UNIVERSIDAD NACIONAL DEL

CALLAO
FACULTAD DE INGENIERÍA ELÉCTRICA Y
ELECTRÓNICA
ESCUELA PROFESIONAL DE INGENIERÍA ELÉCTRICA

ESTADÍSTICA EN LAS MEDICIONES

ELÉCTRICAS

 CÓRDOVA GÓMEZ, BRYAN ROY 1523120325

 PARCO REMACHE, CRISTIAN ANDERSSON 1523120272
 REYNA MORE, KEVIN MILLER 1523120379
 RODRÍGUEZ LÓPEZ, CINTHYA ESTHER 1523120949
 ROJAS ALARCÓN FRANK ANTHONY 1523110265
CICLO: 2018-B
CURSO: Metrología Eléctrica
LIMA-PERU
 Universidad Nacional del Callao

Tabla de contenido
1. Introducción ...................................................................................................................... 3
2. Objetivos ........................................................................................................................... 4
3. Marco teórico .................................................................................................................... 4
3.1. Error de medida ........................................................................................................ 4
3.1.1. Error sistemático de medida ............................................................................... 5
3.1.2. Error aleatorio de medida ................................................................................... 5
3.2. Incertidumbre de medida .......................................................................................... 5
3.2.1. Incertidumbre tipo A ........................................................................................... 5
3.2.2. Incertidumbre tipo B ........................................................................................... 6
3.3. Exactitud y precisión ................................................................................................. 6
3.3.1. Exactitud.............................................................................................................. 6
3.3.2. Precisión .............................................................................................................. 7
3.4. Media aritmética ....................................................................................................... 9
3.5. Desviación media .................................................................................................... 10
3.6. Desviación Absoluta Promedio ................................................................................ 10
3.7. Desviación estándar o típica .................................................................................... 10
3.8. Distribución normal ................................................................................................. 11
4. Experiencia ...................................................................................................................... 12
4.1. Finalidad de la experiencia ...................................................................................... 12
4.2. Materiales ............................................................................................................... 13
4.3. Procedimiento ......................................................................................................... 13
8. Conclusiones ................................................................................................................... 17
13. Referencias .................................................................................................................. 17

2
 Universidad Nacional del Callao

1. Introducción
La metrología es la ciencia de la medida cuyos objetivos más
importantes son el resultado de la medición y la incertidumbre de
medida.
El análisis estadístico de datos de mediciones, en nuestro caso
eléctricas, es una práctica común ya que permite obtener una
determinación analítica de la incertidumbre del resultado final, esto es
una vez hallados y acotados los errores sistemáticos puede obtenerse
un valor que caracterice a los errores restantes (aleatorios o fortuitos).
Cabe aclarar que el tratamiento estadístico de datos no puede eliminar
tendencias fijas contenidas en las mediciones, como, por ejemplo, la
que puede derivar de un error sistemático.

Para realizar el análisis y aplicar los métodos estadísticos mencionados,

es necesario contar con un gran número de mediciones.

3
 Universidad Nacional del Callao

2. Objetivos
- Comprender la relación de la estadística con las mediciones.
- Evaluar la precisión y la exactitud en las mediciones mediante la
estadística.

3. Marco teórico
En la literatura técnica y científica, el término error se utiliza
frecuentemente con dos significados bastante diferentes. En algunos
casos se utiliza para cuantificar la diferencia entre el resultado de una
medida y el considerado como valor de la misma (valor verdadero, valor
real o estándar) mientras que en otras se utiliza para denominar la
incertidumbre del resultado de una medida, es decir, para cuantificar la
imperfección.
Por tanto, puesto que al utilizar el término error, existe siempre la
posibilidad de confundir una incertidumbre con esa diferencia, se
sugiere que cuando se trate de evaluar la calidad del resultado de una
medida se utilice el término incertidumbre en lugar del término error.
Ahora, una medida sin una indicación cuantitativa de la calidad del
resultado es inservible, esta indicación es lo que denominaremos
incertidumbre. La palabra “incertidumbre” significa duda, duda sobre la
validez del resultado de una medida y refleja la imposibilidad de conocer
exactamente el valor del mensurando. Teniendo en cuenta esto
definimos lo siguiente.

