MÉTODOS

EXPERIMENTALES EN
INGENIERÍA QUÍMICA

Ing. Daniel Velasco M.Sc.

Velasco.daniel@correounivalle.edu.co
 MÉTODOS EXPERIMENTALES EN IQ
METODOLOGÍA Y EVALUACIÓN
La mayor parte del curso se llevará acabo con exposiciones del
docente, apoyado en cesiones de taller y tareas

Se realizaran dos parciales y un trabajo final de aplicación

Parciales 20 % c/u 40 %
Talleres y tareas 30 %
Trabajo final / Examen Final 30 %
PRIMER PARCIAL
26 DE FEBRERO
MARTES 18 NOVIEMBRE
7:00 A.M. – 8:30 A.M.

CALCULADORA
LAPIZ
BORRADOR
BOLÍGRAFO

NO PC / NO APUNTES / NO CELULAR
ESTADÍSTICA
ESTADÍSTICA
DESCRIPTIVA
 CONCEPTOS BASICOS
POBLACION: Conjunto bien definido sobre el que se observa o puede
observarse una cierta característica. Tamaño (N)
MUESTRA : Es un conjunto de individuos de la población que refleja las
características de la misma. Tamaño (n)
INDIVIDUO: Cada uno de los elementos de una población o muestra.(Ni o ni)

VARIABLE: Es un símbolo que representa una característica a estudiar de la

población (X).

DATO: Valor (numérico o no) que la variable toma sobre un individuo

concreto de la muestra (x)
 TIPOS DE VARIABLES
DISCRETA
CUANTITATIVA
CONTINUA
VARIABLE

ORDINAL
CUALITATIVA

NOMINAL
 FRECUENCIAS
• F. Absoluta: número de veces que dicho k

valor aparece en la muestra. n  n  n

i 1
i 1 2  ...  nk  n

k
• F. Relativa: cociente de la frecuencia ni
absoluta, entre el tamaño de la muestra fi  ,
n
f
i 1
i 1

• F. Absoluta acumulada: suma de las

frecuencias absolutas hasta ese valor.
Ni  n1  n2  ...  ni

• F. Relativa acumulada: suma de las Ni

Fi  f1  f 2  ...  fi , Fi 
frecuencias relativas hasta ese valor n
 DISTRIBUCION DE FRECUENCIAS
Si los datos son de tipo continuo o existe una gran cantidad de clases de datos, es
recomendable generar clases como intervalos, se aconseja seguir los siguientes pasos

1. Identificar la unidad de medida de los datos

2. Obtener el rango de los datos (R)
R = mayor valor – menor valor
3. Seleccionar el número de clases (o intervalos) k, para agrupar los datos.
Regla de Sturges, se aproxima al entero más cercano
k = 1+ 3,332Log (n); n = # de datos
4. Obtener la amplitud Amplitud = R/k
5. Determinar la marca de clase (punto medio entre extremos de cada clase
6. Realizar el conteo de datos para obtener la frecuencia absoluta de cada clase)
7. Generar las otras frecuencias posibles
EJERCICIO DE REPASO
 REPRESENTACIÓN GRÁFICA DE FRECUENCIAS
HISTOGRAMA POLÍGONO DE FRECUENCIA
15 15

10 10

5
5
0
0 0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5
1.5 2.5 3.5 4.5 5.5 6.5

OJIVA
 REPRESENTACIÓN GRÁFICA DE FRECUENCIAS
TORTA O PASTEL
BARRAS
FRECUENCIAS ABSOLUTAS
FRECUENCIAS ABSOLUTAS 1
3
40
2
35 12 9 6 11 3
12
30 4
25 25 5
20
15 38 6
10
7
5 34
0 8
1 2 3 4 5 6 7 8 9 9
EJERCICIO DE REPASO
MEDIDAS
ESTADÍSTICAS
- DE TENDENCIA CENTRAL
- DE DISPERSIÓN
- DE POSICIÓN
 MEDIDAS ESTADISTICAS
Las medidas descriptivas numéricas calculadas a partir de
mediciones poblacionales se llaman PARÁMETROS.

