Вы находитесь на странице: 1из 25

Ao del Buen Servicio al Ciudadano

UNIVERSIDAD NACIONAL DE INGENIERA

Facultad de Ingeniera Mecnica

Fsica MB223 - F

INFORME DE LABORATORIO N1: MEDICIN

PROFESOR:
Ing. Jose Venegas

INTEGRANTES: CDIGO:

Moreno Casas Cristopher 20170115H


Lucana Dominguez Miguel 20170397C

Fecha de realizacin: 31 de Marzo del 2017

Fecha de entrega: 5 de Abril del 2017


NDICE

1. ANTECEDENTE EXPERIMENTAL
2. FUNDAMENTO TERICO
3. PARTE EXPERIMENTAL
3.1 MATERIALES Y EQUIPOS
3.2 PROCEDIMIENTOS Y RESULTADOS PARCIALES
4. CUESTIONARIO
5. DISCUSIN DE RESULTADOS
6. CONCLUSIONES
7. SUGERENCIAS
8. REFERENCIAS BIBLIOGRFICAS
RESUMEN

Los objetivos de este experimento es determinar la curva de distribucin normal en un


proceso de medicin, correspondiente al nmero de frijoles que caben en un puado
normal y determinar la incertidumbre en este proceso experimental.

En el siguiente experimento se realizara la medicin y error experimental en una muestra


discreta a travs del clculo de la media aritmtica y desviacin estndar llevando lo aun
grafico para analizar el nmero de frijoles ms probable que se extraera con la mano,
para ello se utilizara un tazn con frijoles y dos hojas de papel milimetrado.

PALABRAS CLAVE

CURVA REDISTRIBUCIN NORMAL


INCERTIDUMBRE NORMAL
ERROR EXPERIMENTAL
MEDICIN EXPERIMENTAL
1. ANTECEDENTE EXPERIMENTAL

Como un buen antecedente se tom como ejemplo a un vendedor de abarrotes que


usaba una pala para pesar un 1 Kg. de frejoles, luego que su balanza marcara 1Kg., se
dispuso a experimentar de la siguiente manera: con la mano sacaba una pequea
cantidad de frejoles de la balanza (de entre 10 a 15 aprox.) y notaba que el medidor de la
balanza no registraba an, cambio alguno, de la misma manera cuando agregaba a esta
la misma cantidad de frejoles (entre 10 a 15), de este modo se percat que exista una
merma, un margen de error que le mostr que la cantidad de frejoles para que la balanza
marcara un 1Kg. poda variar significativamente y seguir marcando lo mismo. Ya luego
nosotros corroboramos que para que recin se note un cambio apreciable en la balanza
deba ser un nmero de frejoles mayor a 50, en donde denotamos que el peso promedio
de 100 frejoles vara entre 18g. a 24g.
2. FUNDAMENTO TERICO
1.1 GLOSARIO:

Desviacin estndar: Es el grado de dispersin o alejamiento de las mediciones con


respecto a su promedio.

Error: La desviacin del valor verdadero al valor medido.

Exactitud: La cercana con el cual la lectura de un instrumento de medida se


aproxima al valor verdadero de la variable medida.

Incertidumbre: Intervalo de confianza donde se encuentra el valor esperado de una


medicin.

Media: Promedio de varias mediciones.

Precisin: una medida de la repetitividad de las mediciones. Dado un valor fijo


de una variable, la precisin es la medida del grado con el cual, mediciones sucesivas
difieren de una de la otras.

x
1.2 MEDIA ARITMTICA O NUMERO MAS PROBABLES )o )
( nmp
La media aritmtica es el valor promedio de las muestras y es independiente de las
amplitudes de los intervalos. Se simboliza como y se encuentra slo para variables
cuantitativas. Se encuentra sumando todos los valores y dividiendo por el nmero total de
datos. [1]
x 1+ x 2+ x 3++ x n
x = [1]
n
Clculo de la media para datos agrupados.
La media en el caso de datos agrupados en intervalos viene dado por la frmula: [1]
x 1 f 1+ x 2 f 2+ x 3 f 3++ x n fn
x = [1]
f 1+f 2+ f 3+ +fn
1.3 DESVIACIN ESTNDAR O INCERTIDUMBRE NORMAL

La desviacin estndar es la medida de dispersin ms comn, que indica qu tan


dispersos estn los datos con respecto a la media. Mientras mayor sea la desviacin
estndar, mayor ser la dispersin de los datos. [2]

