Академический Документы
Профессиональный Документы
Культура Документы
PRACTICA DE LABORATORIO Nº 1
LIMA – PERÚ
2 009
1
INDICE
I. TEORÍA DE ERRORES
1. Definición de error
2. Precisión y exactitud
3. Tratamiento de datos en series con pocos valores
3.1 Intervalo de confianza
Método T-Student
Método Cn
3.2 Pruebas de significancia
4. Clasificación de errores
4.1 Por su naturaleza
Absolutos
2 Relativos
4.2 Por sus origen
Crasos
Determinados
En balanzas del laboratorio 11
En utensilios volumétricos
En instrumentos graduados sin especificación de error
Indeterminados
Aleatorios
II. REDONDEO
1. Cifra siguiente mayor que 5
2. Cifra siguiente menor que 5
3. Cifra siguiente igual a 5
3.1 Cifras subsiguientes nulas
3.2 Cifras subsiguientes no nulas
2
VI. BIBLIOGRAFÍA
3
PRACTICA DE LABORATORIO Nº 1
I. TEORÍA DE ERRORES:
4
Es un valioso auxiliar estadístico que se utiliza para medir la
probabilidad, utilizado principalmente para expresar intervalos de
confianza y para comparar los resultados de diferentes experimentos.
A partir de un intervalo limitado de mediciones es imposible
encontrar la media real de la población (μ) o la desviación estándar
real (δ). Lo que si podemos determinar son la media ( x ) y la
desviación estándar ( s ) de la muestra. El intervalo de confianza nos
expresa que la media real, μ, debe hallarse a cierta distancia de la
media medida x . De esta forma se tiene la fórmula siguiente:
t ×s
µ=x±
n
Donde:
s = desviación estándar medida
n = cantidad de observaciones
t = número denominado t-Student, ubicado en una tabla con su correspondiente nivel de
confianza y grado de libertad (n-1).
5
grado de libertad de (n1+n2-2). Si el ttabulado es mayor que el tcalculado, las dos
series de resultados no son significativamente diferentes para el nivel de
confianza considerado.
4. Clasificación de errores.-
Vamos observar dos formas de clasificarlos, por: su naturaleza y su origen.
4.1 Por su naturaleza, en primer lugar aclararemos que se dividen en los siguientes
errores, es decir, error absoluto, error relativo, y otro que deriva de estos dos
anteriores, el error relativo porcentual.
4.2.2 Determinados
Llamado también error sistemático, se puede detectar y corregir; siempre
afecta los resultados de la medición en el mismo sentido. Una mala
calibración del instrumento de medida es un buen ejemplo de este tipo de
error.
6
4.2.3 En balanzas del laboratorio 11
La balanza digital del Laboratorio 11 puede mostrar valores hasta la
cuarta cifra decimal. La exactitud de la medida es bastante buena, pero
una mala calibración o mal uso (falta de limpieza) pueden incrementar el
error de la medida.
La incertidumbre absoluta está dada por la menor medida dividida entre
dos, en este caso es de:
1 ×10 −4
i =± = ±5 ×10 −5
2
4.2.6 Indeterminados
Se debe a las limitaciones naturales para realizar mediciones físicas.
Siempre existe, no puede ser detectado y mucho menos corregido, es la
limitante en definitiva de las determinaciones experimentales. Por
ejemplo, al momento de realizar una lectura del voltaje en un circuito, las
fluctuaciones provenientes de la inestabilidad del instrumento hacen que
la medida varíe y no sea estable.
4.2.7 Aleatorios
Son mediciones que fluctúan alrededor de cierto valor, es causado por
variables no controladas durante el experimento, pero que bajo ciertos
procedimientos estadísticos podemos cuantificarlos, son difíciles de
controlar. El ejemplo típico de este error se comete cuando una persona o
un grupo lee en una medida en escala.
II. REDONDEO
7
Se llama redondeo al proceso de eliminación de cifras no significativas de un número.
Las reglas que emplearemos en el redondeo de números son las siguientes:
1. Notación científica.-
En Química es común encontrarse con números que son muy grandes o
extremadamente pequeños, por ejemplo, cada átomo del elemento Hidrógeno
tiene una masa de apenas 0,00000000000000000000000166 g. El manejo de
estos números es engorroso y su uso en los cálculos conlleva a cometer errores.
Para manejar mejor estas cantidades muy grandes o muy pequeñas se usa la
llamada notación científica. No importa cuál sea la magnitud, todos los números
se pueden expresar en la forma
N x 10n
Siendo N un número entre 1 y 10, n es un exponente que puede ser un número
entero positivo o negativo.
