1
Práctica 2. Histogramas y tratamiento estadístico
Julio César Bedoya Gutiérrez
Universidad Nacional de Colombia
RESUMEN
Los histogramas son gráficas que nos permiten reconocer la
proporción que tiene uno o varios datos en un determinado
intervalo. En este informe se analizó un número determinado de
piezas de papel con las cuales se realizaron distintos cálculos y
gráficas. Se hizo un contraste entre los primeros 16 datos
medidos con el total de las muestras, se visualiza entonces cuales
cálculos son mas adecuados, qué fórmulas están más cercanas a
los valores concretos y como los instrumentos pueden ser un
limitante al tener una medida real. Se concluye que, gracias a los
histogramas normalizados, las medidas tomadas se presentan
como estadísticas que son entendibles y útiles mientras más datos
se tengan y existan diferencias entre ellos.
Palabras Clave— Histograma, Medida, Curva Gaussiana,
Experimento.
I. INTRODUCCIÓN
Desde hace ya mucho tiempo en la antigüedad, se sabia que
los errores experimentales eran un tema relevante para la
ciencia, uno de los primeros grandes genios en mencionarlo
fue Galileo, al estudiar los fenómenos celestes. Con el pasar
del tiempo muchos más científicos se dieron a la tarea de
encontrar una fórmula para calcular dichos errores, finalizando
en una función de densidad para el error probada por Gauss,
donde h es lo que él llamaba “precisión del proceso de
medida” [1].
ℎ II. EL MONTAJE EXPERIMENTAL
2𝑥2
𝜙(𝑥) = 𝑒 −ℎ
√𝜋
La distribución de datos en un histograma concuerda con la
campana Gaussiana, lo que permite ampliar el rango de
valores que proporciona dicha gráfica.
Cuando se realizan mediciones se sabe que seguramente
dichas cifras no corresponden con el valor real, a medida del
tiempo se ha ideado una manera de saber cuanto es ese valor
con el cual no se llega al dato exacto, puesto que estos errores
impiden que algunos cálculos que se necesitan sean lo más
certeros posibles, como es el caso ya mencionado de la
astronomía. Un histograma nos permite ver como es la
frecuencia de los datos, cual es la moda o el promedio, y entre
Bedoya Gutierrez Julio Cesar: jubedoyag@unal.edu.co, estudiante de
Ingeniería de Sistemas y Computación, Universidad Nacional de Colombia.
dichos datos es imposible ignorar el hecho de que existe una
incertidumbre. Es posible entonces pensar en que valores son
los mas adecuados para un número mayor de datos medidos,
que sucede si en vez de medir 100 o 200 muestras, se miden,
miles o millones, que pasa con el histograma, para ello
entonces se calcula el histograma normalizado comparando la
frecuencia de los datos, con un valor representativo del
intervalo en el que se encuentran, esto se realiza con la
ecuación de la función de distribución:
𝑛𝑗
𝑓𝑗 =
∑𝑚
𝑗=1 𝑛𝑗
Donde m es el número de intervalos, y nj es el número de
datos del respectivo intervalo, con la función de distribución y
el valor representativo xj ya es posible calcular la frecuencia
normalizada, dato que resulta mas simple de implementar en
un histograma que el total de datos medidos. Con dichas
medidas también es posible calcular el promedio y la
desviación estándar con las siguientes fórmulas (la fórmula del
promedio es equivalente a la fórmula general) [2]:
𝑚
𝑥̅ = ∑ 𝑥𝑗 ∙ 𝑓𝑗
𝑗=1
𝑚
𝜎𝑥 = √∑ 𝑓𝑗 ∙ (𝑥𝑗 − 𝑥̅ )2
𝑗=1
Para realizar la práctica se contó con una escuadra graduada
en centímetros y milímetros, unas tijeras y dos hojas de
tamaño carta. Se cortaron las hojas en sus mitades de tal
manera que quedaron ocho papeles iguales, con cada una se
repitió el mismo proceso quedando 32 papeles con los cuales
se repitió el mismo proceso una vez más, quedando un total de
128 papeles. En un principio se escogieron 16 papeles
aleatorios para los cuales se les midió su ancho y largo
teniendo en cuenta la incertidumbre instrumental de 0,05 cm, a
estas medidas se les hizo un promedio y su respectiva
desviación estándar, después se hizo lo mismo con todos los
demás papeles restantes.
 2

Fig 1. Escuadra y tijeras usadas en el montaje experimental.

