Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTADSTICA
Carrera:
Qumica Farmacutica-Bioqumica
Clnica
Errores en el anlisis
cuantitativo
No existen resultados cuantitativos vlidos si no
van acompaados de alguna estimacin de los
errores inherentes en ellos.
Tipos de errores
Errores crasos: errores muy graves que no queda alternativa
que abandonar el experimento. Ej. La avera total de algn
instrumento.
Errores aleatorios: provocan que los resultados individuales
caigan a ambos lados del valor medio. Afectan a la precisin.
Errores sistemticos: todos los resultados son errneos en el
mismo sentido. Afectan la exactitud.
Errores aleatorios y
sistemticos
ALEATORIOS
(indeterminados)
SISTEMATICOS
(determinados)
No se pueden
conocer sus
causas, pero
juntos producen
un gran efecto
en los datos
Tipos de errores
EJEMPLO
Precisos y no
exactos
No precisos
exactos
Preciso y
exacto
No preciso
ni exacto
pesas
volmenes
Sustancias
de alto peso
molecular
polvo
Al calibrar pesas
precipitados
Sustancias impuras
Ejemplos
Medida de un intervalo de tiempo con un cronmetro.
Error en el start y en el stop del experimentador:
error aleatorio.
El cronmetro funciona mal y da siempre un intervalo de tiempo menor
(o mayor):
error sistemtico.
DESVIACIN
ERROR
= DESVIACIN
PRECISIN
ERROR ABSOLUTO
EA
E A = xi -
- El signo es muy importante
ERROR RELATIVO
ER
ER =
xi -
. 100
aumento
disminucin
Desviacin estndar
Desviacin
estndar
(coeficiente de variacin)
varianza
relativa
s
CV
x
s2
Precisin absoluta
Precisin relativa
Exactitud y precisin
Realizacin de 10
disparos a una diana
Valoracin de 10 mL de HCl
1M con NaOH 1M
1. Blunders
(Patinazos o deslices)
2. Errores determinados o sistemticos
3. Errores indeterminados o aleatorios (al azar)
2.1 ERRORES DETERMINADOS O SISTEMTICOS
Tienen causas concretas y valores definidos
Unidireccionales
Resultados superiores o inferiores al valor real, pero no
en ambas direcciones
CLASIFICACIN:
Proporcionales al tamao
de la muestra (contaminantes)
De magnitud constante independiente de las dimensiones
de la cantidad medida (pesa mal calibrada)
CAUSAS:
Errores Instrumentales
Aparatos. La calibracin elimina la mayora de los errores de este tipo
Errores Personales
Asociados con las manipulaciones realizadas en la
tcnica
Su magnitud depende del analista (errores
matemticos, niveles de lquidos, posicin de agujas)
Pueden afectar a un slo valor o a una serie
completa de medidas
Son consecuencia del descuido y pueden eliminarse
con autodisciplina
Los errores sistemticos dan lugar a una prdida de
exactitud pero pueden afectar o no a la precisin segn
que dicho error sea constante o variable
Errores Personales
Autodisciplina
Se identifican y eliminan por alguno de los
siguientes mtodos:
Caractersticas fundamentales:
1.- Por exceso o defecto con igual probabilidad
observaciones.
0.51
0.51
0.50
0.51
0.52
0.53
0.48
0.49
0.48
0.46
0.49
0.51
0.51
0.51
0.48
0.51
0.50
0.50
0.53
0.51
0.47
0.49
0.50
0.49
0.47
0.50
0.48
0.52
0.51
0.49
0.52
0.53
0.50
0.50
0.52
0.49
0.49
0.48
0.49
0.49
0.51
0.47
0.50
0.51
0.49
0.52
0.50
0.50
0.51
Frecuencia
0.46
0.47
0.48
0.49
0.50
0.51
0.52
0.53
1
3
5
10
10
13
5
3
Distribucin normal
Histograma de la concentracin de in
nitrato (datos de la Tabla 2.1)
68%
95 %
99.7%
INCERTIDUMBRE
DEFINICION
La incertidumbre de una medicin es la duda que existe respecto al resultado de
dicha medicin.
Ejemplo:
Se puede pensar que las reglas graduadas estn bien hechas, que los relojes y los
termmetros deben ser veraces y dar resultados correctos. Sin embargo, en toda
medicin, an en las ms cuidadosas, existe siempre un margen de duda. En
lenguaje comn, esto se puede expresar como mas o menos, por ejemplo, al
comprar o vender un tramo de una tela de dos metros, mas o menos un
centmetro
-3. Cuantificacin
-Todas las incertidumbres que se tiene hay que convertirlas en incertidumbres
estndar
= 5.3025
Distribucin triangular
Se encarga en la medicin de volmenes,
Se emplea a siguiente formula:
u=
Ejemplo
Una certificacin estndar de calibracin dice que un baln
tiene una incertidumbre de 250 ml 0.15 ml
u=
u=
0.15
6
= 0.0061 (I.S)
Distribucin rectangular
Se utiliza en temperatura, peso, volumen, y variacin de
volumen.
Se usa la siguiente formula:
u=
Ejemplo:
Un certificado de calibracin nos da 0.063 gr:
u=
u=
3
0.003
=
3
0.0017 gr (I.S)
Combinada.
Es el resultado de las contribuciones de todas las fuentes a la que
la denomina como combinada.
