Documentos de Académico
Documentos de Profesional
Documentos de Cultura
RESUMEN
Con el propósito de crear un ambiente de trabajo seguro y eficaz, en el siguiente informe se emplea el
conocimiento del reglamento, las normas básicas de seguridad, el buen uso de los instrumentos presentes en
el laboratorio, y las unidades de medida a las que estos están sujetos, para la realización un trabajo
competente y con el tecnicismo adecuado. Dicho esto, es de suma importancia que “nunca trabaje sin
conocer la localización y operación de todos los equipos de emergencia del laboratorio, el ejercicio de la
seguridad deberá ser una práctica de rutina en todos los laboratorios”
En la etapa experimental se realiza una serie de experiencias con el fin de familiarizarse con los
instrumentos y las técnicas básicas de medición, entre las cuales se encuentran la medición de volúmenes
con probeta, pipeta y vaso precipitado; cálculo de la densidad de una solución, utilizando un densímetro, y
de un sólido; medición de temperatura en ebullición. Todo esto con el objetivo de analizar los resultados
experimentales o medidos en comparación a los valores teóricos, y he allí donde entran en juego los
conceptos de error absoluto, error relativo y porcentaje de error, los cuales indican de manera analítica las
variaciones entre los valores referenciales y los obtenidos de forma empírica. Finalmente se llega a la
conclusión de que cualquier medición realizada no es exacta, sino que depende del nivel de fidelidad de los
instrumentos empleados, respecto a sus unidades de medida y el método en que fueron utilizados.
INTRODUCCIÓN Por consiguiente, es pertinente tener una base
“La observación en la ciencia es un acto pasivo; la teórica del tema planteado, no es admisible
experimentación es algo activo” De eso no cabe experimentar con materiales y reactivos que
duda, puesto que el trabajo práctico de los podrían causar algún daño, sin saber cuáles
laboratorios, tiene un rol fundamental en la podrían ser estos
enseñanza, ya que permite al alumno la
posibles accidentes y sus respectivas
experimentación y, por tanto, el descubrimiento
consecuencias, tanto para el usuario directo, como
personal de la información que se adquiere día a
para los compañeros. Por otro lado, en cuanto a lo
día en los libros, páginas web, etc. Y, de este
experimental, para ser capaz de trabajar en un
modo, desligarse del concepto de ‘Resultados
laboratorio se debe tener un conocimiento previo
Correctos’ que se obtiene cuando el alumno se
sobre los materiales que se utilizan, sus
limita a los datos de un libro, y del cual cree
unidades de medida junto a técnicas de medición,
indiscutiblemente, sin la posibilidad de validar
y dominar los conceptos de error en la
dicha información.
experimentación. De esta forma encontramos 2
Lo principal para el inicio del trabajo en tipos de valores que pueden arrojar las
laboratorio y como en toda situación de la vida es mediciones: Valor medido (vm), que hace
que se deben acatar y hay que regirse por ciertas referencia al valor obtenido por la medición del
normas y reglamentos, que indican cómo instrumento más inexacto, y valor real (vr) que es
comportarse frente a diversos panoramas, y se por el instrumento más exacto. Entre estos 2 datos
debe trabajar teniendo en cuenta todos los puede surgir un error el cual muestra la diferencia
conceptos de seguridad y de comportamiento que de exactitud que tienen diversos instrumentos del
se dictan, este hecho es una clave para el éxito en laboratorio, denominado valor absoluto.
la experimentación, e ignorarlo es un error fatal.
Los resultados de las medidas se expresan mediciones repetidas, bajo condiciones
numéricamente, asociando valores concretos a las especificadas.
magnitudes medidas directa o indirectamente: La precisión de una medida suele expresarse
masa, volumen, concentración, temperatura, etc. numéricamente mediante medidas de dispersión
Al asignar un determinado valor a una magnitud tales como la desviación típica o la varianza. Por
mediante un proceso de medición, directa o ello, cuanto más estrecha es la distribución de
indirecta, hacemos de contar con el hecho de que resultados, menor será la desviación típica de la
siempre va ir acompañado de cierta imprecisión. misma y mayor la precisión de la medida. La
El numero x que resulta de un proceso de medida precisión depende pues únicamente de la
adolece siempre de una cierta imprecisión. Por distribución de los resultados y no está
este motivo, la especificación del valor de la relacionada con el valor “verdadero” de la
medida deberá estar constituida por dicho número medición
y otra cantidad Δx que nos de una idea de su Por su parte, la exactitud viene definida como la
imperfección (imprecisión) y que llamaremos proximidad entre el valor medido y el valor
error de la medida. Los errores cometidos en las “verdadero” del mensurando. Así pues, una
medidas son desconocidos, pero pueden estimarse medición es más exacta cuanto más pequeño es el
mediante lo que conocemos cálculo de errores. error de medida. Es decir, la exactitud de una
Todas las ciencias experimentales se basan en la medición hace referencia a su cercanía al valor
obtención de información mediante la observación que pretende medir.