El smbolo (sigma) se utiliza frecuentemente para representar la desviacin estndar de


una poblacin, mientras que s se utiliza para representar la desviacin estndar de una
muestra. La variacin que es aleatoria o natural de un proceso se conoce comnmente
como ruido. [2]
La desviacin estndar se puede utilizar para establecer un valor de referencia para
estimar la variacin general de un proceso. [2]

El clculo se realiza de la siguiente forma:

( nmp
)=
2
(
( x x )
)[3]
100

1.4 TEORA DE ERRORES:

Identificar las diversas fuentes que generan error en la medicin, determinar el verdadero
valor de las magnitudes fsicas medidas de forma directa (medir la altura de un cilindro
con el calibrador Vernier) e indirecta (medir el volumen de un cilindro, midiendo su altura y
dimetro con el calibrador Vernier). Adems es muy importante en esta prctica que el
alumno se familiarice y posea un adecuado manejo de los equipos de medicin de
laboratorio.

1.5 TIPOS DE ERRORES:

ERRORES SISTEMTICOS:

Son los errores relacionados con la destreza del operador

-ERROR DE PARALAJE (EP):

Este error tiene que ver con la postura que toma el operador para la lectura de la
medicin.

-ERRORES AMBIENTALES Y FSICOS (EF):

Al cambiar las condiciones climticas, estas afectan las propiedades fsicas de los
instrumentos: dilatacin, resistividad, etc. Tambin se incluyen como errores sistemticos,
los errores de clculo, los errores en la adquisicin automtica de datos y otros.

La mayora de los errores sistemticos se corrigen, se minimizan o se toleran; su manejo


en todo caso depende de la habilidad del experimentador.

ERRORES DEL INSTRUMENTO DE MEDICIN:

Son los errores relacionados con la calidad de los instrumentos de medicin.

-ERROR DE LECTURA MNIMA (ELM):


Cuando la expresin numrica de la medicin resulta estar entre dos marcas de la escala
de la lectura del instrumento. La incerteza del valor se corrige tomando la mitad de la
lectura mnima del instrumento.

-ERROR DE CERO (E0):

Es el error propiamente de los instrumentos no calibrados.

CAUSAS DE ERRORES EN LA MEDICIN:

Aunque es imposible conocer todas las causas de los errores convenientes conocer todas
las causas importantes y tener una idea que permita evaluar los errores ms frecuentes.
Las principales causas que producen errores se pueden clasificar en:

a Errores debidos al instrumento de medida

Cualquiera que sea la precisin del diseo y fabricacin de un instrumento presenten


siempre imperfecciones. A estas, con el paso del tiempo, les tenemos que sumar las
imperfecciones por desgaste.

- Error de alineacin.
- Error de diseo y fabricacin.
- Error del desgaste del instrumento. Debido a este tipo de errores se tienen que
realizar verificaciones peridicas para comprobar si se mantiene dentro de unas
especificaciones.
- Error de precisin y forma de los contactos.

b Errores debidos al operador

El operador influye en los resultados de una medicin por la imperfeccin de sus sentidos
as como por la habilidad que posee para efectuar las medidas. Las tendencias existentes
para evitar estas causas de errores son la utilizacin de instrumentos de medida en los
que elimina al mximo la intervencin del operador

- Error del mal posicionamiento. Ocurre cuando no se coloca la pieza


adecuadamente alineada con el instrumento de medida o cuando con pequeos
instrumentos manuales se miden piezas grandes en relacin de tamao. Otro
ejemplo es cuando se coloca el aparato de medida con un cierto ngulo respecto a
la dimensin real que se desea medir.
- Error de lectura y paralelaje. Cuando los instrumentos de medida no tienen
lectura digital se obtiene la medida mediante la comparacin de escalas a
diferentes planos. Este hecho puede inducir a lecturas con errores de apreciacin,
interpolacin, etc. Por otra parte si la mirada del operador no est situada
totalmente perpendicular al plano de escala aparecen errores de paralelaje.
- Errores que no admiten tratamiento matemtico. Error por fatiga o cansancio.

c Errores debidos a los factores ambientales


El ms destacado y estudiado es el efecto de la temperatura en los metales dado que su
influencia es muy fuerte.