III. ANÁLISIS DE RESULTADOS Fig 2. Histograma normalizado del ancho de los primeros 16 datos medidos,
además de los valores de fj contra xj también se observa una curva gaussiana.
Tabla 1. Valores del ancho de los papeles
Intervalo Valor Datos por Distribución
(cm) representativo intervalo de datos fj
xj (cm)
[2,6 - 2,7) 2,65 6 0,375
[2,7 - 2,8) 2,75 8 0,5
[2,8 – 2,9] 2,85 2 0,125

Tabla 2. Valores del largo de los papeles

Intervalo Valor Datos por Distribución
(cm) representativo intervalo de datos fj
xj (cm)
[3,4 - 3,5) 3,55 5 0,3125
[3,5 - 3,6) 3,65 8 0,5
[3,6 – 3,7] 3,75 3 0,1875

Los valores de las Tablas 1 y 2 muestran como se

organizaron los primeros 16 datos recolectados de los papeles.
Dichos datos fueron bastante homogéneos, por lo que para el
ejercicio no fueron tan útiles como se esperaba, sin embargo,
se pudo notar que la mayoría de ellos se ubicaba en el
intervalo del medio, tanto como para el ancho y el largo, con
un valor promedio de ancho de (2,675±0,068) cm y un valor
promedio de (3,488±0,072) cm.
Fig 3. Histograma normalizado del largo de los primeros 16 datos medidos,
además de los valores de la frecuencia fj contra el valor representativo xj
también se observa una curva gaussiana.
Las Figuras 2 y 3 muestran los histogramas de cada medida,
fueron realizados considerando 1 cm el tamaño de los
intervalos, ya que las medidas no presentaron muchas
diferencias y se encuentran en dichos intervalos. Es claro
observar en ambos casos, que por la poca diferencia entre
datos el histograma resulta muy simple, lo que dificulta su
normalización y el suavizado para trazar una curva de Gauss.

Tabla 3. Valores del ancho del total de papeles

Intervalo Valor Datos por Distribución
(cm) representativo intervalo de datos fj
xj (cm)
[2,5-2,6) 2,55 1 0,0078
[2,6-2,7) 2,65 21 0,164
[2,7-2,8) 2,75 68 0,53
[2,8-2,9] 2,85 38 0,297
 3

Tabla 4. Valores del largo del total de papeles Se calculó de una forma diferente el promedio y la
Intervalo Valor Datos por Distribución distribución estándar usando las fórmulas 1) y 2)
(cm) representativo intervalo de datos fj respectivamente:
xj (cm) 𝑥̅ = ∑ 𝑓(𝑥𝑖 )𝑥𝑖 1)
[3,3-3,4) 3,35 1 0,0078 𝑖
[3,4-3,5) 3,45 24 0,188
[3,5-3,6) 3,55 68 0,53 2)
𝜎 = ∑ 𝑓(𝑥𝑖 )(𝑥𝑖 − 𝑥̅ )
[3,6-3,7] 3,65 35 0,273
𝑖

Los valores de las Tablas 3 y 4 muestran como se Tabla 5. Cálculos con las nuevas fórmulas
distribuyen todas las muestras analizadas, conservando Promedio 𝑥̅ Desviación
muchas similitudes con las primeras 16 muestras medidas. En estándar 𝜎
el total de muestras se conserva el tamaño de los intervalos,
Medidas Ancho Largo Ancho Largo
pero también aumentan en uno, por su proporción de datos se
(cm) (cm) (cm)
ve que el total de datos es homogéneo, apenas existen 4
Primeros 2,725 3,538 0,001 0
intervalos considerables donde el primero apenas contiene un
16 papeles
único dato en ambas tablas, también es reflejado en los
Figuras 4 y 5, histogramas más exactos y eficientes que las Todos los 2,762 3,53 -0,00028 0,028
Figuras 2 y 3. papeles

Los valores calculados resultan diferentes de los otros

Fig 4. Histograma normalizado del ancho de todos los papeles, se conserva
el mismo tamaño de los intervalos, pero aumentan en uno.
números en puntos anteriores, el promedio resulta ser el
mismo usado para graficar los histogramas, esto resulta
efectivo para la gráfica y muestra un valor casi igual al
promedio de cada caso respectivo. La desviación estándar en
cambio difiere bastante de los anteriores resultados puesto que
la fórmula de calcularla es diferente respecto a la raíz de toda
la expresión, y el cuadrado de la diferencia entre el valor
representativo y el promedio; dicho cambio afecta
considerablemente los nuevos valores de desviación,
haciéndolos incluso negativos.
La altura de las Figuras 4 y 5 nos proporcionan el dato que
más se encuentra entre todas las mediciones, en el punto
exacto donde esta alcanza su máximo, se encuentra sobre el
dato exacto que es la moda [3]. Dado que la curvas Gaussianas
que se observan en las figuras mencionadas son una
representación continua y suavizada de la función de
distribución, ambas sumatorias para cada caso respectivo (en
el caso de la curva, las integrales desde el dato menor hasta el
mayor) resultan siendo 1 [2].

