UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL DE HUAMANGA

FACULTAD DE INGENIERIA DE MINAS, GEOLOGIA Y CIVIL

ESCUELA PROFESIONAL DE INGENIERÍA CIVIL

CURSO: FISICA I-(FS-142)

(LABORATORIO)
PRÁCTICA N°2
ESTADISTICA GAUSSIANA

DOCENTE: CONDORI TIJERA, Raúl

INTEGRANTES:

Aquino Yupanqui, Crhistian rolando

Allccahuaman Andía, Socrates.

Galindo Pacotaype, David Raúl.

Gómez Huamani, Jose Luis

Huaman Bellido, Denis Faustino.

AYACUCHO-PERU

2018
 ESTADÍSTICA GAUSSIANA

I. OBJETIVOS:

 Familiarizarse con ciertos términos estadísticos aplicados a mediciones físicas

 Expresar un conjunto de medidas en un histograma
 Aplicar la estadística gaussiana para valorar un medición

II. INTRODUCCIÓN TEÓRICA

HISTOGRAMAS

¿Qué es?

Es una gráfica de la distribución de un conjunto de datos. Es un tipo especial de gráfica

de barras, en la cual una barra va pegada a la otra, es decir no hay espacio entre las
barras. Cada barra representa un subconjunto de los datos.

¿Qué muestra el histograma?

Un histograma muestra la acumulación ó tendencia, la variabilidad o dispersión y la

forma de la distribución.
¿Para qué tipo de variable se usa?

Un histograma es una gráfica adecuada para representar variables continuas, aunque

también se puede usar para variables discretas. Es decir, mediante un histograma se
puede mostrar gráficamente la distribución de una variable cuantitativa o numérica. Los
datos se deben agrupar en intervalos de igual tamaño, llamados clases.

¿Cómo se construye el histograma?

Utilizando el software de aplicación estadística se puede obtener fácilmente el

histograma de los datos por lo que hoy en día nos debemos centrar más en su
interpretación si n embargo no está por demás hacer en forma manual el histograma
de los datos.

¿Cuántas clases se deben utilizar?

Es un resumen grafico de los datos y se ponga énfasis en lo mas importante de la
información.

¿en que clase e consideran los datos que coinciden en los límites de clase?
 Considerar a los limites superiores.
 Se especifica un rango un poco más amplio que el rango de los datos y se
introduce en decimal extra en los límites de clase.
 INTERPRETACION HISTOGRAFICA
La grafica nos expresa la forma más sencilla de la información y adecuado para el
público.

FRECUENCIA ABSOLUTA (fi):

Es el número de veces que se repite un determinado valor de la variable (xi). Se designa

por fi.

PROPIEDAD: la suma de todas las frecuencias absolutas es igual al total de observaciones

(n).

FRECUENCIA ACUMULADA (Fi):

Las frecuencias acumuladas de una distribución de frecuencias son aquellas que se

obtienen de las sumas sucesivas de las fi que integran cada una de las filas de una
distribución de frecuencia, esto se logra cuando la acumulación de las frecuencias se
realiza tomando en cuenta la primera fila hasta alcanzar la ultima. Las frecuencias
acumuladas se designan con las letras Fi.

FRECUENCIA RELATIVA (hi):

Es aquella que resulta de dividir cada una de las frecuencias absolutas entre el número
total de datos. Las frecuencias relativas se designan con las letras hi.
FRECUENCIA RELATIVA ACUMULADA (Hi):

Es aquella que resulta de dividir cada una de las frecuencias acumuladas entre número
total de datos. Se designa con las letras Hi .

MEDIDAS DE POSICIÓN
Después que los datos han sido reunidos y tabulados, se inicia el análisis con el fin de
calcular un número único, que represente o resuma todos los datos. Las medidas de
posición forman parte del conjunto de medidas descriptivas numéricas, las cuales se
clasifican en parámetros –cuando se calculan a partir de la población total- y los
estadígrafos - cuando se calculan a partir de los datos de una muestra. Una medida de
posición es un número que se toma como orientación para referirnos a un conjunto de
datos. Las Principales Medidas de Posición son:

 La Media Aritmética
 Mediana
 Moda,
 los cuartiles,
 Deciles y Percentiles.

Todas ellas a su manera tratan de dar una idea del numero alrededor del cual se centra
a todo el conjunto de datos.

