FACULTAD DE INGENIERÍA QUÍMICA Y TEXTIL

Laboratorio de Análisis Químico Cuantitativo

QU-527/A
Ciclo 2009-I

PRACTICA DE LABORATORIO Nº 1

“Tratamiento estadístico de datos”

PROFESORES DE PRÁCTICA : Ing. Pérez Gálvez, José

Ing. Paucar Cuba, Karin

REALIZADO POR : Lazon Machado, Andy

Navarro Valdez, Davis
Sayre Quillas, María Luisa

FECHA DE REALIZACIÓN : lunes, 06 de abril del 2009

FECHA DE PRESENTACIÓN : lunes, 13 de abril del 2009

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

III. MANEJOS DE NUMEROS

1. Notación científica
1.1 En sumas y restas
1.2 En multiplicaciones y divisiones
2. Cifras significativas
2.1 Concepto
2.2 Cifras significativas en una medición
3. Operaciones con cifras significativas
3.1 En sumas y restas
3.2 En multiplicaciones y divisiones
3.3 En potenciación y radicación
3.4 En exponenciales y logaritmos
3.5 En fórmulas con cifras constantes

IV. PROPAGACIÓN DE ERRORES DETERMINADOS

1. En sumas y restas
2. En multiplicación y división
3. En potenciación y radicación

V. DESCARTE DE VALORES DUDOSOS PARA CÁLCULO DE

PROMEDIO

2
VI. BIBLIOGRAFÍA

3
 PRACTICA DE LABORATORIO Nº 1

TRATAMIENTO ESTADISTICO DE DATOS

EXPERIMENTALES

I. TEORÍA DE ERRORES:

1. Definición de error.- Cuando se realizan los trabajos de laboratorio es

importante darse cuenta que ningún valor registrado de un parámetro dado es
perfectamente preciso. Los instrumentos no miden al llamado valor verdadero
del parámetro sino que dan un estimado de dicho valor. El error es la
incertidumbre en una medición. Nunca se puede medir algo exactamente, por
lo tanto se trata de minimizar el error. Si no se conociese el error de una
medición no conocemos que tan confiable es el resultado, por eso es que un
resultado experimental sin un error asociado no representa nada.

2. Precisión y exactitud.- La diferencia se podría explicar de la siguiente

manera:
Si un experimento tiene pequeños errores aleatorios (errores que hacen que la
medición tenga una cierta distribución es decir que al repetir la operación varié)
entonces se dice que tiene alta precisión. Si un experimento tiene pequeños
errores sistemáticos (errores que indican una incorrección del método
experimental o defectos instrumentales) entonces se dice que tiene alta
exactitud.

3. Tratamiento de datos en serie con pocos valores.-

3.1 Intervalo de confianza.-

3.1.1. Método de t-students

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).

3.1.2. Método Cn:

Otro modo de determinar intervalos de confianza para un conjunto de
datos es utilizando el rango (R = xmáx-xmín) acompañado de un
multiplicador (Cn), de este modo obtenemos la fórmula siguiente
para determinar un intervalo de confianza:
µ = x ±Cn ×R
Donde:
μ = media real
x = media calculada
Cn = multiplicador característico, depende del número de mediciones (n) y del, nivel de
confianza

3.2 Pruebas de significancia:

Al realizar dos pruebas diferentes, algunas veces, se obtienen datos que
aparentemente son “diferentes”, y nos llevan a pensar en que uno de los
métodos, o ambos, utilizados durante la medición es ineficaz y no representa
bien al valor real que queremos hallar. Para determinar si los resultados de estos
dos métodos son “iguales” o “diferentes”, aplicamos la prueba t utilizando la t-
Student, para ello asumiremos que la desviación estándar de la población (δ)
para cada método es esencialmente la misma.

Para dos conjuntos de datos, calculamos el valor

x1 − x 2 n1 n2
t= ,
s n1 + n2
Donde:
∑( x − x1 ) + ∑( x − x2 )
2 2
i j
conj 1 conj 2
s=
n1 + n 2 − 2
Este valor de s es una desviación estándar combinada de las dos series de datos.
El valor calculado de t debe ser comparado con el obtenido de la tabla con un

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.

Pero este método sólo puede ser utilizado cuando s1 y s2 no son

significativamente diferentes; para ello hacemos uso de la prueba F o de
2
s1
relación de varianza: F = 2
s2
Se coloca como numerador la varianza con el mayor valor numérico, de tal
forma que la relación F siempre sea mayor que 1. Comparando este valor de F
con los tabulados en un cuadro con cierto nivel de probabilidad. Si el valor
Ftabulado es mayor que el Fcalculado cualquier diferencia entre s1 y s2 no es
significativa.

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.

4.1.1. Error absoluto, se presenta el error en las mismas unidades que la

cantidad medida. Por ejemplo:
M =34 ,6 ±0,07 gr .
Lo que indica que la masa puede variar dentro del intervalo de:
34 ,53 gr ≤ M ≤ 34 ,67 gr .

