REGRESIN Y CORRELACION La regresin y la correlacin son dos tcnicas estrechamente relacionadas y comprenden una forma de estimacin.

En forma ms especifica el anlisis de correlacin y regresin comprende el anlisis de los datos muestrales para saber que es y como se relacionan entre si dos o mas variables en una poblacin. El anlisis de correlacin produce un nmero que resume el grado de la correlacin entre dos variables; y el anlisis de regresin da lugar a una ecuacin matemtica que describe dicha relacin. El anlisis de correlacin generalmente resulta til para un trabajo de exploracin cuando un investigador o analista trata de determinar que variables son potenciales importantes, el inters radica bsicamente en la fuerza de la relacin. La correlacin mide la fuerza de una entre variables; la regresin da lugar a una ecuacin que describe dicha relacin en trminos matemticos CONTROL DE CALIDAD A qu se refiere el Control de Calidad? Es el conjunto de tcnicas y actividades de accin operativa que se utilizan, actualmente, para evaluar los requisitos que se deben cumplir respecto de la calidad del producto o servicio, cuya responsabilidad recae, especficamente, en el trabajador competente. Un factor importante para el funcionamiento de una organizacin es la calidad de sus productos y servicios. Se debe tener siempre en cuenta, los aspectos que inciden en ellas: . SUPERVISIN Y TRABAJADORES CALIFICADOS. La supervisin de manufactura y el personal de la planta, influyen decisivamente en la fabricacin. INSPECCIN Y ESPECIFICACIONES TCNICAS. La inspeccin y pruebas funcionales comprueban el cumplimiento con las especificaciones tcnicas. INSTALACIN Y SERVICIO DEL PRODUCTO. La instalacin y el servicio del producto ayudarn a lograr el funcionamiento correcto, de acuerdo a las especificaciones y por el control de mantenimiento adecuado. MEJORA EN LA CALIDAD. Cada esfuerzo y mejora que se realice hacia la calidad y por mantenerla, significar un cambio positivo para el equipo de trabajadores de la empresa. Por qu son importantes los principios del Control de Calidad? El estudiante debe comprender desde el primer da de su prctica, que el aspecto tico profesional, es tan trascendental como otros factores que existen y que tienen directa relacin con su formacin profesional e involucran a la empresa y al cliente. Debe entender que su trabajo bien hecho debe satisfacer al cliente con el fin de que vuelva a usar los servicios de la empresa. Al requerir nuevamente el producto y lo recomiende con seguridad, permitir que la empresa tenga mejor supervivencia en el largo plazo.

El estudiante debe conocer las claves para el desarrollo de una gestin de calidad: 1.La calidad como ventaja 2.La calidad es estrategia y 3.La organizacin debe orientarse a 4.La calidad viene del 5.- Con la mejora continua, la calidad se retroalimenta. competitiva. planificacin. la calidad. personal.

La calidad de los productos y servicios, es de responsabilidad de los trabajadores de la empresa? Exactamente. Todos los trabajadores de la empresa tienen un grado de responsabilidad. El Maestro Gua debe informar al alumno en prctica que todo el personal de las dependencias de la empresa y, en todos los niveles, deben estar comprometidos permanentemente con efectuar controles de calidad. ste se inicia por ellos mismos, al autoevaluar su nivel de desempeo y de trabajo. Adems, el estudiante debe tener en cuenta:

Que el trabajador no debe tener duda en corregir cualquier falla en la atencin al cliente, como: la rapidez, la amabilidad, la organizacin, proporcionar buena informacin, etc. Que asegurar la calidad es hacer bien las cosas a travs de procedimientos simples, claros y accesibles. Que en la formacin profesional del presente, se debe considerar la calidad total como una forma de pensar y de actuar, que conduce a la excelencia en todos los trabajos desarrollados en la empresa. Por ende, implica que la calidad debe estar presente y traspasarse a todo el personal y a todas las funciones de la empresa.

Existen herramientas bsicas para el Control de Calidad de una empresa?

El Maestro Gua debe explicar al estudiante que existen controles o registros que podran llamarse "herramientas para asegurar la calidad de una empresa". stas son las siguientes: 1. Hoja de control o de registro. Sirve para reunir y clasificar las informaciones. 2. Histograma. Presentacin de una serie de medidas clasificadas y ordenadas. 3. Diagrama de Pareto. Herramienta que se utiliza para priorizar los problemas o las causas que los genera. 4. Diagrama de causa efecto. Sirve para solventar problemas de calidad. 5. Anlisis por Estratificacin. Es lo que clasifica la informacin recopilada sobre una caracterstica de calidad. 6. Diagrama de Dispersin. Es el estudio de variables. 7. Grfica de Control. Se utilizan para estudiar la variacin de un proceso.

DIAGRAMA DE DISPERSION

CONCEPTO Los Diagramas de Dispersin o Grficos de Correlacin permiten estudiar la relacin entre 2 variables: X e Y . Existe una correlacin entre ambas si cada vez que aumenta el valor de X aumenta proporcionalmente el valor de Y (Correlacin positiva) O si cada vez que aumenta el valor de X disminuye en igual proporcin el valor de Y (Correlacin negativa).

