ESTADISTICA ELEMENTAL

1 Cifra significativa
Exactitud de una medida esta relacionada con la cercana al valor
verdadero, entre ms se asemeje la medida al valor verdadero mas exacta va a
ser una medida. Precisin de una medida esta relacionada con el grado de
esfuerzo y cuidado que se tiene en cuenta en la obtencin de una medida. Una
buena precisin no asegura una buena exactitud, pero una alta exactitud es poco
probable sin una alta precisin.
Por Ejemplo ver Figura, al hacer una secuencia de disparos sobre un blanco
con un rifle montado en un soporte fijo y con la mira en direccin al centro del
blanco se pueden obtener las siguientes distribuciones A, B y C.

Probabilidad de impactos en un blanco.

En A los disparos se agrupan en una pequea rea del blanco indicando alta
precisin pero a una distancia relativamente grande del centro, lo que indica una
baja exactitud, esto ltimo se debe a la presencia de errores sistemticos (mira
mal ajustada o no considerar el efecto del viento, etc.). Todos los disparos no
dieron en el mismo punto debido a errores accidentales (Variacin de la velocidad
del viento, variacin en las masas de las balas, etc.). En B a diferencia de A los
disparos se agrupan en torno al punto central del blanco indicando buena
exactitud y por consecuencia la ausencia de errores sistemticos. La precisin es
menor que en A puesto que los puntos estn ms dispersos lo que indica que los
errores accidentales son mayores en este caso. En C los disparos se encuentran
en el centro del blanco y a una distancia muy pequea entre ellos, en este caso
hay alta exactitud y precisin.
La precisin de una medida esta indicada por el nmero de cifra, entre
mayor cifra o dgitos tenga un nmero mayor es la precisin. La cifra significativa o
dgitos significativos son aquellas cifras que incluyen aquella parte conocida con
certidumbre (cifra cierta) y la parte conocida con incertidumbre (cifra no cierta).
Ejemplo supongamos que estamos tomando la masa de un cuerpo en diferentes
balanzas (la masa no vara el peso vara con la aceleracin de gravedad g) en una
balanza de comercio que da por ejemplo 12,3 g y en una balanza analtica de
laboratorio que da para el mismo cuerpo 12,33 g. La primera balanza mide con

tres cifras significativas, mientras que la analtica lo hace con cuatro , luego la
balanza analtica es ms precisa. En las medidas, no se podra agregar a estos
dos valores un cero al final, puesto que en este caso un segundo o tercer decimal
es desconocido indeterminado. Pero podra haber una balanza ms precisa que
de cinco C.S. ejemplo 12,330 y aqu el cero es significativo. Supongamos que
tenemos dos termmetros uno con tres cifras significativas y otro con cuatro, este
ltimo es ms preciso, y medimos por ejemplo la temperatura de un lquido que
tiene realmente la temperatura de 26,35 C , con el termmetro menos preciso da
26,3 C y con el ms preciso 26,85 C, esto indica que el primero es ms exacto
siendo el menos preciso puesto que su medida esta ms cerca del valor
verdadero.
Las siguientes reglas pueden usarse para determinar el nmero de CS que
debe escribirse en una medida.:
1,- Todas las distintas de cero son significativas
ejemplo 235,27 tiene 5 CS.
2.-Los ceros usados para localizar el punto decimal no son significativos, es decir
los ceros situados a la izquierda de la primera cifra distinta de cero .
ejemplo 0,085 kg tiene 2 CS si cambiamos este valor a otra unidad 85 g, tambin
tiene 2 CS. Luego los ceros en el primer valor solo sirven para localizar el punto
decimal y no son significativos. La precisin de una medida no cambia al variar de
unidades.
3.-Los ceros que aparecen como parte de una medida son significativos, es decir
los ceros situados entre dos cifras distintas de cero
ejemplo 3,05 3CS.
4.- Los ceros ubicados despus de una cifra distinta de cero son significativos.
ejemplo 25,0 3CS
Aplicando las reglas anteriores ,cuntas CS tienen tiene 0,0580300 ?
Un valor por ejemplo 100 puede colocarse dependiendo de la precisin:
1,00 102 3CS
1,0 102 2CS
1
102 1CS
Es decir los exponentes no son significativos
5.-. Ciertos valores, tales como los que se originan de la definicin de trminos
son exactos:
Ejemplos
1 L =1000 mL
El nmero de lado de un tringulo son exactamente tres.
Un nmero exacto se puede escribir con infinitos nmeros de ceros (todos son
C.S.) a la derecha del punto decimal.

