Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
INSTITUTO POLITÉCNICO NACIONAL ESCUELA NACIONAL DE CIENCIAS BIOLÓGICAS LABORATORIO DE FISICOQUÍMICA INGENIERÍA EN SISTEMAS AMBIENTALES GRUPO: 3AM1 PRÁCTICA No.1 FILOSOFÍA DE LA MEDICIÓN E INVERTIDUMBRE EQUIPO No.1 INTEGRANTES: Amador Rivera Brisa Iridian Canela Barajas Leslie Mariel Cano Herrera Erick Guadalupe Castro Lamothe Marco Antonio. “LA TÉCNICA AL SERVICIO DE LA PATRIA" FECHA DE REALIZACIÓN 23-02-2021 FECHA DE ENTREGA 02-03-2021 El propósito de esta práctica es comprender que medir es una actividad diaria, la cual lleva implícito el hecho de cometer errores durante el desarrollo de la misma, que deben estimarse haciendo uso de la herramienta estadística durante el análisis de los datos obtenidos. Una medición es el resultado de una operación humana de observación mediante la cual se compara una magnitud con un patrón de referencia. Por ejemplo, al medir el diámetro de una varilla, se compara el diámetro de la varilla con una regla graduada y se lee en la escala. Por otro lado, al medir la velocidad de un corredor, se compara el tiempo que tarda en recorrer una determinada distancia con el intervalo de tiempo registrado por un cronómetro, y después se calcula el cociente de la distancia recorrida entre el valor leído en el cronómetro. (Electricasas, 2020) Cuando alguien mide algo, debe tener cuidado para no producir una perturbación en el sistema que está bajo observación. Por ejemplo, cuando se mide la temperatura de un cuerpo, se le pone en contacto con un termómetro. Pero, cuando se les pone en contacto, se intercambia energía en forma de calor entre el cuerpo y el termómetro dando como resultado un pequeño cambio en la temperatura de ambos. Así, el instrumento de medida afecta de algún modo a la magnitud o variable que se desea medir. (Electricasas, 2020) En consecuencia, toda medición es una aproximación al valor real y por lo tanto siempre tendrá asociada una incertidumbre. (Electricasas, 2020) El concepto de incertidumbre, como un atributo cuantificable, es relativamente nuevo en la historia de las mediciones, aunque los términos error y análisis de error han sido bastantemente usados como parte práctica de la ciencia de la mediciones o metrología. Cuando se han evaluado todas las componentes, conocidas, y supuestas de un error, y se han aplicado las correcciones adecuadas, todavía queda como remanente una incertidumbre sobre la corrección del resultado establecido, esto es, la duda de cuan bien representado es el resultado de la medición, al valor de la magnitud que se está midiendo. Los errores de medición pueden ser: OBJETIVO INTRODUCCIÓN Errores Aleatorios: Son originados por variaciones impredecibles de diferentes magnitudes de influencia, aparecen al azar, y escapan del control del observador. No se pueden corregir, pero si disminuir incrementando el número de observaciones. Errores sistemáticos: Componente del error total que permanece más o menos constante a lo largo de una serie de mediciones de la misma medición. Son independientes del número de mediciones, pero se pueden corregir si se conoce su efecto sobre el resultado de la medición (por ejemplo, la calibración). (“Laboratorio de Mecánica, s/f”) FIGURA 1. Posibles combinaciones de errores. De la Figura 1 podemos definir lo siguiente: a) No hay errores Sistemáticos. Hay errores aleatorios PEQUEÑOS. b) Hay errores Sistemáticos. No hay errores aleatorios. c) No hay errores Sistemáticos. Hay errores aleatorios GRANDES. d) Hay errores Sistemáticos. Hay errores aleatorios Exactitud: Los resultados son precisos y tienen veracidad. Cuando los resultados son exactos hay ausencia de errores sistemáticos y aleatorios. Se pueden expresar cuantitativamente por la incertidumbre. Precisión: Proximidad entre resultados de mediciones independientes de la misma medición, bajo condiciones estipuladas. Cuando los resultados son precisos, hay ausencia de errores aleatorios. Se puede expresar cuantitativamente por la desviación estándar. Veracidad: Proximidad entre el promedio de una gran serie de mediciones y el valor aceptado como referencia. Cuando los resultados tienen veracidad hay ausencia de errores sistemáticos. Se puede expresar cuantitativamente por el sesgo. (“ocw.unican”, s/f) SOL 1 2 3 4 5 6 7 8 AGUA mL 23.8 22.5 21.2 20.0 18.8 17.5 15.0 12.5 ETANOL mL 1.2 2.5 3.8 5.0 6.2 7.5 10.0 12.5 DIAGRAMA DE FLUJO REGISTRAR TOMADO DE: https://triplenlace.com/2012/11/13/refraccion-ii-como-funciona-un-refractometro-de-abbe-2/ https://www.euromex.com/es/productos/productos/r efractmetros/refractmetro-de-abbe-para-laboratorio/ DESCRIPCIÓN DEL APARATO Preparar 25mL de mezclas de etanol y agua de acuerdo a la siguiente tabla: Temperatura de cada solución. El índice de refracción de cada uno. DETERMINAR La concentración de etanol v/v y realizar la tabla. CALCULAR El coeficiente de correlación, coeficiente de determinación y la incertidumbre relativa para la ecuación. GRAFICAR Y CALCULAR CA El intervalo de confianza a un nivel de 95%. ESTIMAR TOMADO DE: https://webs.ucm.es/info/analitic/Asociencia/Uno-mas-uno.pdf TOMADO DE: https://www.euromex.com/es/productos/productos/r efractmetros/refractmetro-de-abbe-para-laboratorio/ Es un instrumento de sobremesa para mediciones de alta precisión de un índice de refracción. También es adecuado para la determinación del índice de refracción de muestras sólidas, tales como vidrio, plásticos, y películas de polímero. El instrumento está equipado con un termómetro digital e incorpora conexión de agua para controlar la temperatura del fluido. REFRACTÓMETRO DE ABBE https://triplenlace.com/2012/11/13/refraccion-ii-como-funciona-un-refractometro-de-abbe-2/ https://www.euromex.com/es/productos/productos/refractmetros/refractmetro-de-abbe-para-laboratorio/ https://www.euromex.com/es/productos/productos/refractmetros/refractmetro-de-abbe-para-laboratorio/ https://webs.ucm.es/info/analitic/Asociencia/Uno-mas-uno.pdf https://www.euromex.com/es/productos/productos/refractmetros/refractmetro-de-abbe-para-laboratorio/ https://www.euromex.com/es/productos/productos/refractmetros/refractmetro-de-abbe-para-laboratorio/ Para la realización de esta práctica se buscó determinar mediante varias soluciones el índice de refracción de agua y etanol presentes en los vasos de precipitados. Para ello se emplearon varios tipos de refractómetros Abbe calibrados con agua destilada, obteniendo los siguientes resultados: SOL 1 2 3 4 5 6 7 8 Agua ml 23.8 22.5 21.2 20.0 18.8 17.5 15.0 12.5 Etanol ml 1.2 2.5 3.8 5.0 6.2 7.5 10.0 12.5 [ ] % Etanol 4.8 10.0 15.2 20.0 24.8 30.0 40.0 50.0 IR 1.3352 1.3371 1.3405 1.3433 1.3453 1.3489 1.3547 1.3580 T °C 20.8 20.6 20.2 20.3 20.5 20.9 20.7 20.7 CÁLCULOS: MÍNIMOS CUADRADOS SOL X Y XY 𝒙𝟐 𝒚𝟐 Y CALCULADA 1 4.8 1.335 6.40896 23.04 1.78276 1.33502 2 10 1.337 13.371 100 1.78784 1.33777 3 15.2 1.341 20.3756 231.04 1.79694 1.34053 4 20 1.343 26.866 400 1.80445 1.34307 5 24.8 1.345 33.36344 615.04 1.80983 1.34561 6 30 1.349 40.467 900 1.81953 1.34837 7 40 1.355 54.188 1600 1.83521 1.35366 8 50 1.358 67.9 2500 1.84416 1.35895 n= 8 194.8 10.76 262.94 6369.12 14.4807 