4.1.2. Error relativo, se expresa como una cantidad relativa a la medida

obtenida.
error absoluto ∆X
error relativo = =
medida X
Por ejemplo:
0,07
M = 34 ,6 ± x100 %
34 ,6
M = 34 ,6 ± 0,02 %

4.2 Por su origen:

4.2.1 Crasos
La palabra “CRASO” se aplica a un error o equivocación que es muy
grave y no tiene disculpa.

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

4.2.4 En utensilios volumétricos

Tales como buretas, probetas, pipetas; en todos estos casos el error
generalmente se produce cuando no se calibran estos instrumentos. Por
ejemplo, la tolerancia del fabricante para una bureta Clase A de 50 mL es
de ± 0.05 mL

4.2.5 En instrumentos graduados sin especificación de error

Con estos instrumentos es necesario determinar la incertidumbre que
tiene, de esa forma obtener una medición más confiable y acorde con la
real, una manera de corregir esto es trazando una curva de calibración
experimental; por ejemplo, en el caso de una bureta sin calibrar, vertemos
agua en un recipiente que se pesa, conociendo la densidad, el volumen se
determina mediante la masa de agua. Esto nos ayudará a encontrar un
factor de corrección para cada lectura que hagamos con dicho
instrumento.

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. Cifra siguiente mayor que 5

Cuando se presenta este caso, al digito en tratamiento se le deberá agregar una
unidad

4.521859 redondeo a 4 cifras decimales 4.5219

2. Cifra siguiente menor que 5

Cuando se presenta este caso, al digito en cuestión se vera afectado de algún
modo

8.156423 redondeo a 3 cifras decimales 8.156

3. Cifra siguiente igual a 5

En este caso, al igual que en el punto 2.1 se que deberá agregar una unidad al
digito en tratamiento

9.19247566 redondeo a 5 cifras decimales 9.192476

3.1 Cifra subsiguientes nulas

En este caso si las cifras subsiguientes son nulas, el digito en tratamiento no
se vera afectado de algún modo

13.25100 redondeo a 3 cifras decimales 13.251

3.2 Cifra subsiguientes no nulas

En este caso se seguirá un proceso como el descrito en la sección 2.1, 2.2 y
2.3

III. MANEJO DE NÚMEROS.-

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.

1.1. En sumas y restas:

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

1.2. En multiplicación y división:

Resolver las siguientes operaciones expresando los resultados en notación
científica:
0,0000035 + 1,24 x 10-4 = 1,275 x 10-4
8567900 * 4,5 x 10-4 = 3,856 x 103
0,0024 / 1230 = 1,95 x 10-6
3,5 x 107 – 8903456 = 2,61 x 107
7,078 x 10-6 * 3,21 x 10-10 = 2,27 x 10-15
0,0012 – 0,0003 = 9 x 10-4
1 / 6,023 x 1023 = 1,66 x 10-24
1,4 x 1035 * 4,7 x 10-45 = 6,58 x 10-10
4560000000000 + 980000000000 = 5,54 x 1012

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.

2.2 Cifras significativas en una medición:

Regla 1: Los resultados experimentales se expresan con sólo una cifra dudosa, e
indicando con ± la incertidumbre en la medida.
Regla 2: Las cifras significativas se cuentan de izquierda a derecha, a partir del
primer dígito diferente de cero y hasta el dígito dudoso.
Regla 3: Al sumar o restar dos números decimales, el número de cifras
decimales del resultado es igual al de la cantidad con el menor número de ellas.

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.

3. Operación con cifras significativas

3.1 En suma y restas

Para este caso el número de cifras significativas a la derecha del punto decimal
en la suma o la diferencia es determinada por el número con menos cifras
significativas a la derecha del punto decimal de cualquiera de los números
originales.

8.14567 + 3.21 = 11.36

6 C.F. 3 C.F. 4 C.F.
(2 CF a la derecha de la coma decimal)

15.26 - 7.8510 = 7.41

4 C.F 5 C.F. 3 C.F.
(2 CF a la derecha de la coma decimal)

3.2 En multiplicaciones y divisiones

Para este caso el número de cifras significativas en el producto final o en el
cociente es determinado por el número original que tenga las cifras significativas
más pequeñas.

2.4 x 0.000673 = 0.0016

2 C.F. 3 C.F. 2 C.F.

3.3 En potenciación y radicación

Para este caso se procede de igual manera que la multiplicación y división,
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

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

IV. PROPAGACIÓN DE ERRORES

1. Propagación de errores en sumas y diferencias.

x ±δx
Datos iniciales: y ±δy
Sea su suma q = x + y y su diferencia q = x − y

¿Cuál es la incertidumbre δq ?

El error absoluto de la suma y de la diferencia de dos o más magnitudes es la

suma de los errores absolutos de dichas magnitudes:
q = x ± y ⇒ δq ≈ δx ± δy

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

2. Propagación de errores en multiplicaciones.

El error relativo del producto es igual a la suma de los errores relativos:

3. Propagación de errores en divisiones.

Sea su producto q= x/y

¿Cuál es la incertidumbre δq ?

El error relativo del cociente es la suma de los errores relativos:

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:

Realizadas las medidas resultan:

L1 = 200 ± 2 cm., L2 = 100.0 ±
0.4 cm., L3 = 10.3 ± 0.2 cm.
Por tanto

Su error será

L=2000±70 cm.

4. Propagación de Errores en potencia

¿Cuál es la incertidumbre δq ?

Aplicando la regla del producto

El error relativo de una potencia es el producto de la potencia por el error

relativo de la magnitud.

V. DESCARTE DE VALORES DUDOSOS PARA CALCULO

DE PROMEDIO

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

25.56 25.79 26.10

24.23 25.48 25.59
25.69 25.70 25.60

Se desea saber el valor promedio de estos valores

• Sin descarte de valor dudoso

x = 25 .53

• Con descarte de valor dudoso

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