Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Universidad Nacional de San Cristobal de Huamanga: Facultad de Ingeniería Química Y Metalurgia
Universidad Nacional de San Cristobal de Huamanga: Facultad de Ingeniería Química Y Metalurgia
PRACTICA Nº 02
“ESTADISTÍCA GAUSSIANA”
ASIGNATURA : FS 241 (Física I)
AYACUCHO-PERU
2015
ESCUELA DE CIENCIAS FÍSICO MATEMÁTICAS
DEPARTAMENTO DE MATEMÁTICA Y FÍSICA
PRÁCTICAS DE LABORATORIO*
ESTADÍSTICA GAUSSIANA
OBJETIVOS
Familiarizarse con ciertos términos estadísticos aplicados a mediciones físicas.
Expresar un conjunto de medidas en un histograma.
Aplicar la estadística gaussiana para valorar una medición.
INTRODUCCIÓN TEÓRICA
HISTOGRAMAS Y CURVAS DE GAUSS
La distribución normal es una distribución de probabilidad de variable continua que
describe los datos que se agrupan en torno a un valor central. Todo proceso en el
que solo existan causas aleatorias de variación sigue una ley de distribución normal.
La representación gráfica es la curva de distribución normal también denominada
campana de Gauss en honor del renombrado científico alemán Carl Friedrich Gauss
Una de las características más importantes es que casi cualquier distribución de
probabilidad, tanto discreta como continua, se puede aproximar por una normal bajo
ciertas condiciones.
P¿
FRECUENCIA:
Frecuencia es una repetición de un hecho o un suceso. Es también el número de veces que
se repite un proceso periódico en un intervalo de tiempo determinado. Número de
oscilaciones, vibraciones u ondas por unidad de tiempo en cualquier fenómeno periódico.
re pr e se nta po r N.
La suma de las frecuencias relativas es
igual a 1.
MODA:
La moda corresponde al valor de la variable donde está la máxima frecuencia, o sea, que
en un histograma la moda corresponde al valor de la variable donde hay un pico máximo.
Si una distribución tiene dos máximos la denominamos distribución bimodal, si tiene tres
máximos trimodal y así sucesivamente.
Donde:
∆1 L 1 = frontera inferior de la clase modal (clase que contiene a la moda).
X =L1+
^
( ∆1 + ∆2
C) ∆ 1= exceso de la frecuencia modal sobre la de la clase inferior inmediata.
∆ 2 = exceso de la frecuencia modal sobre la clase superior inmediata.
c = anchura del intervalo de clase modal.
MEDIANA:
La mediana es el valor de la variable que separa los datos entre aquellos que definen el
Donde:de los de la segunda mitad.
primer 50% de los valores
N L 1 = frontera inferior de la clase de la mediana.
~
X =L1+ (2
−∑ f 1
f mediana
C )N = número de datos (frecuencia total).
MEDIA: ∑ f 1=suma de frecuencias de las clases inferiores a la de la mediana.
También denominada f mediana
promedio,= frecuencia
es la que de se lautiliza
clase principalmente
de la mediana. y se define como la
Lasuma
fórmula paravalores
de los cde
calcular=eltodas
anchura
lasdel
promedio esintervalo
entonces:de divididas
observaciones clase de lapor
mediana.
el número total de datos. Se
representa por x o por la letra μ según se calcule en una muestra o en la población,
respectivamente. n
∑ Xi
X́ = i =1 de frecuencias el promedio se calcula por:
En el ejemplo dado que se tiene una distribución
n
Donde:
n
DESVIACIÓN n i = Representa
ESTÁNDAR DElaLAS
frecuencia
MEDIDASabsoluta
Y DEde LA
cadaMEDIA
grupo.
∑ X i ni X =Corresponde a la clase de cada grupo.
i=1 i
También
X́ = llamada desviación típica, es una medida de dispersión usada en estadística
n n=Cantidad total de datos.
que nos dice cuánto tienden a alejarse los valores puntuales del promedio en una
distribución. Específicamente, la desviación estándar es "el promedio de la distancia de
cada punto respecto del promedio". Se suele representar por una S o con la letra sigma,
según se calcule en una muestra o en la población.
ESCUELA DE CIENCIAS FÍSICO MATEMÁTICAS
DEPARTAMENTO DE MATEMÁTICA Y FÍSICA
PRÁCTICAS DE LABORATORIO*
Una desviación estándar grande indica que los puntos están lejos de la media, y una
desviación pequeña indica que los datos están agrupados cerca de la media.
