TRATAMIENTO ESTADISTICO DE DATOS

EXPERIMENTALES
1. Teora de Errores
1.1.

Definicin de Error

Cualquier medicin lleva asociado consigo un error, es decir no existe

manera de medir el valor real o verdadero de nada, por lo tanto se puede
decir que el error experimental es la cuantificacin de la incertidumbre
realizada en una medicin.
Entonces un valor verdadero vendra a ser el mejor valor obtenido por una
persona experimentada y que usa un procedimiento bien comprobado.
1.2.

Precisin y Exactitud

Debido a la existencia del error experimental en un anlisis qumico lo

mejor que se puede hacer es la repeticin de un tipo de medida varias
veces. Aplicando cuidadosamente esta tcnica que la experiencia nos dice
que es confiable, se puede conocer la precisin de la medida que vendr
a ser la cuantificacin de la reproducibilidad de un resultado; si los valores
concuerdan mucho entre s, se dice que la medida es precisa.
Al medir la misma cantidad por diferentes mtodos se gana confianza de
lo cerca que se est del valor verdadero, si los resultados concuerdan entre
s, sin embargo no es una prueba definitiva de que los resultados sean
exactos. La exactitud es entonces una medida de la proximidad del valor
medido al valor verdadero o conocido.
Una medida puede ser reproducible pero errnea, en este caso, la precisin
es buena, pero la exactitud es mala. Tambin se puede tener medidas poco
reproducibles pero en torno al valor correcto, siendo la exactitud buena
pero la precisin mala. Lo ideal es que el procedimiento sea preciso y
exacto a la vez, por tanto es casi imposible que exista exactitud sin
precisin, pero siempre existe la posibilidad de que haya precisin sin
exactitud.
1.3.

Tratamiento de datos en series con pocos valores

1.3.1.

Intervalo de Confianza

El intervalo de confianza es una expresin que indica que es probable

que la verdadera media, , est a una cierta distancia de la media
medida .
Ejemplo: Si el intervalo de confianza es del 90%, para un nmero infinito
de experimentos se esperara que el 90% de los intervalos de confianza
incluyan la media poblacional.
1.3.1.1. Mtodo de t-Student

El estadstico t de Student es usado para expresar intervalos de

confianza y para comparar los resultados de diferentes experiencias,
efectuar predicciones estadsticas de series de mediciones que
contengan pocos valores. Se define:
Intervalo de Confianza:

Donde:

= valor medio para la serie finita

= valor medio que se espera cuando se ha llevado la serie
a un nmero infinito de mediciones
s= desviacin estndar de la serie finita
n= nmero de mediciones de la serie finita
Tabla 1: VALORES DE T DE STUDENT

Hay que tener en cuenta que los grados de libertad estn referidos
a (n-1). Los valores de t, intentan compensar el hecho de que
y
difieren y que s solo es una aproximacin del valor de (desviacin
estndar de la poblacin). Los limites de confianza y la prueba t
presuponen que los datos siguen una distribucin gaussiana
Ejemplo: Se determina el contenido en hidratos de carbono de una
glucoproteina: 12.6, 11.9, 13.0, 12.7 y 12.5 g de hidratos por 100 g
de protena. Hallar el intervalo de confianza del 90%.
Solucin:
De las 5 medidas se calcula
=12.54 y s =0.40
De la tabla 1 el valor de t para intervalos de confianza de 90% con 4
grados de libertad es 2.132
El intervalo de confianza del 90% es:

A medida que aumenta el nivel de confianza, el tamao del intervalo

debe aumentar tambin y conforme aumenta el nmero de
mediciones la magnitud del intervalo disminuye (
se acerca a )
1.3.1.2. Mtodo Cn
Para determinar un intervalo de confianza para tambin se puede
emplear el rango R, cuya expresin es:
Donde:
R= Rango, es la diferencia entre el valor mayor y menor de una serie
Cn= Multiplicador del rango
Si los valores de las mediciones no incluyen un valor
exageradamente alto o bajo, el intervalo de confianza calculado con
este mtodo estar de acuerdo con el obtenido a partir de la t de
Student, si se emplea el mismo nivel de confianza.
Tabla2: Valores de Cn

1.3.2.

