UNIVERSIDAD NACIONAL DE INGENIERA

Facultad de Ingeniera Qumica y Textil

REA ACADMICA INGENIERA QUMICA

INFORME DE LABORATORIO N1
LABORATORIO DE ANLISIS QUMICO CUANTITATIVO
QU-527/A
TRATAMIENTO ESTADISTICO DE DATOS EXPERIMENTALES

Realizado por:
MARCA SALCEDO, JUNIOR
ARTEAGA OROSCO, JOS

N DE GRUPO:2

Nombre del profesor del curso:

ING. PEREZ GALVEZ JOSE VICTOR
ING. PAUCAR CUBA KARIN MARIA
Fecha de realizacin del laboratorio:

25/08/2014

Fecha de entrega del informe:

01/09/2014

2014

TRATAMIENTO ESTADISTICO DE DATOS EXPERIMENTALE

1. Teora de errores
1.1. Definicin de Error
El error puede definirse como la diferencia entre el valor medido o
calculado y el real (valor aceptado).Cualquier medida siempre lleva
asociado algn error. No hay modo de medir el verdadero error de
nada .Lo que mejor se puede hacer en un anlisis qumico es aplicar
cuidadosamente una tcnica que la experiencia nos dice que es fiable.
1.2. Precisin y exactitud
La precisin es una medida de la reproducibilidad de un resultado. Si
se mide una cantidad varias veces y los valores concuerdan mucho
entres si, se dice que la medida es precisa. Si los valores varan
mucho, la medida no es muy precisa. La exactitud describe la
proximidad del valor medido, al valor verdadero. Si se dispone de un
estndar conocido (tal como una material estndar de referencia), la
exactitud mide la proximidad del valor medido al valor certificado.
Una medida puede ser reproducible pero errnea .Por ejemplo, si se
comete un error al preparar una disolucin valorante, esta no tendr la
concentracin deseada. Luego se podra hacer una serie de
valoraciones reproducibles, pero los resultados sern incorrectos por
que la concentracin de la disolucin utilizada como valorante no era
la que se crea .En este caso, la precisin es buena; pero la exactitud,
mala. En cambio, es posible obtener medidas poco reproducibles, pero
en torno al valor correcto. En este caso la precisin es mala; pero la
exactitud, buena .Un procedimiento ideal es el que a la vez es preciso
y exacto.

1.3. Tratamiento de datos en series con pocos valores

1.3.1. Intervalo de confianza
1.3.1.1. Mtodo de T-student
Si se dispone de un nmero limitado de medidas , no podemos
hallar la verdadera media de la poblacin , , o la verdadera
desviacin estndar .Lo que podemos determinar es
y
s , la media muestral y la desviacin estndar muestral .El
intervalo de confianza es una expresin que dice que la
verdadera media , , esta probablemente a una cierta
distancia de la media medida .El intervalo de confianza de
viene dado por:

Intervalo de confianza:
Donde s es la desviacin estndar medida, n el nmero de
observaciones y t es la t de student. La t de student se usa muy
frecuentemente para expresar intervalos de confianza, y para
comparar los resultados de diferentes experimentos .Esta
herramienta se podra utilizar para calcular la probabilidad de
que el recuento de glbulos rojos se encuentre dentro del
intervalo normal.
EJEMPLO de intervalos de confianza:
La determinacin del contenido de hidratos de carbono en una
glicoprotena (una protena unida a azucares) da los siguientes
resultados replicados: 12,6; 11,9; 13,0; 12,7 y 12,5 g de
hidratos de carbono por 100g de protena .Hallar los intervalos
de confianza del 50% y del 90% del contenido en hidratos de
carbono.
Solucin: Primero se calcula
(=12.5) y
(= 0.4) de las 5
medidas .En la tabla 4.2 encontramos el valor de t para
intervalos de confianza del 50% en el cruce de 50 y cuatro
grados de liberta (grados de libertad=n-1).El valor de t es , por
tanto , 0,741 , y el intervalo de confianza del 50% es

En el intervalo de confianza del 90% se calcula usando el valor

de t =2,132.