1 L =1000,000 mL
6. A veces la respuesta de un clculo contiene ms cifras que no son
significativas. Las siguientes reglas deben usarse para aproximar tal valor al
nmero correcto de dgitos:
a). Si la cifra que sigue al ltimo nmero a retenerse es menor que 5, todas las
cifras no deseables se pueden descartar y el ltimo nmero se deja sin
modificacin
ejemplo el clculo es 27,384 5CS y se debe retener 4CS luego la ser 27,38
b). Si la cifra que sigue al ltimo nmero a retenerse es 5 con otro dgitos que le
siguen o es mayor que 5 , el ltimo nmero a retenerse se aumenta en 1 y las
cifras restantes se descartan.
ejemplos:
58,7253 6CS se desea retener 4CS luego 58,73
0,25451 5CS se desea retener 3CS luego 0,255
77.006 5CS se desea retener 4CS luego 77,01 102
c) Si la cifra que sigue al ltimo nmero a retenerse es 5 sin otro dgito que le siga,
el ltimo nmero a retenerse se aumenta en 1 si este es impar y queda igual si es
par (el 0 se considera como par)
ejemplos
23,45
4CS se desea retener 3CS luego 23, 4,puesto que el 4 es par
0,20475 5CS se desea retener 4CS 0,2048, puesto que el 7 es impar
748,005 6CS se desea retener 5CS 748,00, puesto que el 0 es impar
7. En la suma y resta debe presentarse el resultado con el mismo nmero de
cifras decimales que tenga el trmino con el menor nmero decimales
ejemplos
161,032
+
5,6
32,4524
199,0844
debe colocarse199, 1
regla 6
Supngase que se ha pesado 12,47 g de azcar y se ha colocado en una
vasija de 7 g el peso de la vasija se conoce solo hasta el gramo ms cercano, la
suma no debe expresarse a una precisin mayor que sta
12,47
25,45
+ 7
- 5,1
19
20,4
5. El resultado de una multiplicacin o divisin se redondea al mismo nmero de
C.S. como tenga el nmero menos preciso usados en el clculo
ejemplos
152,06 x 0,24 = 36,4944 ha de colocarse 36 puesto que 0.24 2 CS

0,01208 = 0,512
0,0236
2 La correlacin y el mtodo de los mnimos cuadrados
En Fisicoqumica y en cualquier otra ciencia cuantitativa, surge
frecuentemente la cuestin de si hay una relacin entre dos series de nmeros; en
caso afirmativo, es necesario conocer cul es esta relacin en forma de ecuacin.
Si se puede demostrar por mtodos estadsticos que hay una relacin entre dos
series de nmeros y que sta es significativa, puede darse el caso que haya una
relacin de causa-efecto entre las dos cantidades. No obstante, hay que tener
mucho cuidado con las relaciones de causa-efecto, ya que sucede frecuentemente que ambas cantidades se deben a una tercera, y que no hay una relacin
causal entre las dos cantidades.
Como ejemplo de la aplicacin de los procedimientos esta-dsticos referentes
a la correlacin, consideraremos los siguientes pares de nmeros:
x
y
1
5
2
8
3
9
4
10
A primera vista puede parecer que hay una relacin, y una representacin
confirmara esta suposicin. Desde el punto de vista estadstico surgen tres
problemas principales:
1)Es la relacin significativa estadsticamente, es decir, incapaz de haberse
producido por casualidad?
2) Si es as, cul es la mejor relacin en lnea recta entre x e y?
3) Una vez obtenida la ecuacin de la lnea recta, qu confianza puede
depositarse en los valores calculados a travs de ella?
Estas preguntas se considerarn por separado.

El coeficiente de correlacin
La primera pregunta es mejor considerarla a travs de un coeficiente de
correlacin. El coeficiente de correlacin R se calcula con la frmula

1
xy x y
R n
x y
Donde n es el nmero de pares x-y y xy oy son las dispersiones o errores
medios de los valores de x e y.
Un valor positivo de R significa que X e Y son directamente proporcional, y
valor negativo de R son inversamente proporcional. Un coeficiente de correlacin
cero significa que no hay relacin entre los nmeros. Con R =1 todos los puntos
estn sobre la recta, Y mX b
En el ejemplo propuesto se puede construir de la tabla siguiente
El ejemplo elegido emplea nmeros muy sencillos. Al usar datos
experimentales reales hay que tener cuidado de tomar suficientes cifras
significativas al hacer los clculos, de lo contrario pueden cometerse graves
errores.
x
y
xy
x2
y2
1,00 5,00
5,0
1,0 25,
0
0
2,00 8,00
16,0
4,0 64,
0
0
3,00 9,00
27,0
9,0 81,
0
0
4,00 10,0
40,0
16, 100
0
0
Sumas:
10,0 32,0
88,0
30,0
270
x

