Tratamiento de Datos

Siempre que se trabaja con un objeto de medición, sea una regla, una pipeta, una probeta
o cualquier otro, se cometen diferentes tipos de error, ya sean errores por parte del operador o
errores debidos a la calibración o fabricación del equipo con el que se trabaja.
Los errores se dividen entre errores aleatorios y sistematicos.

Los errores aleatorios son los errores que se cometen por muchos motivos diferentes, y no es
posible corregirlos y se distribuyen a ambos lados del valor teórico a medir.
A modo de ejemplo, si queremos medir 10 centímetros, y para ello utilizamos una cinta con
dicha longitud, es posible que se registren marcas a 9,90cm o a 10,20 cm de distancia del
punto de referencia.

Los errores sistemáticos son aquellos que dependen del método o instrumento de
medición, por lo que siempre se encontrarán valores a un lado del promedio (hacia la derecha o
izquierda).
Por ejemplo, si intentamos medir con una regla una distancia de 10 centímetros y para eso se
llaman a varios alumnos, lo mas probable es que las marcas que se registren sean de 10,01cm,
10,05cm o 10,10cm del punto de referencia. En todos los casos nos encontramos con un error
que excede a los 10cm, pero ninguna medición fue de menos de 10cm.

Considerando que se cometen errores, a pesar de la excelente capacidad de medición que

puedan tener tanto el operador como los equipos con los que trabaja, hay que tener en cuenta
otros factores.
Cuando se realizan mediciones, estas pueden ser precisas, exactas o ambas, y una medición es
mejor cuanto más precisa y exacta resulta ser.

¿Es lo mismo decir que una medición es precisa o exacta?

La respuesta es NO.

Un método de medición es exacto cuando los valores obtenidos son muy parecidos o coinciden
con el valor buscado.
Por otra parte, un método de medición resulta ser preciso cuando los valores obtenidos son
cercanos entre sí.

Como se puede ver, las definiciones son diferentes. No solo no significan lo mismo, sino
que un método puede ser:

- Ni exacto ni preciso:

1
- Preciso y no exacto:

- Exacto y no preciso:

- Exacto y preciso:

Teniendo esto en cuenta, queda claro que cuando nos dicen “medimos 10ml” no nos están
diciendo realmente 10ml, sino que hay cierto error en esa información.

Nivel de Confianza

Para poder expresar los resultados de un conjunto de mediciones hay que pautar de antemano
qué confianza tenemos respecto a los valores obtenidos. Es decir, si estamos realizando un
conjunto de mediciones y alguna esta muy alejada del resto, ¿debemos aceptar ese valor o lo
descartamos?
Por ejemplo, midiendo una distancia de un metro con una regla de 10 centímetros, se obtienen
los valores: 98cm, 107cm, 103cm, 95cm y 138cm. ¿Aceptamos todos los valores o descartamos
alguno?
Para saber que criterio tomar, hay que elegir un nivel de confianza y basarnos en este para
aceptar o descartar valores. El nivel de confianza no es otra cosa que “cuánto confío en
los valores que me dan”; si tomamos un nivel de confianza chico, voy a aceptar solamente
valores que se encuentren muy cercanos al promedio, descartando los mas alejados.
Si tomamos un nivel de confianza muy grande, vamos a aceptar casi todos los valores,
incluyendo a valores muy alejados del promedio.

Cuando realizamos repetidas mediciones (miles) con un mismo método, y se marcan en una
línea recta, se puede observar que muchas mediciones se amontonan en torno al valor promedio:

2
Como se representa en la figura anterior, a medida que nos vamos alejando del
promedio, hay menos mediciones.
Si representamos en un eje de coordenadas lo mismo, poniendo en el eje horizontal la línea
recta que teníamos antes, y en el eje vertical la cantidad de mediciones, obtendríamos algo así:

Estos porcentajes de área del gráfico son los “niveles de confianza”. Si nos fijamos, el nivel de
confianza mas chico (por ejemplo de 68,26%) si bien encierra un área grande del gráfico,
acepta solamente valores cercanos al promedio.
Si elegimos un nivel de confianza intermedio (por ejemplo de 95,45%) estamos encerrando un
área mucho mayor, y además abarcamos una cantidad de valores mayor, no solamente los que
están mas cercanos al valor promedio, sino que también algunos valores que se encuentran
relativamente alejados.
Si elegimos un nivel de confianza mas grande (por ejemplo de 99,73%), estamos
aceptando valores muy alejados del promedio, en pocas palabras, estamos aceptando casi
cualquier valor.

