‘eR WWWTRIBUCION DE LAS HEDIDAS Y EBROBES 2.1 INTRODUCCION En las tareas usuales de experimentacién se observa con frecuencia que varias medidas de la misma propiedad, bajo las mismas condiciones, poseen cierta discrepancia unas con otras; asi en Ja determinacién del tiempo de algan evento, como el de la caida de un objeto a partir del Teposo, los tiempos cronometrados para la altura de caida H = 60 cm pueden ser: 0,351 s; 0,348 s; 0,353 s. Por otro lado, en las labores cotidianas de los profesionales ligados a la produccién se observan también hechos similares, por ejemplo, en una fabrica de gaseosas, en Jas cuales se envasa el producto en recipientes de 1 litro, al medir los volimenes de varios frascos, se pueden obtener valores como: 1,06 It; 0,970 It; 1,10 It; etc.. En ambos ejemplos, el valor a ser reportado debe ser uno solo. Para ello, los cientificos, ingenieros y todos los que de alguna manera estan relacionados con las medidas deben recurrir a la estadistica. A lo largo de este capitulo el lector vera que ningun instrumento es totalmente exacto, en consecuencia, toda medida lleva consigo un cierto grado de incertidumbre, debiendo expresarse entonces en la forma: x=x+tE, donde x se denomina de diversas maneras: valor medio, valor esperado, valor central, valor mas probable, promedio aritmético, esperanza matematica, etc., y Ex es el error del valor medio. Del cdlculo de X y E, trataremos mas adelante, sin embargo, como ejemplo podemos mencionar que el didmetro de cierto eje puede escribirse como D=(7,8+0,2)mm; donde el numero de decimales del error E, guarda relacion con el numero de decimales del valor central x , debiendo evitarse expresiones del tipo: D=(7,8+0,0002)mm 6 D=(7,835+0,2)mm. En este capitulo, para tratar los aspectos relacionados con las medidas, emplearemos'conceptos de la estadistica sin profundizar en sus demostraciones. Escaneado con CamScanner2.2 VALOR VERDADERO O EXACTO Importante Cuando Ia magnitud a medir es una variable discreta, es posible conocer el valor verdadero, ya que en este caso la medida se obtiene por conteo, por ejemplo numero de estudiantes en una clase o ntimero de focos producidos por cierta fabrica en un dia. . Si la variable es continua, didmetro de un cilindro por ejemplo, debido a las limitaciones del instrumento de medida y a las del sujeto que efectia la medicién, no es posible conocer el valor verdadero y éste solamente sirve como una referencia teérica al cual tiende el valor experimental. Debe notarse que precision y exactitud no son sindnimas, aunque muchas veces sé usan indistintamente y en consecuencia incorrectamente. Escaneado con CamScannerEJEMPLO 2.1 La figura 2.1 ilustra los términos de exactitud y precisién. VALOR VERDADERO u 1° serie Exacta y de medidas precisa 2° serie : Precisa e de medidas inexacta 3° serie : Inexacta e de medidas imprecisa —_———_—— MAGNITUD DE LA MEDIDA Figura 2.1: Exactitud y precision 1° serie de medidas: Estas son precisas puesto que la diferencia entre ellas es pequefia y, son ademés exactas, por cuanto se hallan cerca del valor verdadero. 2° serie de medidas: Son precisas e inexactas, porque se hallan alejadas del valor verdadero (1), pero muy cercanas unas a otras. 