Pruebas de Significancia

Se utiliza un test t para comparar un conjunto de medidas con otro, y

decidir si son o no diferentes. Se fija una probabilidad arbitraria de 95%
para concluir si las medias de los 2 conjuntos son diferentes, y aunque
no es posible decidir estadsticamente cual media es la ms correcta, es
posible saber si la diferencia es o no significativa y buscar as la fuente
del error que haya originado la diferencia. Existen 3 casos:
Caso 1: Comparacin de un resultado medido con un valor
conocido
Si t calculada > t tabulada a un nivel de confianza del 95% se considera que los
dos resultados son diferentes.
Ejemplo: Se compr un carbn que contena 3.19% p de azufre, se
quera ensayar un nuevo mtodo analtico y los nuevos valores medidos
fueron 3.29, 3.22, 3.30, 3.23% p de azufre, arrojando
= 3.260 y s=
0.041 concuerda este resultado con el valor conocido?

De la tabla 1 para 3 grados de libertad y un nivel de confianza del 95% t

tabulada= 3.182, se puede concluir que el resultado obtenido es diferente
del valor conocido.
Caso 2: Comparacin de medidas replicadas
En este caso tenemos 2 conjuntos de medidas, cada una con su propia
incertidumbre. Sean
1 y
2 las 2 medias consideradas, s 1 y s2 las
desviaciones normales asociadas y n1 y n2 el nmero respectivo de
mediciones realizado en cada serie. Se supone que de cada mtodo es
prcticamente el mismo.
donde

La t

tabulada

se calcula para (

) grados de libertad. Si t

> t tabulada (95%), la diferencia es significativa.

Ejemplo: La masa del gas N 2 obtenido a partir del aire es
calculada

=2.31011 g

con s1= 0.000143 (para n1= 7 medidas). La masa del gas N 2 obtenido
qumicamente es
2= 2.29947 g, con s 2= 0.00138 (n2= 8 medidas).

= 0.00102

20.2
Para 13 grados de libertad t
es significativa.

tabulada

est entre 2.228 y 2.131, la diferencia

Si la no es la misma para los 2 conjuntos de medidas

El mtodo para determinar si la diferencia entre las desviaciones

estndar poblacionales es o no significativa, se denomina prueba F. El
valor de la relacin
se determina colocando el mayor valor
de las dos s en el numerador. Se consulta el cuadro de valores de F, si
este valor es menor que el calculado la diferencia es significativa entre s 1
y s2
Tabla 3: Valores de F para un nivel de 95% de probabilidad

Caso3: Comparacin de pares de medidas

Se trata de 2 mtodos diferentes, con los que se hace una sola medida
usando diferentes muestras.
Ejemplo: Consideremos el contenido de colesterol de 6 conjuntos de
plasma sanguneo humano medido por 2 tcnicas distintas.
Muestra de plasma
Mtodo 1
Mtodo 2
Diferencia (di)
1
1.46
1.42
0.04
2
2.22
2.38
-0.16
3
2.84
2.67
0.17
4
1.97
1.80
0.17
5
1.13
1.09
0.04
6
2.35
2.25
0.10

= diferencia media

n= nmero de pares de datos

= 0.122

= 1.20

t tabulada = 2.571 para 5 grados de libertad, las 2 tcnicas no son

significativamente distintas.
1.4.

Clasificacin de Errores

1.4.1.

Por su Naturaleza

1.4.1.1. Absolutos
Ninguna medicin se encuentra libre de error absoluto o sea de la
diferencia entre el valor determinado y el valor real. Cualquier
medicin que se realice, sin importar cun cuidadosa sea, estar
sujeta a un margen de error absoluto y a una cierta incertidumbre en
el valor final obtenido, sin tomar en cuenta su relacin con el valor
real. As el valor medido se expresa con un nmero limitado de cifras,
y la cifra final, o significativa, refleja la confiabilidad de la medicin
Donde:

xi=un solo valor medido

T=valor real
Ei=error absoluto en el valor de xi

1.4.1.2. Relativos
Es conveniente referir el error absoluto al valor verdadero, para poder
comparar los resultados de las mediciones efectuadas, obtenindose
as el error relativo Er. Ei es, una medida de la exactitud del valor de
xi, pero la exactitud puede expresarse como error relativo ms que
como error absoluto.
1.4.2.