Descartando resultados (Prueba de Q)

Una vez seleccionado el nivel de confianza con el que vamos a trabajar, realizamos las
mediciones y las ordenamos de menor a mayor o viceversa.
Cuando ya tenemos ordenados los valores, obtenemos el rango (W), que no es otra cosa que la
diferencia entre el valor mas grande y el mas chico:
W =| X M − X m |
Con el valor del rango, luego se hace la “prueba de Q” con los valores de los extremos. La
prueba de QM consiste en hacer la diferencia entre el valor mayor y su número
consecutivo (siempre y cuando sean diferentes) y luego dividirlo por el rango, y Qm
consiste en hacer la diferencia entre el valor menor y su número consecutivo (con el mismo
criterio que QM) y luego dividirlo por el rango.

3
En formulas quedarían de la siguiente manera:
|X − X M −1 | |X − Xm |
Q M= M y Q m= m +1
W W
Luego estos valores los comparo con valores de Q tabulados según el grado de
confianza elegido y la cantidad de mediciones realizadas.

Número de Q critico
observaciones 90% confianza 95% confianza 99% confianza
3 0,941 0,970 0,994
4 0,765 0,829 0,926
5 0,642 0,710 0,821
6 0,560 0,625 0,740
7 0,507 0,568 0,680
8 0,468 0,526 0,634
9 0,437 0,493 0,598
10 0,412 0,466 0,568
Tabla 1: Valores Críticos de Q Dixon, J.C. Miller y J. N. Miller, "Estadística para
Química Analítica", 2da.edición, Addison-Wesley - Iberoamericana, Wilmington,
USA, 1993

Si QM o Qm son menores al QC (Q critico o Q de tabla) para el nivel de confianza que

elegimos, esos valores son aceptados y podemos trabajar con ellos para la expresión final del
resultado, pero de caso contrario, XM (para el caso que QM sea mayor a QC) o Xm (para el
caso que Qm sea mayor a QC) deberán ser descartados y se tendrían que realizar los cálculos
desde el principio teniendo en cuenta que ahora hay nuevos valores. (Tengamos en cuenta que
al descartar XM o Xm, W queda modificado, entonces los valores de QM y Qm van a ser
otros y los tendremos que volver a comparar con QC para un nuevo “número de
observaciones”, esta vez menor en una o dos unidades).

Ejemplo:
Dadas las siguientes mediciones, determinar si se descarta algún valor con un nivel de
confianza de 90%
10,50 – 10,58 – 11,89 – 10,02 – 9,21 – 10,53 – 10,55 – 10,04
Reordenamos: 11,89 – 10,58 – 10,55 – 10,53 – 10,50 – 10,04 – 10,02 – 9,21 n= 8
W= 2,68, QC (90%) = 0,468
QM = |11,89-10,58|/2,68 = 0,489> QC (90%) Se descartaX=11,89

Ahora tengo que hallar el nuevo W

10,58 – 10,55 – 10,53 – 10,50 – 10,04 – 10,02 – 9,21 n= 7
W= 1,37, QC (90%) = 0,507
QM = |10,58-10,55|/1,37 = 0,022< QC (90%) No se descarta X=10,58
Qm = |10,02-9,21|/1,37 = 0,591> QC (90%) Se descartaX=9,21

Ahora tengo que hallar el nuevo W

10,58 – 10,55 – 10,53 – 10,50 – 10,04 – 10,02 n= 6
W= 0,56, QC (90%) = 0,560
QM = |10,58-10,55|/0,56 = 0,054< QC (90%) No se descarta X=10,58
Qm = |10,04-10,02|/0,56 = 0,036< QC (90%) No se descarta X=10,02

De esta forma eliminamos los valores que escapan a nuestro nivel de confianza.

4
Expresión de resultados

Cuando ya descartamos los valores que no sirven, realizamos el tratamiento de datos para poder
informar correctamente los resultados. Estos resultados tienen que incluir el valor promedio, el
desvío estándar, el intervalo de confianza y los errores absolutos, relativos y relativos
porcentuales. Para ello hay que tener en cuenta sus definiciones.