La
por: √
En el ejemplo dado que se tiene una distribución de frecuencias, la desviación se calcula
S= ∑ ¿¿ ¿ ¿
i=1
k k
√
2
k ( ∑ ∑ ni x i)
∑ ni x i2 − i=1 i=1
n
i=1
S=
n−1
PROCEDIMIENTOS
1. Contar la cantidad de canicas cogidas en un puñado
2. Repetir el paso anterior 100 veces. Importante todos los puñados deben ser de la
misma persona y en las mismas condiciones. Tomar sus datos en una tabla como la
siguiente:
TABLA 1
Numero 6. 14
Cantidad de
de 7. 14
canicas
medida
8. 13
1. 15
9. 15
2. 14
10. 15
3. 15
11. 13
4. 10
12. 14
5. 16
13. 12
ESCUELA DE CIENCIAS FÍSICO MATEMÁTICAS
DEPARTAMENTO DE MATEMÁTICA Y FÍSICA
PRÁCTICAS DE LABORATORIO*
14. 16 55. 13
15. 13 56. 13
16. 12 57. 13
17. 14 58. 13
18. 13 59. 11
19. 15 60. 12
20. 11 61. 10
21. 13 62. 13
22. 12 63. 12
23. 11 64. 12
24. 15 65. 15
25. 15 66. 13
26. 14 67. 11
27. 11 68. 12
28. 12 69. 16
29. 13 70. 10
30. 12 71. 12
31. 13 72. 12
32. 13 73. 16
33. 15 74. 13
34. 13 75. 15
35. 10 76. 15
36. 11 77. 12
37. 12 78. 13
38. 14 79. 14
39. 12 80. 12
40. 14 81. 12
41. 13 82. 13
42. 12 83. 12
43. 13 84. 12
44. 11 85. 14
45. 13 86. 11
46. 12 87. 14
47. 13 88. 10
48. 11 89. 13
49. 12 90. 10
50. 11 91. 15
51. 10 92. 12
52. 12 93. 11
53. 11 94. 11
54. 11 95. 12
ESCUELA DE CIENCIAS FÍSICO MATEMÁTICAS
DEPARTAMENTO DE MATEMÁTICA Y FÍSICA
PRÁCTICAS DE LABORATORIO*
96. 10
97. 13
98. 12
99. 11
100. 13
ESCUELA DE CIENCIAS FÍSICO MATEMÁTICAS
DEPARTAMENTO DE MATEMÁTICA Y FÍSICA
PRÁCTICAS DE LABORATORIO*
3. Disponer varias canicas en la parte superior del tablero “camino aleatorio”. A cierta
inclinación dejar rodar las canicas.
4. Contar el número de canicas que se disponen en cada casillero. Tomar dato de ellos
en tabla como la siguiente:
TABLA 2
1. 2
2. 7
3. 2
4. 9
5. 4
6. 7
7. 12
8. 12
9. 12
10. 15
11. 14
12. 14
13. 11
14. 5
RESULTADOS
15. 10
16. Con los datos de la tabla
11
1, calcular la frecuencia
17. 9 de cada medida. Con ello
18. 4 hacer un histograma
19. 2 frecuencia versus
20. 2 medida.
FRECUENCIA MEDIDAS
8 REPETIDAS
10
15
11
25
12
25 13
11 14
15
16
0.08
0.15
ESCUELA
0.25 DE CIENCIAS FÍSICO MATEMÁTICAS
DEPARTAMENTO DE MATEMÁTICA Y FÍSICA
0.25PRÁCTICAS DE LABORATORIO*
0.11
12 0.12
0.04
4
HISTOGRAMA 1
15
25 25
10
15
5 11 12
8
4
0
10 11 12 13 14 15 16
MEDIDA
0.25
0.2
FRECUENCIA
0.15
0.1
0.05
0
10 11 12 13 14 15 16
MEDIDAS
ESCUELA DE CIENCIAS FÍSICO MATEMÁTICAS
DEPARTAMENTO DE MATEMÁTICA Y FÍSICA
PRÁCTICAS DE LABORATORIO*
25
20
FRECUENCIA
15
10
0
9 10 11 12 13 14 15 16 17
MEDIDA
0.25
distribucion normal
0.2
0.15
0.1
0.05
0
9 10 11 12 13 14 15 16 17
medidas
3. Con los datos de la tabla 2, haga un histograma cuentas versus posición de la canica.
Calcule la desviación standard de las medidas y de la media.
ESCUELA DE CIENCIAS FÍSICO MATEMÁTICAS
DEPARTAMENTO DE MATEMÁTICA Y FÍSICA
PRÁCTICAS DE LABORATORIO*
0.1
0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
0 2 4 6 8 10 12 14 16
DISCUSIONES:
CONCLUSIONES:
CUESTIONARIO
1. QUÉ SIGNIFICA UNA DISTRIBUCIÓN GAUSSIANA Y QUÉ
APLICACIONES TIENE EN LAS MEDICIONES FÍSICAS
ha de ser positiva). Por esta razón, a partir de ahora indicaremos de forma abreviada que
una variable X sigue el modelo Normal así: X ~ N (μ, σ). Por ejemplo, si nos referimos a
una distribución Normal con μ = 0 y σ = 1 lo abreviaremos N (0, 1).
APLICACIONES:
En resumen, la importancia de la distribución normal se debe principalmente a que hay
muchas variables asociadas a fenómenos naturales que siguen el modelo de la normal.
Caracteres morfológicos de individuos (personas, animales, plantas,…) de una
especie. Por ejemplo: tallas, pesos, envergaduras, diámetros, perímetros, etc.
Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un
fármaco, o de una misma cantidad de abono.
Caracteres sociológicos, por ejemplo: consciente intelectual, grado de
adaptación a un medio.
Errores cometidos al medir ciertas magnitudes.
Valores estadísticos maestrales, por ejemplo: la media.
Otras distribuciones como la binomial o la Poisson son aproximaciones
normales.
Y en general cualquier característica que se obtenga como suma de mucho
factores.