Definición de Parámetros Distribuciones de Frecuencia

UNIVERSIDAD NACIONAL DE CAJAMARCA
“Norte de la Universidad Peruana”
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA AMBIENTAL
TEMA:
DEFINICIÓN DE PARÁMETROS DISTRIBUCIONES DE FRECUENCIA
CURSO:
MATEMATICA APLICADA A LA INGENERIA AMBIENTAL
NOMBRE:
BUENO VÁSQUEZ ILMER EDILBERTO
VARGAS TORRES, MIGUEL
DOCENTE:
JOSÉ FERNANDO GONZALES VIGO
Celendín, enero del 2024

1
MATEMATICA APLICADA A LA INGENIERIA AMBIENTAL
TEORIA DE ERRORES
TRABAJO PRÁCTICO Nº1
DEFINICIÓN DE PARÁMETROS
DISTRIBUCIONES DE FRECUENCIA
CONTENIDOS
Definición y Clasificación de errores. Sensibilidad. Precisión. Exactitud. Parámetros

estadísticos. Propagación de errores. Cifras significativas. Distribución de Frecuencias.
Histograma.
OBJETIVOS
¾ Entender el proceso de medida de una cantidad física y la necesidad de cuantificar el error

cometido.
¾ Diferenciar los distintos tipos de errores.
¾ Entender los conceptos de sensibilidad, precisión y exactitud.
¾ Representar mediante un histograma una serie de datos
¾ Determinar los errores de apreciación de diversos instrumentos disponibles y determinar el
alcance de los mismos.
¾ Determinar la propagación de errores de magnitudes físicas calculadas a partir de
mediciones experimentales directas.
I.1 FUNDAMENTOS TEÓRICOS
I.1.1 Magnitudes y Unidades de Medición.
Se llama magnitud a la propiedad que es susceptible de ser medida o
calculada. Las magnitudes se pueden clasificar según el tipo de propiedad en magnitudes

geométricas, magnitudes físicas, etc. Las magnitudes geométricas son aquellas
propiedades geométricas que pueden ser medidas directamente o que pueden ser
calculadas a partir de otras magnitudes que pueden medirse y cuyo valor aproximado
puede conocerse. Las magnitudes físicas son aquellas propiedades físicas que pueden ser
ya sea medidas directamente o calculadas mediante alguna ecuación que tenga un sentido
físico. Ejemplos de magnitudes geométricas son el ángulo plano, la longitud, el área, el
volumen, etc. Ejemplos de magnitudes físicas son, la masa, el tiempo, la fuerza, la
temperatura, etc.
2
Magnitudes geométricas fundamentales son aquellas que son susceptibles de
ser medidas directamente y que no pueden ser calculadas mediante una ecuación. Aquí
consideraremos únicamente a la más común de las magnitudes geométricas
fundamentales, a saber, la longitud {L}. Magnitudes geométricas derivadas son aquellas
que pueden ser calculadas a partir de la magnitud geométrica fundamental {L}, por
ejemplo, el ángulo plano {L / L} abreviado {1} el Área {L2}, el volumen {L3}.
Magnitudes físicas fundamentales son aquellas propiedades físicas que son
susceptibles de ser medidas directamente y que no pueden ser calculadas a partir de otras
magnitudes. Aquí consideraremos dos de las magnitudes físicas fundamentales más
comunes que son la masa {M} y el tiempo {T}
Magnitudes físicas derivadas son aquellas propiedades físicas que pueden ser
calculadas por medio de una fórmula dimensional a partir de las magnitudes geométricas
y de las magnitudes físicas fundamentales, por ejemplo, la velocidad angular {T -1}, la
velocidad {LT-1}, la fuerza {LMT-2}, la densidad {ML-3},etc.
Se llama fórmula dimensional a aquella combinación de magnitudes físicas
fundamentales en forma de productos o cocientes que tienen algún sentido físico y que
representan la dimensión de la propiedad física. Por ejemplo, la fórmula dimensional de la
magnitud física “energía” en el sistema internacional (SI) de unidades es {L 2MT-2} porque
puede ser expresada como productos de magnitudes geométricas y físicas fundamentales.
Se llama fórmula adimensional o también número adimensional a aquella

combinación de magnitudes físicas fundamentales en forma de productos o cocientes
(monomios potenciales) que tiene algún sentido físico y al que no puede asignarse una
dimensión determinada. Por ejemplo, a la fórmula adimensional {ML -3M-1L3} ó {ML-
3
/ML3}que representa a la densidad relativa de una sustancia con respecto a otra no puede
asignársele una dimensión puesto que las dimensiones se cancelan mutuamente,
transformando a la densidad relativa en una magnitud física adimensional.
Se llama unidad de la magnitud física ó unidad de medición [U] de la

magnitud física U a aquella unidad elegida convencionalmente que tiene el mismo sentido
físico que dicha magnitud U.
Ejemplos de unidades de la magnitud física ó unidades de medición [U] de las

magnitudes físicas U son: de la unidad de longitud, el metro [m]; de la unidad ángulo, el radián [1];
3
de la unidad de masa, el kilogramo [kg]; de la unidad de tiempo, el segundo [s]; de la unidad de
temperatura absoluta, el Kelvin [K]; de la unidad de fuerza el Newton [N], etc.
Recibe el nombre de sistema de unidades de medición al conjunto de unidades
de medición (unidades de las magnitudes físicas), establecidas de forma concreta, de

todas las magnitudes que se consideran en una rama determinada de la física. Por lo
general, se recomienda para todas las ramas de la ciencia y de la técnica, el Sistema
Internacional de Unidades (SI) que en lo referente a las unidades mecánicas coincide con
el sistema MKS (absoluto práctico) y en lo referente a las unidades electromagnéticas
coincide con el MKSA
(sistema absoluto de unidades prácticas). Se llaman sistemas de unidades absolutos los

sistemas en los cuales se toman en calidad de unidades fundamentales de las magnitudes
mecánicas las unidades de longitud, masa y tiempo. El Sistema Internacional de Unidades
que hasta el presente abarca todas las ramas de la física y de la técnica se basa en seis
unidades fundamentales1, a saber. de longitud [m], de masa [kg], de tiempo [s], de intensidad
de la corriente eléctrica el Ampère (Amperio) [A], de temperatura el Kelvin [K] y de
intensidad de la luz la candela [cd].
En el Anexo I de la guía se explicitan algunas magnitudes físicas, sus
fórmulas dimensionales y sus dimensiones en el SI.
I.1.2 Error de apreciación
Lo primero que un experimentador debe conocer es la apreciación del
instrumento con el que va a trabajar, es decir la indeterminación de la escala de lectura del