Contenido El Diagrama de Dispersin es de gran utilidad para la solucin de problemas de la calidad en un proceso y producto, ya que nos sirve para comprobar que causas (factores) estn influyendo o perturbando la dispersin de una caracterstica de calidad o variable del proceso a controlar. REGRESION LINEAL SIMPLE Generalidades La regresin y los anlisis de correlacin nos muestran como determinar tanto la naturaleza como la fuerza de una relacin entre dos variables En el anlisis de regresin desarrollaremos una ecuacin de estimacin, esto es, una formula matemtica que relaciona las variables conocidas con la variable desconocida. Entonces podemos aplicar el anlisis de correlacin para determinar el grado de en el que estn relacionadas las variables. El anlisis de correlacin, entonces, nos dice qu tan bien estn relacionadas las variables. El anlisis de correlacin, entonces, nos dice que tan bien la ecuacin de estimacin realmente describe la relacin Principales tcnicas utilizadas en el anlisis de regresin lineal simple 1) Ordenamiento y anlisis de la informacin original 3) Diagrama de dispersin e interpretacin El primer paso para determinar si existe o no una relacin entre dos variables es observar la grafica de datosobservados. Esta grafica se llama diagrama de dispersin. Un diagrama nos puede da dos tipos de informacin, visualmente podemos buscar patrones que nos indiquen que las variables estn relacionadas. Entonces si esto sucede, podemos ver que tipo de lnea, o ecuacin de estimacin, describe esta relacin. Primero tomamos los datos de la tabla que deseamos analizar y dependiendo de que se desea averiguar se construye la grafica colocando la variable dependiente en el eje Y y la independiente en el eje X, Cuando vemos todos estos puntos juntos, podemos visualizar la relacin que existe entre estas dos variables. Como resultado, tambin podemos trazar, o ajustar una lnea recta a travs de nuestro diagrama de

dispersin para representar la relacin. Es comn intentar trazar estas lneas de forma tal que un numero igual de puntos caiga a cada lado de la lnea. Diagrama de dispersin Estimacin mediante la lnea de regresin Hasta el momento las lneas de regresin se colocaron al ajustar las lneas visualmente entre los puntos de datos, pero para graficar estas lneas de una forma ms precisa podemos utilizar una ecuacin que relaciona las dos variables matemticamente. La ecuacin para una lnea recta donde la variable dependiente Y esta determinada por la varianza dependiente X es: Usando esta ecuacin podemos tomar un valor dado en X y calcular el valor de Y la a se denomina interseccin en Y por que su valor es el punto en el cual la lnea de regresin cruza el eje Y por que su valor es el punto en el cual la lnea de regresin cruza el eje Y, es decir el eje vertical. La b es la pendiente de la lnea, representa que tanto cada cambio de unidad de la variable independiente X cambia la variable dependiente Y. Tanto a como b son constantes numricas, puesto que para cada recta dada, sus valores no cambian.

Recta de regresin por el mtodo de mnimos cuadrados. Ahora que hemos visto como determinar la ecuacin para una lnea recta, pensemos como podemos calcular una ecuacin para una lnea dibujada en medio de un conjunto de puntos en un diagrama de dispersin. Para esto debemos minimizar el error entre los puntos estimados en la lnea y los verdaderos puntos observados que se utilizaron para trazarla.

Para esto debemos introducir un nuevo smbolo, para simbolizar los valores individuales de los puntos estimados, esto es, aquellos puntos que caen en la lnea de estimacin. En consecuencia escribiremos la ecuacin para la lnea de estimacin como Una forma en que podemos medir el error de nuestra lnea de estimacin es sumando todas las diferencias, o errores, individuales entre los puntos observados y los puntos estimados. La suma de las diferencias individuales para calcular el error no es una forma confiable de juzgar la bondad de ajuste de una lnea de estimacin. El problema al aadir los errores individuales es el efecto de cancelacin de los valores positivos y negativos, por eso usamos valores absolutos en esta diferencia a modo de cancelar la anulacin de los signos positivos y negativos, pero ya que estamos buscando el menor error debemos buscar un mtodo que nos muestre la magnitud del error, decimos que la suma de los valores absolutos no pone nfasis en la magnitud del error. Parece razonable que mientras ms lejos este un punto de la lnea e estimacin, mas serio seria el error, preferiramos tener varios errores pequeos que uno grande. En efecto, deseamos encontrar una forma de penalizar errores absolutos grandes, de tal forma que podamos evitarlos. Puede lograr esto si cuadramos los errores individuales antes de sumarlos. Con estos se logran dos objetivos:

Como estamos buscando la lnea de estimacin que minimiza la suma de los cuadrados de los errores a esto llamamos mtodo de mnimos cuadrados. Si usamos el mtodo de mnimos cuadrados, podemos determinar si una lnea de estimacin tiene un mejor ajuste que otro. Pero para un conjunto de puntos de datos a travs de los cuales podramos trazar un numero infinito de lneas de estimacin, cmo podemos saber cuando hemos encontrado la mejor lnea de ajuste? Los estadsticos han derivado dos ecuaciones que podemos utilizar para encontrar la pendiente y la interseccin Y de la lnea de regresin del mejor ajuste. La primera formula calcula la pendiente.