La formula es:
Uc (x1)= + +
Ejemplo:
Pipeta con un volumen de 12ml 0.03ml
Incertidumbre expandida
Se la considera como el numero de veces de expresar las
incertidumbres y en algunos con los niveles de confianza
Uc (x1)= .
( )
( )
Polgono de frecuencias
Es un grfico de lneas que de las frecuencias
absolutas de los valores de una distribucin en el
cual la altura del punto asociado a un valor de las
variables es proporcional a la frecuencia de dicho
valor.
Paso 1
Paso 2
Paso 3
Paso 4
Paso 5
Tamao de muestra
POBLACION DESCONOCIDA
(/2) 2
=
2
POBLACION CONOCIDA
=
pHombres=
pMujeres=
=
=
14
40
26
20
(/2) 2
1 + (/2) 2
= 0,35
= 0,65
95% = 1,96
98% = 2,58
Ejemplos:
= % = ,
= % = ,
= % = ,
= ,
=
= ,
= % = ,
= % = ,
= , % = ,
(, ) , (, )
=
(, )
= ,
, , ,
+ , , ,
= ,
Tipos de muestreo
Probabilsticos. Son aquellos en los que todos los
individuos tienen la misma probabilidad de ser
elegidos para formar parte de una muestra.
Existen diferentes
criterios de
clasificacin,
aunque en general,
pueden dividirse en
:
No Probabilsticos. Es una tcnica donde las
muestras se recogen en un proceso que no brinda
a todos los individuos de la poblacin iguales
oportunidades de ser seleccionados.
Tipos de muestreo
Sistemticos
Muestreo
Probabilstico
Sistemticos
Estratificados
Estratificado
Proporcional
Estratificado
Constante
I. Sistemticos
Eligen un individuo al azar y a partir de l, a intervalos
constantes, se eligen los dems hasta completar la muestra.
As para una N = 600 y n = 20.
=
=
I. Sistemticos
Ejemplo 2: Un investigador desea saber como seleccionar
una muestra de 12 individuos de una poblacin de 60 para
determinar la incidencia de cncer por el consumo de
tabaco. Cmo recomendara que seleccione su muestra?
N = 60 y n = 12
=
=
240 400
=
600
200 240
=
600
X=42,86%
X=35,71%
X=14,29%
X=7,14%
Porcentajes
Calculo de la muestra
Primer Semestre
42,86 %
Segundo Semestre
35,71 %
TercerSemestre
14,29 %
Cuarto Semestre
7,14 %
Animales
Cantidad
Vacas
300
Cerdos
200
Gallinas
150
Ovejas
100
Conejos
50
Donde:
N = 800
n = 266
Porcentajes
Calculo de la muestra
266 x 0,375 = 99,75 100
Vacas
37,5 %
Cerdos
25 %
Gallinas
18,75 %
Ovejas
12,5 %
Conejos
6,25 %
COMPARACIN DE UN DATO
EXPERIMENTAL CON UN VALOR
VERDADERO
Nos permite identificar si un mtodo est libre de errores sistemticos
HIPTESIS
Ejemplo:
Si un mtodo para determinar Hg por asociacin atmica
obtuvo los siguientes resultados, para un material de referencia
que contiene 38% de Hg.
u
38,9
38,9
38,9
38,9
37,4
37,1
95%
n-1
: 1 = 2
1 : 1 2
1 = 2
1 2
0 : 1 2 = 2 2
1 2
2 2
0 : 1 2 2 2
(1 2 )
1
1
+
1
2
1 1 1 2 + 2 1 2 2
( 1 + 2 2
<
1 = 2
Grados libertad
(1 2 )
2
1
2
+
1
2
>
1 2
1 2 2 2
1 + 2
2 2
2 2
1
2
1
2
1 + 1 + 2 + 1
EJERCICIOS
{X}
gl (n-1)
28.0
0,3
10
Mtodo Fluoromtrico
{X}
gl (n-1)
26.25
0.23
10
Resolucin
=
1 2
2 2
(0.3)2
=
(0.23)2
= 1.70
Por lo tanto :
0 : 1 2 = 2 2
=
= 4.026
1.70
<
4.026
(1 2 )
1
1
+
1
2
=
28.0 26.25)
1
1
0.27 10 + 10
1 1 1 2 + 2 1 2 2
( 1 + 2 2
10 1 (0.3)2 + 10 1 (0.3)2
( 10 + 10 2
= 0.27
= 16.15
Grados libertad = 10 + 10 2
16.15
> 2.10
1 2
Grados libertad = 18
Escriba aqu la ecuacin.
Mtodo 1%
Mtodo 2%
1.84
2.81
1.92
4.06
1.94
3.62
1.92
3.27
1.85
3.27
1.91
3.76
2.07
1 = 1.92
1 = 0.075
2 = 3.47
2 = 0.44
Resolucin
=
2 2
(0.44)2
=
(0.075)2
=
= 5.989
= 34,42
Por lo tanto : 0 : 1 2 2 2
34,42
>
5.989
(1 2 )
1 2 2 2
1 + 2
(3.47 1.92)
(0.44)2 (0.075)2
+
6
7
>
2.57
0.442 2
0.0752 2
(
)
( 7 )
6
+
(7 + 1)
(6 + 1)
= 5 95%
= 2.57
= 8.52
8.52
(0.075)2 (0.44)2
+
7
6
1 : 1 2
COMPARACIN DE
VARIAS MEDIAS
X1=X2=X3=X4.
X1X2X3X4.
