Medidas de posición

2.5 Medidas de posición

En el estudio de las propiedades físicas de las sustancias y en la caracterización de datos experimentales, las medidas de posición desempeñan un papel fundamental. Estas medidas permiten resumir y describir conjuntos de datos numéricos, facilitando la interpretación y comparación de diferentes conjuntos de información. Dentro del campo de la física aplicada, y específicamente en operaciones básicas de planta química, comprender cómo se representan y analizan los datos mediante medidas de posición es esencial para garantizar precisión, reproducibilidad y toma de decisiones informadas.

Este apartado tiene como objetivo profundizar en las principales medidas de posición, sus fundamentos teóricos, aplicaciones prácticas y limitaciones. Se abordarán conceptos clave, desde los estadísticos hasta los más utilizados en la ingeniería química, con ejemplos que ilustran su aplicación en contextos reales del proceso industrial. La correcta interpretación de estos indicadores contribuye a mejorar el control del proceso, optimizar operaciones y asegurar la calidad del producto final.

Marco Teórico y Fundamentos

Definiciones y conceptos clave

Las medidas de posición son estadísticos que indican la ubicación central o típica de un conjunto de datos numéricos. Su finalidad principal es ofrecer un valor representativo que refleje el comportamiento general del conjunto analizado. Estas medidas permiten reducir la complejidad inherente a grandes volúmenes de datos, proporcionando un resumen compacto y útil para análisis posteriores.

Las principales medidas de posición incluyen:

• Media aritmética: valor promedio obtenido sumando todos los datos y dividiendo entre el número total.
• Mediana: valor que ocupa la posición central cuando los datos están ordenados.
• Moda: valor o valores que aparecen con mayor frecuencia en el conjunto.
• Cuartiles, deciles y percentiles: valores que dividen los datos en partes iguales o en porcentajes específicos.

Estas medidas proporcionan diferentes perspectivas sobre la distribución de los datos. La elección entre ellas depende del tipo de información que se desea obtener y de las características del conjunto analizado.

Teorías y principios fundamentales

El análisis estadístico en física aplicada se fundamenta en principios matemáticos que garantizan la coherencia y validez de las medidas. La media aritmética, por ejemplo, se basa en la suma total de los valores dividida por el número de observaciones, siendo sensible a valores extremos o atípicos (outliers). La mediana, en cambio, es resistente a estos valores extremos, ya que solo depende del ordenamiento de los datos.

Los conceptos subyacentes incluyen:

• Distribución de frecuencias: cómo se distribuyen los datos en diferentes intervalos o categorías.
• Criterios de robustez: cualidades que hacen que una medida sea menos sensible a errores o valores atípicos.
• Simetría y sesgo: características relacionadas con la forma en que se distribuyen los datos respecto a su centro.

El uso correcto de estas medidas requiere entender sus fundamentos estadísticos para evitar interpretaciones erróneas, especialmente en procesos donde pequeñas variaciones pueden tener impactos significativos.

Desarrollo teórico: cálculo y propiedades

Media aritmética:

<math> \bar{x} = \frac{\sum_{i=1}^{n} x_i}{n} </math>

donde x_i representa cada uno de los datos y n el número total de observaciones. La media es fácil de calcular y ampliamente utilizada por su simplicidad; sin embargo, puede ser influenciada por valores extremos.

Mediana:

<math> \text{Mediana} = \begin{cases}
x_{(k+1)} & \text{si n es impar} \\
\frac{x_{(k)} + x_{(k+1)}}{2} & \text{si n es par}
\end{cases} </math>

donde x_(k) indica el dato en la posición k-ésima cuando los datos están ordenados. La mediana divide al conjunto en dos partes iguales, siendo útil cuando hay valores atípicos.

Moda:

<math> \text{Moda} = \text{valor(es) con mayor frecuencia} </math>

Suele utilizarse en datos categóricos o discretos para identificar tendencias predominantes.

Cuantiles (cuartiles, deciles, percentiles):

<math> Q_p = \text{el valor que separa el p% inferior del conjunto} </math>

Estos valores permiten dividir los datos en partes iguales o según porcentajes específicos, facilitando análisis detallados sobre dispersión y distribución.

Relaciones y contexto con otros conceptos del curso

Las medidas de posición están estrechamente relacionadas con otros conceptos estadísticos y físicos abordados anteriormente. Por ejemplo:

• Estructura molecular y propiedades periódicas: Los datos experimentales sobre propiedades físicas pueden resumirse mediante medidas de posición para identificar tendencias generales.
• Ecuaciones estequiométricas: La media aritmética puede aplicarse a mediciones repetidas para determinar valores promedio confiables en reacciones químicas.
• Análisis de disoluciones: La concentración promedio (como molaridad) se obtiene mediante medias cuando se realizan múltiples mediciones.