3° serie de medidas: medidas imprecisas, debido a que la diferencia entre ellas es grande, e inexactas por hallarse alejadas del valor verdadero. Nota: No es posible que un conjunto de medidas sean imprecisas y exactas a la — vez. 2.4 CLASIFICACION DE ERRORES Algunos de los conceptos vertidos en este texto pueden obtenerse de las publicaciones de la Internacional Organization for Standarization (ISO 35343) a través de la pagina de Internet del National Institute of Standard and Technology (NIST) de los EE.UU.. (http://.nist.gob La clasificacién de los errores de medicién puede efectuarse considerando: i) su origen, 6 ii) segdn su cardcter. Escaneado con CamScanner2.4.1 2.4.1.1 2.4.1.2 2.4.1.3 ERRORES SEGUN SU ORIGEN ERRORES INTRODUCIDOS POR EL INSTRUMENTO En un instrumento correctamente calibrado, medicién se halla determinada en la minima ‘ios a la capacidad de a) Error de apreciacién (E,,): la incertidumbre al realizar la division de su escala, Debe notarse que nos referi apreciacién del observador, asi un experimentador entrenado puede apreciar por ejemplo en una regla fracciones del milimetro; mientras que otro observador con deficiencias de visién y con la misma regla solo puede apreciar 2 milimetros. b) Errror de exactitud (Eexa:): instrumento en cuestién ha sido calibrado. Se relaciona con el error absoluto con que el ERROR DE INTERACCION interaccién entre el método de me: mediante un anil Este error proviene de la it dicién con el objeto a medir, Su determinacién se estima isis cuidadoso del método usado. Lo denotaremos como Ein: FALTA DE DEFINICION EN EL OBJETO SUJETO A MEDICION Este error (Epes) se debe a que las magnitudes a medir no estin definidas con infinita precisién. Este es el caso cuando se quiere determinar e! diametro del tronco de un arbol. Todas estas imprecisiones estarén presentes siempre en la medicién, algunas en mayor proporcién que otras; todos estos errores son independientes unos de otros, entonces puede definirse el error nominal de una medicién (Eyom) como: 2 — 72 2 2 Exo = Evy + Exe + Ein + Eby 2.4.2 ERRORES SEGUN SU CARACTER 2.4.2.1 ERRORES SISTEMATICOS Escaneado con CamScannerEn el siguiente ejemplo le ilustramos este concepto. EJEMPLO 2.2 8) —Medidas con error sistematico y sesgo positivo, Valor verdadero 1° serie de eoce Medidas con medidas sesgo positivo 2° serie de ecco Medidas con mayor medidas sesgo positivo ——_—___» Magnitud de la medida Figura 2.2(a): Mediciones con sesgo positive b) Medidas con error sistematico y sesgo negativo Valor verdadero 1° serie de * Medidas con medidas sesgo negativo 2° serie de Medidas con mayor medidas sesgo negativo —_— Magnitud de la medida Figura 2.2(b): Mediciones con sesgo negativo Entre las causas que originan estos errores podemos citar: (a) Debido a calculos i) Empleo de una ecuaci6n en su forma mas simple. Por ejemplo, para un resorte en oscilacién, la constante de tigidez k calcula por Ja ecuacién: m = masa del resorte 4( +2) Donde: M = masa del cuerpo oscilante 72 T = periodo de oscilacién k= Escaneado con CamScannerCuando la masa del resorte es muy pequefia comparada con la del cuerpo oscilante (m << M ), es posible despreciar m frente a M; luego la anterior ecuacién en.su forma simple se escribe: 4M k= 7? Note que los valores de k calculados por la ultima ecuacién siempre serén ligeramente inferiores a los calculados por la expresién sin simplificaciones. En este caso el sesgo es negativo (error por defecto). ii) Uso de un valor constante equivocado EI peso de un objeto se calcula con la ecuacin: W=mxg Donde el valor de la gravedad g varia segiin la distancia al centro de la tierra. Por ejemplo, si deseamos calcular pesos en la ciudad de La Paz, deberiamos emplear 9,775 m/s* y no 9,81 m/s? que es el valor al nivel del mar. Con g = 9,81 m/s’ el error es por exceso y el sesgo positivo. (b) Debido a los instrumentos de medida \ i) Error de cero. Este error se presenta debido a la existencia de algtin defecto en el cero del instrumento, por ejemplo, consideremos una regia la cual por el uso excesivo sufrié desgaste, como se muestra en la figura 2.3. Las graduaciones son correctas, pero el desgaste en la regién del ce: que sistematicamente leamos valores ligeramente mayores. Regla en mal estado To, hace Regla en buen estado Figura 2.3: Error de cero Este error es frecuente en instrumentos como: vernier, micrémetro, pipetas, balanzas, algunos instrumentos de lectura con aguja, etc. Escaneado con CamScannerii) Error de calibracién Regla mal calibrada Los instrumentos pueden venir mal calibrados desde fabrica o descalibrarse por uso excesivo y descuidado. Para el primer caso, la escala del instrumento no corresponde a los valores correctos; para el segundo tenemos una gran variedad de situaciones: Por ejemplo, Figura 2.4: Error de calibracin balanzas y crondémetros que van descalibrandose poco a poco, citaremos también el caso de las buretas, pipetas, matraces aforados, que cuando en ellas se mide volimenes de liquidos calientes, estos materiales al enfriarse no vuelven a su tamafio original, quedando por lo tanto con descalibracion permanente. Por todo ello, es conveniente comprobar periddicamente el estado de la escala de cualquier instrumento. Regla bien calibrada (c) Debido a las caracteristicas del observador i) Error de paralaje Al realizar medidas con una regla, si la linea visual del observador no es perpendicular a la escala del instrumento, entonces se comete el error de paralaje. Lectura correcta Figura 2.5: Error de paralaje En el uso de instrumentos de medida analdgicos como el amperimetro y el voltimetro, el observador tiene la tendencia:a situarse a la izquierda o derecha de la aguja que sefiala la medida. Es también frecuente este error en Ia Jectura de buretas, pipetas, probetas y otros instrumentos de Escaneado con CamScannermedida de Volumen, el . observador itt .. mer ae. se sitia ‘ . msco que forma el liquido y a escata del instumennen® © “4 el La manera de i , : Corregir los errores si ji ‘ luego sumar o restar sistematicos es cuantificar el monto del error, y esta cantidad, segiin sea el caso, al resultado de la medida. 2.4.2. 4.2.2 ERRORES CASUALES, ALEATORIOS 0 FORTUITOS + — Los cambios bruscos de la temperatura del ambiente, que por dilataci6n o contraccion, pueden cambiar la longitud de los objetos metalicos. + — La presencia de corrientes de aire que pueden desviar la posicién de la aguja indicadora de una balanza sensible. ¢ En la determinacién del tiempo, es frecuente que el experimentador pulse el crondémetro ya sea con anticipacién o con retardo. 4 En la lectura de las longitudes con reglas u otros instrumentos por lo general las limitaciones del sentido de la vista, provocan lecturas diferentes para la misma longitud. + El cansancio del observador luego de varias horas de trabajo, disminuyéndole su capacidad visual y la rapidez de sus reflejos. Los errores fortuitos afectan indistintamente el resultado de una medida ya sea por exceso 0 defecto, en consecuencia, son dificiles de corregir. El modo de minimizar estos errores es realizar varias medidas, y en lo posible, en distintas condiciones, ya que no en todas ellas esperaremos la presencia del mismo error. 2.4.2.3 FALTAS GRAVES O ERRORES GRUESOS Estos errores afectan grandemente el resultado de una medida, y normalmente se deben al observador ya sea por una mala toma de datos o el uso de una ecuacién equivocada. Por ejemplo, si a masa de cierto objeto se muestra en la balanza como 3,8 g, el experimentador puede anotar 8,3 g. Y si estamos interesados en calcular el volumen de una esfera, en lugar de emplear la ecuacién correcta 4 mR , equivocadamente se emplee inR?. Escaneado con CamScannerla de volumen, el observador se sitti i i i » el ol a por encima o debajo del menisco que forma el liquido y la escala del instrumento. _ i manera de corregir los errores sistemdticos es cuantificar el monto del error, y luego sumar o restar esta cantidad, segtin sea el caso, al resultado de la medida. 