Está en la página 1de 129

DEPARTAMENTO DE QUIMICA

ESTADISTICA APLICADA AL ANALISIS QUIMICO


Bases para la Validacin de Mtodos Analticos
Compilado por J. Sandoval

LA GENTE SOLO VE LO QUE ESTA PREPARADA PARA VER Emerson

CUANDO SE APLICA LA ESTADISTICA A UN ANALISIS (QUIMIOMETRIA)


ADQUISICION DE DATOS

DURANTE

DISEO EXPERIMENTAL
ANTES

ANALISIS
DESPUES

MANIPULACION DE DATOS

LA APLICACION DE LA ESTADISTICA EN TODOS LOS PASOS DE UNA MEDIDA QUIMICA ASEGURA LA CALIDAD DE LA MEDICION

CONTROL ESTADISTICO DE CALIDAD EN LAS MEDICIONES QUIMICAS

CALIDAD

CONFIABILIDAD

UN RESULTADO CONFIABLE ES AQUEL QUE DEMUESTRA SER VALIDO

VALIDEZ: GRADO AL CUAL UNA


MEDICION (REALIZADA MEDIANTE UN INSTRUMENTO Y/O PROCEDIMIENTO ANALITICO ESPECIFICOS) PRODUCE EL RESULTADO ESPERADO
3

DEFINICION PRACTICA DE

ESTADISTICA

HERRAMIENTA UTILIZADA PARA DISCRIMINAR ENTRE LAS PARTES SISTEMATICA (DETERMINADA) Y AL AZAR (INDETERMINADA) DE UNA SEAL

y = ( + H
Total Sistemtica Al azar

OBJETIVO DE UNA MEDICION:


DETERMINAR LA MAGNITUD DE LA PARTE SISTEMATICA DE LA SEAL

PARA SEPARAR LA PARTE SISTEMATICA DE UNA SEAL ESPECIFICA, EL ANALISTA DEBERA TENER UN CONOCIMIENTO PREVIO DE LAS POSIBLES FUENTES DE ESA PARTE SISTEMATICA

LA ESTADISTICA ES UN COMPLEMENTO QUE LE AYUDA INDIRECTAMENTE EN DICHA SEPARACION

ERROR SISTEMATICO
SU PRESENCIA PUEDE SER DETECTADA MEDIANTE PRUEBAS ESTADISTICAS SENCILLAS. DICHAS PRUEBAS, SIN EMBARGO, NO PERMITEN IDENTIFICAR EL ORIGEN DEL ERROR SISTEMATICO LA MANERA MAS SIMPLE DE DETERMINAR LA PRESENCIA DE ERROR SISTEMATICO ES CUANTIFICAR EL ANALITO EN UN MATERIAL DE REFERENCIA (ESTANDAR)*
* MATERIAL DE REFERENCIA:

 CONTIENE UNO O MAS ANALITOS EN CONCENTRACION


CONOCIDA CON ALTAS EXACTITUD Y PRECISION

 PUEDEN OBTENERSE EN
National Institute of Standards and Technology (NIST) American Society for Testing and Materials (ASTM)

DOS CONCEPTOS BASICOS: POBLACION Y MUESTRA

POBLACION
COLECCION COMPLETA DE OBJETOS QUE COMPARTEN UNA O MAS CARACTERISTICAS
DESDE UN PUNTO DE VISTA ANALITICO:

EL NUMERO INFINITO DE RESULTADOS QUE, EN PRINCIPIO, SE PUEDE OBTENER CON UNA INFINITA CANTIDAD DE MUESTRA Y EN UNA INFINITA CANTIDAD DE TIEMPO

MUESTRA
UN SUBCONJUNTO DE UNA POBLACION

PUNTOS IMPORTANTES EN ESTADISTICA


ESTRICTAMENTE, LAS LEYES DE LA ESTADISTICA SE APLICAN SOLO A POBLACIONES. CUANDO ESTAS LEYES SE APLICAN A MUESTRAS DE DATOS DE LABORATORIO, SE ASUME QUE LA MUESTRA ES REPRESENTATIVA DE LA POBLACION LA ESTADISTICA TIENE SUS BASES EN LA TEORIA DE PROBABILIDADES (UNA TEORIA UTILIZADA PARA EXPLICAR EVENTOS AL AZAR)
LA ESTADISTICA NO MANEJA ABSOLUTOS: SOLO PUEDE DECIR SI UN EVENTO ES ESTADISTICAMENTE SIGNIFICATIVO O ESTADISTICAMENTE INSIGNIFICANTE
8

DOS DEFINICIONES BASICAS EN ESTADISTICA:

MEDIA Y DESVIACION STANDARD MEDIA POBLACION:


n

x
Q ! lim
n pg i !1

MUESTRA:
x!

x
i !1

n xi

NMERO DE MEDICIONES

i-SIMA MEDICIN DE x
9

DOS DEFINICIONES BASICAS EN ESTADISTICA: MEDIA Y DESVIACION ESTANDAR

DESVIACION ESTANDAR POBLACION:


n

W ! lim
npg

(x
i !1

 Q)

MUESTRA:
n

GRADOS DE LIBERTAD
2
UN GRADO DE LIBERTAD SE PIERDE CUANDO LA MEDIA SE USA EN EL CALCULO POSTERIOR DE CUALQUIER PARAMETRO

(xi  x )
s!
i !1

n 1
en su calculadora

Wn-1

10

DESVIACION ESTANDAR RELATIVA

(RSD)
TAMBIEN CONOCIDA COMO COEFICIENTE DE VARIACION (CV)

s RSD ! x
s % RSD ! 100 x

11

GRADOS DE LIBERTAD
NUMERO DE VALORES NO RESTRINGIDOS

Ejemplo:
ESCOJA UN TOTAL DE 5 VALORES AL AZAR:

3 5 17 2 10 5 GRADOS DE LIBERTAD

ESCOJA UN TOTAL DE 5 VALORES CON UN PROMEDIO DE 8:

3 5 17 2 13 4 GRADOS DE LIBERTAD PARA OBTENER UN PROMEDIO DE 8 DESPUES DE ESCOJER LOS PRIMEROS 4 VALORES, EL 13 Y SOLAMENTE EL 13 PUEDE SER EL 5o VALOR

12

GRADOS DE LIBERTAD
(CONTINUACION)

EJEMPLO:
ESCOJA UN TOTAL DE 5 VALORES CON UN PROMEDIO DE 8 Y UNA DESVIACION ESTANDAR DE 6:

3 5 17 3.725 3 GRADOS DE LIBERTAD

11.275

PARA OBTENER UN PROMEDIO DE 8 Y UNA DESVIACION ESTANDAR DE 6 , SOLAMENTE LOS NUMEROS 3.725 Y 11.275 PUEDEN SER EL 4oY EL 5o VALORES, DESPUES DE ESCOJER LOS PRIMEROS 3 NUMEROS

EN GENERAL...

SI UNO TIENE n DATOS Y CALCULA m PARAMETROS ESTADISTICOS, LOS GRADOS DE LIBERTAD SON DE (n

- m)
13

DISTRIBUCION DE ERRORES
Resultado de 50 determinaciones de la concentracin (Qg/mL) del in nitrato en una muestra de agua
0.51 0.51 0.51 0.50 0.51 0.49 0.52 0.53 0.51 0.52 0.53 0.48 0.49 0.50 0.52 0.49 0.49 0.48 0.46 0.49 0.49 0.48 0.49 0.49 0.51 0.51 0.51 0.48 0.50 0.47 0.50 0.51 0.51 0.50 0.50 0.53 0.52 0.52 0.50 0.50 0.50 0.47 0.49 0.50 0.51 0.47 0.49 0.48 0.51 0.51