CARACTERÍSTICAS DE LAS MEDIDAS DE POSICIÓN

 Deben ser definidas rigurosamente y no ser susceptibles de diversas

interpretaciones.
  Deben depender de todas las observaciones de la serie, de lo contrario no seria
una característica de la distribución.

 No deben tener un carácter matemático demasiado abstracto.

 Deben ser susceptibles de cálculo algebraico, rápido y fácil.

ESTADISTICA DESCRIPTIVA

Media aritmética
La media aritmética (X) o simplemente la media es la medida de posición de más
importancia y utilización en las aplicaciones estadísticas por su fácil calculo e
interpretación. Se trata del valor medio de todos los valores que toma la variable
estadística de una serie de datos. La media es el valor más representativo de la serie de
valores, es el punto de equilibrio, el centro de gravedad de la serie de datos. Por lo
general se le designa con X .

Desviaciones o desvíos
Son diferencias algebraicas entre cada valor de la serie o cada punto medio y la media
aritmética de dicha serie, o un valor cualquiera tomado arbitrariamente. Los desvíos o
desviación se designan con la letra di. Dado una serie de valores X1, X2, X3, .......Xn , se
llama desvío a la diferencia entre un valor cualquiera Xi de la serie y un valor indicado
k de esa misma serie. Si el valor indicado k de la serie corresponde precisamente a la
media aritmética de esos valores dados, se dice entonces que los desvíos son con
respecto a la media aritmética

1. LA MEDIANA
La mediana es el valor que divide en dos partes iguales, al conjunto de observaciones
ordenadas respecto de sus magnitudes, de tal manera que el numero de datos por
encima de la mediana sea igual al numero de datos por debajo de la misma. Se designa
por las letras Me. Tal como sucede con la media, el método de determinación depende
de si los datos son agrupados o no.
Para encontrar la mediana en una serie de datos no agrupados, lo primero que se hace
es ordenar los datos en una forma creciente o decreciente y luego se ubica la posición
que esta ocupa en esa serie de datos; para ello hay que determinar si la serie de datos
es par o impar.
El resultado obtenido, es la posición que ocupara la mediana, pero en este caso se
ubica la posición de la mediana por ambos extremos de la serie de valores y los dos
valores que se obtengan se le saca la media y esta será la mediana buscada, por lo tanto
la mediana, en este caso, es un número que no se encuentra dentro de la serie de datos
dados.

2. LA MODA

La moda es la medida de posición que indica la magnitud del valor que se presenta con
más frecuencia en una serie de datos; es pues, el valor de la variable que más se repite
en un conjunto de datos. De las medidas de posición la moda es la que se determina con
mayor facilidad, ya que se puede obtener por una simple observación de los datos en
estudio, puesto que es el dato que se observa con mayor frecuencia. Se designa con las
letras Mo.

En las representaciones gráficas la moda es el punto más alto de la gráfica. La obtención

de la moda para datos agrupados no es un valor exacto, ya que varía con las diferentes
formas de agrupar una distribución de frecuencia.

En algunas distribuciones de frecuencias o serie de datos no agrupados o agrupados se

pueden presentar dos o más modas, en estos casos se habla de serie de datos bimodales
o multimodales respectivamente. Estos tipos de distribuciones o series de valores se
deben a la falta de homogeneidad de los datos.

MEDIDAS DE DISPERSION

La utilización de una medida de posición escogida para representar a los datos no indica
otras características que el conjunto de observaciones que posee. No todas las
observaciones son iguales a la medida de posición tomada o seleccionada; en general
los datos difieren unos de otros, por lo tanto se hace necesario encontrar ciertos índices
o medidas que indiquen la variabilidad o dispersión del conjunto de observaciones que
se estudian.
 Medidas de Dispersión Absoluta.

Son aquellas que vienen expresadas en las mismas unidades originales que indican la
serie de datos. Entre las medidas de dispersión absoluta se encuentran: el rango, el
rango intercuartilico, la desviación media, la varianza y la desviación típica.

 Medidas de Dispersión Relativas.

Estas medidas vienen expresadas en valores abstractos o porcentajes; su principal

función es la de determinar entre varias distribuciones la de mayor o menor dispersión.
La medida de dispersión relativa de mayor importancia es el coeficiente de variación.

RANGO O RECORRIDO.

Es la medida de dispersión mas sencilla y se define como la diferencia entre el valor mas
alto menos el valor mas pequeño y se designa por R. Es decir, R = Xmax-Xmin para datos
no agrupados. Si los datos están agrupados en K clases el rango será la diferencia entre
el limite superior de la K-esima clase menos el limite inferior de la primera clase.