- Error por variacin de temperatura. Los objetos metlicos se dilatan cuando


aumenta la temperatura y se contraen al enfriarse. Este hecho se modeliza de la
siguiente forma.
- Variacin de longitud= coeficiente de dilatacin especifico longitud de pieza
variacin temperatura(L=.L.T)
- Otros agentes exteriores. Influyen mnimamente. Humedad, presin atmosfrica,
polvo y suciedad en general. Tambin de origen mecnico, como las vibraciones.

d Errores debidos a las tolerancias geomtricas de la propia pieza

Las superficies geomtricas reales de unas piezas implicadas en la medicin de una cota
deben presentar unas variaciones aceptables.

- Errores de deformacin. La pieza puede estar sometida a fuerzas en el momento


de la medicin por debajo del lmite elstico tomando cierta deformacin que
desaparece cuando cesa la fuerza.
- Errores de forma. Se puede estar midiendo un cilindro cuya forma aparentemente
circular en su seccin presente cierta forma oval.
- La distribucin normal es una distribucin de probabilidad de variable continua que
describe los datos que se agrupan en torno a un valor central. Todo proceso en el
que solo existan causas aleatorias de variacin sigue una ley de distribucin
normal. Esta condicin que aparece con frecuencia en fenmenos naturales (de
ah que se le denomine normal), puede obtenerse en los procesos industriales si
los procesos se llevan a un estado en el que solo existen causas Errores de
estabilizacin o envejecimiento. Estas deformaciones provienen del cambio en
la estructura interna del material. El temple de aceros, es decir, su enfriamiento
rpido, permite que la fase austenitica se transforme a fase martensitica, estable a
temperatura ambiente. Estos cambios de geometra son muy poco conocidos pero
igualmente tienen un impacto importante.

1.6 CURVA DE DISTRIBUCIN NORMAL

Comunes de variacin. La representacin grfica es la curva de distribucin normal


tambin denominada campana de Gauss es honor del renombrado cientfico alemn Carl
Friedrich Gauss a quien se le atribuye errneamente su invencin pero que sin duda la
uso frecuentemente para analizar fenmenos astronmicos con xito.

Una distribucin normal se caracteriza por:

1 Los valores de las mediciones tienden a agruparse alrededor de un punto central,


la media.
2 La representacin de los datos es simtrica a ambos lados de la media.
3 Las desviaciones estndares quedan situadas a igual distancia unas de otras.
4 La proporcin de mediciones situada entre la media y las desviaciones es una
constante en la que:
La media 1 * desviacin estndar = cubre el 68,3% de los casos

La media 2 * desviacin estndar = cubre el 95,5% de los casos

La media 3 * desviacin estndar = cubre el 99.7% de los casos

Podemos analizar el comportamiento de los procesos grficos y determinar su efectividad


tomando como base su grado de aproximacin a la curva de distribucin normal a partir
de los datos generados y la creacin de histogramas que permitan la comparacin con
curva de distribucin normal.

Posibilidades:

La curva de distribucin normal del proceso coincide o est dentro del lmite
establecida por la industria (bien en las normas de calidad desarrolladas o bien en
las recomendaciones establecidas por las asociaciones). En este caso el proceso opera
con eficacia y se pueden realizar trabajos de alta exigencia con respecto a la variable
controlada.

La curva de distribucin supera los lmites establecidos por la industria. En este


caso puede que estn operando causas asignables de variacin o que existen
limitaciones debidas a los recursos y equipos empleados por lo que no es posible realizar
trabajos exigentes con respecto a la variable controlada hasta que no se hayan eliminado
las causas especiales de variacin o no se dispongan de los recursos y equipos
adecuados.}

El histograma generado no muestra las caractersticas bsicas de una distribucin


normal. En este caso estn claramente actuando causas asignables de variacin que
habr que resolver si queremos conseguir un alto grado de fiabilidad del proceso y
realizar trabajos de alta exigencia.

Funcin gaussiana (curva de distribucin normal)

En estadstica, la funcin gaussiana (en honor a Carl Friedrich Gauss) es una funcin
definida por la expresin:

2
(xb)
2
2e
f ( x )=a e

Donde a, b y c son constantes reales (a > 0)


Las funciones gaussianas se utilizan frecuentemente en estadstica correspondiendo, en
1
el caso de que a sea igual a c 2 , a la funcin de densidad de una variable

aleatoria con distribucin normal de media =b y varianza 2 = e 2 .


2. PARTE EXPERIMENTAL

2.1 MATERIALES Y EQUIPOS


1 tazn de frijoles (Ver figura 1)
Frijoles (Ver figura 2)

Figura 1 Tazn de frijoles

Figura 2 Frijoles
2.2 PROCEDIMIENTO

1) Deposite los frijoles en el tazn. (Ver figura 3)

Figura 3 Tazn

2) Coja un puado de frijoles del recipiente una y otra vez hasta lograr su puado
normal. (Ver figura 4)

Figura 4 Mano con frijoles

3) Coja un puado normal y cuente el nmero de gramos obtenido. (Ver figura 5)


Figura 5 Puado con frijoles

4) Apunte el resultado y repita la operacin 100 veces llenando una tabla.


