El abc de las mediciones en el laboratorio docente

Tamaño: px
Comenzar la demostración a partir de la página:

Download "El abc de las mediciones en el laboratorio docente"

Transcripción

1 Unversdad de La Habana Dpto. Físca Aplcada El abc de las medcones en el laboratoro docente A. González Aras abrl 2009 Magntudes y patrones; Instrumentos de medcón e ncertdumbres; Clasfcacón de las ncertdumbres; La ley de propagacón de ncertdumbres. Formas smplfcadas; Cfras sgnfcatvas; Preguntas de control; Bblografía; Anexo. Covaranza. MAGNITUDES Y PATRONES Magntud es todo lo que se puede medr. Medr sgnfca comparar, y la magntud en proceso de medcón se denomna mesurando. En nglés se acostumbra utlzar cantdad (quantty) en vez de magntud para desgnar tanto el mesurando como su valor numérco. Cuando medmos cualquer magntud como, por ejemplo, una longtud o la ntensdad de una corrente eléctrca, en realdad estamos comparando esa magntud con alguna otra, que consderamos arbtraramente como patrón. Al determnar una masa desconocda en la balanza, lo que hacemos es comparar esa masa con masas patrones (las "pesas" de la balanza). Estas pesas, a su vez, han sdo comparadas (o calbradas) con algún patrón secundaro. Al segur la cadena de comparacones se llega hasta la comparacón con el klogramo patrón, patrón unversal de masa que se conserva en la Ofcna Internaconal de Pesas y Meddas en Sèvres, cerca de París, adoptado medante convenos nternaconales. De gual forma exsten patrones para otras magntudes, denomnadas fundamentales, tales como el tempo, la longtud y la temperatura. Dferentes sstemas de undades reconocen dferentes magntudes fundamentales. El Sstema Internaconal de Undades, vgente en la mayoría de los países, consdera sólo sete magntudes fundamentales, a partr de las cuales se pueden dervar todas las restantes magntudes. Las magntudes fundamentales del Sstema Internaconal de Undades aparecen en la tabla sguente. MAGNITUD PATRÓN SÍMBOLO longtud metro m masa klogramo kg tempo segundo s temperatura Kelvn K cantdad de sustanca mol mol ntensdad de la corrente Ampere A ntensdad de la luz bujía o candela b - cd arnaldo@fsca.uh.cu

2 2. INSTRUMENTOS DE MEDICIÓN E INCERTIDUMBRES Todo objeto, equpo o aparato que pueda ser utlzado para efectuar una medcón es un nstrumento de medcón. Con ndependenca de su complejdad y del tpo de magntud que mda, cualquer nstrumento se caracterza por poseer alguna escala graduada (dgtal, de aguja, de cursor deslzante) que permte establecer la proporconaldad entre la magntud que deseamos medr y el correspondente patrón. Puede ser algo tan sencllo como una regla graduada, que permte medr dstancas del orden de mlímetro, hasta algo tan complejo como un dfractómetro de rayos X, que puede utlzarse para medr dstancas del orden de Angstrom (0-0 m). El nstrumento será más sensble o precso en la medda que su escala sea capaz de detectar varacones cada vez más pequeñas de la magntud medda. El nstrumento será más o menos exacto según sus valores estén en mayor o menor correspondenca con el valor real del mesurando, de acuerdo a la calbracón realzada por el fabrcante con el correspondente patrón. Un nstrumento puede ser muy sensble y a la vez poco exacto, al no estar su escala calbrada correctamente con relacón al patrón. La medcón como tal sera precsa cuando los valores obtendos para el mesurando tengan poca dspersón. La fgura lustra perfectamente la dferenca entre precsón y exacttud, s asummos que el valor real del mesurando concde con el centro de la dana (ver fgura). La fgura sugere que es posble obtener buena exacttud a partr de un nstrumento con relatvamente poca precsón (seccón 3). No hay medcones exactas. Cualquer medcón sempre estará afectada por una sere de ncertdumbres de muy dverso orgen, como por ejemplo: - el límte de precsón establecdo por el fabrcante del nstrumento (establecdo al comparar contra el patrón) - gnorar correccones ndcadas por el fabrcante (por ejemplo, cuando la temperatura del laboratoro no concde con la de calbracón del nstrumento). - mprecsones de manpulacón del operador que hace la medcón. - varacones de voltaje, campos magnétcos, presón, etc. que afecten el nstrumento de medcón. Error de paralaje. Más que una ncertdumbre, el error de paralaje es una equvocacón causada por el desconocmento o la mala manpulacón por parte del operador que realza la medcón. Se orgna por la falta de perpendculardad de la vsón al hacer la lectura de la escala en los nstrumentos de aguja. En la fgura, s el observador se coloca lateralmente a la escala, anotará un valor de 37.5 en vez del correcto 36. Error de entrada. Una mala manpulacón usual en los laboratoros docentes es la no verfcacón del cero del nstrumento, denomnado error de entrada: el nstrumento no marca cero cuando la magntud medda es nula (por ej., en una balanza). Ese valor fctco se añadrá o restará posterormente al del mesurando, ntroducendo un error que puede llegar a ser sgnfcatvo. El error de entrada se pue- 2

