UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN

FACULTAD DE CIENCIAS QUÍMICAS

Química General Experimental

Práctica No.1 “Tratamiento de datos”

Maestros:

Beatriz Ortega García

Alejandra Moreno Bárcenas

Grupo No. 04 Brigada No. 1 Equipo No. 6

Matrícula Nombres Firma

2133375 Gutierrez Angela

2063931 Hernández López Félix Damián

2049078 Ibarra Olivares Daniel Alejandro

Semestre: Agosto – Diciembre 2022

San Nicolás de los Garza, Nuevo León a 22de Agosto de 2022.

 Práctica No. 1
“Tratamiento de Datos”

Objetivo

Procesar e interpretar correctamente los datos obtenidos de un experimento, y

representar la información gráficamente.

Fundamento

La Notación científica [1] o notación de índice estándar es una manera de representar

datos (cuantitativos) como puede ser la masa de un átomo, o hasta incluso representar
la carga de ese átomo con este tipo de notación, por lo que resulta muy útil para
expresar datos que necesitamos simplificar a su mínima expresión para que resulte
más comprensible usando exponentes con número base 10, este tipo de notación tiene
como forma: a x 10n donde la variable “a” representa un número real mayor a 1 y menor
a 10; y el exponente es un número entero que representa las cifras requeridas para
conservar el mismo número que se tiene originalmente.

Algunos ejemplos para representar este tipo de notación pueden ser:

 4.23 x 102 = 423
 1 x 103=1000
 1 x 10-5=0.00001

Para usar estas notaciones en problemas que impliquen la suma y resta, lo ideal es el
encontrar una manera de que coincidan los exponentes y sumar los coeficientes (o
restar, según lo requiera); y si en todo caso no se puede lograr que los números tengan
los mismos exponentes, vamos a manipular los coeficientes tanto como sea necesario
para obtener los mismos exponentes.

Ejemplos:
 7 x 103 + 2 x 103 = 9 x 103
 2 x 104 + 3 x 105 - 6 x 103 = 0.2 x 105 + 3 x 105 – 0.06 x105 = 3.14 ×105

En el caso de la multiplicación se multiplican los coeficientes y se suman los

exponentes (al ser división se dividen los coeficientes y se restan los exponentes).

Ejemplos:
 (4 x 102) x (3 x 107) = 12 x 109
 (25 x 106) / (5 x 102) = 5 x 104
Al haber una potencia en este tipo de notación el coeficiente se eleva a la potencia y
esta misma se multiplica con el exponente.

Ejemplo:
 (6 x 103)2 = 36 x 106

Dentro de las diferentes definiciones del tratamiento de datos se encuentra, la

precisión, que se utiliza para describir la reproductividad de una observación y como
en este afecta los resultados para saber si estos resultados cuan replicables podrían
llegar a ser, independiente de si el valor esta cerca de ser verdadero o no. También
puede expresarse como la correspondencia entre valores de mas de 2 mediciones que
se han obtenido de la misma manera. Existen diferentes métodos para evaluar la
precisión de los datos.

a) Desviación respecto a la media (x1 - x ): es un método absoluto para expresar la

precisión, y consiste -simplemente- en la diferencia numérica, sin tener en cuenta
el signo, entre un valor experimental y la medida de la serie.[4]

b) Intervalo o recorrido (w): es también un método absoluto para explicar la

precisión, y es la diferencia numérica entre el resultado mayor y el menor.[4]

c) Desviación estándar o desviación típica (σ ): Los estadísticos se refieren a un

pequeño número de datos como a una muestra, por lo que para un pequeño

√
n

número de medidas la desviación estándar se define como: ∑ ( xi −x)2 [4]

i=1
s=
n−1

A diferencia de la precisión, que indica la concordancia de de una serie de medidas

realizadas de igual manera; la exactitud mide lo correcta que debe de ser una medida
de un valor para saber cuan verdadera es, además de expresar en términos de error.
Que se pueden evaluar como:

a) Error absoluto, E: es la diferencia entre el valor observado, x i, y el valor real o

aceptado, x : E = x i−x [4]
El signo asociado con el error (- ó +) es tan importante como el mismo valor
numérico, porque el químico necesita conocer si el efecto del error ha provocado
un aumento o disminución del resultado.