b = pendiente de la lnea de estimacin de mejor ajuste X = valores de la variable independiente Y = valores de la variable dependiente = media de los valores de la variable independiente = media de los valores de la variable dependiente n = numero de puntos de datos La segunda ecuacin calcula la interseccin en Y

a = interseccin en Y b = pendiente de la ecuacin anterior = media de los valores de la variable dependiente

= media de los valores de la variable independiente Verificacin de la ecuacin de estimacin Ahora que sabemos como calcular la lnea de regresin, podemos verificar que tanto se ajusta. Tomando los errores individuales positivos y negativos deben dar cero 5) Error estndar de la estimacin El error estndar nos permite deducir la confiabilidad de la ecuacin de regresin que hemos desarrollado. Este error se simboliza Se y es similar a la desviacin estndar en cuanto a que ambas son medidas de dispersin. El error estndar de la estimacin mide la variabilidad, o dispersin de los valores observados alrededor de la lnea de regresin y su formula es la siguiente

= media de los valores de la variable dependiente Y = valores de la variable dependiente n = numero de puntos de datos Mtodo de atajo para calcular el error estndar de la estimacin Dado que utilizar la ecuacin anterior requiere una serie de clculos tediosos, se ha diseado una ecuacin que puede eliminar unos de estos pasos, la ecuacin es la siguiente:

X = valores de la variable independiente Y = valores de la variable dependiente a = interseccin en Y b = pendiente de la ecuacin de la estimacin n = numero de puntos de datos interpretacin del error estndar de la estimacin Como se aplicaba en la desviacin estndar, mientras ms grande sea el error estndar de estimacin, mayor ser la dispersin de los puntos alrededor de la lnea de regresin. De manera que inversa, si Se = 0, esperemos que la ecuacin de estimacin sea un estimador perfecto de la variable dependiente. En este caso todos lo puntos deben caer en la lnea de regresin y no habra puntos dispersos. Usaremos el error estndar como una herramienta de igual forma que la desviacin estndar. Esto suponiendo que los puntos observados estn distribuidos normalmente alrededor de la lnea de regresin, podemos encontrar un 68% de los puntos en + 1 Se, 95.5% en + 2 Se y 99.7% de los puntos en + 3 Se. Otra cosa que debemos observar es que el error estndar de la estimacin se mide a lo largo del eje Y, y no perpendicularmente de la lnea de regresin. Intervalos de confianza utilizando desviacin estndar En estadstica, la probabilidad que asociamos con una estimacin de intervalo se conoce como el nivel de confianza

Esta probabilidad nos indica que tanta confianza tenemos en que la estimacin del intervalo incluya al parmetro de la poblacin. Una probabilidad mas alta significa mas confianza. El intervalo de confianza es el alcance de la estimacin que estamos haciendo pero a menudo hacemos el intervalo de confianza en trminos de errores estndar, para esto debemos calcular el error estndar de la media as: Donde es el error estndar de la media para una poblacin infinita, es la desviacin estndar de la poblacin. Con frecuencia expresaremos los intervalos de confianza de esta forma: en la que: = limite superior del intervalo de confianza = limite inferior del intervalo de confianza Relacin entre nivel de confianza e intervalo de confianza Podra pensarse que deberamos utilizar un alto nivel de confianza, como 99% en todos los problemas sobre estimaciones, pero en algunos casos altos niveles de confianza producen intervalos de confianza alto por lo tanto imprecisos. Debe tenerse un intervalo de confianza que vaya de acuerdo al tema que se este estimando. 6) intervalos de prediccin aproximados una forma de ver el error estndar de la estimacin es concebirla como la herramienta estadstica que podemos usar para hacer un enunciado de probabilidad sobre el intervalo alrededor del valor estimado de , dentro del cual cae el valor real de Y. Cuando la muestra es mayor de 30 datos, se calcula los intervalos de prediccin aproximados de la siguiente manera, Si queremos estar seguros en aproximadamente 65% de que el valor real de Y caer dentro de + 1 error estndar de . Podemos calcular los limites superior e inferior de este intervalo de prediccin de la siguiente manera: = Limite superior del intervalo de prediccin = Limite inferior del intervalo de prediccin Si, en lugar decimos que estamos seguros en aproximadamente 95.5% de que el dato real estar dentro de + 2 errores estndar de la estimacin de . Podramos calcular los limites de este intervalo de la siguiente manera: = Limite superior del intervalo de prediccin = Limite inferior del intervalo de prediccin y por ultimo decimos que estamos seguros en aproximadamente el 99.7% cuando usamos + 3 errores estndar de la estimacin de Podramos calcular los limites de este intervalo de la siguiente manera: = Limite superior del intervalo de prediccin = Limite inferior del intervalo de prediccin Como ya habamos mencionado solo se usa para grandes muestras (mayores de 30 datos) para muestras ms pequeas se usan la distribucin T

