ANÁLISIS DE VARIABLES DE PROCESO

Profesor: Jesús Manuel Mendoza

Escuela de Ingeniería Química

Correo: [email protected]
[email protected]
Lista de clase A1 C1

Contenido de la asignatura
 Libros guía y de consulta adicionales
Libro 1: Diseño de Experimentos: Una introducción pragmática
Víctor Gabriel Baldovino Medrano
Libro 2: Análisis y diseño de experimentos
Humberto Gutiérrez Pulido, Román de la Vara Salazar

Para la elaboración de esta presentación se usó información extraída de estos dos libros, es exclusiva
para los estudiantes de la asignatura análisis de variables de proceso, escuela de Ingeniería Química de
la Universidad Industrial de Santander, no se autoriza su reproducción parcial o total por ningún medio
 INTRODUCCIÓN AL ANÁLISIS
DE VARIABLES
Presentación del problema: Objetivos, justificación,
historia
 Objetivos de aprendizaje
• Conocer el papel fundamental que juega el diseño de
experimentos en el mejoramiento de procesos y la investigación.
• Identificar los principios básicos y la terminología adecuada en el
diseño de experimentos.
• Describir las etapas más importantes en la investigación
experimental.
En la industria se presentan problemas para resolver, por lo
tanto, se requiere el diseño de experimentos para resolver los
interrogantes planteados o hipótesis lanzadas.

Ejemplo: Se requiere manipular las diversas variables que

influyen en el proceso y analizar los resultados de estos
cambios.

El diseño estadísticos de experimentos es la forma más

eficaz de hacer pruebas
Problemas típicos que pueden ser resueltos con el
análisis y diseño de experimentos
Diseño de experimentos
Consiste en planear y realizar un conjunto de pruebas con el objetivo de
generar datos que, al ser analizados estadísticamente, proporcionen
evidencias objetivas, que permitan responder las interrogantes planteadas
por el experimentador sobre determinada situación.

El diseño de experimentos (DdE) se enmarca en el método científico.

ETAPAS DEL MÉTODO CIENTÍFICO
Evidencia experimental
Validar hipótesis

Recolección de datos
fiables y reproducibles

Herramienta de
perfeccionamiento del
conocimiento
 Características fundamentales del diseño de
experimentos
1. Sistematicidad: propósitos y alcances claros para la solución del problema

2. Control: La variables debe ser bien identificadas, controlables y medibles

3. Repetibilidad y reproducibilidad: replicables para condiciones iguales y

reproducibles por investigadores externos

4. Objetividad: herramientas de análisis que permita máxima objetividad

5. Refinamiento y optimización: abrir nuevas preguntas y posibilidades de

investigación
Maneras principales de diseñar buenos experimentos:
1. Metodología clásica de diseño de experimentos
también conocida como un factor a la vez
2. Metodología basada en el diseño estadístico de
experimentos, objetividad para evaluar hipótesis

Las técnicas estadísticas de diseño de experimentos

ofrecen la información más rica posible al menor costo
(o esfuerzo) experimental
 Metodología básica para realizar Diseños de
Experimentos

Tener capacidad de identificar un problema a partir del conocimiento

previo de principios y conceptos científicos apropiados y tener la
capacidad de interpretar adecuadamente un texto (Leer bien).

Una lectura bien hecha siempre conduce a identificar las variables

involucradas en un fenómeno o problema determinado
 Definiciones básicas en DdE
¿Qué es una variable?
Una variable es una característica catalogable o una propiedad medible

¿Qué tipos de variables hay en DdE?

Variables de entrada y variables respuesta

Variable de entrada aquella cuyo efecto sobre el fenómeno o proceso se desea evaluar. Una variable
respuesta aquella que puede ser cambiada debido a la acción de la variable de entrada

Alrededor de estas variables es que el investigador plantea sus hipótesis.