media= 0.500 Qg/mL desv. estd. = 0.0165 Qg/mL

TABLA DE FRECUENCIA

Conc. 0.46 0.47 0.48 0.49 0.50 0.51 0.52 0.53

Frec. 1 3 5 10 10 13 5 3

LA DISTRIBUCION SE PUEDE VISUALIZAR MEDIANTE UN HISTOGRAMA

14

HISTOGRAMA DE LOS DATOS DE CONCENTRACION DE ION NITRATO


LA DISTRIBUCION DE LAS MEDICIONES ES CERCANAMENTE SIMETRICA CON RESPECTO A LA MEDIA
14

12

10

FRECUENCIA

CONCENTRACION,  g/mL

LA SIMETRIA SE HACE MAS APARENTE A MEDIDA QUE

SE INCREMENTA

x
S

ES UN ESTIMADO DE Q ES UN ESTIMADO DE W
15

LA DISTRIBUCION NORMAL O GAUSSIANA


y x [  x 

2W 2 ] W 2T
FRACCION DE LA POBLACION CUYOS VALORES SE ENCUENTRAN ENTRE

dN ! ydx N

x+dx

RELACION UTIL:

xQ W

DIFERENCIA EN UNIDADES DE DESVIACION ESTANDAR

ECUACION MAS COMPACTA:

dN ! N

e  z dz
T
16

INTERPRETACION GEOMETRICA DE LA DESVIACION ESTANDAR W


A MAYOR W, MAS ANCHA LA CURVA

DISTRIBUCIONES NORMALES CON LA MISMA MEDIA PERO DIFERENTES VALORES DE LA DESVIACION ESTANDAR

17

OTRAS DISTRIBUCIONES COMUNES

DISTRIBUCIONES APROXIMADAMENTE LOG LOGNORMAL: CONCENTRACION DEL ANTICUERPO INMUNOGLOBULINA M EN SUERO DE INDIVIDUOS MACHOS EL TAMAO DE LAS GOTITAS FORMADAS POR LOS NEBULIZADORES DE ABSORCION/ EMISION ATOMICA TAMBIEN EXHIBEN ESTA DISTRIBUCION
18

OTRAS PROPIEDADES DE LA DISTRIBUCION NORMAL


PREGUNTA: CUAL ES LA PROBABILIDAD DE QUE REPLICAS DE UNA MEDICION SE ENCUENTREN DENTRO DE UN RANGO PARTICULAR ALREDEDOR DE LA MEDIA?

z!

x  Q ! 1W
z!2

x  Q ! 2W
z !3

x  Q ! 3

19

LA DISTRIBUCION DE MEDIAS
RESULTADOS DE 50 DETERMINACIONES DE LA CONCENTRACION DE ION NITRATO, EN Qg/mL
0.51 0.51 0.49 0.51 0.51 0.506 0.51 0.52 0.48 0.51 0.50 0.504 0.51 0.53 0.46 0.51 0.50 0.502 0.50 0.48 0.49 0.48 0.53 0.496 0.51 0.49 0.49 0.50 0.52 0.502 0.49 0.50 0.48 0.47 0.52 0.492 0.52 0.52 0.49 0.50 0.50 0.506 0.53 0.49 0.49 0.51 0.50 0.504 0.50 0.49 0.51 0.49 0.51 0.500 0.47 0.50 0.47 0.48 0.51 0.486

PARTE DE UNA POBLACION DE MEDIAS

NOTESE QUE ESTAS MEDIAS EXHIBEN UNA DISPERSION MENOR QUE LOS DATOS ORIGINALES

A SU DESVIACION ESTANDARD SE LE CONOCE COMO ERROR ESTANDARD DE LA MEDIA

20

TEOREMA DEL LIMITE CENTRAL


INDEPENDIENTEMENTE DEL TIPO DE DISTRIBUCION DE LOS DATOS... ENTRE MAS MUESTRAS DE DATOS SE TOMAN, MAS NORMALMENTE DISTRIBUIDA SE HACE LA DISTRIBUCION DE LAS MEDIAS DE ESAS MUESTRAS
EN OTRAS PALABRAS,

