Universidad Nacional de Salta Año: 2018

Facultad de Ciencias Exactas

Catedra de Química Analítica II
INFORME DE LABORATORIO N° 0

Tema: EVALUACIÓN ESTADISTICA DE DATOS

Fecha de realización: 04/05/2018

Alumno: Delgado, Rodolfo Javier

Introducción:

Cuando estamos interesados en estudiar alguna característica de una población (peso, edad, distribución,
etc.) lo más completo es estudiar la población entera. Pero esto suele requerir demasiado tiempo y demasiado
dinero. Otras veces el estudio de un elemento es destructivo. Por tanto, normalmente nos conformamos con un
conocimiento parcial de la población. Conseguimos esto analizando unos cuantos elementos y observando en
ellos la característica que nos interesa. Este conjunto de elementos es lo que se denomina una muestra de la
población. Una muestra deberá obtenerse de tal forma que represente más o menos bien, al conjunto de la
población.

La estadística descriptiva tiene como objetivo hacer una descripción lo más sencilla posible de los
resultados obtenidos en la muestra. Esta descripción se hace mediante representaciones gráficas y mediante
representaciones numéricas. En estas representaciones hay una idea implícita: lo que ocurre en la muestra,
seguramente es bastante representativo a lo que ocurre en la población.

La estadística inferencial tiene como objetivo inferir propiedades a una población a partir de las
propiedades de la muestra; estudia también el grado de fiabilidad o significación de los resultados obtenidos.
Estas inferencias pueden tomar la forma de respuestas a preguntas sí/no (prueba de hipótesis), estimaciones de
unas características numéricas (estimación), pronósticos de futuras observaciones, descripciones de asociación
(correlación) o modelamiento de relaciones entre variables de Sam (análisis de regresión). Otras técnicas de
modelamiento incluyen análisis de varianza, series de tiempo y minería de datos.

En esta experiencia se hace uso de la estadística para determinar la masa (g) de una muestra de 20
monedas de 25 centavos acuñadas en el año 2009 en la República Argentina.

Procedimiento:

Se recolectó aleatoriamente, un total de 15 monedas doradas de 25 centavos del año 2009 de la

República Argentina, que constituyen la muestra de análisis. Se lavó cada una de ellas con detergente y se dejó
secar. Luego se pesaron cada una de ellas en una balanza analítica de precisión 0,0001 g.
Universidad Nacional de Salta Año: 2018
Facultad de Ciencias Exactas
Catedra de Química Analítica II
Estadística descriptiva:

A continuación se presenta una tabla con los datos (masas) obtenidos de menor a mayor:

Monedas Peso (g)

1 5,3639
2 5,3680
3 5,3748
4 5,4910
5 5,4447
6 5,3455
7 5,3410
8 5,4557
9 5,3899
10 5,3703
11 5,3603
12 5,3983
13 5,3919
14 5,3851
15 5,4174
16 5,3399
17 5,3561
18 5,3976
19 5,3423
20 5,3989
Usando Excel:
Estadística Descriptiva
Media 5,38663
Error típico 0,009068291
Mediana 5,37995
Moda
Desviación estándar 0,04055463
Varianza de la muestra 0,001644678
Curtosis 1,03817095
Coeficiente de asimetría 1,114923524
Rango 0,1511
Mínimo 5,3399
Máximo 5,491
Suma 107,7326
Cuenta 20
Nivel de confianza (90,0%) 0,015680279

Prueba Q:

Realizamos la Prueba “Q” de Dixon para decidir si un valor anómalo puede eliminarse de un conjunto de datos.
Universidad Nacional de Salta Año: 2018
Facultad de Ciencias Exactas
Catedra de Química Analítica II
Se ordena de mayor a menor, el peso de las monedas:

5,3399 g. 5,3410 g. 5,3423 g. 5,3455 g. 5,3561 g.

5,3603 g. 5,3639 g. 5,3680 g. 5,3703 g. 5,3748 g.
5,3851 g. 5,3899 g. 5,3919 g. 5,3976 g. 5,3983 g.
5,3989 g. 5,4174 g. 5,4447 g. 5,4557 g. 5,4910 g.

Q para n=20; y para un 90% de confianza es = 0,401

𝑋 −𝑋
Cuando el dato dudoso es el menor, se calcula Q como: 𝑄 = 𝑋2 −𝑋1
𝑛 1

𝑄𝑐𝑎𝑙𝑐.= 0,0073 < 0,401 = Q tabla

Como Q (0,0073) es menor que el Q de tabla, no se rechaza este valor, es decir, ES REPRESENTATIVO
TRABAJANDO A ESTE NIVEL DE CONFIANZA.
𝑋𝑛 −𝑋𝑛−1
Para el dato dudoso mayor, se calcula Q como: 𝑄= 𝑋𝑛 −𝑋1

𝑄𝑐𝑎𝑙𝑐.= 0,2336 < 0,401 = Q tabla

Como Q (0,2336) es menor que el Q de tabla, no se rechaza este valor, es decir, ES REPRESENTATIVO
TRABAJANDO A ESTE NIVEL DE CONFIANZA.

Se Procede a Realizar

̅
𝑿 Desviación Estándar Límite de Confianza
t∗σ
√n
1,7291 ∗ 0,04055463
𝑋̅ = 5,3866 0,04055463 √20

0,018980151 ≈ 0,02
0,02

𝑚𝑚𝑜𝑛𝑒𝑑𝑎 (𝑔) = 5,39 ± 0,02

Se procede a realizar el siguiente histograma:

Clase Frecuencia
5,3399 1
5,3777 9
5,4155 6
5,4532 2
5,4910 2
Universidad Nacional de Salta Año: 2018
Facultad de Ciencias Exactas
Catedra de Química Analítica II

Histograma
10
9
8
7
Frecuencia

6
5
4 Frecuencia
3
2
1
0
5.3399 5.3777 5.4155 5.4532 5.4910
Clase

Se observa en el histograma una distribución asimétrica positiva, ya que están concentrados en los valores más
bajos, cercanos a la mediana y a la media.

