Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LA MOLINA
GRUPO N° 7:
- Rojas Blanco, Luis
- Sánchez Herrera, Jessica
- (Sebastian Cuellar, Evelyn)
- Trillo Chauca, Camila
- Uyema Fukuhara, Melanie
- (Vargas Condori, Heydi)
- Velarde Yabar, Antonio
2.1.2. Redondeo:
La técnica del redondeo busca reducir las cifras de un número tratando de mantener un
valor similar. Esto genera menos exactitud pero de mayor facilidad de los datos.
Si el dígito que sigue a la última cifra significativa es mayor que 5, el número se redondea
al siguiente dígito mayor. Si es menor que 5, el número se redondea al valor de la última
cifra significativa:
9.47 = 9.5
9.43 = 9.4
Si el último dígito es 5, el número se redondea al dígito par más cercano:
8.65 = 8.6
8.75 = 8.8
8.55 = 8.6
Esto se basa en la predicción estadística de que hay igual probabilidad de que la última
cifra significativa antes del 5 sea par o impar. Es decir, en un muestreo adecuadamente
grande habrá un número igual de dígitos pares e impares que preceden al 5. Todos los
dígitos no significativos se deben eliminar por redondeo. La regla del número par sólo se
aplica cuando el dígito eliminado es exactamente 5 (no … 51, por ejemplo) (Christian,
2009).
2.1.3. Error:
Hay dos clases principales de errores que pueden afectar la exactitud o la precisión de una
cantidad medida. Los errores determinados son aquellos que, como su nombre lo indica,
son determinables y tal vez sea posible evitar o corregir. Pueden ser constantes, como en el
caso de una pesa descalibrada que se usa para hacer todas las pesadas, o llegar a ser
variables, pero de tal naturaleza que se pueden cuantificar y corregir, como una bureta
cuyas lecturas de volumen están en error en diferentes cantidades a diferentes volúmenes.
El error puede ser proporcional al tamaño de la muestra o bien cambiar de manera más
compleja. Con más frecuencia, la variación es unidireccional, como en el caso de la
pérdida por solubilidad de un precipitado (error negativo). Sin embargo, puede ser de
signo aleatorio. Un ejemplo de esto es el cambio en el volumen y la concentración de
soluciones que ocurren con modificaciones en la temperatura. Esto se puede corregir
midiendo la temperatura de la solución. Los errores determinados medibles se clasifican
como errores sistemáticos (Christian, 2009).
Algunos errores determinados comunes son los siguientes:
1. Errores instrumentales: Incluyen equipo defectuoso, pesas descalibradas, equipo de
vidrio no calibrado.
2. Errores operativos: Incluyen errores personales, y se pueden reducir con la
experiencia y el cuidado del analista en las manipulaciones físicas necesarias. Las
operaciones en que pueden darse estos errores incluyen trasvasado de soluciones,
efervescencia y borboteo durante la disolución de la muestra, el secado incompleto de
las muestras, y otros. Es difícil hacer correcciones para estos errores. Otros errores
personales incluyen errores matemáticos en los cálculos y prejuicio al estimar las
mediciones.
3. Errores del método: Éstos son los errores más graves de un análisis. La mayor parte
de los errores anteriores se pueden reducir al mínimo o corregir, pero errores
inherentes al método no es posible cambiarlos a menos que las condiciones de la
determinación se alteren. Algunas fuentes de errores de método incluyen
coprecipitación de impurezas, ligera solubilidad de un precipitado, reacciones
laterales, reacciones incompletas e impurezas en los reactivos.
Los errores determinados o sistemáticos son no aleatorios y ocurren cuando algo
anda mal con la medición ( Christian, 2009).
La segunda clase de errores incluye los errores indeterminados, que a menudo se llaman
accidentales o aleatorios, los cuales representan la incertidumbre experimental que ocurre
en cualquier medición. Estos errores se revelan por pequeñas diferencias en mediciones
sucesivas hechas por el mismo analista bajo condiciones prácticamente idénticas, y no se
pueden predecir ni estimar. Estos errores accidentales siguen una distribución aleatoria,
por lo cual suelen aplicarse leyes matemáticas de probabilidad para llegar a alguna
conclusión respecto del resultado de una serie de mediciones. Rebasaría el alcance de este
texto entrar en la probabilidad matemática, pero se puede decir que los errores
indeterminados deben seguir una distribución normal, o curva de Gauss.