Para este paso, necesitamos elaborar una tabla para ordenar los resultados.
(Ver tabla 1).

Tabla 1 Conteo de frijoles

4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 6 6 6
K Nk Nk - 53.07 (NK -53.07)2
4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2
4
1 -4.07 16.5649 x
9
4
2 -7.07 49.9849 x
6
4
3 -5.07 25.7049 x
8
5
4 2.93 8.5849 x
6
4
5 -5.07 25.7049 x
8
4
6 -4.07 16.5649 x
9
5
7 3.93 15.4449 x
7
5
8 -3.07 9.4249 x
0
5
9 -0.07 0.0049 x
3
4
10 -7.07 49.9849 x
6
5
11 3.93 15.4449 x
7
12 5 2.93 8.5849 x
6
5
13 0.93 0.8649 x
4
5
14 0.93 0.8649 x
4
5
15 -0.07 0.0049 x
3
5
16 -0.07 0.0049 x
3
5
17 0.93 0.8649 x
4
5
18 -0.07 0.0049 x
3
5
19 1.93 3.7249 x
5
5
20 5.93 35.1649 x
9
5
21 -1.07 1.1449 x
2
5
22 3.93 15.4449 x
7
4
23 -5.07 25.7049 x
8
5
24 -2.07 4.2849 x
1
4
25 -6.07 36.8449 x
7
5
26 -1.07 1.1449 x
2
5
27 -2.07 4.2849 x
1
5
28 2.93 8.5849 x
6
5
29 3.93 15.4449 x
7
6
30 7.93 62.8849 x
1
4
31 -4.07 16.5649 x
9
5
32 4.93 24.3049 x
8
5
33 0.93 0.8649 x
4
5
34 5.93 35.1649 x
9
5
35 5.93 35.1649 x
9
5
36 -2.07 4.2849 x
1
5
37 0.93 0.8649 x
4
5
38 0.93 0.8649 x
4
5
39 -0.07 0.0049 x
3
5
40 1.93 3.7249 x
5
6
41 8.93 79.7449 x
2
5
42 -3.07 9.4249 x
0
5
43 1.93 3.7249 x
5
5
44 2.93 8.5849 x
6
5
45 -1.07 1.1449 x
2
5
46 -0.07 0.0049 x
3
5
47 -1.07 1.1449 x
2
5
48 -1.07 1.1449 x
2
4
49 -4.07 16.5649 x
9
5
50 4.93 24.3049 x
8
5
51 0.93 0.8649 x
4
5
52 4.93 24.3049 x
8
5
53 -2.07 4.2849 x
1
4
54 -5.07 25.7049 x
8
5
55 4.93 24.3049 x
8
5
56 2.93 8.5849 x
6
5
57 -1.07 1.1449 x
2
5
58 -1.07 1.1449 x
2
5
59 1.93 3.7249 x
5
4
60 -5.07 25.7049 x
8
61 5 1.93 3.7249 x
5
5
62 3.93 15.4449 x
7
5
63 -1.07 1.1449 x
2
4
64 -9.07 82.2649 x
4
5
65 -2.07 4.2849 x
1
5
66 1.93 3.7249 x
5
5
67 -2.07 4.2849 x
1
5
68 1.93 3.7249 x
5
5
69 3.93 15.4449 x
7
5
70 -1.07 1.1449 x
2
5
71 1.93 3.7249 x
5
5
72 -0.07 0.0049 x
3
5
73 -0.07 0.0049 x
3
4
74 -4.07 16.5649 x
9
5
75 -2.07 4.2849 x
1
5
76 -0.07 0.0049 x
3
4
77 -6.07 36.8449 x
7
5
78 -3.07 9.4249 x
0
5
79 -2.07 4.2849 x
1
5
80 1.93 3.7249 x
5
5
81 2.93 8.5849 x
6
5
82 0.93 0.8649 x
4
5
83 -3.07 9.4249 x
0
5
84 -3.07 9.4249 x
0
5
85 -0.07 0.0049 x
3
5
86 3.93 15.4449 x
7
6
87 6.93 48.0249 x
0
5
88 -0.07 0.0049 x
3
5
89 -1.07 1.1449 x
2
5
90 0.93 0.8649 x
4
4
91 -4.07 16.5649 x
9
5
92 -2.07 4.2849 x
1
5
93 0.93 0.8649 x
4
5
94 -1.07 1.1449 x
2
5
95 -1.07 1.1449 x
2
5
96 2.93 8.5849 x
6
5
97 0.93 0.8649 x
4
5
98 -1.07 1.1449 x
2
5
99 -2.07 4.2849 x
1
10 5
-1.07 1.1449 x
0 2
1 1 1 1
1 0 2 2 5 6 5 9 7 7 4 3 1 1 1
0 4 1 1

