CALCULO Y EVALUACIÓN ESTADÍSTICA DE RESULTADOS

Dr. Alfredo Cruz Monzón

 Evaluación Estadística de Resultados
El estudio estadístico permite afinar los juicios sobre la calidad de las mediciones
experimentales. Permite:
1. Definir un intervalo donde podamos afirmar con cierto grado de certidumbre,
la existencia del valor medio: “intervalo de confianza” (I.C.).

2. Determinar el Nº de mediciones necesarias que garanticen que el valor medio

experimental esta dentro de cierto intervalo, con un cierto nivel de confianza.

3. Determinar si para un cierto nivel de confianza difiere la precisión de dos

conjuntos de valores experimentales.

4. Comparar los valores medios de 2 grupos de valores, para verificar si la

diferencia entre las medias es real o deriva de errores aleatorios: “Análisis de
Varianza”.

5. Decidir si para cierto nivel de confianza, se puede rechazar o no un dato atípico

de un conjunto de datos, o en todo caso retener para realizar el cálculo de la
media del conjunto.
REGLAS SOBRE CIFRAS SIGNIFICATIVAS:

1. Cualquier digito diferente de cero es significativo. Ejemplos:

354 → 3,54*102 (3 cifras significativas)
44,22 → 4,422*10 (4 cifras significativas)

2. Los ceros ubicados entre dígitos distintos de cero son significativos. Ejemplos:
208 → 2,08*102 (3 cifras significativas)
3202,4 → 3,2024*103 (5 cifras significativas)

3. Los ceros ubicados a la izquierda del primer digito distinto de cero NO son
significativos, y sólo se utilizan para indicar el lugar del punto decimal. Ejemplos:
0,0059 → 5,9*10-3 (2 cifras significativas)
0,08432 → 8,432*10-2 (4 cifras significativas)

4. Si un número es mayor de 1, entonces todos los ceros escritos a la derecha del punto
decimal son significativos. Ejemplos:
13,0220 → 1,30220*10 (6 cifras significativas)
2,030 → 2,030*100 (4 cifras significativas)
5. Si un número es menor de 1, entonces solamente son significativos los ceros que están
al final del numero, o los que están entre dígitos distintos de cero. Ejemplos:
0,010 → 1,0*10-2 (2 cifras significativas)
0,943 → 9,43*10-1 (3 cifras significativas)

6. Para números sin punto decimal, los ceros ubicados después del ultimo digito distinto
de cero, pueden ser o no significativos. Para evitar ambigüedad se les debe expresar en
notación científica.
Ejemplos:
800 → 8*102 (1 C. S. ) 1200 → 1,2*103 ( 3 C. S.)
→ 8,0*102 (2 C.S. ) → 1,20*103 ( 3 C.S. )
→ 8,00*102 (3 C.S.) → 1,200*103 ( 4 C.S.)
REGLAS PARA REDONDEAR UN NÚMERO

1. Si el digito siguiente al digito que va a ser redondeado es mayor de 5, entonces se le

aumenta la unidad.
Ejemplos: 3,246 → a 2 decimales: 3,25 0,0848 → a 3 decimales: 0,085

2. Si el digito siguiente al digito que va a ser redondeado es menor de 5, entonces se le

escribe tal como está.
Ejemplos: 5,224 → a 2 decimales: 5,22 0,08223 → a 4 decimales: 0,0822

3. Si el digito siguiente al digito que va a ser redondeado es 5, entonces:

* Si el digito a redondear es impar, entonces se le aumenta la unidad.

Ejemplos:
8,215 → a 2 decimales: 8,22 10,4535 → a 3 decimales: 10,454

* Si el digito a redondear es par, entonces se le escribe tal como está.