Los errores indeterminados realmente se originan de la capacidad limitada del analista
para controlar las condiciones externas y hacer correcciones para dichas condiciones, o la
incapacidad para reconocer la aparición de factores que darán por resultado errores.
Algunos errores aleatorios tienen su origen en la naturaleza más estadística de las cosas;
por ejemplo, los errores del conteo nuclear. A veces, al cambiar las condiciones,
desaparece algún error desconocido. Por supuesto, será imposible eliminar todos los
errores aleatorios posibles en un experimento, y el analista debe contentarse con
minimizarlos a un nivel tolerable o insignificante (Christian, 2009).
“Los errores indeterminados son de una variedad infinita, en contraste con los
errores detectables, que por definición son limitados.” —Tom Gibb (Christian, 2009).
2.2.2 Precisión
Precisión se define como el grado de concordancia entre mediciones replicadas de la
misma cantidad. Es decir, es la repetibilidad de un resultado. La precisión se puede
expresar como la desviación estándar, el coeficiente de variación, el intervalo de los datos
o un intervalo de confianza (por ejemplo, 95%) alrededor del valor medio. La buena
precisión no asegura una buena exactitud. Podría ser el caso, por ejemplo, si hubiera un
error sistemático en el análisis. Una pesa que se usa para medir cada una de las muestras
puede presentar un error. Este error no afecta la precisión, pero sí afecta la exactitud. Por
otro lado, la precisión puede ser relativamente baja y la exactitud, más o menos por
probabilidad, puede ser buena. Como todos los análisis reales se conocen, cuanto más alto
sea el grado de precisión, mayor será la probabilidad de obtener un valor verdadero. Es
infructuoso esperar que un valor sea exacto si la precisión es escasa, y el químico analítico
se esfuerza por obtener resultados repetibles para asegurar la exactitud máxima posible
(Christian, 2009).
En la figura 1 Supóngase que se está en práctica de tiro al blanco y se dispara una serie de
tiros y que todos caen en el blanco (figura de la izquierda). Se es tan preciso como exacto.
En la figura de enmedio, se es preciso (mano y ojos firmes), pero inexacto. Quizá la mira
del arma esté desalineada. En la figura de la derecha, ocurre imprecisión y, por tanto,
quizás inexactitud. Por lo que es posible apreciar se necesita buena precisión para buena
exactitud, pero no la garantiza (Christian, 2009).
2.4.1. Lineal:
El modelo de regresión lineal es el más utilizado a la hora de predecir los valores de una
variable cuantitativa a partir de los valores de otra variable explicativa también
cuantitativa (modelo de regresión lineal simple). Una generalización de este modelo, el de
regresión lineal múltiple, permite considerar más de una variable explicativa cuantitativa
(Molina y Rodrigo, 2010).
En concreto, según el modelo de regresión lineal simple, las puntuaciones de los sujetos en
2 variables -una de ellas considerada como variable predictora (X) y la otra como variable
de respuesta (Y)- vienen representadas (modeladas) (Molina y Rodrigo, 2010).
A través de la ecuación de una línea recta:
Los dos parámetros de la ecuación de regresión lineal simple, β0 y β1, son conocidos
como el origen (también, constante) y la pendiente del modelo, respectivamente. En
conjunto reciben el nombre de coeficientes de la ecuación de regresión. Si la ecuación de
la recta de regresión es obtenida a partir de una muestra, y no de una población (esto es,
los coeficientes de la ecuación de regresión son estadísticos, y no parámetros) (Molina y
Rodrigo, 2010).
La ecuación se expresa como:
2.4.2. Exponencial:
Será aquella en que la función de ajuste será una función exponencial del tipo (Lejarza I. y
Lejarza J., 2018):
Se espera la formación de una parábola, que dependiendo de m tomará diferentes formas:
2.4.2. Logarítmica:
Se define una función logarítmica como la inversa de una función exponencial, se define
como (Gilat, 2005):
conjunto de datos. La técnica para determinar los valores de ɑ0 y ɑ1 que minimizan la
ecuación es la siguiente:
Para determinar los valores de ɑ0 y ɑ1 se deriva la ecuación anterior con respecto a cada
uno de sus coeficientes:
Se simplifican los símbolos de sumatoria, todas las sumatorias van de i=1 hasta n. Al
igualar estas derivadas a cero, se dará como resultado un Sr mínimo. Si se hace esto, las
ecuaciones se expresan como:
Se observa que:
Expresamos las ecuaciones como un conjunto de dos ecuaciones lineales simultáneas, con