Trabajo Final

AO DE LA DE LA CONSOLIDACION DEL MAR DE GRAU
UNIVERSIDAD NACIONAL JOS FAUSTINO SNCHEZ CARRIN
FACULTAD DE INGENIERA AGRARIA, IND. ALIMENTARIAS Y AMBIENTAL

ESCUELA
: Ingeniera Ambiental
DOCENTE
: Salcedo Maximo Meza
CURSO
: Anlisis instrumental
TEMA
: CIFRAS SIGNIFICATIVAS, PROPAGACIN DE ERRORES Y

TRATAMIENTO ESTADISTICO DE RESULTADOS
INTEGRANTES:
CICLO
Andres Huanri Ana Jessica
Bailn Cipriano, Deisy Mara
Bazan Espinoza, Emerson Fald
Castillo Aromo, Dayanna Yuvitza
Cueva Calatayud, Fiori Anabel
Huerta Nuez Elvis Ever
Minaya Soto Anakely Mabel
Santa Mara Camones, Miuller
Tufino Espinoza, Maycol
Urbano Santos, Giancarlo
Ventocilla Ferrer, Helen Yairza
Universidad Nacional Jos Faustino Snchez Carrin

Ingeniera Ambiental - V Ciclo
PRACTICA N1: CIFRAS SIGNIFICATIVAS, PROPAGACIN DE ERRORES Y

TRATAMIENTO ESTADISTICO DE RESULTADOS
I.
-
OBJETIVO
Determinar las cifras significativas experimentales, propagacin de errores y el tratamiento
estadstico de los resultados.

Adquirir habilidad en el uso y aplicacin de las herramientas estadsticas de naturaleza
aleatoria.
II.
FUNDAMENTO TEORICO
2.1. CIFRAS SIGNIFICATIVAS
El trmino cifras significativas se conoce tambin como dgitos significativos e indica la
confiabilidad de un valor numrico. El nmero de cifras significativas es l nmero de
dgitos ms un dgito estimado que se pueda usar con confianza. Por ejemplo: al tomar la
lectura de volumen en una bureta de 50 ml donde el nivel de lquido se halla entre 9.6 y 9.7
ml, si no coincide ni con 9.6 ni con 9.7 de forma exacta, es necesario estimar el valor de la
segunda cifra decimal. Suponiendo que se estima 0.08, el volumen medido sera de 9.68 ml,
que tiene 3 cifras significativas. El cero puede ser significativo o no dependiendo de su
ubicacin en el nmero:
Un cero rodeado por otros dgitos siempre es significativo : 30, 22 ml

Los ceros que sitan solo la coma decimal no son significativas: 0.03022 L, sigue teniendo
4 cifras significativas.
Los ceros al final del nmero pueden ser significativas o no: Si se expresa el volumen de un
vaso como 2,0 L, la presencia del cero indica que el volumen se conoce hasta unas dcimas
de litro, por lo que ese 0 es significativo. Si este mismo volumen lo expresamos como
2000ml, si no se conoce el volumen en centsimas de litro, seguimos teniendo dos cifras
significativas.
Otro ejemplo: El nmero de cifras significativas en 92500 es ambiguo, para detallarlo
tendra que poner:
9.25 x 10 4 , tres cifras significativas

4
9.250 x 10 ,cuatro cifras significaticas

Anlisis Instrumental- Practica N 1
3

9.2500 x 10 4 , cinco cifras significativas

Habra que indicar solo uno de estos tres nmeros. Se plantea ahora la cuestin de cuantos
dgitos deben mantenerse en un resultado tras hacer operaciones aritmticas:
En la suma y resta si los trminos tienen el mismo nmero de dgitos, el resultado tendr el
mismo nmero de decimales que los trminos individuales de la operacin. Si los trminos
que se suman o restan no tiene el mismo nmero de cifras significativas, el resultado debe
expresarse con el mismo nmero de cifras decimales que la magnitud con menos cifras
decimales. Ahora bien, debe operarse con todas las cifras decimales y redondear l al final.
Cuando se opera con nmeros expresados en notacin cientfica, todos los trminos deben
de tener el mismo exponente.
En la multiplicacin y divisin, el resultado debe expresarse con el mismo nmero de cifras
significativas del factor con menos cifras significativas. Las potencias de diez no influyen
en el nmero de cifras que se pueden mantener en el resultado final.
II.2.
PROPAGACIN DE ERRORES
En la mayora de los trabajos experimentales es necesario hacer operaciones aritmticas con

varios nmero, teniendo cada uno de ellos un error aleatorio. La incertidumbre ms
probable del resultado no es simplemente la suma de los errores individuales, pues es
probable que algunos de ellos sean positivos y otros negativos. Por esta razn, es probable
que algunos de los errores se anulan entre s.
En las operaciones de suma y resta para calcular la incertidumbre total se utiliza la
incertidumbre o error absoluto de los trminos individuales de acuerdo con la ecuacin
siguiente:
s 4 = s 21+ s 22+ s32

Donde
s 1 , s2 y s 3 son las desviaciones estndar de los trminos de la operacin (en este
caso concreto tres trminos) y
s 4 es la desviacin estndar del resultado de la operacin.

