Medidas de dispersión

2.6 Medidas de dispersión

En el estudio de las propiedades físicas y químicas de sustancias y mezclas, la comprensión de la variabilidad de los datos es fundamental para la interpretación precisa de resultados experimentales y para la toma de decisiones en procesos industriales. La medida de dispersión se refiere a los métodos estadísticos que permiten cuantificar cuánto se dispersan o dispersan los datos respecto a un valor central, generalmente la media. En el contexto de la física aplicada en operaciones de planta química, estas medidas son esenciales para evaluar la precisión de instrumentos, la uniformidad de mezclas, la estabilidad de procesos y la calidad del producto final.

El análisis de dispersión complementa las medidas de tendencia central, como la media o la mediana, proporcionando una visión más completa del comportamiento de los datos. Por ejemplo, en un proceso donde se mide la viscosidad de un fluido en diferentes puntos, conocer solo el valor medio puede ser insuficiente si los datos presentan alta dispersión, ya que esto podría indicar inconsistencias en el proceso o errores en la medición. Por ello, el estudio detallado de las medidas de dispersión permite detectar anomalías, mejorar controles y optimizar operaciones.

Este apartado abordará las principales medidas estadísticas que se emplean para evaluar la dispersión en datos experimentales y operativos, sus fundamentos teóricos, aplicaciones prácticas y consideraciones para su correcta utilización en el ámbito químico e industrial.

Marco Teórico y Fundamentos

Definiciones y conceptos clave

Las medidas de dispersión son estadísticos que cuantifican la variabilidad o dispersión de un conjunto de datos respecto a un valor central. Las principales medidas incluyen:

• Rango (Range): Diferencia entre el valor máximo y mínimo en un conjunto de datos.
• Varianza (σ² o s²): Promedio de las desviaciones cuadráticas respecto a la media; indica cuánto varían los datos respecto a dicha media.
• Desviación estándar (σ o s): Raíz cuadrada de la varianza; expresa en las mismas unidades que los datos originales cuánto se dispersan los valores respecto a la media.
• Coeiciente de variación (CV): Relación entre la desviación estándar y la media, expresada en porcentaje; útil para comparar dispersión entre conjuntos con diferentes unidades o medias.
• Cuartiles y rango intercuartílico (IQR): Dividen los datos en cuatro partes iguales; el IQR mide la dispersión del 50% central del conjunto.

Cada una de estas medidas aporta información distinta sobre la distribución de los datos y su comportamiento estadístico. La elección adecuada depende del contexto y del tipo de análisis requerido.

Teorías y principios fundamentales

Las medidas de dispersión se fundamentan en conceptos estadísticos derivados del análisis probabilístico y matemático. La varianza, por ejemplo, se define formalmente como:

s² = (1/(n-1)) ∑_{i=1}^{n} (x_i - \bar{x})²

donde x_i representa cada dato individual, \bar{x} es la media muestral y n es el número total de datos. La desviación estándar es simplemente:

s = √s²

Estas fórmulas reflejan cómo cada dato se aleja o se acerca a la media, permitiendo evaluar si los valores están concentrados o dispersos ampliamente.

El coeficiente de variación, definido como:

CV = (s / \bar{x}) × 100%

, permite comparar dispersión relativa entre diferentes conjuntos con unidades distintas o medias diferentes, siendo especialmente útil en procesos industriales donde se comparan variables como temperatura, presión o concentración.

Desarrollo teórico: cálculo e interpretación

El cálculo correcto de las medidas estadística requiere atención a aspectos como el tamaño muestral, distribución de los datos y presencia de valores atípicos. La varianza muestral (s²) se estima mediante:

s² = (1/(n-1)) ∑_{i=1}^{n} (x_i - \bar{x})²

donde:

• x_i: cada uno de los valores observados.
• \bar{x}: media aritmética del conjunto.
• n: número total de observaciones.

La desviación estándar proporciona una medida intuitiva del grado promedio en que los datos difieren respecto a la media. Por ejemplo, si en un proceso químico se mide la viscosidad con una desviación estándar pequeña respecto a la media, esto indica buena estabilidad del proceso; por el contrario, una desviación grande puede señalar inconsistencias o errores en mediciones.

El rango es útil por su simplicidad pero presenta limitaciones: solo considera extremos sin información sobre cómo están distribuidos los demás valores. El rango intercuartílico (IQR), basado en los cuartiles Q1 y Q3, ofrece una medida robusta ante valores atípicos:

IQR = Q3 - Q1

Dicho valor indica qué tan dispersa está la mitad central del conjunto. En procesos donde hay presencia frecuente de valores extremos o atípicos, el IQR proporciona una evaluación más fiable que el rango total.

Relaciones y contexto con otros conceptos del curso

Las medidas de dispersión están estrechamente relacionadas con otros conceptos estadísticos y físicos estudiados previamente. Por ejemplo:

• Tendencia central: La media o mediana nos indican dónde se concentra el conjunto de datos; sin embargo, sin conocer su dispersión no podemos entender completamente su comportamiento.
• Análisis de calidad: En control estadístico del proceso (CEP), las medidas como la desviación estándar permiten establecer límites superiores e inferiores para detectar variaciones no deseadas.
• Eficiencia del proceso: Una baja dispersión indica mayor precisión y estabilidad operativa, aspectos críticos en operaciones químicas donde pequeñas variaciones pueden afectar significativamente el rendimiento final.
• Cálculo e interpretación en ensayos físicos: La medición repetida de propiedades físicas como temperatura o presión requiere análisis estadístico para determinar confiabilidad y reproducibilidad.