Las variables de entrada o de respuesta, pueden ser cuantitativas o
cualitativas. Una variable cuantitativa es aquella que puede medirse
con una escala numérica estandarizada.
Una variable cualitativa es aquella que está sujeta a una clasificación
que puede o no estar asociada a una escala numérica.
las variables cuantitativas como las cualitativas pueden ser de carácter
aleatorizable o no aleatorizable
Las variables cuantitativas son comúnmente de carácter aleatorizable
pues pueden asumir cualquier valor numérico en el conjunto de los
números reales
• Variable aleatorizable: es aquella que puede tomar un valor entre los
números reales dentro de un rango de valores aleatorios. Las hay
discretas y continuas, las discretas se pueden contar, las continuas no
se pueden contar, en estas últimas, puede tener en un rango infinito
número de valores

• Variable no aleatorizable son variables que tiene pocos valores para

poder ser aleatorizados dentro de los elementos de una población.
Ejemplo cotidiano de clasificación de variables
Hipótesis: Si subo la temperatura de llama del fogón
(variable de entrada) hervirá más rápido el sancocho
(variable respuesta: tiempo para alcanzar el punto de
ebullición del sancocho).
Diagrama de bloques de un proceso con sus variables en DdE
Ejercicio
En el recorrido en carro desde la UIS al parque de Girón, identifique
cuales son variables de entrada, variables de respuesta, variables
interferencia
 CUADRO RESUMEN DE VARIABLES IDENTIFICADAS

VARIABLES DE ENTRADA
TIPO DESCRIPCIÓN NIVELES
CUANTITATIVAS ALEATORIZABLES Velocidad, hora del día

CUANTITATIVAS NO ALEATORIZABLES

CUALITITATIVAS ALEATORIZABLES Ruta, conductor, estado del carro

CUALITITATIVAS NO ALEATORIZABLES
VARIABLES INTERFERENCIAS Huecos, tráfico, lluvia

VARIABLES DE RESPUESTA
Descripción general Descripción específica
Tiempo de recorrido
Ejercicio
Suponga que se quiere estudiar el desempeño de un automóvil, y lo
que se desea es encontrar los factores que más influyen en su
rendimiento. ¿Cuáles podrían ser las variables de respuesta?, ¿cuáles
los factores a estudiar?, ¿cuáles los factores no controlables o de
ruido?
Ejercicio
Identificación y clasificación de variables.
Como ingeniero responsable de la operación de la unidad de
hidrotratamiento (HDT) catalítico de una refinería, la gerencia le solicita
hacer un plan experimental para determinar las condiciones de temperatura,
flujo y presión necesarias para operar el proceso con la más alta eficiencia
posible. La unidad de HDT se ilustra a continuación: ver figura en la siguiente
presentación.
El objetivo del HDT es eliminar contaminantes presentes en los cortes de
refinería, tales como: azufre, nitrógeno y metales. Para su propuesta, usted
debe considerar que las reacciones de eliminación de estos contaminantes
ocurren en los dos reactores del diagrama.
Identifique en esta situación las variables que intervienen y su naturaleza.
Otras definiciones
Experimento: es un cambio en las condiciones de operación de un
proceso, que se hace con el objeto de medir el efecto del cambio sobre
una o varias propiedades del producto o resultado.
Unidad experimental: es la pieza(s) o muestra(s) que se utiliza para
generar un valor que sea representativo del resultado del experimento
o prueba
Niveles y tratamientos: Los diferentes valores que se asignan a cada
factor estudiado en un diseño experimental se llaman niveles. Una
combinación de niveles de todos los factores estudiados se llama
tratamiento o punto de diseño
 Ejemplo de niveles y tratamientos en un diseño experimental

Nivel Nivel Tratamiento Respuesta (Y)

Presión (Atm) Temperatura
(°C)
5 75 1 ?
10 75 2 ?
5 100 3 ?
10 100 4 ?
Error aleatorio: Es la variabilidad observada que no se puede explicar
por los factores estudiados; resulta del pequeño efecto de los factores
no estudiados y del error experimental.
Error experimental: Componente del error aleatorio que refleja los
errores del experimentador en la planeación y ejecución del
experimento.
Etapas en el diseño de experimentos
1. Planeación y realización: Entender y delimitar el problema u objeto de
estudio
Elegir la(s) variable(s) de respuesta que será medida en cada punto del diseño
y verificar que se mide de manera confiable.
Determinar cuáles factores deben estudiarse o investigarse, de acuerdo a la
supuesta influencia que tienen sobre la respuesta.
Seleccionar los niveles de cada factor, así como el diseño experimental
adecuado a los factores que se tienen y al objetivo del experimento.
Planear y organizar el trabajo experimental.
Realizar el experimento.
2. Análisis: La técnica estadística central en el análisis de los
experimentos es el llamado análisis de varianza
3. Interpretación: Análisis estadístico formal, se debe analizar con
detalle lo que ha pasado en el experimento, desde contrastar las
conjeturas iniciales con los resultados del experimento, hasta observar
los nuevos aprendizajes.
4. Control y conclusiones finales: Para concluir el estudio experimental
se recomienda decidir qué medidas implementar para generalizar el
resultado del estudio y para garantizar que las mejoras se mantengan
Consideraciones prácticas sobre el uso de
métodos estadísticos
El uso de metodologías estadísticas por lo general ayuda a hacer más
eficiente el proceso de investigación y de solución de problemas, estas
por sí solas no garantizan investigaciones exitosas, por ello es
importante considerar los siguientes puntos:
El conocimiento no estadístico es vital. Para utilizar los métodos
estadísticos en general y los diseños de experimentos en particular, en
primer lugar se requiere que el experimentador tenga un buen nivel de
conocimiento técnico y práctico sobre el fenómeno o proceso que
estudia
Reconocer la diferencia entre significancia estadística e importancia
práctica. En ocasiones, un experimentador puede concluir que dos
tratamientos son diferentes estadísticamente, pero que tales
diferencias, aunque sean significativas, no necesariamente representan
una diferencia que en la práctica sea importante.
Apostarle más a la experimentación secuencial que a un experimento
único y definitivo. En ocasiones, los experimentadores novatos
pretenden en una sola fase de experimentación contestar todas sus
interrogantes sobre un proceso o fenómeno en particular.
 CAPÍTULO II
CONCEPTOS BÁSICOS DE ESTADÍSTICA

OBJETIVOS

Conceptualizar la estadística
Plantear ejercicios de aplicación
INTRODUCCIÓN
Metodología Experimentación Datos Análisis

DdE
Este capítulo se centra en el primer paso hacia el análisis de datos; su
descripción. Para ello, expondremos herramientas básicas de
estadística descriptiva que permiten una evaluación preliminar pero
bastante diciente sobre los experimentos llevados a cabo.
 Definiciones básicas
Precisión: Para una serie de experimentos, se refiere a qué tan cerca se
encuentra una medición de otra.
Exactitud: Está ligada a la aceptación y uso de un patrón de medida
previamente definido. Así, la exactitud se refiere a qué tan cerca está el valor
de una medida experimental de aquel aceptado como real. De acuerdo a la
ISO 5725-1,​ el término general "exactitud" se utiliza para describir la
cercanía de una medición al verdadero valor.
https://es.wikipedia.org/wiki/Precisi%C3%B3n_y_exactitud
Cifras significativas: Es el número de cifras en una medición experimental al
cual se le confiere significado físico. El número de cifras significativas está
ligado directamente al instrumento de medición empleado.
Población: En el DdE, una población se refiere a todas las posibles
mediciones u observaciones experimentales que pueden llevarse a
cabo en un espacio muestral.
Muestra: Es una fracción de una población. En un experimento,
corresponde a un conjunto de datos medidos considerando el DdE
empleado. Para que se puedan emplear las técnicas estadísticas de
análisis de datos, la recolección de muestras debe aleatorizarse.
Estadístico: Se refiere a un valor numérico que resume alguna
propiedad básica de una muestra. En general, el investigador siempre
conoce el valor de los estadísticos; e.g., el promedio, la desviación
estándar S y el error experimental, y define cuáles emplear a su
conveniencia.
Parámetro: Es un valor numérico que resume una propiedad de una
población. En contraste con los estadísticos, los valores de los
parámetros estadísticos asociados con experimentos en ingeniería
(muy) raras veces se conocen.
Ejemplos
Este semestre, la población de estudiantes del curso de Análisis de
Variables de Proceso de la Escuela de Ingeniería Química consta de 150
estudiantes. El grupo O1 de la materia tiene 37 estudiantes que son
una muestra de esta población. Los estudiantes de estos cursos hacen
parte de la población de estudiantes de Ingeniería Química y son una
muestra de los mismos.
Un ingeniero investiga la influencia de la temperatura en un proceso de
producción de azúcar. Decide hacer experimentos a 80, 95 y 112°C.
Estos valores se encuentran dentro del intervalo: 70 – 130°C que se
consideran seguros para el proceso. Definir la población y la muestra.
¿Cuál es el tamaño de la población? ¿Cuántas muestras se pueden
tomar?
Herramientas de estadística descriptiva para DdE
Las herramientas de estadística descriptiva sirven para mostrar y
resumir datos de una manera sistemática y para que se puedan sacar
conclusiones sustanciales de los mismos.
Estas herramientas son de dos tipos básicos: sumariales y gráficas.
Las sumariales se refieren a valores numéricos que describen los datos.
Entre estas tenemos: el máximo, el mínimo, el rango, el promedio o
media muestral, la mediana y los cuartiles, la moda, la varianza, la
desviación estándar y el coeficiente de variación
Máximo y mínimo: Como lo indican sus nombres, son los valores
máximo (Máx) y mínimo (Mín) de un conjunto de datos.
Rango: Se define como la diferencia entre los valores máximo y mínimo
del conjunto de datos; i.e. Rango = Máx – Mín.
Media: Se define para una población. Tiende a confundirse con el
promedio y por tanto, en ocasiones, se denomina: media poblacional
(µ).
Promedio: también llamado en ocasiones media muestral, se define
como la suma de todos los valores de los datos de una muestra (yi)
dividida por el número total de datos recolectados, n:

La media se define de la misma manera,

pero la sumatoria se toma hasta N y se
divide por N; i.e. por el número total de
elementos de la población.
Mediana: En una serie de datos, es justo aquel dato que se encuentra
en la mitad del rango que los contiene. Para hallarla, los datos se
ordenan en forma ascendente y se dividen en dos partes iguales.
Cuando el número de datos de la muestra es impar, el valor de la
mediana corresponde al dato ubicado en la posición (n + 1)/2.
Cuando el número de datos de la muestra es par, se deben encontrar
los dos datos que se encuentran en la mitad del rango y se puede
calcular la mediana como el promedio de ellos; i.e. la mediana es el
valor ubicado en la posición:
Cuartil surge de dividir una serie de datos en cuatro partes iguales.
Los cuartiles se designan ordenando los datos de menor a mayor.
Así, el límite del primer cuartil cubre el 25% de los datos –incluyendo
el mínimo–, el límite del segundo cuartil cubre el 50% de los datos
(numéricamente, es la misma mediana), el tercer cuartil se refiere a los
datos entre la mediana y el 75% de los datos y el cuarto cuartil cubre el
25% de los datos restantes y su límite es el máximo registrado.
Moda: Es el valor que más se repite en una serie de datos.
Puede darse el caso que una serie de datos no posea moda cuando
ningún valor se repita.
Si se tiene más de una moda, entonces el conjunto de datos se
considera Multimodal.
Varianza (V(Y)): Junto con la media, la varianza es un concepto
fundamental en estadística.
La varianza describe qué tan alejado se encuentra un conjunto de
datos de su media.
Se define tanto para una población como para una muestra. La
varianza poblacional se calcula con la siguiente expresión:
 La varianza muestral (𝑆 2 ) se calcula con la ecuación:

Es importante identificar que la varianza consta de un numerador que es una

suma de cuadrados y un denominador (n-1) que se conoce como grados de
libertad ( )ipsilon. Estos dos términos son esenciales al momento de
desarrollar los análisis de varianza que sirven para analizar los resultados de los
diseños de experimentos que se tratarán más adelante. Para una muestra,
siempre se cumple que  = n – 1.
Desviación estándar: Es la raíz cuadrada positiva de la varianza. Tiene
las mismas unidades que los datos de donde se calcula. La desviación
estándar poblacional es: y

la muestral es:

S también se conoce por algunos autores como el error estándar

Coeficiente de variación (%CV): Expresa la relación entre la desviación
estándar muestral o poblacional y el promedio o la media como el
cociente respectivo de ambos calculado como un porcentaje. El
coeficiente de variación también se denomina porcentaje de error
El peso en Kg de dos grupos de piezas se presenta
en la tabla que sigue: Calcular la media, el
promedio, la varianza, la desviación estándar para
cada grupo.
G1 G2
10 18
12 19
23 20
25 21
30 22
• El segundo tipo de herramientas de estadística descriptiva usada en
DdE son las gráficas. De las múltiples representaciones gráficas
posibles, aquellas que más se emplean son: los diagramas de tronco
y hojas, los diagramas de dispersión, los diagramas de caja y bigote
y los histogramas.
Diagramas de tronco y hoja: son una representación organizada de los
datos y sirven para localizar rápidamente las posiciones de la mediana y
los cuartiles. Además, con ellos se logra una identificación preliminar
de la forma en que los datos se distribuyen. Para construirlos, basta
arreglar los datos en dos grupos; uno es el tronco y el otro es la hoja. El
tronco se construye con los dígitos del extremo izquierdo de los valores
de las observaciones. Las hojas son los dígitos siguientes a los del
tronco.
Ejemplo

Se considera el conjunto de 24 datos numéricos algunos repetidos.

Sol: Se ordenan de menor a mayor, estos ya están ordenados

Se separa el número menos significativo con una línea
Parte izquierda dígitos más significativos, parte derecha menos significativos

DIAGRAMA DE TRONCO Y HOJAS

6 7

7 0 2 3

67 82 89 95 102 121 8 2 4 4 7 9

70 84 91 96 107 124 9 1 2 2 5 6

72 84 92 100 112 126 10 0 0 2 7

73 87 92 100 113 126 11 2 3

12 1 4 6 6
Diagramas de dispersión: Son gráficos representados en ejes
cartesianos y en el cual un conjunto de datos se designa como la
variable a representar en el eje de las abscisas (eje x) mientras que el
otro conjunto de datos se asigna al eje de las ordenadas (eje y). En
estadística, este tipo de diagramas ayuda a revelar si existe una relación
funcional entre los dos conjuntos de valores.
Ejemplo de dispersión en excel
 GRÁFICA DE DISPERSIÓN
40

35

X Y
0 4 30

1 9
3 12
25
5 18
6 15
9 24 20
12 23
18 33
21 28 15

10

0
0 5 10 15 20 25
Diagrama de caja y bigote: Es un tipo de diagrama donde se representan la mediana,
el primer y el tercer cuartil y cualquier dato atípico de la muestra medida.
Una información adicional que se puede derivar de un diagrama de caja y bigotes es la
detección de datos atípicos.
Para determinar si un valor experimental es atípico, se puede usar el siguiente
procedimiento:
(1) Calcular el rango inter-cuartil (RIC): RIC = Límite del tercer cuartil – Límite del
primer cuartil.
(2) las desigualdades: Valor atípico leve del límite inferior de los datos < Límite del
primer cuartil – 1,5*RIC;
Valor atípico leve del límite superior de los datos > Límite del tercer cuartil + 1,5*RIC;
Valor atípico extremo del límite inferior de los datos < Límite del primer cuartil –
3,0*RIC
Valor atípico extremo del límite superior de los datos > Límite del tercer cuartil +
3,0*RIC.
 Edad
1 28 Valores Anchos
2 29 Min 15 15
3 20 Q1 22 7
4 40 Q2=MEDIANA 26 4
5 32 Q3 34,25 8,25
6 29 Max 40 5,75
7 36
8 22
9 22 Rango intercuartil 12,75
10 39 LMin 2,875
11 19 LMax 53,875
12 35 Diagrama de caja y bigotes
13 22 45
14 24 40
GRAFICO DE 35
15 20 DISPERSIÓN.xlsx 30
16 34 25
17 24 20
18 15 15
19 37 10
20 24 5
0
Edad

Para calcular los cuartiles usamos la función cuartil: =CUARTIL.EXC(B2:B21;1)