Debemos poner nfasis en que los intervalos de prediccin son solo aproximaciones, de hecho los estadsticos pueden calcular el error estndar exacto para la prediccin Sp, usando la formula: en la que: X0 = valor especifico de x en el que deseamos predecir el valor de Y Anlisis de correlacin El anlisis de correlacin es la herramienta estadstica que podemos usar para describir el grado hasta el cual una variable esta linealmente relacionada con la otra. Con frecuencia el anlisis de correlacin se utiliza junto con el anlisis de regresin para medir que tan bien la lnea de regresin explica los cambio de la variable dependiente Y. Sin embargo, la correlacin tambin se puede usar sola para medir el grado de asociacin entre dos variables. Los estadsticos han desarrollado dos medidas para describir la correlacin entre dos variables: el coeficiente de determinacin y el coeficiente de correlacin. Coeficiente de determinacin El coeficiente de determinacin es la principal forma en que podemos medir la extensin, o fuerza de asociacin que existe entre dos variables, X y Y. Puesto que hemos desarrollado una muestra de puntos para desarrollar las lneas de regresin, nos referimos a esta medida como el coeficiente de determinacin de la muestra. El coeficiente de determinacin de la muestra se desarrolla de la relacin entre dos tipos de variacin: la variacin de los valores Y en conjunto de los datos alrededor de

el termino variacin en estos dos casos se refiere a la suma de un grupo de desviaciones cuadradas. Al usar esta definicin, entonces es razonable expresar la variacin de los valores Y alrededor de la lnea de regresin con esta ecuacin: variacin de los valores Y alrededor de la lnea de regresin = la segunda variacin, la de los valores de Y con respecto a su propia media, esta determinada por variacin de los valores de Y alrededor de su propia media = uno menos la razn entre estas dos variaciones es el coeficiente de determinacin de la muestra que se simboliza r2 esta ecuacin es una medida del grado de asociacin lineal entre X y Y Una correlacin perfecta es aquella en que todos los valores de Y caen en la lnea de estimacin , por lo tanto el coeficiente de determinacin es 1 Cuando el valor del coeficiente de determinacin es 0 quiere decir que no hay correlacin entre las dos variables En los problemas con que se topa la mayora de los responsables de la toma de decisiones, r2 caer en alguna parte entre estos dos extremos de 1 y 0. recuerde, no obstante que un r2 cercano a 1 indica una fuerte correlacin entre X y Y, mientras que un r2 cercano a 0 significa que existe poca correlacin entre estas dos variables.

Un punto que debemos subrayar fuertemente es que r2 mide solo la fuerza de una relacin lineal entre dos variables. Otra interpretacin de r2 Los estadsticos tambin interpretan el coeficiente de determinacin viendo la cantidad de variacin en Y que es explicada por la lnea de regresin. Mtodo de atajo para calcular el coeficiente de determinacin (r2) Hay una formula que nos ahorra muchos clculos tediosos y esta es: en la que:

r2= coeficiente de determinacin de la muestra a = interseccin en Y b = pendiente de la lnea de estimacin de mejor ajuste n = numero de puntos de datos X = valores de la variable independiente Y = valores de la variable dependiente = media de los valores observados de la variable dependiente el coeficiente de correlacin el coeficiente de correlacin es la segunda medida que podemos usar para describir que tambin una variable es explicada por la otra. Cuando tratamos con muestras, el coeficiente de variacin de muestra se denomina como r y es la raz cuadrada del coeficiente de determinacin de muestra: cuando la pendiente de estimacin de la muestra es positiva, r es la raz cuadrada positiva, pero si b es negativa, r es la raiz cuadrada negativa. Por lo tanto, el signo de indica la direccin de la relacin entre las dos variables X y Y. Si existe una relacin inversa, esto es , si y disminuye Y X Interseccin Y Variable dependiente Pendiente de la lnea Variable independiente

Correlacin En probabilidad y estadstica, la correlacin indica la fuerza y la direccin de una relacin lineal y proporcionalidad entre dos variables estadsticas. Se considera que dos variables cuantitativas estn correlacionadas cuando los valores de una de ellas varan sistemticamente con respecto a los valores homnimos de la otra: si tenemos dos variables (A y B) existe correlacin si al aumentar los valores de A lo hacen tambin los de B y viceversa. La correlacin entre dos variables no implica, por s misma, ninguna relacin de causalidad Fuerza, sentido y forma de la correlacin La relacin entre dos super variables cuantitativas queda representada mediante la lnea de mejor ajuste, trazada a partir de la nube de puntos. Los principales componentes elementales de una lnea de ajuste y, por lo tanto, de una correlacin, son la fuerza, el sentido y la forma:

La fuerza extrema segn el caso, mide el grado en que la lnea representa a la nube de puntos: si la nube es estrecha y alargada, se representa por una lnea recta, lo que indica que la relacin es fuerte; si la nube de puntos tiene una tendencia elptica o circular, la relacin es dbil. El sentido mide la variacin de los valores de B con respecto a A: si al crecer los valores de A lo hacen los de B, la relacin lopositiva; si al crecer los valores de A disminuyen los de B, la relacin es negativa. La forma establece el tipo de lnea que define el mejor ajuste: la lnea recta, la curva monotnica o la curva no monotnica.