10,0
32,0
1
88
2,50 ; y
8,00 ; x y 20,0 ; xy
22,0 ;
4
4
n
4

2x

2
1
30,0
2
2,50 2 1,25 , X 1,12 ,
X X
n
4

2y

2
1
270
2
64,0 3,50 , y 1,87 , luego
y y
n
4
1
xy x y 22,0 20,0
R n

0,957
x y
1,12 1,87

Este valor supone una correlacin positiva algo elevada entre los nmeros.
Ahora hay que establecer si el coeficiente de correlacin indica que la correlacin
es significativa o si puede haber surgido por casualidad con una probabilidad
corriente. El hecho de que un coeficiente de correlacin sea prximo a la unidad
no dice nada por s mismo; si el nmero de pares de valores es pequeo puede

darse fcilmente por casualidad un coeficiente de correlacin elevado. Un caso

extremo es el que se da cuando slo hay dos pares de valores, en cuyo caso el
coeficiente de correlacin es necesariamente la unidad, y, desde luego, carece de
sentido.
Un procedimiento conveniente para comprobar el significado en estos casos
consiste en aplicar la t de Student y el nmero correspondiente. El nmero de
grados de libertad (N-2) es dos menos que el nmero de pares de valores, n, y t
se calcula usando la frmula
R n 2
0,957 2
t

4,67
2
2
1 R
1 0,957

En nuestro problema nmero de grados de libertad es 2, y t es 4,67

En la figura se ve que para dos grados de libertad este valor cae cerca de la
curva del 5 por 100. Por tanto, la correlacin es significativa probablemente, al
nivel del 5 por 100, aunque hay 1:20 de probabilidad de que la correlacin puede
haberse producido por casualidad.

La segunda pregunta importante era: Cul es la mejor relacin en lnea

recta entre x e y? Mejor quiere decir por convenio que la lnea predice los valores
de y de tal forma que la suma de los cuadrados de las desviaciones entre los
valores reales y calculados sea un mnimo. Esta lnea se denomina lnea de los
mnimos cuadrados, y el procedimiento, mtodo de los mnimos cuadrados. La
ecuacin que resulta se denomina tambin ecuacin de regresin.
Mnimos cuadrados
El principio del mnimo cuadrado representa la mejor curva para lo cual la
suma de los cuadrados de los residuos es mnimo

Ecuacin general Yi mXi b S mXi b Yi

i 1

S m2 Xi2 2mb Xi 2m Xi Xi nb2 2b Yi Yi2

Condicin de mnimo
n
n
n
n
n
S
S
0 2m Xi2 2b Xi 2 Xi Yi ,
0 2m Xi 2bn 2 Yi
m
b
1
1
1
1
1

n Xi Yi Xi Yi
m
n Xi2 Xi 2

, b

2
Xi Yi Xi Yi Xi

n Xi2 Xi 2

En el caso del problema propuesto la ecuacin es Y 1,60 X 40

12
10
8
6
4
2
0
0

Errores en la Pendiente e Intercepto en el origen de la recta de regresin

La recta de regresin calculada se utiliza en la prctica para estimar la
concentracin de las muestras problema por interpolacin, tambin para estimar
el lmite de deteccin del procedimiento analtico. Los errores aleatorios en los
valores de la pendiente y de la ordenada en el origen son importantes, por lo que
consideramos ahora las ecuaciones utilizadas para calcularlos. Primero debemos
calcular el dato estadstico S y , que est dado por:
x
1

y y 2 2
i
i

Sy i

n2

Donde y i , son los valores y de los puntos sobre la recta de regresin calculada,

correspondientes a los valores individuales de x ,y n nmero de pares de valores

Para calcular las desviaciones estndar Sm y Sb, para la pendiente (m) y la
ordenada en el origen (b). stas estn dadas por:
1

2
xi

i
x
, Sb S y
Sm
2
1

n
x

i
x

22
i

x
i

Sy

Estos valores de Sm y Sb se pueden utilizar para estimar lmites de confianza para

la pendiente y la ordenada en el origen. As, los lmites de confianza para la
pendiente estn dados por m t Sm, donde el valor de t se obtiene para un nivel
de confianza deseado y (n - 2) grados de libertad. De manera similar, los lmites
de confianza para la ordenada en el origen estn dados por b + t Sb.
Para el ejemplo

x i x i 2

xi

x i2

1,00
2,25
1,00
5,00
2,00
0,25
4,00
8,00
3,00
0,25
9,00
9,00
4,00
2,25
16,0
10,00
2
2
10,0
x
2,50 x i x i 5,00 x1 30,0
i
i
4

