ERROR DE MEDICION

Media (𝑥̅ ) de un grupo de N muestras, es un promedio estándar que a menudo se

denomina el "promedio" de N valores:
∑𝑁
𝑖=1 𝑥𝑖
𝑥̅ =
𝑁

Varianza (V), la varianza de una variable aleatoria es una medida de

dispersión definida como la esperanza del cuadrado de la desviación de dicha
variable respecto a su media.
𝑁
1
𝑉= ∑(𝑥1 − 𝑥̅ )2
𝑁−1
𝑖=1

Desviación estándar (𝑆), es la raíz cuadrada de la varianza:

𝑆 = √𝑉

Media real (𝜇̅ ):

𝜇̅ = 𝑥̅ ± 𝛿

𝜇̅ = es la media real.

𝑥̅ = es la media estimada de n muestras.

 = la cantidad estadística llamada límite de confianza o barra de error.

𝑡∗𝑆
Dónde: 𝛿 =
√𝑛

TABLA DE STUDENT

De la tabla t de Student, lo valores de t se muestran como una función de grados de

libertad (n) y F la cual es una función compleja relacionada al nivel de incertidumbre
(de ecuación siguiente:
𝛼
𝐹 =1− 2

Por ejemplo para un nivel de confianza de 95%, el nivel de incertidumbre es de 5%

(0.05), por lo que de la ecuación, F = 1-(0.05/2) =0.975.

Los grados de libertad n se definen como

𝑛 =𝑁−1
Por ejemplo para un nivel de confianza de 95%, el nivel de incertidumbre es de 5%
(0.05), por lo que de la ecuación, F = 1-(0.05/2) =0.975.

Los grados de libertad n se definen como

𝑛 =𝑁−1

Distribución Normal
Ecuación

1 (𝑥−𝜇)2
−
𝑓(𝑥) = 𝑒 2𝜎2
𝜎√2𝜋

Varianza combinada, se utiliza para determinar si dos conjuntos de muestras son

estadísticamente diferentes, en este caso se debe calcular la varianza combinada
(𝑆12)

(𝑁1 − 1) ∗ 𝑆12 + (𝑁2 − 1) ∗ 𝑆22

𝑆12 = √
𝑁1 + 𝑁2 − 2

La diferencia media estándar entre las medias (SD):

𝑁1 + 𝑁2
𝑆𝐷 = 𝑆12 √
𝑁1 ∗ 𝑁2

Las diferencias son estadísticamente y significativamente diferentes si:

|𝑋̅1 − 𝑋̅2 | > 𝑡 ∗ 𝑆𝐷

Donde 𝑋̅1 y 𝑋̅2 son las medias calculadas de los dos tipos de muestras.
Si a siete personas se les da una varilla de acero y se les pide que midan su
resistencia a la tracción, generarán siete resultados diferentes. Las diferen -
cias microscópicas en las redes cristalinas, las desalineaciones cristalinas y
cantidad de factores aseguran que dos muestras de material no son
verdaderamente idénticas. Aun cuando fueran idénticas, todas los ensayos
están sujetos a errores al azar inherentes que no se pueden eliminar. La
solución más acertada para resolver este problema involucra efect uar
múltiples medidas y reportar la media,
N
2t (Tí
a =¿ = 1 , (3.20) N
en donde a es la media de la resistencia a la tracción, N es el número total de
muestras ensayadas y o, es la resistencia a la tracción de una muestra dada.
Aunque, el calcular una media proporciona un primer paso muy útil, no
proporciona suficiente información como para tomar muchas decisiones. Por
ejemplo, si la media de la resistencia a la tracción de una varilla de acero fue -
ra de 812 MPa basado en dos especímenes de ensayo, no se puede decir si la
media vino de dos resultados similares (808 y 816 MPa) o de dos resultados
muy diferentes (626 y 998 MPa). Se necesita alguna información adicional
acerca de la difusión en los datos. Lo más importante es que cada vez que una
muestra es ensayada, el valor de la media cambiará. En algunos casos puede
cambiar drásticamente. La única forma de determinar el valor real medio es
ensayar cada muestra, lo cual no es práctico. Si la única forma de determinar
la seguridad contra choques de un automóvil fuera la de chocar cada unidad
fabricada, nadie haría el ensayo.
En lugar de eso, una cantidad estadística llamada varianza (s 2 ) toma en
cuenta un error al azar de una variedad de fuentes y proporciona información
acerca de la difusión de los datos. La varianza se define como