DESARROLLO Y OBSERVACIONES TABLAS DE DATOS EXPERIMENTALES Y RESULTADOS CALCULOS MATEMÁTICOS Y GRÁFICAS 262.94 = 194.8a+6369.12b 10.763 = 8a+194.8b (8)262.94 = 194.8a+6369.12b(-194.8)10.763 = 8a+194.8b 2103.52=1558.4a+50952.96 b -2096.6324=-1558.4a--37947.04b 6.8876 =13005.92b b=6.8876/13005.92 b=0.00053=5.29574x10-4 Sust "b" en la Ec. 1 262.94 = 194.8a+6369.12b 262.94 = 194.8a+6369.12(0.00053) 262.94 = 194.8a+3.37292 259.56708 = 194.8 a=259.56708/194.8 a=1.33248 Ecuación de la recta y=a+bx y=1.33248+5.29574x10-4x Entendiendo que: a=valor del índice de refacción al tiempo cero b=pendiente de la recta Coeficiente de correlación r= ∑𝑥𝑦 √∑𝑥2+∑𝑦2 r= 262.94 √6369.12+14.48073 r=0.8658 Coeficiente de determinación r= (∑ 𝑥𝑦)2 ∑𝑥2+∑𝑦2 r= (262.94)2 6369.12+14.48073 r2=0.7496 y-calculada(y=a+bx) y-observada m=x ((ycalc-yobs)/yobservada)*100 %Ꝺ 1.33248+(5.29574x10- 4(4.8))=1.3350 1.3352 4.8 ((1.3350-1.3352)/ 1.3352)=-0.01334 0.01334 1.33248+(5.29574x10- 4(10))=1.3378 1.3371 10 ((1.3378-1.3371)/ 1.3371)=0.05053 0.05053 1.33248+(5.29574x10- 4(15.2))=1.3405 1.3405 15.2 ((1.3405-1.3405)/ 1.3405)=0.00219 0.00219 1.33248+(5.29574x10- 4(20))=1.3431 1.3433 20 ((1.3431-1.3433)/ 1.3433)=-0.01702 0.01702 1.33248+(5.29574x10- 4(24.8))=1.3456 1.3453 24.8 ((1.3456-1.3453)/ 1.3453)=0.02329 0.02329 1.33248+(5.29574x10- 4(30))=1.3484 1.3489 30 ((1.3484-1.3489)/ 1.3489)=-0.03951 0.03951 1.33248+(5.29574x10- 4(40))=1.3537 1.3547 40 ((1.3537-1.3547)/ 1.3547)=-0.07656 0.07656 1.33248+(5.29574x10- 4(50))=1.3590 1.358 50 ((1.3590-1.3580)/ 1.358)=0.07059 0.07059 0.29303 Ycal %Ꝺ 1.33502 0.01334 1.33778 0.05053 1.34053 0.00219 1.34307 0.01702 1.34561 0.02329 1.34837 0.03951 1.35366 0.07656 1.35896 0.07059 %Ꝺ=±0.29303 y = 1.33248 + 5.29574x10-4 x 1.33 1.335 1.34 1.345 1.35 1.355 1.36 1.365 0 10 20 30 40 50 60 % d e Et an o l Índice de refracción RECTA OBTENIDA y Línea de tendencia En la tabla de datos vemos que la solución en los 8 ensayos tiene 25 ml en total en cada ensayo. Se puede apreciar que mientras más etanol haya en la solución el índice de refracción aumenta. Para este experimento es importante hacer bien las mediciones que sean precisas y lo más exactas posibles ya que eso puede variar en el resultado. 1.- ¿Qué es un intervalo de confianza? El intervalo de confianza describe la variabilidad entre la medida obtenida en un estudio y la medida real de la población (el valor real). Corresponde a un rango de valores, cuya distribución es normal y en el cual se encuentra, con alta probabilidad, el valor real de una determinada variable. Esta «alta probabilidad» se ha establecido por consenso en 95%. Así, un intervalo de confianza de 95% nos indica que dentro del rango dado se encuentra el valor real de un parámetro con 95% de certeza5-8. (Candia B & Caiozzi A., 2005) 2.- ¿Cómo puede definirse el nivel de confianza? El nivel de confianza representa el porcentaje de intervalos que incluirían el parámetro de población si usted tomara muestras de la misma población una y otra vez. Por lo general, un nivel de confianza de 95% funciona adecuadamente. Esto indica que, si usted recogió cien muestras y creó cien intevalos de confianza de 95%, cabría esperar que aproximadamente 95 de los intervalos incluyeran el parámetro de población, tal como la media de la población. (“¿Qué es un nivel de confianza?”, 2020) EJEMPLO DE APLICACIÓN DE INTERVALO DE CONFIANZA (I.C): Supongamos que tenemos una moneda, la cual puede o no estar balanceada. Así, después de varios lanzamientos, la probabilidad que el resultado sea sello variará desde 0 (todas las veces