Por su Origen

1.4.2.1. Crasos
Los errores crasos, espurios o accidentales poseen caractersticas
bsicas semejantes a los errores sistemticos pero su magnitud es
notablemente superior. Son bastante fciles de detectar y as
eliminar. La mayora son personales y se atribuyen a descuidos,
inaptitud o mala suerte. Ocurren en muy raras ocasiones, y dan lugar
a que el resultado difiera mucho dentro de una serie.
1.4.2.2. Determinados

Tambin llamados sistemticos, son errores que se reproducen si se

repite el experimento exactamente de la misma manera, son
originados por un fallo del diseo del experimento o por un fallo el
equipo y pueden localizarse y corregirse, aunque puede ser que no
sea fcil. Puede que este tipo de error sea siempre positivo en
algunos tramos, y siempre negativo en otros.
1.4.2.2.1. En balanzas de laboratorio
Si se usa una balanza mono plato para la determinacin de la
masa de una sustancia el menor valor a determinar es 0.01 g
mientras que si uso una balanza digital el menor valor es 0.0001 g
(hay incertidumbre as el instrumento tenga una lectura digital
que no flucta). La ltima cifra significativa (la del extremo
derecho) en cualquier magnitud medida siempre tiene alguna
incertidumbre. La mnima incertidumbre es 1 en el ltimo digito.
Es decir, para los equipos digitales el error instrumental se toma
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.
En los instrumentos de medida analgica, el error instrumental se
estima de la siguiente forma:
Donde A es la apreciacin del instrumento y puede determinarse a
partir de la diferencia de las lecturas de dos valores marcados en
el instrumento y el nmero de divisiones que existen entre ellos
de acuerdo a:

1.4.2.2.2. En utensilios volumtricos

La tolerancia es la incertidumbre proporcionada por el fabricante
del instrumento de medida. Los utensilios y recipientes
volumtricos por la tolerancia de error en su graduacin y aforo se
clasifican en la forma siguiente:
TOLERANCIA TIPO 1 CLASE A Y B (medicin de precisin)
Los utensilios y recipientes de medicin de precisin deben
cumplir con las tolerancias indicadas de acuerdo a su clase y
capacidad nominal segn se indica en la Tabla 4.
TOLERANCIA TIPO 2 (medicin aproximada)
Todos los utensilios y recipientes de medicin aproximada no
deben tener una tolerancia mayor de + 5% de la capacidad total
nominal.
Tabla 4: TOLERANCIAS EN LA CAPACIDAD DE DIVERSOS ARTICULOS
DE LABORATORIO SEGN SEAN CLASE A O CLASE B

En los equipos volumtricos, el error cometido en la lectura oscilan

entre un 0,5% del volumen ledo, en equipos de precisin y un
10% en equipos menos precisos.
1.4.2.2.3. En instrumentos graduados sin especificacin
de error
Cuando se lee la escala de cualquier aparato, hay que estimar
todas las lecturas con una aproximacin de la dcima de distancia
entre dos divisiones. Por ejemplo, en una bureta de 50 ml, que
est graduada a 0.1 ml, se debe leer el nivel del lquido hasta 0.01
ml. Cuando se lee un valor de un sistema de medicin, se
considera prctico asignar un valor estimado dentro de un rango
de un quinto de la divisin ms pequea de la escala involucrada
(incertidumbre en la lectura). Por ejemplo el volumen ledo en una
bureta, con la divisin ms pequea de 0.1 ml, puede aproximarse
a 0.2 ml ms cercano, entonces se hara una sola lectura de
24.640.02 ml lo cual implicara que una nueva lectura
proporcionara valores entre 24.62 y 24.66 ml.
1.4.2.3. Indeterminados
Se origina por efectos incontrolados, variables en cada medida.
Siempre est presente y no puede ser corregido. Ejemplo: cambios de
temperatura, presin y humedad en el ambiente del laboratorio;
fluctuaciones en la corriente; que haya una corriente de aire cerca de
la balanza donde se va a pesar. Estos errores afectan sobre todo a la
precisin.
1.4.2.4. Aleatorios
Obedecen a fluctuaciones tpicas de la experimentacin. Pueden
tener diferente magnitud, aunque en general no muy elevada.