b) Error relativo: es el cociente entre el error absoluto y el valor real o aceptado,

x
expresado como tanto porciento. Er = i− x (100) [4]
x

En los tratamientos de datos existe una incertidumbre [2] a la hora de tomar este tipo
de medidas, donde principalmente se destacan las instrumentales que son provocadas
por los dispositivos de medición que en el momento de temar las medidas no fueron
calibradas óptimamente o por la manera en la que se tomaron las lecturas.
Esto se puede derivar a partir de una conjetura razonable donde se repite un proceso
observando posteriormente la distribución de los resultados se puede estimar la
dimensión de la incertidumbre ocasionada. También se encuentran las incertidumbres
estadísticas donde hay ciertos procesos donde la actividad fluctúa (también llamada
dispersión estadística de los resultados que se obtienen), en este tipo de casos existen
procedimientos para determinar la incertidumbre más allá de la duda [3].

La desviación estándar [5] es un indicador de la dispersión que tiene en cuenta todos

los datos de la variable aleatoria, tanto de datos centrales como de otros tipos, además
de ser el más usado en conjunto con la media aritmética para la presentación de datos
cuantitativos, a lo referido en la desviación es preferible utilizar la fórmula muestral
sobre la poblacional.

[ ]
1 /2

s=
∑ (x i−x )2 [ Ecuación 1 ]
n−1

Las cifras significativas es algo común a la hora de publicar números que consiste en
indicarla incertidumbre mediante cifras y los dígitos del número que se escribe, al
escribir un número cualquiera como puede ser 5000, se sabe con certeza la siguiente
cifra (el 0 situado más a la izquierda), se escribirá como 5.0 x 10 3 ; al tener esto la
incertidumbre son los situados más a la derecha, pero al anotarlo en notación científica
se aprecian nadamas 2 dígitos aparte de la base 10, por lo que podemos concluir que al
haber muchos 0 seguidos se toma nadamas en cuenta el seguido de los valores  0
reales, por lo que decimos que solo son 2 cifras significativas.

Los resultados de un número de medidas se pueden representar por medio de una

gráfica de datos, que es un gráfico que representa el número de veces (eje de las y)
que fueron obtenidos los diferentes resultados en el eje de las x. Es obvio que la
probabilidad de obtener un resultado que se encuentre cada vez más lejos del valor
más frecuente es menor.

El origen de ambas escalas tanto del eje y como el de la x no tiene necesariamente que
coincidir con el punto de intersección de los dos ejes. Al realizar medidas conviene que
se encuentren de manera uniforme y constantes para que la gráfica proporcione una
visualización de una manera más estética y sobre todo para confirmar que los puntos
marcados correspondan a la gráfica y que esta no se modifique.
 MATERIALES Y MÉTODOS

Materiales y equipo

 Libreta
 Pluma
 Lápiz
 Borrador
 Calculadora
 Computadora

Reactivos

No se utilizaron reactivos en la práctica (N/A)

Procedimiento

1. Se leyó la práctica.
2. Se conceptualizó e interiorizó la notación científica.
3. Se entendió los conceptos de exactitud, precisión e incertidumbre.
4. Se determinó la precisión de una serie de mediciones con la desviación
estándar.
5. Se representó incertidumbres de medición por medio de cifras significativas.
6. Se expuso los datos obtenidos por medio de gráficas.
7. Se consultaron fuentes fiables para la elaboración del reporte.
8. Se elaboró un borrador.
9. Se realizó el reporte respetando el formato establecido.
 RESULTADOS Y DISCUSIÓN

Pesos realizados en diferentes balanzas. Determinar:

-Desviación estándar y Desviación estándar
[ Tabla 1 ] relativa [ Tabla 2 ]
-Promedio
-Realizar gráfica de frecuencias

Balanza B
Balanza A Balanza A 1.05 Balanza B
1.05 1.05
1.05 17.76 1.2 16.92
Xprom : = 1.11 Xprom : = 1.0575
1.2 16 1.3 16
1.3 1.05
Desviación Estándar : Desviación Estándar :
1.05 1.2

√ √
1.2 1.05
(17.76 )2 ( 16.92 )2
1.05 19.7966−[ ] 1.06 17.9448−[ ]
16 16
1.06 s= 1.08 s=
15 15
1.08 1.09
1.09 s=0.0743 1.1 s=0.0588
1.1 1.1
Desviación Estándar Desviación Estándar
1.1 1.2
Relativa : Relativa :
1.2 1.06
1.06 0.0743 1.07 0.0588
1.07 DSR= x 100 DSR= x 100
1.11 1.1 1.0575
1.1
DSR=6.6936 % DSR=5.5602 %