2.4.2.2, ERRORES CASUALES, ALEATORIOS O FORTUITOS que por dilatacién 0 s objetos metalicos. n desviar la posicién de la ¢ Los cambios bruscos de la temperatura del ambiente, contraccién, pueden cambiar la longitud de lo: + La presencia de corrientes de aire que puede aguja indicadora de una balanza sens' ible. ¢ En la determinacién del tiempo, es frecuent el cronémetro ya sea con anticipacién 0 con retardo. " ¢ En la lectura de las longitudes con reglas u otros instrumentos por lo general las limitaciones del sentido de la vista, provocan lecturas diferentes para la misma longitud. El cansancio del observador luego de varias horas de trabajo, disminuyéndole su capacidad visual y la rapidez de sus reflejos. te que el experimentador pulse Los errores fortuitos afectan indistintamente el resultado de una medida ya sea por exceso o defecto, en consecuencia, son dificiles de corregir. E] modo de minimizar estos errores es realizar varias medidas, y en lo posible, en distintas condiciones, ya que no en todas ellas esperaremos la presencia del mismo error. 2.4.2.3 FALTAS GRAVES O ERRORES GRUESOS Estos errores afectan grandemente el resultado de una medida, y normalmente se deben al observador ya sea por una mala toma de datos ° el uso de una ecuacién equivocada. Por ejemplo, si la masa de cierto objeto se muestra en la balanza como 3,8 g, el experimentador puede anotar 8,3 g. Y si estam interesados en calcular el volumen de una esfera, en lugar de emplear ‘a a 4op3 : ecuaci6n correcta +7R° , equivocadamente se emplee 3nR 2 Escaneado con CamScannerPara corregir estos errores, solamente es necesario mayor cuidado y concentracién en el trabajo. 2.4.2.4 ERRORES ILEGITIMOS 0 ESPURIOS Este error se halla asociado al concepto de equivocacién y se refiere al hecho de introducir en alguna ecuacién un valor equivocado o usando unidades incorrectas, también se refiere al empleo de expresiones incorrectas. Conocido es el ejemplo dei error ilegitimo cometido por los ingenieros de la NASA, publicado en el periédico “E/ Mundo” de Barcelona, que en su edicién del 8 de diciembre de 1999 en uno de sus parrafos sefiala: “En septiembre, la NASA perdié le Mars Climate Orbiter, otra sonda que costé 125 millones de délares, y que desapareciéd porque los mismos ingenieros que ahora han Sracasado se olvidaron de traspasar las libras y millas a kilogramos y metros respectivamente”. 2.5 DEFINICION DE ERRORES 2.5.1 ERROR ABSOLUTO INDIVIDUAL Es la diferencia entre un valor experimental x; y el valor exacto pL. e; =X, -p : 2.1) 2.5.2 ERROR ABSOLUTO DEL CONJUNTO Es la diferencia entre el valor medio, X, y el valor exacto jL. E=x-p . (2.2) Puesto que el valor exacto 1 es siempre desconocido, no pueden calculars directamente el error absoluto (E) ni el error individual ¢;. Sin embargo, la herramientas de la estadistica, como veremos mas adelante, permiten estimar su valores. 2.5.3 ERROR RELATIVO El error relativo, €, es el cociente del error absoluto E entre el valor.medio X. €= >i | ot (2.3) Escaneado con CamScannerEs el error relativo multiplicado por 100. ey =(€)x100= Exct00 @4) 2.6 CONCEPTOS DE ESTADISTICA 2.6.1 CLASIFICACION La estadistica se clasifica en: Estadistica descriptiva y estadistica inferencial " La estadistica descriptiva describe el comportamiento de un conjunto de datos mediante su media, su varianza, su desviacién estandar, etc. La estadistica inferencia, a partir de los resultados que arroja una muestra, infiere, supone, que la poblacién entera se comportara de la misma manera, es decir, tendra la misma media y varianza que la muestra. 2.6.2 POBLACION Y MUESTRAS Poblacién es un conjunto de objetos reales o conceptuales, y en laboratorio es un conjunto de mediciones u observaciones. La poblacién puede ser infinita o finita. Escaneado con CamScannerEJEMPLO 2.3 a) Poblacién infinita: didmetro de un cilindro. b) Poblacién finita: Cantidad de tabletas de vitamina C que se produce durante un dia de trabajo en una fabrica. Numero de medidas que se puede efectuar del ita, no es posible medir todos sus valores; atin en el caso de determinar todos los valores puede resultar impracticable que son porciones inferir los Si la poblacién es infini las poblaciones finitas, y/o costoso, razén por la cual es necesario recurrir a muestras, 0 partes de la poblacién, y luego a partir del resultado de las muestras, resultados relativos a la poblacién entera. es necesario que la muestra sea ito, se recurren a las Iamadas iiferenciar muestra aleatoria del \do todos los miembros de la s, mientras que el Para que estos resultados sean utiles, representativa de la poblacién, y con ese propési muestras aleatorias. En este punto es necesario di muestreo al azar, una muestra es aleatoria cuan poblacién tienen la misma posibilidad de ser seleccionado: término al azar corresponde a casual y no a aleatorio. EJEMPLO 2.4 Para determinar la cantidad total de cloruro de sodio (sal comin) que existe en el mar, debe someterse a andlisis todo el agua de mar; de hecho esto no es posible, por ello se toman muestras pequetias y a partir de los resultados, se estima la cantidad total de cloruro de sodio. , EJEMPLO 2.5 Durante la fabricacién de cualquier producto, por ejemplo focos, para analizar la calidad del producto es necesario tomar una muestra de manera periédica, cada hora por ejemplo, Si deseamos conocer el tiempo de vida util del foco se ensayara el mismo hasta quemarlo (ensayo destructivo), lo cual evidentemente no puede efectuarse sobre toda la poblacién. 2.6.3 MEDIDAS DE TENDENCIA CENTRAL ICA Escaneado con CamScannerAdemas ia aritmética, X i acm ae iar aritmetica, X se denomina: valor medio, valor central, valor esp » Valor mas probable, promedio aritmético, esperanza matemitica, t un conjunto de medidas, que seguramente diferiran unas de otras, el valor que inalmente debemos reportar es la media aritmética. OTRAS MEDIDAS DE TENDENCIA CENTRAL A parte de la media aritmética, existen otras medidas de tendencia central como la mediana y la moda, las cuales sin embargo no expondremos en este texto por que su ambito de aplicacién es otro. 2.6.4 MEDIDAS DE DISPERSION: | * VARIANZA Y DESVIACION ESTANDAR ‘Un conjunto de medidas de la misma propiedad, en ausencia de errores sistematicos, se caracteriza porque no todas son iguales, esto debido a errores fortuitos que no pueden evitarse, de manera que dichas medidas se encuentran alrededor de la media (X) con cierta dispersién. Si bien el valor de X reporta el valor mas confiable, no nos dice nada acerca del grado de dispersién de las medidas. La cuantificacin de dicho grado de dispersién se efectiia mediante indicadores estadisticos como la varianza y la desviaci6n estandar. En un conjunto de medidas x, %2, x, con media X, las siguientes diferencias (x,-X), (%)-X), , (X,-X) se denominan desviaciones individuales respecto la media. Resulta natural pensar entonces que el promedio de estas desviaciones sea la medida del grado de dispersién, sin 0 embargo esto no es posible porque su suma siempre