mismo.
Este tipo de errores se emplea para la cuantificación de la indeterminación de
los datos en dos casos muy especiales. El primero es cuando sólo se puede hacer una sola
medición por las características especiales del material a medir (ensayos destructivos, etc.);
La segunda es cuando se hacen varias mediciones y todos los valores coinciden por lo que la
Teoría de Errores Casuales no puede emplearse (falta de sensibilidad del instrumento,
módulo de fluctuaciones no detectables, etc.). Ambos casos coinciden en que se tiene un
solo dato y allí, la única manera de determinar el error es considerando la indeterminación
de la escala.
Básicamente hay tres tipos de escalas de lectura en los instrumentos de

4
laboratorio:
a) de lectura directa con escala continua

b) de lectura directa con escala digital
c) de lectura indirecta por alineación
Los instrumentos de lectura directa son aquellos donde el valor de la medición
puede obtenerse directamente de su escala:
a) Los instrumentos de lectura directa con escala continua, son los que a simple vista se
puede observar toda la escala que existe entre dos líneas indicadoras. El ejemplo clásico
es la regla milimetrada, donde cada raya indica un mm, y se puede ver directamente el
espacio entre dos rayas.
Estimación de una lectura: Es el menor intervalo que el operador puede
estimar con la escala del instrumento del cual dispone.
Apreciación del instrumento: Es el menor intervalo de la escala del
instrumento del cual se dispone o sea su menor división.
La estimación de una lectura coincide con la apreciación del instrumento
cuando el operador no puede estimar mas allá de la correspondiente menor división del
instrumento que dispone.
La estimación de una lectura a veces suele ser menor que la apreciación del
instrumento del cual se dispone. En efecto en el caso de una regla milimetrada Ud. puede
decir si su medida está más cerca de una división milimétrica dada o de la siguiente, o en
el medio de las dos aunque allí no exista marca alguna. Esta estimación depende del
operador, de su experiencia, atención y de las condiciones de la medida. A veces es
posible mejorar una escala disminuyendo el error de apreciación allí donde no existe una
gradación entre dos marcas consecutivas mediante algún artificio (el ojo humano, el uso
de una lupa, el uso de una sub-escala o subdivisión, un vernier, etc.). Sin embargo es
conveniente notar que la mejora en la apreciación del instrumento no necesariamente
significa que la medición será mejor, como en el caso de instrumentos cuya exactitud no
5
se puede mejorar más allá del dado por las divisiones de la escala, ya sea por
características constructivas del instrumento o factores de diseño, etc.
La estimación de una lectura a veces suele ser mayor que la apreciación del
instrumento del cual se dispone, tal es el caso de mediciones donde, por ejemplo, una
aguja fluctúa entre más de una menor división de la escala. En dicho caso la estimación
de la lectura puede corresponder a dos, tres o más veces la menor división del
instrumento.
Una vez realizada la medición la estimación de una lectura se denomina error de

apreciación.
b) Los instrumentos de lectura directa con escala digital, son aquellos en
que algunos valores no se pueden ver a simple vista. Se trata de una escala discreta en vez
de continua como el caso anterior. En el caso de una balanza con escala digital que va de
gramo en gramo, el ojo humano no puede ver entre gramo y gramo por tal motivo es que se
debe tomar como módulo del error de apreciación a la menor unidad de lectura.
c) Instrumento de lectura indirecta por alineación, las lecturas no se hacen
en forma directa, pues estos instrumentos carecen de escala de lectura. El ejemplo más
común es la balanza de brazos, donde en un platillo se coloca la masa a pesar y en el otro
se colocan las pesas patrones. Aquí la medición consiste en equilibrar los brazos, lo que
se aprecia por la coincidencia de una aguja indicadora con el centro de simetría que está
indicado. Luego de lo cual se suman los valores de las pesas empleadas. El método para
determinar el error de apreciación en estos casos, consiste en lo siguiente: Se toma la
menor pesa disponible y se coloca cuidadosamente en el platillo observando si la aguja
indicadora se desplaza de la posición de equilibrio, entonces, si es así, el valor de dicha
pesa será el módulo del error de apreciación, justamente porque eso es lo que puede
apreciarse; si no es así, hay que colocar la siguiente pesa patrón disponible de mayor peso
que la anterior y se observa si se pierde el equilibrio, de ser el caso, tal será el módulo del
error de apreciación, y en caso contrario se toma otra pesa y así sucesivamente.
I.1.2 Sensibilidad de un instrumento de medición
Es el umbral mínimo de detección de un instrumento de medición. Por lo
general la sensibilidad de un instrumento está relacionada con la capacidad del instrumento

para producir una lectura, es decir, la menor cantidad de la magnitud que puede ser medible.
Por ejemplo, la sensibilidad de un fotómetro usado en la determinación de elementos
químicos se expresa en p.p.m. (partes por millón) y es la mínima cantidad que puede llegar a
ser detectada con el instrumento. En el caso de dos balanzas, la mas sensible será aquella
que produzca una lectura o respuesta con una pesa de menor valor. Los instrumentos más
6
sensibles son aquellos que producen desviaciones de su estado de equilibrio con menores
perturbaciones.
I.1.3. Tiempo de respuesta de un instrumento de medición.

Entre dos instrumentos o equipos, el que tenga un mejor tiempo de
respuesta será aquel que ante una variación del sistema, aunque sea mínima, tenga una
respuesta más rápida ante la perturbación.
I.1.4. Ganancia o factor de amplificación.

La relación que existe entre la magnitud de la señal de salida de un instrumento y la
magnitud de la señal de entrada se denomina ganancia. Si la señal de salida es mayor que la
señal de entrada la ganancia se denomina factor de amplificación e indica por cuántas veces
es multiplicado el valor de la señal de entrada.
I.1.5 Precisión
Una manera de clasificar las causas de error es observando sus efectos, es decir
se las clasifica según si afectan la precisión o si afectan la exactitud de las mediciones

efectuadas:
Precisión es la cualidad que tiene un instrumento de poder repetir, en mayor o
menor grado, los valores correspondientes a una cierta magnitud medida en las mismas
condiciones. La precisión es repetibilidad de datos cuando el sistema no varía.
Con respecto a los errores, este concepto se encuentra íntimamente ligado a los
errores casuales o accidentales y es inversamente proporcional a ellos. Es costumbre

decir que, cuando los errores casuales son pequeños en una experiencia, el instrumento,
equipo o método de trabajo tiene gran precisión, pero no quiere decir que sea exacto o
que tiene gran exactitud.
La precisión tiene que ver con la dispersión en una forma inversamente
proporcional: a mayor precisión, menor dispersión, menor desvío standard, menor error
casual.
La dispersión de los datos obtenidos por un sistema de medición, que mide “n”
veces un mismo valor patrón de una magnitud física, o bien, de una magnitud cualquiera, se
cuantifica con el Desvío Standard (DS) de los datos.
7
La precisión se cuantifica como la inversa del error relativo (Ver ítem 1.12. Error
relativo)
1 X X
Ρ= = ó
ER ΔX M
I.1.6 Exactitud
Es la obtención de datos lo más cercanamente posible al valor más probable. La

exactitud se encuentra vinculada a los errores sistemáticos. Cuando un instrumento, en una
determinada experiencia tiene errores sistemáticos pequeños, se dice que es de gran exactitud. Se
cuantifica mediante el sesgo que es igual, en valor absoluto, a la diferencia entre el valor verdadero y
el valor medio. Por lo tanto a mayor exactitud, menor error sistemático, menor sesgo.
δ = μ−X
Por lo general, un equipo para ser sensible, preciso y exacto deberá siempre
tener que sacrificar algo de estos tres conceptos. Se debe aceptar un instrumento que sea
confiable disminuyendo en algo los tres parámetros y así conseguir la conjunción de estos
tres conceptos.
Precisión y Exactitud: Una analogía clásica para diferenciar
dichos conceptos es la de comparar una medición o experimento con un tiro al blanco.

Imaginando que se ha efectuado una serie muy larga de disparos a un blanco se pueden
plantear tres situaciones diferentes, tal como se aprecia en la figura:
a)preciso pero no exacto b) exacto pero no preciso c) preciso y exacto
a) Los impactos en el blanco tienen muy poca dispersión entre sí, por ello se habla de
que hay mucha precisión en la serie de disparos; sin embargo todos están lejos del centro por lo que se dice
que hay poca exactitud.
b) En este caso los disparos se distribuyen simétricamente alrededor del centro por lo
que estadísticamente se puede decir que el sistema es muy exacto, pero los disparos tienen una gran
dispersión por lo que se lo califica como poco preciso.
c) En este caso se da la situación ideal puesto que los disparos están muy juntos
alrededor del centro y con muy poca dispersión entre los mismos, el sistema es preciso y exacto.
8
La analogía de lo anterior con una serie de mediciones es inmediata, si se piensa que los
impactos en el blanco son los resultados que se obtienen en las mediciones, y que cada disparo es
equivalente a una medición. Por otra parte, el sistema para disparar es el equivalente del sistema de
medición.
La principal diferencia de esta analogía es que mientras el “valor verdadero” de una
magnitud jamás se conoce, el centro del blanco es observable a simple vista.
I.1.5 Valor medio
El valor medio o promedio de una serie de mediciones se define como la sumatoria de
las mismas dividida la cantidad de mediciones. El valor medio o media aritmética es la medida de
tendencia central más conocida. Es la medida descriptiva que la mayoría de las personas tiene en mente
cuando se habla del “promedio”.
− n
Xi
X=∑
i=1 n
I.1.6 Mediana
Cuando se realiza una serie de mediciones, en algunas ocasiones se toma la mediana en
lugar del valor medio para representar al valor más probable o tendencia central.
La mediana de un conjunto finito de valores es aquel valor que divide al conjunto en
dos partes iguales tales que el número de valores iguales a la mediana o mayores que ella es igual al
número de valores iguales a ella o menores que ella.
La mediana de una serie de mediciones, donde se han ordenado los valores en orden
creciente o decreciente de la magnitud en cuestión, es el elemento o valor central de la serie, en el caso que
el número total de mediciones sea impar y, en el caso que tengamos un número par de mediciones, es la
media aritmética de los dos valores centrales.
9
I.1.7 Desviación media
Es el promedio de las desviaciones de todos los valores individuales, o sea, es la
sumatoria de todos los valores absolutos de los errores aparentes de las mediciones realizadas dividido por
el número total de mediciones.
n Xi − X
d=∑
i=1 n
La desviación media representa la cantidad en que una medida independiente de la serie
se ha desviado del valor que se considera más probable.
I.1.8 Rechazo de valores
Suele ocurrir que a veces, en una serie de mediciones parecidas, se encuentre que uno o
más de los valores numéricos difiere en forma considerable de los otros y enseguida se piensa en
rechazarlos, para calcular el valor promedio. La probabilidad matemática ha indicado muchos caminos o
reglas para determinar la justificación de esos rechazos. Uno de ellos es, eliminar ese valor o valores
dudosos y calcular el valor promedio y la desviación de los valores restantes. El valor rechazado está
justificado matemáticamente, si la desviación del valor que se rechaza con respecto al promedio es igual o
mayor que cuatro veces la desviación media de los valores restantes.
≥ 4*
ΔXrechazadorestantes d
restantes
X rechazado - X ≥ 4*drestantes
ΔX rechazado es el error del valor rechazado y se llama Error Anormal.
10
I.1.9 Población y Muestra
Se define población de valores como el mayor grupo de valores de una variable
aleatoria por los cuales se tiene un cierto interés en un momento dado. Por ejemplo, si se tiene interés en el
peso de todos los adolescentes inscriptos en un determinado sistema escolar provincial, la población consta
de todos estos pesos. Si el interés se centra sólo en el peso de los alumnos de primer año del sistema, se
tiene una población distinta. La población puede ser finita o infinita.
Una muestra puede definirse simplemente como una parte de una población. Supóngase
que una población consta del peso de todos los adolescentes de nivel secundario inscriptos en un
determinado sistema escolar provincial. Si se reúnen para el análisis el peso de sólo una fracción de estos
niños, se tiene sólo una parte de la población de pesos, es decir, se tiene una muestra.
I.1.10 Desvío Standard
El desvío standard permite obtener una medida de la dispersión de los valores con
respecto a la diseminación de los mismos en torno a su media. Cuando los valores de un conjunto de
observaciones están muy próximos a su media, la dispersión (desvío standard) es menor que cuando están
distribuidos sobre un amplio recorrido.
∑(X
i =1
i − X )2
Desvío standard muestral: DS = n-1
Para el caso teórico de efectuar infinitas mediciones, se obtendría un valor verdadero
del desvío standard, llamado desvío standard real ( σ ) (poblacional). La

relación entre ambos desvíos standard está dada por:
DS * kn = DSº ⎯⎯→σ cuando n ⎯⎯→∞
DS = desvío standard muestral. Subestimación del valor verdadero. kn = factor de corrección encontrado
por Gurland y Tripathi y se encuentra tabulado para distintos valores de “n” (Ver Tabla en Anexo).
DSº = desvío standard corregido.
σ = desvío standard real o poblacional.

11
I.1.11 Error real del valor medio Es la
cuantificación del error casual:
M = z * DSº / n
Generalmente en física se emplea z = 1, por lo que el error real del valor medio se asimila al error
standard de estimación
Error standard de estimación = DSº /
n
Y el valor verdadero se expresará como: μ = X ±M
I.1.12 Error relativo

El error relativo de una medición directa se calcula como el cociente entre el error real
del valor medio (M) y el valor más probable ( X )
M M
ER = ER% = * 100
X X
Y en una medición indirecta, como el cociente

entre el error delta X de la función y la
función X.
ΔX ΔX
ER = ER% = * 100
X X
12
I.1.13 Distribuciones de Frecuencia
Hay varios modelos característicos de distribución de frecuencias, la más común de las
cuales es la distribución simétrica acampanada, o distribución normal. Hay también distribuciones

sesgadas (más alargadas en un extremo que en otro), distribuciones en forma de L, distribuciones en forma
de U y otras.
Podemos hacer distribuciones de frecuencia cualitativas y cuantitativas.
Si la forma de una distribución de frecuencia es de particular interés, muchas veces
puede ser deseable presentar la distribución en forma gráfica cuando se discuten los resultados.
Generalmente esto se hace por medio de diagramas de frecuencia de los que hay dos tipos comunes. Para
una distribución de datos merísticos o discretos utilizamos un diagrama de barras. La abscisa representa
la variable, y la ordenada las frecuencias. La característica importante de este diagrama es que las barras
no se tocan, lo que indica que la variable no es continua. En cambio, las variables continuas se representan
gráficamente por medio de un histograma, en el cual la amplitud de cada barra a lo largo de la abscisa
representa un intervalo de clase de la distribución de frecuencias y las barras se tocan para mostrar que los
límites reales de las clases son contiguos. El punto medio de la barra corresponde a la marca de clase y la
altura de la barra representa la frecuencia de clase.
Para demostrar que los histogramas son aproximaciones apropiadas para las
distribuciones continuas que se encuentran en la naturaleza, podemos tomar un histograma y hacer más
estrechos los intervalos de clase, produciendo más clases. Entonces el histograma claramente se ceñirá
más a una distribución continua. Podemos continuar este proceso hasta que los intervalos de clase se
aproximen al límite de amplitud infinitesimal. En este momento el histograma se convierte en la
distribución continua de la variable.
I.1.14 Distribución de frecuencias de variables continuas
La función de densidad de probabilidad normal puede representarse por:
Z= * e −(x −x)
i 2 2σ2
13
Z es la altura de la ordenada de la curva que representa la densidad de los ítems. Es la variable dependiente
de la expresión, siendo función de la variable x .
En una función de densidad de probabilidad normal hay dos parámetros, la media
paramétrica x y la desviación típica paramétrica σque determinan la situación y forma de la distribución.

Hay una infinidad de curvas ya que estos parámetros pueden tomar una infinidad de valores.
Una variable distribuida según la ley normal puede tomar cualquier valor sea grande o
pequeño, aunque los valores más distantes de la media en más o menos 3 veces la desviación típica son
bastantes improbables siendo muy escasas sus frecuencias relativas esperadas. Esto se ve en la ecuación
−(x −x) 2σ2
cuando x es muy grande o muy pequeño, el término e i 2
será muy pequeño y por esta razón Z será
muy bajo.
La curva es simétrica en torno a la media. En una distribución de frecuencias normal

los siguientes porcentajes de ítems están dentro de los límites indicados:
μ± σ contiene el 68,26 % de los ítems μ± 2σ

contiene el 95,46 % de los ítems μ± 3σ contiene
el 99,73 % de los ítems
Recíprocamente:
El 50% de los ítems están entre μ± 0,674 σ

El 95% de los ítems están entre μ± 1,960 σs El 99%
de los ítems están entre μ± 2,576 σ
I.1.15 Propagación De Errores
La operación de aplicar directamente el instrumento de medición a la magnitud que se quiere medir se

denomina "medición directa". Por ejemplo, cuando medimos longitudes mediante una cinta métrica o una
regla, o intervalos de tiempo mediante cronómetros, etc.
14
Sin embargo, a menudo se desea conocer el valor de una magnitud y no es posible o conveniente aplicar
directamente un instrumento de medición a la magnitud que se desea medir.
Supongamos que se desea determinar el perímetro de un triángulo, para lo cual se procede a medir cada
uno de sus lados con su correspondiente error. Para obtener la magnitud del perímetro, se deben sumar las
magnitudes de cada uno de sus lados. Aquí el error que afecta a la medición de cada lado del triángulo se
"propagará" al resultado final ya que el error absoluto que afecta al perímetro dependerá de los errores de
apreciación que afectan a las mediciones de cada lado.
I.1.15.1 Error de propagación en la suma
Sean: x, y, z, los valores medidos de una magnitud física cualquiera; y Δx, Δy, Δz, los errores de
apreciación correspondientes. Si una magnitud P, está definida por una expresión del tipo:
P=x±y±z
El error de la magnitud calculada P será:
ΔP = |Δx| + |Δy| + |Δz|
Donde: Δx, Δy, Δz, son los errores de apreciación de cada una de las variables medidas.
En otras palabras, "El error absoluto de la suma es igual a la suma de los errores de apreciación
(absolutos) de los sumandos.
I.1.15.2 Error de propagación del producto
Si la magnitud a calcular P está definida por una expresión del tipo:
P =x.y
Si x e y son mediciones directas y Δx, Δy son sus correspondientes errores de apreciación, los errores
relativos serán:
Y
x ΔΧ y Δ
E= ; E=
Χ Y
Y el error relativo de P será:
15
ΔΡ ΔΧ ΔΥ
= +Ρ Χ Υ
Entonces;
⎛ ΔΧ ΔΥ ⎞
ΔΡ = Ρ⋅⎜⎜⎝ Χ + Υ ⎟⎟⎠
Donde: ΔP es el error de apreciación de la magnitud calculada.
En otras palabras, "El error relativo de un producto es igual a la suma de los errores relativos de los
factores".
Un caso más general es aquel en el que la magnitud en cuestión está relacionada con las magnitudes x, y,
z, medidas directamente mediante una expresión de la forma:
M = xa . yb . zc
Donde, a, b, c, son exponentes positivos o negativos, enteros o fraccionarios. Entonces el error relativo de
la magnitud calculada M será:
ΔΜ = a ⋅⎛⎜ ΔΧ ⎞⎟+ b ⋅⎛⎜ ΔΥ ⎞⎟+ c ⋅⎛⎜ ΔΖ⎞⎟