El rango nos dará una primera idea sobre las dispersión de los datos ya que si su valor
es pequeño nos indicará una gran concentración de los datos, y si por el contrario su
valor es grande nos puede indicar una gran variabilidad o dispersión de los datos.
ESTADISTICA DESCRIPTIVA

 Rangos especiales:
El rango nos da una idea de la dispersión total de las observaciones, por lo tanto puede
estar afectada por valores extremos dando en consecuencia una idea de alta dispersión.
Por tal motivo, se han definido otros rangos que tratan de subsanar este problema.
 Rango íntercuartilico:
Se define como la diferencia entre el cuartil tres(Q3) y el cuartil uno(Q1) de una
distribución de frecuencia y se expresa así: RI = Q3 − Q1.
 Rango semi-íntercuartilica
Si los valores de la RI o RSI son pequeños indica una alta concentración de los datos de
la distribución en los valores centrales de la serie de datos. Estas medidas se utilizan
para comparar los grados de variación de los valores centrales en diferentes
distribuciones de frecuencias. Los mismos no son afectados por los valores extremos,
no se adaptan a la manipulación algebraica, por tal motivo son de poco utilidad.

ESTADISTICA DESCRIPTIVA
VARIANZA

Una manera de resolver el problema de los signos de las desviaciones respecto de la

media aritmética es elevándolos al cuadrado y luego sumar todos los resultados
obtenidos. Esta suma se puede considerar como una medida de la dispersión total de
los valores. Aquellos que estén mas alejados de la media aritmética tendrán un aporte
mayor a esta suma de cuadrados.

DESVIACIÓN TIPICA

Como la varianza es el promedio de los desvíos respecto de la media elevados al

cuadrado, viene entonces expresada en unidades cuadradas. Para obtener una medida
de dispersión en las unidades originales se le extrae la raíz cuadrada (positiva) a la
varianza, obteniendo así otra medida de dispersión denominada desviación típica o
estándar.

INTERPRETACIÓN DE LA DESVIACIÓN TÍPICA

La desviación típica como medida absoluta de dispersión, es la que mejor nos

proporciona la variación de los datos con respecto a la media aritmética, su valor se
encuentra en relación directa con la dispersión de los datos, a mayor dispersión de ellos,
mayor desviación típica, y a menor dispersión, menor desviación típica. Su mayor
utilidad se presenta en una distribución normal, ya que en dicha distribución en el
intervalo determinado por σ ±X se encuentra el 68. 27% de los datos de la serie; en el
intervalo determinado por la σ 2±X se encuentra el 95,45% de los datos y entre la σ 3±X
se encuentra la casi totalidad de los datos, es decir, el 99,73% de los datos; además,
existe una regla general de gran utilidad para la comprobación de los cálculos que dice:
“una oscilación igual a seis veces la σ , centrada en la media comprende
aproximadamente el 99% de los datos”.
Prof. Simón Cabrera página 30 de 32
 ESTADISTICA DESCRIPTIVA
DISPERSIÓN RELATIVA

Las medidas de variabilidad, estudiadas hasta ahora, solo permitían medir las
dispersiones absolutas de los términos de la muestra. Las medidas, tomadas en esas
condiciones, serán de utilidad, solo cuando se trata de analizar una sola muestra; pero,
cuando hay que establecer comparaciones entre distintas muestras, será necesario
expresar tales medidas en valores relativos, que pueden ser proporciones o porcentajes.

Las medidas de dispersión relativas permiten comparar grupos de series distintas en

cuanto a su variación, independientemente de las unidades en que se midan las
diferentes características en consideración. Generalmente las medidas de dispersión
relativas se expresan en porcentajes, facilitando así el estudio con medidas procedentes
de otras series de valores La dispersión relativa viene a ser igual a la dispersión absoluta
dividida entre el promedio.

Existen varias medidas de dispersión relativa, pero, la más usada es el coeficiente de

variación de Pearson, este es un índice de variabilidad sin dimensiones, lo que permite
la comparación entre diferentes distribuciones de frecuencias, medidas en diferentes
unidades.

