; o de partido poltico
Al revs, s. Variable cuantitativa la podemos transformar en
escala ordinal, o en cualitativa.
Ejemplo: edad. Nios-jvenes-adultos-ancianos
Normalmente: mtodo estadstico que aprovecha lo mximo las
caractersticas de la variable
Ejemplo: edad
Con nmeros: podemos calcular media
Con categoras como joven, adulto, viejo: no podemos
calcular media, o ser mucho menos preciso el clculo

VARIABLES DISCRETAS Y CONTINUAS

Forma diferente de clasificar las variables
Segn el nmero de valores que tengan en la escala
Hay una definicin terica y una definicin prctica
Definicin terica:
Estrictamente slo se aplica a variables cuantitativas (escala de intervalo)
Discretas: el nmero de valores posibles entre dos valores dados es
finito
Los valores son nmeros enteros
Son el resultado de contar, valores son nmeros enteros (cantidad de
probetas, nmero de ensayos, personas en el laboratorio, ingresos)
Continuas: el nmero de valores posibles entre dos valores es infinito
(nmeros con infinitos decimales)
Son el resultado de medir (ejemplos: altura, peso, tamao, temperatura)

VARIABLES DISCRETAS Y
CONTINUAS

Una variable es un smbolo, tal como x, h o b, que puede tomar

un valor cualquiera de un conjunto determinado de ellos,
llamado dominio de las variables.
Si la variable que tericamente puede tomar cualquier valor
entre dos valores dados se llama variable continua, si no es as,
se llama variable discreta.
Ejemplo: En una familia el nmero N de hijos puede tomar
cualquiera de los valores 0; 1; 2; 3; ...; pero no puede ser 2,5
3,84; por lo tanto N es una variable de tipo discreta.
Ejemplo: La altura H de un individuo puede ser 1,50 m, 1,52
m 1,483 m; dependiendo de la exactitud de la medida, en
este caso H es una variable continua.

VARIABLES DISCRETAS Y CONTINUAS

En la prctica, la diferencia est
difuminada
Variables que son resultado de medir
(continuas), pero redondeamos y convertimos en
nmero finito de valores enteros
(edad)
Variables que son resultado de contar (discretas),
pero que tienen muchsimos valores diferentes:
poblacin de un saln, empresas constructoras.

PRCTICA 1: Grupos de 4 personas

1.
2.
3.
4.

10 ejemplos de variables ordinales

10 ejemplos de variables cualitativas
10 ejemplos de variables cuantitativas discretas
10 ejemplos de variables cuantitativas continuas

Colocar el nombre de los integrantes del grupo y

entre parntesis anotar quien no ha venido

VARIABLES DISCRETAS Y CONTINUAS

En la prctica de la estadstica:
Variables discretas: las cuantitativas que tienen pocos
valores distintos (ejemplo: escala ideolgica). Por
analoga,
tambin las variables cualitativas, y de escala ordinal
Variables continuas: las cuantitativas que tienen
muchos
valores distintos (ejemplo: ingresos)
Resumen clasificacin variables:

RESUMEN: CONCEPTOS PRINCIPALES

Variable, valor, escala
Importancia correcta definicin y medicin
Variables cualitativas y cuantitativas
Escalas nominales, ordinales y de intervalo
Variables discretas y continuas

CIFRAS SIGNIFICATIVAS
El eslabn ms dbil en la cadena de cualquier anlisis
est determinado por la medicin que se efecte con
la menor exactitud.
No vale la pena esforzarse en efectuar otras
mediciones del anlisis con mayor exactitud que esta
medicin limitante.
El nmero de cifras significativas puede definirse como
el nmero de dgitos necesarios para explicar los
resultados de una medicin conforme a la precisin
medida.

 El nmero de cifras significativas en una medicin es

independiente del lugar que ocupa el punto decimal.
Por ejemplo, considrese el nmero 92.067.
Este nmero tiene cinco cifras significativas, sin importar el sitio en que
se coloque el punto decimal;

por ejemplo 92.067 micrmetros, 9.2067 cm., 0.92067

decmetros y 0.092067 metros tienen todos el mismo nmero
de cifras significativas.
Representan simplemente las distintas maneras (unidades) de
expresar una medicin.
En el ltimo nmero, el cero entre el punto decimal y el 9, se
emplean tan slo para indicar el lugar del punto decimal.