Μ⎝ Χ ⎠⎝ Υ ⎠⎝ Ζ ⎠
La propagación de errores se estudia en un concepto más amplio utilizando el desarrollo en Serie de

Taylor, pero sólo con la primera aproximación, despreciando los términos a partir del segundo orden, a fin
de simplificar; es decir, se utiliza sólo el primer término de la Serie, de la siguiente manera:
Sea:
Y = f(X)
16
ΔΥ = f (Χ + ΔΧ)− f ( )Χ = d(f (X )) ⋅ΔΧ
dX
Que se aplica siempre que se tenga una magnitud indirecta que depende de una sola variable.
En el caso más general y más frecuente, cuando una magnitud es determinada a través de una función
conocida, el error se determina de la siguiente manera: Sea:Y = f (X1, X2,.....,Xn)
∂ f ⎞ ⎛ ∂ f ⎞ ⎛ ∂ f ⎞
ΔΥ = ⎜⎜⎛⎝∂ x 1 ⎟⎟⎠Δx1 + ⎝⎜ ⎜∂ x 2 ⎟⎟⎠Δx2 +................+ ⎜⎝⎜∂ x n ⎟⎟⎠ Δxn
⎟ Δxi
ΔΥ =∑i=n1 ⎜⎜⎛⎝∂∂xfi ⎞⎟⎠

Esta ecuación es la fórmula más general de la propagación de errores.
I.1.16 Cifras Significativas
El número de cifras significativas es el número mínimo de dígitos que se necesitan para
expresar científicamente un valor sin que se pierda exactitud. El número 142,7 tiene cuatro cifras
significativas porque puede escribirse en la forma 1,427 x 10 2, y las cuatro cifras se requieren para expresar
totalmente el valor.
El número 6,302 x 10-6 tiene cuatro cifras significativas porque los cuatro dígitos son
necesarios. El mismo número podría escribirse 0,000006302 y tendría también solamente cuatro cifras
significativas. Los ceros a la izquierda del 6 simplemente ocupan posiciones decimales.
El número de cifras significativas se cuenta a partir de la primera cifra distinta de cero
desde la izquierda. La última cifra significativa es aquella que se ve afectada por el error de la medida.
Hay que prestar atención cuando el resultado de una medida es 100 cm. Esto puede ser 1m y
sólo tiene una cifra significativa o 100.0cm=1.000m y entonces las cifras significativas son 4.
17
I.2 PROCEDIMIENTOS
A) Confección de un Histograma – Metodología de la Experiencia
1. Efectuar un número grande de mediciones (Ver apéndice Ejercicios de aplicaciones específicos

para cada área) sobre una determinada muestra con el instrumento que se elija para realizar la
experiencia.
MEDIDAS DE UN GOTERO
2.543 2.525 2.510 2.517 2.522 2.522 2.510 2.511 2.519 2.532
2.529 2.524 2.527 2.536 2.506 2.541 2.512 2.515 2.521 2.536
2.518 2.534 2.529 2.523 2.523 2.523 2.519 2.538 2.543 2.538
2.523 2.520 2.520 2.514 2.512 2.534 2.526 2.530 2.532 2.526
2.522 2.514 2.535 2.523 2.526 2.525 2.532 2.522 2.502 2.530
2.540 2.528 2.533 2.510 2.542 2.524 2.530 2.521 2.522 2.535
2.540 2.528 2.525 2.515 2.520 2.519 2.526 2.527 2.522 2.542
2.522 2.513 2.531 2.545 2.524 2.522 2.520 2.519 2.519 2.529
2.519 2.521 2.518 2.527 2.511 2.519 2.531 2.527 2.529 2.528
2. Tomando el menor y el mayor valor ordenar en forma creciente o decreciente todos los posibles
valores entre el máximo y el mínimo.
VALOR MAXIMO: 2.502
VALOR MINIMO: 2.545
TOTAL, DE DATOS: 90
3. Obtener la frecuencia correspondiente a cada valor.

CLASE FRECUENCIA
2.508 2
2.514 8
2.519 14
18
2.525 26
2.531 19
2.537 12
2.542 6
2.548 3
4. Graficar el diagrama de bastones llamado también “Histograma de frecuencia de la variable”
5. Agrupar los valores posibles en “clases” seleccionando el tamaño de clase más conveniente.
6. Hallar la frecuencia de clase.
7. En los gráficos anteriores observar cuales son los valores que aparecen con más frecuencia,
donde está el porcentaje más importante, y si el crecimiento y la forma en que decrecen son
bastantes simétricos.
19
Valor con más frecuencia: 2.525 (26)
Porcentaje más importante: clase 2.526
Frecuencia: 26
Porcentaje 23.4%
La simetría son las cantidades proporcionadas o equilibradas y cómo podemos observar en el

