Materia: Programación

Tarea #2: Evaluación de Datos Analíticos

Carrera: Ciencias de la Ingeniería
Estudiante: Miguel Angel Cisneros Aleman
Maestro: Dr. David Enrique Castro Palazuelos
Hora de clase: lunes y jueves 10:00-11:30
Fecha: 03/09/2022
Índice
Precisión .............................................................................................................................................. 1
Exactitud.............................................................................................................................................. 1
Diferencia entre precisión y exactitud ................................................................................................ 1
Medidas de error................................................................................................................................. 1
Error Absoluto ................................................................................................................................. 1
Error Relativo .................................................................................................................................. 2
Errores aleatorios ................................................................................................................................ 2
Errores sistemáticos ............................................................................................................................ 4
Errores instrumentales .................................................................................................................... 5
Errores personales .......................................................................................................................... 5
Errores de método .......................................................................................................................... 5
Ejemplos .............................................................................................................................................. 5
Aplicaciones......................................................................................................................................... 6
Observaciones ..................................................................................................................................... 6
Conclusión ........................................................................................................................................... 6
Trabajos citados .................................................................................................................................. 7
Anexos ................................................................................................................................................. 7

Tabla de ilustraciones
Ilustración 1: Exactitud y Precisión ISO 5725 ...................................................................................... 1
Ilustración 2: Mediciones repetidas de absorbancia .......................................................................... 2
Ilustración 3: Distribución de la frecuencia de los datos .................................................................... 3
Ilustración 4: A, histograma de distribución resultados de la ilustración 3 y B, curva gaussiana de
datos con la misma media y desviación estándar de A....................................................................... 3
Ilustración 5: Error sistemático en los resultados analíticos ............................................................... 4
Precisión
La precisión describe la concordancia entre los valores numéricos de dos o más mediciones
repetidas o que se han efectuado exactamente de la misma forma. La precisión de un método
analítico se obtiene con facilidad mediante la simple repetición de la medida, (Skoog, 2018).

Exactitud
La exactitud describe el resultado experimental que, sea correcto expresado en la cercanía de la
medición a un valor verdadero o aceptado. La exactitud es un término relativo en el sentido de que
un método es exacto o inexacto dependiendo en gran medida de las necesidades del científico y de
las dificultades del problema analítico por lo que la exactitud se expresa en función del error
absoluto o del error relativo, (Skoog, 2018).

Diferencia entre precisión y exactitud

La exactitud se refiere a cuán cerca del valor real se encuentra el valor medido. En términos
estadísticos, la exactitud está relacionada con el sesgo de una estimación. Cuanto menor es el sesgo
más exacto es la estimación y la precisión se refiere a la dispersión del conjunto de valores obtenidos
de mediciones repetidas de una magnitud. Cuanto menor es la dispersión mayor la precisión,
(Daniel, 2018).

Cuando se expresa la exactitud de un resultado, se expresa mediante el error absoluto que es la

diferencia entre el valor experimental y el valor verdadero.

Ilustración 1: Exactitud y Precisión ISO 5725

Medidas de error
Error Absoluto
La exactitud se expresa en función del error absoluto o del error relativo, el error absoluto 𝐸 es
calculado por la ecuación 1.

𝐸 = 𝑥̅ − 𝑥𝑡 ( 1)

Donde 𝑥̅ es la media o promedio de un pequeño conjunto de análisis repetidos y 𝑥𝑡 es el valor

verdadero o aceptado de la cantidad que está en proceso de medición (Skoog, 2018).

1
El error en la media de un conjunto de mediciones repetidas es la suma de estos dos tipos de errores:

𝐸 = 𝐸𝑑 + 𝐸𝑆 ( 2)

Donde 𝐸𝑑 es el error aleatorio y 𝐸𝑆 es el error sistemático.

Error Relativo
La exactitud se expresa en función del error absoluto o del error relativo, el error relativo 𝐸𝑟 es
calculado por la ecuación 3.

𝑥̅ − 𝑥𝑡
𝐸𝑟 = × 100% ( 3)
𝑥𝑡

Donde 𝑥̅ es la media o promedio de un pequeño conjunto de análisis repetidos y 𝑥𝑡 es el valor

verdadero o aceptado de la cantidad que está en proceso de medición (Skoog, 2018).