Ejercicio
Edad
1 68 Valores Anchos
2 45 Min
3 43 Q1
4 23 Q2=MEDIANA
5 54 Q3
6 97 Max
7 103
8 145
9 34 Rango intercuartil
10 56 LMin
11 76 LMax
12 88
13 82
14 123
15 117
Diagramas de frecuencia o histogramas: Registrar el número de veces que se repite un
dato o conjunto de datos en una muestra. Un histograma da entonces una imagen de la
forma en que los datos de la muestra se distribuyen
Los pasos para construir un histograma se pueden resumir así:
1. Definir las categorías (intervalos de clase) a emplear. En el caso de intervalos
numéricos, se define un intervalo de datos de acuerdo con un criterio que se crea
conveniente incluyendo los puntos inicial y final de los intervalos de clase. Por
conveniencia, los intervalos de clase numéricos tienen ancho constante.
2. Determinar el número de datos que pertenecen a las categorías definidas; a este
número se le llama frecuencia.
3. Calcular el cociente de las frecuencias con el número total de datos de la muestra (n); a
esto se le llama frecuencia relativa. Se debe notar que la suma de las frecuencias relativas
es igual a 1; de manera análoga, en ingeniería química, a la suma de las fracciones de una
corriente.
4. Para categorías numéricas, se pueden calcular las densidades relativas de las categorías
de datos. La densidad relativa = frecuencia relativa/ancho de la categoría.
5. Los cálculos anteriores se presentan en una tabla y se grafican en forma de barras cuya
base es el ancho del intervalo y cuya altura es la frecuencia, la frecuencia o la densidad
relativas, según convenga.
Ejemplo:
Utilizas redes sociales?
Se hace una encuesta y se toman 100 personas que contestaron si,
entre edades de 15 a 85 años.
Realizar un diagrama de frecuencia o histograma
R/
De los 100 de datos encuestados se hace la siguiente tabla
Edad frecuencia absoluta Marcas de clase Frecuencia acumulada

15-25 15 20 15
30

25-35 25 30 40
25
35-45 23 40 63
20
45-55 18 50 81
15 Histograma de frecuencia
55-65 11 60 92
Poligono de datos
65-75 5 70 97 10