Ejemplos:
0,245 → a 2 decimales: 0,24 8,1185 → a 3 cifras decimales: 8,118
INCERTIDUMBRE ABSOLUTA E INCERTIDUMBRE RELATIVA

1. Incertidumbre Absoluta (I.A.) : Es la que expresa directamente la cantidad mínima

leíble en las mismas unidades de la medición. Ejemplos:
a. Si 1,5 g es válido hasta dentro de 1 cifra decimal, entonces: I.A. = ± 0,1
b. Si 0,0842 g es valido con 4 cifras decimales, entonces: I.A. = ± 0,0001
c. El número 6,023*1023, es valido hasta dentro de una I.A. = ± 0,001*1023

2. Incertidumbre Relativa (I.R.): Es la que se expresa respecto a la cantidad total de

medición. Se le puede expresar en porcentaje, partes por mil, partes por millón, etc.
% I.R. = ____I. A.____ *100
Cantidad total

Ejemplo 1: Determine la incertidumbre relativa de 1,5g

Solución:
% I.R. = _0,1_ *100 de donde I.R. = 6,67%
1,5

Ejemplo 2: Determine el % incertidumbre relativa del Número de Avogadro

% I.R. = 0,001*1023 *100 de donde I.R. = 0,0166 %
6,023*1023
OPERACIONES CON DECIMALES E INCERTIDUMBRE
a. SUMA Y RESTA: El resultado calculado deberá tener una I.A. igual a la I.A. absoluta
más grande de los sumandos por separado. Ejemplo:
Sumar 67,24 + 0,8714 + 12,6
Solución:
67,24 → I.A. = 0,01
0,8714 → I.A. = 0,0001
__12,6___ → I.A. = 0,1 (Incertidumbre mas grande)
80,7114
Por lo tanto la respuesta es: 80,7

b. MULTIPLICACIÓN Y DIVISIÓN: El resultado debe tener una cantidad de cifras

significativas igual al del factor o cociente que tenga la mayor I.R.
Ejemplo 1: Multiplicar 0,3825 * 0,17
Solución:
La operación normal es: 0,3825 * 0,17 = 0,065025
Respecto a los factores: 0,3825 → I.R.= 0,026
0,17 → I.R. = 5,88
Observamos que 0,17 es el que tiene mayor incertidumbre relativa, por lo tanto la
respuesta debe tener sólo 2 cifras significativas.
La respuesta es 0,065
Ejemplo 2:
Realizar la operación: R = 3,87 * (16,8)1/2
(3,6)3 * 0,175
Solución:
La operación normal dá como resultado R = 1,94276
Respecto a los factores:
3,87 → (I.R. = 0,258)
16,8 → (I.R. = 0,595)
3,6 → (I.R. = 2,78)
0,175 → (I.R. = 0,57)

Observamos que el termino 3,6 tiene la mayor incertidumbre relativa, por

lo tanto la respuesta tendrá la misma cantidad de cifras significativas.
La respuesta es R = 1,9
 ERRORES EN ANÁLISIS CUANTITATIVO

EXACTITUD:
Indica el grado de proximidad de un resultado (xi), o de la media aritmética (X) de un
conjunto de resultados, respecto al valor aceptado como verdadero (µ). Puesto que el valor
verdadero sólo se conoce dentro de ciertos límites, la exactitud de un valor tampoco se
conoce, sino dentro de esos limites.
Suele expresarse en términos de error. Entre ellos tenemos:

1. Error Determinado: Aquellos que se repiten de la misma manera en una determinación u

otra. Se puede calcular su magnitud, y por lo tanto son factibles prever y eliminar al hacer
las correcciones pertinentes. Entre ellas tenemos:
- Errores de método - Errores de Instrumentos y reactivos empleados
- Errores de operación - Errores personales (psicológicos)

2. Error Indeterminado: Son los que se cometen sin regularidad alguna, es decir son
inevitables, y su signo y magnitud están determinados por el azar. Entre ellas tenemos:
- Cambios de temperatura - Humedad del aire
- Pérdidas de muestra
3. Error Absoluto (Ea): Es la diferencia entre el valor obtenido u observado y el valor
aceptado como verdadero.
Ea = Valor observado – Valor verdadero
Ea = Vobs – Vverd