Ejemplos Aplicados

Ejemplo 1: Evaluación sencilla del rango y desviación estándar en mediciones experimentales

Suponiendo que un técnico realiza cinco mediciones consecutivas de viscosidad en un proceso químico: 1200 cP, 1220 cP, 1190 cP, 1210 cP y 1205 cP. Se desea determinar cuánto varían estas mediciones respecto a su valor medio.

1. Cálculo de la media:

\(\bar{x} = (1200 + 1220 + 1190 + 1210 + 1205) / 5 = 1205 \text{ cP}\)

2. Cálculo del rango:

Rango = 1220 - 1190 = 30 \text{ cP}

3. Cálculo de la varianza muestral:

s² = [(1200-1205)² + (1220-1205)² + (1190-1205)² + (1210-1205)² + (1205-1205)²] / (5-1) = [25 + 225 + 225 + 25 + 0] / 4 = 500 /4 = 125 \text{ cP}^2\)

4. Cálculo de la desviación estándar:

s = √125 ≈ 11.18 \text{ cP}

A partir de estos cálculos se concluye que las mediciones tienen una dispersión moderada alrededor del valor medio con una desviación estándar relativamente pequeña comparada con el promedio. Esto indica buena precisión en las mediciones realizadas por el técnico.

Ejemplo 2: Control estadístico en un proceso industrial

En una planta química que produce soluciones acuosas con concentración controlada, se toman muestras periódicas para determinar su concentración (%) mediante espectrofotometría. Se obtienen las siguientes concentraciones (%): 9.8, 10.2, 10.0, 9.9, 10.1. El objetivo es evaluar si el proceso mantiene una baja variabilidad aceptable para garantizar calidad constante.

• Cálculo medio: \(\bar{x} = (9.8 +10.2 +10.0 +9.9 +10.1)/5=10.00\%\)
• Cálculo varianza:

s² ≈ [(−0.2)² + (0.2)² + (0)² + (−0.1)² + (0.1)²]/4= [0.04+0.04+0+0.01+0.01]/4=0.275/4=0.06875\)

• Cálculo desviación estándar: \(s ≈ √0.06875 ≈ 0.262\%\)
• Cálculo coeficiente de variación: \(CV ≈ (0.262/10)×100=2.62\%\)

Dado que un CV menor al 5% suele considerarse aceptable en procesos químicos controlados, estos resultados indican que el proceso mantiene una buena estabilidad operacional con poca variabilidad relativa.

Ejemplo 3: Análisis comparativo entre diferentes variables físicas

Dos procesos distintos producen gases con diferentes propiedades: uno mide presión (kPa), otro mide temperatura (°C). Se recopilan varias mediciones: las presiones oscilan entre 98-102 kPa con una desviación estándar pequeña; mientras que las temperaturas fluctúan entre 150-170°C con mayor dispersión.

• Presión: baja dispersión (<2 kPa), indicando estabilidad operacional.
• Temperatura: alta dispersión (~10°C), sugiriendo necesidad de ajustes o control más preciso.

Análisis y Consideraciones Especiales

Aunque las medidas estadísticas proporcionan información valiosa sobre la variabilidad en datos físicos y químicos, existen aspectos críticos a tener en cuenta para su correcta interpretación:

• Sensibilidad a valores atípicos: Datos extremos pueden distorsionar significativamente las medidas como varianza y desviación estándar; por ello es recomendable realizar análisis preliminares para detectar outliers mediante gráficos como boxplots o análisis estadísticos robustos.
• Tamaño muestral: Medidas basadas en muestras pequeñas pueden no reflejar adecuadamente toda la variabilidad real; por ello es preferible contar con muestras representativas y suficientes para obtener estimaciones confiables.
• No linealidad: Algunas variables pueden presentar distribuciones no normales o sesgadas; en estos casos, las medidas tradicionales pueden ser insuficientes o engañosas; alternativas robustas incluyen rangos intercuartílicos u otras métricas no paramétricas.
• Evolución temporal: La variabilidad puede cambiar con el tiempo debido a factores operativos o ambientales; por ello es recomendable realizar monitoreo continuo y análisis estadísticos secuenciales para detectar tendencias o cambios significativos.
• Buenas prácticas profesionales: Es importante registrar cuidadosamente las condiciones durante las mediciones para evitar errores sistemáticos; además, aplicar calibraciones periódicas a instrumentos garantiza mediciones precisas y confiables.

Síntesis y Conceptos Clave

Las medidas de dispersión, como rango, varianza, desviación estándar y coeficiente de variación, son herramientas esenciales para analizar cómo se distribuyen los datos respecto a su tendencia central en operaciones químicas e físicas dentro de plantas industriales. Estas métricas permiten identificar inconsistencias, evaluar estabilidad operacional y mejorar controles calidad mediante un análisis estadístico riguroso.

Saber interpretar correctamente estas medidas ayuda a tomar decisiones informadas sobre ajustes operativos o mantenimiento preventivo, garantizando así eficiencia y seguridad en procesos químicos complejos.

A continuación se resumen algunos puntos clave:

• - La desviación estándar expresa cuánto varían los datos respecto a su media promedio.
• - El rango refleja únicamente los extremos sin considerar toda la distribución interna.
• - El coeficiente de variación permite comparación relativa entre diferentes variables o procesos.
• - La presencia de valores atípicos puede distorsionar algunas métricas; por ello es importante detectarlos previamente.
• - El tamaño muestral influye directamente en la fiabilidad estadística del análisis.
• - La aplicación adecuada requiere entender tanto las ventajas como las limitaciones específicas de cada medida.

Dicha comprensión prepara al profesional para aplicar estos conceptos eficazmente en tareas diarias dentro del control operacional y optimización en plantas químicas avanzadas.