Balanza A Balanza B
4.5 7
4 6
3.5
3 5
Frecuencias

Frecuencias

2.5 4
2 3
1.5 2
1
0.5 1
0 0
1.05 1.06 1.07 1.08 1.09 1.1 1.2 1.3 1.02 1.03 1.04 1.05 1.1 1.2
Pesos medidos en la balanza Pesos medidos en la balanza
 Fórmulas o Ecuaciones utilizadas

√
x=
∑ x m .ni (∑ x )
2 DSR=
s
x 100
x prom
n ∑ x−[ n
]
s= Desviación estándar relativa
Promedio n−1

Desviación estándar

Con las fórmulas anteriores, se calcularon los valores de promedio, desviación estándar
y desviación estándar relativa, dichos cálculos y pasos se presentan después de las
tablas organizadoras de datos.
Las cifras obtenidas por las fórmulas fueron utilizadas para representar por medio de
gráficas de barras para su mejor síntesis y comprensión. De lo cual se obtuvo y analizó
que el grupo de estudiantes pesados por la balanza A, presenta un promedio de 1.11,
con una frecuencia de 4 veces medido el peso de (1.05), seguido de una frecuencia de
3 en (1.06), 1 solo frecuencia en cada uno de los pesos de: (1.07, 1.08 y 1.09), le sigue
3 frecuencias en cada uno de los siguientes pesos: (1.1 y 1.2), y por último 1 sola
frecuencia en el peso medido de (1.3). Los cálculos de su desviación estándar
resultaron en un número de 0.0743, en base al cual se desarrolló la fórmula para
desviación estándar relativa con una consecuencia de 6.69%.

En cuanto a la balanza B, respecta un promedio de 1.0575 de los datos, una desviación

estándar con valor de 0.0588 y desviación estándar relativa con un producto de 5.56%.
Conforme a los datos dados, igualmente se graficó una repetición de frecuencias que
resultó en una frecuencia de 3 en el peso de (1.02), le sigue una frecuencia de 6 al
peso de (1.03), en consiguiente le corresponde una frecuencia de 2 a cada uno de los
siguientes pesos:
[ Tabla 3 ] (1.04 y 1.05), el peso[ Tabla
de (1.1)
4 ] solo obtuvo una solo frecuencia,
[ Tabla 5 ] y por
último está el peso de (1.2) que obtuvo una frecuencia de 2 unidades.

Estudiante A Estudiante B Estudiante C

2.03 1.95 2.01
2.01 1.99 2.00
2.09 2.08 2.02
2.02 2.11 2.00
2.03 2.05 2.00
2.02
[ Gráfica 1. Balanza A ] 2.03 [ Gráfica 2. Balanza2.01
B]
2.03 2.01 1.99
 Estudiante A Estudiante B Estudiante C

14.23 14.22 14.03

Xprom : = 2.032 Xprom : = 2.031 Xprom : = 2.004
7 7 7

Desviación Estándar : Desviación Estándar : Desviación Estándar :

√ √ √
(14.23 )2 (14.22 )2 (14.03 )2
28.9317−[ ] 28.9046−[ ] 28.1207−[ ]
7 7 7
s= s= s=
6 6 6

s=0.0264 s=0.0543 s=0.01

Desviación Estándar Desviación Estándar Desviación Estándar

Relativa : Relativa : Relativa :

0.0264 0.0543 0.01

DSR= x 100 DSR= x 100 DSR= x 100
2.032 2.031 2.004

DSR=1.2992 % DSR=2.6735 % DSR=0.4990 %

Las cifras y datos se obtuvieron por medio de las mismas fórmulas que en el primer
problema presentado.