3.1. Error de medida

Según el Vocabulario Internacional de Metrología el error de medida

está definido como la diferencia entre un valor medido de una magnitud
y un valor de referencia.
Este concepto es aplicable cuando:
 Cuando exista un único valor de referencia.
 cuando lo que se desea medir se supone representado por un
valor verdadero único o por un conjunto de valores verdaderos
en cuyo caso el error es desconocido.
El error de medida tiene dos componentes, el error sistemático y el error
aleatorio.

4
 Universidad Nacional del Callao

3.1.1. Error sistemático de medida

Es la componente del error de medida que se mantiene constante al
repetirse la medida bajo las mismas condiciones. El valor de referencia
para un error sistemático es un valor verdadero, un valor medido de un
patrón cuya incertidumbre de medida es despreciable, o un valor
convencional de una magnitud.
El error sistemático y sus causas pueden ser conocidos o no, para
corregir este error se aplica una corrección.

3.1.2. Error aleatorio de medida

Es la componente del error de medida que en mediciones repetidas
varia de manera impredecible. El error aleatorio es igual a la diferencia
entre el error de medida y el error sistemático.

3.2. Incertidumbre de medida

parámetro no negativo que caracteriza la dispersión de los valores

atribuidos a un mensurando, a partir de la información que se utiliza.
El parámetro que caracteriza cuantitativamente la incertidumbre de
medida puede ser, por ejemplo: una desviación típica (o un múltiplo de
ella).
Siguiendo la GUM podemos agrupar las componentes de incertidumbre
en dos categorías según el método de evaluación, “tipo A” y “tipo B”. La
clasificación en tipo A y tipo B no implica ninguna diferencia de
naturaleza entre las componentes de estos tipos, consiste únicamente
en dos formas diferentes de evaluar las componentes de incertidumbre,
y ambos se basan en distribuciones de probabilidad.
3.2.1. Incertidumbre tipo A
Aquéllas que son evaluadas por métodos estadísticos. Cada
componente de la incertidumbre que contribuye a la incertidumbre del
resultado de una medida se representa mediante una desviación típica,
denominada incertidumbre típica o estándar de medida.
La incertidumbre típica de medida se puede basar en cualquier método
estadístico válido de tratamiento de datos, como por ejemplo, calcular la
desviación estándar de la media de una serie de observaciones
independientes realizadas bajo condiciones de medida definidas, usar
el método de ajuste por mínimos cuadrados con el fin de estimar el valor
de los parámetros y sus desviaciones típicas, o llevar a cabo un análisis
de varianzas con el fin de identificar y cuantificar los efectos aleatorios
en determinados tipos de medidas.

5
 Universidad Nacional del Callao

3.2.2. Incertidumbre tipo B

Aquéllas que se evalúan por otros métodos. La evaluación tipo B de la
incertidumbre típica de medida se basa en el juicio científico utilizando
toda la información relevante disponible, la cual podría incluir:
- mediciones previas,
- experiencia, o conocimiento general del comportamiento y
propiedades de materiales
- relevantes e instrumentos,
- especificaciones del fabricante,
- datos provenientes de calibraciones y otros informes, e
- incertidumbres asignadas a datos de referencia tomados de
manuales.

3.3. Exactitud y precisión

La exactitud y la precisión son, junto con la incertidumbre, los conceptos

más importantes en metrología, con significados diferentes y bien
definidos, aunque en el lenguaje de calle se utilicen habitualmente como
sinónimos. Así pues, una medición puede ser precisa y, al mismo
tiempo, inexacta
3.3.1. Exactitud
El Vocabulario Internacional de términos fundamentales y generales de
Metrología (VIM) define el término exactitud como el grado de
concordancia entre el resultado de una medición y un valor verdadero
del mensurando, haciendo hincapié en que
a) el término exactitud es cualitativo
b) que no se utilice el término exactitud en lugar de precisión.