Coeficientes de correlacin Existen diversos coeficientes que miden el grado de correlacin, adaptados a la naturaleza de los datos. El ms conocido es el coeficiente de correlacin de Pearson (introducido en realidad por Francis Galton), que se obtiene dividiendo la covarianza de dos variables por el producto de sus desviaciones estndar. Otros coeficientes son: Coeficiente de correlacin de Spearman Correlacin cannica Coeficiente de Correlacin Intraclase [editar]Interpretacin geomtrica Dados los valores muestrales de dos variables aleatorias

e , que pueden ser consideradas como vectores en un espacio a n dimensiones, puden construirse los "vectores centrados" como: e .

El coseno del ngulo alfa entre estos vectores es dada por la frmula siguiente:

Pues es el coeficiente de correlacin muestral de Pearson. El coeficiente de correlacin es el coseno entre ambos vectores centrados:

Si r = 1, el ngulo Si r = 0, el ngulo Si r =-1, el ngulo

, ambos vectores son colineales (paralelos). , ambos vectores son ortogonales. , ambos vectores son colineales de direccin opuesto. .

Ms generalmente:

Por supuesto, del punto vista geomtrica, no hablamos de correlacin lineal: el coeficiente de correlacin tiene siempre un sentido, cualquiera que sea su valor entre -1 y 1. Nos informa de modo preciso, no tanto sobre el grado de dependencia entre las variables, que sobre su distancia angular en la hiperesfera a n dimensiones. La Iconografa de las correlaciones es un mtodo de anlisis multidimensional que reposa en esta idea. La correlacion lineal se da cuando en una nube de puntos estos se encuentran o se distribuyen alrededor de una recta.

Distribucin del coeficiente de correlacin El coeficiente de correlacin muestral de una muestra es de hecho una varible aleatoria, eso significa que si repetimos un experimento o consideramos diferentes muestras se obtendrn valores diferentes y por tanto el coeficiente de correlacin muestral calculado a partir de ellas tendr valores ligeramente diferentes. Para muestras grandes la variacin en dicho coeficiente ser menor que para muestras pequeas. R. A. Fisher fue el primero en determinar la distribucin de probabilidad para el coeficiente de correlacin. Si las dos variables aleatorias que trata de relacionarse proceden de una distribucin gaussiana bivariante entonces el coeficiente de correlacin r sigue una distribucin de probabilidad dada por:1 2

donde: es la distribucin gamma es la funcin gaussiana hipergeomtrica.

Ntese que de .

, por tanto r es estimador sesgado

Puede obtenerse un estimador aproximado no sesgado resolviendo la ecuacin:

for Aunque, la solucn:

es subptima. Se puede obtener un estimador sesgado con mnima varianza para grandes valores de n, con sesgo de orden expresin: buscando el mximo de la

, i.e. En el caso especial de que como: , la distribucin original puede ser reescrita

donde

es la funcin beta.

DISTRIBUCION NORMAL BIDIMENCIONAL ExactitudProximidad de un valor medido o calculado a su verdadero valor

PrecisionProximidad de medidas repetidas de la misma cantidad Variables cualitativasbarras,barras apilado,graficos de sectores,pictograma Variables cuasi-cuantitativasdiagrama de lineas, Variables cuantitativas discretasdiagrama de puntos. Variables cuantitativas continuasdiagrama de tallos y hojas.histograma,poligono de frecuencia. Media Aritmticaes el valor de tendencia central ms representativo de un conjunto de datos. Medianaes el valor que ocupa el lugar central de una serie ordenada. Percentil Kser aquel valor de una serie ordenada que deja por debajo de s el K% de las observaciones. Coeficiente de Variacinse utiliza para comparar la variabilidad entre diferentes muestras, incluso con diferentes unidades asimtrica positiva (sesgo derecha), asimetrica negativa (sesgo izquierda),as=0 simetrica apuntamientoSi Cu < 0 es Platicrtica,Si Cu > 0 esLeptocrtica,Si Cu = 0 es Mesocrtica (Normal). distribucin conjunta de frecuenciasde una variable bidimensional al conjunto de pares de modalidades de la variable con sus respectivas frecuencias conjuntas frecuencia relativa conjuntaserel cociente entre la frecuencia absoluta conjunta y el nmero total de observaciones Distribuciones marginalesson las distribuciones unidimensionales de cada una de las dos variables prescinciendode la otra. La correlacinconsiste en medir la fuerza de la relacin entre dos variables.

Espacio MuestralEs el conjunto de todos los resultadosposibles de un experimento aleatorio. Se representa por E. Experimento AleatorioEs toda operacin cuyo resultado no puede ser pronosticado con certeza. AxiomticaDado un experimento aleatorio con espacio muestral E, se define una Probabilidad en E como una aplicacin P que a cada subconjunto de E le asigna un nmero real. DefinicinClsica(RegladeLaplace-1812)Dado un suceso A de un experimento aleatorio, que puede ocurrir de s maneras de un total de n igualmente posibles. Variable aleatoriaes una variable cuyos valores dependen del resultado de un experimento aleatorio. Media: La media de la distribucin de la media muestral es igual a la media de la poblacin

Desviacin tpica La desviacin tpica de la distribucin muestral de la media es igual a la desviacin tpica de la poblacin dividida por la raz cuadrada del tamao de la muestra Forma de la distribucin Si la distribucin poblacional deX es normal, entonces la distribucin muestral de X es normal Teorema central del lmiteSi n es grande entonces la distribucin muestral de X es aproximadamente normal, aunque la distribucin poblacional de X no sea normal.

TEORA DE LOS ERRORES DE MEDICIONES a observacin y la experimentacin constituyen la base del conocimiento cientfico. Ellas suministran la informacin necesaria para crear, estructurar y verificar teoras cientficas. Cuanto ms precisa sea esta informacin, tanto ms ajustadas a la realidad podrn ser las descripciones y predicciones de las correspondientes teoras. Dicha informacin est constituida por un conjunto de datos o mediciones. Consecuentemente, uno de los objetivos del proceso cientfico es proyectar experimentos e instrumentos que permitan medir, con la mayor aproximacin posible, las constantes y las magnitudes implicadas en los procesos que se investigan. Las mediciones pueden estar afectadas por equivocaciones en las lecturas y por errores sistemticos y accidentales. Estos ltimos, llamados tambin errores azarosos, son inevitables, son inherentes a los procesos mismos de las mediciones. Al repetir la medicin de una misma cantidad o magnitud (longitud, masa, velocidad, densidad, fuerza, calor especfico, temperatura, viscosidad, resistencia elctrica, etctera) en iguales condiciones y por el mismo procedimiento, no se obtiene generalmente el mismo valor, sino una distribucin estadstica de valores. A veces, en las mediciones sucesivas se repite aparentemente el mismo valor. Esto se debe a que las imprecisiones o incertidumbres de las distintas medidas son ms pequeas que la menor apreciacin de la escala de medidas que se emplea. As, por ejemplo, cuando medimos la longitud de una mesa usando una regla graduada en centmetros, podemos encontrar en las sucesivas mediciones que la longitud medida est representada por el mismo nmero de centmetros. Esto significa que la incertidumbre de cada medicin es menor de un centmetro. Si ussemos un instrumento ms preciso que aproxima, por ejemplo, la centsima parte de un milmetro, encontraramos una distribucin estadstica de las sucesivas mediciones de la longitud considerada. Vemos, pues, que no tiene sentido decir cul es el valor absoluto o verdadero de una determinada magnitud fsica, sino que debemos decir, para ser ms precisos, que midiendo una cierta cantidad o magnitud por un determinado procedimiento (el que explcita o implcitamente debe incluir una descripcin detallada de los instrumentos empleados y de la forma de utilizarlos) se obtiene una distribucin estadstica de valores que, como veremos, nos permite calcular la mejor estimacin de la cantidad medida y su error probable. La ciencia no nos acerca a los valores absolutos, sino que, por lo contrario, nos ensea a tratar los problemas prescindiendo de toda concepcin absoluta. Los resultados de las observaciones de los experimentos son, como hemos indicado, distribuciones estadsticas de valores. En consecuencia, la base experimental de la ciencia est ntimamente relacionada con la teora de probabilidad y la estadstica matemtica. Slo mediante estas disciplinas se puede elaborar una teora de los datos suministrados por la experimentacin. Tambin la teora de probabilidad de gran importancia en fundamentales teoras fsicas (teora cintica de la materia, mecnica y termodinmica estadsticas, mecnica

