Quimiometría y

Estadística
«Los hechos son implacables,; las estadísticas son
mucho más flexibles» – Mark Twain.

«La estadística es la gramática de la ciencia» - Karl

Pearson.
La Balanza permite medir la masa, hasta con 4 decimales, por
ejemplo, 0.8642 g ó 3.9745 g. Llevar el control del número de
cifras significativas en una medición, como la de masa, garantiza
que los cálculos correspondientes a los datos reflejen la precisión
de la medición.
 Conceptos básicos
1. Cifras significativas: El número
necesarios de dígitos para expresar
los resultados de una medición
congruente con la precisión
medida.

a) 0,216 b) 90,7 c) 800,0 d)0,0670

Número necesario de dígitos para expresar los resultados

de una medición congruente con la precisión medida.
 Cifras significativas
O Todo dígito que no sea cero es
significativo. Ejemplo: 845 cm (3 c.
s), 1.234 kg (? ).

O Los ceros entre dígitos distintos de

cero son significativos.
Ejemplo 606 m (3 c. s), 40 501 kg ( ?
)
 Cifras significativas
O Los ceros a la izquierda del primer dígito distinto de cero
no son significativos.
Ejemplo: 0.08 L (1 C.S), 0.0000349 g, (?)

O Si un numero es mayor que la unidad, todos los ceros

escritos a la derecha del punto decimal cuentan como
cifras significativas.
Ejemplo, 2.0 mg (2 C.S.) 40.062 mL, (? C.S.) , y 3.040 dm,
(? C.S.)
En el caso de números menores que la unidad, son
significativos solo los ceros que están al final del numero y
los que aparecen entre dígitos distintos de cero.
Ejemplo: 0.090 kg (2 C.S.) , 0.3005 L, (? C.S.) ; 0.00420 min
(? C.S.)
 Cifras significativas
O En cuanto a números que no incluyen el punto decimal, los ceros que
están a la derecha (es decir, después del ultimo digito distinto de cero)
podrían ser significativos o no.
asi,
400 cm tendría:
1 C.S (el digito 4),
2 C.S. (40) , ó
3 C.S. (400).

Es imposible afirmar cual de esas opciones es la correcta sin mas

información. Sin embargo, con la notación científica se evita tal
ambigüedad. En este caso particular, es posible expresar
400 como 4x 102 una cifra significativa;
4,0 x 102 dos cifras, o
4,00 x 102 tres cifras significativas.
CIFRAS SIGNIFICATIVAS Una sola c.s
después del punto
decimal
O  ADICIÓN Y SUSTRACCIÓN
¿Cúal
sería su
resultado
?
El # de c.s. a la derecha de la operación final, está
determinado por el # más pequeño de cifras significativas
a la derecha del punto decimal en cualesquiera de los #s
originales.
Rta/ 36.7 , se redondea

Rta/ 3.08, se redondea

CIFRAS SIGNIFICATIVAS
dos c.s

O  DIVISIÓN Y MULTIPLICACIÓN
¿Cúal
sería su
resultado
?
El # de c.s. a la derecha de la operación final, está
determinado por el # original que tiene el # más pequeño
de cifras significativas.
Rta/ 13 se redondea

Rta/ 0.0140
 O 2. Precisión y Exactitud

Que tan cercano

Reproducibilid del valor real se
ad de un encuentra un
resultado valor medido

Las medidas muy exactas, suelen ser precisas.

Las medidas muy precisas, no necesariamente son
exactas.
Precisión y Exactitud
 Tipos de errores
Se
pueden
evitar o
corregir E.Instrumental
Determinados es
«Sistemáticos» E. Operativos
Tipos de E del método
errores
Indeterminados
«Aleatorios»
 Tipos de errores
O Determinados: Sistemáticos
Se pueden evitar o corregir , pueden
ser constantes como en el caso de una
pesa descalibrada que se usa para
realizar todas las mediciones.

Este error, se podría cuantificar y

corregir
 Tipos de errores
O Determinados: Sistemáticos
 Errores Instrumentales : equipo
defectuoso, pesas descalibradas,
equipo de vidrio no calibrado.

 Errores Operativos: Errores

personales , se pueden reducir con
el cuidado
Ejem:
del analista.
Errores matemáticos al hacer
Transvasar una solución cálculos
Secado incompleto de una
Prejuicios al estimar mediciones
muestra
 Tipos de errores
O Determinados: Sistemáticos
 Errores del método: Son los errores
más graves en un análisis.
Los anteriores errores se pueden reducir, pero estos
NO!, a menos que se cambien las condiciones del
método
• Coprecipitación de impurezas
• Ligera solubilidad de un precipitado
• Reacciones laterales
• Reacciones incompletas
• Impurezas en los reactivos
 Tipos de errores
Se
pueden
evitar o
corregir E.Instrumental
Determinados es
«Sistemáticos» E. Operativos
Tipos de E del método
errores
Indeterminados
«Aleatorios»
 Tipos de errores
O Indeterminados: accidentales o
aleatorios.
Representan la incertidumbre
experimental que ocurre en cualquier
medición.
Estos errores se revelan por pequeñas diferencia en
mediciones sucesivas hechas por el MISMO ANALISTA
bajo condiciones prácticamente idénticas y no se puede
predecir ni estimar. Ruido
Debeneléctrico
seguir
la distribución
en el
instrumento
de Gauss
Incertidumbre absoluta y relativa
O I. Absoluta:
Expresión del margen de incerteza
asociada a la medición.
Bureta calibrada (+/- 0,02 mL)

O I. Relativa:
Expresión que compara con la magnitud
de la medición que le corresponde.

Medida: 12,35 (+/- 0,02mL)

 Incertidumbre absoluta y relativa

O I. Relativa: Inc. absoluta Incertidumbre relativa

Valor medido % = 100 x inc.
Relativa

Medida: 12,35 (+/- 0,02mL)

I. Relativa: 0,02 mL
= ?
12,35 mL
Incertidumbre aplicada
1,76 (+/-a0,03)
errores
aleatorios
+ 1,89 (+/- 0,02)
- 0,59 (+/- 0,02)
_________________
Para suma y resta 3,06 (+/- ?)

O  ex =

ex: incertidumbre absoluta en el resultado

de la medida.
e1: incertidumbre absoluta de la medida 1
Incertidumbre aplicada a errores
aleatorios
Para multiplicación y
división
O  %ey =
O

%ey: incertidumbre relativa porcentual en el

resultado de la medida.
%e1: incertidumbre relativa porcentual de la
medida 1 1,76 (+/- 0,03) x 1,89 (+/- 0,02)
____________________________ = 5,6 (+/- ?)
0,59 (+/- 0,02)

I absoluta?
I Relativa?
O Operaciones combinadas:
[1,22 (+/- 0,03) – 0,18 (+/- 0,02)]
___________________________ =
0,91 (+/- 0,02)
 ESTADÍSTICA
O Se encarga de estudiar poblaciones

Grupo de individuos u objetos que

tienen una característica de interés

¡Variable!
 ESTADÍSTICA

Población

Muestra: ciudades
representativas
 ESTADÍSTICA
Variable

Número de datos

• N

Comportamiento repetitivo:
Frecuencia absoluta
• ni
Conteo de las repeticiones del
grupo de datos (N). Frecuencia
absoluta acumulada
• Ni
 ESTADÍSTICA
Variable
Ejemplo:
Se pretende estudiar la cantidad de botellas plásticas
encontradas en una playa del Pacífico colombiano durante 2
días. Este misión es realizada por 21 estudiantes de
Biotransformación.
Resultados: (botellas plásticas)
10 0,0 30 20 10 20
20 20 10 10 10
30 10 10 10 30
10 30 0.0 0.0 20
 ESTADÍSTICA
Resultados: (botellas plásticas)
10 0,0 30 20 10 20
20 20 10 10 10
30 10 10 10 30 N = 21
?
10 30 0.0 0.0 20
X
Xiii n
niii Ni
Nii
0.0 3 3
10 9 12
20 5 17
30 4 21
Categoría de frecuencia Conteo de
datos
Categoría de frecuencia datos (Coincidir
Conteo de
datos con el (Coincidir
datos tamaño
de laelmuestra)
con tamaño
de la muestra)
Tendencia: Comportamiento de la
muestra
O La media aritmética: A la media,
también se le
denomina
promedio, es la
suma de los
valores medidos
dividida entre n
Xi: cantidad de botellas (número total de
∑ : sumatoria de Xi. X1+ X1 + valores)
X3…. Xn
 ESTADÍSTICA
Resultados: (botellas plásticas)
10 0,0 30 20 10 20
20 20 10 10 10
30 10 10 10 30 N = 21
?
10 30 0.0 0.0 20
X
Xiii n
niii Ni
Nii
0.0 3 3
10 9 12
20 5 17
30 4 21
Categoría de frecuencia Conteo de
datos
Categoría de frecuencia datos (Coincidir
Conteo de
datos con el (Coincidir
datos tamaño
de laelmuestra)
con tamaño
de la muestra)
Tendencia: Comportamiento de la
muestra
O La moda: es el valor que tiene mayor
frecuencia absoluta.
Mo: 10 botellas
de plástico
Tendencia: Comportamiento de la
muestra
Desviación Estándar, (s) () Medida
de dispersión. Expresa que tanto se
agrupan los datos alrededor de la
media.
 
s=

Cuanto más pequeña sea la «s», más agrupados están los

datos alrededor de la media.
Tendencia: Comportamiento de la
muestra
Mediana
O Es el valor por encima y por debajo del cual
se encuentra un número igual de datos.
Para una cantidad impar de puntos, la
mediana es el valor situado en el centro.
Cantidad impar de puntos:
1,2,3,7,8 N= 5
Mediana
=3
Tendencia: Comportamiento de la
muestra
Mediana
O Es el valor por encima y por debajo del cual
se encuentra un número igual de datos.
Para una cantidad impar de puntos, la
mediana es el valor situado en el centro.
Cantidad par de puntos: La mediana
es el promedio de los dos valores
centrales
2,3 = 2+3/2
1,2,3 y 6 = 2.5
Mediana
=2.5
 ESTADÍSTICA
Resultados: (botellas plásticas)
10 0,0 30 20 10 20
20 20 10 10 10
30 10 10 10 30 N = 21
?
10 30 0.0 0.0 20
X
Xiii n
niii Ni
Nii
0.0 3 3
10 9 12
20 5 17
30 4 21
Categoría de frecuencia Conteo de
datos
Categoría de frecuencia datos (Coincidir
Conteo de
datos con el (Coincidir
datos tamaño
de laelmuestra)
con tamaño
de la muestra)
 Tendencia: Comportamiento de la
muestra
Mediana: ?

N= 21
Número
impar
 Curva de error Gaussiana

Cuando la variación de un conjunto de

datos es estrictamente aleatoria, la línea
que une los puntos en la gráfica se
asemeja al perfil de una campana.
Curva de error Gaussiana
Número de lámparas

Duración (h)
Curva de error Gaussiana

Un fabricante controló el tiempo de duración

de 4768 lámparas eléctricas.
Curva de error Gaussiana
Curva de
Gauss o curva
Número de lámparas

normal de
error.

Curva que
mejor se
ajusta a
los datos.

Duración (h)
Curva de error Gaussiana
O La gráfica de cualquier número finito
de datos se ajusta a la curva de
Gauss.

O A medida que hayan más puntos de

medida, la curva se hace más lisa.
Curva de error Gaussiana
Un conjunto de
lámparas con baja
«» de su tiempo de
vida , proviene de
s un proceso de
s s fabricación con
mayor uniformidad
que otro conjunto de
   
lámparas con «»
más grande.
Conjun Conjun
to to
infinito finito
de de
datos datos
Media
poblacional  
µ Tiende a
Desviación
Aumento
estándar
poblacional
en el s
número de
 datos
Ejemplo:

Supongamos que se han realizado cuatro mediciones,

321, 292, 315 y 320.

Halle el promedio y la desviación estándar.

Rta/

El promedio y la desviación estándar deben terminar

en el mismo decimal. Ejem
Promedio: 423,3 desviación S: 15,2 no: 15,21
 La dispersión (amplitud y rango de variación)

Es la diferencia entre los valores máx y mínimo.

La dispersión de:

126.2, 127.5, 127.1 125.9 y 126.4

Valores máx y min (127.5 - 125.9)=1.6

 Intervalo de confianza
El intervalo de confianza, expresa que la
media real,, debe probablemente situarse a
cierta  distancia de la media

Intervalo dentro del

cual podría caer el
valor verdadero
n =numero de dentro de una
datos. probabilidad dada.
s: desviación
estándar
t: t de Students.
 Intervalo de confianza
La probabilidad de que el valor
real caiga dentro del intervalo:
Probabilidad o nivel de
confianza (%)

La probabilidad de equivocarnos :
Nivel de significancia.
 La t de students
Es un valioso auxiliar estadístico, que
se utiliza para medir probabilidad. Se
usa principalmente para expresar
intervalos de confianza y para
comparar resultados de diferentes
experimentos.
 La t de students
Valores de t, para diversos grados de confianza

n-1
 Ejemplo:
Supongamos que mediante análisis repetidos se han
encontrados los siguientes valores de contenido
porcentual de carbohidrato en una glicoproteína: 12.6,
11.9, 13.0, 12.7 y 12.5. Encontrar los intervalos de
confianza en los niveles de probabilidad de 95 y 90 %
para el contenido de carbohidratos
Intervalo de confianza al nivel del 95%

Estos cálculos significan que hay un 95% de probabilidad de

que la medida real, , se encuentre en el intervalo que va de
12.04 a 13.04
 ejercicio
O El ciclo medio de vida operativa
de una muestra aleatoria
de 10 focos es de 4000horas con la
desviación estándar de la muestra de 200
horas. Se supone que el
ciclo de vida operativo de los focos en general tie
nen una  distribución aproximadamente normal.
Estimamos el ciclo medio de vida operativa de la
población de focos aplicando un 95% de confianz
a.
Rechazo de datos de una serie

No hay nivel de significancia que se aplique

para todas las pruebas. Se usa el nivel 0,05
con frecuencia. El nivel 0,05 se utiliza para
proyectos de investigación. 0.01 para el
aseguramiento de calidad y el 0,10 para
encuestas políticas.
Rechazo de datos de una serie
Nivel de confianza: la probabilidad de
que el valor verdadero caiga dentro
del intervalo

  de confianza s, se
expresa en % (90%, 95%...)

Cuando se elige el nivel de

significancia de 0,05 (ó 5%), tenemos
un 95% de confianza de que hemos
adoptado la decisión correcta y una
probabilidad de 0,05 de que sea falsa.
 ¿Cómo determinar si un valor es valor
atípico y cómo decidir si debe continuar
o no con el análisis de datos?

Uno de los problemas en el análisis de datos es

manejar los valores atípicos dentro de un grupo de
datos:

Un valor atípico es una observación con un valor que no

parece corresponderse con el resto de valores en el grupo
de datos.
 ¿Cómo determinar si un valor es valor
atípico y cómo decidir si debe continuar
o no con el análisis de datos?
Por lo general surgen dos preguntas:

1. ¿Es este valor realmente un valor

atípico?

2. ¿Puedo eliminar este valor y

continuar con el análisis de datos?
Las pruebas estadísticas se utilizan
para identificar valores atípicos, no
para retirarlos del grupo de datos
 Un dato que
creemos
«atípico»

No se debe retirar, a menos que una

investigación halle la causa probable para esta
acción.
 Si en la investigación no se encuentra
una causa probable ¿qué debe hacerse?
O Realizar un análisis de datos con el
valor atípico y sin el.

Si las conclusiones son

diferentes, entonces se
considera que el valor
atípico tiene influencia y Una de las Pruebas
esto debería indicarse en el estadísticas
informe utilizadas es
La prueba de
Dixon
 La prueba de Dixon
O Utiliza relaciones de las diferencias entre
datos que parecen atípicos comparados con
los valores del grupo de datos.

Esta técnica está diseñada para detectar

un único valor atípico en un grupo de
datos, y por lo tanto no es adecuada para
la detección de múltiples valores atípicos.
 La prueba de Dixon
O a: Diferencia entre el # sospechoso y
su vecino más cercano .
O w: Diferencia entre los valores
extremos (mayor- menor)

Q= a/w
 Prueba de Dixon (Prueba Q)

Ejemplo:
Tomemos los datos:
5.3 3.1 4.9 3.9 7.8 4.7 4.3

1. Ordenamos en forma creciente:

3.1 3.9 4.3 4.7 4.9 5.3 7.8
 Prueba de Dixon
O Ejemplo:
Tomemos los datos:
5.3 3.1 4.9 3.9 7.8 4.7 4.3

1. Ordenamos:
O 3.1 3.9 4.3 4.7 4.9 5.3 7.8
2. Buscamos el valor atípico
7.8
3. Vecino más próximo5.3
4. Valor mayor7.8
5. Valor menor
3.1
 Prueba de Dixon
O El tamaño de la muestra es 7, y la relación
utilizada es el espacio entre el valor atípico
7.8 y su vecino más próximo 5.3 dividido por
el espacio entre los valores más grandes y
más pequeños en el grupo.
Este valor se
Hallamos el índice de Dixon compara con el
Q = (7.8 - 5.3) = 0.532 valor crítico que
(7.8 - 3.1) se encuentra
tabulado.
O El valor se declara valor atípico si
supera ese valor crítico.

Si,
Q calculado  Q tabulado.
Se rechaza el dato
CL : nivel de confianza
SL: nivel de significancia 
 Para un n= 7 y un riesgo del 10%,el
valor en la tabla es de 0.507.

El índice de Dixon 0.532 excede este valor

crítico, indicando que el valor 7.8 es atípico
 Prueba de Dixon
O La prueba de Dixon se usa en un
número pequeño de datos y detecta
elementos que se encuentran
sesgados o que son extremos.

El trabajo realizado por Verma y Quiroz, introdujo

nuevas tablas de valores críticos, extendiéndose
hasta 100 el tamaño de la muestra. (pruebas)
 Ejercicio
O Se informó el siguiente conjunto de
análisis de cloruro en alícuotas
separadas de un suero combinado
103, 114, 106 y 107 meq/L. Un valor
resulta sospechoso. Realizar el
cálculo a 95% de confianza. ¿Se
podría rechazar el dato que parece
atípico?
 Investigar:
O 

= mx+b

O y: variable dependiente
O x: variable independiente
O m: pendiente de la curva
O b: intersección con el eje de las
ordenadas(y)
 Prueba de Dixon
Calcular el valor de Dixon dependiendo del
tamaño de la muestra según tabla 1.

Tabla 1. Prueba de Dixon de acuerdo con el

tamaño del número de datos
 Prueba de Dixon
O Tabla 2. Relaciones prueba de Dixon (X1= valor
más pequeño, Xn= valor mayor)

Xn X1