El promedio inicial de los datos para cada caso, junto con

sus errores totales (considerando el error nominal o
instrumental, y la desviación estándar de dicho) proporcionan
para los primeros 16 papeles un ancho experimental de 𝑎 =
(2,675 ± 0,068)𝑐𝑚 y un largo de 𝑙 = (3,488 ± 0,072)𝑐𝑚.
Para el total de papeles las medidas experimentales resultan en
𝑎 = (2,712 ± 0,051)𝑐𝑚 y 𝑙 = (3,51 ± 0,05)𝑐𝑚, resultados
acordes a lo anteriormente calculado y señalado en las
distintas gráficas.

Las desviaciones estándar nos facilitan el cálculo de error

Fig 5. Histograma normalizado del ancho de todos los papeles, se conserva
el mismo tamaño de los intervalos, pero aumentan en uno.
para los datos estudiados. La desviación estándar del
promedio, y la distribución de los anchos y largos, poseen una
expresión dentro de su fórmula general, puesto que el total de
datos N no es posible alterarlo de alguna forma para que la
desviación estándar del total de datos se acerque a 0, tampoco
se puede cambiar la función de distribución para que de igual
forma se disminuya la desviación estándar; en cambio en
ambas es posible disminuir su valor si el total de datos tiende a

ser igual a su promedio, de igual forma que el valor esperado
de cada intervalo cercano al promedio distribuido, con esto
ambas distribuciones disminuirían, ya en la práctica esto se
interpreta en las muestras medidas son casi iguales, proceso
que según el entorno, las herramientas y contexto es difícil de
conseguir.
Fig 6. Valores del largo de las piezas de papel distribuidos en 8 intervalos.
Fig 7. Valores del largo de las piezas de papel distribuidos en solo dos
intervalos.
Al cambiar los intervalos de tamaño se puede observar en las
Figuras 6 y 7, como los datos son reagrupados, cuando el
intervalo se divide a la mitad, el número de intervalos se
duplica, por la similitud en los datos, se observa que lo único
que sucede es que ahora existen intervalos sin datos, en
cambio, cuando se escoge un intervalo con el doble de tamaño
del original, el número de intervalos se reduce a la mitad,
ahora los datos si cambian su distribución de cada intervalo,
en este caso se observa un histograma en el que una curva
Gaussiana no es aplicable, al menos no para mostrar un
suavizado de datos, como si puede hacerse (consiguiendo
pocos resultados de ello) en el caso de minimizar el intervalo.
4
IV. CONCLUSIONES
Se puede afirmar que, gracias a los instrumentos modernos,
los cálculos y medidas entre diferentes muestras de un
experimento tienen una exactitud perfecta para el uso práctico
de dichos resultados.
Los histogramas nos permiten visualizar y comunicar
información estadística ordenadamente, con la cual se puede
observar en un conjunto de muestras cuales son las
proporciones de los valores tenidos en cuenta, cuando dichos
valores difieren unos entre si y la cantidad de ellos es
considerable, el histograma muestra una campana de Gauss
que aproxima los valores de forma continua, lo cual permite
obtener valores hipotéticos que no fueron medidos en un
intervalo, lamentablemente como se vio en el experimento, las
muestras casi iguales no son muy útiles para graficarlas en un
histograma.
Aunque en varias ocasiones se usaron distintas fórmulas
para los mismos cálculos, los valores rara vez tuvieron un
cambio considerable; el promedio y el valor medio, la
desviación estándar común y la calculada con la frecuencia,
arrojan resultados no muy diferentes, sin embargo, el
redondeo y el cambio de fórmulas si alteran los resultados, así
sea en una proporción despreciable.
REFERENCIAS
[1] S. Stahl. (2006, Diciembre). La evolución de la distribución normal.
Mathematics Magazine. Disponible en:
https://revistas.usantotomas.edu.co/index.php/estadistica/article/downl
oad/49/47/
[2] M. A. Ardila. (2007, Octubre). Fisica Experimental. Colecci ó n Notas
de clase. Segunda Edición, pág. 51.
[3] M. A. Ardila. (2007, Octubre). Fisica Experimental. Colecci ó n Notas
de clase. Segunda Edición, pág. 53.