Sin embargo, este último término no aparece definido en el VIM, por lo

que tomamos su definición y ligazón con el término exactitud de la
norma UNE 82009-1, equivalente a la ISO 5725-1. En esta norma, el
término exactitud engloba a la veracidad y a la precisión, pudiendo
escribirse:

EXACTITUD = VERACIDAD + PRECISIÓN

6
 Universidad Nacional del Callao

La veracidad, definida como el grado de coincidencia entre el valor

medio obtenido de una gran serie de resultados y un valor aceptado
como referencia, viene expresada usualmente en términos de sesgo,
definiéndose este como la diferencia entre el valor medio obtenido y un
valor aceptado como referencia (por ejemplo, un valor
convencionalmente verdadero del mensurando).
El sesgo es pues el error sistemático total, por oposición al error
aleatorio, pudiendo existir uno o más errores sistemáticos contribuyendo
al sesgo. A mayor error sistemático respecto al valor aceptado como
refe rencia, mayor sesgo, y viceversa.

3.3.2. Precisión
El Vocabulario Internacional de Metrología (VIM) define
la precisión como la proximidad entre las indicaciones o valores
medidos de un mismo mensurando, obtenidos en mediciones repetidas,
bajo condiciones especificadas.
La precisión de una medida suele expresarse numéricamente mediante
medidas de dispersión tales como la desviación típica o la varianza. Por
ello, cuanto más estrecha sea la distribución de resultados, menor será
la desviación típica de la misma y mayor la precisión de la medida. La
precisión depende pues únicamente de la distribución de los
resultados y no está relacionada con el valor convencionalmente
“verdadero” de la medición.
Considerando mediciones individuales, la más próxima al valor
verdadero será la más exacta. Sin embargo, tras una serie de
mediciones repetidas, será la distancia desde el valor medio de la
distribución de valores observados, habitualmente el resultado, hasta el
valor “verdadero”; es decir el sesgo (valor estimado del error
sistemático), la que caracterizará la exactitud de la medición. La

7
 Universidad Nacional del Callao

dispersión de la distribución de los valores, estimada por su desviación

típica, caracterizará, como dijimos antes, la precisión.
Así pues, en mediciones repetidas, la exactitud depende solamente de
la posición del valor medio (resultado) de la distribución de valores, no
jugando papel alguno en ella la precisión.

Como se puede observar en la figura anterior, la medición individual 1

es más exacta que la medición individual 2, ya que el valor obtenido está
más próximo al valor “verdadero”.
Cuando se realizan series de mediciones repetidas, solo el valor medio
obtenido juega un papel de cara a la exactitud, independientemente de
la precisión. Así, el valor medio obtenido en el Caso A es más exacto
que el obtenido en el Caso B, por poseer menor sesgo respecto al valor
verdadero.
Estos conceptos acostumbran a representarse de forma gráfica
acudiendo a la analogía de los disparos sobre una diana, considerando
el centro de dicha diana como el valor verdadero o de referencia
Así, en el caso 1 de la siguiente figura se observa una gran dispersión
en los disparos, pudiendo asociárseles una distribución uniforme o
rectangular. Este hecho refleja la falta de precisión, a lo que se
añade falta de exactitud, dado el sesgo observado, al encontrarse el
valor central de la distribución alejado del valor verdadero. En el caso
2 los disparos están mucho más agrupados, pero el punto medio de
todos ellos se encuentra de nuevo alejado del centro de la diana.
En este caso, existe buena precisión (los puntos están muy agrupados,
sugiriendo una distribución normal o gaussiana), pero falta de exactitud,
debido al sesgo (error sistemático) existente entre el valor medio y el
valor verdadero (centro de la diana). En el 3er caso, el valor medio de
los disparos coincide con el centro de la diana (buena exactitud), aunque
con bastante dispersión (falta de precisión): la distribución es normal en

8
 Universidad Nacional del Callao

lugar de rectangular. En el último caso, los disparos están muy

agrupados en torno al centro de la diana (su distribución de probabilidad
es muy estrecha), siendo este el caso ideal de buena precisión y buena
exactitud (resultado no sesgado).

