Scribd Logo
Upload

Welcome to Scribd!

  • Medida y Procesamiento de Datos - Talbot en Español PDF

    Uploaded by

    Yosel David
    23 views60 pages

    Original Title

    11. Medida y procesamiento de datos - Talbot en español.pdf

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    23 views60 pages

    Medida y Procesamiento de Datos - Talbot en Español PDF

    Uploaded by

    Yosel David

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 60
    Figura 11.1 Fotografia de la reeccisn 82 osdllante (un buen tema para la Monografia) Medida y procesamiento de datos ‘= Toda medida tiene un limite de precision y exactitud que debemos tener en cuenta ala hora de evaluar resultados experimentales. ‘= Las gréficas son representaciones visuales de las tendencias que siguen los datos. ‘= Las técnicas analitcas se pueden emplear para determinar la estructura de un compuesto, analizar la ‘composicién de una sustancia o determinar la pureza de un compuesto. Las técnicas espectroscopicas se utilizan en la identificaciOn estructural de los compuestos orgainicos e inorgénicos. 11.1 Incertidumbre y error asociados a la medida y a los resultados Toda medida tiene un limite de precisién y exactitud que debemos tener en cuenta a la hora de evaluar resultados experimentales Datos cualitativos: observaciones Los datos cualitativos proceden de las descripciones de las observaciones realizadas antes, duran- te y después de una reaccién quimica y pueden inclur las diferencias de colo, la solubilidad, la natu- raleza fisica o la cantidad de sustancias quimicas. Otras observaciones frecuentes pueden estar rela- cionadas con la produccin de gas, la formacign de un precipitado y el desprendimiento o la absorcién de calor y se pueden registrar con una eémara digital o un aparato de video (Figura 11.1), Las observaciones de variables cualtativas como el color se deben registrar empleando un len- quaje simple, como por ejemplo «verde» o «naranjay. Cuando se requiere una discriminacién fina se deben emplear términos como «pélido» u woscuro» y comparaciones del estilo de anaranja més oscuro que a los 3 minutos» o «verde més palido que con 0,20 mol dir3, pero mas oscuro que con 10,40 mol dmv, Este tipo de datos proporciona informacién sobre los cambios que han tenido lu- gar en las coloraciones de las especies coloreadas. Los datos cualitativos se definen como los datos observados con mayor 0 menor ayuda de los sentides (el color, un cambio de estado, etc.) 0 las estimaciones sin procesar (mas caliente, mas fri, rosa, sdlido de color negro finamente pulverizado, etc), mientras que los datos cuantitativos impli- can observaciones numéricas (es decir, medidas reales). Ambos tipos de datos son importantes y necesarios para describir e interpretar las reacciones quimicas. Debemos destacar que las disoluciones se pueden describir como incoloras: no hay disolucio- nes blancas 0 negras. Una disolucién puede parecer blanca o negra debido a la presencia de un precipitado o de una suspensién. En algunas situaciones puede haber dos capas: una disolucién acuosa y una capa orgénica inmiscible, que se deben descrbir en orden; por ejemplo: sla capa ‘orgénica incolora flota sobre el agua. El andlisis cualtativo comporta Ia identificacién o la clasifcacién de sustancias en funcién de sus propiedades quimicas o fisicas. Entre los ejemplos se encuentran las pruebas de coloracién de la lama (Capitulo 2) para identificariones metalicos,y las reacciones de precipitacién para identiicarcationes 0 aniones, como los haluros (Capitulo 3). Los puntos de fusi6n y de ebullcion de las sustancias se emplean habitualmente para identiicar sustancias orgénicas y detectarla presencia de impurezas. ® Quimica cuantitativa: incertidumbre y error en la medida La quimica cuantitativa comporta la medida de propiedades fisicas, por ejemplo la masa, el volumen, la temperatura, el voltaje, el pH, la densidad y la capacidad de absorcién. El resultado de ‘una medida implica comparer la propiedad de una sustancia con un patrén conocido. La quimica préctica correspondiente al programa de quimica IB incluye el registro de muchos tipos de medidas. Recuerda que cuando registras el resultado de una medida siempre existe un ‘error experimental o incertidumbre aleatoria asociado al valor. Ninguna medida experimental pue- de ser exacta, 376 11 Medida y procesamiento de datos m Tabla 14.1 Algunas unidades ‘fundamentales de! SI Tobia 11.2 Algunas unidades dderivadas del 1 utiizadas en quimica Unidades del SI Las sigias SI corresponden al Sistema internacional de Unidades (del francés Syst tional d'unités). 18 interna En la Tabla 11.1 se muestran las unidades fundamentales del SI relevantes para la mayoria de medidas y célculos que se llevan a cabo en el programa de quimica IB. “Meigs “vided “sino” Tongi fm Mase “tempo aaa Cantidad a Coniente acca apa a Tempera felon x ‘Ala hora de utilizar los simbolos debes tener en cuenta los puntos siguientes: |= Nose afiade una s para indicar una forma plural, por ejemplo, es 5 kg, no § kgs. | Después de un simbolo no se pone un punto, excepto al final de una frase. |® Los simbolos de las unidades que reciben su nombre en honor de una persona se escriben con la primera letra en mayiscula, por ejemplo, Pa por Pascal 1 El nombre completo de la unidad se escribe en miniscula, por ejemplo, 5 newtons. Unidades derivadas En la Tabla 11.2 se muestras varias importantes unidaces derivadas del SI que se emplean en el programa de quimica IB. Medida Unidad Simbolo Frecuencia hercio (reiproco del segundo) Hee) Peesién pascal (newton por metro cuadrada) Pa (Nm=) Energie 0 entlpia jul i Carga elécrca culombio € Diferencia de potencial voto v Capaddad calorfica espectica julio. por Klograme por kevin Tag Capacidad caorfica julio por kein 1K Enrople julio por kelvin aK Variacion de entalpia ovaracén de energia ibre de Gibbs julio por mol mak Densidad ktogramo por mete cabico ig Miltiplos de las unidades Los tamatios de las unidadas no siempre son las més ade- __Miltplo refi cuadas para determinades medidas y a menudo se emplean 10-7 peop) rmiltiplos decimales de estas unidades (Tabla 11.3) 107 ano o) 108 micro (u) Coherencia 10) rr La unidades fundamentales y derivadas del SI forman un ee sistema de unidades coherente, es decir, todas las unidades e para las magnitudes fisicas derivacas se obtienen de las uni. —1@ mega) dades fundamentales por multiplicacién o division, sin a in- _m Tabla 11.3 Frefjos empleados en troduccién de factores numéricos. Esto simplifica muchos los los millplos comnes de unicades céleules, 11.1 Incertidumbre y error asociados a la medida y a los resultados 377 1) Expres en unidades Por ejemplo, el siguiente célculo relacionado con la ecuacién de los gases ideales iustra el he fundamentals del St cho de que el empleo de valores numéricos del volumen, la cantidad, la constante de los gases y a fe5nm, la temperatura absoluta exoresados en unidades coherentes del SI da lugar a su vez aun valor de teaminss la prasin expresado en unidades coherentes del Si, los pascales. SiR=8,31JK"'mol", T= 300K, V= 6,34 x 102m? y n= 0,250, entonces p= DRT. 0,250mol x 8,31 JK“ mol“! x 300K Vv 6,34 x 107m 9,83 x 10°Pa ™ Incertidumbres aleatorias y errores sistematicos Los errores 0 incertidumbres pueden estar causados por 1 imperfecciones en el aparato empleado para registrar la medida 1 imperfecciones en el método procedi 1 juicios realizados por la persona que maneja el aparato de medida. jento experimental Existen dos tipos de errores: las \certidumbres aleatorias y los errores sistematicos. Incertidumbres aleatorias Una incortidumbre aleatoria puede hacer que el valor medido sea mayor o menor que el