75-85 3 80 100 5

100
0
15-25 25-35 35-45 45-55 55-65 65-75 75-85

Histograma1
Ejercicio de clase
Mediante el uso de las herramientas de estadística descriptiva presentadas ,
la siguiente serie de datos que corresponde a los tiempos empleados (en
segundos) en una carrera de 100 m planos disputada por algunos
estudiantes del primer semestre de 2016 del curso de Análisis de Variables
de Proceso: 12,65; 12,43; 12,63; 13,19; 13,60; 13,13; 14,60; 16,06; 16,17;
16,32; 16,93; 18,42; 17,65; 17,77; 18,5; 18,23; 19,60; 17,98; 19,34; 18,50;
19,53; 19,93; 20,16; 19,44; 20,14; 23,00.
Determinar: Máximo, Mínimo, promedio, la mediana, los cuartiles, moda,
varianza poblacional, varianza muestral, la desviación estándar, coeficiente
de variación.
Calcular todo con Excel
• Ejemplo Análisis de datos a través de un histograma
• Más del 80% de los procesos químicos industriales implican el uso de un
catalizador. Los llamados catalizadores heterogéneos son normalmente sólidos que
actúan sobre reactivos en fase líquida o gas. Existen dos tipos principales de
catalizadores heterogéneos; los másicos y los soportados. Un tipo común de
catalizador soportado consiste en nanopartículas metálicas dispersas en un óxido
inorgánico. Usualmente, el porcentaje en peso de las nanopartículas metálicas del
material no supera el 5%. Los metales más empleados son: platino, paladio, oro,
plata, níquel, cobalto, hierro, molibdeno, vanadio y cobre. Mientras que, entre los
óxidos, los más frecuentes son: alúmina (Al2O3), sílice (SiO2), aluminosilicatos y
titania (TiO2). En el trabajo titulado: “Synergetic behavior of TiO2-supported
Pd(z)Pt(1-z) catalysts in the green synthesis of methyl formate” (ChemCatChem 8
(2016) 1157-1166) [44], los autores analizaron el comportamiento de catalizadores
soportados Pd-Pt en la reacción de oxidación parcial de metanol a metil-formato.
Este último es una importante molécula plataforma para la producción de
compuestos de alto valor agregado.
• Los autores encontraron que la eficacia de estos catalizadores en la reacción;
expresada en términos de la conversión de metanol y de la selectividad a
metil-formato (la reacción también produce también gases indeseables como
CO y CO2), está ligada a la distribución de tamaño de partícula de los metales
en la superficie del catalizador. A continuación, se presentan los datos de
tamaño de partícula (nm) correspondientes a uno de los catalizadores
preparados en el trabajo aquí citado: 7,5; 2,6; 2,2; 2,5; 2,0; 1,8; 3,1; 1,6; 9,2;
9,0; 9,8; 10,4; 10,5; 5,5; 6,6; 11,2; 11,7; 7,7; 3,5; 3,0; 2,7; 2,7; 9,8; 16,5; 13,4;
4,0; 11,0; 7,0; 14,6; 16,3; 19,1; 7,9; 6,6; 6,0; 5,2; 5,2; 3,7; 3,2; 3,4; 3,9; 3,6; 3,6;
20,2; 14,5; 7,2; 5,2; 11,1; 8,2; 7,9; 6,6; 5,7; 9,3; 13,6; 5,7; 6,6; 9,1; 5,5; 4,0;
15,9; 7,9; 6,8; 7,9; 9,5; 9,2; 6,2; 8,1; 5,2; 2,3; 2,9; 2,6; 3,4; 3,0; 6,2; 3,4; 2,9;
2,4; 2,8; 4,0; 5,9; 13,9; 10,5; 7,2 ;12,9; 9,1; 7,2; 5,5; 3,3; 8,3; 7,7; 6,2; 3,8; 1,6;
1,7; 1,4; 15,8; 13,6; 8,7; 4,6; 6,8; 10,7; 6,2; 6,6; 5,5; 2,4; 2,0; 5,1; 5,2; 7,3; 7,2;
12,1; 5,8; 7,8; 4,6; 4,3; 5,9; 12,5; 6,7; 8,9; 7,4; 9,2; 10,3; 10,9; 6,0; 8,8; 4,6; 6,8;
2,2; 2,1; 3,0; 6,5; 2,7; 3,9; 4,5; 3,7; 2,9; 13,3; 9,5; 9,1; 4,8; 10,5; 4,1; 1,5; 10,5;
8,8; 10,0; 9,1; 4,5; 3,8; 5,3; 5,4; 7,2; 8,0; 7,4; 12,5; 18,2; 10,6; 9,2; 14,7; 5,7;
5,3; 8,7; 5,6; 5,8; 5,1; 10,7; 11,4; 5,9; 15,3; 9,7; 10,0; 3,4; 3,8; 5,5; 5,5; 7,7; 7,7;
6,3; 5,7; 6,5; 4,9; 4,6; 6,5; 5,3; 4,3; 5,3; 7,8; 8,2; 5,2; 5,4; 5,5; 11,5; 17,1; 10,0;
5,2; 8,2; 7,2; 6,1; 11,0; 15,4; 10,1; 14,3; 15,4.
• Construir histogramas para los datos presentados y discutir el efecto de la
selección del ancho de los intervalos de clase de éstos.
Elaboración de un histograma ASH
usar el programa libre desarrollado por investigadores de la Universidad
de Alberta para la construcción de histogramas ASH. Este programa está
disponible en: http://maverick.chem.ualberta.ca/plot/ash [33]. Lo único
que se requiere es copiar y pegar.

datos en la tabla que se encuentra en la parte izquierda de la página y

pulsar el botón: “Make ASH”. Los datos por graficar los deben usar (.)
para separar los decimales (e.g., 14.5). Con los datos del ejemplo anterior,
se obtiene la siguiente gráfica:
En el gráfico, las líneas verticales marcadas de color naranja corresponden a los datos originales
de la muestra. Las cifras de la parte superior corresponden al promedio y a la desviación estándar
de la muestra, mientras que N es el número de datos. La imagen difusa de color verde claro que se
observa corresponde a los histogramas calculados mientras que la curva naranja que se superpone
a la misma es el mejor histograma posible; i.e., un ajuste de los anteriores. Los colores mostrados
pueden ser seleccionados por el usuario; así como el título del eje. Más información se puede
encontrar en el artículo por el grupo de Buriak publicado en Chemistry of Materials [32].