5) CLCULOS Y RESULTADOS

Para la facilidad del clculo organizamos los datos obtenidos en la tabla


anterior (ver tabla 1) en una tabla de frecuencias. (Ver tabla 2)

Tabla 2 Frecuencias

Nk nk
44 1
45 0
46 2
47 2
48 5
49 6
50 5
51 10
52 14
53 11
54 11
55 9
56 7
57 7
58 4
59 3
60 1
61 1
62 1
Total:100
Nk: Nmero de frijoles por puado

n: Nmero de repeticiones

Determinar la media aritmtica de los 100 nmeros obtenidos. Esta media

aritmtica es el nmero ms probable, nmp


de frijoles que caben en un
puado normal.

nmp
=
Nk nk
total

nmp=53,07

Determinar la INCERTIDUMBRE NORMAL o desviacin estndar,


( nmp
) , de la medicin anterior.

( nmp
)=

2 ( N k nmp)
100
2

( nmp
)=3,46

Grafique la posibilidad de que un puado normal contenga tantos granos de


frijoles. Sean por otra parte, r, s dos nmeros naturales. Diremos que un
puado de frijoles es de clase [r, s) si tal puado contiene x frijoles y se
cumple r x < s. Sea N el nmero de veces que se realiza el experimento
consistente en extraer un puado normal de frijoles, y sea n(r, s) el nmero
de veces que se obtiene un puado de clases [r, s) a este nmero n(r, s) se
conoce como frecuencia de la clase [r, s). Al cociente de dichos nmeros
(cuando N es suficientemente grande) lo llamaremos PROBABILIDAD (r, s)
DE QUE AL EXTRAER UN PUADO ESTE SEA DE CLASE [n, r); es decir:

n [r , s
[ r , s =
N
-N muy grande

Grafique tanto la probabilidad [ r , r +1 como la probabilidad

[ r , r +2 :

Grafica [ r , r +1

Tabla 3 tabla [r,r+1>

[ r , r +1
n
[44;45> 0,01
[45;46> 0
[46;47> 0,02
[47;48> 0,02
[48;49> 0,05
[49;50> 0,06
[50;51> 0,05
[51;52> 0,1
[52;53> 0,14
[53;54> 0,11
[54;55> 0,11
[55;56> 0,9
[56;57> 0,7
[57;58> 0,7
[58;59> 0,4
[59;60> 0,3
[60;61> 0,1
[61;62> 0,1

[r,r+1
1
0.9
0.8
0.7
0.6
0.5 [r,r+1
0.4
0.3
0.2
0.1
0

Figura 6 Grafica [r,r+1>

Grafica [ r , r +2

Tabla 4 Tabla [r,r+2>

I [r,r+2
[44;46> 0,01
[46;48> 0,04
[48;50> 0,11
[50;52> 0,15
[52;54> 0,25
[54;56> 0,2
[56;58> 0,14
[58;60> 0,07
[60;62> 0,02
[62;64> 0,01
[r,r+2
0.3
0.25
0.2
0.15 [r,r+2

0.1
0.05
0

Figura 7 Grafica [r,r+2>

Graficar la mejor curva normal. A 2/3 de la altura mxima trazar una recta
horizontal, generndose el segmento AB.
12 0.16

0.14
10
0.12
8
0.1

6 0.08 n
FDM
0.06
4
0.04
2
0.02

0 0
44 46 48 50 52 54 56 58 60 62

11.5

7.6 A B

49.76 53 56.24


AB
sa=
2


AB=2 sa
56.2449.76=6.48

( nmp
)=3,46 sa=3.24

Como usualmente ( nmp


) y sa
tienen valores cercanos, entonces el

semi ancho puede ser considerado aproximadamente como la desviacin


estndar.
3. CUESTIONARIO:
a En vez de medir puados, podra medirse el nmero de frijoles que caben
en un vaso, en una cuchara, etc.?.
- Si, ya que al tener un volumen definido el margen de error ser minimo.