4. Error Relativo (Er): Es la relación entre error absoluto (Ea), y el valor aceptado
como verdadero. Es frecuente que sea más útil que el error absoluto. 3
Suele expresarse en porcentaje, partes por mil, partes por millón

Er = Ea * 100 Er = Ea * 1000 Er = Ea * 106

Vverd Vverd Vverd
(en porcentaje) (en partes por mil) (en partes por millón)
Ejemplo 1:
Al realizar la determinación de Calcio en una muestra de producto lácteo, por la técnica
de absorción atómica, se determino que había una concentración de 344 ppm Ca2+, pero
al realizar el mismo análisis usando el método volumétrico se encontró en un primer
análisis 325,6 ppm y en un segundo análisis 336,8 ppm Ca2+. Determine el error
absoluto, y % error relativo cometidos al usar el método volumétrico.
Solución:

Ea(1) = 325,6 – 344 Ea(1) = -18,4 ppm Ca2+ (valor por defecto)

Ea(2) = 336,8 – 344 Ea(2) = -7,2 ppm Ca2+ ( valor por defecto)

Er(1) = Ea(1) *100 = -18,4 *100 ; de donde Er(1) = 5,35 %

Vverd 344

Er(2) = Ea(2) *100 = - 7,2 *100 ; de donde Er(2) = -2,09 %

Vverd 344
 MÉTODOS PARA INCREMENTAR LA EXACTITUD

1. Calibración de instrumentos y aplicación de correcciones.

2. Realización de una determinación en blanco.
3. Determinación en paralelo de una muestra patrón o testigo
(análisis de control)
4. Realización de determinaciones en paralelo.
PRECISIÓN:
Es la concordancia existente entre un conjunto de resultados.
Por lo tanto la precisión indica solamente la reproducibilidad de los datos.
La exactitud y la precisión pueden explicarse gráficamente, para visualizar las relaciones
exactitud – precisión:
 MEDIDA DE LA TENDENCIA CENTRAL DE RESULTADOS

Obtenido un conjunto de valores , con un adecuado número de cifras significativas,

podemos escoger el mejor valor y compararlo con el valor aceptado como verdadero.
El mejor valor se obtiene calculando la tendencia central de dichos resultados, lo cual se
puede lograr con:
1. Media Aritmética, Media o Promedio (X)
Se expresa en las mismas unidades que las obtenidas en la medición. Se calcula por:
𝑋ഥ = Σ xi = x1 + x2 + ….. + xn
n n
donde: 𝑋ത = representa a la media aritmética
xi = representa al i-ésimo resultado de la serie
n = numero total de resultados de la serie
Ejemplo:
Se analizó el contenido proteico de cierto cereal, obteniéndose los sgtes. resultados:
27,5 ; 28,3 ; 29,1 ; 28,5 ; 29,4 y 28,4 mg proteína/mL. Determine el valor medio
del contenido proteico del cereal.
Solución
𝑋ത = Σ xi = 27,5 + 28,3 + 29,1 + 28,5 + 29,4 + 28,4
n 6

de donde 𝑋ത = 28,53 mg proteína/mL

B. Media Geométrica ( 𝑿 ഥ g)
Es útil cuando los valores obtenidos se acumulan hacia un extremo , en cuyo caso,
resulta ser mas adecuada que la media aritmética. Se calcula por:
n ___________________
ത = √ x1 * x2 * x3 * …. * xn
𝑋g

C. Mediana (M)
Es el valor que se encuentra en la posición central de un conjunto de resultados
previamente ordenados (sin tomar valores que se repiten).
Es mas útil que el promedio, cuando los valores de la serie son muy diferentes al
valor central.