4

En las operaciones de multiplicacin y divisin, lo primero que hay que hacer es expresar
todas las incertidumbres relativas en porcentajes. Seguidamente el error del producto o
cociente se calcula segn la ecuacin siguiente:
s1
%S 3
%s 4=
Seguidamente a partir de % S 4
II.3.
se puede obtener
S4 .
TRATAMIENTO ESTADSTICO DE RESULTADOS.
La estadstica nos proporciona herramientas para aceptar conclusiones que tienen alta
probabilidad de ser correctas y rechazar las conclusiones cuya probabilidad de ser
incorrectas es alta.
DISTRIBUCIN DE GAUSS
Cuando un experimento se repite un nmero elevado de veces y los errores son solamente
aleatorios, los resultados tienden a agruparse simtricamente en torno al valor medio,
asemejndose la representacin a la agrupacin de los resultados a una curva ideal llamada
Distribucin de Gauss. Aunque en realidad en un laboratorio no llevamos a cabo un anlisis
un nmero infinito de veces, ni siquiera medimos una misma muestra 100 200 veces, lo
ms habitual es repetirlo de 2 a 5 veces, tambin podemos estimar los parmetros
estadsticos que caracterizan a una serie de un nmero grande de medidas. Decimos que la
variacin de los datos experimentales est distribuida normalmente cuando al repetir
medidas aparece una distribucin en forma de campana. Existe la misma probabilidad de
que una medida sea mayor o menor que la media. Adems, la probabilidad de observar un
valor disminuye a medida que aumenta la distancia a la media.
5

La media constituye el centro de la distribucin y la desviacin estndar (s) mide el ancho

de la distribucin. Por tanto, puede definirse la desviacin estndar como una medida del
grado de proximidad de los datos en torno al valor de la media. Cuanto menor es s, ms
estrechamente se agrupan los datos alrededor de la media y decimos que la precisin es alta.
Para una serie infinita de datos, la media se designa con la letra minscula griega y la
desviacin estndar con la letra minscula griega . Hay que tener claro que nunca
medimos y , pero los valores de la media y la desviacin estndar se acercan a ya ,
respectivamente, a medida que aumenta el nmero de medidas. Cuanto mayor es la
desviacin estndar, ms ancha es la curva de Gauss. En toda curva de Gauss, el rea
comprendida en el intervalo, desde el resultado de restar s al valor medio y el resultado de
sumar s al valor medio, supone el 68,3% del rea total. Es decir, es de esperar que ms de
2/3 de las medidas no disten de la media en ms de una desviacin estndar. Adems el
95,5% del rea est entre el resultado de restar al valor medio el doble de la desviacin
estndar y el resultado de sumar al valor medio el doble de la desviacin estndar. El 99,7%
del rea se encuentra entre los extremos correspondientes a restar al valor medio 3s y sumar
al valor medio 3s. Supongamos que se emplean dos mtodos analticos diferentes, A y B
para llevar a cabo la determinacin de hierro en una muestra de sangre, y que el mtodo A
tiene una RSD de 0,4% y B de 1,1%. Se puede esperar que aproximadamente 2/3 de las
medidas obtenidas mediante el mtodo A estn dentro del 0,4% de la media, mientras que
para el mtodo B, 2/3 de las medidas estarn dentro del 1,1% de la media.
La ecuacin de la curva de Gauss es la siguiente:
Donde e es la base de los logaritmos naturales y y la media verdadera y su desviacin

estndar asociada. Para una serie finita de datos, se aproxima al valor medio y a la
desviacin estndar. Resulta muy til expresar las desviaciones respecto de la media como
mltiplos de la desviacin estndar. Esto se lleva a cabo transformando el valor de x en otro
valor numrico llamado z a travs de la siguiente expresin:

6

De este modo, la probabilidad de medir z en un cierto intervalo es igual al rea de ese

intervalo. Dado que la suma de las probabilidades de todas las medidas es la unidad, el rea
debajo de la curva desde - a + debe ser la unidad. Los valores de las reas debajo de
cada porcin de la curva de Gauss se encuentran tabulados.
Intervalos de Confianza.
La t de Student se usa muy frecuentemente para expresar intervalos de confianza y para
comparar resultados de diferentes experimentos. Esta herramienta se podra utilizar para
calcular la probabilidad de que el recuento de glbulos rojos en un paciente se encuentre
dentro del intervalo normal.
Cmo se calculan intervalos de confianza?
Si se dispone de un nmero limitado de medidas, que es la situacin habitual en anlisis
qumico, no podemos hallar la verdadera media de la poblacin () ni la verdadera
desviacin estndar (). Lo que podemos determinar es la media muestral y la desviacin
estndar muestral (s). El intervalo de confianza es una expresin que nos informa de que la
verdadera media , est probablemente a una cierta distancia de la media medida. El
intervalo de confianza de viene dado por la siguiente ecuacin:
Donde s es la desviacin estndar muestral (la obtenida experimentalmente), n el nmero de

observaciones y t es la t de Student tabulada para (n-1) grados de libertad. A partir de la
ecuacin del intervalo de confianza se observa claramente que se puede reducir la
incertidumbre aumentando el nmero de anlisis (n).
Se presenta un ejercicio para clarificar el clculo de intervalos de confianza: La
determinacin del contenido de protenas en una muestra de sangre aporta los siguientes
resultados replicados: 120,6; 118,9; 131,0; 124,7 y 126,9 mg/dL. Al calcular el intervalo de
confianza al 50% de nivel de confianza del contenido de protenas se obtienen como
extremos de dicho intervalo: 12,4 y 12,6 mg/dL. Qu significa el resultado obtenido? Que
7

existe un 50% de probabilidad de que el valor de la verdadera media () sea mayor de 12,4
y menor de 12,6. Si se incrementa el porcentaje del nivel de confianza, cmo afectar a la
amplitud del nuevo intervalo de confianza? Si se incrementa el nivel de confianza la
amplitud del intervalo tambin lo har. Lgicamente si queremos aumentar la probabilidad
de obtener la verdadera media, al ampliar el intervalo aumentar la probabilidad de contener
dicho valor. Esto es obvio dado que el valor de la t de Student aumenta para un mismo
nmero de grados de libertad con el nivel de confianza, y se encuentra en el numerador de
la expresin del clculo del intervalo de confianza. El nmero de medidas tambin influye
en la amplitud del intervalo de confianza. Cuantas ms veces se mide una cantidad, ms
confianza se tiene que el valor de la media de las medidas hechas est prximo a la
verdadera media de la poblacin n. De hecho, la incertidumbre disminuye en proporcin a
1/(n)1/2, siendo n el nmero de medidas.
Si mantenemos constante el nmero de medidas y el nivel de confianza, se cumplir que a
mayor desviacin estndar mayor ser la amplitud del intervalo de confianza obtenido.
Comparacin de Medias utilizando la t de Student
El test t se utiliza para comparar dos conjuntos de medidas y poder afirmar si son o no
diferentes. A nivel estadstico se trata de comprobar la hiptesis nula, o sea se parte de
afirmar que los valores medios de dos series de medidas no son diferentes. Idnticos no
pueden ser, puesto que los errores aleatorios son inevitables. De manera que la Estadstica
predice una probabilidad de que la diferencia entre las dos medidas pueda deberse a dichos
errores aleatorios. Si hay menos de un 5% de probabilidad de que la diferencia se deba a
errores aleatorios, se suele rechazar la hiptesis nula. Si existe ms de un 95% de
probabilidad de que la diferencia se deba solo a errores aleatorios, se acepta la hiptesis
nula, concluyendo que los dos grupos de medidas no son significativamente diferentes, en
el caso de que los clculos se desarrollen al 95% de nivel de confianza.
En la comparacin de dos conjuntos pueden darse tres casos, que se tratan de forma algo
diferente:
CASO 1: Se mide una cantidad varias veces obtenindose un valor medio y una desviacin
estndar. Queremos comparar el resultado con un resultado conocido y aceptado. La media
no coincide exactamente con el resultado aceptado. Ser necesario responder a la pregunta:
Coincide el resultado medido con el resultado conocido dentro del error experimental?
8