El promedio es la sumatoria de todos los mediciones, dividido por su cantidad:

𝑋1 + 𝑋2 + 𝑋3 + 𝑋4 + ⋯ + 𝑋𝑛 ∑ 𝑋𝑖
𝑋̅ = =
𝑛 𝑛

Ejemplo:
Para los siguientes datos, hallar el promedio (trabajando con un nivel de confianza del
95%):
10,91 – 10,83 – 10,79 – 9,97 – 9,83 – 10,54 – 10,03 – 10,23 n=8

Primero tenemos que hacer la prueba de Q, para ver que no se descarte ningún valor (no
podemos incluir en ningún cálculo valores que no entren en nuestro nivel de confianza).

Ordenamos los valores:

10,91 – 10,83 – 10,79 – 10,54 – 10,23 – 10,03 – 9,97 – 9,83
W= 1,08 QC (95%) = 0,526
QM = |10,91-10,83|/1,08 = 0,074< QC (95%) No se descarta X=10,91
Qm = |9,97-9,83|/1,08 = 0,130< QC (95%) No se descarta X=9,83

Una vez realizada la prueba de Q, hacemos la sumatoria:

∑ X i = 10,91 + 10,83 + 10,79 + 9,97 + 9,83 + 10,54 + 10,03 + 10,23 = 83,13

∑𝑋
𝑋̅ = 𝑖 = 83,13/8 =10,39125
𝑛

El desvío estándar es una forma de determinar que tan preciso es nuestro método.

∑(𝑋1 − 𝑋̅)2
𝑆=√
𝑛−1

Ejemplo:
Con los mismos valores del ejemplo anterior, obtendremos el desvío estándar:
∑( X i − X ) 2 = (10,91-10,39125)2 + (10,83-10,39125)2 + (10,79-10,39125)2 + (9,97-
10,39125)2 + (9,83-10,39125)2 + (10,54-10,39125)2 +(10,03-10,39125)2 + (10,23-
10,39125)2 = 0,2691015625 + 0,1924927876 + 0,1590015625 + 0,1774515625 +
0,3150015625 + 0,0221265625 + 0,1305015625 + 0,0260015625 = 1,2916787251
∑(𝑋1 − 𝑋̅)2 1,2916787251
𝑆=√ =√ = 0,42956435159
𝑛−1 8−1

S= 0,42956435159

5
Una vez obtenidos el promedio y el desvío estándar, y sabiendo con que nivel de
confianza vamos a trabajar, podremos expresar el intervalo de confianza del resultado.

¿Qué significa “intervalo de confianza”?

Siempre que trabajamos con una serie de valores, por más preciso o exacto que sea el método
con el que se obtuvieron, siempre existe un desvío del promedio a ambos lados. Este intervalo
se obtiene a partir del valor promedio, el desvío estándar y un valor tabulado llamado “t
de student” (valor que se obtiene de funciones estadísticas, pero para ahorrar trabajo se
calcularon y colocaron en una tabla), que seleccionaremos según el nivel de confianza con el
que vamos a trabajar y el valor de n-1 de la serie de datos que estamos analizando.

El calculo del intervalo de confianza no da un número sino que da como resultado un rango de
valores.
Esto es debido a que cuando utilicemos el mismo método para medir las mismas cantidades, es
muy probable que el resultado a obtener sea un valor aleatorio dentro de ese rango.

𝑆. 𝑡𝑛−1
𝜇 = 𝑋̅ ±
√𝑛

Ejemplo: (continuamos con el anterior):

Queremos saber el intervalo de confianza con un nivel de confianza del 95%

Teníamos:
Promedio = 10,39125

Desvío Estándar(S) = 0,42956435159

n=8
Grados de libertad(n-1) = 7.
tn-1(95%) = 2,365
𝑆.𝑡𝑛−1
𝜇 = 𝑋̅ ± =10,39125 ± 0,359640922
√𝑛

Error absoluto: Ea =| 𝑋̅ − µ | , donde µ es el valor real a medir y 𝑋̅ el valor promedio

|𝑋̅−𝜇|
Error relativo y error relativo porcentual: 𝐸𝑟 = = Ea/X ; Er%= Er*100
𝑋̅

6
Comparación de promedios

Cuándo se realizan diferentes series de mediciones, ya sea con diferentes métodos, o inclusive
con el mismo método pero realizadas por diferentes operarios, no se cuenta siempre con la
misma precisión, por lo que los resultados obtenidos no siempre son comparables.
Por ejemplo, si se mide repetidas veces 10,0 mililitros con una pipeta cuyo volumen es de
10,0ml y luego se realiza el mismo experimento con una pipeta de 5,0ml de volumen,
existe la posibilidad de que las mediciones sean totalmente diferentes, con diferente precisión y
diferente promedio.
Para determinar si estos valores, a pesar de sus diferencias, son comparables, se realiza la
siguiente ecuación:
̅̅̅1 − ̅̅̅
|𝑋 𝑋2 |
𝑡𝑒𝑥𝑝 =
(𝑛 − 1). 𝑆12 + (𝑛2 − 1). 𝑆22 𝑛1 + 𝑛2
√ 1 . 𝑛 .𝑛
𝑛1 + 𝑛2 − 2 1 2