3 de elmnar verfcando la poscón del cero del nstrumento antes de efectuar la medcón. Omsón de correccones. Otro error bastante común en el laboratoro se relacona con el uso de los termómetros de mercuro y alcohol. Los termómetros ordnaros de laboratoro venen calbrados para nmersón total. Para que mdan correctamente se deben ntroducr completamente en el sstema cuya temperatura se desea medr y esperar hasta que se alcance el equlbro. No obstante, es posble utlzarlos con buena aproxmacón en nmersón parcal, pero en ese caso hay que añadr a la lectura T o que marca el termómetro la fraccón δt = ( T)( L) donde L es la longtud de la columna de mercuro o alcohol que sobresale del sstema, expresada en undades de la escala del termómetro, y T = T 2 - T la dferenca entre la temperatura T 2 leída en la escala y la temperatura T del cuerpo del termómetro, medda con otro termómetro en el punto medo de la parte que sobresale. El no llevar a cabo esta correccón puede conducr a un error de varos grados, tanto mayor cuanto mayor sea la parte del termómetro que queda fuera del sstema objeto de medcón. Error de medcón. Es usual utlzar este térmno para desgnar la dferenca que exste entre el valor meddo y el valor real del mesurando, que normalmente se desconoce. Notacones y térmnos. Consdere la medcón de una magntud M cualquera. A causa de la ncertdumbre en la medcón, sólo es posble aseverar que el valor de esa magntud se encuentra en un certo ntervalo (A, A 2 ). δa 0 A A A 2 Otra forma de representar esta stuacón es tomar el valor medo del ntervalo, A = (A + A 2 )/2, como valor más probable, y la mtad de ese ntervalo (δa) como una medda de la ncertdumbre en la medcón; δa = (A 2 - A )/2. Entonces, el valor meddo de la magntud M y su ncertdumbre se desgnan como M = A ± δa. δa se denomna ncertdumbre de la medcón, y tambén se suele ndcar con la letra u ó µ (del ngles uncertanty). Ejemplo: L = 2.54 ± 0.02 m sgnfca que tenemos la certeza de que la longtud medda se encuentra entre 2.52 y 2.56 m (y esto es todo lo que podemos afrmar respecto a la magntud medda). Incertdumbre relatva y porcentual La ncertdumbre relatva se defne por la relacón ε = δa/a mentras que la porcentual es gual a la relatva multplcada por 00. La relatva representa la fraccón de la mprecsón cometda en la medcón, y resulta útl para comparar medcones llevadas a cabo sobre dferentes magntudes. Por ejemplo, usualmente una ncertdumbre porcentual del % (lo que equvale a medr 00 m con ncertdumbre de m) es aceptable para medcones que no requeran gran precsón. S se desea dsmnur este valor, será necesaro hacer un esfuerzo mayor para lograr el resultado, y el esfuerzo será cada vez más mportante mentras menor sea la ncertdumbre deseada. Los valores más comunes de la ncertdumbre porcentual en el laboratoro pueden osclar entre 0. y 5%. 3. CLASIFICACION DE LAS INCERTIDUMBRES De acuerdo al método utlzado para evaluar las ncertdumbres, éstas se clasfcan en dos clases o tpos 3

4 dferentes. Las ncertdumbres de tpo A son las que se pueden determnar exclusvamente a partr del análss estadístco de un conjunto de observacones ndvduales. Las ncertdumbres de tpo B son aquellas en la que nfluyen factores dferentes a los puramente estadístcos y que usualmente no pueden ser modfcadas por el operador, como por ejemplo: - especfcacones del fabrcante del nstrumento y calbracón preva. - ncertdumbres de los patrones tomadas como referenca en los manuales o en los certfcados del buró de standards. - experencas prevas acerca del comportamento de los nstrumentos - datos de medcones anterores. Incertdumbres tpo A. Las ncertdumbres de tpo A se determnan a partr de cualquer método matemátco váldo para analzar datos estadístcos. En lo que sgue nos refermos exclusvamente a los resultados que proporcona la dstrbucón de Gauss, aunque en ocasones se obtenen resultados más cercanos a la realdad aplcando otras dstrbucones (por ej., la dstrbucón de Student cuando N es pequeño). Sean x, x 2, x 3,... x N los valores obtendos al realzar N medcones sucesvas de la magntud x, que pueden concdr o no. S no concden, esto es un índce de que hubo factores fortutos o accdentales nfluyendo en los resultados. Se toma entonces como "mejor valor", o valor estmado del mesurando x el promedo artmétco o valor medo de los N valores, N x = x, y como ncertdumbre estándar (µ) de ese mejor valor se toma la desvacón estándar del valor medo N = µ = N(N ) = N 2 2 ( x x) (3.) La ncertdumbre estándar representa la probabldad de que, al realzar una nueva medcón, el valor meddo se encuentre el 68% de las veces dentro del ntervalo x ± µ. La probabldad aumenta al 95% para el ntervalo x ± 2µ. Es posble comprobar que µ decrece cuando N aumenta. De aquí que llevando a cabo un número sufcente de medcones es posble reducr tanto como se quera la ncertdumbre de tpo A (asumendo que la valdez del método estadístco utlzado para analzar los datos es estrctamente certa). Se acostumbra reportar el valor meddo de la magntud x como x = x ± µ donde µ se suele multplcar por un certo factor cuando se desea especfcar un ntervalo dferente al 68%. (Ver detalles en la seccón 4). El procedmento anteror no es aplcable a las ncertdumbres del tpo B. Así, por ejemplo, la ncertdumbre causada por el valor de un parámetro tomado de un manual nose puede elmnar ncrementando el número N de medcones. La ncertdumbre µ aún se ndca en muchos textos como δ x y se denomna error absoluto.. En el análss estadístco, el térmno σ = Nµ se denomna varanza, desvacón típca o desvacón standard, y es gual a la probabldad de que al hacer una nueva medcón se obtenga un valor ndvdual comprenddo en el ntervalo x ± σ con un 68% de probabldad. 4

5 x = x ± δ x. Incertdumbres tpo B. La ncertdumbre tpo B provene de una fuente externa, ajena a las posbles correccones y manpulacones que se puedan llevar a cabo en el laboratoro. La aprecacón de un nstrumento es la menor dvsón de su escala. Mentras más pequeño sea el valor de esa menor dvsón, mayor será la sensbldad del nstrumento y menor su contrbucón a la ncertdumbre de la medcón. La sensbldad es nvarable y propa del nstrumento, y la ncertdumbre que ntroduce en la medcón no puede ser reducda en forma alguna en el laboratoro, pues es una medda de la ncertdumbre ntroducda por el fabrcante al comparar las lecturas de su nstrumento con los patrones correspondentes. En muchas ocasones la ncertdumbre del nstrumento no concde exactamente con la aprecacón o menor dvsón de su escala, sno que aumenta proporconalmente con el valor meddo en un por cento determnado. De aquí que sempre resulte adecuado consultar el manual del fabrcante del nstrumento para conocer la verdadera ncertdumbre que éste ntroduce y establecer un valor de µ mas acorde a la realdad. Cuando no se posee el manual del fabrcante, es usual tomar el valor de la menor dvsón de nstrumento como una medda de la ncertdumbre. En este caso, s x o es el resultado de una sola medcón de un mesurando x y δ x el valor de la menor dvsón de la escala, el valor a reportar será x = x o ± δ x. Incertdumbres conjuntas tpos A y B. En estos casos es necesaro analzar cada caso partcular por separado, tomando como ncertdumbre la mayor de todas las que se presenten. Por ejemplo, s al medr una magntud eléctrca con un multímetro de aguja las fluctuacones de voltaje de la línea causan varacones en las lecturas por encma de la sensbldad reportada por el fabrcante, se debe hacer una medcón de tpo A para elmnar la nfluenca de las fluctuacones, asgnando a la ncertdumbre el valor proporconado por la expresón (3.). Pero s N se toma sufcentemente grande, y el valor proporconado por (3.) resulta ser menor que la ncertdumbre proporconada por el fabrcante, se tomará entonces éste últmo valor para µ (ver fgura). δx Incertdumbre tpo A Incertdumbre tpo B N 4. LA LEY DE PROPAGACIÓN DE INCERTIDUMBRES. FORMAS SIMPLIFICADAS. Una medcón como la descrta en la seccón 3 es una medcón drecta, mentras que s es necesaro utlzar alguna fórmula o expresón matemátca del tpo y = f(x,x 2,x 3,...x n ) para determnar el valor de la magntud medda, la medcón es entonces ndrecta. (Por ejemplo, medr el área de una superfce a partr de su largo (a) y ancho (b): S = ab). En las medcones ndrectas es necesaro tomar en cuenta las contrbucones ndvduales de cada ncertdumbre µ para calcular la ncertdumbre total µ T. La ncertdumbre total se calcula a partr de la expresón 2 2 n n n f 2 f f T 2 j = x = j= + x x j (4.) µ = µ + µ 5

6 que no es mas que un desarrollo truncado de Taylor de la expresón y = f(x,x 2,x 3...x n ), donde n es el número de varables nvolucradas en la expresón. f Los coefcentes se denomnan coefcentes de sensbldad, y se evalúan en los correspondentes valores medos x x. El térmno µ j es la covaranza asocada a x y x j. Sn embargo, la propagacón de ncertdumbres se reduce a expresones más sencllas en muchos casos mportantes. S se puede asumr razonablemente que los valores medos x no están relaconados entre sí, el segundo térmno se anula. Entonces: A) S la fórmula de trabajo es una suma del tpo y = a x + a 2 x 2 + a 3 x donde los a son constantes, la ncertdumbre combnada o total µ T tendrá la forma ( a a a...a ) µ = µ + µ + µ + µ T n n B) Cuando la fórmula de trabajo es un producto del tpo y = Cx x x...x la ncertdumbre toma la forma p q r z 2 3 n ( p q r...z ) µ = µ + µ + µ + µ T r 2 r 3 r nr donde µ r es la ncertdumbre relatva, defnda por la expresón µ µ r =. x Asumendo una dstrbucón Gaussana de valores, es posble consderar que el valor real y o de la magntud medda y se encontrará en el ntervalo (y o + µ T ) (y o µ T ) con un 68 % de probabldad, lo que se acostumbra expresar como y = y o ± δy o, donde δy o µ T. S se toma como ncertdumbre δy o = 2µ T entonces la probabldad se eleva al 95%. En general, al multplcar µ T por un determnado factor (k) denomnado factor de cobertura se obtene un certo ntervalo de confanza dentro del cual se puede asumr que el verdadero valor de y está contendo con esa probabldad. En general, el producto δy o = kµ T se denomna ncertdumbre expandda. Cuando k = 3 el ntervalo de confanza es mayor del 99%. En funcón de la ncertdumbre expandda, Y = y ± kµ T. Notar que (4.) y las expresones dervadas son váldas exclusvamente para propagar la ncertdumbre en medcones ndrectas, y no son aplcables a medcones drectas donde haya contrbucones de errores de tpo A y B conjuntamente, ya analzados en la seccón CIFRAS SIGNIFICATIVAS De acuerdo a lo expresado en las seccones anterores, se concluye nmedatamente que carece de sentdo escrbr mas cfras después del punto decmal que las estrctamente necesaras para ndcar el valor de una magntud. Por ejemplo, s se mdó una densdad con un error de g/cm 3, no tene sentdo escrbr más allá de 3 ó 4 cfras después del punto decmal: ver anexo 6