valor verdadero, en funcién de la suerte inicamente y con la misma probabilidad. La lectura de la escala de cualquier instrumento (balanza, tubo graduado, termémetro, pipeta) produce errores aleatorios. Los instrumentos digitales, como las balanzas electrOnicas y los medidiores de pH también dan lugar a incertidumbres aleatorias. En otras palabras, podemos pesar un frasco de pesada en una balanza y ‘obtener un resultado ligeramente distinto cada vez como consecuencia de los errores aleatorios. Las incertidumbres aleatorias no se pueden evitar, a que forman parte del propio proceso de medida, Las incertidumbres son medidas de los errores aleatorios, que son el resultado de realizar medidas en aparatos imperfectos que solo pueden tener un determinado grado de precision. Estos terrores son predecibles y su grado se puede calcular; ademés, se pueden reducirropitiando y pro- ‘mediando el experimento. Los ejemplos generales en los que tienen lugar incertidumbres aleatorias son: 1m a lectura de una escala (Figura 11.2) el registro de una lectura digital 1m la toma de una lectura que varia con el tiempo. tm Figura 14.2 Faure scale dual _ 128 incertidumbres aleatorias se conocen también como errares alestorios. No obstante, el tnelguese miestan. tétmine xerror tiene el significado cotidiano de equlvocacion y las incerticumbres aleatorias no dos esclas analogies son debidlas a equivocaciones y no se pueden evitar Big encarta crores aleatorios y errores sistematicos Errores aleatorios Las magnitudes de las incertidumbres asociadas a una serie de medidas repetidas nunca son iguales. Algunas medidas pueden ser mayores que el valor realy otras pueden ser menores. Estas incerticumbres asociadas a las medidas son de naturaleza aleatoria y no es posible predecir cual ser su magnitud, nisi el valor resultado de la medida seré mayor o menor que el valor verdadero fen cada caso. Por este motivo se conocen como incertidumbres aleatorias. Lo que si sabemos es que el resultado de la medida estarésituado dentro de un intervalo de va- lores cercano al valor verdadero, denominado intervalo de incertidumbre. Los siguientes ejemplos ilustran el modo en que se registran algunas medidas acomparads de su intervalo de incertidumbre: mt masa de magnesio = (2,457 + 0,002)g fm volumen de KMnO, valorante = (22,40 + 0,t0)em* temperatura de K,COs(ae) = (25,10 + 0,02)°C. Las incertidumbres aleatorias se registran mediante un signo «x (mas 0 menos) después del resultado de la medida. Los valores que le siguen indican el intervalo en el que se encuentra 378 11 Medida y procesamiento de datos ‘comprendida la medida. Como los pares formados por una medida y su incertidumibre tienen las mismas unidades, se emplea paréntesis y la unidad se coloca después de este. Errores sistematicos Los errores sisteméticos tienen su origen en un problema dentra del montaje experimental o del aparato de medida y generalmente son ‘muy dificiles do detectar. Pueden provenir de una calibracién inexacta do un instrumento © de un fallo, ya sea en el equipamiento o en el pro- —~ WS “2B cedimiento. En ocasiones un enor sistemdtico también puede tener su core ‘rigen en una operacién errénea o en un tiempo de accion humano emrineo. Cuslquier elemento de cristaleria graduada (p.0j. buretas y pipetas) ‘empleado para medidas cualitativas es una fuente potencial de error sistemético. Por ejemplo, la graduacién de una bureta puede estar mal etiquetada o la bureta puede contener un pequefio fragmento de cris- ‘al sin fundir que ha producido una abolladura interna. Durante el pro ces0 de calibracién, este defecto provocaré un error sistematico en el volumen suministrado, que seré menor que el indicado. Andlogamente, la lecturasistematica de un tubo graduado desde una posicién del ojo demasiado elevaca o demasiaclo baja introduce otro error sistemstico (error de paralaje) (Figura 11.3) Cuando se utiliza un equipamiento més sofisticado, por ejemalo aparatos de medida electréni- os, os errores sisteméticos pueden aparecer como resultado de un rivel bajo de bateria, un mal contacto eléctrico en el interior del dispositivo, sensibilidad a la temperatura y a la humedad, e incluso defectos mecénicos en el caso de movimiento del aparato de medida 1 Figura 11.3 Error de paralae en un tubo graduado 2 _Deduce si cada uno de estos resultados de oneracin da ugar a un error aleatori oa un error sistematic, f Utlizar una ppetacalibrada a 20 °C para medic volimenes de solucones calentadas a 85°C. bs Uilizar un tubo graduado de 50 cm? para medi una diolicién de 50,00 em? € Uitlzar 25 gotas de inckcador de fenoftalena paral valorcion entre una dslucin de amoniac yao suiirco, 4 Las valores registrados en la medida del punto de fusin del bilo empleando la misma sonds de temperatura en tes medidas separadas son 270,50 K, 279,20 Ky 270,10 k. «Se pes un raso de pesad que contiene una sustanca qulmicaen una bala tres veces yas letras sempre estén 1,05 g por encima del valor ra. {Una cinta mética que se emplea para medi la crcunferencia de un calorimetro de cobre de gran tamafo se ha estado permenentemente despues de afios de uso, & Maneras de reducir la incertidumbre en un experimento Los errores alestorios son errores ede doble cara» porque, en ausencia de otros tipos de erro- res, as medidas repetidas dan lugar a resultados que fluctian por encima y por debajo del valor verdadero o aceptado. Las medidas sujetas a errores aleatorios difieren entre si como consecuen- «ia de variaciones aleatorias e impredecibles en el proceso de medida. La precisién de las medidas sujetas a otrores aloatorios so puede mejorar repitiéndolas y promediando de forma sistemstica los resultados. Los errores aleatorios se pueden detoctar fécilmente y se pueden reducir repitiendo las medidas 0 perfeccionando el metodo o la técnica de medida. Las fuentes habituales de errores = 9,5:m? (+ 0.349%) 9,5 + 0,3)em? '&Célculo del valor medio: las medidas repetidas pueden llevar a un valor medio para une magni- tud caleulada. En la respuesta final podemos poner el error propagade de los valores que com- ponen el valor medio. Por ejemplo: valor medio HZ = [+100kImoF# (+ 10%) + 110k mol" (+ 10%) + 108kJ mot" (= 10%)] + 3 106k mot (+ 10%) Hacerlo asi es més apropiado que sumar los porcentajes de error hasta generar un 30%, porque ‘esta cfra respond a una exageracién del error y es contrara al propésito de repetir as medidas y calcular el valor medio de estas. 5 Suma o esta as expresones siguientes 42 25,02 20,02) +(@,70 + 002) {© (0,056 + 0,002) + (1,143 + 0,005) b (15,37 =0,01)-(.31 =001) ¢ GB 05)~(1,30,2) 6 Determina los porcentajes de error en ls casos siguientes: a 2872020 “ 0,00426 0,000, b 17,49 «0,04 4 94322 17 Determina el erorresutante a partir dels clculos siguientes: 2 2Oms1,0%? © 15x @0202)m b ¥W2.0m + 1,05) 4 15xQ0 1.0%) m Ss, P#oPagacion de las incertidumbres en datos procesados y porcentajes de incertidumbre Durante un experimento se han realizado las pesadas siguientes. Masa de fresco de pesada vacio ycristales de suifato de cobrel hidrstack (6721 #0,001)9 ‘Masa de fresco de pesada vaclo = (5,221 2. 0,001)g Caleula la masa de sultto de cobre(i) hidratadoy determina el porcentaje de incertidumbre en su masa, Masa pesada de cistales de sulfato de cobrel hidratado = rcentaje de incertidumbre para la masa = 9.002 Porcentaje de incertidumbre para ae 500» 0.002)g x 100% = 0,13339% = 0,14% (redondeado hacia ariba) 111.1 incertidumbre y error asociados a la medida y a los resultados 383 Se dsuelven (200,00 + 0,05) g de glucosa en (500,00 + 0,10) Bin + He Combinacién en cuadratura de errores asociados a medidas independientes El planteamiente para la propagacin del error descrito anteriormente comporta la combina: cién de erroresindividuales en forma de sumas 0 diferencias para obtener un error global que en realidad os demasiado pesimista (demasiado clevado), Es improbable que todos los errores o las. incertidumbres individuales estén en el mismo sentido, si bien no es imposible. Existe un método alternativo para el célculo de los errores propagados conocido como «suma en cuadraturan. SiX=A+BoX=A~B, entonces Ax = J (SA? + (ABP La expresién es la misma tanto si las cantidades se suman como si se restan. Si hay més de dos cantidades involucrades, la expresién simplemente se amplia de forma similar: SiX=A+B+CoX=A-~B-C, entonces Ax = J (AA) + (ABY + (ACF El error (ola incertidumbre) resultante es siempre mayor que cualquiera de los ertores individua- les, pero es igual a su suma, Si se restan dos valores muy similares, el error (0 la incertidumbre) re- sultante puede ser grande. 111.1 Incertidumbre y error asociados a la medida y a los resultados 385 Eman La temperalura nial de una dsolucion es de (18,2 0,2) °C y la temperatura final es de 25,4 0,2) °C, Caleua el ‘aumento de temperatura y su error o incertdumibre asciados, AT =(Ty~1)) AT; AT = (25,4~ 18,2) = erro ola incertdumbe) global viene dado por la siguiente expresion: Ar = NCAT) GT = MO,2°CF + (0.2°CF = 0,28 °C Por tanto, AT= (7,22 0,3)°C 12s TC fn un experimento para medir una cantidad, AQ, se han obtenido dos valores Q, = (90:+2)y Q;» (82 + 2). Determina el valor de Q,~ Q) ysuincertidumbre asocada Q,-0:=(60-82)£.40 A= Vina) Op = IED Por tanto, Q,-Q,=823 Silos erroras o incertidumbres se deben propagar en forma de cocientes © productos: SiX* ABOX=A, entonces AX = (Ayer B x “Wal "Ve ‘Come hemos indicado anteriormente, cuando trabajamos con productos 0 con cocientes debe- ros emplear el porcentaje de error en forma de fraccién. estano reaceiona con ol yodo (on un disolverteorganice) ys abtiona yaduro de astafo, con l érmula Sri En un experimento para calcula x se ha determinade que (6,00 = 0,01)9 de yodo han reaccionado con (1,40 0,01)9 de estano, Calcul el valor de x Cantidad de stomos de yoda ~ (6,00 + 0.01) '26,30amol" 1,4020,01)9. T1B,7Iamol" Por tanto, x = 116.00: 0.01)9/126,909mor) 10,402 001)9/ 118,71 gmor] e401 & ax Cantidad de atomnos de esta Las masas moleculares se pueden Considerar constantes (aunque se han determinado experimentalmente), or tanto solo s necesario caulr los erores en la masa de estano de youo. 4 RBST BB -20s Por tanto, dx (15x = 0,06, entonces, x= 4,01 « 0,05 @ Errores sistematicos La presencia de un error sistematico hace que el valor medio sea siempre menor o mayor que el valor verdadero, pero no ambas cosas a la vez. En otras palabras, un error sistemético provoca tn sesgo en una medida experimental en un solo sentido, pero siempre en el mismo. Por ejemplo, toda la cristalerfa graduada se suele calibrar a 20°C. En consecuencia, cuando este equipamiento se utiliza 8 cuslquier otra temperatura, so introduce un pequefio error sistemitico. En un experi mento puede aparecer més de un error sistemitico y estos errores se pueden compensar entre si, ‘aunque cada uno de ellos altera el valor verdadero en un Gnice sentido. La precision (0 valides) es una medida del error sistemstico. Si un experimento es preciso 0 vé- lido, el error sistemético es muy pequafo. La precision es una medida de lo bien que un experi- mento mide lo que esté intentando medir y es dificil de evaluar a menos que tengamos una idea del valor esperado (p.e). un valor que aparece en un libro de texto o que se puede calcular a partir 386 11 Medida y procesamiento de datos de los datos que aparecen en este). Comparemos el valor experimental obtenido con el valor que aparece publicado: si se encuentra dentro del margen de error de los errores aleatorios, lo més probable es que los errores sisterticos sean menores que los aleatorios y si es mayor, necesita- mos determinar dénde se han producido los errores sistemsticos, Entre los ejemplos generales de errores sistematicos se encuentran 1m una desviacién en la lectura del cero de un instrumento de medida (error de desplazamiento del cero) (Figuras 11.8 y 11.9) muna escale calibrada de forma incorrecta mel tiempo de reaccién de la persona que lleva a cabo el experimento, 1 Figura 1128 Error de desplazamiento del cero Im Figura 11.9 Lecture de un amperimetro con en una regia un error de desplazamiento del cero de ~2 A aproximadamente Los errores de desplazamionto del cero se pueden evitar mediante ls verificacién de la «lectura del cero» antes de comenzar el experimento, o bien registrando la medica con dos partes distintas del aparato y verificanco la concordancia de las lecturas correspondiontes (dentro del error experi- menta). Para coregir este tipo de error debemos restar a cada medida el valor del desplazamiento. Asi, por ejemplo, sila lectura que proporciona una belanza con un error de dlesplazamiento del cero de~0,2 g es de 100,0 g, la masa real (sin tener en cuenta la incertidumbre aleatoria) es de 100,2 9, Entre los ejemplos especificas de errores quimicos sistematicos tenemos: jeringas de gas con fugas errores de calibracién en los medidores de pH y las balanzas Utiizacion de equipos fuera de su rango adecuado de funcionamiento cambios en las influencias externas, como la temperatura y la presién, que afectan a la medida de los volimenes de los gases eveporacién de liquidos votstiles reacciones quimicas lentas que dificultan la decisi6n correcta de cual es el punto final reacciones de interferencia en las que una especie quimica reacciona con el valorante retencion o pérdida de sustancias quimicas ‘mal aislamionto 0 ausencia de este en experimentos relacionados con calorimetros pérdida de actividad enzimatica & Ejemplos especificos de errores quimicos sistematicos y aleatorios CConsideremos una valoracién simple en la que se prepara una disolucién de hidréxido de sodio ‘a partir del sélido. A continuacién se valora una muestra de la disolucién con dcido clorhidrico en presencia de un indicador écido-base adecuado (Capitulo 1). Errores sisterndticos \® El hidréxido de sodio no es un patrén primario y absorbe vapor de agua y diéxido de carbono de la atmésfera Enel frasco de pesada queda hidréxido de socio. Errores alestorios (algunos de ellos también pueden ser sistemsticos) '& Decisiones sobre el cambio de color del indicador. 1m Decisiones sobre sila parte inferior del menisco toca con la linea de calibracién en une pipet 111.1 Incertidumbre y error asociados a la medida y a los resultados 387 |= Variaciones de temperatura en la cristaleria graduada y en las disoluciones. 1m Incertidumbres aleatorias en la medida de la masa de hidréxido de sodio, 'm_Incertidumbres aleatorias en la medida del volumen de hidréxido de sodio y de cide clorhidrico, Consideremos un experimento en el que se queman masas pequerias de | Temimeto aleoholes (de valor conacido) con un mechero de alcohol colocado bajo une lata de cobre que actia como calorimetro (Figura 11.10). Las masas de los alcoholes y del agua del calorimetro se determinan mediante una balanza tlectrénica. Se mide la temperatura del agua antes de la combustion y des- or puss de esta, [beer Errores sistemsticos 1= Una gran proporcién del calor liberado por ol alcohol que se quema se pierde en el aire del entomo. oe Parte del calor del agua se pierde y parte se emplea para calentar el ter- mémetr. 1 Parte del alcohol y del agua se pueden evaporat Errores aleatorios (algunos de ellos también pueden ser sistemsticos) venta —pyotecccn arti «mas incertidumibres aleatorias de las medidas de las masas de los alcoho- ‘arnt do ako lesy del agua 1 Las incertidumbres aleatorias de las medidas de las temperaturas del agua antes y despues de la combustin del alcohol Z| —— Cu**(ac) + 2NO{(g) + 2H,Of) + 2NO3 (ac) El didxido de nitrégeno es un agente oxidante y puede oxidar los iones yoduro (H} en yoda (), tun potencial error sistemético positive para la determinacién del cobre(l). Por tanto, antes de la valoracién debemos eliminar los éxidos de nitrégeno de la disolucién mediante su calentamiento. Los éxidos de nitrégeno residuales se eliminan mediante a adicién de urea: 2NO,(g) + H,0(1) > HNOz{ac) + HNO;lac); 2HNOs{ac) + (NH,),COlac) -> 2Na{a) + COx{a) + 3H,0() El hier (Feil) esté presente en la mayor parte de las muestras de latén y también puede oxidar los iones yoduro. Esta interferencia se puede elirinar mediante la adicién de fuoruro de sodio, que forma un compuesto estable con los jones hierrotl) pero no con los iones cobre(), lo que impide la reaccién del hier con el yoduro sin afoctar ala reaccién entre los iones cobratly los iones yoduro. Seguidamente se afiade yodure de potasio en exceso a la disolucién. Los iones cobre(l) reac- cionan con una cantidad equivalente de yodluro para producir yodo y yoduro de cobre() 2CuPac) + AF-(ae) + Curls) + lfacd En presencia de I en exceso, el Ip se encuentra parcialmente presente en forma de triyoduro (139. Esta formacién compleja es ttl en tanto que estabiliza el yodo en solucién y minimiza su pér dida por volatilizacién. Existen otras métodos pera reducir las pérdidas de yodo volatil, como por ejemplo mantener la temperatura baja y realizar la valoracién con rapidez. 9 Considera un experimento para determinar la férmula emplica de un compuesto de magnesio y ox4geno mediante | pesada de una masa conocda de magnesio en un crso y su combustion en aie paa formar Grico de magneso, {ue se pesa a continuacin (Capitulo 1). Enumera todos los posibleserroressstematics yaleattis asocados 3 este experimento (Figura 1122 a Lecturas precsas vyexactas;b fecturas Imprecsas pero exactas, (donde T representa ef valor real) Figura 11.13, a Lecturas precsas pero no exactas;blecturas Jimprecisase inaxactas (donde T representa e! valor real) 11.1 Incertidumbre y error asociados a Ja medida y a los resultados 389 Precision y exactitud Sila medida se repite varias voces y los valores obtenidlos son cercanos entre sf, se dice que los resultados son precisos. Si estos resultados los ha obtenido un mismo estudiante, se dice que el método o el procedimianto es repetible. Si este procedimiento 0 método ha sido llevado a cabo por diversos estudiantes, se dice que es reproducible. Si los resultados obtenidos se encuentran Cerca del valor verdadero, se dice que son exactos. En las Figuras 11.12 y 11.13 se resumen las diferencias entre exactitud y precisién, | ae . — & pies i panne i i & 8 8 i | 7 tenes ? oer : s pen g bore an oo i 8 i i ee 7 ion Con_un termémetro de mercurio podriamos medi el punto de ebullicién normal del agua como (99,5 0,5) °C, mientras que con una sonda registradora de datos obtendriemos el valor (98,25 + 0,05) °C. En este ejemplo, el termémetro de mercurio es mas exacto mientras que la son- da registradora de datos tiene una mayor resolucién. La resolucién catacteriza la capacidad que tiene la salida o la pantalla de un instrumento para mostrar las variaciones de la magnitud medida Se define formalmente como la menor variacién ce la magnitud medida que puede detectar e! instrumento. En los instrumentos digitales, la resolucién esté asociada al nimero de digitos que se visualizen en la pantalla, La precisién de un instrumento se acostumbra a asociar con su resolucion, aunque un instrumiento puede tener una gran resolucién y poca precision. La resolucién también esta relacionada con lo cerca que podemos leer las divisiones sobre la escala de un instrumento © un aparato de medida. Por ejemplo, una regla de un metro se susle dividir en centimetros, mientras que una regla de 30 cm se divide habitualmente en milimetros (Figure 11.14). Esto significa que si una regla de 30 cm se usa correctamente (para medidas re- petidas), deberia ser més precisa (x 10) que una regla de 1 metro (que tiene un menor nimero de divisiones). Cuando medimos Ifquidos que presentan una curva en la superficie, debemos medir desde la parte inferior o desde la parte superior del meniseo (Figura 11.15), dependienda del Iiquido. El enisco es la curva que se forma en la superficie del liquido como consecuencia de la atraccién ‘que experimenta hacia las paredes del recipiente. Esta curva es convexa para ol agua y las disolu- ‘iones acuosas y eéneava para ol mercuro. 390 17 Medida y procesamiento de datos Probablided do la media. Ragla de un moto amplad) oom tem | 2em { cm tom | 20m glade 60 an aplacs), Figura 11.14 Reglas para medida 1 Figura 11.15 Ef enfoque correcto ‘para leer de forma execta los ‘meniscos del agua (zquierda) y el ‘mercurio (derecha) Una técnica incorrecta puede llevar al registro de medidas que son precisas pero inexactes. Por éjemplo, imaginemos que un estudiante lee sistemsticamente la parte superior del menisco en una pipeta, bureta o ciiindro de medida cuando registra los volimenes empleados. Estas medidas pue- den ser precises, pero son inexactas. Sin embargo, si mide el volumen inical y el volumen final des- pués de aftadiro eliminarliquido y registra su diferencia, los dos erroressistematicas se cancelarén. La medida de un objeto sobre una balanza electrénica fluctda. Si nos ocure esto, podemos comenzar con los digitos que no fluctian y después suponer cual deberia serel siguiente cigito, Por ejemplo, consideremos las siguientes lecturas obtenidas con una balanza electrénica: 13,3459 13,3209 13,3499 13,3579 13,3279 Podriamos asignar a esta medica el valor 13,34 g. A las medidas precisas les correspond errores aleatorios (incertidumbres) pequefios y son reproducibles mediante ensayos 0 experimentos repetidos; las ‘medidas exactas tienen errores sistemsticos pequefios y dan un resultado cerca- no al valor aceptado o verdadero. Si efectuamos un gran numero de medidas de le misma cantidad, todas las lecturas se encontrarén sobre una curva de distribu Figura 14.16 Exactitud y precisién cién gaussiana, tal como se muestra en la Figura 11.16 10 Se emplean cuato cronémetos para medi un perodo de tempo. En sus pantalla podemos leer: 246s b Gs C40 1895, d 45,6245, #5 periodo de tempo exaco, verdadero oreal es 45,623451s. Qué podemos deducr sbrela exact, a preciin yl esluion deca ? ® Reduccidn del efecto de la incertidumbre aleatoria Durante todos los experimentos précticos se producen pequefios errores aleatorios que estén més alla del control de la persona que registra la medida. No obstante, el efecto de los erores aleatorios #2 puede reducirllevando a cabo medidas repstidas. La media aritmética de un conjun- to de medidas repetidas deberia proporcionar una major estimacién del valor verdadero de la medida, Los errores sisterdticos no se pueden reducir mediante el célculo de la media aritmética y solo se pueden corregir si se conoce un valor verdadero (como el valor asignado a un espécimen de calibracién 0 de referencia). Valores medios (media aritmética) de medidas no lineales Sila escala de medida no es lineal, la media aritmética simple puede dar lugar a un valor falso. Por ejemplo, silos pH de tres disoluciones son 7, 8 y 9 respectivamente, el valor medio del pH no € 8 porque la escala del pH es logaritmica: pH = -logyglH"(ec)] (Capitulo 18). Para obtener el ver- dadero valor medio debemos convertir primero los valores del pH en concentraciones de iones hidrégeno (H*(acll = 10°F), calcular la media aritmética de estas concentraciones y después volver a convertir a valor del pH. En est caso, la maciaattia de Hi (ae|= L107 + 10° + 10°) pH=7.4 = 3,7 