Errores aleatorios
Al repetir las mediciones analíticas, se obtiene una dispersión de los datos como se muestra en la
ilustración 2 que, debido a la presencia de errores aleatorios reflejan la imprecisión de los datos. La
distribución de los errores aleatorios de los datos se comprende mejor si éstos se organizan en
grupos o celdas contiguos, de igual tamaño como se muestra en la ilustración 3 o en histogramas
como se muestra en la ilustración 4, (Skoog, 2018).

Ilustración 2: Mediciones repetidas de absorbancia

2
 Ilustración 3: Distribución de la frecuencia de los datos

Ilustración 4: A, histograma de distribución resultados de la ilustración 3 y B, curva gaussiana de datos con la misma
media y desviación estándar de A

La curva gaussiana se aplica a una cantidad infinitamente grande de datos y tiene las siguientes
características:

• El resultado que se observa con mayor frecuencia es la media µ del conjunto de los datos
• Los resultados se agrupan de forma simétrica alrededor de este valor medio.
• Es más frecuente encontrar pequeñas divergencias respecto al valor medio central que
grandes divergencias

3
 • En ausencia de errores sistemáticos, la media de un conjunto grande de datos se aproxima
al valor verdadero

Significa que es posible reducir el error aleatorio de un análisis a un valor próximo a cero, pero rara
vez es práctico alcanzar esta meta por la cantidad de análisis repetidos que es necesario realizar.
Los estadísticos utilizan µ para representar la media de una colección infinita de datos y 𝑥̅ para la
media de un conjunto pequeño de datos repetidos. En ausencia de un error sistemático, el error
total 𝐸 es precisamente el error aleatorio 𝐸𝑑 , (Skoog, 2018).

𝐸 = 𝑥̅ − 𝜇 ( 4)

Errores sistemáticos
Los errores sistemáticos tienen un valor definido y una causa asignable y son de la misma magnitud
para mediciones repetidas que se efectúan de la misma forma. Los errores sistemáticos llevan a un
sesgo en el resultado de la medición. El sesgo se ilustra mediante dos curvas en la ilustración 5, lo
que muestra la distribución de frecuencias de los resultados repetidos en el análisis de muestras
idénticas por dos métodos que tienen errores aleatorios idénticos. El método A no tiene sesgo, por
tanto, la media µ𝐴 es el valor verdadero. El método B tiene un sesgo que viene dado por la ecuación
5, (Skoog, 2018).

Ilustración 5: Error sistemático en los resultados analíticos

𝑆𝑒𝑠𝑔𝑜 = µ𝐵 − µ𝐴 ( 5)

Los errores sistemáticos son de tres tipos: instrumentales, personales y de método.

4
Errores instrumentales
Los errores instrumentales son originados por el mal funcionamiento de los instrumentos,
calibraciones defectuosas o por el uso en condiciones inapropiadas. Los errores instrumentales
sistemáticos se detectan y se corrigen mediante la calibración con patrones adecuados, (Skoog,
2018).

Errores personales
Son aquellos que se introducen en una medición como consecuencia de los criterios que debe
adoptar el analista. Una fuente de error personal casi universal es el prejuicio donde la tendencia
natural es estimar la lectura de la escala en la dirección que mejora la precisión del conjunto de
resultados o en la que hace que el resultado sea próximo a una noción preconcebida del valor
verdadero para la medida. Los errores personales pueden reducirse al mínimo con cuidado y
autodisciplina y los sistemas automatizados tienen la posibilidad de reducir al mínimo o eliminar
casi todos los errores sistemáticos de tipo personal por medio de computadoras, (Skoog, 2018).

Errores de método
Los errores de método son consecuencia del comportamiento químico o físico no ideal de los
reactivos y de las reacciones en las que se basa un análisis y se requiere la validación del método
mediante el empleo en el análisis de materiales patrón o de referencia que se parezcan a las
muestras por analizar para detectarlos y corregirlos.

Ejemplos
Un ejemplo de la precisión puede ser si una persona se pesa durante cuatro días por la mañana en
una báscula y el resultado es 70 kg, 69.5 kg, 70.2 kg y 69.75 kg. En este caso, la medición es bastante
precisa, ya que los resultados de cada medición individual son bastante similares.