Donde Xi es el valor de cada medición de la primera serie con su respectivo promedio, X2 es

el valor de cada medición de la segunda serie con su respectivo promedio, n1 es la cantidad de
mediciones realizadas para la primera serie y n2 las mediciones realizadas para la segunda serie.
Al valor de t obtenido hay que compararlo con t de tabla para el nivel de confianza
planteado y para (n1 + n2 - 2) grados de libertad.

Ejemplo:
Se realizan dos series de mediciones de 10,00ml de agua.
Para la primera serie se realizaron 6 mediciones (m = 6) con una pipeta de 10,00ml. Los
resultados fueron:
9,90 – 9,80 – 9,95 – 9,90 – 9,85 – 9,90.
Para la segunda serie se realizaron 5 mediciones (n = 5) con probeta de 10,00ml. Los resultados
fueron
8,40-8,20-8,15-8,07
Para un nivel de confianza del 95%, comparar las series y decidir si son
significativamente diferentes.

Lo primero que debemos hacer (siempre) es analizar los valores con la prueba de Q y
comprobar que todos estén dentro de nuestro nivel de confianza.

Para nuestra primera serie:

Ordenamos los valores: 9,95 – 9,90 – 9,90 – 9,90 – 9,85 – 9,80. W=
0,15 QC (95%) = 0,625
QM = |9,95-9,90|/0,15 = 0,333< QC (95%) No se descarta X1 M=9,95
Qm = |9,85-9,80|/0,15 = 0,333< QC (95%) No se descarta X1 m=9,83
X = 9,88 S1=0,05

Para nuestra segunda serie:

Ordenamos los valores: 8,40-8,20-8,15-8,07
W= 0,33 QC (95%) = 0,710
QM = |8,40-8,20|/0,33 = 0,61< QC (95%) No se descarta X2 M=8,40
Qm= |8,15-8,07|/0,33 = 0,24< QC (95%) No se descarta X2 m=8,07
𝑋̅ =8,21 S2=0,14

7
 ̅̅̅1 − ̅̅̅
|𝑋 𝑋2 |
𝑡𝑒𝑥𝑝 =
(𝑛 − 1). 𝑆12 + (𝑛2 − 1). 𝑆22 𝑛1 + 𝑛2
√ 1 . 𝑛 .𝑛
𝑛1 + 𝑛2 − 2 1 2

|9,88 − 8,21|
𝑡𝑒𝑥𝑝 =
2 2
√(6 − 1). (0,05) + (4 − 1). (0,14) . 11
9 30

𝑡𝑒𝑥𝑝 = 27,44

El valor de t de la tabla de student para (n1 + n2 – 2) grados de libertad con un nivel de

confianza del 95% es t = 2,228.

Dado que texp>ttabla podemos concluir que ambas series de mediciones no son comparables, son
heterogeneas.

8
 Valores de t

v\α 0,9 0,5 0,4 0,2 0,1 0,05 0,02 0,01 0,001 α / v
1 0,158 1,000 1,376 3,078 6,314 12,706 31,821 63,657 636,619 1
2 0,142 0,816 1,061 1,886 2,920 4,303 6,965 9,925 31,598 2
3 0,137 0,765 0,978 1,638 2,353 3,182 4,541 5,841 12,924 3
4 0,134 0,741 0,941 1,533 2,132 2,776 3,747 4,604 8,610 4
5 0,132 0,727 0,920 1,476 2,015 2,571 3,365 4,032 6,869 5

6 0,131 0,718 0,906 1,440 1,943 2,447 3,143 3,707 5,959 6

7 0,130 0,711 0,896 1,415 1,895 2,365 2,998 3,499 5,408 7
8 0,130 0,706 0,889 1,397 1,860 2,306 2,896 3,355 5,041 8
9 0,129 0,703 0,883 1,383 1,833 2,262 2,821 3,250 4,781 9
10 0,129 0,700 0,879 1,372 1,812 2,228 2,764 3,169 4,587 10