x 10°; valor madio dal 111.1 Incertidumbre y error asociados 2 la medida y a los resultados 391 5 Estimacién de la probabilidad de que una fuente concreta de error tenga un efecto mayor o menor sobre el resultado final El objeto de un buen experimento es minimizar tanto los errores de precisién como los de exac- titud. Por regla general, en un experimento dado hay uno u otra tipo de error cominante y el expe- fimentador dedica el méximo esfuerzo a reducir ese error. Por ejemplo, cuando valoramos una muestra de acido clorhidrico con una base de hidr6xido de sodio utllzando un indicador de fenolf- ‘aleina, el principal eror en la determinacién de la concentracién original de écido es, probablemen- te, uno de los siguientes: (1) la exactitud de las marcas en el lateral de la bureta; (2) el intervalo de ‘ransicién del indicador de fenolftaleina; 0 (3) la habllidad del experimentador en el momento de dividir la tltima gota de base. Por tanto, la exactitud de la determinacién sera probeblemente mu- ‘cho peor que la precisién, y esto es lo que pasa frecuentemente en los experimentos de quimica, ® Cifras significativas Las medidas experimentales siempre llevan asociada una incertidumbre. Uno de los métodos para expresarla incertidumbre asociada a una medida es expresaria en términos de cifras significa- tivas. En este método, asumimos que todos los digitos son conocidos con certeza excepto el iti- mo, que es incierto. Por tanto, una medida se expresa en términos de un ntimero que incluye todos los digitos que son ciertos y un tltimo digito que es incierto, El nmero total de digitos del ntimero se denomina nimero de cifras significativas. El concepto de cifrasignificativa se ilustra en la Figura 11.17, en la que se representa una parte ampliada de una escala de un termémetro. La temperatura se encuentra evidentemente entre 18,5°C y 19,0°C, pero estan justficadas tres cifras signficatives. El hecho de dar el valor de la tem- ratura con tres cifras significativas como 18,7°C indica que hay una incertidumbre asociada a la cifra final 1m Figura 11.17 nee a —— seeeeee | Di Sub iar siceact7-asnan 10 siieest Qiadien a0 ae wm Tbe 115 raccin de Incoridumbresleatoria Mascon ncetidumbres _Vatormedido __ mad ‘ena medida ira signficatvas del valor medido sleatofas arocades y x cifras significativas: aT) 18 059. 5 = 39 Or +0059 i 2 253@ ooig 0,009 3 ce 25319 0.0019 £0,0005g ceecenenel eels La precisién de una medida aumenta con el ntimere de cifras significativas, tal como podemos ver en la Tabla 11.5, on la que también se muestran las incertidumbres aleatorias, que disminuyen a medida que aumenta la precisién de la medida, El ndimero de cifras signifcativas de una medida es el nimero de cifras que son conacidas con certeza més una que es incierta, empezando por el primer digito distinto de coro. En a detormina- cién del numero de cifras significativas de una medida se aplican las reglas siguientes: 1 Todos los digitos distintos de cero son significativos. Por ejemplo, 549 g tiene tres cifras significativas y 1,892 g tiene cuatro cifressignticativas. 1 Los ceros situados a la inquierda del primar digito distinto dle cero no son significativos. Por ejemplo, 0,000034 tiene solo dos cifras significativas (es mas facil de ver si se escribe con notacién cientifica como 3,4 * 10 g). El valor 0,001111 tione cuatro cifras significativas 'm Los ceros situadlos entre digitos distintos de cero son significativos. Por ejemplo, 4023 g tiene cuatro cifras significativas y 50014 g tiene cinco cifras significativas. = Los cores situados @ la derecha de [a coma decimal son significativos. Por ejemplo, 2,50 g tiene tres cifras significativas y 5,500 g tiene cuatro cifras significativas. 392 17 Medida y procesamiento de datos mw Tobla 117 Valores de la tolerancio de algunas aparatos de Iaboratorio Los nimeros exactos, por ejemplo 2, y los numeresinacionales, por ejemplo wy 4, tienen un rnimeroinfinito de cifras significativas. | Si un ndmero termina en ceros que no estén situades a la derecha de una coma decimal, los eros pueden ser significativos o no. Por ejemplo, 1500 g puede tener dos, tres 0 cuatro cifras significativas. Los numeros como este, que arrastran ceros, es mejor escribirlas con notacién cientifica, en la ‘que el numero se escribe en la forma exponencial normal como N x 10°, donde N representa un rnémero con un Gnico digito distinto de cero a la izquierda de la coma decimal y n representa un niimero entero. La masa anterior se puede expresar con notacién cientifica de las formas siguientes, dependion- do del numero de cifras significatvas: 4)5.x 108g 2 cifras significativas) 1,50 x 108g (3 cifras significativas) 1,500 x 10%g (4 cifras significativas) En estas expresiones, todos los ceros situados a la derecha de la coma decimal son significati- vos. La notacién cientfca es una forma excelente de expresarlascifassignifcativas an madidas muy Volumen molar de gas/di™m Hierégeno 4 aaa?) 0.08 243 Helio He 4 016 244 =e ‘Amaniaco NH 7 070 244 = ‘nigeno o; 2 132 243 Digxido de carbono CO, aa 178 246 ‘loro ch. n 3.10 23 398 11 Medida y procesamiento de datos oy Los datos indican que la densidad del gas aumenta a medida que lo hace la masa molar. La representacién grética de la densidad en funcién de la masa ‘molar muestra una relacién lineal (Figura 11.24), No se trata de un experimen- to, pero la masa molar de un gas se puede considerar una variable indepen- diente, ya que determina la densidad del gas. B88 La observacién de la tabla dle datos nos ayuda a establecer los limites de la gréfica (valores méximo y minimo) para ambas variables y a elegir los ejes. El extromo inferior izquierdo de la grética no necesariamente tiene por qué 0.60-44p representar el valor cero de los ejes 2 menos que haya datos en esta zona. Las divisiones sobre los ejes las debemos elegir de manera que resulten féciles de bt @ H BW To & leer Elpapel cuadriculado de uso habitual esta dividido en grupos de diez ee ee equefios cuadrados, por tanto, un cuadrado individual puede representar 1, 2,5, 10 obien 10, 20, 50, 100 (como en este ejemplo), pero nunca 2,75 u otro inGimero «rarov. Para obtener una mayor exactitud es mejor elegir las escalas de manera que la gréfica ocupe casi la totalided del papel. También debemos rotular cada ee tanto con la cantidad como con las unidades que representa, 8 Densidad de gasig err 1 Figura 11.24 Representacién grafica de la densidad de gas (9 cm?) en funcién de la masa ‘molar (9 maf) para algunos gases corrientes Es importante recordar que la precisién de cualquier informacién obtenida 2 partir de la gréfica deberia equipararse a la precision de los datos introducidos para generarla No conviene perder cifras significativas cuando interpretamos la gréfica ni tampaco es posible ge- nerar mas de las correctas. En consecuencia, silos datos empleados para generar la grfica tenfan cifras significativas, los niémeros obtenidos a partir de estas datos también deberian tener N cifras, significativas. Esta regla también se cumple para valores de la pendiente y del corte con el eje y obtenidos mediante andlisis de regresién lineal (véase més adelante). Por regia general serd necesa- rio redondear los valores obtenidos con la calculadora o con el programa de ordenador al niimero comrecto de cifras sigrificativas. Interpretacién de gréficas en términos de las relaciones entre las variables dependiente e independiente En quimica existen diversas relaciones frecuentes representadas por variables dependientes & independientes. En una relacién lineal existe una relacién de proporcionalidad directa entre las dos variables. Esta relacién se describe mediante la formula y = mx + ¢, donde ces el corte con el eje y, ym es la pendiente o el gradiente de la recta (Figura 11.5). Este tipo de relacién es caracteristica de la ley de Charles: la relacién entre el volumen y la temperatura de un gas ideal (a presion constante) (Capitulo 1), En una relacién inversa (Figura 11.26) existe una relacién de proporcionalidad inversa entre las. dos variables de manera que cuando una aumenta, la otra disminuye y vicoversa. La gréfica se puede «linealizar» representando la variable dependiente sobre el eje y en funcién de la recfproca de la variable independiente sobre el eje x. La formula resultante seré y= A/xo xy = A. Este tipo de relacién es caracteristica de la ley de Boyle: pY = constante (Capitulo 1) 1 Figura 11.25 Relais nal 1H Figura 11.26 Relacion inversa 11.2 Técnicas de representacién gréfica 399 mes 8 390. 