Estadística inferencial:

Cuando se analizan datos medidos por una variable cuantitativa continua, las pruebas estadísticas de estimación
y contraste frecuentemente empleadas se basan en suponer que se ha obtenido una muestra aleatoria de una
distribución de probabilidad de tipo normal o de Gauss. Pero en muchas ocasiones esta suposición no resulta
válida, y en otras la sospecha de que no sea adecuada no resulta fácil de comprobar, por tratarse de muestras
pequeñas.

Prueba o contraste de una hipótesis estadística KOLMOGOROV–SMIRNOV (Contraste sobre la forma de la

distribución):

Se trata de comprobar si la muestra se ajusta o proviene de una población con una determinada
distribución de probabilidad. El test de K-S este contraste, que es válido únicamente para variables continuas,
compara la función de distribución (probabilidad acumulada) teórica con la observada, y calcula un valor de
discrepancia, representado habitualmente como D, que corresponde a la discrepancia máxima en valor absoluto
entre la distribución observada y la distribución teórica, proporcionando asimismo un valor de probabilidad , que
corresponde, si estamos verificando un ajuste a la distribución normal, o la probabilidad de obtener una
distribución que discrepe tanto como la observada si verdaderamente se hubiera obtenido una muestra aleatoria,
de tamaño n, de una distribución normal.

Se deben formular entonces una hipótesis nula (𝐻𝑂 ) y una hipótesis alternativa ( 𝐻𝑎 ) que contradiga la
hipótesis nula.

Hipótesis:

𝐻𝑂 : F (x) = Fs (x) de una N (μ, σ)

𝐻𝑎 F (x) ≠ Fs (x) de una N (μ, σ)

Universidad Nacional de Salta Año: 2018
Facultad de Ciencias Exactas
Catedra de Química Analítica II
Para esta muestra tenemos:

𝐷𝑡𝑎𝑏𝑙𝑎 = 𝐷0,05;20 = 0,295 𝑦 𝐷𝑐𝑎𝑙𝑐 = 0,8249

DTabla < DCalc.

Como el Dcalc > Dtabla se rechaza 𝐻𝑜 y se asume que los datos no se distribuyen normal.

“Existe evidencia suficiente (90%) para decir que el peso de una moneda de 25 centavos acuñada en el año
2009 no proviene de una muestra aleatoria con una distribución de probabilidad normal”.

Conclusión:

En este practico de laboratorio, el valor obtenido de las monedas fue 5,39±0,02 g. Comparando con el valor
informado por el BCRA debería ser 5,40g. (Link de página en ANEXO)

En el histograma, se observa que los valores presentan una distribución asimétrica positiva, es decir los valores
se encuentran centrado hacia la izquierda de la media y cercanos a la mediana; y si tomamos al valor informado
por el BCRA, estos (la mayor parte de la muestra) se encuentran por debajo de este valor.

Debemos tener en cuenta que:

 No todas las monedas estaban en igualdad de condiciones, ya que algunas estaban desgastadas,
debido a la circulación y uso frecuente los relieves se encontraban algo borrosos.
Podemos citar el uso masivo que se hizo de las mismas en el transporte urbano (antes de la aparición
del boleto electrónico en el 2012), estas eran moneda corriente para el viaje diario. O bien el desgaste
excesivo debido al uso en las máquinas tragamonedas de 25 Centavos en los casinos.
Todo esto quedo muy atrás ya que los precios se volvieron "redondos" -inflación aparte- su valor se
encuentra despreciable, los colectivos dejaron de aceptarlas, y de a poco somos testigos de la
desaparición de las mismas.

 Aquellas que presentan un mayor peso que la media, podría deberse, que al ser utilizadas todo el
tiempo por distintas entidades y personas, estas adquirieron impurezas que no pudieron ser eliminadas
durante la limpieza con detergente y agua antes de realizar el análisis.

Por otra parte, se observa que a pesar de ser monedas emitidas ya hace casi 10 años, aún se encuentran
bastante conservadas con respectos a que las leyendas y los símbolos se aprecian con claridad. Esta
observación surge, porque la diferencia entre la media del peso obtenido y el valor informado por el BCRA no
difieren significativamente, esto es porque:

 Las monedas de 25 centavos emitidas en el 2009 se produjeron en bronce de aluminio, que es una
aleación muy valora debido a su alta resistencia mecánica y a la corrosión con respecto a la de otros
bronces. Además es resistente al deslustre y muestra bajos índices de corrosión en condiciones
atmosféricas, proporciones bajas de oxidación a temperaturas altas y reactividad baja con los
compuestos de azufre y otros productos de combustión. Son también resistentes a la corrosión
en agua de mar.

Para realizar una experiencia con resultados más óptimos se debería recurrir a una casa bancaria y tratar de
conseguir monedas del mismo lote, hecho que en esta ocasión no se pudo lograr ya que toma demasiado
tramites y el objetivo de este trabajo es saber tratar datos estadísticamente. Objetivo que se cumplió con
excelentes resultados.
Universidad Nacional de Salta Año: 2018
Facultad de Ciencias Exactas
Catedra de Química Analítica II

Anexo:

Link de BCRA: http://www.bcra.gob.ar/SistemasFinancierosYdePagos/Moneda_25_centavos.asp

Moneda 25 Centavos
Peso 5,40 gr
Diámetro 24,2 mm
Espesor 1,8 mm
Metal 92% Cobre, 8%
Aluminio
Canto Estriado
Anverso Cabildo de Buenos Aires