11 0,129 0,697 0,876 1,363 1,796 2,201 2,718 3,106 4,437 11

12 0,128 0,695 0,873 1,356 1,782 2,179 2,681 3,055 4,318 12
13 0,128 0,694 0,870 1,350 1,771 2,160 2,650 3,012 4,221 13
14 0,128 0,962 0,868 1,345 1,761 2,145 2,624 2,977 4,140 14
15 0,128 0,691 0,866 1,341 1,753 2,131 2,602 2,947 4,073 15

16 0,128 0,690 0,865 1,337 1,746 2,120 2,583 2,921 4,015 16

17 0,128 0,689 0,863 1,333 1,740 2,110 2,567 2,898 3,965 17
18 0,127 0,688 0,862 1,330 1,734 2,101 2,552 2,878 3,922 18
19 0,127 0,688 0,861 1,328 1,729 2,093 2,539 2,861 3,883 19
20 0,127 0,687 0,860 1,325 1,725 2,086 2,528 2,845 3,850 20

21 0,127 0,686 0,859 1,323 1,721 2,080 2,518 2,831 3,819 21

22 0,127 0,686 0,858 1,321 1,717 2,074 2,508 2,819 3,792 22
23 0,127 0,685 0,858 1,319 1,714 2,069 2,500 2,807 3,767 23
24 0,127 0,685 0,857 1,318 1,711 2,064 2,492 2,797 3,745 24
25 0,127 0,684 0,856 1,316 1,708 2,060 2,485 2,787 3,725 25

26 0,127 0,684 0,856 1,315 1,706 2,056 2,479 2,779 3,707 26

27 0,127 0,684 0,855 1,314 1,703 2,052 2,473 2,771 3,690 27
28 0,127 0,683 0,855 1,313 1,701 2,048 2,467 2,763 3,674 28
29 0,127 0,683 0,854 1,311 1,699 2,045 2,462 2,756 3,659 29
30 0,127 0,683 0,854 1,310 1,697 2,042 2,457 2,750 3,646 30

40 0,126 0,681 0,851 1,303 1,684 2,021 2,423 2,704 3,551 40

60 0,126 0,679 0,848 1,296 1,671 2,000 2,390 2,660 3,460 60
120 0,126 0,677 0,845 1,289 1,658 1,980 2,358 2,617 3,373 120
∞ 0,126 0,674 0,842 1,282 1,645 1,960 2,326 2,576 3,291 ∞

100 − 𝑁𝐶
𝛼=
100

Cifras significativas

Como vemos en el resultado del ejemplo de Intervalo de confianza, todos los valores
tienen cantidades de decimales diferentes, por lo que no se puede aceptar el resultado de
la forma en la que fue expresado.
9
Muchos de los decimales expresados no tienen sentido, ya que si medimos todos los
valores con un instrumento que me informa un numero definido de decimales (como por
ejemplo una regla, que informa un solo decimal), al expresar mas decimales damos
información con la que no contamos, por lo tanto ese resultado es erróneo.

Para saber cuántos decimales podemos expresar, primero tenemos que tener en claro el
número de cifras significativas con los que contamos.
Las cifras significativas son los dígitos que tienen significado, dentro del número global
que nos fue dado.

Por ejemplo, cuando medimos 10 centímetros con diferentes instrumentos:

Con regla graduada: 10,0 centímetros 3 cifras significativas.
Con calibre: 10,00 centímetros 4 cifras significativas.
Con micrómetro: 10,00000 centímetros 7 cifras significativas.
Entonces, cuando sumamos 10,0 centímetros medidos con regla graduada a 10,00012
centímetros medidos con micrómetro, normalmente obtendríamos 20,00012cm., pero
como nosotros no sabemos bien qué pasa después del primer decimal respecto a lo que
medimos con regla, no podemos afirmar que la suma de esas dos medidas sea
exactamente 20,00012cm.
Totalmente contrario a lo que se pensaría, el resultado correctamente expresado de esta
suma sería 20,0cm.

Entonces, el número que define cuantas cifras significativas puede tener nuestro
resultado es el número que menos cifras significativas tiene.