7 ρ = ρ = (ncorrecto) (correcto) En el prmer caso, las dos últmas cfras (43) sobran, pues el resultado de la medcón sólo permte afrmar que el valor de la densdad se encuentra en el ntervalo ρ = ± es decr, que su valor real se encuentra entre y Excepto en el caso de medcones de alta precsón, se acepta comúnmente utlzar una sola cfra sgnfcatva para el error absoluto, redondeando por aproxmacón. Igualmente se debe aproxmar el valor de la magntud medda para que las cfras sgnfcatvas no sobrepasen el ntervalo de error. En nuestro ejemplo, y el valor a reportar será ρ = ± g/cm 3. En los lbros de texto muchas veces se omte este tpo de notacón, y el error absoluto se ndca solamente especfcando el número de cfras sgnfcatvas con que se expresa la magntud. Es decr, s se reporta una densdad con el valor de ρ = 0.98, se sobreentende que la msma se mdó con un error absoluto no mayor de 0.0. Sn embargo, s se reporta el valor 0.980, esto ndca que el error fue 0 veces menor (0.00). BIBLIOGRAFIA. Essentals of expressng measurement uncertanty, (vsto en abrl 2009) 2. A. González Aras, Errores y medcones, Ed. Centífco Técnca,983. PREGUNTAS DE CONTROL. Enumere los tpos o clases de ncertdumbre que Ud. conoce y dga sus prncpales característcas 2. Cuándo es precsa una medcón? Cuándo es exacta? 3. Que dferenca hay entre error, equvocacón e ncertdumbre? 4. Qué sgnfcado tenen la ncertdumbre relatva y porcentual? 5. Cómo se calcula la desvacón típca? Cuál es su sgnfcado? 6. De los tpos de ncertdumbre y errores o equvocacones que Ud. conoce, dga cuales pueden elmnarse y cuales no, y de que forma. 7. Explque en que consste la ley de propagacón de la ncertdumbre 8. Cómo expresa Ud. el resultado de una medcón con un ntervalo de confanza del 95%? ANEXO El análss de la covaranza es una técnca estadístca que, utlzando un modelo de regresón lneal múltple, busca comparar los resultados obtendos en dferentes grupos de una varable cuanttatva, pero corrgendo las posbles dferencas exstentes entre los grupos en otras varables que tambén puderan afectar al resultado (covarantes). En el estudo conjunto de dos varables, lo que nteresa prncpalmente es saber s exste algún tpo de relacón entre ellas. Esto se ve gráfcamente con el dagrama de dspersón. La covaranza S(x,y) de dos varables aleatoras x,y se defne como: 7

8 N Sxy = ( x x)( y y). N =. Una covaranza postva sgnfca que exste una relacón lneal drecta entre las dos varables. Es decr, las puntuacones bajas de (x) se asocan con las puntuacones bajas de (y), mentras que las puntuacones altas de (x) se asocan con los valores altos de (y). 2. Una covaranza de negatva sgnfca que exste una relacón lneal nversa. Las puntuacones bajas en (x) se asocan con los valores altos en (y), y vceversa. 3. Una covaranza 0 ndca que no exste relacón lneal entre las dos varables. 8

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

Más detalles

Estimación de incertidumbres en calibración de Osciladores

Estimación de incertidumbres en calibración de Osciladores Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser

Más detalles

Análisis de Resultados con Errores

Análisis de Resultados con Errores Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

Introducción a la Física. Medidas y Errores

Introducción a la Física. Medidas y Errores Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren

Más detalles

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan

Más detalles

Laboratorio de Bases Físicas del Medio Ambiente

Laboratorio de Bases Físicas del Medio Ambiente Laboratoro de Bases Físcas del Medo Ambente Teoría de errores Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Medr es, báscamente, comparar con un patrón y esta