ejemplo de las medidas pomadas de la propipeta podemos afirmar que no es asimétrica.
8. ¿En cuál de los dos gráficos se visualiza mejor lo solicitado en el punto anterior?
Podemos diferencias mejor los datos mediante un histograma.
9. ¿Si tomara un número de clases muy pequeño (gran tamaño de clase) que pasa con la
información?
La forma del grafico cambia y dependerá de la cantidad de datos, como se presente el histograma.
B) Determinación del error de apreciación de algunos instrumentos
1. Observe la unidad de medida de cada uno de los instrumentos disponibles.
2. Determine el valor de la menor división de la escala y el alcance de los mismos.
3. Consigne los datos en una tabla de la siguiente forma:
TABLA N°1
20
ERRORES DE APRECIACION Y DE DIVERSOS INSTRUMENTOS
N° INSTRUMENTO UNIDAD MENOR DIVISION
1 PIPETA Centímetros 19.32
2 PROBETA Centímetros 25.8
3 TUBO DE ENSAYO Centímetros 12.3
4 PROPIPETA O PERA Centímetros 5.3
5 GOTERO Centímetros 2.5
C) Medicion directa de magnitudes físicas
1. Mida con una regla el largo de la hoja de esta guía y el espesor de un cuerpo cualquiera
25.73
2
9.843
2.. Exprese los valores leídos con tantas cifras decimales como el instrumento lo permita.
l =25.732
a =9.843
3. De acuerdo a la teoría que se adjunta, consigne:
a) El error de apreciación:
Δl = 25.73
21
Δ =9.84
b) El resultado de la medición.
l=25.7
a=9.8
4. Dibuje en ambos casos el intervalo del error en el cual está comprendido el valor de la
magnitud medida.
LARGO: 0.032
ANCHO: 0.043
5. Para cada instrumento de los que disponga (regla, calibre, tornillo micrométrico, termómetro,
probeta, voltímetro, amperímetro, etc.) mida la magnitud correspondiente y determine los
valores de las mediciones con su correspondiente error.
6. Consigne los valores en una tabla como la que se muestra:
TABLA N° 2
MEDICION DIRECTA DE MAGNITUDES FISICAS
Toma de tiempo de una placa se demora en desplazarse una distancia fija, con cronómetros
(mecánico, eléctrico y de celular) se toma el tiempo 10 veces y se busca hallar el valor más exacto.
MAGNITUD INSTRUMENTO APRECIACION VALOR ERROR RESULTADO
MEDIDA UTILIZADO INSTRUMENTO MEDIDO RELATIVO DE LA
MEDICION
TIPO UNIDAD TIPO ALCANCE x ER= Δx/x ER %

Δx
TABLA DEL EXPERIMENTO

t (seg)(CM) t(seg)(CE) t(seg)(CCel)
22
1 2.7 2.66 2.46
2 2.6 2.55 2.52
3 2.7 2.64 2.51
4 2.7 2.66 2.53
5 2.8 2.63 2.52
6 2.9 2.63 2.53
7 2.7 2.64 2.51
8 2.8 2.63 2.52
9 2.8 2.63 2.52
10 2.7 2.62 2.50
t (Seg) 2.7 2.63 2.51
CALCULOS
ERROR ABSOLUTO
Cronometro Mecánico e =|x̅ −x ' |

=|2,7-2,5729|=0,1271
Cronometro Eléctrico e =|x̅ −x ' | =|2,63
– 2,5729|=0.0571
Cronometro Celular e =|x̅ −x ' | =|2,51 –
2,5729|=0,0629
ERROR RELATIVO
Cronometro Mecánico
Cronometro Eléctrico
Cronometro Celular
23
% ERROR RELATIVO
Cronometro Mecánico
%e=e∗100=0,1271∗100=12.7%
Cronometro Eléctrico
X (diámetro)mm Y (altura)mm
%e=e∗100=0, 14,22 20,5 0571∗100=5.71%

Cronometro 14,26 19,4 Celular
14,25 20,47
%e=e∗100=−0 ,0629∗100=−6.29 %
14,21 20,19
7. Compare 14,15 20,44 los errores relativos de la tabla anterior.

14,18 20,38
Al comparar los errores relativos y error relativo
porcentual 14,17 20,43 podemos observar la diferencia.
14,3 20,48
8. Calcule el volumen de un cuerpo y exprese el
resultado 14,22 20,13 con su correspondiente error.
14,16 20,43
Procedemos a calcular el volumen del
cilindro, 14,26 20,35 a partir de la siguiente formula
14,14 20,33
presentan en la
14,22 20,45
Las medidas se
14,18 20,47
r
14,14 20,38
14,09 20,29
14,13 20,34
h
14,14 20,33
14,15 20,36
14,3 20,41
14,26 20,42 tabla.
14,27 20,44
14,28 20,04
14,19 20,38
14,2 20,36
14,26 20,37
14,26 20,36
24
14,27 20,35
14,15 20,29
14,17 20,34
Valor medio:
Desviación estándar
Desviación estándar del valor medio
Calculo del volumen
A partir de los valores previos obtenidos los reemplazamos en la ecuación del volumen del cilindro
para obtener el valor medio.
Continuamos con el cálculo del error total del volumen, por medio de la fórmula de propagación de
errores casuales
Volumen Final
V=(v+-Sv) = (3224,15+-7,80) mm3
25
Error relativo
Error relativo porcentual
Error relativo * 100% = 0,002%