 No existe duda con respecto a que cualquier cero que se

encuentre despus del punto decimal es significativo, o que se
usa para indicar el lugar del punto decimal.
En el nmero 727.0 el cero no se emplea para indicar el lugar
del punto decimal, pero forma parte significativa del nmero.
Puede haber ambigedad cuando el cero se encuentra entre
otros dos nmeros enteros distintos de cero; por ejemplo en el
caso de 92.067.
El nmero 936.600; es imposible determinar si uno, ambos o
ninguno de los ceros se emplean para indicar el lugar del punto
decimal o si son parte de la medicin. (falta alguna referencia)

 En estos casos es mejor escribir nicamente las cifras

significativas de las cuales se tiene certeza y despus localizar el
punto decimal por una expresin de 10 elevado a la potencia
correspondiente.
Ejemplo:

65,4 tiene 3 cifras significativas

4,5300 tiene 5 cifras significativas
0,00018 = 1,8 x 10-3 tiene 2 cifras significativas
6,02 x 1023 tiene 3 cifras significativas

Clculos con cifras significativas

Multiplicacin y divisin
En la respuesta de una multiplicacin o divisin habr el mismo nmero
de cifras signficativas que en el operador que tiene menor nmero de
cifras significativas.
Esto siempre se cumple, por lo cual se puede decir de inmediato cuntas
cifras significativas habr en la respuesta.
Este nmero limitante se llama nmero clave.
Si hay ms de un operador con el mismo nmero inferior de cifras
significativas, entonces el nmero clave ser el que tenga la magnitud
absoluta menor sin tomar en cuenta el punto decimal.

 Ejemplo:
35.63 x 0.5481 x 0.05300x100%=88.5470578%
1.1689
El nmero clave es 35.63. La respuesta ser por consiguiente 88.55%
y carece de significado obtener ms de cinco cifras en la operacin (la
quinta cifra se emplea para redondear la cuarta)
Resolver la operacin siguiente con el nmero mximo de cifras
significativas e indicar el nmero clave.
42.68 x 891= 546.57
132.6 x 0.5247
El nmero clave es 891. Como la magnitud absoluta de la respuesta
es menor que el nmero clave, se expresa como 546.6 El ltimo 6 se
escribe como subndice para indicar que es ms dudoso.

 Suma y resta
Para las sumas y las restas las reglas son un poco distintas. En este caso
no se tiene nmero clave, y es importante determinar el punto decimal
para determinar cuntas cifras sern significativas. Supngase que se
desea calcular el peso frmula de Ag2MoO4 mediante los pesos atmicos
individuales
Ag
Ag
Mo
O
O
O
O

107.87 0
107.87 0
95.94
15.99 94
15.99 94
15.99 94
15.99 94
375.67 76

 El peso atmico del molibdeno se conoce con exactitud de 0.01

unidades atmicas.
Como esta unidad tiene un elemento de incertidumbre en ella,
no es justificable decir que el peso frmula de un compuesto
que contiene molibdeno se conoce con exactitud mayor de 0.01
unidades atmicas.
Por lo tanto el valor que se conoce con ms exactitud para peso
el peso atmico de Ag2MoO4 es 375.68
Todos los nmeros que se aaden o restan pueden
redondearse hasta la unidad significativa menor antes de
efectuar la suma o la resta
Para que la respuesta seas consistente, deber aadirse una
cifra original y despus redondear la respuesta con una cifra de
menos.

PRCTICA 2: Grupos de 4 personas

1.

Determinar el nmero de cifras significativas:

2.

Escribir las cifras significativas de los siguientes nmeros y despus localizar el punto decimal para una expresin de 10
elevado a la potencia correspondiente.

3.

