Cifras significativas, propagacin de errores y tratamiento estadstico

de resultados

Prctica
N1

Ing. Ambiental-UNJFSC
2015

Contenido
CIFRAS SIGNIFICATIVAS, PROPAGACIN DE ERRORES Y TRATAMIENTO
ESTADSTICO DE RESULTADOS
Objetivos ...................................................................................................2
Fundamento teorico ...................................................................................2
Materiales y equipo ....................................................................................9
Analisis de resultados y calculos................................................................10
Recomendaciones ....................................................................................16
Conclusion ...............................................................................................16

Anlisis Instrumental- Practica N 1

PRCTICA N1: CIFRAS SIGNIFICATIVAS, PROPAGACIN DE

ERRORES Y TRATAMIENTO ESTADSTICO DE RESULTADOS
I.

OBJETIVOS.

a. Determinar las cifras significativas experimentales, propagacin de errores y el

tratamiento estadstico de los resultados.
b. Adquirir habilidad en el uso y aplicacin de las herramientas estadsticas de
naturaleza aleatoria.
II.

FUNDAMENTO TERICO.

Cifras Significativas

Anlisis Instrumental- Practica N 1

El nmero de cifras significativas es el mnimo nmero de dgitos necesarios para

escribir un valor dado en notacin cientfica sin perder exactitud. Otra forma de
definir lo que son las cifras significativas de una determinada medida es el nmero
de dgitos conocidos con certeza ms el primero incierto. 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 9,60 ni con 9,70 de forma exacta, es necesario
estimar el valor de la segunda cifra decimal. Suponiendo que se estima 0,008, 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 slo la coma decimal no son significativos: 0,03022 L, sigue
teniendo 4 cifras significativas.
- Los ceros al final del nmero pueden ser significativos o no: Si se expresa el
volumen de un vaso como 2,0 L, la presencia del cero indica que el volumen se

Anlisis Instrumental- Practica N 1

conoce hasta unas dcimas de litro, por lo que ese 0 es significativo. Si este mismo
volumen lo expresamos como 2000 mL, 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 104 tres cifras significativas.

9,250 x 104 cuatro cifras significativas.

9,2500 x 104 cinco cifras significativas.

Habra que indicar slo uno de estos tres nmeros. Se plantea ahora la cuestin de
cuntos dgitos deben mantenerse en un resultado tras hacer operaciones
aritmticas:

Anlisis Instrumental- Practica N 1

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 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.

Propagacin de Errores.

Anlisis Instrumental- Practica N 1

En la mayora de los trabajos experimentales es necesario hacer operaciones

aritmticas con varios nmeros, 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 anulen 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:

Donde S1, S2 y S3 son las desviaciones estndar de los trminos de la operacin (en
este caso concreto tres trminos) y S4 es la desviacin estndar del resultado de la
operacin.

Anlisis Instrumental- Practica N 1

En las operaciones de multiplicacin y divisin, lo primero que hay que hacer es

expresar todas las incertidumbres relativas en porcentaje. Seguidamente el error del
producto o cociente se calcula segn la ecuacin siguiente:

Seguidamente a partir de %s4 se puede obtener S 4.

Tratamiento Estadstico de Resultados.

7

Anlisis Instrumental- Practica N 1

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.
o

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 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

Anlisis Instrumental- Practica N 1

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.
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

Anlisis Instrumental- Practica N 1

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

10

Anlisis Instrumental- Practica N 1

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:

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.
o

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

11

Anlisis Instrumental- Practica N 1

utilizar para calcular la probabilidad de que el recuento de glbulos rojos en un

paciente se encuentre dentro del intervalo normal.
o

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

12

Anlisis Instrumental- Practica N 1

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 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

13

Anlisis Instrumental- Practica N 1

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.
o

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

14

Anlisis Instrumental- Practica N 1

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?

15

Anlisis Instrumental- Practica N 1

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.

16

Anlisis Instrumental- Practica N 1

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

17

Anlisis Instrumental- Practica N 1

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%.
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.

18

Anlisis Instrumental- Practica N 1

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 combinada mediante la
ecuacin correspondiente y seguidamente el valor de t calculada, que se comparar 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 t calculada > ttabulada, afirmaremos
que existen diferencias significativas al nivel de confianza del 95% entre los
resultados obtenidos mediante los dos mtodos.

19

Anlisis Instrumental- Practica N 1

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 t calculada > ttabulada (al 95%de nivel de confianza)
afirmamos que entre las dos tcnicas existen diferencias significativas al nivel de
confianza citado.
o

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 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

20

Anlisis Instrumental- Practica N 1

mtodos comparados s presentan desviaciones

diferentes al nivel de confianza del 95%.
o

estndar

significativamente

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.

21

Anlisis Instrumental- Practica N 1

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 Q calculada > 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.