Apéndice
Datos Agrupados y Distribución de Frecuencia
Aunque un conjunto de observaciones puede hacerse más comprensible y más significativo por medio
de un arreglo ordenado, es más útil el resumen que se obtiene mediante la agrupación de datos. Al
agrupar un conjunto de observaciones se debe seleccionar un conjunto de intervalos contiguos que no
se traslapen, para que cada valor en el conjunto de observaciones pueda ser puesto en uno y sólo uno
de los intervalos. Estos intervalos normalmente se identifican como intervalos de clase.
Una de las primeras consideraciones cuando se agrupan datos es la de cuántos intervalos se deben
incluir. Resulta inadecuado incluir pocos intervalos, porque se pierde información. Por otra parte, si se
utilizan muchos intervalos, el objetivo de resumir no se obtiene. Para ello, lo más importante es
conocer los datos. Una regla empírica habitualmente seguida establece que deben ser entre 6 y 15
intervalos. Si hay menos de 6 intervalos, los datos se han resumido en exceso y la información que
contienen se pierde. Si hay más de 15 intervalos, no se han resumido lo suficiente los mismos.
Hay guías más específicas para decidir cuántos intervalos de clase son necesarios. Para ello se puede
utilizar la fórmula propuesta por Sturges: k = 1 + 3,322(log 10 n) (I) donde: k = es el número de
intervalos de clase n = es el número de valores en el conjunto de datos en observación.
La respuesta que se obtiene aplicando esta fórmula no es definitiva y se debe tomar como guía.
El número de intervalos de clase especificado por la regla deberá incrementarse o disminuirse por
conveniencia y para lograr una presentación más clara.
26
También se debe tener en cuenta la dimensión del intervalo de clase. Generalmente tienen la misma
dimensión. Esta se determina mediante la división de la amplitud R (diferencia entre la observación
más pequeña y la más grande dentro del conjunto de datos) y k.
R w= (II) k
Generalmente, este procedimiento deja una dimensión que no es conveniente para su uso y nuevamente
se debe utilizar el sentido común para elegir la dimensión (normalmente cercana con la que se obtiene
con la ecuación anterior) que resulte ser la más conveniente (tamaño de clase).
Histograma - Polígono de Frecuencia
Ejercicio de Aplicación N° 1
(Bioquímica, Farmacia, Laboratorista y Genética)
La tabla siguiente muestra los pesos en onzas de los tumores malignos extirpados del abdomen de 57
pacientes.
68 27 32 12 25 44 25 36 31 45 51 49 27 38 24 23 49 27 30
63 30 28 27 24 65 74 42 28 12 12 38 31 21 69 22 28 23 43
42 36 79 22 23 43 51 28 25 57 32 42 50 16 47 43 19 46 49
Es posible presentar una distribución de frecuencias gráficamente en forma de un
Histograma. Para su construcción, los valores de la variable respectiva se colocan sobre el eje
horizontal, y las frecuencias de ocurrencia en el eje vertical. Si se pretende construir un Diagrama de
Bastones, sobre cada dato del eje horizontal, se levanta un bastón hasta que intercepte la frecuencia
respectiva. Si se pretende construir un Diagrama de Barras, sobre cada intervalo de clase, arriba del
eje horizontal, se levanta una barra rectangular, hasta que intercepte con la frecuencia respectiva. Las
barras del histograma deben ser adyacentes y es necesario tomar en cuenta los límites correctos de los
27
intervalos de clase para prevenir una separación de barras en la gráfica. El nivel de precisión que se
observa en los datos obtenidos y que tienen mediciones sobre una escala continua indica algún orden
de redondeo.
Sin embargo, se sabe que algunos de los valores que caen, por ejemplo, dentro del
segundo intervalo de clase, probablemente serán menores que 20 mientras que otros serán mayores que
29 cuando la medición es precisa. Al considerar la continuidad implícita de la variable, y suponiendo
que los datos fueron redondeados al entero positivo menor más próximo, entonces es lógico suponer,
por ejemplo, que 19,5 y 29,5 son límites correctos para este segundo intervalo. Utilizando estos
límites de clase no habrá separaciones.
Una distribución de frecuencia también puede ser mostrada gráficamente por medio de
un polígono de frecuencia. Para dibujar este polígono, primero se hace una marca arriba del punto
medio de cada intervalo de clase (marca de clase), representado sobre el eje horizontal de la gráfica.
La altura con respecto del eje horizontal de una marca dada corresponde a la frecuencia del intervalo de
clase. Al unir las marcas mediante líneas rectas se obtiene el polígono de frecuencia. El polígono cae
sobre el eje horizontal en los puntos que corresponderían a la marca en caso de haber celdas
adicionales en cada extremo del histograma correspondiente. Esto permite que el área total sea
delimitada. El área total bajo el polígono de frecuencia es igual al área bajo el histograma.
Desarrollo
1. Ubicar el valor mínimo y máximo de la serie de datos.
Mínimo:12
Máximo: 79
12 23
2. 12 24 Ordenar en forma creciente o decreciente todos los posibles
valores de aparcición. Hallar la frecuencia de aparicición.
12 24 Graficar el Diagrama de Bastones.
16 25 57
28
19 25 63
28
21 25 65
28
22 27 68
69 28
22 27
23 27 74
23 27 79
28
30
30
31
31
32
32
29
CLASE FRECUENCIA DIAGRAMA DE BASTONES
12 3
16 1
19 1
21 1
22 2
23 3
24 2
25 3
27 4
28 4
30 2
31 2
32 2
36 2
38 2
42 3
43 3
44 1
45 1
46 1
47 1
49 3
50 1
51 2
57 1
63 1
65 1
68 1
30
69
MATEMATICA 1
APLICADA A LA INGENIERIA AMBIENTAL
74 1
(49.5 – 57) 6
(57 – 64.5) 2
(64.5 – 72) 3
(72 - 79.5) 2
TOTAL 57
3. ¿Cuántos intervalos de clase se deben usar para la distribución de frecuencia de los datos?
Aplicar
la fórmula de Sturges (I)
k = 1 + 3,322(log10(n)) k=
1 + 3,322(log10(57)) k=6.8330162705
4. ¿Cuál sería una dimensión de los intervalos conveniente? Aplicar la ecuación (II). Hacer
consideraciones.
Valor máximo = 79
Valor mínimo = 12
Rango = 79 - 12 = 67
Intervalos =
1+3.322 log (57) = 6.8330162705

Amplitud = R/I = 67/7.5 = 8.93333 = 8.9
5. Realizar la distribución de frecuencia según los intervalos de clase. Elaborar el Diagrama de
Barras y el Polígono de Frecuencia de los tumores malignos:
31
Esta figura permite observar la relación entre las dos formas gráficas para un mismo conjunto de datos.
Histogramas - Polígono de Frecuencia
Ejercicio de Aplicación N° 2
(Ingeniería Química)
La tabla siguiente muestra la resistencia a la compresión de 80 muestras de aleación aluminio-litio
(libras/pulgada cuadrada)
Desarrollo
1. Ubicar el valor mínimo y máximo de la serie de datos.
VALOR MÍNIMO = 76
VALOR MÁXIMO = 245