Tras lo aquí visto podemos concluir que, en efecto, pueden darse todas
las combinaciones posibles de exactitud y precisión, siendo compatible
la existencia de una de ellas con la falta de la otra. Lo anterior es
aplicable tanto a resultados de medida como a los instrumentos
utilizados en la obtención de dichos resultados.

3.4. Media aritmética

El valor más probable de una cantidad medida, es la media aritmética

del conjunto de lecturas tomadas.
Cuando el número de lecturas de la misma cantidad es muy grande, se
obtiene la mejor aproximación. En teoría, un número infinito de lecturas
daría el mejor resultado, aunque en la práctica solo se puede ejecutar
un numero finito de mediciones.
La media aritmética está dada por la siguiente expresión:

𝑥1 +𝑥2 + 𝑥3 + 𝑥4 + ⋯ + 𝑥𝑛 ∑ 𝑥
𝑥̅ = =
𝑛 𝑛

𝑥̅ : 𝑚𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎

𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , … , 𝑥𝑛 : 𝐿𝑒𝑐𝑡𝑢𝑟𝑎𝑠 𝑡𝑜𝑚𝑎𝑑𝑎𝑠

𝑛: 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑙𝑒𝑐𝑡𝑢𝑟𝑎𝑠

9
 Universidad Nacional del Callao

3.5. Desviación media

Desviación es el alejamiento de una lectura dada de la media aritmética.

Si la desviación de la primera lectura, X1, se llama d1, y de la segunda
lectura X2, es d2, y así sucesivamente, entonces, las desviaciones de la
media se expresan como:

𝑑1 = 𝑥1 − 𝑥̅
𝑑2 = 𝑥2 − 𝑥̅
𝑑𝑛 = 𝑥𝑛 − 𝑥̅

Observación:
Deviación de la media puede tener un valor positivo o negativo y que la
suma algebraica de todas las desviaciones debe ser cero.

3.6. Desviación Absoluta Promedio

Este valor indica la precisión de la medición. Si la desviación es alta, se

tiene una indicación de que los datos tomados variaron ampliamente y
de que las mediciones no fueron muy precisas. Se calcula de la
siguiente manera:

|𝑑1 | + |𝑑2 | + |𝑑3 | + ⋯ + |𝑑𝑛 | ∑|𝑑 |

𝐷= =
𝑛 𝑛
Sin embargo, no es matemáticamente tan conveniente para manipular
propiedades estadísticas, debido a la dificultad algebraica al tratar con
valores absolutos.

3.7. Desviación estándar o típica

Es otro de los métodos para determinar la dispersión de un conjunto de

lecturas. Es la que mejor proporciona la variación de los datos con
respecto a la media aritmética. En análisis estadísticos de errores
aleatorios, la raíz media cuadrática de las desviaciones o desviación
estándar es una ayuda valiosa, ya que se emplea casi exclusivamente
para expresar la dispersión de los datos a diferencia de la desviación
promedio.
La desviación estándar “σ” de un número infinito de datos es la raíz
cuadrada de la suma de todas las desviaciones cuadradas individuales,
divididas entre el número de lecturas menos 1.
Expresada en términos matemáticos:

10
 Universidad Nacional del Callao

𝑑1 2 + 𝑑2 2 + 𝑑3 2 + ⋯ + 𝑑𝑛 2 ∑ 𝑑𝑛 2
𝜎=√ = √
𝑛−1 𝑛−1
Otra expresión esencialmente para la misma cantidad es la varianza o
desviación cuadrática media, la cual es semejante a la desviación
estándar excepto que no se le extrae la raíz cuadrada:
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 (𝑉) = 𝜎 2

3.8. Distribución normal

Distribución normal de parámetros µ 𝑦 𝜎 (𝑁(µ, 𝜎))

Es la distribución de probabilidad que viene determinada por la siguiente
función de densidad, definida en toda la recta real:

1 2 ⁄2𝜎2
𝑓 (𝑥 ) = 𝑒 −(𝑥−𝜇) ; −∞ < 𝑥 < ∞
𝜎 √2𝜋

Intuitivamente, es la distribución de probabilidad que se asume para una

variable cuyos posibles valores se disponen de forma simétrica en torno
a su media de modo que los valores próximos a dicha media tendrán
mayor probabilidad de ser alcanzados. Conforme más alejados estén de
la media, los valores tienen menor probabilidad de ser alcanzados.
La gráfica de la función de densidad de la distribución normal es la
denominada campana de Gauss y se representa del siguiente modo:

Los parámetros de esta distribución son la media, µ, que es el eje de

simetría de la gráfica, y la desviación típica σ.

11
 Universidad Nacional del Callao

 Distribución normal de media 0 y desviación típica 1 (𝑁(0, 1)):

La distribución 𝑁(µ, 𝜎) se puede relacionar con la distribución 𝑁(0, 1),
mediante el siguiente proceso al que se denomina tipificación o
estandarización:
𝑋−𝜇
𝑋~𝑁(𝜇, 𝜎) ⇒ 𝑍 = ~𝑁(0,1)
𝜎

A la distribución 𝑁 (0, 1) se le denomina Normal Estándar.

Como ya dijimos anteriormente, la distribución 𝑁(0, 1) es simétrica
respecto al 0, es decir, si 𝑍~𝑁(0,1)

𝑃 (𝑍 ≤ 𝑥 ) = 𝑃(𝑍 ≥ −𝑥)
Gráficamente, las siguientes áreas son idénticas:

4. Experiencia
Tema: Mediciones con el Luxómetro

4.1. Finalidad de la experiencia

 Graficar la Distribución Normal Estándar

 Interpretar la gráfica de Distribución Normal Estándar
 Indicar la precisión del instrumento con la desviación absoluta
promedio

12
 Universidad Nacional del Callao

 Predecir mediante la distribución normal estándar la probabilidad de

tener una nueva medición ente los intervalos de P: 880 < X < 900,
con los mismo instrumentos y misma persona que hace la prueba.

4.2. Materiales

Tizas wincha

Luxometro

4.3. Procedimiento

 Segmentar la mesa con la tiza en cuadrados o rectángulos de

iguales dimensiones y dibujar el centro de aquella figura.

13
 Universidad Nacional del Callao

 Ubicar el luxómetro en los centros de los rectángulos y tomar las

medidas correspondientes, anotándolas en una tabla. Además,
hallar los errores absolutos o desviaciones medias.
Mediciones Distribución Errores Absolutos
Normal (𝒅𝒏 = VL - VR)
849 0,003633724 37,4166667
852 0,004708575 34,4166667
852 0,004708575 34,4166667
861 0,008997106 25,4166667
868 0,013011762 18,4166667
870 0,01414872 16,4166667
874 0,016253469 12,4166667
878 0,017966524 8,41666667
880 0,018619005 6,41666667
882 0,01911046 4,41666667
885 0,019516859 1,41666667
890 0,019264271 3,58333333
891 0,019076022 4,58333333
893 0,01857056 6,58333333
894 0,018256896 7,58333333
895 0,017905417 8,58333333
896 0,017518524 9,58333333
899 0,016172239 12,5833333
902 0,014609754 15,5833333
906 0,012336289 19,5833333
910 0,010023404 23,5833333
912 0,008905617 25,5833333
914 0,007836733 27,5833333
921 0,004643913 34,5833333

