UNIVERSIDAD NACIONAL DE SAN ANTONIO ABAD DEL

CUSCO
FACULTAD DE INGENIERA QUMICA E INGENIERA
METALRGICA
CARRERA PROFESIONAL DE INGENIERA METALRGICA

Tratamiento estadstico de datos analticos observados

Curso: anlisis instrumental de minerales y metales
.
Rolando ramos obregn
Docente:
Ing.
Alumnos :
Zarate Lezama Shirley Vanesa
Batllanos Huamn Edwin
Vargas Huamn, Dany Nelson
Ccapira Mendoza Mewelts Henry

CAMPANA DE GAUSS

CAMPANA DE GAUSS
ES EL NOMBRE INFORMAL QUE LE DAMOS A LA
REPRESENTACIN GRFICA DE UNADISTRIBUCIN
NORMAL DE UN CONJUNTO DE DATOS.

LA
CAMPANA
DE
GAUSS
ES
EMPLEADA
ENESTADSTICAYPROBABILIDAD,
Y
DEBE
SU
NOMBRE A SU DESCUBRIDOR, EL MATEMTICO,
ASTRNOMO Y FSICO ALEMNCARL FRIEDRICH
GAUSS

Lacampana de Gausses una representacin

grfica de la distribucin normalde un grupo de
datos. stos se reparten en valores bajos, medios y
altos, creando ungrfico de forma acampanada
y simtricacon respecto a un determinado
parmetro. El punto mximo de la curva
corresponde a la media, y tiene dos puntos de
inflexin a ambos lados.

la importancia de la distribucin normal se debe

principalmente a que hay muchas variables asociadas a
fenmenos naturales que siguen elmodelo de la
normal.
Por ejemplo: tallas, pesos, envergaduras, dimetros,
permetros,
- Caracteres fisiolgicos, por ejemplo: efecto de una
misma dosis de un frmaco, o de una misma cantidad
de
abono.
- Caracteres sociolgicos, por ejemplo: consciente
intelectual, grado de adaptacin a un medio.
Otro valor de importancia es ladesviacin
estndarla cual mide la cercana de cada
uno de los valores respecto al promedio.
Entre ms alejados del promedio se
encuentren los valores, mayor ser la
desviacin estndar.

DESVIACI
ON
SECCION SECCION SECCION PROMEDI ESTANDA
1
2
3
O
R

0.104083
1.45
1.4
1.6
1.483
3

1.55

1.48

1.2

0.185202
1.410
592

1.2

1.69

1.5

1.56

1.583

0.097125
349

0.2

1.58

1.6

1.62

1.600

1.5

1.63

1.85

0.02
0.176918
1.660
06

2.2
3.784087
19

1.62

0.070237
1.627
692

0.439094
13

1.36

0.211266
1.557
025

0.065978
52

1.45

0.055677
1.500
644

1.3

ALUMNO

F
G
H

1.7
1.78
1.56

1.56
1.53
1.49

DISTRIB.NORMAL
1.2

RANGO

Desviacin

Medidas de
Dispersin

Las medidas de
dispersin son un
conjunto de valores
que tienen por objeto
proporcionar, en un
valor nico
informacin sobre la
variabilidad que
presenta la poblacin
o la muestra con

VARIANZA

DESVIACI
N
ESTNDAR

COEFICIENTE
DE VARIACIN

Es la variabilidad total de la variable expresada como la

diferencia entre el valor mximo encontrado en la poblacin o
muestra menos el valor mnimo encontrado en la misma
coleccin de datos.
R = Vmax - Vmin
No es una medida, son muchas medidas, pues cada valor de la
variable lleva asociada su correspondiente desviacin, por lo que
precisaremos una medida que resuma dicha informacin.
La varianza es un parmetro de la distribucin normal que evala
la diferencia absoluta de cada valor con respecto a la media
aritmtica.
La varianza hace uso de la propiedad de todos los cuadrados de
ser positivos para establecer una medida unidireccional.
Es la media de los cuadrados de las
desviaciones, y la denotaremos por S 2 o
tambin por 2.
Este estadstico se mide en la misma unidad que la variable por
lo que se puede interpretar mejor.
Es un derivado de la varianza, grficamente representa la
distancia desde la media de la distribucin normal hasta el punto
de inflexin de la curva que representa la distribucin

Es un estadstico de dispersin que tiene la ventaja de que no

lleva asociada ninguna unidad, por lo que nos permitir decir
entre dos muestras, cual es la que presenta mayor dispersin.
La denotaremos por C.V.

Diagrama de Dispersin
Un Diagrama de Dispersin es la forma mas sencilla de definir si existe o no una relacin causa efecto entre dos variables y que tan firme es esta
relacin, como estatura y peso. Una aumenta al mismo tiempo con la otra.
El Diagrama de Dispersin es de gran utilidad para la solucin de problemas de la calidad en un proceso y producto, ya que nos sirve para
comprobar que causas (factores) estn influyendo o perturbando la dispersin de una caracterstica de calidad o variable del proceso a controlar.
Los motivos mas comunes de este tipo de diagrama son analizar:
La relacin entre una causa y un efecto.
La relacin entre una causa y otra.
La relacin entre una causa y otras dos causas.
Un efecto y otro efecto.

Caractersticas principales

Impacto visual
Un Diagrama de Dispersin muestra la posibilidad de la existencia de
correlacin entre dos variables de un vistazo.

Comunicacin
Simplifica el anlisis de situaciones numricas complejas.