cara, es decir, una moneda balanceada) hasta 1 (todas las veces sello, nuevamente balanceada), pasando por 0,5 (la mitad de las veces sello y las otras caras, lo que equivale a una moneda no balanceada). Como no conocemos la verdadera naturaleza de la moneda, vamos a experimentar con ella. Iniciamos el experimento con 2 lanzamientos, uno es cara y el otro es sello. La probabilidad de que el resultado sea sello fue 0,5, con lo que podríamos concluir que la moneda no está balanceada, sin embargo, ¿con sólo 2 lanzamientos podemos concluir con total certeza que esa es la naturaleza de la moneda? La DISCUSIÓN DE RESULTADOS CUESTIONARIO Y EJEMPLO DE APLICACIÓN respuesta es no, por lo tanto ¿cuál es el rango de valores donde se encuentra el valor real? Dado que el azar pudo influir en este resultado, uno acepta que el rango de valores reales posibles es amplio, incluso desde uno tan bajo como 0 a uno tan alto como 1, por lo tanto, aún no estamos seguros de la naturaleza de nuestra moneda. Considerando lo anterior, ampliamos el experimento y realizamos 8 nuevos lanzamientos (10 en total), resultando 5 caras y 5 sellos. Nuevamente el resultado es 0,5, sin embargo, ahora intuitivamente nos percatamos que la verdadera naturaleza de la moneda se encuentra en un rango menos amplio. Por ejemplo, es poco probable que después de 10 lanzamientos 9 sean sello, menos aún que todos lo sean, sin embargo, aún es factible que 8 ó 7 ó 6 sí lo sean. Así, nuestro nuevo rango puede variar entre 0,2 y 0,8, pero con un alcance: todos advertimos que, si bien 0,8 y 0,2 son posibles, los valores centrales (0,4 y 0,6) lo son más aún, siendo 0,5 el más probable. Decidimos seguir experimentando, realizando 90 nuevos lanzamientos (100 en total), resultando 50 caras y 50 sellos. Nuevamente el resultado es 0,5, advirtiendo que cada vez es más probable que la verdadera naturaleza de nuestra moneda es el de una no balanceada, pero aún con un rango de variabilidad que podríamos estimar entre 0,4 y 0,6 (es decir, que después de 100 lanzamientos, el resultado real varíe entre 40 y 60 sellos). Realizamos 1.000 lanzamientos, resultando 500 sellos y 500 caras, con lo que estamos aún más seguros que nuestra moneda no está balanceada (nuestro rango puede ser 0,45 a 0,55 o menor). El ejemplo anterior nos permite aclarar varios conceptos: • La «verdadera naturaleza» de nuestra moneda (si está balanceada o no) corresponde al valor real. • El rango de valores reales posibles, es decir, el rango donde se encuentra la verdadera naturaleza de nuestra moneda corresponde al IC. • El valor real más probable corresponde al estimador puntual del estudio, en este caso 0,5. • Finalmente, advertimos la relación inversa entre la amplitud del IC y el tamaño muestral: si consideramos que el número de lanzamientos representa el n de la muestra, observamos que mientras más pequeño es el n más amplio es el IC. A mayor número de lanzamientos (mayor n) más certeza tenemos que el resultado del experimento se acerca al valor real, por lo tanto, el IC es más estrecho5-8. (Candia B & Caiozzi A., 2005). 3.