es cero, ))(x; —X)=0. isl La anterior suma tiende a cero porque las desviaciones individuales negativas anulas a las positivas, para superar esta dificultad se eleva al cuadrado las desviaciones individuales, obteniéndose las desviaciones cuadraticas (x, -X)? = 2 . (x2 -X)*, «5 (Xq —¥)*. A partir de tales valores se define la varianza de la Escaneado con CamScannerLa razén de dividir entre n-1, se debe a que solo n-1 de Jas n desviaciones (x; —X)son independientes, ya que la desviacion restante se calcula de la ecuacién Dx; -x)= 0. la varianza son el cuadrado de las unidades como medida de Puesto que las unidades de originales, se prefiere emplear la desviacién estdndar (s) dispersién, y esta definida como Ja raiz cuadrada de Ja varianza: Note que la desviacién estandar tiene las mismas unidades que las del promedio o medidas originales. EJEMPLO 2.6 En una fabrica de frutas en conserva, se extrajeron 6 frascos con el propésito de obtener la masa de éstos, los resultados de la medicién son: i 2 3] 4 3 6_| 50,5 | 249,7 | 2513 | 248,9 | 252,6 | 247,7 Determine: a) la media, b) la varianza y c) la desviacién estandar. SOLUCION Previamente elaboramos la siguiente tabla n ul (x, -%? 1 250,5 0,4 0,16 2 249,7 - 0,4 0,16 3 251,3 1,2 1,44 4 248,9 = 1,2 1,44 5 252,6 2,5 6,25 6 | 247,7 -2,4 5,76 = | 1500,7 15,21 “ Escaneado con CamScannera) Dela tabla y con la ecuacién (2.5): x ' 1500,78 2250.1 g n T\2 25 ox) 5 21g? Redondeo El promedio x, del ejemplo 2,6, con todos los decimales es 250,116666: sin embargo el resultado final ha sido redondeado a un decimal porque las medidas originales poseen un solo decimal; del mismo modo se procedié cons’ys. Cor el fin de facilitar el cdlculo de la desviacién estindar, se sustituye (2.5) en (2.7), para obtener: (2.8) Escaneado con CamScannerEJEMPLO 2.7 A dos grupos de estudiantes A y B se ha encargado medir el tiempo en caida libre de un objeto desde cierta altura. Los resultados se muestran en la siguiente tabla. Calctilese: a) Los valores medios. b) La dispersién de cada conjunto de datos, 1 2 3 4 5 6 | 2,46 | 2,45 | 2.47 | 2,45 | 2,46 | 2,47 | 2,46 2,44 | 2,48 | 245 | 2,47 | 2,43 | 249 | 2,46 | SOLUCION Previo a los calculos elaboramos la siguiente tabla: GRUPO A GRUPO B a 6) t 6 t 1 2,46 6,0516 2,44 5,9536 2 2,45 6,0025 2,48 6,1504 3 2,47 6,1009 2,45 6,0025 4 2,45 6,0025 2,47 6,1009 5 2,46 6,0516 2,43 - 5,9049 6" 2,47 6,1009 2,49 6,2001 7 2,46 6,0516 2,46 6,0516 = 17,22 42,3616 17,22 42,364 a) Con la ecuacién (2.5) - t; 17, i, ete 1228 _ 946s n 7 e t 17 ip otis 1228 _ 2 46s n 7 b) Con la ecuacién (2.8) 2 42,3616 - 222) Sa= =i =0,01s Escaneado con CamScanner(17,22)? 7 = 0,02: 71 02s Este ejemplo permite mostrar la importancia del cdlculo de la desviacién estindar, ya que dos muestras A y B pueden tener medias aritméticas iguales (X,q =Xg), pero distintos grados de dispersién (sg >S 4) Grado de dispersion B A Sp> Sa CALCULOS DIRECTOS POR CALCULADORA Con el fin de ahorrar el tiempo empleado en elaborar tablas como las que se muestra en los ejemplos 2.6 y 2.7, a menudo, los cdlculos éstadisticos se los efectia directamente pot calculadora, para lo cual se recomienda los siguientes pasos: Seleccionar el modo SD (calculos estadisticos) Borrar los datos anteriormente almacenados Introducir los nuevos datos Verificar el nimero de datos almacenados (verificar n) Obtener los valores de: _X, 6, etc. La combinacién de teclas para el acceso a cada uno de los pasos seflalados varia segtin el modelo de cada calculadora, por ello, sugerimos que el lector consulte su manual respectivo. Escaneado con CamScannerCAPITULO 2: Errores 33 Para una poblacién finita con N