Mtodo 1
Este mtodo analiza el error aleatorio y del factor presentes
dentro de las muestras y fuera de las muestras respectivamente
a travs de las siguientes ecuaciones:
CLCULO DE LA VARIANZA DENTRO DE LA MUESTRA O ERROR
ALEATORIO:
1.1 calculo de varianza de cada una de las muestras:
Grados de libertad:
gl= n-1 + n-2 + n-3 + ..n-i
Numero total de
medias a analizar
-1
Grados de libertad:
gl= h - 1
Mtodo 2
Para este mtodo se puede utilizar una tabla:
Variacin
Grados de
libertad (gl)
Suma de
Cuadrados (SC)
^2=Cuadrado
Medio (CM)
F experimental
F Terica
Error
Dentro de
muestra
N-h
SCE=CME*glE
^2Error=CME
^2Error/^2Factor
Se la
encuentra
en tablas.
Factor
Entre
muestras
h-1
SCF=CMF*glF
^2Factor=CMF
Total
N-1
SCT=SCF+SCE
De la tabla anterior:
N= # total de datos.
h= # de muestras.
Formulas:
Medias repetidas
Media
A Recin preparada
102
100
101
101
Oscuridad
101
101
104
102
Luz tnue
97
95
99
97
Luz brillante
90
92
94
92
Media global:
98
2 =
2 =
2 =
2 + 2
1+3+ 4+4
2
2 =
=
3
=
4
g.l = 1 1 + 2 1 + + ( 1)
g.l = 3 1 + 3 1 + (3 1) + 3 1 = 8
)
+
(
)
+
+
(
2 =
1
2 + (100 101)2 + (101 101)2
(102
101)
2 =
=1
31
2
2 =
2 =
=3
+ 2 + 2 + 2
2
2 =
=
3
=
4
g.l = 1 1 + 2 1 + + ( 1)
g.l = 3 1 + 3 1 + (3 1) + 3 1 = 8
62,01
3
= 20,67
= 4,06
g.l (numerador): 3
g.l (numerador): 8
Como acepto Hi, las medias difieren unas de otras, lo que demuestra que el
efecto factor en este caso el almacenamiento si afecta los resultados.
Efecto
Dentro de
muestras
Grados de libertad
N-h
Suma de
cuadrados (SM)
2 = C.M =
20,67
S.C = C.M x g.l
12 -4 = 8
S.C = 3 X 8 = 24
h -1
4-1=3
S.C = 20,67 X 3 =
62,01
Entre muestras
N-1
Total
12 - 1 = 11
Cuadrados medios
F.
(C.M)
experimental
2 = C.M = 3
2 = C.M = 20,67
F.
tabulad
o
Hi : X1 X2 X3
Ho : X1 = X2 = X3
Concentraciones
63
61
62
62
57
56
56
56,3
50
46
48
57
54
59
56,7
55,8
=
2
1
2
2
=1
(5048)2 +(4648)2
=
2
2
4
2
3
1+2+8+6,3
4
= 4,3
8
6,3
gl= (1 1) + (1 1) + (1 1)
gl= 7
( )2
1
2 = 2
2 = 33,37 * 2,8
2 = 93,5
= 33,37
3+3+2+3
= 2,8
4
93,5
= 21,74
4,3
21,74
2
= 2
1
=3
=7
>
4,347
Grado de
libertad
(gl)
Error dentro
de muestra
Nh
11- 4 = 7
SC
CM
F exp
CM * gl
4,3
*7
= 30,1
4,3
93,5
4,3 =
21,74
Factor o
entre
muestra
h1
4-1 = 3
93,5
*3
= 280,5
F tab
93,5
>
4,347
Hi : se acepta, no es lo
mismo
tomar
la
concentracin el da 1 que
el 4 da.
Ho : se rechaza
n1
n2
n3
102
100
101
101
101
101
104
102
97
95
99
97
90
92
94
92
T = 98
Fuente de
variacin
gl
SC
CM
Factor
186
62
Error
24
11
40
Ho: 1 = 2 = 3 = 4 (rechazo)
H1: 1 2 3 4 (acepto)
Fexp
20.6
Ftab
>
4.06
2 1
2 2
(. . )
2 2
2 2
Iguales valores de n:
Diferentes valores de n:
=
1
1
1
+
+
1 2 3
2 3
3
= 2.31 2
= 3.27
DMS
1)
2 - 1
2)
2 - 3
3)
2 - 4
4)
1 - 3
5)
1 - 4
6)
3 - 4
No Significativo
2 = 1
Si Significativo
2 3
Si Significativo
2 4
Si Significativo
1 3
Si Significativo
1 4
Si Significativo
3 4
(2 = 1) 3 4
Medias iguales
Proximo al DMS
No Significativo
1 < 2.5
No Significativo
5 > 2.5
Si Significativo
5 > 2.5
Si Significativo
10 > 2.5
Si Significativo
10 > 2.5
Si Significativo
4 > 2.5
Si Significativo
4 > 2.5
Si Significativo
9 > 2.5
Si Significativo
9 > 2.5
Si Significativo
5 > 2.5
Si Significativo
5 > 2.5
Si Significativo
Acepto el dato
Segundo caso
Primer caso
x
4%
7%
10
80
16%
14
140
20%
12
4%
8%
40
16%
20%
Medios
diferentes
: 1 = 2 = 3 = 4 ( rechazo)
1 : 1 2 3 4 ( acepto)
1 : 1 2 3 4
x
70C
120
80C
160
90C
170
100C
190
y= ax+b
r= 0
( )( )
=
( )2 ( )2
= +
a= pendiente de
la recta
( )( )
=
( )2
=
b