310. Concentrscin de clxido de earbona/ppr en volumen 7 1m Figura 11.27 Relaciin exponencial 1m Figura 11.28 Rolacion logaritmica natural Una relacién exponencial tiene la expresion y = ef 0 y= e™,y es caracteristica del crecimiento co del decrecimiento exponencial, respectivamente. En la gréfica de la Figura 11.27 se representa el crecimiento exponencial En la Figura 11.28 se representa una relacién logaritmice natural. Es la relacién que muestran, por ejemplo, las enzimas cuando la concentracién de sustrato se satura o la relacién mostrada por la adsorcién de gases sobre una superficie «Big Data» y el impacto de las graficas Eluso de gréficas para rapresentar datos puede clarficar y subrayar el mensaje y el significado de los resultados experimentales. La imagen traslada el mensaje y su interpretacién de una manera que hasta cierto punto trasciende las diferencias linglsticas y culturales. Una de las gréficas que ha tenido el mayor impacto universal en los tltimos afios es la curva de Keeling (figura 11.29) Esta gréfica recibe su nombre en honor de Charles Keeling, que trabajé en la Scripps Institution of Oceanography (insttucién Scripps de oceanografia) en San Diego (EEUU), y re- presenta la variacién de la concentracién de diéxido de carbono en la atmésfera terrestre desde 1958. Los datos se basan en las medidas continuas que se toman en el Observatorio Mauna Loa en Hawai La importancia de la curva radica en el hecho de que esta evidencia alimenté el desarrollo del debate sobre el calentamiento global y el papel que representa el incremento de gases de efecto invernadero en este fenémeno. La curva de Keeling es una representacién relativamente simple que provocé la recogida de me- didas en otros emplazamientos del planeta. Cada vez se reconoce mas la influencia de este tipo de representaciones de datos e incluso en 2014 se celebré en el Reino Unido una exposicin de ests tipo de representaciones grficas revolucionarias que habianinfluido incluso en la politica. En aquella exposicin se incluyé el «cia {grama de la rosav de Florence Nightingale, que fue enviado a la Toina Victoria en 1858, El «Diagrama de las causas de mortall- dad» (0 eDiagrama de la rosao) en la guerra de Crimea era un 2N0, 402 17 Medida y procesamiento de datos 1m Figura 1136 ‘Areas bajo una grdtica Tineal y bajo una curva Interpolaci6n La interpolacién es una técnica en la que se utiliza una gréfica para determinar los valores de puntos que se encuentran entre los puntos correspondiientes a datos experimentales. En la Figu- fa 11.34 tenemos una gréfica de la concentracién de perdxido de hidrégeno en funcién del tiempo. Se trata de una grética exponencial y la curva construida 2 partir de los puntos es una curva de in- terpolacién que «cemuestray que se trata de una reaccién de primer orden (Capitulo 16). La semi- vida de la reaccién es de 25 segundos aproximadamente. H.Ofaciymodm 0 10 20 90 40 6 6 70 8 “Tempors “273,18 ° TemperaiuraC 1 Figura 11.34 Representacin arética dela 1 Figura 11.35 Representacin orice del volumen escomposician del perévdo de hidrgeno en ‘de un gas ideal en funcion de la temperatura (en funcindel tempo ‘rados Cebus en a que se puede ver fa obtenciin ‘eres del ero absolute Extrapolacién La extrapolacién es una técnica que se utiliza para encontrar valores que estan fuera del inter- valo de medida, Lo que hacemos e¢ simplemente ampliar la racta o la curva suave. Cuando representamos el volumen de un gas ideal en funcién de la temperatura empleando la ‘escala de temperatura Celsius, obtenemos una lines recta con gradiente positivo. Esta relacién (a presién constante) se conoce como ley de Charles (Capitulo 1). Si extrapolamos la recta hacia atrés para cortar con el eje x, cbtenemos del valor de la temperatura a la que el volumen del ges seria cero (Figura 11.35). El valor obtenido a partir de medidas exactas es ~273,15 °C y obtenemos este rmismo valor de la temperatura con independencia del volumen de gas empleado, la presién a la que se ha llevado a cabo el estudio o la naturaleza del gas. El cero absoluto es la base de la escala ‘termodinémica de temperatura, en la que se emplean kelvins como unidades. Area bajo una grafica El rea (Figura 11.36) bajo una grafica lineal se puede calcularfacilmente mediante aritmética simple, Sila gréfica es una curva, podemas estimar el érea dividiendo la figura en varios cuadrados {de dimensiones conocidas) y sumando las éreas de los cuadradios, Si conacernos la ecuacién de la curva, el érea bajo la gréfica se puede caleular mediante integracion. ‘roa boo _ noses a 11.2 Técnicas de representacién grética 403 ae ae 7 En la mayoria de las gréficas ‘Maxwell Boltzmann 2 que aparecen en la quimics, el drea bajo la gréfica no representa una magnitud fisica dtil. En cambio, en el caso de la curva de dlstribucién de Maxwell-Boltzmann (Capitulo 6), que sirve pera explicar a velocidad de reaccién a distintas temperatures, el rea bajo la curva si es relevante. Se trata de una distribucién de fre- , cuencias que muestra la distribucién | de las energias cinéticas entre las & Enea cnétca _—_particulas de un gas en reaccién a luna temperatura absoluts determi- nade, T (en kelvins) (Figura 11.37). El érea bajo la gréfica de la Flgu- a 11.37 es proporcional al niémero 7 de particulas de gas. La gréfica muestra que un cierto nimero de pparticulas con energias cinéticas Teh iguales o superiores a la energla de activacion E, son capaces de reac- Cionar. A una temperatura superior fa (72, hay una mayor proporcién 0 porcentaje de partculas de gas con tenergias iguales 0 superiores a la tenergia de activacién y, por tanto, se pproducen més reacciones, con lo que la velocidad de reaccién aumen- Energia onétoa ta (Figura 11.38), ‘una temperatura, ‘una deterinad energia cinstica Probabidlad de que las moléculastengan 1m Figura 11.38 ‘Curvasde dstribucién de ‘MaxwellBoltzmann para das tomperaturas TT ‘ure deteminada entgia crétioa i i i a 3 8 i i l™ Presentacién de datos discontinuos Las gréficas construidas euniendo los puntos», como la que aparece en la Figura 11.39, son les para mostrar tendencias, Estrictamente hblando no se trata de una aréfica, y la forma de presentar este tipo de datos es inearrecta, porque el punto de ebulicién de los haluros «de tipo fidrégeno» no constituye un ejemplo de dates continuos. Pare presentar este tipo de datos seria més apropiado emplear un histograma. Figura 11.38 a Puntos de ebullicién dde algunas haluros de hidrégeno 250. 