- ¿Qué son los grados de libertad? “Los grados de libertad de una prueba estadística son el número de datos que son libres de variar cuando se calcula tal prueba”. (Peruana De Epidemiología et al., n.d.) EJEMPLO DE APLICACIÓN DE GRADOS DE LIBERTAD (G.L): Si tenemos que escoger a 10 personas de un grupo grande de modo tal que el peso promedio sea de 60 Kg, tenemos la libertad de elegir a los diez que nosotros consideremos. Obviamente pueden existir muchas muestras de diez diferentes personas, pero siempre debemos tener en cuenta que el promedio de los pesos debe ser 60 Kg. Fácilmente nos podemos dar cuenta que solo podemos elegir libremente a las primeras 9 personas, dado que para elegir al décimo este debe ser elegido de manera tal que el promedio del grupo no sea mayor ni menor de 60 Kg. Es decir, podemos elegir con libertad a los 9 primeros, y el décimo queda automáticamente restringido por la condición de que su peso debe ser tal que la media de los diez pesos debe ser 60 Kg. Por lo tanto, para una muestra de 10 personas escogidas al azar,bajo la condición de que la media de los pesos sea 60 Kg, tenemos 9 grados de libertad. (Peruana De Epidemiología et al., n.d.) 4.- ¿Qué es una prueba de hipótesis? Una prueba de hipótesis es un procedimiento, con el que se busca tomar una decisión sobre el valor de verdad de una hipótesis estadística. Al realizar una prueba de hipótesis decidimos si rechazar o no rechazar esa hipótesis estadística. Basamos la decisión en la evidencia muestral. (Fede, 2016) EJEMPLO DE APLICACIÓN DE HIPÓTESIS: Supongamos que un amigo nuestro afirma que en cada partido de fútbol que juega, mete tres o cuatro goles. Impresionados con su excelente performance, vamos a verlo jugar cinco partidos seguidos. Pero ocurre que en esos cinco partidos no mete ningún gol. ¿No sospecharíamos que tal vez nos mintió? ¿No es muy incompatible «lo observado» con su afirmación inicial de que mete tres o cuatro goles por partido? Este mini-ejemplo muestra la lógica que hay detrás de una prueba de hipótesis estadística. (Fede, 2016) 5.- ¿Qué es el nivel de significancia en una prueba de hipótesis? El nivel de significancia, también denotado como alfa o α, es la probabilidad de rechazar la hipótesis nula cuando es verdadera. (Minitab Blog Editor, 2019) EJEMPLO DE APLICACIÓN DE NIVEL DE SIGNIFICANCIA: Por ejemplo, un nivel de significancia de 0.05 indica un riesgo de 5% de concluir que existe una diferencia cuando en realidad no hay ninguna diferencia. (“Minitab Blog Editor”, 2019) http://probafacil.com/prueba-de-hipotesis-estadistica/#Que_es_una_hipotesis_estadistica 6.- ¿Cómo puede definirse el diagrama de dispersión? El diagrama de dispersión permite estudiar las relaciones entre dos conjuntos asociados de datos que aparecen en pares (por ejemplo, (x,y), uno de cada conjunto). El diagrama muestra estos pares como una nube de puntos. Las relaciones entre los conjuntos asociados de datos se infieren a partir de la forma de las nubes. Una relación positiva entre x y y significa que los valores crecientes de x están asociados con los valores crecientes de y. Una relación negativa significa que los valores crecientes de x están asociados con los valores decrecientes de y. (“aprendiendocalidadyadr.com”, 2020) EJEMPLO DE APLICACIÓN DIAGRAMA DE DSPERSIÓN: Entre sus usos está descubrir y mostrar las relaciones entre dos conjuntos asociados de datos y confirmar relaciones anticipadas entre dos conjuntos asociados de datos. El diagrama de dispersión puede estudiar la relación entre: Dos factores o causas relacionadas con la calidad. Dos problemas de calidad. Un problema de calidad y su posible causa. (“aprendiendocalidadyadr.com”, 2020) Un ejemplo muy claro es el siguiente: Una empresa de fabricación de jabón se plantea cambiar la composición de uno de sus productos utilizando una nueva materia prima. Antes de tomar una decisión, la empresa decide realizar un ensayo para estudiar la posible relación entre la utilización dicha materia prima y el número de no conformidades. Para ello analiza lotes con diferentes porcentajes de la nueva materia prima y toma los siguientes datos: Con estos datos, elaboraremos el siguiente diagrama de dispersión: En este caso, tendremos una correlación negativa (a medida que aumentamos el % de la nueva materia prima, disminuye el número de productos no conformes). Con estos resultados la empresa podría plantearse la introducción de la nueva materia prima, aunque debería combinarlo con otras herramientas para una mejor toma de decisiones. (“aprendiendocalidadyadr.com”, 2020) 7.