32
2. Ordenar en forma creciente o decreciente todos los posibles valores de aparcición. Hallar la
frecuencia de aparicición. Graficar el Diagrama de Bastones.
1 76 13 133 7 207
2 87 3
14 133
3 97 15 160134 7 208
43
4 101 16 163135 2
7 218
5 105 17 165135 51
6 110 18 167141 7 2 221
7 115 19 168142 61
8 118 20 169143 7 1 228
7
9 120 21 170145 1
clase frecuencia 7 229
76 10 121 1 22 171146 2
8
87 11 123 1 23 172148 1
7 237
97 12 131 1 24 174149 92
101 1
105 1 175 8 2 245
110 1 176 01
115 1 DIAGRAMA DE BASTONES
178 1
1
118 180 2
120 1 181 2
1
183 1
121
123 1 184 1
131 1 186 1
133 2
190 1
134 1
135 2 193 1
141 1 194 1
142 1 196 1
143 1
145 1 199 2
146 1 200 1
148 1 201 1
149 2
207 1
150 2
151 1 208 1
153 218 1
1
221 1
154 2
1 228 1
156 33
229 1
MATEMATICA
157 APLICADA
1 A LA INGENIERIA AMBIENTAL
237 1
4
158 245 1
34
3. ¿Cuántos intervalos de clase se deben usar para la distribución de frecuencia de los datos?
Aplicar la fórmula de Sturges (I)
k = 1 + 3,322(log10(n))
k= 1 + 3,322(log10(80)) k=7.3220
4. ¿Cuál sería una dimensión de los intervalos conveniente? Aplicar la ecuación (II). Hacer
consideraciones.
Valor máximo =245

Valor mínimo =73
Rango = 245 – 73 =172
Intervalo = √80 =8.9442 = 8.9

1+3.322 log (80) = 7.3220 = 7.3 Amplitud
= R/I = 172/8.9= 19.3258
5. Realizar la distribución de frecuencia según los intervalos de clase. Elaborar el Diagrama de
Barras y el Polígono de Frecuencia de la resistencia a la compresión:

Intervalo de clase frecuencia
(76 - 84.9) 1 POLIGONO DE FRECUENCIA
(84.9 - 93.8) 1
(93.8 - 102.7) 1
2
(102.7 - 111.6)
(111.6 - 120.5) 2
3
(120.5 - 129.4)
(129.4 - 138.3) 6
(138.3 -147.2) 5
(147.2 - 156.1) 9
(156.1 - 165) 12
(165 - 173.9) 9
(173.9 -182.8) 11
(182.8 -191.7) 4
(191.7 -200.6) 5
(200.6 -209.2) 4
(209.2 - 218.1) 1
(218.1 - 227) 1
(227 -235.9) 1
(235.9 -244.8) 1
(244.8 - 253.7) 1 35
total 80
Esta figura permite observar la relación entre las dos formas gráficas para
un mismo conjunto de datos.
36

Definición de Parámetros Distribuciones de Frecuencia

Cargado por

Copyright:

Formatos disponibles

Definición de Parámetros Distribuciones de Frecuencia

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Definición de Parámetros Distribuciones de Frecuencia

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE CAJAMARCA

“Norte de la Universidad Peruana”

FACULTAD DE CIENCIAS AGRARIAS

ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA AMBIENTAL

DEFINICIÓN DE PARÁMETROS DISTRIBUCIONES DE FRECUENCIA

MATEMATICA APLICADA A LA INGENERIA AMBIENTAL

BUENO VÁSQUEZ ILMER EDILBERTO

VARGAS TORRES, MIGUEL

JOSÉ FERNANDO GONZALES VIGO

Celendín, enero del 2024

Definición y Clasificación de errores. Sensibilidad. Precisión. Exactitud. Parámetros

¾ Entender el proceso de medida de una cantidad física y la necesidad de cuantificar el error

I.1 FUNDAMENTOS TEÓRICOS

I.1.1 Magnitudes y Unidades de Medición.

Se llama magnitud a la propiedad que es susceptible de ser medida o

calculada. Las magnitudes se pueden clasificar según el tipo de propiedad en magnitudes

Magnitudes físicas fundamentales son aquellas propiedades físicas que son

Se llama fórmula dimensional a aquella combinación de magnitudes físicas

Se llama fórmula adimensional o también número adimensional a aquella

Se llama unidad de la magnitud física ó unidad de medición [U] de la

Ejemplos de unidades de la magnitud física ó unidades de medición [U] de las

Recibe el nombre de sistema de unidades de medición al conjunto de unidades

de medición (unidades de las magnitudes físicas), establecidas de forma concreta, de

(sistema absoluto de unidades prácticas). Se llaman sistemas de unidades absolutos los

En el Anexo I de la guía se explicitan algunas magnitudes físicas, sus

fórmulas dimensionales y sus dimensiones en el SI.

I.1.2 Error de apreciación

Lo primero que un experimentador debe conocer es la apreciación del

instrumento con el que va a trabajar, es decir la indeterminación de la escala de lectura del

Este tipo de errores se emplea para la cuantificación de la indeterminación de

Básicamente hay tres tipos de escalas de lectura en los instrumentos de

a) de lectura directa con escala continua

Los instrumentos de lectura directa son aquellos donde el valor de la medición

puede obtenerse directamente de su escala:

Estimación de una lectura: Es el menor intervalo que el operador puede

estimar con la escala del instrumento del cual dispone.

Apreciación del instrumento: Es el menor intervalo de la escala del

instrumento del cual se dispone o sea su menor división.

La estimación de una lectura coincide con la apreciación del instrumento

Una vez realizada la medición la estimación de una lectura se denomina error de

c) Instrumento de lectura indirecta por alineación, las lecturas no se hacen

I.1.2 Sensibilidad de un instrumento de medición

Es el umbral mínimo de detección de un instrumento de medición. Por lo

general la sensibilidad de un instrumento está relacionada con la capacidad del instrumento

I.1.3. Tiempo de respuesta de un instrumento de medición.

I.1.4. Ganancia o factor de amplificación.

se las clasifica según si afectan la precisión o si afectan la exactitud de las mediciones

Precisión es la cualidad que tiene un instrumento de poder repetir, en mayor o

errores casuales o accidentales y es inversamente proporcional a ellos. Es costumbre

La precisión tiene que ver con la dispersión en una forma inversamente

Es la obtención de datos lo más cercanamente posible al valor más probable. La

Precisión y Exactitud: Una analogía clásica para diferenciar

dichos conceptos es la de comparar una medición o experimento con un tiro al blanco.

a)preciso pero no exacto b) exacto pero no preciso c) preciso y exacto

La principal diferencia de esta analogía es que mientras el “valor verdadero” de una

magnitud jamás se conoce, el centro del blanco es observable a simple vista.

I.1.5 Valor medio

El valor medio o promedio de una serie de mediciones se define como la sumatoria de

Cuando se realiza una serie de mediciones, en algunas ocasiones se toma la mediana en