Estos clculos significan que hay un 50% de probabilidad que

la verdadera media, este en el intervalo 12,54 0,13 (de 12,4 a
12,6).Hay un 90% de posibilidad de que este en intervalo
12,50,3.
1.3.2. Prueba de significancia
Lo que mejor hace la estadstica inferencial es ayudarnos a tomar
decisiones acerca de las poblaciones con base a la informacin
que poseemos de las muestras. Una de las herramientas ms
tiles para hacer esto es una prueba de significancia estadstica
que se puede aplicar a diferentes tipos de situaciones,
dependiendo de la naturaleza de la pregunta que se est
planteando y de la forma de la hiptesis nula. Las pruebas de
significancias se basan en el hecho de que cada tipo de hiptesis
nula (como
especifico.

) tiene asociado un tipo de estadstica

Ejemplo: Se obtuvieron los resultados de la normalidad de una

disolucin de cido clorhdrico segn el mtodo de determinacin
gravimtrica de cloruros y el mtodo y el mtodo de valoraciones
frente a carbono sdico puro. Estos resultados estn distribuidos
normalmente .Se tomaron 13 y 10 muestras respectivamente de
cada mtodo y se obtuvieron los siguientes resultados: una media
de 1.0505 y una desviacin estndar de 2.38E-04 segn el
mtodo de determinacin gravimtrica y con una media de
0.1055 y una desviacin estndar 6.04E-04 segn el mtodo de
valoraciones. El estudio desea saber si haba alguna diferencia
significativa entre los valores medios de las normalidades
obtenidas por los dos mtodos, con un nivel de confianza del
95%.Asumir

Solucin:
Formulacin de hiptesis:

Datos:

Asumiendo

Las regiones crticas:

Con un nivel de confianza del 95% , existe evidencia estadstica

para afirmar que si hay diferencias significativa entre los valores
medios de las normalidades obtenidas por el mtodo de
determinacin gravimtrica de cloruros y el mtodo de
valoraciones frente al carbono sdico puro.
1.4. Clasificacin de errores
1.4.1. Por su naturaleza
1.4.1.1.

Absolutos
El error absoluto E de la medida de una cantidad

viene

dada por la ecuacin:

Donde xv es el valor verdadero o aceptado de la cantidad.
Ejemplo: La tabla muestra
los resultados de la
determinacin cuantitativa de hierro (III).Se analiza con el

mismo procedimiento seis proporciones iguales de una

solucin acuosa, que se saba que contena exactamente
20,00 ppm de hierro (III).

Concentracin Fe , ppm
Xj
X1
19,4
X2
19,5
X3
19,6
X4
19,8
X5
20,1
X6
20,3

El error absoluto
en un conjunto de
datos se halla por
la diferencia entre
el valor verdadero

ya la media del conjunto de datos.

Ntese que el error absoluto tiene signo(a diferencia de las

medidas de precisin).As, el signo negativo indica del
ejemplo indica que el resultado experimental es menor que
le valor aceptado.
1.4.1.2.

Relativos
El error relativo Er , con frecuencia es una cantidad ms til

que el error absoluto .El error relativo en tanto porcien viene

dado por la expresin:

El error relativo del ejemplo anterior:

El error relativo tambin se puede expresar en tantos por mil

(%0.).As el error relativo de la media de los datos de la tabla
2-1 se puede dar como 1.1% o como -11%0.

1.4.2. Por su origen

1.4.2.1. Crasos
Los errores crasos difieren de los errores determinados e
indeterminados en que normalmente solo ocurren en raras
ocasiones, son con frecuencias grandes, y pueden causar que
un resultado sea alto o bajo .Los errores crasos conducen a
resultados aberrantes, es decir, que difieren mucho de todos
los dems datos de una serie de medidas repetidas.
1.4.2.2.