- ¿Cómo se define el coeficiente de correlación lineal y el coeficiente de determinación? La correlación, también conocida como coeficiente de correlación lineal (de Pearson), es una medida de regresión que pretende cuantificar el grado de variación conjunta entre dos variables. Por tanto, es una medida estadística que cuantifica la dependencia lineal entre dos variables, es decir, si se representan en un diagrama de dispersión los valores que toman dos variables, el coeficiente de correlación lineal señalará lo bien o lo mal que el conjunto de puntos representados se aproxima a una recta. (Peiro Ucha, Alfonso., 2015) El coeficiente de determinación es la proporción de la varianza total de la variable explicada por la regresión. El coeficiente de determinación, también llamado R cuadrado, refleja la bondad del ajuste de un modelo a la variable que pretender explicar. (López, José Francisco., 2017) Es importante saber que el resultado del coeficiente de determinación oscila entre 0 y 1. Cuanto más cerca de 1 se sitúe su valor, mayor será el ajuste del modelo a la variable que estamos intentando explicar. De forma inversa, cuanto más cerca de cero, menos ajustado estará el modelo y, por tanto, menos fiable será: EJEMPLO DE APLICACIÓN DE CORRELACIÓN: Los valores de dos variables e se distribuyen según la tabla siguiente: Determinar el coeficiente de correlación. 1. Convertimos la tabla de doble entrada en tabla simple. Al ser el coeficiente de correlación negativo, la correlación es inversa. Como coeficiente de correlación está muy próximo a 0 la correlación es muy débil. (“Coeficiente de correlación”, 2019) EJEMPLO DE APLICACIÓN DE CORRELACIÓN DE DETERMINACIÓN: Suponga que sus empleados toman una prueba para medir la agilidad manual. Usted tiene la impresión de que la edad de los empleados está relacionada con las calificaciones de las pruebas. Diez empleados reportaron sus calificaciones de la prueba de agilidad manual. ¿Existe alguna correlación entre la edad de los empleados y las calificaciones de la prueba? Empl eado Edad Prue ba 1 35 93 2 25 96 3 52 87 4 40 90 5 26 94 6 55 86 7 61 84 8 30 93 9 47 91 10 66 84 Dado este problema en específico, pueden inferir que el cálculo de la media y la desviación estándar en este contexto NO APLICA, lo que se hace es: Seleccionar las dos columnas completas (edad y prueba) pedir la gráfica de dispersión, agregar la línea de tendencia de tipo lineal y que se muestre la ecuación y la R2. El valor dado por la R2 es el coeficiente de determinación nos indica el grado en que la habilidad manual de los empleados responde a la variable edad. Para calcular la correlación y dado que sabemos que el coeficiente de determinación es el cuadrado del de correlación, solo calculamos la raíz cuadrada del coeficiente de determinación, el signo lo indica la pendiente positiva o negativa de la línea de tendencia. La función de PEARSON devuelve el coeficiente de correlación producto o momento r de Pearson. Como ya dijimos ‘r’ es un índice que está entre –1.0 y 1.0 