4 Estadistica "Puesto que todas las mediciones conllevan un error experimental, nunca es posible estar completamente seguro de un resultado. Sin embargo, seguimos buscando la respuesta a preguntas como: “‘,Es hoy mayor de lo habitual mi recuento de critrocitos?” Si el recuento de hoy es el doble de su valor usual, la respuesta a esta pregunta es evidente. Sin embargo, ;qué pasa siel valor no parece excesivamente elevado en comparacién con los resultados de los dias ‘‘normales’”? Consideremos Jos valores siguientes: Dias “‘normales” Dia de hoy SA 5.6 x 10 eritrocitos/pL 33 48} x 106 eritrocitos/uL 34 $2, El niimero 5.6 es mayor que los cinco valores normales. Sin embargo, la variacién aleatoria en los valores normales puede hacernos esperar que se observe el valor de 5.6 en algunos dias ‘“normales’”. El estudio de la estadistica plantea la pregunta de cOmo tratar la variacién en los resultados experimentales. Nunca podremos contestar esta pregunta con total certeza, pero podemos decir que esperamos observar el valor de 5.6 x 108 eritrocitos/uL una vez cada 20 dias normales. Hay 5% de probabilidad de que 5.6 x 10° represente un recuento normal y 95% de que corresponda a un recuento dlevado. 4-1 CURVA DE ERROR GAUSSIANA Cuando la variacién en un conjunto de datos experimentales es estrictamente aeatoria, la nea que une los puntos en la grafica se asemeja al perfil deuna campana, como lo ilustra la Fig. 4-1. En este caso hipotético, un fabricante controlé el tiempo deduracién de 4768 lamparas eléctricas. La grafica de barras de la Fig. 4-1 muestra él niimero de kimparas cuya duracién o vida util se situa en intervalos espaciados cada 20 horas. La curva lisa es la curva de Gauss (gaussiana) 0 curva normal de ftror que mejor se ajusta a los datos. La grafica de cualquier niimero finito de éatos presenta una variacién con respecto ala curva de Gauss. A medida que aumenta J é nimero de puntos, la linea que los une se hace progresivamente mas lisa. a ee Lo mejor que podemos hacer es evaluar la probabilidad de que el recuento de hoy sea elevado. No podemos decir definitivamente que es 0 que no es elevado. 4748 4+ ESTADISTICA Figura 4-1 Grafica de barras y curva normal de error que describen la duracién de 'un conjunto de limparas elétricas. La curva lisa tiene los mismos me- dia, desviacion estandar y area que la grafica de barras. ‘La media indica el centro de la distribucién. La desviacion ‘stdndar mide la extensién de la distribucién, p= 045.2 400;-- “4 i vty} Hyd} £3 TTY 300 / | 8 f $= 942 g E 3 3 5: 200} 2 100 TEL, son 60700 80000 GOO Duracién (horas) Media y Desviacién Estandar Los datos de duracién de las kim; iparas y la curva de Gauss correspondiente se caracterizan con dos parametros. La media aritmética, X, se define como » Media (41) donde cada x, ¢s la duracién de una limpara, El simbolo © significa sumatoria. Bor le Mii Bits 2 iy # 2 haus gbimpabsemnedan tagtile denominada Promedio, es la suma de los valores medidos dividida entre n, el nimero total de valores. En la Fig. 4-1, el valor promedio se indica con una flecha situada en el valor 845.2 horas. Pa cif est41 Curva de Error Gaussiana 49 “La desviacion estandar, s, expresa qué tanto se agrupan los datos alrededor de Una técnica experimental que a produce una desviacién estindar ja media. pequeha es més confiable (precisa) que otra que produce otra grande, siempre que ambas Desviacién esténdar = (4-2) tengan la misma exactitud. Jos datos de la Fig. 4-1, s = 94.2 h. El significado des es que cuanto mas 00 ‘yea es la desviacién estndar, tanto mas agrupados estan los datos alrededor Me la media (Fis. 42). Un conjunto de limparas con baja desviacién estindar de su tiempo de vida provienen de un proceso de fabricacién con mayor uniformidad que otro conjunto de limparas con desviacién estindar grande. Para un conjunto infinito de datos, la media se representa por y (media de la oblacién o poblacional), y a desviacién estandar, por a (desviacién estandar de lapoblacién). Nunca pueden medirse yo; in embargo, los valores de x ystienden ayy oconforme el niimero de mediciones aumenta. Enlaccuacién 4-2, los grados de libertad del sistema se expresan por lacantidad n~ 1. El cuadrado de la desviacién est4ndar se llama variancia o varianza. 8 400 Numero de lamparas ne eee EJEMPLO: Media y Desviacién Estandar as Para ilustrar el uso de las ecuaciones 4-1 y 4-2, supongamos que se han realizado cuatro a tmedciones: 821, 783, 834 y 855. El promedio es Figura 4-2 _ _ 821 + 783 + 834 + 855 CCurvas de Gauss para dos lots de Re 4 82h limparas, uno con amitad dela des- viacinestindar del oro. El nime- ro total de limparas de cada curva eel mismo. Para evitar errores de redondeo en la media y la desviacién esténdar, suele conservarse una cifra significativa adicional a las que se encuentran en los datos de partida. La des ‘standar es (B21 — 823.2" + (783 — 823.2)? + (834 — 823.2)" + (B55 — 823.2)" @-) =303h El promedio y la desviaci6n estindar deben terminar en el mismo decimal. Para x = 823.2, el valor s = 30.3 es satisfactorio, pero s = 30.34 no lo es. Supongamos que se obtuwvieron valores experimentales con muchas cifras significativas, tales como 1.638 451 2, 1.638 460 2, 1.638 457 1 y 1.638 449 7. Si se utiliza una caleuladora o una computadora para evaluar la desviacién estandar, podria no vetenerse la cantidad suficiente de cifras durante los cdlculos para producir luna respuesta correcta. En tales casos, es conveniente restar la parte constante de cada uno de los mimeros y utilizar s6lo la parte variable. Para hallarla desviacién ¢stindar de estos cuatro valores, se resta 1.638 4 a cada uno de ellos, lo cual deja 0.000 051 2, 0.000 060 2, 0.000 057 1, 0.000 049 7. La desviacién estandar de estos ‘nimeros con tres cifras significativas es 0,000 0049, y también loes de los nuimeros de partida con las ocho cifras significativas. Una computadora o una calculadora pueden procesar correctamente los ntimeros con tres cifras significativas, pero no forzosamente podran hacerlo eon ocho. Y of