Determinados

Ilustracin 1: Error absoluto en la micro determinacin de nitrgeno

Los errores determinados tienen un origen definido que

normalmente se puede identificar, y son la causa de que todos
los resultados de medidas repetidas sean o altas o bajas.
Dado que son unidireccionales, los errores determinados
tambin se llaman errores sistemticos.
Por ejemplo, las dos ltimas series de datos de la ilustracin 2
revelan un error determinado negativo. Una fuente probable
de este error sistemtico puede ser debida a la naturaleza
qumica de la muestra, el cido nicotnico .El mtodo analtico
usado implica la descomposicin de las muestras con cido
sulfrico concentrado caliente, que convierte al nitrgeno en
sulfato amnico. Lo que se mide es la cantidad de amoniaco
liberado por el sulfato amnico. Experimentalmente se sabe
que los compuestos que contienen una anillo piridinico no se
descomponen totalmente en cido sulfrico, a menos que se
tomen especiales precauciones .Sin estas precauciones, se
obtiene resultados bajos .Es muy probable que los errores

negativos de la ilustracin 2 sean errores determinados, que

puedan atribuirse a una descomposicin incompleta.
1.4.2.2.1.
En balanzas de laboratorio
Las tolerancias de las pesas de la balanza analtica
constituyen una causa potencial de error determinado; si no
se manejan correctamente
pueden llegar a diferir
significativamente de sus pesos nominales.
1.4.2.2.2.
En utensilios volumtricos
Los aparatos volumtricos contienen o vierten volmenes
que muchas veces son diferentes de los indicados en su
graduacin. Para un trabajo analtico de la mxima calidad
deben medirse estas diferencias por contrastacin o aforo
previo, y hacer las correcciones oportunas; de otro modo se
convierten en causas de error instrumental.
Las pipetas , buretas y matraces tienen volmenes algo
diferentes de lo que indican sus graduaciones .Esas
diferencias pueden provenir de usar el material de vidrio a
temperaturas
significativamente
diferentes
de
la
temperaturas de calibrado , de distorsiones de las paredes
del recipiente debidas al calentamiento cuando se secan ,
de errores en el calibrado original , o de contaminantes
sobre las superficies interiores de los recipientes .Un
calibrado elimina la mayora de errores de este tipo
1.4.2.2.3.
En instrumentos graduados sin especificacin de
error
Con estos instrumentos es necesario determinar la
incertidumbre que tiene, de esa forma obtener una
medicin ms confiable y acorde con la real, una manera
de corregir esto es trazando una curva de calibracin
experimental; por ejemplo, en el caso de una bureta sin
calibrar, vertemos agua en un recipiente que se pesa,
conociendo la densidad, el volumen se determina mediante
la masa de agua. Esto nos ayudar a encontrar un factor
de correccin para cada lectura que hagamos con dicho
instrumento.
1.4.2.3.

Indeterminados
El error indeterminado o tambin llamado aleatorio, se
originan por efectos de variables incontroladas (y quiz
incontrolables) en cada medida .El error aleatorio tiene
igual probabilidad de ser positivo o negativo .Siempre est
presente y no puede ser corregido. Un error aleatorio es el
asociado a la lectura de una escala. Otra causa de error

indeterminado
instrumento.

es

el

ruido

elctrico

aleatorio

del

2 Redondeo
El redondeo es un procedimiento para eliminar las cifras no
significativas del resultado. La cantidad de cifras significativas del
resultado est determinada por el clculo del error.
En el redondeo puede presentarse una serie de casos.
1 Cifras siguiente menor que 5
Si el primer dgito, no significativo, que se va a eliminar es menor
a 5, dicho dgito y los que le siguen se eliminan y el resto del
nmero queda como esta.
Por ejemplo:
Redondeando a 4 cifras significativas el siguiente nmero:

2 Cifras siguiente mayor que 5

Si el primer digito no significativo que se va a eliminar es mayor
que cinco, este digito y los dems e eliminan y se aumenta en una
unidad el ltimo dgito significativo.
Por ejemplo:
Redondeando a 4 cifras significativas el siguiente nmero:

3 Cifras siguiente igual a 5

Si el primer digito no significativo que se va a eliminar es igual a
cinco, el redondeo depender de los nmeros subsiguientes:
1

Cifras subsiguientes no nulas

Si las cifras subsiguientes al cinco son diferentes de cero el
cinco y los dems dgitos se eliminan, y se aumenta en una
unidad el ltimo dgito significativo.
Por ejemplo:
Redondeando a 4 cifras significativas el siguiente nmero:

Cifras subsiguientes nulas

Si las cifras subsiguientes al cinco son ceros, el cinco y los
dems dgitos se eliminan, y se deja el nmero tal como
queda si la ltima cifra significativa es par, en caso contrario
se aumenta en una unidad la ltima cifra significativa.
Por ejemplo:

Redondeando a 4 cifras significativas el siguiente nmero:

3 Cifras significativas
Supongamos que medimos el largo de una pecera con una regla
graduada en cm. Una primera medicin, por ejemplo, podramos
determinar que dicha longitud es 98 cm. Pero, si realizramos una
segunda medicin y observamos con ms cuidado es posible que
notemos que dicha longitud es un poco mayor a 98 cm. Digamos
que haciendo una estimacin finalmente resolvemos que el largo
aproximado de la pecera es de 98.2 cm.
De estas tres cifras, las dos primeras son verdaderas dado a que
nuestro instrumento de medicin esta graduado en centmetros, y la
ltima cifra es estimada, imprecisa o incierta.
Toda medicin experimental es inexacta y se debe expresar con sus
cifras significativas.
1 Concepto
Se definen como los dgitos de una medicin que se conocen con
certeza, ms el primer digito incierto:
98,2
Dado a que ningn instrumento de medida es perfecto siempre
existir incertidumbre (imprecisin o error) y por lo tanto la medida
de una magnitud debe expresarse con sus correspondientes cifras
significativas y especificar adems la incertidumbre en la medida:
98,2 0.1 cm
Si no se especificase la incertidumbre en la medida por convencin
se acepta que la incertidumbre es 1 unidades del ltimo dgito
de la medicin.
2 Cifras significativas en una medicin
El nmero de cifras significativas en una medicin es independiente
de la colocacin del punto decimal. Por tanto el dgito 0 puede ser
una parte significativa de la medicin, o bien usarse slo para
colocar el punto decimal.
Por

ejemplo,

92 067 m .

Este

nmero

tiene

cinco

cifras

significativas, sin importar dnde se coloque el punto decimal,

9.2067 cm , 0.92067 dm y 0.092067 m tienen todos el mismo
nmero de cifras significativas. Simplemente representan diferentes
formas (unidades) de expresar una medicin. En el ltimo nmero, el

primer digito cero y el segundo digito cero entre el punto decimal y el

nueve, se usa slo para colocar el punto decimal, en este caso estos
ceros no son significativos.
Naturalmente en el trabajo de laboratorio o cientfico es necesario
tomar datos que muestren cuales son las dgitos significativos y
cules no. Para ello es til seguir las siguientes reglas simples:
1 Es mejor escribir datos en forma semiexponencial, es decir
2
escribir un resultado como 0.0123 u en la forma 1.23 10
u,
a fin de sealar que se justifican tres cifras significativas.
2
Si se escribiera de la forma 1.230 10
u, lo que se entiende
es, que este nmero tiene 4 cifras significativas y que fue
medido con un instrumento ms preciso que en el caso del
resultado que queremos informar. Un uso correcto de las cifras
significativas evitar este tipo de malentendidos.
2 Dado a que la ltima cifra significativa de una medicin es un
nmero estimado, carece de sentido escribir dgitos adicionales
a este. Aunque cuando se realizan operaciones con las medidas
y el resultado se utilizar como un nuevo dato (resultado
parcial) suele dejarse una cifra adicional a la significativa para
indicar tendencia, y esta se escribe en forma de subndice. Por
1.14 4 u
ejemplo
, tiene tres cifras significativas y una no
significativa (el subndice 4).