Las medidas calculadas a partir de mediciones muéstrales

reciben el nombre de ESTADÍSTICAS.
 MEDIDAS DE TENDENCIA CENTRAL
• Valor que se calcula para un grupo de datos y definen el valor
alrededor del que se concentran los datos u observaciones

• Debe ser representativo

 MEDIDAS DE TENDENCIA CENTRAL
• MEDIA ARITMETICA  x,  1 n k
x   xi   xi f i
(promedio aritmético) n i 1 i 1

• MEDIA PONDERADA x p , p  𝑥ҧ𝑝 =

σ𝑛
𝑖=1 𝑝𝑖 𝑥𝑖
σ𝑛
𝑖=1 𝑝𝑖

• MEDIANA (m)

• MODA
COMPARACION ENTRE LAS MEDIDAS DE TENDENCIA CENTRAL
Media:
(+) Usa toda la información que existe en los datos
(-) Cualquier valor extremos puede provocar un desplazamiento de la media, hasta el
punto de que deje de ser una medida representativa de la mayoría de los datos.
Mediana:
(+) No se ve afectada por la aparición de observaciones anómalas. Por ello, en tales
casos la podemos considerar como una medida más representativa de la mayor parte
de los datos que la media
(-) No utiliza toda la información de los datos - sólo los valores centrales
Moda:
(+) Se puede calcular para todo tipo de variables, incluidas las cualitativas
(-) Pueden existir varias modas
 MEDIDAS DE DISPERSION
• Caracterizar una distribución solamente a través de una medida de
posición no es apropiado.
• Las distribuciones del flujo de datos de dos compañías con el
mismo flujo medio son muy distintas si una de ellas tiene
extremos de velocidad en sus flujos, mientras que la otra tiene
poca variación de velocidad en sus flujos.

• Estamos interesados en la dispersión o variabilidad de las

velocidades de flujo, además de estarlo en sus centros.
 MEDIDAS DE DISPERSION
RANGO – AMPLITUD 𝑅 = 𝑀𝑚𝑎𝑥 − 𝑀𝑚𝑖𝑛

σ 𝑋−𝜇 σ 𝑋 − 𝑋ത
DESVIACION MEDIA 𝐷𝑀𝑝𝑜𝑏𝑙 =
𝑁
; 𝐷𝑀𝑚𝑢𝑒𝑠𝑡𝑟 =
𝑛

σ 𝑋−𝜇 2 σ 𝑋 − ത
𝑋 2
VARIANZA 2
𝜈 𝑋 =𝜎 = 𝑠2 =
𝑁 𝑛−1

σ 𝑋−𝜇 2 σ 𝑋 − 𝑋ത 2
DESVIACIÓN ESTÁNDAR σ= s=
𝑁 𝑛−1
 MEDIDAS DE DISPERSION
COEFICIENTE DE VARIACIÓN 𝜎 𝑠
𝐶𝑉 = 𝐶𝑉 =
𝜇 𝑋ത
COEFICIENTE DE CORRELACION 𝜌 = 𝐶𝑂𝑉 𝑋, 𝑌 r=
𝑐𝑜𝑣 𝑋, 𝑌
𝜎𝑋 𝜎𝑦 𝑠𝑋 𝑠𝑦

COVARIANZA

σ 𝑥𝑖 − 𝜇𝑥 𝑦𝑖 − 𝜇𝑦 σ 𝑥𝑖 − 𝑋ത 𝑦𝑖 − 𝑌ത
𝐶𝑂𝑉 𝑋, 𝑌 = 𝑐𝑜𝑣 𝑋, 𝑌 =
𝑁 𝑛−1
EJERCICIO DE REPASO