Concentracin
2,1
0
5
2
9
4
12,6
17,5
21,0
24,7
10
12
Xi
Yi
(Xi X )
(Xi X )
(Yi - Y)
2,1
0-6=-6
36
2,1-13,13=-11,03
2-6=-4
16
4-6= -2
12,6
121,66
-6 * -11,08= 66,18
5-13,13= -8,13
66,1
9-13,33= -4,13
17,06
6-6=0
12,6-13,33=-0,53
0,28
0*-0,53 = 0
17,5
8-6=2
17,5-13,33=4,37
19,1
2* 4,87 = 8,74
10
21,0
10-6=4
16
21,0-13,13=7,87
61,94
4* 7,87 = 31,41
12
24,7
12-6=6
36
24,7-13,13=11,57
133,9
6* 11,57 = 69,42
42
91,9
me
dia
13,1
3
112
420,01
216,6
(Xi X )(Yi Y)
(Xi X )2 (Yi Y) 2
=
216,6
112420,01
r= 0,999
b = y ax
b = 13,13-1,93(6)
b = 1,55
(Xi X )(Yi Y)
(Xi X )
216,6
112
a= 1,93
(pendiente de la recta)
y = 1,93x + 1,55
I= 1,93 C + 1,55
=
11,4 1,55
1,93
C= 5,10+- 1,55
2
3
4
5
X= C
0
Y= I
2,1
y= ax + b
2,1= a(0) + b
x0
5= a(2) + b
x2
10= 4 a + 2b
9= a(4) + b
x4
36= 16 a + 4b
12,6= a(6) +b
x6
75,6= 36 a + 6b
x8
140 = 64 a + 8b
10
12
768= 364 a + 42 b
(I) 91,9 = 42 a + 7b
768,0 = 364 a + 12b
-551,4 = -252 a 42 b
768702,52
b=
42
216,6 = 112 a
b= 1,55
a=
216,6
112
a= 1,93
n1
Concentracin
Muestra=
0.308
Mg/ml
0
Absorvancia
0,003
n2
5
n3
10
n4
15
n5
20
n6
25
n7
30
0.127
0.251
0.390
0.498
0.625
0.713
CALCULO DE r
r= 0.999
CLCULO DE a
CLCULO DE b
2. SEGUNDO MTODO
X
0.003
0.127
10
0.251
15
0.390
20
0.498
25
0.625
30
0.763
57.47=2275a +105b
Oro aadido
mg/ml de
muestra
concentrada
10
20
30
40
50
60
70
Absorbancia
0. 257
0.314
0.364
0.413
0.468
0.528
0.574
0.635
( )
( )
( )
( )
( )
0.257
-35
1225
-0.187
0.035
6.545
10
0.314
-25
625
-0.13
0.017
3.25
20
0.364
-15
225
-0.08
0.006
1.2
30
0.413
-5
25
-0.031
0.0009
0.155
40
0.468
25
0.024
0.0005
0.12
50
0.528
15
225
0.084
0.007
1.26
60
0.574
25
625
0.13
0.017
3.25
70
0.635
35
1225
0.191
0.036
6.685
280
3.553
0.1194
22.465
35
0.444
4200
=
=
=
=
( )( )
( ) ( )
22.465
= .
(4200)(00.1194)
( )( )
( )
22.465
4200
= .
=
= 0.444 0.005(35)
= .
= +
= . + .
Concentracin de la
glucosa, mM
Absorbancia
10
0.002
0.150
0.294
0.434
0.570
0.704
( )
( )
( )
( )
( )
0.002
-5
25
-0.357
0.127
1.785
0.150
-3
-0.209
0.044
0.627
0.294
-1
-0.065
0.004
0.065
0.434
0.075
0.006
0.075
0.570
0.211
0.045
0.633
10
0.704
25
0.345
0.119
1.725
30
2.154
0.345
4.91
0.359
70
=
=
=
=
( )( )
( ) ( )
4.91
= .
(70)(0.345)
( )( )
( )
4.91
70
= .
=
= 0.359 0.07(5)
= .
= +
= . + .
LOGARITMOS
PROPIEDADES DE LOS
LOGARITMOS
ln 1 = 0
ln e = 1
ln = ln + ln
ln( ) = ln + ln
ln + xln
ln
= ln ln
ln
= ln ln
Dada la ecuacin:
=
= constante
= variable
=
=
ln = ln
ln = ln + ln
= +
= +
EJEMPLO
Dada la siguiente tabla de datos:
t
11
25
Calcular A y r
, = +
ln = ln + ln
0 = (ln = ln + 0 ln )
0 = (ln = ln + 0 ln )
0 = (ln = ln + 0 ln )
0 = (ln = ln + 0 ln )
ln = ln + ln
0 = (ln = ln + 0 ln ) = 0
2 = (ln = ln + 2 ln ) = 2,78 = 2 ln + 4 ln
4 = (ln = ln + 4 ln ) = 9,6 = 4 ln + 16 ln
7 = (ln = ln + 7 ln ) = 22,54 = 7 ln + 49 ln
34,92 = +
8,11 = 13 ln + 4 ln
8,11 = 13 0,32 + 4 ln
8,11 4,16
ln =
4
= 0,98
= 2,66
34,17
ln =
=
107
= 0,32
= 1,38
=
= 2,66 1,38
= ,
10
15
20
25
30
Absorbancia:
0.003
0.127
0.251
0.390
0.498
0.625
0.763
(yi-)
(yi-)2
1= 0.025(0)+0.005=0.005
(0.003-0.005)=-0.002
(-0.002)2= 4x10-6
2=0.025(5)+0.005=0.13
(0.127-0.13)=-0.803
(-0.803)2= 9x10-6
3=0.025(10)+0.005=0.255
(0.251-0.255)=-0.004
4=0.025(15)+0.005=0.38
(0.390-0.38)=-0.010
(-0.010)2= 1x10-4
5=0.025(20)+0.005=0.505
(0.498-0.505)=-0.007
(-0.007)2= 4.9x10-5
6=0.025(25)+0.005=0.63
(0.625-0.63)=-0.005
(-0.005)2= 2.5x10-5
7=0.025(30)+0.005=0.755
(0.763-0.755)=0.008
(0.008)2= 6.4x10-5
(yi-)2
2.67x10-4
= 12.12
.