3 Si el ltimo dgito de un resultado es incierto en ms de

debe
escribirse la incertidumbre despus del nmero, por ejemplo:
Se sobre entiende que todas las mediciones que no se escriban sin
esta informacin tendrn una incertidumbre de 1 unidades en la
posicin del ltimo dgito de la medicin.
3 Operaciones con cifras significativas
El clculo de la incertidumbre total de una serie de operaciones es
la que muestra cuanto error se est cometiendo en base a las
mediciones tomadas, adems limita el nmero de dgitos
significativos del resultado.
Pero si no es necesario conocer el valor del error o incertidumbre
total del resultado y solo se desea conocer cuntas cifras
significativas tendr existen reglas prcticas para ello.

En la suma y resta
Primero deber escribirse todos los nmeros en forma
semiexponencial y ajustar todos los nmero de manera que
tengan el mismo exponente.
Ahora para expresar una suma o diferencia con el numero
correcto de cifras significativas, utilice la siguiente regla:
En una suma o diferencia, utilcese el mismo nmero de
cifras significativas a la derecha del decimal, del nmero que
tenga el menor nmero de cifras significativas a la derecha
del decimal.
Por ejemplo:
5.55 106 +4 107=5.55 106+ 0.4 106 =5.95 106 6 106 (redondeado)

En la multiplicacin y divisin
Podemos utilizar una regla prctica para estos casos:
1 El nmero que tenga la menor cantidad de cifras
significativas ser denominado nmero clave y este nos
indicar el nmero de cifras significativas del resultado.
De haber dos nmeros con igual cantidad de cifras
significativas entonces el que tenga la magnitud absoluta
ms pequea, sin considerar el punto decimal ser el
nmero clave (ya que tiene una incertidumbre mayor). Por
ejemplo, la incertidumbre absoluta sin considerar el punto
decimal de 0.0344 es 344, y para 5.39 es 539.
Por ejemplo:
35.63 0.5481 0.05300
=0.8854705783
1.1689
El nmero clave es 35.63. Primero buscamos el nmero
que tenga la mnima cantidad de cifras significativas,
existen tres nmeros con esta caracterstica (3 cifras
significativas), pero comparando sus magnitudes
absolutas determinamos el nmero clave.
Por lo tanto:
35.63 0.5481 0.05300
=0.8854 705783 0.8855
1.1689
2 Si la magnitud del resultado, sin considerar el punto
decimal ni el signo, es menor que la del nmero clave, se

puede poner una cifra adicional en el resultado, con el

objeto de expresar el grado mnimo de incertidumbre, pero
se escribe como subndice para indicar que es ms
dudosa.
Por ejemplo:
42.68 891
=546.5721848
132.6 0.5247
El nmero clave es 981. Como la magnitud absoluta del
resultado (su magnitud sin considerar las unidades) es
546.6
menor que el nmero clave, se vuelve
3

En las exponenciales y logaritmos

En el logaritmo de un nmero se deben mantener tantos
dgitos a la derecha de la coma decimal como cifras
significativas tiene el nmero original.
En el antilogaritmo de un nmero se deben mantener tantos
dgitos como dgitos hay a la derecha de la coma decimal del
nmero original.
Por ejemplo:

En formulas con cifras constantes

En el caso que en la operacin intervengan cifras constantes
como estas no son ni derivan de ninguna medicin, segn
nuestra definicin, no tiene sentido hablar de cifras
significativas en ellas; pero para determinacin del nmero de
cifras significativas de un resultado se puede considerar que
dichos nmeros tienen cifras significativas infinitas y realizar
las determinaciones como se han explicado anteriormente.
Por ejemplo:
35.63 0.5481 0.05300
100 =88.54 705783 88.55
1.1689