Pueden ser aleatoriamente por exceso (positivas) o por defecto

(negativas) es decir, mayores o menores que la media. Se describen
de acuerdo a la distribucin normal de Gauss.
2. Redondeo
2.1.

Cifra siguiente mayor que 5

Si el digito que se va a eliminar en mayor que 5, se aumenta en una

unidad la cifra que queda, de la siguiente manera:
3,41237 3,4124
2.2.

456,348 456,35

89,716 89,72

Cifra siguiente menor que 5

Si el digito que se va a eliminar es menor que 5, no se hacen cambios en

la cifra que queda, por ejemplo:
55,672 55,67
2.3.

106,774 106,77

22,381 22,38

Cifra siguiente igual a 5

2.3.1.

Cifras Subsiguientes Nulas

Si el digito que se va a eliminar es 5, seguido de 0, se procede a
mirar el siguiente digito, entonces si es impar se le aumenta una
unidad y si es par no se hacen cambios. Por ejemplo:
231,1503 231,2
31,7

2.3.2.

47,32502 47,32

31,6501

Cifras Subsiguientes no Nulas

Si el digito que se va a eliminar es 5, seguido de un nmero
distinto de 0, el digito que se queda aumenta en una unidad. Por
ejemplo:

10,24

54,7258 54,73

3. Cifras significativas
3.1.

Concepto

99,7654 99,77

10,2357

Se considera que las cifras significativas de un nmero son aquellas que

tienen el significado real o aportan alguna informacin. Las cifras no
significativas aparecen como resultado de los clculos y no tienen
significado alguno. Las cifras significativas de un nmero vienen
determinadas por su error. Son cifras significativas aquellas que ocupan
una posicin igual o superior al orden o posicin del error, adems son el
nmero mnimo de dgitos que nos permiten tener la idea del valor real
de una medicin con la mayor exactitud posible.
3.2.
Cifras Significativas en una medicin
Supngase que se desea medir la longitud del objeto que se muestra en
la figura 10 utilizando dos reglas A y B. La lectura en la regla (A) indica
que el objeto mide 4.65 cm donde la ltima cifra no es segura, es
incierta o dudosa. Sin embargo, la lectura segn (B) slo permite
expresar la longitud como 4.7 cm y la ltima cifra es tambin dudosa.
Ntese que en el primer caso la longitud se puede reportar con un
mximo de tres cifras significativas mientras que en el segundo caso con
nicamente dos cifras significativas.

Figura 10. Medidas experimentales

De modo que los resultados obtenidos directamente de una medicin
estn sujetos a incertidumbre (margen de duda), debido a que la escala
de medicin tiene un lmite determinado por su sensibilidad.
Se denominan cifras significativas del resultado de una medicin, a las
cifras exactamente conocidas ms la cifra incierta. El resultado de la
medicin anterior se debe reportar como 4.75 0.01 cm o 4.7 0.1 cm
dependiendo de la regla utilizada lo cual da a entender que la
incertidumbre absoluta est en las centsimas o en las dcimas y que su
valor es de 1 unidad en dicha cifra; en otras palabras, el valor real de
la longitud medida debe estar entre 4.64 y 4.66 en el primer caso o
entre 4.6 y 4.7 en el segundo.
3.3.

Operaciones con cifras significativas

3.3.1.

En sumas y restas
Si los nmeros que se operan tienen igual numero de cifras
significativas, el resultado puede tener mas, igual o menos
cantidad de cifras significativas:

2,341 x 10-3 +
3,216 x 10-3
5,557 x 10-3

7,546 x 10-3 6,816 x 10-3

0,73 x 10-3

Si los nmeros que se operan tienen diferente numero de cifras

significativas, el que posee menor numero de cifras significativas
es el que limita la cantidad de cifras significativas del resultado, si
es necesario se hace uso del las reglas de redondeo.
473,218 +
72,43
545,648 545,65
3.3.2.

En multiplicacin y divisin
El nmero de cifras significativas del resultado queda limitado por
el numero que posea la menor cantidad de cifras significativas.
5,467 . 10 -4 x
1.71 . 10-5
9,34 . 10 -9

3.3.3.