cuntica, procesos irreversibles). Quiz la teora de probabilidad constituye el nexo de unificacin ms importante, no solamente entre las distintas partes de las ciencias fsicas, sino tambin entre las diferentes ramas de la ciencia. La teora de probabilidad es necesaria para desarrollar la teora de errores de medicin. Normalmente se ensea esta teora de errores en los cursos generales de fsica a alumnos que no conocen los conceptos bsicos de la teora de probabilidades, y tambin en los cursos en los que, aunque se ensea esta teora, no se explica la teora de errores. Por eso sigue teniendo vigencia todava la opinin de Lippman, que comparta Poincar: Todos creen en la ley de Gauss; los experimentadores se imaginan que es un teorema matemtico y los matemticos que es un hecho experimental. Como veremos, la teora de errores es una teora fsica, con caractersticas similares a los de cualquier otra teora fsica; tiene, por lo tanto, hiptesis especiales, una estructura matemtica y definiciones operacionales que conectan la teora con los datos observacionales. La teora de errores es la teora fsica que todo experimentador debe conocer. Comenzamos este libro desarrollando algunas partes importantes de la teora de probabilidades y de estadstica matemtica. La teora de errores la tratamos como un caso particular de la teora de las muestras de un determinado universo. Se desarrollan varias distribuciones que se relacionan con la de Gauss y que se necesitan para el estudio de la inferencia estadstica, a fin de hacer aplicaciones concretas a la teora de errores. Se estudian los errores correlacionados que trata la teora de los mnimos cuadrados y la verificabilidad de las hiptesis estadsticas. Las mediciones de los distintos observables fsicos, con la mxima precisin posible, son de fundamentalsima importancia para las diferentes ramas de las ciencias fsicas. Gracias a ellas y al empleo de las Matemticas, a dichas ramas de las ciencias se las llama, con un poco de optimismo, Ciencias Exactas. El resultado de una medicin de una magnitud fsica es un nmero que depende de lo que se mide (la magnitud misma), del procedimiento de la medida, del instrumental usado en la misma, como as tambin del observador y de otros factores menores. Para que el nmero, atribuido a una cantidad fsica, tenga sentido, debe ir acompaado, explcita o implcitamente, del procedimiento seguido y de las caractersticas de los instrumentos utilizados en la obtencin del correspondiente nmero. La medida de una determinada magnitud fsica debe implicar el procedimiento a seguirse, para hallar la mejor estimacin de la magnitud medida. Es decir, debe darse la definicin operacional de la magnitud considerada. La medida de una longitud o de un tiempo tiene significado fsico cuando se ha descrito el conjunto de operaciones fsicas que se deben realizar para asignar, en cada caso particular, un nmero a la magnitud considerada. Para medir una determinada magnitud fsica es necesario compararla con otra del mismo tipo que se toma como unidad. Por lo tanto, una definicin operaciones de una determinada magnitud debe comprender, implcita o explcitamente, la definicin precisa del patrn de medida utilizado. El proceso de medida de una cantidad fsica depende de las definiciones operaciones de otras magnitudes fsicas, y stas a su vez, de la estructura alcanzada por las teoras fsicas. As, por ejemplo, la longitud de una barra de hierro depende de los valores de varias cantidades fsicas como la temperatura, tensin, carga elctrica, velocidad con respecto al observador, aceleracin de la gravedad, etctera. Por lo tanto, la definicin del proceso de medida de una longitud debe contener necesariamente los procedimientos para mantener constantes todos los parmetros fsicos que influyen en el valor de la magnitud considerada y estos procedimientos resultan del conocimiento de varias leyes fsicas. Consecuentemente, los procedimientos de medida se perfeccionan a medida que la Fsica progresa y, en cada

momento, solamente pueden aplicarse definiciones operacionales aproximadas, aplicables a casos simplificados. De una misma magnitud fsica se pueden dar, por lo general, varias definiciones operaciones. Por ejemplo, un intervalo de tiempo puede medirse por el ngulo barrido, en dicho intervalo, por la Tierra en su rotacin; por un determinado nmero de oscilaciones de un pndulo o de un resorte de caractersticas bien definidas; por el correspondiente nmero de vibraciones de un cristal de cuarzo de cierto espesor; por la distancia recorrida por un rayo de luz; por la cantidad de radium desintegrada; por un reloj atmico, etctera. La Fsica constituye un edificio cientfico coherente debido especialmente a que, mediante las diferentes definiciones operaciones, basadas en leyes distintas, de una misma magnitud fsica, se obtienen, en cada caso, resultados que son aproximadamente iguales. Por lo expresado surge que los procedimientos de medida de las magnitudes fsicas son evolutivos y que dependen del grado de desarrollo de la Fsica y de la precisin de los instrumentos de medida existentes. Existe, tambin, una recproca influencia: todo progreso de la Fsica permite mejorar los procedimientos de medida y todo perfeccionamiento de estos procedimientos asegura nuevos adelantos de las teoras fsicas. De lo expresado se deduce claramente que no es posible medir una determinada magnitud fsica con verdadera exactitud. Los distintos parmetros fsicos que influyen en su determinacin estn sujetos, por rigurosas que sean las condiciones de control de su constancia, a inevitables fluctuaciones. No es posible, pues, la existencia de procedimientos de medida absolutamente perfectos, que puedan repetirse un nmero indefinido de veces de manera y condiciones rigurosamente iguales. Por otra parte, todo instrumento de medida permite efectuar lecturas dentro de los lmites de apreciacin del mismo y no es posible construir ningn aparato de medida que pueda efectuar mediciones con errores menores que un determinado valor. Adems, debido a la naturaleza atmica de la materia, a sus vibraciones y a la cuantificacin de la energa, no es posible, en general, atribuirle a la entidad fsica que se desea medir un valor verdadero absolutamente exacto. La suposicin de la existencia de valores verdaderos absolutamente exactos e invariables, correspondientes a las cantidades fsicas que se desean medir, es una hiptesis metafsica, resabio de un realismo filosfico ingenuo que todava se encuentra en muchos libros de fsica. Una verdadera teora Fsica de los errores de observacin debe eliminar esta hiptesis metafsica. De lo anterior se infiere que en el proceso de medicin de las distintas cantidades observables, a lo ms que podemos aspirar es a determinar, de la mejor manera posible, el valor ms probable o la mejor estimacin que de dicha magnitud podemos hacer teniendo en cuenta el conjunto de resultados obtenidos, y a cuantificar las imprecisiones, o sea los lmites probables de error de dicho valor, que podemos tambin determinar de las medidas correspondientes. De acuerdo con lo expresado precedentemente, tenemos que cada vez que se efecte el conjunto de operaciones requeridas para medir una determinada magnitud, de obtendr un nmero que solamente en forma aproximada representa la medida buscada. Por lo tanto, cada resultado de una medicin est afectado por un cierto error. Los errores de medicin, clsicamente, se clasifican en sistemticos y accidentales. Los errores sistemticos son aquellos de valor constante o que responden a una ley conocida y son, por lo tanto, corregibles. A este tipo pertenecen, por ejemplo, los errores de calibracin de escalas, el atraso o adelanto de un reloj de acuerdo con un ritmo conocido; y los motivados, en general, por otras causas medibles con precisin. La deteccin y correccin de estos errores se efecta por comparacin o contraste con