= 12.12
t= 95%
gl= n-2
gl= 7-2 =5
t gl= 2,57
( )
=
+ +
( )
( )
/ =
2.67x10 4
Sy/x =
72
1/2
Sy/x = 5.3410 5
Sy/x = 0.0073
= .
.
= 12.12
2.57 (0.31)
= 12.12
0.80 /
1/2
X= 0.3080,005/0.025
12.12
m2= 0.314
X= 0.3140,005/0.025
12.36
m3=0.347
X= 0.3470,005/0.025
13.68
m4= 0.312
X= 0.3120,005/0.025
12.28
M=
12.61
S=
0.72
t95%
gl= n-1
gl = 4-1= 3
tgl= 3.18
=
= 12.61
= 12.61
3.180,72
4
1,14
10
20
30
40
50
60
70
Absorbancia
0.257
0.314
0.364
0.413
0.468
0.528
0.574
0.634
TABLA DE CLCULOS
CALCULO DE r
CLCULO DE a
CLCULO DE b
0.257
10
0.314
20
0.364
30
0.413
40
0.468
50
0.528
60
0.574
70
0.635
Despejamos el valor de a
Despejamos el valor de b
GRAFICAMOS LA RECTA
A=0,005C + 0,27
0.7
0.6
ABSORBANCIA
0.5
0.4
0.3
Series1
0.2
0.1
0
0
20
40
CONCENTRACION
60
80
LIMITE DE DETECCIN Y
CUANTIFICACIN
Es significativamente
diferente de la seal de una
muestra en blanco o seal
de fondo
Y= ax + b
X[(y=ax + b )]
0.257
0.257=0a + b
10
0.319
0.319=a10 + b
20
0.364
0.364=a20 + b
30
0.413
0.413=a30 + b
40
0.468
0.468=a40 + b
50
0.528
0.528=a50 + b
60
0.574
0.574=a60 + b
70
0.635
0.635=a70 + b
3.58=280a +8b
Y= ax + b
Y= 0.0054x + 0.25
Calculo de a y b
3.588=290a +8b (280)
146.83=1400a +280b (8)
-1004.64 =-78400a -2240b
1174.64=112000a + 22406
170=33600a
a= 0.0054
0.7
GRFICA
0.6
0.257
0.5
10
0.319
0.4
20
0.364
30
0.413
40
0.468
0.2
50
0.528
0.1
60
0.574
70
0.635
0.3
10
20
30
40
50
60
70
Es decir, se toman
volmenes iguales de
solucin problema, y se
les aade una
concentracin conocida
del analito que se
requiere saber, excepto a
una muestra de volumen
de solucin problema.
Ejercicio:
Se desea conocer la concentracin del in Na en una muestra de la
bebida Gatorage.
Resolucin:
0
Gatorade
10
15
20
25
30
ppm Na
Absorbancia
Concentracin de
Na puro
Muestra
0
ppm Na
5
ppm Na
10
ppm Na
15
ppm Na
20
ppm Na
25
ppm Na
30
ppm Na
0,32
0,41
0,52
0,60
0,70
0,77
0,89
x = concentracin de Na (Sodio)
Y = absorbancia
Y= 0,018 x + 0,322
La grfica:
Ecuacin que rige :Y= 0,018 x + 0,322
1
m +30
0.9
0.8
Absorbancia
m +25
m +20
0.7
m +15
0.6
0.5
m +10
0.4
m +5
0.3
0.2 +0
m
0.1
0
0
10
15
20
Concentracin de Na en ppm
25
30
35
X= ?
+ =
Y sabemos que t de
student al 95% de
confianza y con 5
grados de libertad es
igual a 2,57.
t de student
gl= n-2 ; son los
grados de libertad al
95%
n= al nmero de
muestras realizadas,
en este caso 7; por
ende gl=7-2=5.
Calculamos
Empezando por
)2
(
2
0,2439
=
72
= ,
Al final
+ 2
( )2
2
0,1094 1
0,60
=
+
0,0018 7 0,00182 700
= ,
+ = 17,88 1.8 +
2 1/2
1/2
= /
Ejercicio:
El nivel de plomo de 10 muestras de jugos de fruta se determin
por un nuevo mtodo de anlisis potencimetro de disolucin
(ARP) empleando un electrodo de carbono verificado y los
resultados fueron comparados con los obtenidos mediante la tcnica
de absorcin atmica, se obtuvieron los resultados (ug/ml)
determinar si los mtodos son diferentes o no.