8
Para expresar un valor usando notación científica se cuenta el número de lugares
que se necesita mover la coma para poder obtener el número N. Si la coma se
mueve hacia la izquierda, entonces n es un entero positivo, por ejemplo para el
número 560000, se corre la coma cinco lugares hacia la izquierda (n = 5) y se
obtiene N = 5,6, por lo tanto este número expresado en notación científica será
5,6 x 105. Sin embargo, si se mueve hacia la derecha n será un entero negativo,
por ejemplo 0,0000089 expresado en notación científica será 8,9 x 10-6.
Ejemplos:
Expresar los siguientes valores en notación científica:
0,000000000345 3,45 x 10-10
8670340000000000000 8,67034 x 1018
356 3,56 x 102
0,000000000000000002 2 x 10-18
23098 2,3098 x 104
1054678 1,054678 x 106
0,00100034 1,00034 x 10-3
2. Cifras significativas.-
2.1 Concepto:
Se considera que las cifras significativas de un número son aquellas que tienen
significado real o aportan alguna información. Las cifras no significativas
aparecen como resultado de los cálculos y no tienen significado alguno. Las
cifras significativas de un número vienen determinadas por su error. Son cifras
significativas aquellas que ocupan una posición igual o superior al orden o
posición del error.
9
Atención: Un caso de especial interés es el de la resta. Citemos el siguiente
ejemplo: 30,3475 – 30,3472 = 0,0003
Observemos que cada una de las cantidades tiene seis cifras significativas y el
resultado posee tan solo una. Al restar se han perdido cifras significativas. Esto
es importante tenerlo en cuenta cuando se trabaja con calculadoras o
computadores en donde haya cifras que se sumen y se resten. Es conveniente
realizar primero las sumas y luego las restas para perder el menor número de
cifras significativas posible.
Regla 4: Al multiplicar o dividir dos números, el número de cifras significativas
del resultado es igual al del factor con menos cifras.
15.63 2 = 240.30
15 .63 = 3.95
10
3.4 En exponenciales y logaritmos
Para este caso se procede de igual manera que la multiplicación, división,
potenciación y radicación, quedando la respuesta definida por la cantidad de
cifras significativas después de la coma decimal del número con menor cantidad
de cifras significativas después de la coma decimal
e 3.245 = 25.662
20 .245
log 10 = 1.3066
3.5 En formulas con cifras constantes
En estos casos no se vera mayor problema pues el numero de cifras
significativas de la respuesta estará determinada por el numero de cifras
significativas de cualquiera de los 2 números operando
¿Cuál es la incertidumbre δq ?
Ejemplo:
En un experimento se introducen dos líquidos en un matraz y se quiere hallar la masa total del
líquido. Se conocen:
M1 = Masa del matraz 1 + contenido = 540 ± 10 g
m1 = Masa del matraz 1 = 72 ± 1 g
M2 = Masa del matraz 2 + contenido = 940 ± 20 g
M2 = Masa del matraz 2 = 97 ± 1 g
La masa de líquido será:
M =M1−m1+M2−m2=1311g
Su error:
11
El resultado se expresará:
M =1310±30 g
12
Ejemplo:
Para medir la altura de un árbol, L, se mide la longitud de su sombra, L1, la altura de un objeto
de referencia, L2, y la longitud de su sombra, L3. Por semejanza:
Su error será
L=2000±70 cm.
¿Cuál es la incertidumbre δq ?
Este criterio se tiene en cuenta para obtener un mejor resultado de los datos
recopilados, así como también obtener un menor porcentaje de error en su análisis.
13
Para este caso se tiene la prueba de Q, la cual después de ordenar los datos de forma
ascendente, se verifica el dato dudoso y se realiza el siguiente procedimiento:
x dud − x cercano
=Q
x mayor − x menor
Restar al valor dudoso su vecino mas cerca y dividir este valor entre la diferencia del
mayor y menor valor, luego se compara este cociente con un valor de tablas para
concluir si este dato puede o no ser eliminado
Ejemplo
Se tienen los siguientes datos de masa (g) del producto de una reacción realizada en el laboratorio,
sabiendo que el verdadero valor es 25. 70 g
Haciendo uso de los conceptos para descartar, se toma como primer valor dudoso el valor de
24.23 g y se analiza
25 .48 − 24 .23
Q= = 0.66
26 .10 − 24 .23
Con este valor de Q se puede rechazar el valor de 24.23 g con un nivel de confianza de 99%
Con el descarte de este valor dudoso se tiene que el nuevo promedio de estos datos es
x = 25 .69
Es visible que descartando el valor dudoso se obtuvo un menor porcentaje de error en el
valor del promedio de los datos
VI. BIBLIOGRAFIA
• Daniel C. Harris.
“Análisis Químico Cuantitativo”. Editorial Iberoamericana S.A.
Tercera edición. México. 1992. Pág. 34 – 63
• Murria R. Spieguel
“Estadística” Editorial Mc Graw Hill
Segunda edición México 1991. Pág. 45-56
• www.wikipedia.org/wiki/Error
14