CASO 2: Se mide una cantidad varias veces usando dos mtodos diferentes, obtenindose
dos resultados distintos, cada uno con su valor medio y su desviacin estndar. Ser
necesario responder a la pregunta: Concuerdan entre s los dos resultados dentro del error
experimental?
CASO 3: Se mide una vez la muestra 1 mediante el mtodo A y otra vez con el mtodo B, y
no dan el mismo resultado. Lo mismo se hace con la muestra 2, y de nuevo los resultados
no son iguales. Se repite el proceso con n muestras diferentes. La pregunta es: Concuerdan
los dos mtodos dentro del error experimental o son sistemticamente diferentes?
Para la resolucin de los tres casos puede aplicarse un patrn comn que consiste en las
siguientes etapas:
1. Seleccin del caso, de acuerdo con los datos proporcionados.
2. Obtencin del valor de t calculado aplicando las frmulas matemticas correspondientes
al caso seleccionado previamente.
3. Obtencin del valor de t tabulado segn cada caso particular.
4. Comparacin de los valores de t calculada y tabulada.
CASO 1: COMPARACIN DE UN RESULTADO MEDIDO CON UN VALOR
CONOCIDO.
Supongamos el caso concreto en el que se compr una muestra de orina sinttica que
corresponda a un material estndar de referencia certificado por el NIST (National Institute
Standard Technology) con un contenido en selenio de (30,1 0,9) ng/mL. Se pretende
validar un nuevo mtodo analtico para la determinacin de selenio en muestras de orina,
para ello se analiza dicho material de referencia mediante el mtodo a validar. Siendo los
valores obtenidos para 4 alcuotas del material de referencia 27,6; 29,3; 28,1 y 28,9 ng/mL.
Dado que el valor medio de estas cuatro medidas (28,5 ng/mL) no coincide exactamente
con el valor certificado (valor verdadero o aceptado, en este caso 30,1 ng/mL), es necesario
aplicar las frmulas correspondientes a este caso para calcular el valor de t. Ya que el valor
de t tabulada (3,182) es menor que el de t calculada, podemos afirmar que para este caso
concreto existen diferencias significativas al nivel de confianza del 95% entre los dos
resultados (el obtenido y el certificado), o lo que es lo mismo la probabilidad de que dichos
valores sean iguales es inferior al 5%.
9

Los test estadsticos no eximen de tener que tomar personalmente la ltima decisin de
aceptar o rechazar una conclusin. Slo son una gua en trminos de probabilidad. Por
ejemplo, segn los resultados obtenidos en el problema informamos de que el valor de los
resultados del anlisis de selenio es diferente del valor conocido.
Sin embargo, con slo 4 medidas, sera razonable repetir el anlisis varias veces ms para
tener ms seguridad en dicha afirmacin.
CASO 2: COMPARACIN DE MEDIDAS REPLICADAS
Se propone ahora el caso en el que se mide el contenido de selenio en una nica muestra de
orina, mediante dos mtodos analticos diferentes, por ejemplo espectrometra de absorcin
atmica con atomizacin electrotrmica (ETAAS) y espectrometra de absorcin atmica
con generacin de hidruros (HG-AAS). Supongamos que se miden cuatro alcuotas de la
muestra con cada tcnica. Una vez calculados el valor medio y la desviacin estndar para
cada grupo de medidas, se plantea la pregunta Concuerdan entre s los dos resultados
obtenidos dentro del error experimental? Para responder a esta pregunta se calcula s
mediante la ecuacin correspondiente y seguidamente el valor de t
combinada
, que se comparar
calculada
con el valor tabulado de t para (n1 + n2 -2) grados de libertad. En el caso propuesto el
nmero de medidas llevadas a cabo con cada mtodo es el mismo, n1=n2, pero podran ser
diferentes. Si por ejemplo se obtiene que c alculada > tabulada, afirmaremos que existen
diferencias significativas al nivel de confianza del 95% entre los resultados obtenidos
mediante los dos mtodos.
CASO 3: COMPARACIN DE PARES DE MEDIDAS
En este caso se trata de dos mtodos analticos diferentes con los que se hace una nica
medida usando muestras diferentes. No se duplica ninguna medida. Son sistemticamente
diferentes ambos mtodos? Aplicamos el test de las diferencias individuales entre los
resultados de cada muestra, calculando el valor de t y comparndolo con el tabulado. Si
tcalculada > ttabulada (al 95%de nivel de confianza) afirmamos que entre las dos tcnicas existen
diferencias significativas al nivel de confianza citado.
Comparacin de Desviaciones Estndar con el Test F
El test F nos informa si dos desviaciones estndar son significativamente diferentes entre s.
F es el cociente de los cuadrados de las desviaciones estndar. Se coloca siempre en el
numerador la desviacin estndar mayor, de modo que se cumpla que el valor calculado
10

para F sea mayor o igual a 1. El valor de F se halla tabulado para un nivel de confianza del
95%. Si Fcalculada > Ftabulada, se concluye que los dos mtodos comparados s presentan
desviaciones estndar significativamente diferentes al nivel de confianza del 95%.
Test Q de Datos Sospechosos