En potenciacin y radicacin

El resultado debe tener igual cantidad de cifras significativas que

la base.
(2.99)2 = 8.94
3.3.4.

(3.41)0.5 = 1.85

En exponenciales y logaritmos

El logaritmo en base 10 de n es el numero a, cuyo valor es tal que

n = 10a.
Log n = a

n= 10a

Un logaritmo consta de la caracterstica y de la mantisa. La

caracterstica
es la parte entera, y la mantisa es la parte decimal:
Log 571 = 2,7566

Caracterstica = 2 ; Mantisa = 0,7566

Por lo tanto el numero de dgitos de la mantisa del LogX =
numero de cifras significativas de X:
Log (3,451 x 10-8) = -7,4621
El numero de dgitos del antilogX = numero de cifras significativas
en la mantisa de X.
103,214 = 1,64 x 103

3.3.5.

En formulas con cifras constantes

Las cifras constantes en una operacin se toman como si tuvieran
la misma cantidad de cifras significativas del nmero que tenga la
mayor cantidad de cifras significativas dentro de la operacin. Por
ejemplo:
2 x 2,64 2,00 x 2,64 = 5,28 x 1,47 3,14 x 1,47 = 4,62

4. Propagacin de errores determinados

4.1.

En sumas y restas

El error absoluto de la suma o diferencia de dos o ms magnitudes es la

suma de los errores absolutos de dichas magnitudes:

q X Y q X Y
q X Y q X Y

Ejemplo: En un experimento se introducen dos lquidos en un matraz y se

quiere hallar la masa total del lquido. Se conocen:
M1= masa del matraz 1 + contenido
= 540 10 g
m1= masa del matraz 1
= 72 1 g
M2= masa del matraz 2 + contenido
= 940 20 g
m2= masa del matraz 2
= 97 1 g
La masa del lquido ser:
M = M1 m1 + M2 m2 = 1311 g
Su error:
M = M1 + m1 + M2 + m2 = 32 g
El resultado se expresara:
M = 1311 32 g
4.2.

En multiplicacin y divisin

El error relativo del producto es igual a la suma de los errores relativos:

q X *Y

q X Y

q
X
Y

El error relativo del cociente es la suma de los errores relativos:

q X Y
X

Y
q
X
Y

Ejemplo: Para medir la altura de un rbol L, se mide la longitud de su

sombra L1, la altura de un objeto de referencia L2 y la longitud de su
sombra L3. Por semejanza:

L L1 *

L2
L3

Realizadas las medidas resultan:

L1 = 200 2 cm
L2 = 100.0 0.4 cm
L3 = 10.3 0.2 cm
Por tanto:

L 200 *

100
2000cm
10

Su error ser:

L L1 L 2 L3
2
0.4 0.2

L
L1 L 2
L3 200 100 10.3

= (1 + 0.4 + 2)% = 3.4%

L = 2000 70 cm
4.3.

3.4
* 2000 68
100

En potenciacin y radicacin

Dato inicial: X x
sea: q = Xn
El error relativo de una potencia es el producto de la potencia por el error
relativo de la magnitud.

q
X
n*
q
X

4.4.

En exponenciales y logaritmos

Dato inicial: X x
sea: q = 10X
El error relativo de un exponencial es el producto del logaritmo natural por
el error relativo de la magnitud

q
X
Ln10 *
q
X

Dato inicial: X x
sea: q = LogX
El error relativo de un logaritmo el el producto de la inversa del logaritmo
natural por el error relativo de la magnitud.

q
1
X

*
q
Ln10 X
4.5.

En formulas con cifras constantes

Dato inicial: X X
sea: q = f(x) una funcin cualquiera
Si X se mide con un error X y se utiliza para calcular q = f(x), el error
absoluto de q viene dado por:

F ( x)
* X
X

Si en cambio sea: q = A* f(x)

El error absoluto del producto de una constante por una funcin es igual al
producto de la constante por el error absoluto de la funcin.