b Segn Ud. a qu se debe la diferencia entre su puado normal y el de sus


compaeros?.
- Se debe a que fsicamente las dimensiones de nuestras manos son diferentes.
c Despus de realizar los experimentos Qu ventaja le ve a la representacin
de [r, r+2> frente a la de [r, r+1>?.
-
d Qu sucedera si los frijoles fuesen de tamaos apreciablemente
diferentes?.
- En el conteo de cada puado habra una diferencia muy grande que afectara en
los clculos a realizar.
e En el ejemplo mostrado se deba contar alrededor de 60 frijoles por puado.
sera ventajoso colocar solo 100 frijoles en el recipiente, y de esta manera
calcular el nmero de frijoles en un puado, contando los frijoles que quedan
en el recipiente?.
-
f Qu sucedera si en el caso anterior colocara solo, digamos, 75 frijoles en
el recipiente?.
g La parte de este experimento que exige mas paciencia es el proceso de
contar. Para distribuir esta tarea entre tres personas Cul de las
sugerencias propondra Ud.? . Por qu?.
h Menciona tres posibles hechos que observaran si en vez de 100 puados
extrajeran 1000 puados?.
i Cul es el promedio aritmtico de las desviaciones nk- nmp
?.

j Cul cree Ud. es la razn para haber definido ( nmp


) en vez de tomar

simplemente el promedio de las desviaciones?


k Despus de realizar el experimento coja Ud. un puado de frijoles. Qu
puede Ud. afirmar sobre el numero de frijoles contenido en tal puado(antes
de contar)?.
l Si Ud. considera necesario, compare los valores obtenidos por Ud. para (
nmp
) y para sa
; compare con los resultados obtenidos por sus

compaeros. Qu conclusin importante puede Ud. obtener de tal


comparacin?.
m Mencione Ud. alguna ventaja o desventaja de emplear pallares en vez de
frijoles en el presente experimento.
4. Discusin de resultados
En el proceso de conteo de frijoles un varios inconvenientes como las
dimensiones de la mano que cojia los frijoles, con una persona sala ms
frijoles y con la otra sala menos y creo que eso interfiri en el clculo y
posiblemente el margen de error comparado con otras muestras sea mayor.
Comparando la media de nuestro experimento que es 53,07 con la de otro
experimento que sale 64,25 vemos que no siempre los resultados van a ser
los mismo y que va existir un gran margen de error si no se realiza los
clculos debidos.
5. Conclusiones
En el clculo siempre va a existir un margen de error y esto depender de
varios factores, uno de ellos sera la dimensin, si la mano fuera ms grande
cabran ms frijoles y sera mayor el margen de error.
Es importante ser muy cuidadoso con los resultados obtenidos, para
disminuir el error, mas no para eliminarlo.
La teora de los errores, es un tema muy importante que un ingeniero
conozca, porque lo ayudar a realizar proyectos ms precisos y poco margen
de error.
El empleo de graficas nos facilita el anlisis de los experimentos realizados
mostrndonos las tendencias de los resultados, los valores ms frecuentes,
etc.
6. Sugerencias
Es de gran importancia la toma correcta de las mediciones ya que diferentes
aspectos podran modificar los resultados que se obtienen.
Si disponemos de tiempo podemos aumentar el aumentar el nmero de
puados ya que si sacamos ms puados el margen de error disminuir y se
conocer el nmero ms probable con exactitud.
Se debe realizar el experimento si es posible con frijoles que tenga las
mismas dimensiones.
Si se desea realizar la medicin de algn objeto es indispensable el uso de
los instrumentos precisos que reduzcan el margen de error a obtener.
8. REFERENCIA BIBLIOGRFICA
1. Probabilidad y estadstica estadstica media aritmtica. Disponible en:
http://www.sangakoo.com/es/temas/media-aritmetica . Acceso 2 de abril
de 2017.
2. Qu es la desviacin estndar? Disponible en
http://support.minitab.com/es-mx/minitab/17/topic-library/basic-statistics-
and-graphs/introductory-concepts/standard-deviation-variance-and-the-
normal-distribution/standard-dev/ . Acceso 3 de abril de 2017
3. Calcular la desviacin estndar. Disponible en
https://es.khanacademy.org/math/probability/descriptive-
statistics/variance-std-deviation/a/calculating-standard-deviation-step-by-
step . Acceso 3 de abril de 2017

Вам также может понравиться