Determinar el nmwero de cifras significativas de las siguientes operaciones. Subrayarar con lapicero rojo el nmero clave
o limitante.

Una hoja con sus nombres, el del curso y fecha

REDONDEO DE DATOS
Es una tcnica que permite, ver o manejar una cifra con una
determinada cantidad de nmeros diferentes de cero.

72,8 redondeo al entero ms prximo es 73

72,8146 redondeando a dos decimales ser 72,81
72,465 redondeando a dos decimales ser 72,46
183,575 se redondea a 183,58
116500000 redondeando con aproximacin a millones ser de
116000000

Esta prctica es especialmente til al minimizar la acumulacin

de errores de redondeo cuando se abarca un nmero grande
de operaciones.

 Si el dgito siguiente a la ltima cifra significativa es mayor de 5,

el nmero se redondea al siguiente dgito mayor. Cuando es
menor de 5 el nmero se redondea al valor real de la ltima
cifra significativa.
9,47= 9.5
9.43= 9.4
Si el ltimo dgito es 5, el nmero se redondea al dgito par o
impar ms cercano.
8.65= 8,6
8.75= 8.8
8.55= 8.6

Funciones
Si cada valor que la variable x pueda tomar le corresponde un
nico valor de la otra variable y, decimos que y es funcin de x
y escribimos y=f(x), y se lee: y es igual a f de x.
X es la variable independiente
Y es la variable dependiente

Ejemplo: La poblacin total P del Per es una funcin del

tiempo t, y escribimos p=f(t).
La tensin s de un muelle es funcin del peso w colocado al
final del muelle, as: s=f(w).
Si y=f(x), se acostumbra por ejemplo, a colocar f(3), cuando
para calcular y, la variable x toma el valor 3.
Si y = f(x) = x2 y f(3), luego y = 32 = 9

VERACIDAD Y PRECISIN
Veracidad es el grado de concordancia entre el valor medido y
el valor real.
Casi nunca se conoce el valor absoluto verdadero.
Una definicin ms realista de la exactitud, entonces, asumir
que es la concordancia entre el valor medido y el valor real
aceptado.
Es posible lograr, empleando tcnicas analticas correctas
Como la de efectuar comparaciones con una muestra estndar conocida
de composicin semejante

 La veracidad con que se conoce el valor de la muestra estndar depende

en ltimo de alguna medicin que tenga algn lmite de certidumbre en
s misma.

La precisin se define como el grado de concordancia entre

rplicas de mediciones de la misma cantidad.

Es decir, es la repetibilidad de un resultado. La buena precisin
no asegura que haya buena exactitud.
Es posible que al medir ciertas muestras, una de las pesas sea
incorrecta.
Este error no afecta a la precisin, pero si a la exactitud.
Por otra parte, la precisin puede ser relativamente mala y la
exactitud, ms o menos por coincidencia, podra ser buena.

 Como todos los anlisis reales son desconocidos, mientras

mayor sea el grado de precisin, mayores probabilidades habr
de obtener el valor verdadero.
Sera lgico esperar que un valor sea exacto cuando la precisin
es mala y el analista debe esforzarse por obtener resultados
repetibles y asegurar as el mayor grado posible de exactitud.
Mientras ms mediciones se efecten, ms confiable ser la
medicin de precisin.
El nmero de mediciones necesarias depender de la exactitud
necesaria y de la reproductibilidad conocida del mtodo.

METODOS PROPUESTOS PARA EVALUAR LA PRECISIN Y

EXACTITUD DE LOS ANALISIS QUIMICOS Y FSICOS
Al recibir los resultados analticos emitidos por un laboratorio
cualquiera, la duda sobre la confiabilidad de los mismos es un
sentimiento muy comn
Especialmente cuando hay diferencias entre lo esperado por el
usuario y lo reportado por el laboratorio
O diferencias entre lo reportado y un anlisis previo emitido por
el mismo laboratorio.
Mas an, si el resultado previo fue emitido por un laboratorio
extranjero.