Más detalles

2. Tratamiento de errores

2. Tratamiento de errores . Tratamento de errores Carlos R. Fernández-Pousa e Ignaco Moreno Dvsón de Optca. Departamento de Cenca y Tecnología de Materales Unversdad Mguel Hernández de Elche.. Introduccón Se entende por medda la

Más detalles

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc. TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes

Más detalles

Probabilidad Grupo 23 Semestre Segundo examen parcial

Probabilidad Grupo 23 Semestre Segundo examen parcial Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta

Más detalles

CAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10.

CAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10. CAÍTULO III ACCIONES Artículo 9º Clasfcacón de las accones Las accones a consderar en el proyecto de una estructura o elemento estructural serán las establecdas por la reglamentacón específca vgente o

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 1.3_A La media y la desviación estándar Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.

Más detalles

TÉCNICAS AUXILIARES DE LABORATORIO

TÉCNICAS AUXILIARES DE LABORATORIO TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar

Más detalles

Aspectos fundamentales en el análisis de asociación

Aspectos fundamentales en el análisis de asociación Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patrca Valdez y Alfaro renev@unam.m Versón revsada: uno 08 T E M A S DEL CURSO. Análss Estadístco de datos muestrales.. Fundamentos de la

Más detalles

Un estimado de intervalo o intervalo de confianza ( IC

Un estimado de intervalo o intervalo de confianza ( IC Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

TRATAMIENTO DE LOS RESULTADOS ANALITICOS A- SIGNIFICADO DE LA MEDICION DE UNA MAGNITUD

TRATAMIENTO DE LOS RESULTADOS ANALITICOS A- SIGNIFICADO DE LA MEDICION DE UNA MAGNITUD Químca Analítca (913) 1 rrores y tratamento estadístco de datos TRATAMINTO D LOS RSULTADOS ANALITICOS A- SIGNIFICADO D LA MDICION D UNA MAGNITUD Medr una magntud físca es asocarle a la msma un valor dmensonado

Más detalles

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller Unversdad Smón Bolívar Conversón de Energía Eléctrca Prof José anuel Aller 41 Defncones báscas En este capítulo se estuda el comportamento de los crcutos acoplados magnétcamente, fjos en el espaco El medo

Más detalles

Modelos lineales Regresión simple y múl3ple

Modelos lineales Regresión simple y múl3ple Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una

Más detalles

Control de la exactitud posicional por medio de tolerancias

Control de la exactitud posicional por medio de tolerancias Control de la exacttud posconal por medo de tolerancas Francsco Javer Arza López José Rodríguez-Av María Vrtudes Alba Fernández Plan Estatal de Investgacón Centífca y Técnca y de Innovacón 2013-2016. Ref.:

Más detalles

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión

UNIDAD 12: Distribuciones bidimensionales. Correlación y regresión Matemátcas aplcadas a las Cencas Socales UNIDAD 1: Dstrbucones bdmensonales. Correlacón regresón ACTIVIDADES-PÁG. 68 1. La meda la desvacón típca son: 1,866 0,065. Los jugadores que se encuentran por encma

Más detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror

Más detalles

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

Tratamiento de datos experimentales. Teoría de errores

Tratamiento de datos experimentales. Teoría de errores Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas. UIDAD 3: Meddas estadístcas Las meddas estadístcas o parámetros estadístcos son valores representatvos de una coleccón de datos y que resumen en unos pocos valores la normacón del total de datos. Estas

Más detalles

CAPÍTULO II Métodos experimentales

CAPÍTULO II Métodos experimentales CAPÍTULO II Métodos expermentales En este capítulo se descrbe la técnca expermental para la obtencón y representacón de dagramas líqudo-líqudo de sstemas ternaros y cuaternaros y el equpo expermental utlzado.

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

3 - VARIABLES ALEATORIAS

3 - VARIABLES ALEATORIAS arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr

Más detalles

Bases Físicas del Medio Ambiente. Teoría de Errores (Programa de Prácticas)

Bases Físicas del Medio Ambiente. Teoría de Errores (Programa de Prácticas) Bases Físcas del Medo Ambente Teoría de Errores (Programa de Práctcas) Programa IB. Teoría de Errores. (h) Introduccón. Errores y conceptos relaconados. Cuantfcacón de errores. Epresón de magntudes físcas.

Más detalles

Materiales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.

Materiales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2. Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

Instituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012

Instituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012 Insttuto Naconal de Estadístcas Cle METODOLOGÍA Encuesta Estructural de Transporte por Carretera Año contable 0 Insttuto Naconal de Estadístcas 04 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.

Más detalles

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo

Más detalles

17/02/2015. Ángel Serrano Sánchez de León

17/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,

Más detalles

Tallerine: Energías Renovables. Fundamento teórico

Tallerine: Energías Renovables. Fundamento teórico Tallerne: Energías Renovables Fundamento teórco Tallerne Energías Renovables 2 Índce 1. Introduccón 3 2. Conceptos Báscos 3 2.1. Intensdad de corrente................................. 3 2.2. Voltaje..........................................

Más detalles

El Impacto de las Remesas en el PIB y el Consumo en México, 2015

El Impacto de las Remesas en el PIB y el Consumo en México, 2015 El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón

Más detalles

75.12 ANÁLISIS NUMÉRICO I GUÍA DE PROBLEMAS INTEGRACIÓN

75.12 ANÁLISIS NUMÉRICO I GUÍA DE PROBLEMAS INTEGRACIÓN Análss Numérco Facultad de ngenería - UBA 75. ANÁLSS NUMÉRCO FACULTAD DE NGENERÍA UNVERSDAD DE BUENOS ARES GUÍA DE PROBLEMAS 4 6. NTEGRACÓN. Calcular la sguente ntegral utlzando las fórmulas del trapeco

Más detalles

Guía de Electrodinámica

Guía de Electrodinámica INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan

Más detalles

16/02/2015. Ángel Serrano Sánchez de León

16/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León Índce Introduccón Varables estadístcas Dstrbucones de frecuencas Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca, armónca,

Más detalles

Facultad de Ciencias Básicas

Facultad de Ciencias Básicas Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas

Más detalles

Organización y resumen de datos cuantitativos

Organización y resumen de datos cuantitativos Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS

Más detalles

Análisis de error y tratamiento de datos obtenidos en el laboratorio

Análisis de error y tratamiento de datos obtenidos en el laboratorio Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a

Más detalles

Un ejemplo de Análisis Factorial de Correspondencias

Un ejemplo de Análisis Factorial de Correspondencias Estadístca Anàls de Dades (curs 001-00) Un ejemplo de Análss Factoral de Correspondencas Se trata de estudar la estructura de las ventas de una empresa que dstrbuye 10 productos en 8 mercados. Para ello

Más detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

Más detalles

Simposio de Metrología 25 al 27 de Octubre de 2006

Simposio de Metrología 25 al 27 de Octubre de 2006 Smposo de Metrología 25 al 27 de Octubre de 2006 ESTIMACIÓN DE INCERTIDUMBRE EN LA MEDICIÓN DE ABSORCIÓN DE HUMEDAD EN AISLAMIENTOS Y CUBIERTAS PROTECTORAS DE CONDUCTORES ELÉCTRICOS POR EL MÉTODO ELÉCTRICO

Más detalles

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales: VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes

Más detalles

Ideas Básicas sobre Métodos de Medida

Ideas Básicas sobre Métodos de Medida 10: deas Báscas sobre Métodos de Medda Medcones Drectas: el resultado se obtene a partr de la ndcacón de un únco nstruento (étodos de deflexón). Medcones ndrectas: el resultado surge a partr de operacones

Más detalles

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas

Más detalles

NOTAS SOBRE MANEJO DE ERRORES Y GRAFICAS 1

NOTAS SOBRE MANEJO DE ERRORES Y GRAFICAS 1 Unversdad del Valle Unversdad del Valle Departamento de Físca 1. INTRODUCCION NOTAS SOBRE MANEJO DE ERRORES Y GRAFICAS 1 En todas las ramas de las cencas físcas y de la ngenería se trabaja constantemente

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

Más detalles

CLAVE - Laboratorio 1: Introducción

CLAVE - Laboratorio 1: Introducción CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2

Más detalles

CASO PRÁCTICO TEORÍA. 1 i (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS)

CASO PRÁCTICO TEORÍA. 1 i (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS) Caso 6: Calbrado para fosfato y predccón nversa 43 Caso 6 : Calbrado para fosfato y predccón nversa (REGRESIÓN LINEAL CON PESOS ESTADÍSTICOS OBTENIDOS DE RÉPLICAS) CASO PRÁCTICO Al hacer calbrados con

Más detalles

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora

Más detalles

Física del Medio Ambiente

Física del Medio Ambiente Físca del Medo Ambente Teoría de Errores (Programa de Práctcas) Sara Marañón Jménez (smaranon@ugr.es) Andy Kowalsk (andy@ugr.es) 1 Programa IB. Teoría de Errores. (3h) Introduccón. Errores y conceptos

Más detalles

CAPÍTULO IV. IV.1 Correlación de los resultados experimentales

CAPÍTULO IV. IV.1 Correlación de los resultados experimentales CAPÍTULO IV IV. Correlacón de los resultados expermentales La aplcacón de modelos de solucón para correlaconar los resultados que se obtenen en los expermentos, resulta de gran mportanca para amplar la

Más detalles

INTRODUCCIÓN AL LABORATORIO DE FÍSICA

INTRODUCCIÓN AL LABORATORIO DE FÍSICA INTRODUCCIÓN AL LABORATORIO DE FÍSICA EXPERIMENTAL A. MEDIDA E INCERTIDUMBRE Págna 1 A- MEDIDA E INCERTIDUMBRE A.1. INCERTIDUMBRE EN LAS MEDIDAS Medr consste en comparar una magntud con otra que utlzamos

Más detalles

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I Slde 1 Unversdad Dego Portales Estadístca I Seccón II: Dstrbucones de Frecuenca y Representacón Gráfca Sgla: EST2500 Nombre Asgnatura: Estadístca I Slde 2 Organzacón y Resumen de Datos Como recordará,

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es

Más detalles

Dpto. Física y Mecánica

Dpto. Física y Mecánica Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D

Más detalles

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2013 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2013 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 013 INSTITUTO NACIONAL DE ESTADÍSTICAS 015 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR

Más detalles

UTILIZACIÓN DEL TEOREMA DEL LÍMITE CENTRAL EN EL CÁLCULO DE LA INCERTIDUMBRE DE MEDICIÓN

UTILIZACIÓN DEL TEOREMA DEL LÍMITE CENTRAL EN EL CÁLCULO DE LA INCERTIDUMBRE DE MEDICIÓN Scenta et Technca Año XV, No 43, Dcembre de 2009. Unversdad Tecnológca de Perera ISSN 0122-1701 288 UTILIZACIÓN DEL TEOREMA DEL LÍMITE CENTRAL EN EL CÁLCULO DE LA INCERTIDUMBRE DE MEDICIÓN Use of the central

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.

EJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3. EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las

Más detalles

Métodos cuantitativos de análisis gráfico

Métodos cuantitativos de análisis gráfico Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas de los gráfcos

Más detalles

VII. Solución numérica de ecuaciones diferenciales

VII. Solución numérica de ecuaciones diferenciales VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las

Más detalles

Prueba de Evaluación Continua

Prueba de Evaluación Continua Estadístca Descrptva y Regresón y Correlacón Prueba de Evaluacón Contnua 1-III-18 1.- Dada la varable x y la nueva varable y=a+bx, ndcar (demostrándolo) la expresón exstente entre las respectvas medas

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.

Más detalles

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL

Licenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes

Más detalles

Midiendo la Asociación lineal entre dos variables

Midiendo la Asociación lineal entre dos variables Unversdad de Sonora XVIII Semana Regonal de Investgacón y Docenca en Matemátcas Mdendo la Asocacón lneal entre dos varables Rosa Ma. Montesnos Csneros Adán Durazo Armenta Departamento de Matemátcas Hermosllo,

Más detalles