Cuando un dato no es coherente con los restantes, es decir, es muy alto o muy bajo respecto
del resto de datos, se puede usar el test Q como ayuda para decidir si se mantiene o se
desecha dicho dato sospechoso. Consideremos los 5 resultados siguientes: 130,1; 130,7;
128,8; 137,8 y 131,4. Se rechaza o se mantiene el valor 137, 8? Para aplicar el test Q, se
ordenan los datos en orden creciente y se calcula Q, segn la ecuacin:
Qcalculada = divergencia/recorrido
Donde el recorrido es la dispersin mxima entre los datos y la divergencia es la diferencia
entre el valor sospechoso y el valor ms prximo.
Los valores de Q tambin se hallan tabulados para el 90% de nivel de confianza, y se
selecciona aquel valor que corresponda al nmero de medidas llevadas a cabo, no al nmero
de grados de libertad. Si Qcalculada > Qtabulada, se descarta el punto sospechoso. En el caso
propuesto el dato sospechoso no debe descartarse.
En realidad la decisin final depende de uno mismo, pues hay quien afirma que no se debe
descartar nunca un dato a no ser que se sepa que existe un error de procedimiento que
condujo a esa medida particular; hay quien repite la medida sospechosa varias veces hasta
asegurarse si est o no realmente fuera de los esperable.
III.
MATERIALES Y EQUIPOS.

11

Materiales:
TORNILLOS DORADOS
TORNILLOS PLATEADOS
GRAPAS PARA CONDUCTOS

ELECTRICOS
CLIPS
BALANZA ANALTICA
Equipo:
IV.
MTODO
OPERATIVOS

12

a. Pesar un mnimo de 30 unidades y de ms 40 unidades(clips)

V.
ANLISIS DE RESULTADOS Y CALCULOS

X
5.4006
5.3836
(x- xx)2
4.3264x10-4
1,42884x10-3
3
4
5
6
7
5.3949
5.3609
5.4204
5.4374
5.1482
7.0225x10-4
3.66025x10-3
1.0x10-6
2.56x10-4
7.4638x10-2
8
9
10
11
12
5.4686
5.4091
5.4006
5.4119
5.4119
2.22784x10-3
1.5129x10-4
4.3264x10-4
9.025x10-5
9.025x10-5
13
14
15
16
5.7578
5.4459
5.4147
5.4289
11.3165x10-2
6.0025x10-4
4.489x10-5
5.625x10-5
17
18
19
20
21
5.4714
5.4006
5.4317
5.4431
5.4091
2.5x10-3
4.3264x10-4
1.0609x10-4
4.7089x10-4
1.5129x10-4
22
23
24
25
5.4346
5.3949
5.4289
5.4147
1.7424x10-4
7.0225x10-4
5.625x10-5
4.489x10-5
26
27
28
29
30
5.4346
5.3864
5.4544
5.4289
5.4147
1.7424x10-4
1.225x10-3
1.089x10-3
5.625x10-5
4.489x10-5
31
32
33
34
5.4062
5.4402
5.4119
5.4317
2.3104x10-4
3.5344x10-4
9.025x10-5
1.0609x10-4
1
2
i
1.-TORNILLOS
DORADOS:
35
5.4317
1.0609x10-4
36
5.3722
2.42064x10-3
13
37
5.4544
1.089x10-3
N=37
xi =5.4214
= 2.09602x10-1
1. Media aritmtica:
xx
xi
N
2.09602 x 101
S=
=
36
200.5917
2.41294 xxx10-1
= 5.4214
37
S
= X
n Desviacin estndar:
2.
S=
( x i x )2
N1

Hallando
N=37
Intervalo de confianza =83%

Interpolando obtenemos:
801,29
83
901,64
9080 1,64129
=
9083
1,64
=1,395
x =5.4214 Para un nivel de confianza = 83%

=1,395
=5.4214 1,395

14
2.41294 x 10
37

Nivel/obse
rvacin
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

15
Grup
oB
5.42
5
5.30
5
5.41
8
5.40
4
5.41
1
5.43
2
5.42
6
5.38
8
5.43
2
5.42
8
5.43
9
5.40
6
5.39
9
5.38
2
5.38
7
5.44
2
5.41
7
5.42
0
Grup
oA
5.400
6
5.383
6
5.394
9
5.360
9
5.420
4
5.437
4
5.148
2
5.468
6
5.409
1
5.400
6
5.411
9
5.411
9
5.757
8
5.445
9
5.414
7
5.428
9
5.471
4
5.400
6

19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
5.41
2
5.36
8
5.75
3
5.42
5
5.42
6
5.42
4
5.38
0
5.39
0
5.46
1
5.39
8
5.40
0
5.42
6
5.46
6
5.40
5
5.39
2
5.44
3
5.42
5
5.39
6
5.45
1
5.35
7
Experiencia A
N = 37
Media = 5.4214
Desviacin estndar = 0.241294
16
5.431
7
5.443
1
5.409
1
5.434
6
5.394
9
5.428
9
5.414
7
5.434
6
5.386
4
5.454
4
5.428
9
5.414
7
5.406
2
5.440
2
5.411
9
5.431
7
5.431
7
5.372
2
5.454
4