 En estas condiciones, es normal que el usuario dude de la

veracidad de los resultados
Incluso cuando no tiene la certeza de que la muestra recin
analizada sea equivalente a la anterior
Ya sea porque tenga una composicin qumica diferente a
pesar de ser de un rea cercana o porque la toma o particin
de la muestra no fue representativa.
Para definir la calidad de un laboratorio es necesario tomar
en cuenta las caractersticas o propiedades de los resultados
analticos.

Relacin que existe entre las caractersticas o propiedades

bsicas en un laboratorio:

PRCTICA 3: Grupos de 4 personas

1. Redondear las siguientes expresiones
numricas

Una hoja con sus nombres, el del curso y fecha

ERRORES
DETERMINADOS O

ALEATORIOS O

SISTEMTICOS O

CASUSTICOS O

DETERMINSTICOS

INDETERMINADOS

53

ERRORES
ERRORES DETERMINADOS O SISTEMATICOS
La exactitud o precisin de una cantidad que se
mide puede ser afectada por dos tipos principales
de errores:
Errores determinados son aquellos que, como implica
el
nombre,
pueden
determinarse
y
probablemente evitarse o corregirse.
Pueden ser constantes, como en el caso de una
pesa sin calibrar que se emplea en todas las
pesadas.
Tambin pueden ser variables, pero de
naturaleza tal que puedan tenerse en cuenta y
corregirse, por ejemplo una bureta cuyas
lecturas de volmenes sean errneas debido a
que contienen distintas cantidades en los
volmenes.
54

 El error puede ser proporcional al tamao de la

muestra y puede cambiar de manera ms compleja.
Casi siempre la variacin es unidireccional, como en
los casos de las prdidas de un precipitado por
solubilidad (error negativo).
No obstante, tambin puede tener signo aleatorio.
Un ejemplo de este caso es la variacin del volumen de la
solucin y la concentracin producida por cambios de
temperatura.
Esto puede corregirse midiendo la temperatura de la
solucin.
Los errores determinados que pueden medirse se
denominan errores sistemticos.

 Algunos errores determinados comunes son:

Errores instrumentales.
Equipo defectuoso, pesas sin calibrar, material de
vidrio sin calibrar.

Impurezas en los reactivos.

La cantidad de reactivo empleado y por tanto la
cantidad de impurezas aadidas suelen ser
proporcionales al tamao de la muestra que se toma
para el anlisis.

Errores de operacin.
Estos incluyen los errores personales y pueden
reducirse por la experiencia y cuidado del analista en
las manipulaciones fsicas que efecta.

 Las operaciones en que presenta dichos errores

incluyen la transferencia de soluciones, efervescencia
durante la distribucin de muestra, muestras que no
estn bien secas, etc. son difciles de corregir.
Otros errores personales son los errores matemticos
en los clculos y los prejuicios al estimar mediciones.

Errores de mtodo.
Estos son los errores ms graves de un anlisis.
La mayora de los errores anteriores pueden
reducirse al mnimo o corregirse, pero los errores
inherentes al mtodo no pueden cambiarse a menos
que se modifiquen las condiciones de la
determinacin.

 Algunas fuentes de errores metdicos son las

coprecipitaciones de impurezas, la ligera solubilidad del
precipitado, las reacciones secundarias, las reacciones
incompletas, las impurezas de los reactivos, etc.
En algunos casos las correcciones sern relativamente
sencillas, por ejemplo corriendo un blanco de reactivo.
La determinacin de un blanco es un anlisis que se hace
nicamente a los reactivos obtenidos a los de la muestra.
Cuando estos errores se hacen intolerables, el anlisis
deber enfocarse de distinta manera.
No obstante, en ciertos casos es necesario aceptar un
mtodo determinado por carecer de otro mejor.

Errores sistemticos:
Los errores sistemticos son los que en principio se
pueden evitar, corregir o compensar.
Estos alteran la medida porque no toman en cuenta
alguna circunstancia que afecta al resultado siempre
igual, dando lugar a un alejamiento hacia un sentido
del valor verdadero.
Se les llama sistemticos porque son consistentes pues
cuando estn presentes se obtienen valores que son
ms altos o ms bajos que el valor verdadero.
Se debe observar que los errores sistemticos y
accidentales se diferencian en que los primeros
producen efectos sistemticos y los segundos efectos
aleatorios.