200 160. HF Hal Her 4 nto de ebulvk 404 11 Medida y procesamiento de datos m Representacién esquemitica de gréficas Cuando dibujamos una gréfica a partir de los datos experimentales, solomos utlizarel ee y para representar los valores de la variable dependiente y el eje x para representar los valores de la va. riable independiente. La variable dependiente es la variable que medimos después de que la variable independiente haya cambiado de valor. Por ejemplo, cuando representamos la variacién de la concentracién en funcién del tiempo, consideramos que la concentracién es la variable dependiente porque su valor depende del tiem. po (la variable independiente) Si realizamos un estudio en el que el volumen de un gas varia y registramos las variaciones re- sultantes en la presion, esta ser la variable dependiente y se representaré sobre el ejey. La representacién gréfica de la presi6n en funcién del volumen para una masa fjada de gas ideal a temperatura constante tiene forma de hipérbola (Figura 11.40). La gréfcailustra claramente la dependencia inversa entre la presién y al volumen. Podemos obtener una gréfica lineal para esta dependencia rapresentando la prosién en funcién de la fracci6n reciproca del volumen (Figura 11.41), lo que implica que el producto de la presién por el volumen seré una constante: pV = k. Esta ley se conoce como ley de Boyle (Capitulo 1). Laecuacién de una recta, y = mx + ¢, da lugar 8 la expresion p = m/V, que es equivalente a pV = constante. P Pp a) v vp 1m Figura 11.40 Representacién exquemstica 1 Figura 11.41 Representacién esquematica de ‘dela presi de un gas en funcién de su la presén de un gasen funcién dela fracciin volumen (ora una masa fiada de gas ideal 9 ‘recoroca del volumen (para una masa jada de temperatura constante) ‘925 ideal a temperatura constante) Relaciones exponenciales En quimica fisica encontramos a menudo relaciones exponenciales. A la funcién y = ef 0 y = ‘exply) se la denomina funcién exponencial. La forma e* se lee ae elevado a x y exp(x) se lee exponencial de xe, Las formas generales de la funcién exponencial que aparecen en quimica son y= AeXe y= Ae™, Estas funciones dependen de xtal como se muestra en la Figura 11.42. Las relaciones exponenciales que encontramos en el programe de Quimica IB incluyen lo rela- cién entre la temperatura y a velocidad, y entre la concentracién y el tiempo para una reaccién de primer orden (Capitulo 16). El dibujo de gréficas con los ejes convenientemente rotulados y divididlos en unidades segiin la escala aplicada constituye una parte esencial de la prosentacién y el andlisis de los datos cientiicos ‘uantitativos, y se puede utilizar para establecer la relacién entre las dos variables. Estes relaciones pueden ser de proporcionalidad directa, de proporcionalided inversa, hiverbélicas, exponenciales ‘© més complejas, como la curva de valoracién (Figura 11.43), que esté compuesta por dos curvas logaritmicas que se reflejan respecto a un punto central (punto de equivalencia). 11.2 Técnicas de representacién grafica 405 1m Fgura 11.42 Representacin ‘esquematica de una funcién exponencia! a positiva b negative 8 Figura 1143, ‘Curve de valoraciin ‘4cido-base generada ‘mediante el programa excel o & 2 Hel | 3 bbb is : He g og oe Fi Las representaciones gréficas se pueden utilizar también en muchas medides, por ejemplo, para determinar las tangentes a una curva, los cortes con los jes de una recta 0 de una curva o el gradion- +e de una curva. También se pueden emplear para realizar una interpolacién o una extrapolacién. Calculo de magnitudes a partir de graficas mediante la medida de la pendiente (gradiente) y los cortes con los ejes, incluyendo las unidades adecuadas El voltaje de una pila galvénica varia en funcién de la concentracién de una o de ambas semi- pilas (véase el Capitulo 24 en la pagina web que acompafia a este libro). Se conecta una semipila ‘compuesta por plomo sumergido en una dizolucién de iones plomo() a una semipila compuesta por un electrode de niquel sumergido en uns disolucién de iones niqueli). Las dos semipilas estén conectadas a través de un puente de sal y un voltimetro de alta resistencia. La concentra- cidn de nique\(l) se mantiene constante, mientras que la de plomo(t) se varia progresivamente (a tna temperatura constante de 25 °C) y se diluye cinco veces en un factor 10. Se mide el voltaje de la pila para cada concentracién: [PE (eoyimoldar? 7000x107 1000%107 100010 1.00010" 1,000.10" 1.000% 10% Diferencia de osc 00602-00310 ~——«0,0020»~—-0,00270 0.0561 potencial dela pila se plomo-niqual/V 406 11 Medida y procesamiento de datos 1 Figura 11.44 Representacion ‘rica de! voltaje de la pla en funcién de Jog, q(concentracién de on plomo(t) para tune pila galvénice de pplomo-niquel con una ‘oncentracién de on nique! de 1motder® Aut @ valor de Ey igual ade E* pa loa fF o®(e0) Para obtener una relacién lineal debemos tomar logeritmos en base 10 de las concentracio- nes de ion plomo(l). A continuacién representamos una gréfica (con una recta de ajuste) con el logo de la concentracién de ion plomot) sobre el eje x, ya que se trata de le variable indepen diente (Figura 11.44). Fjate en la extensin de las escalas para poder incluirniimeros negativos. El corte con el eje y de la recta de extrapolacién nos da el valor del voltaje de la pila on condiciones rrormales, cuando todas las concentraciones iénicas son de 1 mol dm Produccién e interpretacién de rectas 0 curvas de ajuste a partir de puntos experimentales y evaluacion de la pertinencia de considerar una funcion lineal Un estudiante ha realizado un experimento para investigar la descomposicién del tiosulfato de sodio, NagS,0s, en una cisolucién dcida diuids, En cada encayo, el estadiante ha mezelado une concentracién distinta de tiosufato de sodio con écido clorhicrico a temperatura constante y ha leterminade le velocidad de desaparicion de 5,052). ‘Concentracion inicial de fia,S,0,(ac)/ Velocidad inicial de desaparicign de ————————EE———— ee Ensayo moldnr? 1Na,S,0,"(ac)/moldm-?s" 1 0051 0.020 2 0076 0.030 aes “0.089 = 0,034 ed 4 0113 045 foe 0051 11.2 Técnicas de representacién gréfica 407 La concentracién inicial de disolucién de tiosutfato de sodio es la variable independiente porque es la que ha 0060 variado durante el experimento, por tanto, la representa- mos sobre la horizontal o je x. La velocidad de desapari- ién de tiosultato de sodio es una medica y varia porque asi lo hace la variable independiente. Es, por tanto, la va- Fiable dependiente y en consecuercia la representamos sobre la vertical o ejey. En la Figura 11.45 podemos ver una gréfica lineal a la o0t0. que hemos afadido una recta de ajuste. Los datos experi- 005 0.07 0,09 0,15 0,18 mentales muestran una cierta «dispersién respecto a la Concontacéninisalde recta, que tiene su origen en los errores experimental. Se nol ams En este caso podemos considerar la pertinencia de una tm Figure 1.45 Gréfca de a velocidad ~——_‘Tuncén lineal porque la teoria cinética predice una rela- Inicial de desaparicién en funeisn de 12 ion lineal Concentracian init de ines tosulfato BEE gE Velocidad nial de desapariciin de S,0;P alae = 12 Enel émbito dela quimicaexsten diversas rlaciones importantes de neturaleza exponenia, como por ejemplo ls relacion entre la presion de vapor ya temperatura La preson de vapor es la pesién de gas producida cuando un lquido alcanco el equilxio en el interior de un cecipiente selodo (sistema cerrede), Representa grafcamente ls {datos siguientes utiizando el pragrama Excel y aede une lines de tendenca para una func exponencil. Presién de vapor saturedo/mm Hg Temperatura/°C 48 0 © 13 Las enzimas (véase el Capitulo 23 en la pagina web que acompana a este libra) exhiben cnética de saturacién, Cuando la concentracin de sustrato es elevada, se dice que la enzima ests saturada respecto al sustrato, Cuando la concentracién de sustrato es baa, le actividad enzmatica respecto al sustrato es de primer orden, pero pasa a ser casi de orden cero cuando la concentracion de sustrato aumenta, Representa graficamante los siguientes datos de cinétice enzimStica