de fenómenos que ocurren en la naturaleza. Dicha Una importante distinción entre exactitud y
información resultará incompleta a menos que se precisión es que la exactitud puede determinarse
trate de una información cuantitativa. El asignar a con una sola medida, mientras que para evaluar la
una magnitud un numero acompañado de una precisión se necesitan varias medidas
unidad que presta su significado al número, (repetibilidad), no pudiéndose hablar de precisión
constituye lo que en adelante llamaremos una para una sola medida. [2]
medida. El proceso de medida consistirá una
magnitud con otra patrón tomada como unidad. Error absoluto:
Dado que todas las leyes experimentales surgen de Es la diferencia entre el valor medio (Xi) y el
la sistematización de los resultados de medidas de verdadero o aceptado como correcto, X+.
laboratorio, es totalmente imprescindible tener en E = Xi – X+
cuenta las limitaciones en la exactitud y precisión Error relativo:
de dichos resultados para tener una idea clara de X +¿
E=X i− ¿
su validez, en definitiva, de las propias leyes y de X +¿∗100 % ¿
sus conclusiones.[1]
Tipos de errores experimentales:
El objetivo de esta práctica es poner de manifiesto
las matemáticas básicas y tratamiento estadístico Errores Sistemáticos(exactitud): Existen errores
de datos obtenidos en el laboratorio, para la que se pueden eliminar mediante el mejoramiento
correcta empleabilidad de ellas. del procedimiento experimental (no
necesariamente mejorando el instrumento).
METODOLOGÍA Ejemplos de lo anterior son: errores en el cero en
Para ello es necesario conocer los conceptos un micrómetro, luz ambiente incidiendo en el
fundamentales de las matemáticas básicas y detector, o el error introducido en una medición de
tratamiento estadístico de datos obtenidos en el precisión usando una regla de acero debido a
laboratorio, en tal sentido empezaremos a detallar cambios en la temperatura ambiente. Estos son
las que se emplean más. normalmente constantes o varían muy lentamente
Precisión Y Exactitud dentro de la escala de tiempo en que se realiza el
experimento. Estos son errores que en general
Según el Vocabulario Internacional de Metrología
pueden ser controlados. Gran parte de la habilidad
(VIM), que define la precisión como la
involucrada en la física experimental reside en
proximidad entre las indicaciones o valores
poder aislar y eliminar los errores sistemáticos.
medidos de un mismo mensurando, obtenidos en
Por ejemplo, una serie de datos que decrece
constantemente en el tiempo revela un error sobre esa medida, y ese ACTO de medir es lo que
sistemático. Los errores sistemáticos no se pueden le da significado a cada dígito (cifra) del valor
trabajar con las ecuaciones mostradas a completo que usted obtiene. Por consiguiente, un
continuación. La mayoría de los errores que usted número como 26.38 tendría cuatro cifras
tendrá en el laboratorio serán sistemáticos. significativas, mientras que 7.94 tendría tres. El
problema aparece con números tales como 0.009
Errores Aleatorios(precisión): Estos son los
80 o 28.09.
errores que quedan una vez que todos los errores
sistemáticos se han removido. Estos pueden surgir Regla 2: cualesquiera ceros entre dos cifras
de ambigüedades o incertezas en el método de significativas son significativos.
medición debido por ejemplo a la precisión del
Suponga que usted tiene un número tal como 406.
aparato o debido a fluctuaciones aleatorias que
Según la Regla 1, el 4 y el 6 son significativos.
son demasiado irregulares o rápidas como para ser
Pero para hacer una decisión de medida sobre el 4
observadas en detalle.
(el lugar de las centenas) y sobre el 6 (el lugar de
Errores instrumentales: Son causados por el las unidades), usted TUVO que haber tomado una
comportamiento no ideal de los instrumentos o decisión sobre la cifra de las decenas. La escala
por calibraciones deficientes. del instrumento donde se leyó este número debió
tener marcas al menos para las centenas y las
Error personal: Este es, en general, difícil de
decenas, pudiendo dejar las unidades para ser
determinar y es debido a las limitaciones de
estimadas. Algo así:
carácter personal como los problemas de tipo
visual, descuido o falta de atención.