q A *

Funcin

F ( x)
* X
X

Propagacin del error Indeterminado

Incertidumbre
Funcin
Incertidumbre

5. Descarte de valores dudosos para calculo de promedio

Una base importante para desarrollar una mejor precisin y exactitud para las
mediciones, es la que nos sirve como criterio para determinar si una serie de
mediciones contiene o no un valor o una serie de valores que se desven lo
suficiente de los dems valores como para justificar su rechazo.
Debido a la existencia de varias tcnicas usadas en el rechazo de los valores,
se debe de tener en consideracin la cantidad de estos valores para la
aplicacin de un criterio de rechazo que sea proporcional a la cantidad de estos
valores en la serie de datos; siendo ms estricto conforme aumente el nmero
de mediciones (valores).
A continuacin se desarrollara el mtodo para el rechazo de los resultados en
una serie de mediciones comprendidas entre 3 y 10 valores. Como primer
paso, en el mtodo a desarrollar, se deben de ordenar los valores en forma
creciente y se debe determinar el rango (el rango es la diferencia entre el valor
ms alto y el valor ms bajo). Luego se debe hallar la diferencia entre el valor
ms bajo y el valor siguiente, esta diferencia se divide entre el rango.

Si el cociente excede el valor estipulado, siendo este valor dependiente del

numero de valores, se rechazara el valor ms bajo. Despus de ello se calcula
el nuevo rango y se sigue el mismo procedimiento hasta que el valor ms bajo
y el valor ms alto sean aceptados.
Valores del cociente de exclusin Q a un nivel de probabilidad de 0.90
N de determinaciones
Q0.90
3
0.94
4
0.76
5
0.64
6
0.56
7
0.51
8
0.47
9
0.44
10
0.41
Ejemplo 1: En el anlisis de un mineral de hierro que consto de 10
determinaciones, se tienen los siguientes valores porcentuales: 23.42
23.51
23.52 23.52 23.53 23.53 23.54 23.56 23.56 23.68
Se procede a determinar los valores rechazados:
Se analiza el valor ms bajo (23.42%)

23.51 23.42
0.35 0.41
23.68 23.42
Q0.90 para 10

Por lo tanto se acepta el valor ms bajo

Se analiza el valor ms alto (23.68%)

Q0.90 para 10
Por lo tanto se rechaza el valor ms alto
Se analiza el valor ms bajo (23.42%) de los valore restantes

23.68 23.56
0.46 0.41
23.68 23.42

23.51 23.42
0.64 0.44
23.56 23.42

Q0.90 para 9
Por lo tanto se rechaza el valor ms bajo
Como el valor ms alto es 23.56% y este valor se repite, este valor ser
aceptado
Se analiza el valor ms bajo (23.51%)

23.52 23.51
0.20 0.47
23.56 23.51

Q0.90 para 8
Por lo tanto se acepta el valor ms bajo
La serie corregida tiene ahora 8 valores que van desde 23.51% a 23.56%
Calculando el promedio:

23.51 2 * 23.52 2 * 23.53 23.54 2 * 23.56

23.53%
8

Ejemplo 2: Se analizo el contenido de plata en 10 aleaciones de este metal y se

obtuvieron los siguientes resultados: 16.16 16.21 16.29 16.35 16.37 16.37
16.39 16.39 16.39 6.58

Calculando el promedio sin aplicar el mtodo de rechazo de una serie de

mediciones:

16.16 16.21 16.29 16.35 2 *16.37 3 *16.39 16.58

16.35%
10

6. Bibliografa
51-84, Daniel Harris, Analisis Quimico Cuantitativo, Grupo Editorial
Iberoamericana, USA, 1991
36-81, John Dick, Quimica Analitica, Editorial El Manual Moderno, Mexico, 1979
http://docencia.udea.edu.co/cen/tecnicaslabquimico/01intro/intro05.htm
http://www.fisicanet.com.ar/fisica/mediciones/ap01_errores.php
http://books.google.com.pe/books?
id=m_v2A3cXhvUC&pg=PA19&lpg=PA19&dq=errore+crasos&source=bl&ots=
nCwj8CNwz2&sig=UAklDEXoLEcQauhEd_ufLbsM&hl=es&ei=gvW3S9mKJYGC8gaEgXfBw&sa=X&oi=book_result&ct=result&resnum=5&ved=0CBAQ6AEwBA#v=o
nepage&q=&f=truemedusa.unimet.edu.ve/quimica/fbqi01/labqui/ERRORES.doc