Cuando eliminamos decimales debido al acotado número de cifras significativas con las
que trabajamos hay que tener un criterio, ya que matemáticamente, esos decimales
existen y si fueron obtenidos por operaciones matemáticas, tienen que influir en el
resultado.
Uno de los criterios más utilizados es el criterio de redondeo, que consiste en acomodar
el valor de la última cifra significativa a partir de los decimales que le siguen.

Cuando la última cifra significativa termina en número par, y las cifras contiguas a ser
eliminadas son mayores a 50, el resultado es redondeado hacia arriba, es decir, se suma
uno a la última cifra.
Por otra parte, cuando la última cifra significativa termina en número par, y las cifras
contiguas a ser eliminadas son iguales o menores a 50, el resultado queda como esta,
eliminándose todas las cifras de más.
Por ejemplo, si tenemos el número 6,450, que debemos expresarlo con solo dos cifras
significativas, como las cifras que continúan a la última cifra significativa son 50, el
resultado final luego del redondeo se debería expresar como 6,4.
Por otra parte, si tuviéramos el número 6,456, y debiéramos también expresarlo
solamente con dos cifras significativas, el resultado luego del redondeo debería
expresarse como 6,5.

10
Cuando la última cifra significativa termina en número impar, y las cifras contiguas a
ser eliminadas son iguales o mayores a 50, el resultado es redondeado hacia arriba, es
decir, se suma uno a la última cifra.
Por otra parte, cuando la última cifra significativa termina en número impar, y las cifras
contiguas a ser eliminadas son menores a 50, el resultado queda como esta,
eliminándose todas las cifras de más.
Por ejemplo, si tenemos el número 8,549, que debemos expresarlo con solo dos cifras
significativas, como las cifras que continúan a la última cifra significativa son 49, el
resultado final luego del redondeo se debería expresar como 8,5.
Por otra parte, si tuviéramos el número 8,550, y debiéramos también expresarlo
solamente con dos cifras significativas, el resultado luego del redondeo debería
expresarse como 8,6.

Volviendo al ejemplo de intervalos de confianza.

Teníamos: 10,91 – 10,83 – 10,79 – 9,97 – 9,83 – 10,54 – 10,03 – 10,23 n=8

∑(𝑋1 − 𝑋̅)2 1,2916787251

𝑆=√ =√ = 0,42956435159
𝑛−1 8−1

tn-1(95%) = 2,365

𝑆. 𝑡𝑛−1
𝜇 = 𝑋̅ ± = 10,39125 ± 0,359640922
√𝑛

Lo que se puede hacer en esta situación es redondear los resultados finales en base a las
cifras significativas de los datos o se puede recalcular todo a partir de los valores ya
redondeados. Existen las dos posibilidades, y pueden dar resultados diferentes como no,
pero ambas formas son correctas.

Primer caso, redondeamos los resultados finales. Tengamos en cuenta que las cifras
significativas para los datos que nos fueron dados son 4 para todos los casos. Luego, si
el valor promedio tiene un determinado número de decimales, el intervalo de confianza
no puede tener más, entonces el término que determina los extremos del intervalo de
confianza va a tener la misma cantidad de decimales.

10,39125 tiene 125 al lado de la última cifra significativa, por lo que me queda 10,39,
que tiene solamente 2 decimales. De esta forma, sabemos que el intervalo de confianza
va a contar solamente con 2 decimales.
0,359640922 tiene 96 al lado del último decimal admitido, por lo que debemos
redondear hacia arriba, siendo el resultado final 0,36.
Finalmente expresamos el intervalo de confianza:

𝑆. 𝑡𝑛−1
𝜇 = 𝑋̅ ± = 10,39 ± 0,36
√𝑛

11
 Segundo caso, redondeamos el valor del promedio, por lo que nos va a quedar diferente
el valor del desvío estándar y modificará los resultados del intervalo de confianza.

∑(X i− X ) 2 = (10,91-10,39)2+ (10,83-10,39)2+ (10,79-10,39)2+ (9,97-10,39)2+

(9,83-10,39)2+ (10,54-10,39)2+(10,03-10,39)2+ (10,23-10,39)2= 0,2704+ 0,1936+ 0,16+
0,1764+ 0,3136+ 0,0225+ 0,1296+ 0,0256 = 1,2917

̅) 2
∑(X1 -X 1,2916787251
S=√ =√ = 0,4296
n-1 8-1

𝑆.𝑡 0,4296.2,365
𝜇 = 𝑋̅ ± 𝑛−1𝑛
= 10,39 ± = 10,39 ± 0,35921166 = 10,39 ± 0,36
√ √8

12