Un ejemplo de la exactitud es, un método analítico con el cual se obtienen resultados que se
encuentran comprendidos entre ±10% o una parte por mil millones, de la cantidad correcta de
mercurio presente en una muestra de tejido de pescado que contiene 10 partes por mil millones de
metal se consideraría de una exactitud razonable. Por el contrario, un procedimiento con el que se
obtienen resultados comprendidos entre ±10%de la cantidad correcta de mercurio presente en
una veta que contiene 20% del metal, se juzgaría como inaceptable por inexacto, (Skoog, 2018).

En el Anexo 1 se muestra un ejemplo matemático resulto del cálculo del error aleatorio el cual es
planteado por (Skoog, 2018).

Los ejemplos del error instrumental son, la deriva en los circuitos electrónicos, las fugas en los
sistemas de vacío, los efectos de la temperatura en los detectores, las corrientes inducidas en los
circuitos de las líneas de corriente de 110 V, el descenso del voltaje de las baterías con el uso y los
errores de calibración en los medidores, balanzas y equipos volumétricos (Skoog, 2018).

Entre los ejemplos del error personal está, el cálculo de la posición de un indicador entre dos
divisiones de la escala, el color de una solución en el punto final de una titulación, el nivel de líquido
respecto de la graduación en una pipeta o la intensidad relativa de dos haces de luz (Skoog, 2018).

Los ejemplos del error de método son, las pérdidas por volatilidad, la adsorción del analito sobre
sólidos, la inestabilidad de los reactivos, contaminantes e interferencias químicas (Skoog, 2018).

5
Aplicaciones
La aplicación de estos conceptos de evaluación de datos se lleva en:

• En los laboratorios por la calibración de sus instrumentos para no tener errores

instrumentales y tener datos con precisión en la serie de mediciones que se realicen.
• En el área de investigación para la comprobación de datos o magnitudes obtenidos sean
confiables.
• En la programación para la obtención de datos fiables y automatizados.
• En la producción de instrumentos de medición para evaluar la sensibilidad de estos y tener
mediciones con mayor exactitud.
• En las certificaciones de control de calidad que evalúan la metodología de para validar que
los resultados del método son correctos.

Observaciones
Se observa que las definiciones de precisión y exactitud son parecidas que incluso individuos que no
conozcan del tema podrían decir que son sinónimos, lo cual es incorrecto por que en la explicación
del documento dice, que la precisión es la similitud datos medidos exactamente de la misma forma
y condiciones y la exactitud esta relaciona con determinar si el dato medido es cercano al real.

Se observa que el signo de las ecuaciones de errores absoluto y relativo es indicativo para
determinar si es el valor medido es un valor verdadero o caso contrario siendo el signo positivo y
negativo respectivamente.

El calculo de los errores aleatorios, sistemáticos son herramientas muy útiles en la investigación
para la comprobación de datos fiables y que el estudio que se realice sea completamente validado
y respaldado por las matemáticas.

Conclusión
La importancia de la evaluación de los datos analíticos radica en brindar datos fiables, confiables y
legibles, calibrando instrumentos para que los datos medidos repetidamente de una magnitud sean
precisos y en adición a una alta sensibilidad de estos para que el dato medido sea el más cercano al
real, además que la exactitud está en función del error absoluto y relativo que lo que permite
confirmar la fiabilidad del resultado medido. También que es relevante conocer los errores
existentes como el error aleatorio y sistemático ya que estos permiten detectar la impresión de los
datos que, pueden ser por factores aleatorios, personales, instrumentales y de método. En
consecuente el conocimiento de la evaluación de datos analíticos se aplica en los laboratorios, en la
investigación y en las certificaciones de control de calidad para validar que sus resultados, datos,
mediciones y métodos son confiables y a su vez desarrolla conceptos como la calibración, la
sensibilidad y normas para estandarizar y evaluar los datos, resultados y métodos.

Por último, la recolección de datos puede automatizarse atreves de lenguajes de programación y

medios electrónicos que interpreten los sensores e instrumentos y los almacene en el ordenador,
y esto a su vez evita la concurrencia errores.

6
Trabajos citados
Daniel. (17 de 03 de 2018). Diferencia Entre Exactitud y Precisio. Obtenido de scribd:
https://12ft.io/proxy?q=https%3A%2F%2Fes.scribd.com%2Fdocument%2F374083711%2F
Diferencia-Entre-Exactitud-y-Precision

Skoog, D. A. (2018). Principios de análisis. España: Cengage Learning.

Anexos
Anexo 1