Estudiante A Estudiante B
3.5 1.2
3 1
2.5
Frecuencias
Frecuencias

0.8
2 0.6
1.5
1 0.4
0.5 0.2
0 0
2.01 2.02 2.03 2.09 1.95 1.99 2.01 2.03 2.05 2.08 2.11
Pesos realizados por el estudiante
Pesos realizados por el estudiante
De esta
[ Gráfica 3. Estudiante A ] [ Gráfica 4. Estudiante A ]

Estudiante C forma se obtuvieron los datos de frecuencia en

3.5 el estudiante A, con frecuencias 1 en (2.01), 2
3 en (2.02), 3 en (2.03) y 1 en (2.09); en el
2.5
Frecuencias

promedio sus datos registraron un valor de

2
1.5 2.032, la desviación estándar usando las
1 ecuaciones planteadas con anterioridad dieron
0.5 registro a un valor de 0.0264, mismo dato que
0
1.99 2 2.01 2.02 se utilizó para obtener la desviación estándar
Pesos realizados por el estudiante relativa que tuvo como valor 1.2992%.
Por su parte el estudiante B obtuvo 1 frecuencia
en cada uno de los pesos que tomo, dando
[ Gráfica 5. Estudiante C ]
como resultado un promedio de [ Tabla 6 ] 2.031 y una desviación estándar de
0.0543 y una desviación estándar relativa de 2.6735%.
Los valores obtenidos en el estudiante C fueron 1 frecuencia en (1.99), 3 en (2.00), 2 en
(2.01) y 1 en (2.02), el promedio registrado en estos datos fue de 2.004, la desviación
estándar registró un valor de 0.01 y una desviación estándar relativa de0.4990%.

CUESTIONARIO

1. Escribe los siguientes números en notación científica.

a) 0.0045 4.5 x 10-3

b) 1315.88 1.315 x 103

c) 132000 1.32 x 105

2. Determina el número de cifras significativas en cada uno de los siguientes

números.

a) 321.55 5 cifras significativa

b) 320 3 cifras significativas
c) 0.0054 2 cifras significativas

d) 320.040 6 cifras significativas

3.Los siguientes datos se obtuvieron para la presión de vapor del CCl4.

P, bar 0.044 0.075 0.122 0.190 0.288 0.422 0.601 0.829 1.124

T, K 273 283 293 303 313 323 333 343 353

Realiza una gráfica del ln P (eje y) vs 1/T (eje x) y determina la pendiente y la

intersección. La temperatura de ebullición es la temperatura a la cual la presión de
vapores igual a1.00 bar. Da la pendiente y la intersección de y, y encuentra el
punto de ebullición del CCl4.

P, bar T, K 1/T ln, P

 0.044 273 0.0037 -3.1236
0.075 283 0.0035 -2.5903
0.122 293 0.0034 -2.1037
0.19 303 0.0033 -1.6607
0.288 313 0.0032 -1.2448
0.422 323 0.0031 -0.8627
0.601 333 0.003 -0.5092
0.829 343 0.0029 -0.1875
1.124 353 0.028 0.1169

1/T, ln(P)

-0.1875
0.0
-0-5092
0.0000
0.0005 0.0010 0.0015 0.0020 0.0025 -0.8627 0.00350.0040
-0.5

-1.0 -1.2448

-1.6607
-1.5

-2.1037
-2.0 -2.5903

-2.5

-3.0
-3.1236

-3.5

m= -3902 Intersección con Y: (0,11.201)

Punto de ebullición:
y= -3902x +11.201

0=-3902x+11.201

-3902x=11.201

x=11.201/3902

Punto de ebullicion:0.00287058 1/K

Punto de ebullición: 2.87x10-03 1/K

Punto de ebullición: -0.00000316 °C

Punto de ebullición: 273.15000316 K

CONCLUSIONES
Por lo consiguiente, se obtuvo el conocimiento de acepciones científicas para el uso y
tratamiento de datos, dicha práctica presentada se valió como refuerzo de los temas
expuestos, el tratamiento de datos que se realizó sirvió a manera de ejercitar las
destrezas vitales para la obtención, análisis y exposición de datos en distintas
presentaciones y problemas.

Cabe mencionar que otro propósito con que se llevó a cabo fue la misma confirmación
de los pasos y métodos vistos para la resolución de problemas que impliquen el uso de
estos, los resultados obtenidos concordaron con la teoría, donde se discutieron los
resultados obtenidos y se aprendió a representar la información de datos en gráfica y se
explicó la diferencia que hay entre ellas acerca de los resultados de promedio,
desviación estándar y relativa. En cuanto al cuestionario, se trató de resolver a pesar de
algunas complicaciones en el apartado de cifras significativas, lo que nos llevó a
continuar a graficar datos para encontrar un punto de ebullición y pendiente intersección
de un compuesto, en este caso el CCl₄, a lo que se concluyó que va aumentando la
presión conforme aumenta la temperatura.

Finalmente, entendimos el concepto de forma experimental de palabras de las que no

teníamos noción anteriormente.