1
2
y y 2
i
i i

Sy

n2

1
1,00 2

yi y i 2

y i

yi

4,60
7,20
8,80
10,4

0,16
0,64
0,04
0,16
2
y i y i 1,00
i

Sy
0,707 , Sm

x
1
22

x i x
i

0,707
1
5,00 2

0,316 ,

2
1

2
xi

30
,
0
2
i
0,859 . Para un nivel de confianza
Sb S y
0,707
2
4
5
,
00

n
x

i
x
i

de acuerdo a tabla de un 90%, el valor de t student es 1,886 luego, m = 1,60

0,60 y b = 4,00 1,62, luego Y =(1,600,60)X +(4,001,62)

n-2

Confianza

Propagacin de error
En el caso que una propiedad fsica no pueda ser medida directamente, su
incertidumbre debe estimarse en base de las incertidumbres de las variables
medidas.
Sea F el resultado buscado, que depende medidas directas x,y,z, con una
incertidumbre limite x, y,z respectivamente. El valor de F es determinado
sustituyendo valores experimentales x,y,z, es decir F= F(x,y,z). El cambio
infinitesimal dx, dy, dz, etc, experimental, determinan el cambio infinitesimal de F,
F
F
F
dF dado por dF dx dy dz ... . El cambio es finito
x y,z
z x,y
y x,z
ms bien que infinitesimal, por lo tanto se puede cambiar por.
F
F
F
F x y z ... Suponga ahora que x representa
x y,z
z x,y
y x,z
el error experimental (x) de la cantidad x, x = (x) = x (medido) x (verdadero),
luego el error para F, F = (F) =F(calculado desde medidas x,y,z, etc) F
F
F
F(verdadero), dado por (F) x y z ... ,
x y,z
z x,y
y x,z
puesto que no conocemos los valores reales o verdaderos (x), (y), (z),etc, no
podemos conocer (F).Lo que podemos conocer el orden de magnitud de los
errores, es por esto que se trabaja con el limite de error (x), (y), (z),
etc,definido de manera que (x) (x), (y) (y), (z) (z),etc, luego el
limite de error del resultado final (F) (F). Para esto calculamos el valor
absoluto por ser el valor mayor, as se tiene que valores absolutos

F
(F)
x
x y,z

F
F

y
z ... .En algunos textos esta
z x,y
y x,z

expresin

otra

de
2

forma

que

tiene
2

igual

significado,

F
y 2 F z2 ...

x y,z
z x,y
y x,z
El termino , limite de error se define generalmente como la mitad de la
medida ms pequea que puede medirse directamente, es decir depende de la
precisin del instrumento de medida . Algunos instrumentos colocan su valor lmite
de error.
Ejemplo
Se desea determinar la masa molar de un gas con la relacin de un gas
ideal
mRT
, para esto se peso una masa de (0,400 0,005)(balanza con tres
M
PV
decimales, asignado)g , se coloco en un deposito de acero de volumen (30,0

(F)2 F

10

0,1) ( de fabrica) mL, a una presin de (7600,1) ( de fabrica) mmHg y

L atm
temperatura (300 0,5) ( asignado) K. R= 0,082050,00001
mol K
M
(M)
m
m P,V,T

M

R
R
m,P,V,T

F
T

T m,P,V

F
P

P m,T,V

F
V

V m,T,P

. Observe que el termino de R no aparece puesto que es una constante. Como

mRT
M m R
M
M R T M M m T M
,
se
tiene

,
M
m P V m R P V R
T
PV
T
PV

mR T
M
M

,
P
P
P2 V

m R T P V ,

mR T
M
M

,
V
V
P V2

luego

remplazando los valores se tiene

m
R
T
P
V
0,005 g 0,00001 0,5 K
0,1 mmHg
0,1 mL

0,018 ,decir hay un 0,

0,400 g 0,08205 300 K 760 mmHg 30,0 mL
M
18% de error. Reemplazando
los valores en la formula se
L atm
0,400 g 0,08205
300 K
mRT
mol K
g
tiene M
,
por
lo

328,2
PV
1,00 atm 0,0300 L
mol
g
g
tanto M 0,018 328,2
.
5,9 ,por lo tanto finalmente M 328,2 5,9
mol
mol
Algunos casos notables
M
M

F ax by cz , F a x b y c z

F axyz
F axn ,

axy ax a F x y z
,

, ,
x
y
z
z yz xyz F

F
x
n
F
x

11