Universidad de Guadalajara

Departamento de Química - CUCEI

Formulas y comandos para Quimiometría
Mtro. Bernardo Gudiño Guzmán
Tema Parámetro Formula Comando en Excel
∑ 𝑥𝑖
Media =PROMEDIO( )
𝑁
Moda Valor que más se repite =MODA( )

Mediana Valor mediano datos ordenados =MEDIANA( )

Error Absoluto 𝐸 = (𝑥𝑖 − 𝑥𝑡 )

(𝑥𝑖 − 𝑥𝑡 )
Error Relativo 𝐸𝑟 = 𝑥100
𝑥𝑡
∑(𝑥𝑖 − μ)2
Medidas de Desviación Estándar poblacional 𝜎=√ =DESVEST.P( )
dispersión 𝑁

∑(𝑥𝑖 − 𝑥̅ )2
Desviación Estándar muestral 𝑠=√ =DESVEST.M( )
𝑁−1
𝑠
Error estándar de la media 𝑠𝑚 =
√𝑁
Varianza 2 =VAR( )
𝑠
𝑠
Desviación Estándar Relativa 𝐷𝐸𝑅 =
𝑥̅
𝑠
Coeficiente de Variación 𝐶𝑉 = 𝑥100
𝑥̅
Rango 𝑤 = (𝑥𝑖 𝑚𝑎𝑥 − 𝑥𝑖 𝑚𝑖𝑛 )
Suma o resta
(𝑦 = 𝑎 + 𝑏 − 𝑐) 𝑠𝑦 = √𝑠𝑎2 + 𝑠𝑏2 + 𝑠𝑐2
Propagación del
error Multiplicación o división 𝑠𝑦 𝑠𝑎 2 𝑠𝑏 2 𝑠𝑐 2
(𝑦 = 𝑎 x 𝑏𝑐) = √( ) + ( ) + ( )
𝑦 𝑎 𝑏 𝑐

Página 1 de 5
 Exponente 𝑠𝑦 𝑠𝑎
= 𝑥( )
(𝑦 = 𝑎 𝑥 ) 𝑦 𝑎
Logaritmo 𝑠𝑎
𝑠𝑦 = 0.434
(𝑦 = log 𝑎) 𝑎
Antilogaritmo 𝑠𝑦
= 2.303𝑠𝑎
(𝑦 = 10𝑎 ) 𝑦
Nivel de significancia () 𝛼 = 1 − 𝐼𝐶
Grados de libertad (gl) 𝑁−1
𝑥𝑖 − μ
Estadístico z 𝑧=𝜎 =DISTR.NORM.ESTAND.INV(p)
⁄
√𝑁
𝑥̅ − μ
Estadístico t 𝑡=𝑠 =DISTR.T.INV(p, gl) (dos colas)
Intervalos de ⁄
√𝑁
confianza
Probabilidad (distribución z) =DISTR.NORM.ESTAND(z)

Probabilidad (distribución t) =DISTR.T(t, gl, colas)

𝑧𝜎
Intervalo de confianza para  𝐼𝐶 = 𝑥̅ ± =INTERVALO.CONFIANZA.NORM(pN)
√𝑁
𝑡𝑠
Intervalo de confianza para 𝐼𝐶 = 𝑥̅ ± =INTERVALO.CONFIANZA.T(psN)
√𝑁
𝑥−𝜇
Tamaño del efecto (d de Cohen) 𝑑=
𝜎
𝑥̅ − 𝜇0
Tipo I (𝑥̅ vs 𝜇0 ) 𝑡= 𝑠
⁄
√𝑁
𝑥̅𝐴 −𝑥̅𝐵
𝑡= 𝑁 +𝑁
𝑠𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑑𝑎 √ 𝐴 𝐵 Menú>Datos>Análisis de datos>Prueba t
𝑁𝐴 𝑁𝐵
Tipo II (𝑥̅𝐴 vs 𝑥̅𝐵 , 𝜎𝐴2 = 𝜎𝐵2 ) para dos muestras suponiendo varianzas
𝑠𝐴2 (𝑔𝑙𝐴 ) + 𝑠𝐵2 (𝑔𝑙𝐵 ) iguales
Pruebas de hipótesis 𝑠𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑑𝑎 = √
𝑁𝐴 + 𝑁𝐵 − 2
𝑥̅𝐴 − 𝑥̅𝐵
𝑡= Menú>Datos>Análisis de datos>Prueba t
Tipo II (𝑥̅𝐴 vs 𝑥̅𝐵 , 𝜎𝐴2 ≠ 𝜎𝐵2 ) 𝑠2 𝑠𝐵2 para dos muestras suponiendo varianzas
√ 𝐴 + desiguales
𝑁𝐴 𝑁𝐵
𝑑̅ − ∆0 Menú>Datos>Análisis de datos>Prueba t
Tipo III (𝑥̅𝐴 vs 𝑥̅𝐵 Datos pareados) 𝑡=𝑠 para medias de dos muestras
𝑑
⁄
√𝑁 emparejadas