A nivel práctico, estas relaciones permiten integrar conocimientos teóricos con mediciones reales para optimizar procesos industriales, controlar variables físicas y garantizar la calidad del producto final.

Ejemplos Aplicados

Ejemplo 1: Cálculo de media aritmética en mediciones térmicas

Supongamos que un técnico realiza cinco mediciones consecutivas de temperatura en un reactor químico durante una operación: 75.2°C, 75.5°C, 75.3°C, 75.4°C y 75.6°C. Para determinar la temperatura promedio del proceso:

1. Suma todos los valores: 75.2 + 75.5 + 75.3 + 75.4 + 75.6 = 376.0°C
2. Divide entre el número total de mediciones (5): 376.0 / 5 = 75.2°C

Por tanto, la temperatura media registrada es 75.2°C. Este valor ayuda a establecer condiciones estándar para control del proceso.

Ejemplo 2: Uso práctico en control estadístico del proceso (SPC)

En una planta química productora de ácido sulfúrico, se registran las concentraciones diarias (en %) durante una semana: 98.5, 98.7, 98.4, 98.6, 98.8, 98.5, 98.7. Para evaluar si el proceso mantiene una tendencia estable:

1. Cálculo de la media: (98.5 + 98.7 + 98.4 + 98.6 + 98.8 + 98.5 + 98.7) /7 ≈ 98.61%
2. Análisis del rango y desviación estándar para determinar variabilidad.

Dicha media permite detectar desviaciones significativas respecto al valor objetivo (x̄ objetivo=98.6%) y tomar acciones correctivas si es necesario.

Ejemplo 3: Análisis con mediana ante valores extremos (outliers)

Nuevamente en mediciones térmicas, supongamos que se obtienen los siguientes valores: 75.2°C, 75.4°C, 75.3°C, **80°C**, 75.5°C.

• Cálculo de media: (75.2 + 75.4 + 75.3 + 80 + 75.5) /5 = (381.8) /5 ≈ 76.36°C — afectada por outlier.
• Cálculo de mediana tras ordenar: 75.2°C, 75.3°C, **75.4°C**, 75.5°C, **80°C** — mediana es el tercer valor: 75.4°C.

Aquí se observa cómo la mediana proporciona una medida más robusta ante valores atípicos que distorsionan la media.

Análisis y Consideraciones Especiales

Es importante destacar que cada medida de posición tiene ventajas y limitaciones específicas:

• Media aritmética: Es sensible a outliers; por ello no siempre refleja adecuadamente la tendencia central cuando existen valores extremos significativos.
• Mediana: Resistente a outliers; sin embargo, puede ser menos representativa si la distribución es muy sesgada o multimodal.
• Moda: Útil en datos categóricos o discretos; no siempre existe una moda única si múltiples valores tienen igual frecuencia o si todos aparecen solo una vez.
• Cuantiles: Proveen información adicional sobre dispersión e asimetría; su cálculo requiere ordenamiento previo y puede ser complejo con grandes volúmenes de datos.

Tanto en operaciones químicas como en control estadístico industrial, es recomendable utilizar varias medidas complementariamente para obtener un análisis completo del proceso o sistema estudiado.

Síntesis y conceptos clave

A modo resumen:

• - Medidas de posición: Indicadores estadísticos que resumen la tendencia central o ubicación típica del conjunto de datos.
• - Principales tipos: media aritmética (promedio), mediana (valor central), moda (valor más frecuente) y cuantiles (divisiones porcentuales).

• - Propiedades relevantes: Robustez frente a outliers (mediana), sensibilidad a errores aleatorios (media), utilidad para diferentes tipos de datos (moda).

• - Aplicación práctica: Control estadístico del proceso, análisis experimental, optimización operativa y evaluación comparativa en plantas químicas.

Cabe destacar que estas medidas son herramientas fundamentales para interpretar mediciones físicas precisas dentro del contexto industrial químico e integral para el análisis estadístico riguroso requerido en operaciones básicas del proceso químico.

Siguiente paso lógico será profundizar sobre las técnicas estadísticas avanzadas relacionadas con estas medidas o su aplicación específica en diferentes tipos de procesos industriales según sea necesario para completar el entendimiento integral del control físico-químico en planta química.