^Ñqjlr^ (3.21)
La raíz cuadrada de la varianza se llama desviación estándar (s), la cual pro-
porciona un conocimiento más directo acerca de qué tan lejos de la media es
probable que esté una muestra al azar. Para las dos curvas ( A y B) que se
muestran en la figura 3-14, ambas tienen una media de 3c, pero la curva B
tiene una desviación estándar más grande que la curva A.

Ejemplo:

EJEMPLO
 Suponer que 10 muestras de una aleación metálica estuvieron sujetas a un ensayo de
dureza Brinell y se les proporcionó una media de dureza Brinell de 436 con una
desviación estándar de 12.5. Ocho muestras de una aleación competidora resultaron
en una media de dureza Brinell de 487 con una desviación estándar de 10.5. ¿Las
muestras son significativamente diferentes?

SOLUCIÓN
A primera vista, la segunda aleación parece ser más dura que la primera, pero las
estadísticas se deben revisar por seguridad. Primero, se debe calcular la raíz cuadrada
de la varianza combinada

S n = \(N, - 1 ) » S 2 + (N2- 1 ) * S 2
N j + N2 - 2
EJEMPLO
Una serie de seis muestras compuestas son probadas en tensión. Las resistencias a la
tracción (en MPa) para la seis muestras duplicadas fue de 742, 763, 699, 707, 714 y
751. Determinar la media de la resistencia a la tracción con las adecuadas barras de
error basándose en la confianza
de 95%. SOLUCIÓN
La media de las muestras está dada por
a = 742 + 763 + 699 + 707 + 714 + 751 = 729MPa.
6
Las barras de error se calculan con la ecuación 3.23:
8 = t * s VN
N es el número de muestras, en este caso 6; t se debe encontrar en la tabla 3-6, t ( F =
.975, n = 5) = 2.571.
La desviación estándar viene de la ecuación 3.21:

por lo que 8 = (2.571 * 26.1 )/V6 = 27.4. Por lo tanto, íts = 729 ± 27.4 MPa. Es 95%
probable que la media real se encuentre entre 721.6 y 756.4 MPa.
 (10 - 1 ) * (12.5)2 +( 8 - 1 ) » ( 1 0 . 5 ) 2 =
10+8-2
Después se utiliza ese valor para encontrar la diferencia estándar entre las medias
_ „ |N, + N2 1, _ JlO + 8 c cr\

Ahora se necesita el valor adecuado de í. Ya que se desea obtener 95% de confianza, el

valor de F se mantiene a 0.975. Sin embargo, los grados de libertad se convierten

n = N| + N2 - 2 = 10 + 8 - 2 = 16.
De la tabla 3-6, t ( F = .975, » - 16) - 2.120. Ahora ya se puede aplicar
la ecuación 3.28.

|X, - X2| > í * SD se vuelve 1436 - 4871 > 2.210 * 5.50 o 51 > 11.7
Por lo tanto, la dureza Brinell de la segunda aleación es significativamente mayor que la
de la primera a 95% de confianza.
El análisis estadístico anterior saca a relucir un increíble e importante dilema ético
que enfrentan todas las compañías: ¿Cuántas pruebas son suficientes? Al ensayar
muchas muestras se proporciona mayor exactitud en los resultados, pero cuestan dinero
debido a las horas-hombre que se gastan al desarrollar los ensayos y destruir las
muestras. Si una compañía ensaya choques de automóviles Rolls-Royce, cada
recopilación de datos puede costar más de $100,000 dólares.
La mayoría de las compañías intentan encontrar el balance entre el costo y la certeza.
Si una compañía hace un producto como las botellas para refrescos y 1 en 100000 no
puede soportar el proceso de presuriza-ción, la pérdida puede ser aceptable. Si un
componente en 100000 de un motor de avión está defectuoso, el resultado puede ser
catastrófico.