que refleja el grado de dependencia lineal entre dos conjuntos de datos. El coeficiente de correlación producto o momento r en este caso es r= 0.971591. En otras palabras, sí existe una alta correlación fuerte entre la edad de los empleados y la calificación de la prueba de agilidad manual. En tanto que el coeficiente de determinación R2 nos indica el porcentaje en el que las variaciones de la variable independiente (edad) determinan a la dependiente (habilidad manual). (“Babbiotics”, 2018) En conclusión, en esta práctica se comprobaron las mediciones que hubo en este proceso y la posibilidad de cometer un error a la hora de recopilar y transcribir los datos después del experimento, así mismo la falta de experiencia de quien realiza todas estas mediciones y/o la falta de calibración de todas las máquinas empleadas para medir en cada experimento. Para reducir los errores de paralaje existen procesos matemáticos que ayudan a descifrar el porcentaje de error en las mediciones hechas en el experimento y esto trae un mejor resultado. CONCLUSIONESAprendiendocalidadyadr.com (2020, diciembre 15). Diagrama de dispersión - Calidad y ADR. Calidad Y ADR. https://aprendiendocalidadyadr.com/diagrama-de- dispersion/ Babbiotics. (2018, octubre 16). Coeficiente de correlación y de determinación. Blogspot.com; Blogger. http://babbiotics.blogspot.com/2018/10/coeficiente-de- correlacion-y-de.html Candia B, R., & Caiozzi A., G. (2005). Intervalos de Confianza. Revista Médica de Chile, 133(9). https://doi.org/10.4067/s0034-98872005000900017 Coeficiente de correlación. (2019, noviembre). Material Didáctico - Superprof; Material Didáctico - Superprof. https://www.superprof.es/apuntes/escolar/matematicas/estadistica/disbidimension/coefic iente-de-correlacion.html Fede. (2016, octubre 14). Prueba de Hipótesis Estadística - ¡Una explicación paso a paso! PROBA FÁCIL. https://probafacil.com/prueba-de-hipotesis-estadistica/ Laboratorio de Mecánica. (s. f.). Introducción al estudio de las mediciones. Recuperado 1 de marzo de 2021, de https://www.fisica.uson.mx/manuales/fis-gen/fisgen- lab001.pdf Ocw.unican (s. F.) Errores en las medidas. https://ocw.unican.es/pluginfile.php/1301/course/section/1595/errores%20en%20la%20medidas .pdf López, José Francisco. (2017, octubre 2). R Cuadrado (Coeficiente de determinación) - Definición, qué es y concepto | Economipedia. Economipedia. https://economipedia.com/definiciones/r-cuadrado-coeficiente-determinacion.html Minitab Blog Editor. (2019). Entendiendo las Pruebas de Hipótesis: niveles de Significancia (Alfa) y Valores P en Estadística. Minitab.com. https://blog.minitab.com/es/entendiendo-las-pruebas-de-hipotesis-niveles-de-significancia-alfa- y-valores-p-en- estadistica#:~:text=El%20nivel%20de%20significancia%2C%20tambi%C3%A9n,hip%C3%B3 BIBLIOGRAFÍA https://aprendiendocalidadyadr.com/diagrama-de-dispersion/ https://aprendiendocalidadyadr.com/diagrama-de-dispersion/ http://babbiotics.blogspot.com/2018/10/coeficiente-de-correlacion-y-de.html http://babbiotics.blogspot.com/2018/10/coeficiente-de-correlacion-y-de.html https://doi.org/10.4067/s0034-98872005000900017 https://www.superprof.es/apuntes/escolar/matematicas/estadistica/disbidimension/coeficiente-de-correlacion.html https://www.superprof.es/apuntes/escolar/matematicas/estadistica/disbidimension/coeficiente-de-correlacion.html https://probafacil.com/prueba-de-hipotesis-estadistica/ https://www.fisica.uson.mx/manuales/fis-gen/fisgen-lab001.pdf https://www.fisica.uson.mx/manuales/fis-gen/fisgen-lab001.pdf https://economipedia.com/definiciones/r-cuadrado-coeficiente-determinacion.html https://blog.minitab.com/es/entendiendo-las-pruebas-de-hipotesis-niveles-de-significancia-alfa-y-valores-p-en-estadistica#:~:text=El%20nivel%20de%20significancia%2C%20tambi%C3%A9n,hip%C3%B3tesis%20nula%20cuando%20es%20verdadera.