Página 2 de 5
 Prueba F Fisher 𝑠𝐴2 Menú>Datos>Análisis de datos>Prueba F
𝐹=
(F siempre es >1) 𝑠𝐵2 para varianza de dos muestras
Estadístico F = 𝐷𝐼𝑆𝑇𝑅. 𝐹. 𝐼𝑁𝑉(𝑝, 𝑔𝑙𝐴 , 𝑔𝑙𝐵 ) (Cola derecha)
Probabilidad (distribución F) = 𝐷𝐼𝑆𝑇𝑅. 𝐹(𝐹, 𝑔𝑙𝐴 , 𝑔𝑙𝐵 ) (Cola derecha)
𝑥𝑐 − 𝑥𝑣
Prueba Q Dixon (Datos atípicos) 𝑄=
𝑤
𝑥𝑐 − 𝑥̅
Prueba G Grubbs (Datos atípicos) 𝐺=| |
𝑠
Desviación estándar general 𝑠𝑔2 = 𝑠𝑚𝑢
2
+ 𝑠𝑚𝑒2

Desviación estándar absoluta 𝜎𝐴 = √𝑁𝑝 (1 − 𝑝)

𝜎𝐴 √(1 − 𝑝)
Desviación estándar relativa 𝜎𝑟 =
𝑁𝑝 𝑁𝑝
1−𝑝
Muestreo Número de partículas requerido 𝑁=
𝑝𝜎2𝑟
Número de partículas requerido 𝑑𝐴 𝑑𝐵 2 %𝐴 − %𝐵 2
𝑁 = 𝑝(1 − 𝑝) ( 2 ) ( )
con densidades 𝑑 𝜎𝑟 ∙ %
Constante de muestreo 𝐾𝑠 = (𝑚)(𝜎𝑟 ∙ 100)2
Número de muestras de 𝑡𝑠𝑚𝑢 2
𝑁=( )
laboratorio 𝑥̅ 𝜎𝑟
𝑁1 𝑁2 𝑁𝑛
Gran media 𝑥̿ = ( ) 𝑥̅1 + ( ) 𝑥̅2 + ⋯ ( ) 𝑥̅𝑛 =PROMEDIO (todos los datos)
𝑁 𝑁 𝑁
Suma de cuadrados debida al
𝑆𝐶𝐹 = 𝑁1 (𝑥̅1 − 𝑥̿ )2 + 𝑁2 (𝑥̅2 − 𝑥̿ )2 + ⋯ 𝑁𝑛 (𝑥̅𝑛 − 𝑥̿ )2
Factor (SCF) (“Entre grupos”)
Suma de cuadrados debida al
𝑆𝐶𝐸 = (𝑁1 − 1)𝑠21 + (𝑁2 − 1)𝑠22 + ⋯ (𝑁𝑛 − 1)𝑠2𝑛
Error (SCE) (“Dentro de los grupos”)

Análisis de Suma total de cuadrados 𝑆𝑇𝐶 = 𝑆𝐶𝐹 + 𝑆𝐶𝐸

Varianzas Media de los cuadrados del 𝑆𝐶𝐹
(ANOVA) 𝑀𝐶𝐹 =
factor 𝐺−1
Media de los cuadrados del 𝑆𝐶𝐸
𝑀𝐶𝐸 =
error 𝑁−𝐺
𝑀𝐶𝐹 Menú>Datos>Análisis de datos>Análisis de
Prueba F 𝐹= varianza de un factor
𝑀𝐶𝐸
2 ∙ 𝑀𝐶𝐸
Diferencia Significativa Mínima 𝐷𝑆𝑀 = 𝑡√
𝑁𝑔

Página 3 de 5
 Suma de cuadrados
∑ 𝑥𝑖 2 =SUMA.CUADRADOS(valores)
(puede ser x o y)
Suma de cuadrados de los
𝑆𝑆𝑟𝑒𝑠𝑖𝑑 = ∑[𝑦𝑖 − (𝑚𝑥𝑖 + 𝑏)]2
residuales
(∑ 𝑥𝑖 )2
Varianza en x 𝑆𝑥𝑥 = ∑(𝑥𝑖 − 𝑥̅ )2 = ∑ 𝑥𝑖 2 −
𝑁
(∑ 𝑦𝑖 )2
Varianza en y 𝑆𝑦𝑦 = ∑(𝑦𝑖 − 𝑦̅)2 = ∑ 𝑦𝑖 2 −
𝑁
∑ 𝑥𝑖 ∑ 𝑦𝑖
Covarianza x-y 𝑆𝑥𝑦 = ∑(𝑥𝑖 − 𝑥̅ )(𝑦𝑖 − 𝑦̅) = ∑ 𝑥𝑖 𝑦𝑖 −
𝑁
𝑆𝑦𝑥
Pendiente 𝑚= =PENDIENTE(valores y,valores x)
𝑆𝑥𝑥
Intercepto 𝑏 = 𝑦̅ − 𝑚𝑥̅ =INTERSECCION.EJE(valores y,valores x)