Grado de libertad = 36
Experiencia B
N = 38
Media = 5.420
Desviacin estndar =
0.062196632
37+382
T calc=0.03461064472
1. Media aritmtica:
x =
xi
N
x =
2.-TORNILLOS PLATEADOS:
333.7689
=8.5525
31
2. Desviacin estndar:
S=
( x i x )2
N1
S=
0.15650346
17

= X
S
n
0.7348
30

Xi
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
N=31
(X- xx )2
8,7089
0,0245
8,5502
5.29x10-6
8,4056
0.0216
8,5729
4.1616x10-4
8,5870
1.1903x10-3
Hallando
: 0.0236
8,7061
8,6551
0.0105
N=31
8,4566
9.1968x10-3
8,6692
0.0136
Intervalo de
confianza =83%
8,7770
0.0504
Interpolando
obtenemos:
8,4028
0.0224
801,29
8,6097
3.2718x10-3
8,6494
9.3896x10-3
83
8,5558
1.089x10-5
8,6352
6.8393x10-3
901,64
8,5388
1.8769 x10-4
8,4339
0.0141
8,0966
0.2078
9080 1,64129
8,6324
6.3840 x10-3
=
9083
1,64
8,4226
0.0169
-3
8,6466
8.8548 x10
8,2809
=1,395
0.0738
8.4198
0.0176
x
=0.3019
8,6863
0.0179
Para un nivel de confianza = 83%

8,6976
0.0210
=1,395
8,6692
0.0136
8,6239
5.0979 x10-3
3
8,3914
0.0259 =0,3019 1,395 5,526632 x 10
31
8,8167
0.0698
8,3943
0.0250
8,4340
0.0140
xi =
=0.7348
333.7689

18

Tornillos de (4.15 cm)

Nivel/ observacin
Grupo B
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
8.404
8.584
8.606
8.698
8.646
8.641
8.559
8.654
8.272
8.443
8.540
8.663
8.771
8.629
8.414
8.381
8.616
8.374
8.684
8.646
8.397
8.383
8.621
8.805
8.419
8.670
8.815
8.826
8.694
8.582

19
GRUPO
A
8.7089
8.5502
8.4056
8.5729
8.5870
8.7061
8.6551
8.4566
8.6692
8.7770
8.4028
8.6097
8.6494
8.5558
8.6352
8.5388
8.4339
8.0966
8.6324
8.4226
8.6466
8.2809
8.4198
8.6863
8.6976
8.6692
8.6239
8.3914
8.8167
8.3943
8.4340

Experiencia A
N = 31
Media = 8.5525
Experiencia B
N = 30
Media = 8.580
Desviacin estndar =
(0.15650346)
[ 2 x 30+(0.143478942) x 29] x [
1 1
+ ]
31 30
T calc =
0.143478942
8.55258.580
31+302
T calc=0.7146867874

20

Xi
(x- xx)2
0.0547
4x10-8
0.0537
6.4x10-7
0.0546
1x10-8
0.0544
1x10-8
5
6
0.0545
0.0532
0
1.69x10-6
0.0544
1x10-8
0.0543
4x10-8
0.0543
4x10-8
10
0.0546
1x10-8
11
0.0542
9x10-8
12
0.0543
4x10-8
13
0.0546
1x10-8
14
0.0546
1x10-8
15
0.0549
1.6x10-7
16
0.0547
4x10-8
17
0.0561
2.5x10-6
18
0.0543
4x10-8
19
0.0548
9x10-8
20
0.0548
9x10-8
21
0.0551
3.6x10-7
22
0.0538
4.9x10-7
23
0.0540
2.5x10-7
24
0.0552
4.9x10-7
25
0.0536
8.1x10-7
26
0.0550
2.5x10-7
27
0.0541
1.6x10-7
28
0.0546
1x10-8
29
30
0.0542
0.0551
9x10-8
3.6x10-7
31
0.0542
9x10-8
32
0.0546
1x10-8
33
0.0547
4x10-8
34
0.0549
1.6x10-7
35
0.0545
36
0.0548
9x10-8
Practica
N-7 1
37Anlisis Instrumental0.0550
2.5x10
38
0.0534
1.2x10-6
TOTAL
2.0708
1.067x10-5
3. TORNILLOS DORADOS PEQUEOS
1. Media aritmtica:
x =
xi
N
x =
2.0708
=0.0545
38
Hallando
N=38
S=

( x i x )2
N1
1.067 x 105
=5.37 x 104
S=
37
801,29
83
S
= X
n
901,64
9080 1,64129
=
9083
1,64
=1,395
21
x =0,0545 Para un nivel de confianza = 83%