Muestra
MEAA
MAPR
1
35
35
2
75
70
3
75
80
4
80
80
5
125
120
6
205
200
7
205
220
8
215
200
9
350
330
x
y
300
250
APR
200
150
100
50
0
0
50
100
150
200
EAA
APR Vs. EAA
250
300
350
400
Muestra
MEAA
MAPR
=
1
35
35
/
= 0,0357
r= 0,9945
gl= 10-2
t= 2,31
a= 0,963 t*Sa
a= 0,963
0,082467
b= 3,87 t*Sb
b= 3,87
15,3384
2
75
70
3
75
80
2 1/2
=
4
80
80
5
125
120
6
205
200
7
205
220
8
215
200
9
350
330
x
y
1/2
2
= 6,64
a= 0,963 0,082467
a= 1,045467
a= 0,880533
b= 3,87 15,3384
b= 19,2084
b= -11,4684
EJERCICIOS :
Datos:
= 140 (peso de estudiantes UCE )
= 20
Z=
Z=
150 140
20
Z= 50
REA = 0,6915
REA = 69,15%
TABULADO
120 140
20
Z= -1,0
80
REA = 0,1587
REA = 15,87%
100
120
140
160
180
200
170 140
20
1= 1,5
2=
130140
20
2= - 0,5
= 0,9332
= 0,3085
, 170 = 93,32%
2
, 130 = 30%
80
100
120
140
160
180
200
Ejercicio
La resistencia de unas varillas obtenidas por determinado
proceso tiene una distribucin, con una media x de 24 y un
de 3, el cliente necesita que al menos el 95% de las varillas
tenga una resistencia de 20
DATOS
:24
:3
x: 20
A>/95%
5%
Z= X1-
Z= 20-24
3
Z= -1,33
1.4
1.43
1.46
1.52
Limite de especificacin
1.3751.433
0.033
= -1.76
1.5451.433
0.033
= 3.39
LA DISTRIBUCIN BINOMIAL:
Llamamos experiencia aleatoria dicotmica a aquella
que slo puede tener dos posibles resultados A y A'.
Usualmente A recibe el nombre de xito, adems
representaremos como p = p(A) y q = 1-p=p(A').
A la funcin de probabilidad de una variable aleatoria
X resultado de contar el nmero de xitos al repetir n
veces una experiencia aleatoria dicotmica con
probabilidad de xito p la llamamos distribucin
binomial y la representamos por
B (n, p)
Para esta distribucin se verifica que, la variable X
puede tomar los valores:
0, 1, 2, ... , n
y que la variable toma cada uno de estos valores con
probabilidad
Propiedades
La muestra se compone de un nmero fijo de observaciones n
Cada observacin se clasifica en una de dos categoras,
mutuamente excluyentes (los eventos no pueden ocurrir de
manera simultnea. Ejemplo: Una persona no puede ser de
ambos sexos) y colectivamente exhaustivos (uno de los eventos
debe ocurrir. Ejemplo: Al lanzar una moneda, si no ocurre cruz,
entonces ocurre cara). A estas categoras se las denomina xito y
fracaso.
La probabilidad de que una observacin se clasifique como xito,
p, es constante de una observacin o otra. De la misma forma, la
probabilidad de que una observacin se clasifique como fracaso,
1-p, es constante en todas las observaciones.
La variable aleatoria binomial tiene un rango de 0 a n
Caractersticas
Una distribucin binomial o de Bernoulli tiene las
siguientes caractersticas:
1. En cada prueba del experimento slo son posibles
dos resultados: xito y fracaso.
2.La probabilidad de xito es constante, es decir, que
no vara de una prueba a otra. Se representa por p.
3.La probabilidad de fracaso tambin es constante, Se
representa por q,
q=1p
3.El resultado obtenido en cada prueba es
independiente
de
los
resultados
obtenidos
anteriormente.
5.La variable aleatoria binomial, X, expresa el nmero
de xitos obtenidos en las n pruebas. Por tanto, los
valores que puede tomar X son: 0, 1, 2, 3, 4, ..., n.
La distribucin bimomial se expresa por B(n, p)
ECUACION
() =
!
! !
Donde
=Probabilidad de X xitos, dadas
n = Nmero de observaciones
p = Probabilidad de xitos
1-p = Probabilidad de fracasos
X = Nmero de xitos en la muestra ( = 0, 1, 2, 3,
4, )
Ejemplo
En una moneda probabilidad que me caiga sello o
cara.
n=10; p=0.5; q=1-p=0.5; x=2
!
() =
! !
(2) =
10!
2! 102 !
0.52 10.5102
!
! !
(5) =
10!
5! 105 !
(5) = 0.21=21%
0.55 10.5105
10!
! 10 !
10!
2! 102 !
0.5 10.5 +
0.52 10.52
= 0.0597= 5.97%
+(2)
10!
1! 101 !
0.51 10.51 +
10!
! 10 !
0.5
10.5
(<2) =0.0109=10%
1
10!
1! 101 !
0.51 10.51
3) Probabilidad de que me
salgan
mas
de
dos
=
+
+
+
+
(2)
10
= 1-(<2)
X=0 x=1 x=2 x=3 x=4 x=5 x=6 x=7 x=8 x=9 x=10
?