Desviación estándar en la 𝑆𝑦𝑦 − 𝑚2 𝑆𝑥𝑥 =ESTIMACIÓN.LINEAL(valores y,valores

regresión 𝑠𝑟 = √ x,1,1) Utilizar arreglo de 5x2
𝑁−2

Desviación estándar de la 𝑠𝑟 2 =ESTIMACIÓN.LINEAL(valores y,valores

Regresión y 𝑠𝑚 = √
pendiente 𝑆𝑥𝑥 x,1,1) Utilizar arreglo de 5x2
correlación
1
Desviación estándar del 𝑠𝑏 = 𝑠𝑟 ∙ 2 =ESTIMACIÓN.LINEAL(valores y,valores
√ (∑ 𝑥𝑖 )
intercepto 𝑁− x,1,1) Utilizar arreglo de 5x2
∑ 𝑥𝑖 2
Desviación estándar de la 𝑠𝑟 1 1 (𝑦̅𝑐 − 𝑦̅)2
𝑠𝑐 = √ + +
concentración (Estándar externo) 𝑚 𝑀 𝑁 𝑚2 𝑆𝑥𝑥

𝑆𝑆𝑟𝑒𝑠𝑖𝑑
Error estándar de la estimación 𝑠𝑟 = √ =ERROR.TIPICO(valores y,valores x)
𝑁−2
Menú>Datos>Análisis de
Suma total de cuadrados 𝑆𝑆𝑡𝑜𝑡 = 𝑆𝑆𝑦𝑦
datos>Regresión
Suma de los cuadrados de la Menú>Datos>Análisis de
𝑆𝑆𝑟𝑒𝑔𝑟 = 𝑆𝑆𝑡𝑜𝑡 − 𝑆𝑆𝑟𝑒𝑠𝑖𝑑
regresión datos>Regresión
𝑆𝑆𝑟𝑒𝑔𝑟
Coeficiente de determinación 𝑅2 = =COEFICIENTE.R2
𝑆𝑆𝑡𝑜𝑡
𝑆𝑥𝑦
Coeficiente de correlación 𝑟= =COEF.DE.CORREL
√𝑆𝑥𝑥 ∙ 𝑆𝑦𝑦

Página 4 de 5
 𝑆𝑆𝑟𝑒𝑔𝑟
𝑔𝑙 Menú>Datos>Análisis de
Prueba F para regresión 𝐹=
𝑆𝑆𝑡𝑜𝑡 datos>Regresión
𝑔𝑙
|𝑟|√𝑁 − 2 Menú>Datos>Análisis de
Prueba t para regresión 𝑡=
√1 − 𝑅 2 datos>Regresión
[𝑥]0 𝑦0
Estándar interno =
[𝑆𝑇𝐷𝑖𝑛𝑡 ]𝑓 + [𝑥]𝑓 𝑦𝑓
−𝑏
Adición de estándares (y vs [x]) [𝑥] = | |
𝑚
−𝑏 ∙ [𝑆𝑇𝐷]
Adición de estándares (y vs VSTD) [𝑥] = | |
𝑚 ∙ 𝑉𝑥
Desviación estándar de la 𝑠𝑟 1 𝑦̅ 2
𝑠𝑐 = √ + 2
concentración (Adición de estándar) 𝑚 𝑁 𝑚 𝑆𝑥𝑥
𝑆𝑦𝑥
Sensibilidad de calibración 𝑚= =PENDIENTE(valores y,valores x)
𝑆𝑥𝑥
𝑚
𝛾=
Sensibilidad Analítica 𝑠
√ 𝑦𝑦
𝑁−1
3 ∙ 𝑠𝑏
Límite de detección (1978) 𝐿𝐷 =
𝑚
Parámetros de 3.29 ∙ 𝑠𝑏
calidad Límite de detección (1995) 𝐿𝐷 =
𝑚

Límite de detección absoluto 𝐿𝐷𝑎 = 𝐿𝐷 ∙ 𝑉𝑥

10 ∙ 𝑠𝑏
Límite de cuantificación 𝐿𝑄 =
𝑚
Intervalo de confianza para cx 𝑐𝑥 ± 𝑡(𝛼,𝑔𝑙) ∙ 𝑠𝑐 (gl=N-2)

Página 5 de 5