Materiales:

22

Anlisis Instrumental- Practica N 1

Moneda de 20 Cntimos

Pallares

Caractersticas
Esta moneda cuenta en el reverso con
diseos encontrados en la ciudadela
precolombina de Chan Chan ubicada en
la ciudad de Trujillo, al norte del Per. En
el anverso lleva el Escudo de Armas del
Per y alrededor la leyenda BANCO
CENTRAL DE RESERVA DEL PER y el
ao de acuacin.
Aleacin: Latn
Dimetro: 23.00mm
Espesor: 1.40mm
Peso: 4.40gr
Borde: Liso
Caractersticas

23

Anlisis Instrumental- Practica N 1

Nombre comn: Pallar

Nombre tcnico: Pallar
Unidad de medida: kilogramo
Descripcin general: Es la menestra o
leguminosa nativa de Per pertenece al
gnero Phaseolus lunatus, tiene forma de
rin. El pallar tiene la ventaja de ser
menos grasoso y ms almidonado que el
comn de leguminosas.
Forma: De rin u ovalada, aplanada
Tamao: Entre 5 y 7 mm de dimetro
Color : Blanco cremoso y verdoso
Textura : Dura
Clavos

Caractersticas

24

Anlisis Instrumental- Practica N 1

Un clavo o puntilla es un objeto delgado y

alargado con punta filosa hecho de un
metal duro (por lo general acero),
utilizado para sujetar dos o ms objetos o
ms objetos.

Equipo:

25

Anlisis Instrumental- Practica N 1

Balanza Analtica

La balanza es un instrumento que sirve

para medir la masa de los objetos. Es
una palanca de primer gnero de brazos
iguales que, mediante el establecimiento
de una situacin de equilibrio entre
los pesos de
dos
cuerpos,
permite
comparar masas.
Para
realizar
las
mediciones se utilizan patrones de masa
cuyo grado de exactitud depende de
la precisin del instrumento. Al igual que
en una romana, pero a diferencia de
una bsculao
un dinammetro,
los
resultados de las mediciones no varan
con la magnitud de la gravedad.El rango
de medida y precisin de una balanza
puede variar desde varios kilogramos
(con precisin de gramos), en balanzas
industriales y comerciales; hasta unos

26

Anlisis Instrumental- Practica N 1

gramos (con precisin de miligramos) en

balanzas de laboratorio.

IV.

ANLISIS DE RESULTADOS Y CLCULOS

CLAVOS DE PULGADA

27

Xi

(x- xx )

0.127

1.089x10-5

0.129

0.128

5.29X10-6

0.134

1.369X10-5

0.124

3.969X10-5

0.131

4.9X10-7

0.124

3.969X10-5

0.134

1.369X10-5

0.136

2.249X10-5

10

0.132

2.89X10-6

11

0.132

2.89X10-6

12

0.131

4.9X10-7

13

0.137

4.489X10-5

14

0.127

1.089x10-5

15

0.128

16

0.133

5.29X10-6
Hallando
7.29X10-6

17

0.125

2.809X10-5

18

0.139

7.569X10-5

19

0.133

7.29X10-6

20

0.133

7.29X10-6

21

0.133

7.29X10-6

22

0.133

7.29X10-6

23

0.135

2.209X10-5

24

0.126

1.849X10-5

25

0.123

5.329X10-5

26

0.132

2.89X10-6

27

0.119

1.2769X10-4

28

0.131

4.9X10-7

(x- xx )

4.249

0.002342

4.338

0.001648
36

4.341

0.001900
96

4.275

0.000501
76

4.125

0.029721
76

4.325

0.000761
76

4.309

0.000134
56

4.272

0.000645
16

4.325

0.000761
76

10

4.375

0.006021
76

4.365

0.004569
76

12

4.359

0.003794
56

13

4.306

0.000073
96

N=40

Intervalo de confianza
11=83%
Interpolando obtenemos:

para un nivel de confianza = 83%

29

0.129

1.69X10-6

30

0.133

7.29X10-6

31

0.132

2.89X10-6

32

0.131

4.9X10-7

33

0.131

4.9X10-7

0.133

Xi

Anlisis
Instrumental- Practica N
1
56
1.69X10-6

34

7.29X10-6

14

4.305

0.000057
76

15

4.298

0.000000
36

16

4.243

0.002959
36
Hallando

MONEDAS DE
20 CENTIMOS

17

4.264

0.001115
N=20
56

18

4.382

0.007157
Interpolando
obtenemos:
16

19

4.211

0.007464
96

20

4.281

0.000268
96

N= 20

85.948

0.07190
28

Intervalo de confianza =83%

28

Anlisis Instrumental- Practica N 1

para un nivel de confianza = 83%

29

Anlisis Instrumental- Practica N 1

Hallando
PALLARES

N=40
Intervalo de confianza =83%
Interpolando obtenemos :

30

Xi

2.429

(x- xx )
0.030345
64
Anlisis

2.058

0.038730
24

2.137

0.013876
84

2.272

0.000295
84

2.355

0.010040
04

2.641

0.149150
44

2.701

0.199094
44

2.114

0.019824
64

2.186

0.004733
44

10

2.435

0.032472
04

11

2.062

0.037171
84

12

2.199

0.003113
64

13

2.444

0.035796
64

14

3.085

0.689232
04

15

2.079

0.030905
64

16

2.246

7.744E05

17

2.243

0.000139
24

18

1.981

0.074966
44

19

2.821

0.320582
44

20

2.358

0.010650
24

21

2.03

0.050535
04

Instrumental- Practica N 1

para un nivel de confianza = 83%

V.

RECOMENDACIONES

31

Anlisis Instrumental- Practica N 1

VI.

Tener en orden el lugar en donde se trabajara.

Antes de comenzar a usar la balanza se tiene que tarar. Porque de lo

contario la toma de las medidas de las muestras se alteraran, por lo
consiguiente el resultado final del experimento ser 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 afectada.

CONCLUSIN

32

Anlisis Instrumental- Practica N 1

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 prctica hoy ya contamos con la habilidad
necesaria para usar las herramientas estadsticas de naturaleza aleatoria, que
sern muy tiles en nuestra vida profesional.

33