Errores de método (el más grave): corresponden
a una elección inadecuada del método de medida;
lo que incluye tres posibilidades distintas: la
inadecuación del aparato de medida, del A estos se les llama a veces “ceros apresados”.
observador o del método de medida propiamente
dicho. [3] Regla 3: los ceros al final de la parte decimal son
significativos.
Cifras Significativas Y Redondeos
Esta regla es la que causa mayor dificultad en
Al presentar numéricamente un resultado se debe algunos estudiantes. Aquí están dos ejemplos de
tener en cuenta el concepto de cifra significativa. esta regla, con los ceros que esta regla afecta en
El número de cifras significativas de un resultado rojo:
se obtiene contando desde la derecha el número de
cifras de la cantidad hasta que encontremos un 0.00500
último número no cero, a partir del cual todos 0.03040
números a la izquierda son ceros.
Aquí están otros dos ejemplos donde los ceros
Las cifras significativas de un número son significativos están en rojo:
aquellas que tienen un significado real y, por
tanto, aportan alguna información. Toda medición 2.30 x 10 -5
experimental es inexacta y se debe expresar con 4.500 x 10 12
sus cifras significativas. [4]
Desviación Estándar
Reglas para establecer las cifras significativas de
un número dado: La desviación estándar o desviación típica (σ) es
una medida de centralización o dispersión para
Regla 1: los dígitos diferentes de cero son siempre variables de razón (ratio o cociente) y de
significativos. intervalo, de gran utilidad en la estadística
Si usted mide algo y el instrumento que usa descriptiva. Se define como la raíz cuadrada de la
(regla, termómetro, balanza, etc.) le entrega un varianza. Junto con este valor, la desviación típica
número, entonces usted ha tomado una decisión es una medida (cuadrática) que informa de la
media de distancias que tienen los datos respecto rango de posibilidad de rendimiento o entre otras
de su media aritmética, expresada en las mismas cosas.
unidades que la variable. Se caracteriza por ser el
estadígrafo de mayor uso en la actualidad. [5] Desvió estándar de la población σ :
Error absoluto:
N
E = Xi – X+
X
2
i
Xi: es el error real. i 1
Xi X d
2 2
i
N 1 N 1
dm
X i X X: Datos de la variable x.
N Xi: Observación número i de la variable x
Xi: Observación número i de la variable x. N - 1: Numero de datos, población o muestra
X́ : Es la media de la variable x. menos 1
N: Numero de datos, población o muestra. X́ : La media
Es un parámetro de dispersión de un conjunto de D: desvió
observaciones en que el consiste en hallar la Es una medida de dispersión que se utiliza para
media de los datos absolutos de las desviaciones representar la variabilidad de un conjunto de datos
de una serie con respecto a su media. respecto al promedio.
S
N N
DER 100
Xi X di2 X
s i 1
i 1
S: Es la desviación estándar
N 1 N 1
X́ : La media de los datos
Es una medida que describe la propagación de los
S: Desviación estándar muestral.
datos con respecto a la media, se da como una
X: Datos de la variable x.
interpretación en base a los resultados.
Xi: Observación número i de la variable x.
Coeficiente de variación o porcentaje de
N - 1: Numero de datos, población o muestra
desviación estándar relativa:
menos 1.
X́ : Es la media de la variable x.
S
D: Desvió. CV 100
X
Se puede utilizar para establecer un valor de
S: es la desviación estándar
referencia para estimar a partir de algunos
individuos de un proceso ya que nos da la idea del X́ : la media de los datos
100%: es el valor porcentual
Se utiliza para comparar la dispersión o variación El objetivo de la Regresión Lineal Simple es el
de conjuntos de datos de medidas diferentes, en el hecho de minimizar la distancia vertical entre
que se compara conjuntos de datos pertenecientes todos los datos y nuestra línea o recta. Existen
a una población distinta y así eliminar las posibles muchos métodos para cumplir con el objetivo,
distorsiones de las medias de dos o más pero entre todo el principal es el minimizar la
poblaciones distancia. Para encontrar la mejor línea de ajustes
Error estándar de la media, Sm: es utilizando el criterio de mínimos cuadrados
para así reducir el error. El error es una parte
S inevitable del proceso de predicción en el que no
Sm
N importa que método elijamos, siempre habrá un
S: Desviación estándar error irreductible. [6]
N: número de datos La línea de alguna forma es un promedio tanto los
Es el valor que cuantifica cuanto se apartan los errores + como errores – deben de ser iguales eso
valores de la media de la población es una característica, otra característica es que los
cuadrados su suma debe ser el más menor posible.