instrumentos patrones. Por ellos adquieren enorme importancia los standard de los institutos de Pesas y Medidas para dicha comprobacin. Los errores que dependen exclusivamente de las fluctuaciones inevitables e imprevisibles, dentro de ciertos lmites, de los parmetros fsicos que determinan la magnitud que se miden, se llaman errores al azar o accidentales. Los errores accidentales, o debidos al azar, son los provenientes de mltiples factores inapreciables cuya magnitud y signo es imposible predecir. Son estas interacciones las que provocan que mltiples medidas en idnticas condiciones no arrojen el mismo valor. Esas mltiples perturbaciones provienen de fuentes de error independientes, que individualmente dan desviaciones pequeas, errticas, positivas y negativas, imposibles de detectar. Cada uno de los errores accidentales es la suma algebraica que un gran nmero de pequeos errores, cuyas causas son numerosas y pueden actuar en un sentido o en el opuesto con igual frecuencia media. Por supuesto que la divisin entre errores sistemticos y accidentales no es tajante y debe ser sometida a revisin crtica constantemente. Un perfeccionamiento en el proceso de medida puede poner de manifiesto la existencia de nuevos errores sistemticos que anteriormente se incluan dentro de los accidentales. Por otra parte, como veremos ms adelante, deben tambin eliminarse, de los errores accidentales, aquellos errores groseros motivados por distraccin del observador, como, por ejemplo, el confundir un nmero por otro en una escala o el valor de una determinada pesa, etctera. Estos errores son ocasionados por equivocaciones detectables y se pueden evitar aumentando el cuidado y la atencin del observador al efectuar las mediciones. Los errores accidentales pueden ser debidos al observador, al instrumento de medida, a la magnitud a medir, a la variacin del medio ambiente, etctera. Sus caractersticas son la cantidad heterognea de factores intervinientes, cada uno de los cuales presenta fluctuaciones en sus valores indeterminados, dentro de ciertos lmites; es decir, que dichas variaciones se deben al azar. Por consiguiente, las fluctuaciones de los parmetros determinantes de la medida buscada pueden ser positivos o negativos y, en general, en cada medida influirn de manera distinta en los resultados. Si se efecta, en cada caso, un conjunto grande de medidas se tendr que, en promedio, los efectos de las distintas fluctuaciones se compensarn. La teora de errores estudia fundamentalmente el tratamiento matemtico que debe efectuarse, con los diferentes resultados obtenidos al medir una determinada magnitud, para determinar la mejor aproximacin de la medida buscada y su lmite probable de error. De lo anterior se puede inferir cul es el objeto de la teora de errores en las mediciones. En primer lugar, no se busca el valor exacto de la magnitud a medir, o cuanto el mismo no tiene sentido fsico, sino que, dentro del entorno en el cual estn acotadas todas las mediciones, se trata de hallar el valor ms probable de la misma, o sea la mejor estimacin de la medida deseada. Dado el carcter azaroso de las perturbaciones que intervienen, una sola medida, aun acotando los lmites de errores posibles, no puede proporcionar una estimacin aceptable de la cantidad medida. Para hallar una buena estimacin es necesario hacer mltiples medidas y de ellas deducir el valor ms probable. Dichas mediciones constituyen un conjunto estadstico del cual se puede determinar el valor ms probable que surge del conjunto de medidas dado. Debemos recalcar que cada una de las diferentes mediciones de una determinada cantidad deben ser efectuadas en condiciones fsicas similares; es decir, por el mismo observador en igualdad de condiciones, utilizando los mismos instrumentos y

procedimientos de medidas. En caso contrario, el conjunto que se obtenga no podr ser considerado como una muestra representativa del universo de medidas correspondiente a la cantidad fsica considerada. En segundo lugar, la teora de los errores permite calcular el error probable que le corresponde al valor ms probable obtenido de un conjunto de medidas. El valor ms probable no tendr valor si no se puede saber la cota de su error.

Instituto Tecnolgico Superior de las Choapas

INGENIERIA EN ELECTRONICA

PROFESOR: JESUS FRANCISCO SOLIS

ALUMNA: JARAMILLO MARROQUIN DULCE MARIA

MATERIA: PROBABILIDAD Y ESTADISTICAS

SEGUNDO SEMESTRE