elementos, si se efecttian las medidas de los N elementos, la media se constituye en el promedio verdadero . En el caso de Poblaciones infinitas, si se realizan un nmero muy grande de medidas (N), la media ¥ se aproxima al promedio verdadero. Luego la media p y Ia desviacién estandar o de la poblacién se calculan seguin: IMPORTANTE (2.9) Para una poblacién finita con N elementos (medidas) la desviacién estindar puede también calcularse con la ecuacién: (2.10) Sx; -p)? a N En resumen, la media X y la desviacién | Note que el denominador de la estindar s de Ja muestra, son solo | ecuacién (2.10), N-l, se ha aproximaciones de la media py la | cambiado porN. La justificacién de desviacién estindar o de la poblacién. Sin | °S¢ cambio es que cuando N es embargo en la practica, es usual empleara x |” yw ae ae y a como buenos estimadores de ft y c. as 2.7 FRECUENCIA Y FRECUENCIA RELATIVA La frecuen J, es el nimero de veces que se repite una medida, EJEMPLO 2.8 La tabla 2.1, muestra los resultados de las mediciones de la arista de un cubo. Tabla 2.1: 50 medidas de la arista de un cubo (cm) 2,65 _|2,64 |2,65 |2,66 |2,69 |2,63 [2,66 [2,64 [2,64 2,62 2,66 |2,61 |2,65 |2,66 |2,67 |2,64 |2,63 [2,65 |2,67 2,65 2,68 |2,65_|2,62 |2,66 |2,63 [2,64 [2,65 [2,68 [2.69 2,66 2,64 |2,63 |2,65 |2,64 |2,65 [2,65 [2,66 [2,64 [2,67 2,68 2,65 |2,64 |2,63 |2,64 [2,66 12,66 [2,65 [2,67 12.67 12.65 Escaneado con CamScannerCAPITULO 2: Errores 33 Para una poblacién finita con N elementos, si se efecttian las medidas de los N elementos, la media se constituye en el promedio verdadero . En el caso de poblaciones infinitas, si se realizan un nimero muy grande de medidas (N), la media X se aproxima al promedio verdadero. Luego la media p y la desviacién estandar o de la poblacién se calculan segiin: En resumen, la media X y la desviacién la muestra, estandar s de aproximaciones desviacién estindar c de la poblacién. Sin embargo en la practica, es usual emplear a X de Ja media (2.9) (2.10) son B y y aS como buenos estimadores de 11 yc. solo la IMPORTANTE Para una poblacién finite con N elementos (medidas) la desviacion estindar puede también calcularse con Ia ecuacién: Note que el denominador de la ecuacién (2.10), N-I, se ha cambiedo por N. La justificacion de este cambio es que cuando N es muy grande, entonces =N. 2.7 FRECUENCIA Y FRECUENCIA RELATIVA La frecuencia, f es el nimero de veces que se repite una medida. EJEMPLO 2.8 La tabla 2.1, muestra los resultados de las mediciones de la arista de un cubo. Tabla 2.1: 50 medidas de la arista de un cubo (cm) 2,65 2,64 2,65 2,66 2.69 2,63 2,66 [2,64 | 2.64 2,66 2,61 2,65 2,66 2,67 2,64 2,63 12,65 | 2,67 2,68 2,65 2,62 2,66 2,63 2,64 2,65 |2,68 |2,69 2,64 2,63 2,65 2,64 2,65 2,65 2,66 |2,64 |2,67 2,65 2,64 2,63 2,64 2,66 2,66 2,65 [2,67 |2,67 Escaneado con CamScanner34 CAPITULO 2: Errores La medida 2,61 cm se repite una vez, por ello su frecuencia es 1 de 50; la medida 2,62.cm se repite 2 veces de 50. La tabla 2.2 resume las frecuencias de las medidas’ Tabla 2.2: Frecuencia de las medidas correspondiente a Ia tabla 2.1 Medida(cm) | Frecuencia (f) 2,61 1 2,62 2 2,63 5 2,64 10 2,65 13 2,66 9 2,67 5 2,68 3 2,69 2 La frecuencia relativa (f.) se determina mediante: fy.) = £ n 1 50 . 2 de la medida 2,62: 2) (2,62) “307 0,04; la tabla 2.3 resume estas Asi la frecuencia relativa de la medida 2,61 es, Fret (2,61) =" = 0,02, frecuencias relativas. Tabla 2.3: Frecuencias relativas, correspondientes a las medidas de Ja tabla 2.1 Medida (cm) | Frecuencia relativa (fa) 2,61 0,02 2,62 0,04 2,63 0,10 2,64 0,20 2,65 0,26 2,66 0,18 2,67 0,10 2,68 0,06 2,69 0,04 SUMA 1 Escaneado con CamScanner