4 Propagacin de errores determinados

Sean

(A A)

( B B )

dos mediciones expresadas con su

incertidumbre:
1 En suma y resta
( A A ) ( B B )=C C
Donde:C= A B C= A+ B
Por ejemplo:
( 2.245 0.001 ) ( 0.02 0.005 )=(2.265 0.006) 2.26 0.006
2 En la multiplicacin y divisin
( A A ) ( B B )=C C

Donde:C= A B C =C

( AA + BB )

Por ejemplo:
( 2.245 0.001 ) ( 0.02 0.005 )=(0.0449 0.011245) 0.04 0.01
3 En potenciacin y la radicacin
( A A )n=C C

Donde:C= A n C=C n

( AA )

Por ejemplo:
( 2.245 0.001 )5=(57.02715 .. 0.127009 ..) 57 0.1
4 En formulas con cifras constantes
Sea K una constante:
K ( A A )=C C
Donde:C=K A C=C A
Por ejemplo:
25 ( 2.245 0.001 )=(56.125 0.056125) 56.12 0.06
5 Descarte de valores dudosos para clculos de promedio

De entre diversas pruebas para descartar valores dudosos, la prueba Q

es una de las ms correctas estadsticamente para un nmero pequeo
de observaciones.
La relacin Q se calcula ordenando los valores en forma decreciente. La
diferencia entre el numero dudoso y su vecino ms prximo se divide
entre el rango de la serie de valores, es decir entre la diferencia del
valor mximo y mnimo. Luego se compara el valor de Q con los
tabulados segn los niveles de confianza. Si el Q calculado es igual o
mayor que el tabulado, entonces la medida dudosa se rechaza:

Por ejemplo:
Se inform el siguiente conjunto de anlisis de cloruro en
alcuotas separadas de un suero combinado: 103, 106, 107 y 114
meq/L. Un valor resulta sospechoso. Determinar si se puede
atribuir a error accidental en el nivel de confianza de 95 por ciento.
Solucin
103 106107 114

Q=

114107
=0.64
114103
El resultado sospechoso es 114 meq/L. Difiere de su vecino ms
cercano, 107 meq/L, en 7 meq/L. El intervalo es de 114 a 103, es
decir, 11 meq/L. Por tanto,Q es 7/11= 0.64.
El valor tabulado para cuatro observaciones es 0.829 con el 95%
de confianza, que es la ms usada.

Como el Q calculado es menor que el Q tabulado, el nmero

sospechoso se puede atribuir a error aleatorio y no se debe
rechazar.

6 Bibliografa
Gary D. Christian, Qumica analtica, McGrawHill, sexta edicin,
Mxico 2009.
George H. Schenk, Richard B. Hahn y Arleigh V. Hartkopf , Qumica
analtica cuantitativa, CECSA, primera edicin, Mxico 2009.
Harris, D. C. (2007). Anlisis qumico cuantitativo.Sexta edicin. New
York: Reverte S.A.
Holler, S. W. (1996). Fundamentos de Qumica Analtica. Barcelona:
Revert. Citado el [27/08/2014].Disponible en: books.google.es/books?
isbn=8429175555
Salkind Neil. Mtodos de la investigacin. Mxico: Prentice
Hall.1990 .Citado el [30/08/2014].Disponible en:
books.google.com.pe/books?isbn=9701702344
Universidad de Antioqua (UDA). Documento sobre errores en la
medida, cifras significativas y propagacin de errores. Colombia.
Consultado el [28/08/2014].Disponible en:
http://aprendeenlinea.udea.edu.co/lms/moodle/file.php/602/Generalidad
es/Lab_0_-_Errores.pdf