 Hallar la desviación promedio, estándar y el valor promedio

5. Valor Promedio
𝑥1 +𝑥2 + 𝑥3 + 𝑥4 + ⋯ + 𝑥24
𝑥̅ = = 886,416667
24
6. Desviación del Promedio o Error del Promedio
|𝑑1 | + |𝑑2 | + |𝑑3 | + ⋯ + |𝑑24 |
𝐷= = 16,6319444
24
Indica que la precisión
7. Desviación Estándar

14
 Universidad Nacional del Callao

𝑑1 2 + 𝑑2 2 + 𝑑3 2 + ⋯ + 𝑑24 2
𝜎=√ = 20,3916365
24 − 1

 Graficar la distribución normal mediante el programa Excel.

Distribucion Normal
0.025

0.02

0.015

0.01

0.005

0
840 850 860 870 880 890 900 910 920 930

Se verifica que la gráfica no es tan precisa debido al ancho obtenido en la

gráfica de distribución normal
 Mediante la utilización del programa GeoGebra, hallar la
probabilidad de obtener la nueva medición entre los intervalos de
880 y 900.

La gráfica y la numeración a lado del intervalo, nos indica que la

probabilidad para que ocurra esa medición en tal intervalo, es del
37,08 %.
Ahora en la gráfica normal con la desviación estándar, dando los anchos
de las mediciones, tendríamos la siguiente probabilidad:

15
 Universidad Nacional del Callao

Teniendo una probabilidad de 68,26 % de tener la nueva medición entre

los intervalos de [ 866,0; 906,8]
Ahora si queremos tener una mayor probabilidad acertar a la medida
tenemos que poner a los intervalos de probabilidad:
la suma del valor medio con la desviación estándar multiplicada por 2 y
la otra seria misma, pero en una resta, obteniendo el siguiente intervalo:
P (845,6 < x < 927,2)

Teniendo una probabilidad del 95.45 % de obtener la medición nueva

entre los intervalos [845,6; 927,2].

16
 Universidad Nacional del Callao

8. Conclusiones
9. Utilizando los parámetros estadísticos se logró evaluar las mediciones tomadas
verificando su precisión y exactitud.
10. Mediante la distribución normal se pudo expresar gráficamente las mediciones
e interpretar más fácilmente los parámetros estadísticos que influyen en las
mediciones.
11. Gracias a la distribución normal se puede predecir a mediciones futuras con un
cierto porcentaje de acierto.
12. Si se quiere aumentar la probabilidad de predecir una medición, entonces es
necesario aumentar el rango de precisión, lo cual esto solo daría menos
exactitud para nuestras medidas. Para evitar eso es necesario disminuir la
desviación estándar y esto se logrará encontrando los errores que ocasionan
tales desperfectos en las mediciones.

13. Referencias

14. Metrología, C. E. (2012). Vocabulario internación de metrología, conceptos

fundamentales y generales, y términos asociados. España.
15. Peña, E. G. (s.f.). Metrología y Estadística (Bayesiana). Obtenido de estadística:
http://estadistica.itam.mx/sites/default/files/u450/presentacion_3.pdfdigital.
(s.f.). Obtenido de http://bdigital.unal.edu.co:
http://bdigital.unal.edu.co/6187/17/9589322751_Parte5.pdf
16. Fomenko, A. T. (s.f.). matap. Obtenido de https://matap.dmae.upm.es:
https://matap.dmae.upm.es/WebpersonalBartolo/Probabilidad/7_distribucion
_normal.pdf
17. Peña, E. G. (s.f.). Metrología y Estadística (Bayesiana). Obtenido de estadística:
http://estadistica.itam.mx/sites/default/files/u450/presentacion_3.pdf

17