D. Módulo o Moda:
Es la forma más sencilla de medir la tendencia central, y se define como el valor
que se repite con mayor frecuencia en un grupo de datos.
Ejemplo 1:
Para determinar la pureza de una muestra de vinagre, se derivaron una misma muestra a
7 laboratorios diferentes, reportándose los sgtes valores:
Laboratorio % CH3COOH
1 4,1316
2 4,0924
3 4,1215
4 4,3420
5 4,2118
6 4,2118
7 4,1818

Determine:
a. La media o promedio b. La media geométrica
c. La mediana d. La Moda

Solución:
a. Cálculo promedio: X = 4,1847

b. Media geométrica: Xg = 4,1840

c. Calculo de la mediana: M = 4,1316 + 4,1818 = 4,1567

2
d. Calculo de la moda: Moda = 4,2118 (valor que se repite 2 veces)
Ejemplo Nº 2
En una análisis interlaboratorios de una misma muestra de agua ha reportado los sgtes
valores referentes ppm de Fe:
0,2414 / 0,2488 / 0,2399 / 0,2401 / 0,2422 / 0,2533 / 0,2429 / 0,2301
Determine :
a. La media b. La mediana c. Media geométrica

Solución:

a. El promedio, es: X = 0,2423

b. La mediana es: M = 0,2418
c. La media geométrica es: Xg = 0,2422
 MEDIDA DE LA DISPERSIÓN DE RESULTADOS

Podemos medir la dispersión existente entre un grupo de resultados, utilizando:

1. Desviación Absoluta ( d ) :
Es la diferencia entre cualquier resultado de un análisis y
el valor elegido como el mejor valor del grupo, el cual puede ser la media o la
mediana.
Se calcula por: d = xi – 𝑋ത

2. Desviación Media ( 𝒅 ഥ ):
Llamada también desviación promedio.
Es el promedio de las diferencias entre las mediciones individuales y el promedio
de las mismas, sin tener en cuenta el signo.
Se calcula por:
𝑑ҧ = Σ │ xi – 𝑋│ത
n

Aunque la desviación media ha sido muy empleada por los químicos, desde el punto
de vista matemático es de poca utilidad. La desviación estándar o varianza es una
medida mucho mejor que la desviación.
3. Desviación Estándar ( S ):
Es la forma más válida y útil de medir la precisión.
Es la raíz cuadrada de la media, del cuadrado de las desviaciones, donde:
a. Si el número de datos es menor o igual a 10, entonces:

σ𝑖=𝑛 ത 2
𝑖=1 𝑥𝑖 −𝑋
S= Si “n” ≤ 10 datos
𝑛 −1

b. Si el número de datos es mayor a 10, (población), se calcula por:

σ𝑖=𝑛 ത 2
𝑖=1 𝑥𝑖 −𝑋
σ= Si “n” > 10 datos
𝑛

4. Varianza (σ2 ):
Es simplemente, el cuadrado de la desviación estándar.
La varianza de la muestra S2 es una estimación de la varianza de la población σ2, y
viene dado por la relación:
σ𝑖=𝑛 ത 2
𝑖=1 𝑥𝑖 − 𝑋
𝑆2 = 𝑛 −1
5. Desviación Estándar Relativa ( SR):
Expresa la relación entre la desviación estándar respecto al valor medio o promedio.
Se calcula según:
𝑆
𝑆𝑅 = 𝑋ത

De 2 grupos de datos, el de menor (SR), es la más precisa.

Se acostumbra expresarlo en %, según:

% Coeficiente de Variación (C.V.) = S * 100

ഥ𝑋

6. Rango o Intervalo ( R ):
Es simplemente la diferencia entre el resultado mas alto y el mas bajo en una serie de
resultados previamente ordenados.
Entonces:
R = X mas alto – Xmas bajo
Ejemplo 1:
Para realizar el calibrado de una balanza se obtuvieron los sgtes pesos de un mismo
objeto: 28,82 ; 29,14 ; 30,22 ; 29,74 ; 30,49 y 29,88. Determine:
a. La media aritmética b. La desviación media c. La desviación estándar
d. La D. estándar relativa e. El Intervalo o Rango
Solución:

xi ഥ)
( xi - 𝐗 ഥ│
│xi - 𝐗 ഥ)2
( xi - 𝐗
1 30,49 0,775 0,775 0,601
2 30,22 0,505 0,505 0,255
3 29,88 0,165 0,165 0,027
4 29,74 0,025 0,025 0,001
5 29,14 -0,575 0,575 0,331
6 28,82 -0,895 0,895 0,801
Σ 178,29 2,94 2,016

a) 𝑋ത = 29,72 b) đ = 0,49 S = 0,63

d) SR = 0,021 e) Rango = 1,67

Ejemplo 2:
Dados los sgtes grupos de datos:
Grupo A: 0,1415 ; 0,1423 ; 0,1432 ; 0,1424 y 0,1439
Grupo B: 0,1345 ; 0,1382 ; 0,1329 ; 0,1374 ; 0,1365 y 0,1371
Determine el grupo de datos que posee la mayor precisión.
Solución:

Grupo “A” Grupo “B”

xi ഥ)
( xi - 𝐗 ഥ│
│xi - 𝐗 ഥ)2
( xi - 𝐗 xi ഥ)
( xi - 𝐗 ഥ│
│xi - 𝐗 ഥ)2
( xi - 𝐗
1 0,1439 0,0012 0,0012 1,44*10-6 1 0,1382 0,0021 0,0021 4,41*10-6
2 0,1374 0,0013 0,0013 1,69*10-6
2 0,1432 0,0005 0,0005 2,50*10-7
3 0,1371 0,0010 0,0010 1,00*10-6
3 0,1424 -0,0003 0,0003 9,00*10-8
4 0,1365 0,0004 0,0004 1,60*10-7
4 0,1423 -0,0004 0,0004 1,60*10-7 5 0,1345 -0,0016 0,0016 2,56*10-6
5 0,1415 -0,0012 0,0012 1,44*10-6 6 0,1329 -0,0032 0,0032 1,024*10-5
Σ 0,7133 0,0036 3,38*10-6 Σ 0,8166 0,0096 2,006*10-5

𝑋ത = 0,1427 d = 0,0007 𝑋ത = 0,1361 d = 0,0016

S = 9,19*10-4 SR = 0,00644 S = 2,003*10-3 SR = 0,0147

Podemos concluir que el grupo “A” posee valores mas precisos, por tener menor desviación estándar relativa.
 PRUEBAS DE RECHAZOS DE DATOS DIVERGENTES

A. REGLA 3 S:
Procedimiento:
1. Ordenar los valores de menor a mayor o viceversa
2. Separar el valor dudoso “x”
3. Encontrar la desviación estándar ( S ), y el promedio ( 𝑋ത ) del resto de valores.
4. Verificar: Si se cumple: │x – 𝑋ത │ ≥ 3 S ; entonces el valor dudoso se rechaza.
5. Repetir hasta que el mayor y el menor valor o resultado no se rechacen.

Ejemplo:
Dados los sgtes grupos de datos:
0,8874 ; 0,8871 ; 0,8801 ; 0,8875 ; 0,9014 ; 0,8873 ; 0,8877
a. Aplique la prueba 3S para decidir si se elimina algún valor.
b. Con los valores aceptados reporte el valor promedio de la medición
C. PRUEBA “Q”:
Es sencilla y de gran ayuda cuando el Nº de datos es entre 3 y 10 .
Suele aplicarse al 90% de confianza que significa que el valor dudoso podrá rechazarse
con 90% de seguridad de que es significativamente distinto de los otros resultados.
Procedimiento:
1. Ordenar los resultados de menor a mayor : X1 , X2 , X3 , … , Xn-1 , Xn
2. Los valores dudosos siempre serán a la vez el primero y el último.
3. El valor absoluto de la diferencia entre el resultado dudoso xd , y su vecino
diferente mas cercano, se divide entre el rango (R ) para obtener un valor Q. Así:
Q = │Xd – Xn │
R
en donde:
* Para el Valor mínimo de la serie: Qmin = X2 – X1 = X2 – X1
Rango Xn – X 1

* Para el Valor Mayor de la serie: Qmáx = Xn – X(n-1) = Xn – X(n-1)

Rango Xn – X1

4. Si para un determinado % probabilidad y, para “n” resultados se observa que:

Qcalculado > Qcrítico de la tabla , entonces se rechaza el valor dudoso.