&text=En%20la%20gr%C3%A1fica%20anterior%2C%20las,para%20un%20total%20de%200.05 https://blog.minitab.com/es/entendiendo-las-pruebas-de-hipotesis-niveles-de-significancia-alfa-y-valores-p-en-estadistica#:~:text=El%20nivel%20de%20significancia%2C%20tambi%C3%A9n,hip%C3%B3tesis%20nula%20cuando%20es%20verdadera.&text=En%20la%20gr%C3%A1fica%20anterior%2C%20las,para%20un%20total%20de%200.05 https://blog.minitab.com/es/entendiendo-las-pruebas-de-hipotesis-niveles-de-significancia-alfa-y-valores-p-en-estadistica#:~:text=El%20nivel%20de%20significancia%2C%20tambi%C3%A9n,hip%C3%B3tesis%20nula%20cuando%20es%20verdadera.&text=En%20la%20gr%C3%A1fica%20anterior%2C%20las,para%20un%20total%20de%200.05 tesis%20nula%20cuando%20es%20verdadera.&text=En%20la%20gr%C3%A1fica%20anterior %2C%20las,para%20un%20total%20de%200.05. Peruana De Epidemiología, S., De, P., Cruz-Oré, L., & Luis, J. (n.d.). Revista Peruana de Epidemiología. https://www.redalyc.org/pdf/2031/203129458002.pdf Peiro Ucha, Alfonso. (2015, diciembre 17). Coeficiente de correlación lineal - Definición, qué es y concepto | Economipedia. Economipedia. https://economipedia.com/definiciones/coeficiente-de-correlacion- lineal.html#:~:text=Por%20tanto%2C%20es%20una%20medida,se%20aproxima%20a %20una%20recta. ¿Qué es un nivel de confianza? (2020). Minitab.com. https://support.minitab.com/es- mx/minitab/19/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/what- is-a-confidence-level/ Amador Rivera Brisa Iridian Canela Barajas Leslie Mariel Cano Herrera Erick Guadalupe Castro Lamothe Marco Antonio “LA TÉCNICA AL SERVICIO DE LA PATRÍA” EQUIPO QUE REPORTA https://blog.minitab.com/es/entendiendo-las-pruebas-de-hipotesis-niveles-de-significancia-alfa-y-valores-p-en-estadistica#:~:text=El%20nivel%20de%20significancia%2C%20tambi%C3%A9n,hip%C3%B3tesis%20nula%20cuando%20es%20verdadera.&text=En%20la%20gr%C3%A1fica%20anterior%2C%20las,para%20un%20total%20de%200.05 https://blog.minitab.com/es/entendiendo-las-pruebas-de-hipotesis-niveles-de-significancia-alfa-y-valores-p-en-estadistica#:~:text=El%20nivel%20de%20significancia%2C%20tambi%C3%A9n,hip%C3%B3tesis%20nula%20cuando%20es%20verdadera.&text=En%20la%20gr%C3%A1fica%20anterior%2C%20las,para%20un%20total%20de%200.05 https://www.redalyc.org/pdf/2031/203129458002.pdf https://economipedia.com/definiciones/coeficiente-de-correlacion-lineal.html#:~:text=Por%20tanto%2C%20es%20una%20medida,se%20aproxima%20a%20una%20recta https://economipedia.com/definiciones/coeficiente-de-correlacion-lineal.html#:~:text=Por%20tanto%2C%20es%20una%20medida,se%20aproxima%20a%20una%20recta https://economipedia.com/definiciones/coeficiente-de-correlacion-lineal.html#:~:text=Por%20tanto%2C%20es%20una%20medida,se%20aproxima%20a%20una%20recta https://support.minitab.com/es-mx/minitab/19/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/what-is-a-confidence-level/ https://support.minitab.com/es-mx/minitab/19/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/what-is-a-confidence-level/ https://support.minitab.com/es-mx/minitab/19/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/what-is-a-confidence-level/ REFRACTÓMETRO DE ABBE Dado este problema en específico, pueden inferir que el cálculo de la media y la desviación estándar en este contexto NO APLICA, lo que se hace es:
Compartir