Tratamiento estadístico de datos

La estadística es la parte de la matemática que estudia la variabilidad y el proceso aleatorio que

la genera siguiendo leyes de probabilidad. Esta variabilidad puede ser debida al azar, o bien estar
producida por causas ajenas a él, correspondiendo al razonamiento estadístico diferenciar entre la
variabilidad casual y la variabilidad causal. [1]
Aplicada a la física, la estadística permite el análisis de datos provenientes de una muestra repre-
sentativa, que busca explicar las correlaciones y dependencias de un fenómeno físico o natural, de
ocurrencia en forma aleatoria o condicional. [2]
La estadística es una herramienta muy útil para el análisis de datos obtenidos en un proceso de
medición, en particular cuando se hacen mediciones repetidas de un mismo mesurando, variando
algún parámetro o no.
[1] Estadística Española 59(194): 193-212
[2] https://es.wikipedia.org/wiki/Estadística

Análisis gráfico
Suponemos que la repitición de una medición del tiempo de algún proceso estrictamente repetitivo
dió N valores levemente distintos. Para saber si la dispersión de los datos realmente es aleatória
podemos gráficar los datos en el orden natural en cual los obtuvimos.

Podemos observar que en el gráfico del lado izquierdo no se percibe ninguna correlación entre los
valores y el número de medición. Por contrário, en el gráfico del lado derecho se ve una tendencia
que el tiempo aumenta con cada medición. Esto comprueba que hay una variable incógnita que
hace que el mesurando tiempo no sea constante en promedio. Puede signifcar que el el arreglo
experimental está fallando o que realmente hay un efecto que no se consideró.

1
Histográma
Otro tipo de análisis gráfico es un histograma. Suponemos que no se ve ningúna correlación en
el conjunto de datos de tiempo. Si tomamos el tiempo N veces: T1 , T2 , T3 , …, TN , todos estos
tiempos estarán comprendidos en un intervalo de tiempos (Tmin , Tmax ) entre el menor y mayor
tiempo medido.

Ahora hacemos una clasificación de los datos por rango de tiempo, es decir, hacemos una subdivison
del rango total de valores obtenidos en m < N subintervalos. Estos subintervalos llamos rango de
clases o directamente clases.

Seguidamente contamos la cantidad de veces que obtuvimos un tiempo cuyo valor están en cada
uno de los subintervalos. Si gráficamos estos valores por cada clase obtenemos un gráfico como el
siguiente:

2
Este gráfico se llama histograma y la función representada por las barras azules una función de
distribución. Con frecuencia nos referimos a la cantidad de valores por subintervalos.
Si el orígen de la dispersión en el tiempo realmente es un proceso aleatório (como posiblemente la
aprecición del observador) deberiamos obtener una distribución simétrica y con un solo máximo.
Si se repite la medición muchas veces (N grande) y si se hace una subdivisión muy fina (m grande)
la función de distribución se aproxima a una distribución normal o Gaussiana:

1 (x−x̄)2
f (x) = √ e− 2σ 2
2πσ 2

La campana de Gauss está centrada en x̄ y tiene un ancho determinado por la desviación estándar
σ. Esta distribución está normalizada, esto significa que el área de esta curva entre −∞ y ∞, es
igual a 1. Los puntos de inflexión de la curva están en x−σ y x + σ. El área de esta curva entre
estos dos puntos constituye el 68.3% del área total. Pensando en el histograma eso significa que
68.3% de los datos experimentales caen en este rango.

3
Más allá del análisis gráfico de un conjunto de datos podemos obtener información cuantitativa:
∑
N
xi
• el promedio: x = i=1
N
∑
N
(x−xi )
• la desviación estandar: σx = i=1
N −1

El promedio es idéntico a lo que llamos el mejor valor anteriormente y la desviación estandar se

puede interpretar como una medida para el error absoluto de una medición individual. Es decir,
la deviación estandar de una medición repetida es equivalente al error absoluto de una medición
individual. Eso nos da la posibilidad de medir el error de una medición en lugar de estimarlo.
σx
√
Otra información muy importante es la - desviación estandar del promedio: σx = N

Es una medida para el error absoluto del promedio, es decir el error absoluto del resultado final
(después de promediar).
En el ejemplo de la medición del tiempo de un proceso el error experimental está compuesto por
el error de aprecición nominal del cronómetro y por el error de apreciación del observador. Si se
puede repetir la medición, la parte humana del error de apreciación será remplazado por el error
estadístico, es decir por la desviación estandar del promedio.

4
 √
∆T = 2 + σ2
σest nom

en donde σnom se refiere al error nominal del cronónmetro en este caso. Aunque el error estadístico
en teoría se pede llevar a cero si repetimos la medición una cantidad infita, el error de T está
limitado por la existencia de otros errores, en este caso la apreciación nominal del cronómetro.