RESULTADOS

1. Con los datos de la tabla 1, calcular la frecuencia de cada medida. Con ello hacer un
histograma frecuencia versus medida.
Numero de medida Cantidad de frejoles

1 38

2 35

3 37

4 39

5 34

6 41

7 39

8 37

9 40

10 41
11 37

12 41

13 39

14 34

15 44

16 39

17 37

18 41

19 45

20 34

21 35

22 36

23 43

24 44

25 38

26 37

27 40

28 42

29 39

30 38

31 36

32 40

33 41

34 39

35 42

36 38
 37 40

38 38

39 45

40 43

41 38

42 43

43 39

44 40

45 36

46 40

47 38

48 46

49 42

50 39

HALLANDO LA FRECUENCIA DE LOS FREJOLES:

número de frejoles frecuencia

34 3

35 2

36 3

37 5

38 7

39 8

40 6

41 5

42 3

43 3
 44 2

45 2

46 1

frecuencia vs N°de frejoles

9

0
34 35 36 37 38 39 40 41 42 43 44 45 46

2. Calcule la moda, mediana y media del conjunto de medidas. Calcule también la

desviación standard de las medidas y de la media.
Moda El mayor número:38

Mediana Ordenando los números de menor a mayor y obteniendo dos

términos medios, se suma y se divide entre dos; obtenemos

 Mediana=39

Media 𝐴1 + 𝐴2 + ⋯ + 𝐴50 1967

→ → 39.34
50 50
3. Analice su gráfica y trace a mano alzada una curva tipo gaussina.

frecuencia vs N°de frejoles

9

0
34 35 36 37 38 39 40 41 42 43 44 45 46

4. Con los datos de la tabla 2, haga un histograma cuentas versus posición de la

canica. Calcule la desviación standard de las medidas y de la media.
Tabla 2

número de posición cantidad de arvejas

1 2

2 3

3 4

4 9

5 4

6 7

7 5

8 4

9 9

10 8
 11 7

12 9

13 5

14 7

15 3

16 4

17 2

18 1

19 1

20 6

número total de arvejas 100

Histograma cuentas vs posición

CONTIDAD VS POCICION
10

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
CUESTIONARIO

1. Qué significa una distribución gaussiana y qué aplicaciones tiene en las mediciones
físicas

La distribución Normal suele conocerse como la "campana de Gauss".

En teoría de la probabilidad y estadística, la distribución de probabilidad de

una variable aleatoria es una función que asigna a cada suceso definido sobre
la variable la probabilidad de que dicho suceso ocurra. La distribución de probabilidad
está definida sobre el conjunto de todos los sucesos y cada uno de los sucesos es el
rango de valores de la variable aleatoria. También puede decirse que tiene una
relación estrecha con las distribuciones de frecuencia. De hecho, una distribución de
probabilidades puede comprenderse como una frecuencia teórica, ya que describe
cómo se espera que varíen los resultados.
La distribución de probabilidad está completamente especificada por la función de
distribución, cuyo valor en cada x real es la probabilidad de que la variable aleatoria
sea menor o igual que x.
2. En base a los resultados obtenidos sobre las curvas gaussiana, asócielo con el criterio
de estimación de error sistemático de una medición directa con un instrumento
1
analógico. ( xs  u )
2

3. Averigüe otras distribuciones estadísticas usadas en las mediciones físicas.

 VARIABLE ALEATORIO:
Una variable aleatoria es un valor numérico que corresponde al resultado de un
experimento aleatorio, como el número de caras que se obtienen al lanzar 4 veces una
moneda, el número de lanzamientos de un dado hasta que aparece el seis, el número
de llamadas que se reciben en un teléfono en una hora, el tiempo de espera a que llegue
un autobús.
Las variables aleatorias, como las estadísticas, pueden ser discretas o continuas.
Las variables aleatorias permiten definir la probabilidad como una función numérica
(de variable real) en lugar de como una función de un conjunto dado.

Resultado Probabilidad P. acumulada

0 0.25 0.25
1 0.5 0.75
2 0.125 0.875
3 0.125 1
 CHI CUADRADO:
Tabla de la función de distribución:
P(
n≤ z) = p
z: valor tabulado
p: probabilidad acumulada
n: grados de libertad
Para ver el cuadro seleccione la opción "Descargar" del menú superior
BIBLIOGRAFÍA

1. PUCP. Técnicas de la enseñanza de la Física. 1991

2. Universidad Nacional de Ingeniería. Manual de laboratorio de Física General,
1999.
3. Zuñiga, A. Curso postgrado Universidad Nacional de Ingeniería: Tratamiento de
datos y estadística de error. 2001

* Elaborado por Fis. Julio Oré