Regresión Lineal Simple Si el coeficiente de correlación es R=1 la línea
recta tiene un buen pronóstico, pero si es R=0 no
La regresión lineal simple es una técnica tiene un buen pronóstico.
paramétrica utilizada para predecir variables
continuas, dependientes, dado que es un conjunto Regresión Mínimos cuadrados
de variables independientes. Este algoritmo es un Este método consiste en explicar una de las
método estadístico que permite resumir y estudiar variables en función de la otra a través de un
las relaciones entre dos variables continuas determinado tipo de función. Es equivalente a
cuantitativas. El objetivo de un modelo ajustar por mínimos cuadrados la totalidad de las
de regresión es tratar de explicar la relación que observaciones. La técnica de mínimos cuadrados
existe entre una variable dependiente (variable intenta reducir la suma de los errores al cuadrado,
respuesta), y un conjunto de variables buscando el mejor posible de los coeficientes de
independientes (variables explicativas). Esta regresión.
regresión lineal simple se expresa
matemáticamente para aproximar o predecir la Los mínimos cuadrados no es la única técnica para
variable dependiente dada como: usar en Regresión lineal, pero se selecciona
debido a las siguientes razones:
y=ax+ b o y =β 0+β 1 x
Utiliza un error cuadrado por lo que es más
12000
fácil diferenciar y calcular el descenso del
f(x) = 97.08 x + 733.74
10000 gradiente.
Analiza con eficacia de manera rápida, es
8000
decir que se puede aplicar rápidamente a
6000 conjuntos de datos que tienen miles de
características.
4000
Su interpretación es mucho más fácil que
2000 otras técnicas de regresión.
Las interpolaciones son predicciones
hechas dentro del rango de los datos
usados para construir el modelo
Las extrapolaciones son predicciones
hechas fuera de este rango y son mucho
En el grafico N°3 existe una asociación más problemáticas, siendo la selección del
lineal positiva (varían en general en el modelo aún más crítico y diferentes
mismo sentido). modelos frecuentemente generan
predicciones dispares. [8]
Tipos de regresión
En grafico N°5 existe una fuerte Lineal simple: Predicción de una variable de
asociación, pero no lineal. [7] respuesta cuantitativa a partir de una variable
predictora cuantitativa.
Polinomial: Predicción de una variable de
respuesta cuantitativa a partir de una variable
predictora cuantitativa, donde la relación se
modela como una función polinomial de orden
n.
Lineal múltiple: Predicción de una variable
de respuesta cuantitativa a partir de dos o más
Suposiciones o pronostico variables predictoras cuantitativas.
Multivariada: Predicción de más de una
variable de respuesta cuantitativa a partir de
una o más variables predictoras cuantitativas.
Logística: Predicción de una variable
categórica a partir de una o más predictoras.
Poisson: Predicción de una variable de
respuesta que representa un conteo a partir de
una o más predictoras.
No lineal: Predicción de una variable de
respuesta cuantitativas a partir de una o más
predictoras, donde el modelo no es lineal.
Robusta: Predicción de una variable de
respuesta cuantitativa a partir de una o más
predictoras, usando una aproximación
Grafico 8: En este grafico los puntos tiene una
resistente al efecto de observaciones
relacion intermedia con la linea recta: R=0,40
influyentes.
Relación de los puntos con la línea recta
R: coeficiente de correlación de Pearson.
R=1 o R=0 / R=-1 o R=0
Gráfico 6: En este grafico los puntos no tiene
relación con la línea recta: R=0
Formula:
∑ ¿ 1x i (1−5)2 +(3−5)2 +(5−5)2+(7−5)2 +(9−5)2
i
N 5−1
2 2
(−4) + (−2 ) + ( 0 ) +( 2)2 +(4)2
2
2+ 4+ 6+8 5−1
=5
4 40
=10
Hallar Varianza: 4
N Hallar desviación estándar:
∑ ( X i−μ )2
Formula: i=1 Fórmula;√ s 2
N
s=√ 10
(2−5)2 +(4−5)2+(6−5)2+(8−5)2 s=3.162
4
2 2
(−3) + (−1 ) + ( 1 ) +(3)2
2
4
20
=5
4
Hallar desviación estándar:
Fórmula;√ σ 2
σ=√ 5
σ =2.236
PREGUNTA N°08
Calcular la varianza y la desviación estándar de
los siguientes datos: 1, 3, 5, 7 y 9 sabiendo que
corresponden a una muestra
Datos:
1,3,5,7
Corresponden a una muestra
Solución:
Hallar desviación media
N
Formula:
∑ ¿ 1x i
i
N
1+ 3+5+7+9
=5
5−1
Hallar Varianza: