Las 19 primeras diapositivas de esta clase están incluidas en la clase teórica previa: Error y expresión de resultados (diapositivas 22 a 40).
|
|
- Manuel Méndez Herrera
- hace 5 años
- Vistas:
Transcripción
1 Las 19 primeras diapositivas de esta clase están incluidas en la clase teórica previa: Error y expresión de resultados (diapositivas a 40).
2 Definiciones fundamentales y objetivo: El resultado arrojado por una medida cualquiera es aleatorio. El conjunto de todos los resultados posibles se conoce como población. Las n medidas obtenidas en el laboratorio constituyen un subconjunto de la población, el cual es conocido como muestra estadística. El objetivo final del tratamiento estadístico será obtener información sobre la población a partir de la muestra obtenida, junto con el error asociado a esta información.
3 Determinación de cobre en vinos Histograma y función de distribución de resultados
4 Distribución de frecuencias de datos experimentales En la mayor parte de los análisis cuantitativos se aproxima a una curva de Gauss o curva normal de error. En general, el tratamiento estadístico de los datos supone que eso se cumple. f (x) Frecuencias relativas f x s x-m 1 - s e m: media poblacional s: desvío estándar poblacional m - s m m + s x
5 Comentarios El error aleatorio hará que los resultados individuales se alejen más o menos del valor más frecuente. En ausencia de error sistemático, m es el verdadero valor de la magnitud. La dispersión se producirá con igual probabilidad hacia valores mayores o menores. Las desviaciones más pequeñas serán más probables que las grandes.
6 La probabilidad de que una medida experimental esté comprendida entre dos valores dados está determinada por el área bajo la curva de Gauss calculada entre dichos valores. Por ejemplo: 1. La probabilidad de obtener un resultado entre μ σ y μ + σ será 0,683 o 68,3%: 68,3% μ σ μ + σ. La probabilidad de obtener un resultado entre μ σ y μ + σ será 0,954 o 95,4%. 95,4% μ σ μ +σ 3. La probabilidad de obtener un resultado entre μ 3σ y μ + 3σ será 0,997 o 99,7%. 99,7% μ 3σ μ +3σ
7 Por qué es conveniente realizar más de una medición? Primero, el valor central o el promedio son más fiables que cualquiera de los resultados. Segundo, el análisis de la variación de los datos permite estimar la incertidumbre relacionada con el resultado central.
8 Cálculo del valor más probable a partir de medidas replicadas: 1. Media, media aritmética o promedio de n datos: x n i 1 n x i Estimador del valor más probable de la población m, que en ausencia de error sistemático coincide con el valor verdadero de la cantidad medida. Mayor número de datos mejor estimación
9 . Mediana: Resultado central de un conjunto impar de datos ordenados en forma creciente o decreciente. Cuando el conjunto es par, se toma el promedio de los dos valores centrales. En general no difiere significativamente de la media cuando el número de datos es grande. Útil cuando existe un dato atípico, que podría tener una gran influencia sobre el valor de la media, pero no de la mediana
10 Ejemplos: 1. La mediana de 11,56; 11,67; 11,96; 1,04; 1, y 1,74 es el promedio de 11,96 y 1,04 (1,00) ya que n = 6.. La mediana de 1687; 1703; 1708; 171 y 1781 (n = 5) es 1708, mientras que el promedio es de 1718 debido a la presencia del valor 1781.
11 Cálculo de la precisión de una serie de medidas replicadas: 1. Dispersión (w): diferencia entre el resultado más alto y el más bajo de una serie de replicados: w = x mayor x menor.. Desviación estándar (s) y varianza (s ): para una muestra de tamaño n se calculan como: s n i1 x i - x n -1 i 1 Estos parámetros estiman la magnitud del desvío estándar (σ) y varianza (σ ) poblacionales. s n x i - x n -1 Al valor (n-1) se lo llama número de grados de libertad de la varianza s e indica que de las n diferencias x i - x, sólo n -1 son independientes.
12 3. Coeficiente de variación (CV) o porcentaje de desviación estándar relativa (%DER): CV s x 100 % DER Su ventaja es que proporciona una visión más clara de la calidad de los datos y del proceso de medida ya que expresa la magnitud de s en forma relativa a la magnitud del promedio.
13 En la práctica es usual estimar la precisión de un valor calculado a partir de una combinación de datos experimentales, cada uno de los cuales posee una precisión propia. La forma de estimar el desvío estándar de un resultado calculado depende del cálculo que se haya realizado.
14 Ejemplos: 1. Varianza de sumas o restas: La varianza de una suma o una resta de variables independientes es igual a la suma de las varianzas de dichas variables. Así, para f = a 1 ( ± s 1 ) + b ( ± s ) c 3 ( ± s 3 ), la varianza (si a, b y c son constantes) viene dada por: s (f) = a s 1 + b s + c s 3
15 Si aplicamos la fórmula anterior: f = V1 V s V1 = (0,06) ml s V = (0,03) ml f V 1 V f V V 1 1. s f 1 0, 07 (0,06) ml ml + 1 (0,03) ml Ej. : V1 = 6,45 (±0,04) ml V = 0,1 (±0,08) ml V - V 1 0,08 + 0,04 0,1mL- 6,45mL - 7, 0,1mL ml
16 . Varianza de productos o divisiones: el desvío estándar relativo de un producto o de un cociente puede calcularse como la raíz cuadrada de la suma de los cuadrados de los desvíos estándar relativos de las variables que intervienen en el cálculo: si Ej. 1: 1 = 14,10 (±0,06); = 0,0949 (±0,0005); 3 = 9,95 (±0,04) s s s f s s s f s f
17 f ,10 0,060,0949 0,0005 9,95 0, s f 0,04 14,100,0949 0,06 0,0005 0,04 s f + + 0, 001 9,95 14,10 0,0949 9,95 Entonces, f = 0,134 (± 0,001).
18 3. Varianza de cálculos exponenciales: para un cálculo del tipo f = a, donde a es una constante y está sujeta a un error caracterizado por un desvío estándar s, se deduce empleando la fórmula general que: Así, cuando a =, el DER del resultado será el doble del de, cuando a = 3 será el triple, etc. Debe tenerse en cuenta que, aunque =, en este caso no puede aplicarse la fórmula para productos ya que ambos factores no son independientes. s f f a s
19 4. Varianza de logaritmos y antilogaritmos: Si f = log(), 1 s s s f 0, 434 ln10 El desvío estándar absoluto del logaritmo de una variable es igual al desvío estándar relativo de esa variable multiplicado por 1/ln10. Ej.: ,0 10 log [,00 ( 0,0) 10 ] -3, ln10,0010-3,699 0,004
20 Si f = antilog() = 10, s f f ln10 s,303s el desvío estándar relativo del antilogaritmo de una variable es igual al desvío estándar absoluto de esa variable multiplicado por ln 10. Ej.: anti log anti log 10,4 5,4 0,3, , ln10 0, ,3, , ln10 0, Como puede verse, se asocia un desvío estándar grande al antilogaritmo de un número con pocos decimales, sin importar la cantidad de números a la izquierda de la coma
21 Comparación de medias utilizando la t de Student (test t) Existe diferencia o no entre medias? Nivel de probabilidad Casos: 1) Comparación con un resultado conocido y aceptado: coincide o no el resultado? ) Comparación de los resultados obtenidos por dos métodos diferentes: concuerdan entre sí los resultados? 3) Varias muestras medidas por dos métodos que arrojaron resultados diferentes: concuerdan los dos métodos o difieren entre sí?
22 Caso 1. Se dispone de una muestra de carbón de material estándar de referencia, certificado por el NIST, que contiene 3,19% en peso de azufre. Se quiere ensayar un nuevo método analítico para ver si permite obtener el valor conocido. Los valores de % en peso de azufre medidos fueron: 3,9, 3,, 3,30, 3,3 Media: 3,6 Desviación estándar: 0,04 Pregunta: concuerda este resultado con el valor conocido? Si t calculada es mayor que t tabulada (ver tabla de Valores de t de Student) para n-1 grados de libertad, a un nivel de confianza del 95% se considera que los dos resultados son diferentes.
23 Valores de t de Student
24 Caso. Para dos conjuntos de medidas que tienen n1 y n medidas y asumiendo que la desviación estándar de la población (s) de cada método. es prácticamente la misma, se calcula el valor de t: La desviación estándar combinada, s combinada, utiliza los dos conjuntos de datos. Si t calculada es mayor que t tabulada para n1 + n - grados de libertad (ver tabla de Valores de t de Student) se considera que los dos resultados son diferentes, a un determinado nivel de confianza.
25 Si la desviación estándar de la población de ambos conjuntos de medidas no es la misma, se deben usar las ecuaciones:
26 Caso 3. Se trata de dos métodos distintos, A y B, con los que se hace una sola medida usando muestras diferentes. No se duplica ninguna medida. Se aplica el test t a las diferencias individuales entre los resultados de cada muestra. La cantidad d es la diferencia media entre los valores obtenidos por el método A y por el método B, y n es el número de pares de datos. Si t calculada es menor que t tabulada para n-1 grados de libertad, los resultados arrojados por ambos métodos no son significativamente distintos, a un determinado nivel de confianza.
27 Comentarios finales La estadística solo brinda la información que se encuentra en una serie de datos. No genera información nueva. La estadística nos proporciona medios para aceptar conclusiones que tienen una alta probabilidad de ser correctas y de rechazar las conclusiones que no lo son.
28 Bibliografía Harris DC, Análisis Químico Cuantitativo, Reverté, 006. Miller JC, Miller JN, Estadística para Química Analítica, Addison-Wesley, Skoog DA, West DM, Holler FJ, Fundamentos de Química Analítica, Mc Graw-Hill, 004. Christian G, Analytical Chemistry, John Wiley & Sons, 1994.
Un principio fundamental: No existen resultados cuantitativos válidos si no van acompañados de alguna estimación de los errores inherentes a ellos.
Un principio fundamental: No existen resultados cuantitativos válidos si no van acompañados de alguna estimación de los errores inherentes a ellos. Error Diferencia entre una magnitud obtenida de una medición
Más detallesOBJETIVOS Y/O ALCANCES DE LA ASIGNATURA:
1 Corresponde al Anexo I de la Resolución N 59/01 ANEXO I CARRERA - PLAN: Licenciatura en Química. Plan 1997 CURSO: Tercero RÉGIMEN: Cuatrimestral CARGA HORARIA: * Teórico-Práctico: 6 horas semanales EQUIPO
Más detallesTRATAMIENTO DE DATOS. INFORME FINAL TRATAMIENTO DE DATOS. INFORME FINAL 1
TRATAMIENTO DE DATOS. INFORME FINAL FINAL 1 Índice 1. Estadística de medidas repetidas. Límites de confianza 3. Rechazo de datos dudosos 4. Presentación de resultados: redondeo y cifras significativas
Más detallesIntroducción al tratamiento de datos experimentales. Aplicación en fisicoquímica
Introducción al tratamiento de datos experimentales Aplicación en fisicoquímica Medidas experimentales 1. 8.86 M H 2 O 2 100V 8.93M Titulación con KMnO 4 2. 8.78 M 3. 9.10 M Resultado promedio: 8.91 M
Más detallesMediciones. Errores. Propagación de errores. Estadística. Prof. Arturo S. Vallespi
Mediciones. Errores. Propagación de errores. Estadística Prof. Arturo S. Vallespi Incertidumbre estadística: Qué ocurre si cada magnitud de interés en el experimento se mide más de una vez, por ejemplo
Más detallesUNIDAD I. ESTADISTICA
MEDIDAS DE ESTADÍSTICA DESCRIPTIVA (Tomado de: http://www.universidadabierta.edu.mx/serest/map/metodos%20cuantitativos/py e/tema_12.htm) UNIDAD I. ESTADISTICA 1.2 Medidas Descriptivas MEDIDAS DESCRIPTIVAS
Más detallesPor: Rolando Oyola Derechos
Por: Rolando Oyola Derechos Reservados@2014-15 1 Química Analítica Análisis Cualitativo revela la identidad química de las especies en una muestra. Análisis Cuantitativo establece la cantidad de las especies
Más detallesDistribución Gaussiana o normal
FLUCTUACIONES ESTADÍSTICAS Los postulados fundamentales de la teoría estadística de errores establecen que, dado un conjunto de medidas, todas efectuadas en idénticas condiciones, suficientemente grande
Más detallesTratamiento de Datos Experimentales
Tratamiento de Datos Experimentales Guía Complementaria FS - 2181 Hermann Albrecht 1 Universidad Simón Bolívar, Departamento de Física Versión: Abril, 2003 Índice 1. Introducción 1 2. Errores Experimentales
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesMEDIDAS DE DISPERSIÓN Y ASIMETRÍA DE UNA DISTRIBUCIÓN DE FRECUENCIAS
MEDIDAS DE DISPERSIÓN Y ASIMETRÍA DE UNA DISTRIBUCIÓN DE FRECUENCIAS www.cedicaped.com MEDIDAS DE DISPERSIÓN En clases anteriores se definieron algunas medidas de centralización, entre ellas, la más utilizada:
Más detallesDe vocabulario, cifras significativas, redondeos, mediciones y otras cosas. Elizabeth Hernández Marín Laboratorio de Física
De vocabulario, cifras significativas, redondeos, mediciones y otras cosas Elizabeth Hernández Marín Laboratorio de Física Cifras significativas El término cifras significativas se conoce también como
Más detallesTEMA 3 INTRODUCCIÓN A LA QUIMIOMETRÍA
TEMA 3 INTRODUCCIÓN A LA QUIMIOMETRÍA Cualquier medida llevada a cabo en el laboratorio analítico lleva asociado algún error. Los errores en los resultados de análisis bioanalíticos pueden tener efectos
Más detallesCALCULO DE INCERTIDUMBRE DE LAS MEDICIONES DE ENSAYOS
Gestor de Calidad Página: 1 de 5 1. Propósito Establecer una guía para el cálculo de la incertidumbre asociada a las mediciones de los ensayos que se realizan en el. Este procedimiento ha sido preparado
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesMUESTREO APUNTE. Índice: MUESTREO. Media Varianza Desvío Ejemplo CURVA DE GAUSS ( TEÓRICO) Interpretación de los resultados TAMAÑO DE MUESTRA
APUNTE MUESTREO Índice: MUESTREO Media Varianza Desvío Ejemplo CURVA DE GAUSS ( TEÓRICO) Interpretación de los resultados TAMAÑO DE MUESTRA Método de Cálculo Ejemplo Ing. Rogelio Hernán Bello Página 1
Más detallesMATEMÁTICA DE CUARTO 207
CAPÍTULO 1 CONJUNTOS NUMÉRICOS 1 Introducción... pág. 9 2 Números naturales... pág. 10 3 Números enteros... pág. 10 4 Números racionales... pág. 11 5 Números reales... pág. 11 6 Números complejos... pág.
Más detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detallesTEMA 2 (1ra parte). Tratamiento de datos experimentales
Es imposible realizar un análisis químico sin que los resultados estén totalmente libres de errores o incertidumbre. Sin embargo es posible minimizarlos y estimar su magnitud con una exactitud aceptable.
Más detallesSeminario de Evaluación Estadística de Ensayos de Aptitud por Comparación Interlaboratorio
19/11/014 Seminario de Evaluación Estadística de Ensayos de Aptitud por Comparación Interlaboratorio a cargo de Pablo Calello La participación en actividades de ensayo de aptitud es uno de los mecanismos
Más detallesTeoría de errores. 4 Otro de estos ejemplos pueden ser el de la medición de la densidad de un compuesto sólido o la velocidad de la luz.
1. Preliminar Cuando se realizan mediciones siempre estamos sujetos a los errores, puesto que ninguna medida es perfecta. Es por ello, que nunca se podrá saber con certeza cual es la medida real de ningún
Más detallesVALIDACIÓN DE MÉTODOS DE ANÁLISIS VALIDACIÓN DE MÉTODOS 1
VALIDACIÓN DE MÉTODOS DE ANÁLISIS VALIDACIÓN DE MÉTODOS 1 Índice 1. Por qué validar un método de análisis? 2. Cuándo validar un método de análisis? 3. Validación de métodos de análisis. 3.1. Selectividad
Más detallesTÉCNICAS DE MUESTREO, ANÁLISIS E INTERPRETACIÓN. Ingeniería Ambiental
TÉCNICAS DE MUESTREO, ANÁLISIS E INTERPRETACIÓN Ingeniería Ambiental DOCENTES Profesor Adjunto Interino: Lic. H. Luciano Álvarez Soria Mail: hasoria@unrn.edu.ar Jefe de Trabajos Prácticos Regular: Lic.
Más detallesTEMARIO PRUEBA DE SÍNTESIS MATEMÁTICA NIVEL SÉPTIMO BÁSICO
NIVEL SÉPTIMO BÁSICO Operatoria números naturales Operatoria números decimales Clasificación de números decimales Transformación de decimal a fracción Orden de números enteros Ubicación de números enteros
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA
UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA POR COMPETENCIAS I. DATOS DE IDENTIFICACIÓN 1. Unidad Académica: Facultad de Ingeniería. Mexicali.
Más detallesDistribuciones Fundamentales de Muestreo. UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides
Distribuciones Fundamentales de Muestreo UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides Distribuciones Muestrales La distribución de probabilidad de un estadístico
Más detallesCRITERIOS Y RECOMENDACIONES. DETERMINACIÓN DE LA INCERTIDUMBRE DE MEDIDA DE AGENTES QUÍMICOS Incertidumbre del volumen de aire muestreado
CRITERIOS Y RECOMENDACIONES DETERMINACIÓN DE LA INCERTIDUMBRE DE MEDIDA DE AGENTES QUÍMICOS Incertidumbre del volumen de aire muestreado CR-04/2008 Autoras: Begoña Uribe Ortega Mª José Quintana San José
Más detallesTEMA: 13 y 14 ESTADÍSTICA 3º ESO
TEMA: 13 y 1 ESTADÍSTICA 3º ESO 1. POBLACIÓN Y MUESTRA POBLACIÓN o Es el conjunto de todos los elementos que son objeto de nuestro estudio. MUESTRA o Es un subconjunto, extraído de la población, cuyo estudio
Más detallesMediciones II. Todas las mediciones tienen asociada una incertidumbre que puede deberse a los siguientes factores:
Mediciones II Objetivos El alumno determinará la incertidumbre de las mediciones. El alumno determinará las incertidumbres a partir de los instrumentos de medición. El alumno determinará las incertidumbres
Más detallesEstadística. Carrera: AGM Participantes Representante de las academias de Ingeniería Agronomía de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística Ingeniería en Agronomía AGM 0614 3 2 8 2. HISTORIA DEL PROGRAMA Lugar
Más detallesEstadística Inga Patricia Juárez, 2017 MEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL Las medidas de tendencia central nos proporcionan la descripción significativa de un conjunto de observaciones. Como su nombre lo indica, son datos de una variable que tienden
Más detallesLABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción
LABORATORIO No. 0 Cálculo de errores en las mediciones 0.1 Introducción Es bien sabido que la especificación de una magnitud físicamente medible requiere cuando menos de dos elementos: Un número y una
Más detallesLas medidas y su incertidumbre
Las medidas y su incertidumbre Laboratorio de Física: 1210 Unidad 1 Temas de interés. 1. Mediciones directas e indirectas. 2. Estimación de la incertidumbre. 3. Registro de datos experimentales. Palabras
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesX N USO DE LA ESTADÍSTICA
Química Analítica (93) USO DE LA ESTADÍSTICA ormalmente el experimentador hace uso de las herramientas estadísticas para establecer claramente el efecto del error indeterminado. En QUÍMICA AALÍTICA las
Más detallesUNIVERSIDAD ALONSO DE OJEDA ESTADISTICA II
UNIVERSIDAD ALONSO DE OJEDA ESTADISTICA II UNIDAD I MUESTREO Y ESTIMACION DE PARAMETROS (GUIA DE ESTUDIO) DR. DENY GONZALEZ MAYO 2016 La Estadística es un conjunto de métodos para la toma de decisiones
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
Más detallesEstimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística
Diseño Estadístico y Herramientas para la Calidad Estimación Epositor: Dr. Juan José Flores Romero juanf@umich.m http://lsc.fie.umich.m/~juan M. en Calidad Total y Competitividad Estimación Inferencia
Más detallesINDICE Prefacio Como usar este libro Capitulo 1. Introducción Capitulo 2. Análisis exploratorio de los datos
INDICE Prefacio Como usar este libro Capitulo 1. Introducción 1 El comienzo de todo: determinación lo que se debe saber 2 Evaluación numérica de las unidades de observación con la ayuda de las escalas
Más detallesUNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL ROSARIO DEPARTAMENTO CIENCIAS BÁSICAS
UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL ROSARIO DEPARTAMENTO CIENCIAS BÁSICAS PROGRAMA ANALÍTICO DE LA ASIGNATURA: PROBABILIDAD Y ESTADISTICA RES. 251/96 F.R.R. COORDINADOR: RAÚL DAVID KATZ
Más detallesTema I. Introducción. Ciro el Grande ( A.C.)
1.1. La ciencia de la estadística:. El origen de la estadística:. Ciencia descriptiva. Evaluación de juegos de azar Ciro el Grande (560-530 A.C.) Si tengo 1 As y 2 reyes, que descarte es mas conveniente
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesPráctica 2. Tratamiento de datos
Errores Todas las medidas que se realizan en el laboratorio están afectadas de errores experimentales, de manera que si se repiten dos experiencias en las mismas condiciones es probable que los resultados
Más detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesUNIVERSIDAD DE PUERTO RICO EN HUMACAO DEPARTAMENTO DE QUÍMICA (www.uprh.edu/~quimgen) Revisado: 16/agosto/ 2007
UNIVERSIDAD DE PUERTO RICO EN HUMACAO DEPARTAMENTO DE QUÍMICA (www.uprh.edu/~quimgen) Revisado: 16/agosto/ 2007 QUIM 3003-3004 MEDIDAS: TRATAMIENTO DE LOS DATOS EXPERIMENTALES I. INTRODUCCIÓN La mayor
Más detallesENRIC RUIZ MORILLAS ESTADÍSTICA APLICADA A EXPERIMENTOS Y MEDICIONES
ENRIC RUIZ MORILLAS ESTADÍSTICA APLICADA A EXPERIMENTOS Y MEDICIONES Índice 1. Experimento y medición...1 2. Frecuencia y probabilidad...3 3. Características teóricas de las variables aleatorias...25 4.
Más detallesOTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON
OTRAS HERRAMIETAS ESTADISTICAS UTILES Dra. ALBA CECILIA GARZON Que es un Test de Significancia estadística? El término "estadísticamente significativo" invade la literatura y se percibe como una etiqueta
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesRESULTADOS. 4.1 ADAPTABILIDAD DEL SISTEMA. Los resultados de adaptabilidad del sistema cromatografico se detallan en la tabla 4.1
IV. RESULTADOS. 4.1 ADAPTABILIDAD DEL SISTEMA. Los resultados de adaptabilidad del sistema cromatografico se detallan en la tabla 4.1 Ver gráficos en ANEXO 1 4.2 SELECTIVIDAD Placebo de excipientes: No
Más detallesINGENIERO AGRÓNOMO EN PRODUCCIÓN TEMA: ESTIMACION Y PRUEBA DE HIPÓTESIS
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO AGRÓNOMO EN PRODUCCIÓN TEMA: ESTIMACION Y PRUEBA DE HIPÓTESIS ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: ENERO DE
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesInferencia estadística
Población y muestra Estadística descriptiva e inferencial Herramientas de la estadística inferencial Intervalos de confianza para media y varianza poblacional Ejemplo de aplicación Población: Conjunto
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesINCERTIDUMBRE DE LA MEDIDA
INCERTIDUMBRE DE LA MEDIDA 22 de septiembre de 2017 1. Resultado de la mediciòn 2. Definiciones 3. Por qué se debe estimar la incertidumbre 3. Modelo matemático 4. Valor mejor estimado 5. Dos métodos de
Más detallesEn todo proceso de investigación se generan datos y es la Estadística la disciplina encargada de :
En todo proceso de investigación se generan datos y es la Estadística la disciplina encargada de : Organizarlos y resumir Estadística la información Descriptiva Extraer conclusiones acerca de hipótesis
Más detallesUNIVERSIDAD AUTÓNOMA DE TAMAULIPAS FACULTAD DE INGENIERÍA ARTURO NARRO SILLER
UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS FACULTAD DE INGENIERÍA ARTURO NARRO SILLER CARTA DESCRIPTIVA Carrera: INGENIERÍA EN SISTEMAS COMPUTACIONALES. Materia:. Titular: Correo electrónico: NUMERO DE UNIDAD:
Más detallesTécnicas Cuantitativas para el Management y los Negocios
Técnicas Cuantitativas para el Management y los Negocios Contador Público Módulo I: ESTADÍSTICA DESCRIPTIVA Contenidos Módulo I Unidad 1. Introducción y conceptos básicos Conceptos básicos de Estadística.
Más detallesGUÍA DE ESTUDIO PARA RENDIR EXAMEN
ASIGNATURA: QUÍMICA ANALÍTICA GUÍA DE ESTUDIO PARA RENDIR EXAMEN La Química Analítica es la rama de la Química que se dedica al estudio de métodos para el análisis cualitativo y cuantitativo de muestras.
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesConocer los principales métodos de la estadística inferencial e identificar sus aplicaciones a diversas áreas del conocimiento y de la cotidianidad.
NOMBRE DEL CURSO: ESTADÍSTICA INFERENCIAL CÓDIGO: CRÉDITOS 5 PRE-REQUISITO: POST-REQUISITO: JORNADA: PRESENTACIÓN: Se estudian los métodos más importantes de la estadística inferencial, enfocándose principalmente
Más detallesQ-QUIMICA ANALITICA APLICADA
CÁTEDRA Q-QUIMICA ANALITICA APLICADA RESPONSABLE DE LA CÁTEDRA MARTINEZ Jorge CARRERA INGENIERÍA QUIMICA CARACTERÍSTICAS DE LA ASIGNATURA PLAN DE ESTUDIOS 2005 ORDENANZA CSU. Nº 1028 OBLIGATORIA ELECTIVA
Más detallesQ-QUIMICA ANALITICA APLICADA
CÁTEDRA Q-QUIMICA ANALITICA APLICADA RESPONSABLE DE LA CÁTEDRA MARTINEZ Jorge CARRERA INGENIERÍA QUIMICA CARACTERÍSTICAS DE LA ASIGNATURA PLAN DE ESTUDIOS 2005 ORDENANZA CSU. Nº 1028 OBLIGATORIA ELECTIVA
Más detallesCONSIDERACIONES ESTADISTICAS ACERCA DE LA CALIDAD DE LOS RESULTADOS ANALITICOS
Consideraciones estadísticas 1 CONSIDERACIONES ESTADISTICAS ACERCA DE LA CALIDAD DE LOS RESULTADOS ANALITICOS Desde el momento en que se empieza una determinación analítica hasta que se llega a la etapa
Más detallesy = 2, entonces: a) x es más dispersa que y. b) son igual de dispersas. 9.- Sean dos variables estadísticas x e y con los siguientes valores x = 5, σ
VARIABLES ESTADÍSTICAS 1.- Sea X una variable estadística de media 2 metros y desviación típica 5 metros. Sea Y una variable estadística de media 24 cm y desviación típica 60 centímetros. a) Y es más dispersa
Más detallesBiometría. Distribuciones de probabilidad para variables aleatorias continuas
Biometría Distribuciones de probabilidad para variables aleatorias continuas Variables aleatorias continuas Interesa estudiar la temperatura ambiente a las 12 hs en abril en la ciudad de Buenos Aires.
Más detallesCENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO
CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017 UNIDAD DE APRENDIZAJE PROBABILIDAD
Más detallesMedidas de variabilidad (dispersión)
Medidas de posición Las medidas de posición nos facilitan información sobre la serie de datos que estamos analizando. Estas medidas permiten conocer diversas características de esta serie de datos. Las
Más detallesModelación estadística: La regresión lineal simple
Modelación estadística: La regresión lineal simple Gabriel Cavada Ch. 1 1 División de Bioestadística, Escuela de Salud Pública, Universidad de Chile. Statistical modeling: Simple linear regression Cuando
Más detallesCarrera: Químico Farmacobiólogo. Asignatura: Probabilidad y Estadística. Área del Conocimiento: Ciencias Básicas. Estadística
Carrera: Químico Farmacobiólogo Asignatura: Probabilidad y Estadística Área del Conocimiento: Ciencias Básicas Generales de la Asignatura: Nombre de la Asignatura: Clave Asignatura: Nivel: Carrera: Frecuencia
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesSede Andina, San Carlos de Bariloche. Licenciatura en Administración, Licenciatura en Hotelería, Licenciatura en Turismo y. Licenciatura en Economía.
Sede y localidad Carreras Sede Andina, San Carlos de Bariloche Licenciatura en Administración, Licenciatura en Hotelería, Licenciatura en Turismo y Licenciatura en Economía. Programa Analítico de la asignatura
Más detallesMatemática Aplicada y Estadística - Farmacia Soluciones del Primer Examen Parcial - Grupo 3
1. Se está haciendo un estudio de medicamentos diferentes que contienen un principio activo común La distribución de frecuencias se indica en la tabla que sigue: Cantidad de sustancia mg [10,20 [20,30
Más detallesINTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES DE ENSAYO
INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES DE ENSAYO 1. Introducción 2. Error e incertidumbre 3. Exactitud y precisión de medida 4. Tipos de medidas 5. Incertidumbre típica o de medida 6. Incertidumbre
Más detallesDESCRIPCIÓN DE DATOS. Medidas Numéricas
DESCRIPCIÓN DE DATOS Medidas Numéricas MEDIDAS DE TENDENCIA CENTRAL O POSICIÓN MEDIA ARITMÉTICA O PROMEDIO Media poblacional Cualquier característica medible de una población recibe el nombre de parámetro
Más detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Más detallesEstadística I Tema 2: Análisis de datos univariantes
Estadística I Tema 2: Análisis de datos univariantes Tema 2: Análisis de datos univariantes Contenidos Gráficas para datos categóricos (diagrama de barras, diagrama de sectores). Gráficas para datos numéricos
Más detallesMedidas y cifras significativas
Física Experimental 1 Medidas y cifras significativas 1. Mediciones En lo que sigue se definirán conceptos referentes a la realización y presentación de medidas conforme a los estándares internacionales
Más detallesMomentos de una variable
Momentos de una variable Momentos respecto del origen Dada una variable aleatoria X con función de probabilidad o densidad f(x) podemos definir una función de X que sea igual a la variable elevada a un
Más detallesPrácticas de laboratorio (Física I y Física II) Realización de prácticas y presentación de resultados
Prácticas de laboratorio (Física I y Física II) Antonio González Fernández Departamento de Física Aplicada III Universidad de Sevilla Realización de prácticas y presentación de resultados Partes de una
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesQuímica Analítica. Práctico
Página 1 de 10 FACULTAD: Ciencias Básicas PROGRAMA: Química DEPARTAMENTO DE: Química CURSO: ÁREA: REQUISITOS: LABORATORIO DE ANALISIS QUIMICO CUANTITATIVO 156236 CÓDIGO: Química Analítica Ninguno CORREQUISITO:
Más detallesTema 3: Estadística Descriptiva
Tema 3: Estadística Descriptiva Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 3: Estadística Descriptiva Curso 2008-2009 1 / 27 Índice
Más detallesUNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO
UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN PARA DATOS NO AGRUPADOS MATERIAL DIDACTICO SOLO VISION ASIGNATURA QUE CORRESPONDE: ESTADISTICA
Más detallesMUESTREO MUESTRAS CON DATOS NUMÉRICOS
7 MUESTREO La manera usual de realizar un estudio del comportamiento de variables en una población es tomando muestras de individuos o unidades experimentales pertenecientes a ella. A partir de los datos
Más detallesTema 04: Medición y error. M. en C. Edgardo Adrián Franco Martínez edgardoadrianfrancom
Tema 04: Medición y error M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido Definiciones Error de medición Causas de errores de
Más detallesUniversidad de Sonora Unidad Regional Centro División de Ciencias Biológicas y de la Salud Departamento que imparte la materia: Matemáticas
Materia: Bioestadística I Universidad de Sonora Unidad Regional Centro División de Ciencias Biológicas y de la Salud Departamento que imparte la materia: Matemáticas Eje de Formación: Básica Carácter:
Más detallesUN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES
Revista Colombiana de Estadística Volumen 24 (2001) N o 1, páginas 27 a 32 UN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES CARLOS
Más detallesÍndice. TEMA 3. Evaluación de la incertidumbre típica. 1. Clasificación de las medidas: Ejemplos. 2. Función de transferencia.
INTRODUCCIÓN A LA METROLOGÍA Curso Académico 2011-1212 Rafael Muñoz Bueno Laboratorio de Metrología y Metrotecnia LMM-ETSII-UPM TEMA 3. Evaluación de la incertidumbre típica Índice 1. Clasificación de
Más detallesEstadística Descriptiva en R: Parámetros y estadísticos. José Enrique Martín García Universidad Politécnica de Gimialcón (Copyright 2016)
Estadística Descriptiva en R: Parámetros y estadísticos José Enrique Martín García Universidad Politécnica de Gimialcón (Copyright 2016) Parámetros y Estadísticos Parámetro: Es una cantidad numérica calculada
Más detallesEn ciencias e ingeniería (experimentales) es imprescindible realizar mediciones, que consisten en obtener
ERRORES DE MEDICION Y SU PROPAGACION En ciencias e ingeniería (experimentales) es imprescindible realizar mediciones, que consisten en obtener la magnitud fisica de algun atributo de objetos ( proceso,
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detalles