=1,395
Xi
(x- xx)
=0,0545 1,395
0.0132
1x10-8
0.013
9x10-8
0.0132
1x10-8
0.0132
1x10-8
5
6
0.0137
0.0123
1.6x10-7
1x10-6
0.0132
1x10-8
0.0134
1x10-8
0.0125
6.4x10-7
10
0.0136
9x10-8
11
0.0125
6.4x10-7
12
0.0129
1.6x10-7
13
0.0131
4x10-8
14
0.013
9x10-8
15
0.014
4.9x10-7
16
0.0133
17
0.0138
2.5x10-7
18
0.0134
1x10-8
19
0.0135
4x10-8
20
0.0134
1x10-8
21
0.0136
9x10-8
22
0.0139
3.6x10-7
23
0.0133
24
0.013
9x10-8
25
0.0139
3.6x10-7
26
0.0138
2.5x10-7
27
0.0133
28
0.0131
4x10-8
29
30
0.0137
0.0133
1.6x10-7
0
31
0.0133
32
0.0134
1x10-8
33
0.0135
4x10-8
34
0.0133
0
Anlisis
InstrumentalPractica
N-7 1
35
0.0132
2.5x10
36
0.0134
1x10-8
TOTAL
0.4792
54.2x10-7
5.37 x 104
38
=0,0545 1.215224999 x 104
4.
GRAPAS
PARA
CONDUCTOS
ELECTRICOS
1. Media aritmtica:
xi 0,4792
x = x =
= 0,0133
36
N
Hallando :
S=
54,2 x 10
36
(4x i x )2
S=
3,880 x 10N1
N=36

801,29
83
22

= X
S
n

901,64
9080 1,64129
=
9083
1,64
=1,395
x =0,0133 Para un nivel de confianza = 83%

=1,395
Xi
(x- xx)2
1
0.403
1,1881x10-4
2
0.392
1x10-8
=0,0133 0,00009021
Hallando
:
3
0.336
3,14721x10-3
4
0.339
2,81961x10-3
5
0.382 N=34
1,0201x10-4
5.-CLIPS:
6
0.401
7,921x10-5
0.402
Intervalo de confianza
7
9,801x10-5=83%
0.401
8
7,921x10-5
9
0.4
6,241x10-5
801,29
10
0.402
9,801x10-5
11
0.382
1,0201x10-4
1. Media aritmtica:
83
12
0.399
4,761x10-5
-5
13
0.398
3,481x10
xxxi =
14
0.385
5,041x10-5
901,64
xx
=
N xi
15
0.392
1x10-8
-4
16
0.404
1,4161x10
N
17
0.4
6,241x10-5
18
0.398
3,481x10-5
9080 1,64129
=
13,333
19
0.385
5,041x10-5
9083
1,64
-8
xx
= 0,3921
20
0.392
1x10
34
21
0.401
7,921x10-5
( x i x )2
=1,395
22
0.384
6,561x10-5
S=
2. Desviacion estandar:
23
0.387
2,601x10-5
N
24
0.402
9,801x10-5
2
( x i x )
25
0.401
7,921x10-5
S=
-5
N
x =0.3019 Para
26
6,561x10
0.384
un nivel de confianza = 83%
27
0.387
2,601x10-5
28
0.402
9,801x10-5
8,04034 x 103
29
0.401
7,921x10-5
S=
=
=1,395
34
30
0.389
9,61x10-6
31 Instrumental0.399
4,761x10-5
Anlisis
Practica N 1
0,015377925
-5
0,015377925
32
0.401
7,921x10
=0,3921
1,395
23
33
0.401
7,921x10-5
34
S
= X
-5
34
0.401
7,921x10
n
TOTAL
xi =13,333
= 8,04034x10-3

Clips
NIVEL/ELEVACI
ON
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
24
GRUPO B
GRUPO A
0.404
0.391
0.388
0.403
0.390
0.403
0.403
0.402
0.402
0.384
0.389
0.404
0.405
0.402
0.385
0.387
0.387
0.388
0.408
0.403
0.392
0.336
0.339
0.382
0.401
0.402
0.401
0.4
0.402
0.382
0.399
0.398
0.385
0.392
0.404
0.4
0.398
0.385

20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
0.405
0.383
0.402
0.406
0.385
0.401
0.386
0.385
0.384
0.388
0.402
0.403
0.404
0.039
0.404
0.399
0.386
0.402
0.401
0.388
0.545
0.392
0.401
0.384
0.387
0.402
0.401
0.384
0.387
0.402
0.401
0.389
0.399
0.401
0.401
0.401
Experiencia A
N = 40
Media = 0.3910
Experiencia B
N = 40
Media = 0.3910
(0 . 015377925)
[ 2 x (33)+ ( 0 . 062223748 ) x (39)]x [
(0 .399210.391)
T calc=