REFERENCIAS
[1] Valenzuela Z., D. (s. f.). Notación Científica. fisic. Recuperado 18 de agosto de 2022,
de https://www.fisic.ch/contenidos/introducci%C3%B3n-a-la-f%C3%ADsica/notaci
%C3%B3n-cient%C3%ADfica/

[2] Ruiz-Armenteros, Antonio Miguel & García-Balboa, José & Mesa-Mingorance, José.
(2010). Error, incertidumbre, precisión y exactitud, términos asociados a la calidad
espacial del dato geográfico.

[3] Mook, W. G., & Instituto Geológico Y Minero De España. (2002). Isótopos
ambientales en el ciclo hidrológico : principios y aplicaciones. Instituto Geológico Y
Minero De España. Págs. (159-164) ISBN: 978-84-7840-465-0

[4] Fernández, J. M. (2001). La Estadística en Química Analítica. Universidad de

Navarra. Recuperado 18 de agosto de 2022, de
https://dadun.unav.edu/bitstream/10171/27822/1/2001-Estad%C3%ADstica%20en
%20QA.pdf

[5] Gallego, R. S. (2003). Introducción al análisis de datos experimentales. Universitat

Jaume I. Servei de Comunicació i Publicacions. ISBN: 84-8021-429-5

[6] Egger, A. E., & Carpi, A. (s. f.). Utilizando Datos Gráficos y Visuales en la Ciencia.
Visionlearning. Recuperado 18 de agosto de 2022, de
https://www.visionlearning.com/es/library/Proceso-de-la-Ciencia/49/Utilizando-Datos-
Grficos-y-Visuales-en-la-Ciencia/156/reading

[7] Pinterest Imagen 1. Notación científica. Recuperado 20 de agosto de 2022 de

https://ar.pinterest.com/pin/654851602051052096/

[8] Imagen 2. Cifras significativas. Recuperado 20 de agosto de 2022 de

https://metroquimica.net/blogs/news/cifras-significativas
 ANEXO 1
Interpretando los gráficos[6]

Esta pequeña porción de una tabla de datos contiene concentraciones de dióxido de

carbono atmosférico medido en Mauna Loa. Descargar los datos de la CDIAC (Centro
de Análisis de Información de Dióxido de Carbono).

Las variables son sencillas - el tiempo en meses está en la fila superior de la tabla, los
años, en la columna a la izquierda y la concentración de dióxido de carbón (CO2),
dentro de los cuadrados individuales de la tabla. Sin embargo, es un desafió para la
mayoría de la gente entender esta cantidad de información numérica. Tendría que mirar
cuidadosamente la tabla completa para ver una tendencia. Pero si tomamos estos
mismos datos y los ponemos en un gráfico, se vería así:
Leer una gráfica involucra los siguientes pasos:

Describiendo la gráfica: El eje x muestra una variable en el tiempo en unidades de

años y el eje y muestra la gama de la variable de las concentraciones de partes de
unidades de CO2 por millón (ppm). Los puntos son medidas individuales de
concentraciones - los números mostrados en la Tabla 1. Por consiguiente, el gráfico nos
muestra el cambio en las concentraciones del CO2 atmosférico en el tiempo.

Describiendo los datos y las tendencias: La línea conecta las medidas consecutivas,
haciendo que sea más fácil ver las tendencias a corto y largo plazo dentro de los datos.
En el gráfico, es fácil ver que la concentración de CO2 atmosférico aumentó
regularmente con el tiempo, desde una ppm de 315 en 1958 a su nivel actual de
aproximadamente 375 ppm. Dentro de esa tendencia a largo plazo, también es fácil ver
que hay ciclos anuales, de corto plazo, de aproximadamente 5 ppm.

Haciendo interpretaciones: En el gráfico, los científicos pueden derivar información

adicional de los datos numéricos, por ejemplo, cuán rápido se eleva la concentración de
CO2. Este índice se puede determinar calculando la cuesta de la tendencia a largo
plazo en los datos numéricos y ver este índice en el gráfico lo hace aparentemente fácil.
Mientras que un observador agudo podía haber logrado ver en la tabla el aumento de
las concentraciones de CO2 en el transcurso de las cinco décadas, sería muy difícil
hasta para un científico entrenado, notar el ciclo anual del CO2 atmosférico en los datos
numéricos - una característica elegantemente demostrada en el zigzag de la línea.