 Las fuentes de error pueden originar tanto

efectos sistemtico como aleatorios:
Por ejemplo, al operar un cronmetro no solo se podr
ponerlo en marcha y detenerlo en forma irregular al
medir el periodo de un pndulo, introduciendo un error
aleatorio.
Sino que se podr tener la tendencia a ponerlo en
marcha despus de detenerlo antes lo que conducir a
un error sistemtico.
En una serie de casos se puede excluir total o
parcialmente, bien sea eliminando la fuente que lo
provoca, o introduciendo la correccin.
Es conveniente sealar que la eliminacin de los errores
sistemticos en los resultados experimentales se logra en
forma eficiente se se toma en cuenta lo siguiente:

 El experimentador debe esperar y descubrir la existencia

de errores sistemticos.
Una vez detectado el error se estimar su influencia en el
resultado.
La importancia del error se valorar en funcin de la
exactitud total que se desea y del costo y dificultad de
las posibles alternativas para evitarlo.

Los errores sistemticos

originar por:

se

pueden

Defectos o falta de calibracin de los instrumentos

de medicin.
El estado del medio ambiente en que realizan los
experimentos.
Malos hbitos y forma peculiar de realizar las
observaciones por parte del experimentador.
La limitada precisin de las constantes universales
de las ecuaciones que se usan en el diseo y
calibracin de los instrumentos.

 Impurezas en los reactivos. La cantidad de

reactivo empleado y por tanto la cantidad
de impurezas aadidas suelen ser
proporcionales al tamao de la muestra
que se toma para el anlisis.
Errores de operacin. Estos incluyen:
Errores personales, y pueden reducirse
por la experiencia y cuidado del analista
en las manipulaciones fsicas que
efecte

 ERRORES INDETERMINADOS O ALEATORIOS

En la segunda clase de errores se incluyen los errores
indeterminados, que se llaman a menudo errores
incidentales o aleatorios.
Se revelan por las pequeas diferencias en mediciones
sucesivas efectuadas por el mismo analista en
condiciones prcticamente idnticas y es imposible
predecirlos o estimarlos.
Estos errores accidentales siguen una distribucin
aleatoria; por lo tanto, es posible aplicar leyes
matemticas de probabilidad para llegar a alguna
conclusin con respecto al resultado ms probable de
una serie de mediciones.

 Los errores indeterminados se originan en realidad por

la capacidad limitada del analista para controlar o
hacer correcciones en las condiciones externas, o por
su incapacidad para reconocer la aparicin de factores
que provocarn errores.
Estos errores siempre estn presentes en la mediciones
y en ausencia de errores sistemticos son causas de
lecturas sucesivas que se dispersan alrededor del valor
verdadero de la magnitud de la medida.
Por ejemplo, al medir varias veces el perido de un
pndulo con la ayuda de un cronmetro se obtienen
resultados ligeramente diferentes debido a la presencia
de errores aleatorios.

 Estos errores pueden ser originados:

Por el observador al leer la escala,
Por las pequeas irregularidades del movimiento del
pndulo, etc.

Algunos errores aleatorios surgen por la naturaleza

estadstica de las cosas; por ejemplo:
En algunos casos, al cambiar las condiciones,
desaparecen errores desconocidos.
Por supuesto, ser imposible eliminar todos los errores
desconocidos.
Por supuesto, ser imposible eliminar todos los errores
aleatorios del experimento.
El analista deber contentarse con reducirlos al mnimo y
a un nivel tolerable o insignificante.

ERROR ABSOLUTO
La diferencia entre el valor verdadero y el valor
medido, con respecto al signo, es el error absoluto y se
expresa en las mismas unidades que la medicin.
Si se analiza una muestra de 2,62 g. considerando un
peso de 2,52 g., el error absoluto es 0,10g. cuando el
valor medido es el promedio de varias mediciones, el
error se llama error medio.
El error medio tambin puede calcularse tomando el
promedio de la diferencia, con respecto al signo, de los
resultados individuales de las pruebas, con respecto al
valor verdadero.