P=0.85
(<2) = 1- X=0 x=1
= 1-0.0109
= 0.99
= 1-
= 0.99
=0
=1
5) (2)
a) =3 + =4 + =5 +
=8 + =9 + =10
b) 1- (2)
1- 0.0597=0.94
=6
=7
6) 3x5
3x5 =
=3
7) 3 < x 5
3<x5 =
=4
8) 3 x < 5
3x<5 = =3 +
9) 3 < x < 5
3<x<5 =
=4
=4
=5
=4
=5
EJERCICIO N1
La produccin de lmparas es continua y tiene una fraccin de no conformes de 0.725.
Un cartn es aceptado si una muestra de 4 no contiene cartones y esta aceptada cual es
la probabilidad de aceptar esas 4 cajas
n=4
p= 0.125
x=0
4!
=
0.125 1 0.125
0! 4 0 !
=0
=0
=0
4!
0.125 0.875
0! 4 0 !
= 0.586100% = . %
40
40
EJERCICIO N2
La empresa JBC dice en una campaa publicitaria que no ms de cada cliente llama a
reclamar, para comprobar esto se toma una muestra de 20 clientes y resulta que 4 de
ellos haban llamado a reclamar, esto destruye lo enunciado de la empresa JBC s o no
1
=
= 0.1
10
= 20
=4
= 1 0.1 = 0.9
=4
20!
=
0.1
4! 20 4 !
=4
0.9
= 0.09100% = %
204
EJERCICIO N3
En una fbrica de cmaras de fotos el 5% de productos sale defectuoso, a) determine
la probabilidad de que en una muestra de 10 cmaras se encuentran hasta 2 cmaras
defectuosas, en esa muestra, b) se encuentran 2 cmaras defectuosas, c) se
encuentran ms de 2 cmaras defectuosas, d) se encuentran de 2 a 3 cmaras en la
muestra de 10
= 0.05
= 1 0.05 = 0.95
= 10
a)
10!
=
0.05 2 0.95 10
0! 10 0 !
10!
+
0.05 1 0.95 9
1! 10 1 !
10!
+
0.05 2 0.95 8
2! 10 2 !
= 0.9885100% = . %
b)
=2
10!
0.05
2! 10 2 !
0.95
10
= 0.0745100% = . %
=2
c)
>2
>2
>2
=1
= 1 0.9885 = 0.0115
= 0.0115100% = . %
d)
23
= 7.4 +
23
23
10!
0.05
3! 10 3 !
0.95
EJERCICIO N 4
Un 10% producido en un producto de fabricacin sale de
defectuoso. Hallar la probabilidad que en una muestra de 50 se
encuentren dos defectuosas
50 l
Datos:
2 (0.9)48
(0.1)
2l 502 l
p= 10% -> 0.1
p(x=2)=0.078 -> 7.8%
n= 50
x ex
q= 0.9
Poisson= 2l
Poisson=0.084 -> 8.4%
Poisson=
(500.1)2 e(500.1)
2l
Poisson=0.084 -> 8.4%
Binomial
p(x=2)=
EJERCICIO N5
p(x=2)=(np)x
e(n.p)
xl
e(16)
p(x=2)=(16)2 2 l =1.4x105
= 0.02x800= 16
x> 4
e(16)
e(16)
p(x 2)=(16)2 0 l +(16)1 1 l +1.4x105
p(x2)=2.88x105 +2.88+1.4x105
p(x2)=1x106
p(x>
4)=p(x=5)+p(x=6)+.+p(x=799)+p(x=800)
p(x> 4)=1-p(x4)
p(x> 4)=1-p(x=0)+p(x=1)+p(x=2)+p(x=3)
+p(x=4)
EJERCICIO N6
Se lanza una moneda 10 veces a la probabilidad de que salga cara 70% cual es la
probabilidad de que salgan cuatro caras o menos
Datos:
p= 70% -> 0.7
n= 10
q= 0.3
x4
p(x 6)=p(x=0)+p(x=1)+p(x=2)+p(x=3)+p(x=4)
10 l
10 l
p(x6)=0l 100 (0.7)0 (0.3)10 + 1l 101 l (0.7)1 (0.3)9 +
10 l
10 l
10 l
(0.7)2 (0.3)8 +
(0.7)3 (0.3)7 +
(0.7)4 (0.3)6 +
2l 102 l
3l 103 l
4l 104 l
10 l
(0.7)5 (0.3)5
5l 105 l
Distribucin de Poisson
n>50
p<10%
P(x)=
x ex
xl
media= = n.p
=
e(n.p)
P(x)=(np)x
xl
Binomial n<50
p>10%
media= n.p
= npq
DISTRIBUCION DE POISSON
=
!
0
< 10%
Medio h
=
Normal
40% 60%
=
Ejercicio N1
En un proceso productivo se produce el 2% si
se produce 200 productos cual es la
probabilidad de encontrar 2 productos
defectuosos
a)
= 2% = 0.02
= 800
=2
=
= 8000.02
=2 =
8000.02
8000.02
2!
= 2 = .
2 =
8000.02
8000.02
0!
8000.02
+
1!
8000.02 2
+
2!
2
8000.02
8000.02
2 = .
c)
>4 =1 4
>4 =1
0.000001
8000.02 3
+
3!
8000.02
8000.02 4 8000.02
+
4!
> 4 = 1 0.0004
> 4 = .
EJECICIO N2
- El 10% de producto producido en un proceso de fabricacin
sale defectuoso, hallar la probabilidad que en una muestra de
50 se encuentren 2 defectuosos.
a) Realizar por el mtodo de distribucin binomial
b) Realizar por el mtodo de poisson
p= 10%
0,1
n = 50
x= 2n
Binomial
Poisson
P(x=2)
EJERCICIO N3
- Cada hora se producen 2.5 teclados defectuosos de
promedio, determine la probabilidad que en la siguiente
hora se produzcan mas de 4 teclados defectuosos.