25
1 1
+ ]
34 39

34+ 402
calc=0.05185736275
VI.
RECOMENDACIONES
Tener en orden el lugar en donde se trabaja
Antes de comenzar a usar la balanza se tiene que tarar. Porque de lo contrario la toma de las
medidas de las muestras se altera, por lo consiguiente el resultado final del experimento es
errnea
Ser exactos al momento de la toma de medidas (esperar que aparezca la seal que indique la
medida ya estable de la muestra en la pantalla digital de la balanza).
Al momento de los clculos matemticos ser cuidadosos en los procedimientos porque de
no hacerlo y tener una falla el resultado final se ver afectado.
VII.
CONCLUSIN

26

Para la determinacin de las cifras significativas experimentales, propagacin de errores y

el tratamiento estadstico de los resultados, fue necesario contar con una serie de muestras,
de las cuales posteriormente tomamos medidas.
Gracias al desarrollo de la Partica hoy ya contamos con la habilidad necesaria para usar las
herramientas estadsticas de naturaleza aleatoria, que sern muy tiles en nuestra vida
profesional.

27

Trabajo Final

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Trabajo Final

Hochgeladen von

Copyright:

Verfügbare Formate

AO DE LA DE LA CONSOLIDACION DEL MAR DE GRAU

UNIVERSIDAD NACIONAL JOS FAUSTINO SNCHEZ CARRIN

FACULTAD DE INGENIERA AGRARIA, IND. ALIMENTARIAS Y AMBIENTAL

: Salcedo Maximo Meza

: CIFRAS SIGNIFICATIVAS, PROPAGACIN DE ERRORES Y

Andres Huanri Ana Jessica

Bailn Cipriano, Deisy Mara

Bazan Espinoza, Emerson Fald

Castillo Aromo, Dayanna Yuvitza

Cueva Calatayud, Fiori Anabel

Huerta Nuez Elvis Ever

Minaya Soto Anakely Mabel

Santa Mara Camones, Miuller

Tufino Espinoza, Maycol

Urbano Santos, Giancarlo

Ventocilla Ferrer, Helen Yairza

Universidad Nacional Jos Faustino Snchez Carrin

PRACTICA N1: CIFRAS SIGNIFICATIVAS, PROPAGACIN DE ERRORES Y

estadstico de los resultados.

Un cero rodeado por otros dgitos siempre es significativo : 30, 22 ml

9.25 x 10 4 , tres cifras significativas

9.250 x 10 ,cuatro cifras significaticas

Universidad Nacional Jos Faustino Snchez Carrin

9.2500 x 10 4 , cinco cifras significativas

En la mayora de los trabajos experimentales es necesario hacer operaciones aritmticas con

s 4 = s 21+ s 22+ s32

s 1 , s2 y s 3 son las desviaciones estndar de los trminos de la operacin (en este

caso concreto tres trminos) y

s 4 es la desviacin estndar del resultado de la operacin.

Anlisis Instrumental- Practica N 1

Universidad Nacional Jos Faustino Snchez Carrin

TRATAMIENTO ESTADSTICO DE RESULTADOS.

Universidad Nacional Jos Faustino Snchez Carrin

La media constituye el centro de la distribucin y la desviacin estndar (s) mide el ancho

Donde e es la base de los logaritmos naturales y y la media verdadera y su desviacin

Anlisis Instrumental- Practica N 1

Universidad Nacional Jos Faustino Snchez Carrin

De este modo, la probabilidad de medir z en un cierto intervalo es igual al rea de ese

Donde s es la desviacin estndar muestral (la obtenida experimentalmente), n el nmero de

Universidad Nacional Jos Faustino Snchez Carrin

Universidad Nacional Jos Faustino Snchez Carrin

Universidad Nacional Jos Faustino Snchez Carrin

Universidad Nacional Jos Faustino Snchez Carrin

Test Q de Datos Sospechosos

Anlisis Instrumental- Practica N 1

Universidad Nacional Jos Faustino Snchez Carrin

GRAPAS PARA CONDUCTOS

Anlisis Instrumental- Practica N 1

Universidad Nacional Jos Faustino Snchez Carrin

a. Pesar un mnimo de 30 unidades y de ms 40 unidades(clips)

ANLISIS DE RESULTADOS Y CALCULOS

Universidad Nacional Jos Faustino Snchez Carrin

Intervalo de confianza =83%

x =5.4214 Para un nivel de confianza = 83%

Anlisis Instrumental- Practica N 1

Universidad Nacional Jos Faustino Snchez Carrin

Anlisis Instrumental- Practica N 1

Universidad Nacional Jos Faustino Snchez Carrin

Universidad Nacional Jos Faustino Snchez Carrin

Universidad Nacional Jos Faustino Snchez Carrin

Para un nivel de confianza = 83%

Anlisis Instrumental- Practica N 1

Universidad Nacional Jos Faustino Snchez Carrin

Tornillos de (4.15 cm)