ERROR RELATIVO
El error absoluto o medio expresado como porcentaje
del valor verdadero es el error relativo.
El anlisis anterior tiene un error relativo de (-0,10 /
2,62) x 100% = -3.8%, es necesario insistir en que
ninguno de los nmeros es realmente verdadero y el
error relativo o exactitud se basa en la media de dos
conjuntos de mediciones.
El error relativo puede expresarse en unidades
distintas al porcentaje.
En investigaciones muy exactas, generalmente los
errores relativos son menores de 1% y es conveniente
emplear unidades ms pequeas.
Un error de 1% es equivalente a una parte de 100.
Tambin equivale a 10 partes de 1000.

 Esta ltima unidad se emplea comnmente para

expresar incertidumbres pequeas.
Es decir la incertidumbre se expresa en partes por
millar, se abrevia ppm.
El nmero 23 expresado en partes por millar del
nmero 6725, ser 23 partes por 6725 3,4 ppm. Las
partes por millar se emplean a menudo para expresar
la precisin de mediciones.
Ejemplo: los resultados de un anlisis son 36,97%, en
comparacin con el valor aceptado de 37,06%. Cul
es el valor error relativo en partes por millar?
Error absoluto = 39,97% - 37,06% = -0,09%
0,09
Error relativo =
1000% 2,4 ppm
37,06

DISTRIBUCIN DE FRECUENCIA
Organizacin y presentacin de datos
Una vez recopilada la muestra se debe describir la
naturaleza de los datos organizndolos, presentndolos
en tablas de frecuencias o grficos y evaluando
medidas de resumen que permitan describir
apropiadamente sus caractersticas en cuanto a
posicin y dispersin.
Para organizar los datos en tablas de frecuencia se
debe tener en cuenta si los datos son cualitativos o
cuantitativos.
Si los datos son cualitativos se debe codificar las
categoras, asignndole un nmero que servir de
identificacin, por ejemplo:

PRCTICA 4: Personal
(1) Elaborar la tabla respectiva de valores, el grfico en barras de las
frecuencias absolutas y de las frecuencias absolutas acumuladas:
Resultados de un ensayo de resistencias a la compresin en probetas de
concreto:
385 385 -387 389 387 385 388 387 387 389 387 388 387 389
(2) Elaborar la tabla respectiva de valores, el grfico en barras de las
frecuencias relativas y de las frecuencias relativas acumuladas, as como
el recorrido o rango, la amplitud de los intervalos, el nmero de intervalos
segn Sturges:
Resultados de un ensayo de densidad del cemento Portland tipo I:
3.14 3.14 3.13 -3.13 3.12 -3.12 3.12 3.13 3.13 3.12 3.14
3.12 3.13 3.12 3.14 3.14 3.14 - 3.12 3.15 3.15

PREPARACIN DE MATERIALES
- Todos los grupos debern traer aprox. 100 Kg. de arena seca de playa.
- Se tamizar en las mallas:

Se separarn los respectivos retenidos en cada intermalla, luego se lavar

la arena y se proceder al secado. Tratar de no mezclar ni contaminar.

Granulometra anterior de una arena Ottawa Fina

Ejemplo:
Podra separarse solamente el pasante de la M30 y retenido en la M40, de la cual usaremos
un 74% de 1500 g de arena en total a usar, o sea 1110 g de esta
Asimismo se podra separar tambin pasante de la M40 y retenido de la malla 50 y emplear
24% de 1500 g, o sea 390 g; donde sumada a la anterior nos da los 1500 g de Arena Ottawa
gradada.

Granulometra anterior de una arena Ottawa Gruesa

Ejemplo:
Podra separarse solamente el pasante de la M16 y retenido en la M20, de la cual usaremos un 100% de
1375 g de arena en total a usar, o sea 1375 g de esta en el ensayo de contenido de aire