EJERCICIO N4
a)
b)
c)
d)
e)
f)
g)
EJERCICIO N5
P= 5
n= 205
=n x p
= 0.0063
= 0.63%
INTRODUCCIN A PLANES DE
MUESTREO
Poison
Binomi
al
La distribucin
binomial se aplica
cuando n es
pequea
La distribucin de
Poisson se aplica
cuando n es mayor
al 50% y menor al
10%
Ejercicio
N1Proveedor
Cliente
P (Fraccin
de
defectuoso
)
3%
7%
10%
8%
Precio
Unidad
$ 1.10
$1.00
$0.90
____
5%
5%
5%
____
_____
______
______
10%
Poisson:
=n x
p
Proveedor: = 0.05
Cliente: = 10%
P (acepta)
0.1
= 0.95
X= 0
X= 0
X= 1
X= 9
X= 1
X= 9
CHI CUADRADO X2
2 = = 1
1 = 32
12 + 22
2 ~ 22
3 = 12 + 22 + 32 = ~ 32
Grados de
libertad
totales
PROPIEDADES DE CHI
CUADRADO
APLICACIONES:
1) Es sesgada hacia la derecha
2) Conforme aumenta los grados de libertad tiende a ser una curva
normal
1) Composicin de dos variables cualitativas
2) S2 ------ 2 Estimar al varianza poblacional a partir de la
varianza de una muestra
S2 ------
EJERCICIO N1
tratamientos
peor
igual
Mejor
Tratamiento 1
28
115
150
Tratamiento 2
15
20
85
120
Tratamiento 3
10
30
10
130
Tratamiento 4
40
115
160
37
118
405
560
Se tiene 2 hiptesis:
1.- Ho: variable es independiente de la variable
tratamiento
2.- Hi: variable efecto si depende del tratamiento
X experimental > X tabulada
Cuando pasa esto se rechaza la hiptesis nula
F2.1=
120 37
560
= 31.6
F2.2=
120 11.8
560
= 25.23
= 108.41
F2.3=
120 405
560
= 86.78
F1.1=
150 37
560
F1.2=
150 11.8
560
F1.3=
150 405
560
F3.1=
130 37
560
F3.1=
130 11.8
560
F3.3=
130 405
560
= 9.91
= 8.59
= 9.93
F4.1=
160 37
560
= 27.39
F4.2=
160 11.8
560
= 33.71
= 94.02
F4.3=
160 405
560
= 115.21
= 10.57
X2 experimental =
( )
Fo: frecuencia
= 13.87
observada
Fe: frecuencia
esperada
gl= ( 1)( 1)
gl= (4 1)(3 1)
gl= 3 2 = 6
=
0.05
X
EJERCICIO N2
Un distribuidor regional de sistemas de aire
acondicionado ha subdividido la regin en cuatro
regiones, a un posible comprador de la
distribuidora se le dice que las instalaciones del
equipo tiene una distribucin aproximadamente
igual en los cuatro territorios. El posible
comprador toma los archivos de la compaa y
toma una muestra de 40 instalaciones, realizadas
en el ultimo ao y determina que el nmero de
instalaciones en los cuatro territorios se indican
en la tabla como frecuencia observada y tambin
se ha determinado las frecuencias esperadas que
se indican en la tabla:
Tipo de frecuencia
Territorio
Total
# instalaciones en la muestra
(fo)
40
# Esperado de instalaciones
(fe)
10 10 10 10
40
12 14
Resolucin
2
)
(610)2
2
=
10
(810)2
10
2
=4
(1210)2
10
(1410)2
10
= 54,57
2
2
<
por lo tanto se acepta H0 en donde se
afirma que las reparaciones no
dependen del territorio.
EJERCICIO N3
Una compaa embotelladora de gaseosas quiere hacer una diferencia acerca de la
variabilidad de llenado de las botellas. La compaa tiene maquinas que llenan botellas
de 1 litro, se necesita calcular la desviacin estndar en la cantidad de gaseosa, la
cantidad es importante pero una cantidad media concreta no garantiza que la maquina
funcione bien, si la varianza es muy grande se derrama el lquido, y si la varianza es
muy pequea no se llena la botella.
Se quiere que la varianza no sobrepase 0,0004 y para verificar se toma una muestra de
28 botellas y se determina la varianza que es de 0,0007.
Grfica
EJERCICIO N4:
Un fabricante afirma que un qumico fotogrfico tiene una vida en anaquel que sigue
una distribucin normal en torno a una media de 180 das con una desviacin estndar
de no ms de 10 das, un usuario de este qumico est preocupado que la desviacin
estndar puede ser ms de 12 das. Tome una muestra de 12 das y calcule la
desviacin estndar. Trabajar al 95 % y determinar si la desviacin estndar es igual o
diferente.
Grfica
EJERCICIO N5
Ciclo medio de un foco de 4000 horas con desviacin estndar 200
horas se supone que los ciclos siguen una distribucin normal
supongamos que se establecido que la desviacin estndar no es mayor
a 150 horas se tomo una muestra de 10 focos cuya desviacin estndar
es de 200 horas
Datos:
=150h
m=10
S=20
Ho
:
Hi: 150
=3.3251
Ho: acepto
Hi: rechazo