Gua en la investigacin
El anlisis de datos mediante esta herramienta proporciona mayor informacin
que el simple anlisis matemtico de correlacin, sugiriendo posibilidades y
alternativas de estudio, basadas en la necesidad de conjugar datos y procesos
en su utilizacin.

1.-Elaborar una teora admisible y relevante sobre la supuesta

relacin entre dos variables
2.- Obtener los pares de datos correspondientes a las dos variables

Pasos previos a la
construccin de
un Diagrama de
Dispersin

por tanto cumplirn las siguientes condiciones:

- En cantidad suficiente: Se consideran necesarios al menos 40 pares de datos
para construir un Diagrama de Dispersin.
- Datos correctamente emparejados: Se estudiar la relacin entre ambos.
- Datos exactos: Las inexactitudes afectan a su situacin en el diagrama
desvirtuando su apariencia visual.
- Datos representativos: Asegrese de que cubren todas las condiciones
operativas del proceso.
- Informacin completa: Anotar las condiciones en que han sido obtenidos los
datos

3.- Determinar los valores

mximo y mnimo para
cada una de las
variables

Paso 4: Decidir sobre qu eje representar a cada una de las variables

Si se est estudiando una posible relacin causa-efecto, el eje horizontal
representar la supuesta causa.
Paso 5: Trazar y rotular los ejes horizontal y vertical

Paso 6: Marcar sobre el diagrama los pares de datos

a) Para cada par de datos localizar la interseccin de las lecturas de los ejes
correspondientes y sealarlo con un punto o smbolo.
Si algn punto coincide con otro ya existente, se traza un crculo concntrico a
este ltimo.

b) Cuando coinciden muchos pares de puntos, el Diagrama de Dispersin puede

hacerse confuso. En este caso es recomendable utilizar una "Tabla de
Correlacin" para representar la correlacin.
c) En el caso en que se construye un Diagrama de Dispersin estratificado
separando los pares de datos, por ejemplo, segn el turno de trabajo, lote de
materia prima, etc.), deben escogerse smbolos que pongan de manifiesto los
diferentes grupos

Paso 7: Rotular el grfico

Se rotula el ttulo del grfico y toda aquella informacin
necesaria para su
correcta comprensin.
En general, es conveniente incluir una descripcin
adicional del objeto de las
medidas y de las condiciones en que se han realizado, ya
que esta informacin
puede ayudar en la interpretacin del diagrama.

INTERPRETACIN

Posibles tipos de
relaciones entre
variables

Relaciones causa-efecto.
Este es el caso ms comn en su utilizacin para la mejora de la calidad. Se
utiliza el diagrama a partir de la medicin del efecto observado y de su posible
causa.
Ejemplo: Comprobar la relacin entre el nmero de errores y la hora en que se
cometen.
- Relaciones entre dos efectos.
Sirve para contrastar la teora de que ambos provienen de una causa comn
desconocida o difcil de medir.
Ejemplo: Analizar la relacin entre el nmero de quejas que llegan y el
aumento/disminucin de las ventas, suponiendo que los dos dependen del nivel
de satisfaccin del cliente.
- Posibilidad de utilizar un efecto como sustituto de otro.
Se puede utilizar para controlar efectos difciles o costosos de medir, a travs
de otros con medicin ms simple.
Ejemplo: Estudiar la relacin existente entre reduccin de costes y satisfaccin
del cliente para utilizar el parmetro de ms fcil medicin en la evaluacin
de las actividades de planificacin.
- Relaciones entre dos posibles causas.
Sirve para actuar sobre efectos de forma ms simple o adecuada y para
analizar procesos complejos.
Ejemplo: Analizar la relacin entre el porcentaje idneo de contenido en
potasio de un fertilizante y la cantidad media de lluvia recogida en la zona de
cultivo, puesto que ambos elementos influyen en la calidad del vino y el
rgimen de lluvias no puede ser modificado.

Correlacin Fuerte
Los puntos se agrupan claramente alrededor de una lnea imaginaria que pasa
por el centro de la masa de los mismos. Estos casos sugieren que el control
de
una de las variables lleva al control de la otra.
Los datos parecen confirmar la teora estudiada, pero hay que analizar la
existencia de otras posibles explicaciones admisibles y relevantes para dicha
relacin.
Correlacin Dbil
Los puntos no estn suficientemente agrupados, como para asegurar que
existe
la relacin. El control de una de las variables no necesariamente nos llevar al
control de la otra.
Si lo que se busca es determinar las causas de un problema, se deben buscar
otras variables con una relacin mayor o ms relevante sobre el efecto.
Correlacin compleja
El valor de la variable "Y" parece estar relacionado con el de la variable "X",
pero esta relacin no es simple o lineal.
En este caso se estudia la relacin ms profundamente
Sin correlacin
Para cualquier valor de la variable "X", "Y" puede tener cualquier valor. No
aparece ninguna relacin especial entre ambas variables.
En este caso, nuestra teora no es correcta y se deben buscar otros tipos de
relaciones.

Temperatura en almacn
Situacin
En una empresa que produca un producto alimenticio, se detect un aumento
de la cantidad de productos deteriorados despus de una noche de almacenaje,
antes del transporte al cliente.
Una de las teoras sobre posibles causas, era que el nuevo sistema de
climatizacin del almacn no era suficientemente preciso y la temperatura
superaba la mxima que el producto soportaba (temperatura mxima 5 grados
centgrados).
El equipo recogi datos durante 40 das y los represent en un Diagrama de
Dispersin.