y utliza una funcion logaritmica pare representar una hipérbola con la Concentracién de sustrato en el eja x la velocidad o activdad enzimatica an el ee y. Extrapalala curva para estimar la velocidad o actividad enzimstica maxima, Concentration de sustrato” Cantidad de producto formado/ tuimeldm> nanomoles por minuto 2 8.20 0 12.86 7 15351 00) 1795 150° x 200 2264 408 11 Medida y procesamiento de datos El concepto de correlacién se puede verificar en experimentos cuyos resultados se pueden representar graficamente Podemos generar fécilmente una recta de ajuste con el programa Excel mediante la funcién ‘afiadir linea de tondencia» (Figura 11.46). Esta herramienta ofrece un répido test de la lineal de nuestros datos de calibracin y también nos permite visualizer tanto la ecuacién de la recta de ajuste como el coeficiente de correlacién, determinados mediante la técnica matemitica del anal. sis de regresién lineal. i riguea 1148 is a _._ Elcoeficiente de correlacin lineal, R, es una me- pees _——— dida de la cercania entre los puntos experimentales ‘he teeencis cone! Rew | pm ta vacta, Sol caaficlente da comlacion ee a el programa Excel SE eu | Bom ajuste lineal es perfecto y la recta describe los datos dde forma oxacta. Un valor de R igual a0 indica que a ‘no existe correlacién lineal y, por tanto, la recta de ajuste no describe los datos en absolute. Lo desea- ble es que el valor de R esté cerca de 1. El signo de R indica la pendiente de la racta de regresién Con frecuencia se mide también el cuadrado del co- eficiente da correlacién (Fi) “V4 Introduce jos siguientes datos de calbracin espectrascopicos en el programa Excal y represéntaos raficamente {insertardlagrama de dispersion XY) y después afade una ecta de aust (frimero obtener el diagrama y después ‘fad ines de tendenci). Visualza en el grdfico la ecuacin de areca evaorF. ee Intensidad de emision/unidades arbitrarias __Concentraci6n/pleogramos por centimetre cablco 22. 2.0 En quimica existen muchas relaciones no lineales, entre las que se encuentran las curves si- guientes: exponenciales (por ejemplo, velocidad y constante de velocidad en funcién de la tempe- ratura) hipérbolas o curvas logaritmicas (cinética de reaccién y curvas de valoracién) y parsbolas {Por ejemplo, una representacién de la presién en funcién del velumen a temperatura constante). 15 Busca en internet datos anuales sobre temperaturas globales yrivelesatmostércos globales de dixido de carbon, Los siguientes stios web te pueden resuita ies: Scripps Oceanic Institute en Mauna Loa ito./scroysco2 usd eduldatan. tu o2/montymloesy NASA: tipsdtaiss.nasagougstempaph 8! 16 Dita una gréfica dal en la que se repesenten la termperatura global yl rvelesatmsércosglobales de dildo de carbono sobre lee vertical en funcin del afo. Comenta la araficay analiza si existe alguna correlacion visual etre las dos vaiables. Cuando consideres la posi lida de exstencia do una rlaedn eaueal entre le variable. ten en euentn tanta lac prenes aries oho lor actividades humans, 11.3 Identificacién espectroscépica de compuestos organicos Las técnicas analiticas se pueden emplear para determinar la estructura de un compuesto, analizar la composicién de una sustancia o determinar la pureza de un compuesto. Las técnicas espectroscépicas se utilizan en la identificacion estructural de los compuestos orgénicos e inorganicos lm Indice de deficiencia de hidrégeno Los quimicos pueden obtener informacién sobre la estructura de un compuesto a partir de su formula molecular sin necesidad de recur al andlisis de una resonancia magnética nuclear (RMN) 11.3 Identificacién espectroscépica de compuestos orgénicos 409 © de un espectro de infrarrojos (IR). Uno de los métodos empleados para ello es el estudio del dice de deticiencia de hidrégeno (IDH), que permite a los quimicos determinar el grado de insatu- racién, es decit, el nimero de enlaces dobles carbono-catbono (enlaces pi) 0 los anillos que contiene una molécula, o ambos. Si uizamos las férmulas generales de los alcanos (C,H) y de los alquencs/cicloaleanos (C,H), ebtenemos una diferencia de stomos de hidrégeno igual 2 2, dado el mismo nimero de dtomos de carbono (n. La divisi6n entre dos de la diferencia de étomos de hidrégeno nos da un valor del indice de deficencia de hidr6geno 0 indice de insaturacién igual a 1. Este indice nos proporciona la informacion de que la molécula contiene un enlace dole o un anillo. Para determina el indice de deficiencia de hickégeno de un compuesto podemos seguir las eta- pas que se muestran a continuacién y en las que se toma como ejemplo el compuesto CzH,CINg. 41. Determinamos la férmula del hidrocarburo aciclico, saturado, que contiene el mismo numero de Stomos de carbono que ol compuesto que estamaz considerando: CsHi2 2. Ajustamos Ia férmula de la etapa 1 para el elemento o elementos presente(s) en el compuesto ‘que estamos considerando, Para cada grupo de 1 étomos, afiadir un étomo de H y para cada ‘grupo de 17 étomos, eliminar un étomo de H. Para los grupos de 16 dtomos no hace falta rea- lizar ningun cambio. ‘Ajiadimos 4 étomos de N, por tanto afiadimos 4 étomos de H: CsHygNa ‘Afiadimos 1 étomo de Cl, por tanto eliminamos un atomo de H: CoHysCIN, 3. Determinamos la diferencia de étomos de hidrégeno entre la formula real del compuesto y la dele etapa 2: 15-3=12 4 Dividimos la diferencia de étomos de hicrégeno entre 2: 12+2=6 El indice de deficiencia de hidrégeno es 6. & Determinaci6n del IDH a partir de una formula molecular Para determinar el IDH podemos seguir las etapas descritas anteriormente o bien aplicar la si- uiente férmula general: IHD = 05 x [20+2—h- x40] que se aplica a la fSrmula molecular genérica C.HsN,OoXe Sneed Determina el IDH apart de ls formulas lecuaes siguientes 2 Cetho Bb CeHy © CaO od CN 8 GC, f GND 2 j sana 2 0n=2, porque fe x2) + 2 10) b 10 =4, porque Ma x6)+2-6]=4 € 1OH= 1,porque 4x4) +2~8]=1 4 f= 1,porque 424) 42-941 «14-2, porque M2 «2)+2-21=2 £ IDH=5,porque 7+1-35+05=5 17 Deuce el nimero de equivalentes de enlace dob para as moléculas siguientes a CHACHCH,OH b CHICH\CHO © CHICH),CH,Br 410 11 Medida y procesamiento de datos 66 @ Técnicas analiticas En quimica analitca se utilizan diversas técnicas ¢ instrumentos para obtener informacién sobre las sustancias quimicas. El andlisis cualitativo es la identificacion de los elementos y los compues- tos presentes en una muestra. El andlisis cuantitativo es la determinacién de las cantidades de elementos o compuestos presentes en una mezcla y se emplea a menudo para asegurar que los niveles de contaminantes se encuentran por debajo de unos niveles especificos. El andlisis estruc tural consiste en la determinacién de la estructura de moléculas y materiales, y en la identificacion de los grupos funcionales. Las técnicas analiticas que se emplean en el andlisis cualitativo incluyen las pruebas de colora C=O. 100. Factor de transmisién 2n 6 25 ‘4000 3600 3000 2600 2000 1800 +1000) do ‘Nimera cle orelaen-? 11.3 Identiticacién espectroscépica de compuestos orgénicos 417 Figura 14.58 ao Expect de de! ‘icohexano R s 3 aT IEE ETE SE can See ee 4060 3800 3060 2800 2000 rr) 700 30 Neer do onda Figura 1159 fo Espectro de IR del cidohexene ® 8 5 i “obo 860 060 2060 2000 1300 0b 30 Nemro do onda wm Figura 1.60 Expect de de! ‘etibencene : 3 : 40m 8800 8050 28b0 2000 1200 100 38 Namere doar? 1 Figura 11.61 oa Espectro de IR del ‘metanol . & 5 4 obo 3800 3060 2800 2060 7800 Tob a Nimera da ordafon-! 418 11 Medida y procesamiento de datos 1m Figura 11.62 Espectro de R de la ‘propanona 1m Figura 11.63 Espectro de i del etorietano fm gura 14.64 spectro de R del etanoato de eto 1m Figura 11.65 {spectro de IR de!

    You might also like