5. El proceso termina cuando en ambos extremos no existan valores que se rechacen

 Tabla . Valores Críticos de “Q” para Cociente de Rechazo

"n" Q ( 90 % ) Q ( 95 % ) Q ( 96 % ) Q ( 99 % )

3 0.94 0,970 0.98 0.99

4 0.76 0,829 0.85 0.93

5 0.64 0,710 0.73 0.82

6 0.56 0,625 0.64 0.74

7 0.51 0,568 0.59 0.68

8 0.47 0,526 0.54 0.63

9 0.44 0,493 0.51 0.6

10 0.41 0,466 0.48 0.57

Ejemplo 1:
Dados los sgtes datos experimentales: 0,5710 ; 0,6057 ; 0,4228 ; 0,5707 ; 0,6684 ;
0,5713 y 0,5712 . Determine si se ha de rechazar algún dato aplicando la Prueba
“Q”, para un 90% de confiabilidad.

Ejemplo 2:
Al analizar un mismo lote de minerales, se obtuvieron los sgtes valores de % Cu en
diferentes laboratorios:
12,6248 / 12,6245 / 12,0089 / 12,7014 / 12,6244 / 12,6246
Aplique la prueba “4d” y “3s” para confirmar el descarte de algún dato y reporte el
valor promedio del % Cu n ,el lote analizado.
LIMITES DE CONFIANZA

La valor verdadero “µ” de una medición, es una cte. que queda siempre desconocido, pero
podemos definir ciertos limites alrededor del valor medio experimental 𝑋ത , dentro de los
cuales puede esperarse que se encuentre la media verdadera “µ”con cierto grado de
probabilidad definida.

Los limites obtenidos se llaman “Limites de Confianza”.

El intervalo de valores , en donde el campo incluido en el interior de dichos limites ,
“intervalo de confianza”.
Se calcula según:

L.C. = 𝑋ത ± ( t * S )
𝑛
Donde:
S = desviación estándar
n = Nº de valores incluidos en el grupo.
t = valor de tablas (Nº de valores vs % probabilidad o nivel de confianza).
Tabla de Valores de “t” para diversos números de determinaciones y Niveles de Confianza

PORCENTAJE DE NIVEL DE CONFIANZA

"n" 50% 80% 90% 95% 99%

2 1,000 3,078 6,314 12,706 63,657

3 0,816 1,886 2,920 4,303 9,925
4 0,765 1,638 2,353 3,182 5,841
5 0,741 1,533 2,132 2,776 4,604
6 0,727 1,476 2,015 2,571 4,032
7 0,718 1,440 1,943 2,447 3,707
8 0,711 1,415 1,895 2,365 3,499
9 0,706 1,397 1,860 2,306 3,355
10 0,703 1,383 1,833 2,262 3,250
20 0,688 1,328 1,729 2,093 2,861
Ejemplo 1:
Al pesar un mismo objeto en diferentes instantes, se obtuvieron los sgtes datos
experimentales: 45,736 ; 45,740 ; 45,705 ; 45,720 g . Calcule los límites de confianza
al 95 % de probabilidad o de acierto, así como el intervalo de confianza.
Solución: Ordenando los valores:
xi ത
( xi - 𝑋) ത2
( xi - 𝑋)
1 45,740 0,0147 0,00022
2 45,736 0,0107 0,00011
3 45,720 -0,0053 0,00003
4 45,705 -0,0203 0,00041
182,9010
Σ 0,00077

X = 45,7253 S = 0,01602

De la tabla, para n = 4; y para un 95% de confianza, t = 3,182 entonces:

L.C. = 45,725 ± (3,182 * 0,01602)

√4
L.C. = 45,725 ± 0,0255 g

El valor verdadero debe estar en el rango de pesos entre: ( 45,6995g a 45,7505 g ) con
un 95% de confiabilidad.