AUN SI LA POBLACION ORIGINAL NO ES NORMALMENTE DISTRIBUIDA, LA DISTRIBUCION DE LAS MEDIAS TIENDE A SER MAS NORMALMENTE DISTRIBUIDA A MEDIDA QUE

AUMENTA

Wx
xi Wm ! Wx
EN LA PRACTICA,

Wm

sm !

s n
21

CONFIABILIDAD DE UN RESULTADO ANALITICO


RESULTADO ANALTICO:

x s intervalo de confianza
INTERVALO DE CONFIANZA ZA*_
RANGO DENTRO DEL CUAL UNO PUEDE ASUMIR RAZONABLEMENTE QUE SE ENCUENTRA EL VALOR REAL

LIMITES DE CONFIANZA ZA_


LOS VALORES EXTREMOS DE ESE RANGO * CONFIANZA SIGNIFICA QUE UNO PUEDE AFIRMAR CON UN GRADO ESPECIFICO DE CERTEZA (i. e. , UNA CIERTA PROBABILIDAD) QUE EL INTERVALO INCLUYE EL VALOR REAL
22

RANGO DE CONFIANZA Y DISTRIBUCION DE LAS MEDIAS

DISTRIBUCION DE MEDIAS MOSTRANDO EL RANGO DENTRO DEL CUAL SE ENCUENTRA EL 95% DE LAS MEDIAS

x  .96 (W

n)

x  .96 (W

23

LIMITES DE CONFIANZA W:
1.96 (95%) (99%)

SI SE CONOCE

Q! s W

z=
2 .5 8

SI NO SE CONOCE

(MUESTRAS PEQUEAS):

Q ! s ts

t ! t f,P

ES FUNCIN DE: LOS GRADOS DE LIBERTAD

(f ! n )

LA PROBABILIDAD, P, DE QUE Q SE ENCUENTRE DENTRO DEL RANGO ESTABLECIDO. ALGUNAS VECES SE USA E (LA PROBABILIDAD DE QUE Q SE ENCUENTRE FUERA DEL RANGO ESTABLECIDO, E ! 1  P)
24

LIMITES DE CONFIANZA
EJEMPLO 1_ Considrense los resultados de las 50 determinaciones de in nitrato en una muestra de agua. Calcular el intervalo de confianza al 95%.

EJEMPLO 2 _ Se determin la concentracin de plomo en la sangre de 50 nios de una escuela cerca a una carretera con mucho trfico. La media de las muestras fu de 10.1 ng/mL y la desviacin estndar fu de 0.6 ng/mL. (a) Calcular el intervalo de confianza de la concentracin media de plomo en todos los nios de la escuela. (b) Cual debera ser el tamao de la muestra para reducir el rango de confianza a 0.2 ng/mL (es decir, 0.1 ng/mL)?

25

LIMITES DE CONFIANZA

EN GENERAL_

EL TAMAO DE MUESTRA (n) NECESARIO PARA ESTIMAR LA PRECISION DENTRO DE C ES

s n $ C

26

PRUEBAS DE SIGNIFICACION
TAMBIEN LLAMADAS PRUEBAS DE HIPOTESIS (NULA) UN PROCEDIMIENTO SISTEMATICO QUE NOS PERMITE DECIDIR SI UN CONJUNTO DE MEDICIONES REPETIDAS MUESTRA EVIDENCIA DE ERROR SISTEMATICO

EL PROPOSITO DE UNA PRUEBA DE SIGNIFICACION ES SACAR UNA CONCLUSION ACERCA DE UNA POBLACION UTILIZANDO DATOS PROVENIENTES DE UNA MUESTRA

27

PRUEBAS DE SIGNIFICACION
EJEMPLO: (Analy t 1983, 108, 64)

EN UN METODO PARA DETERMINAR PLOMO EN SANGRE POR ABSORCION ATOMICA SE OBTUVIERON LOS SIGUIENTES VALORES PARA UNA MUESTRA STANDARD QUE CONTIENE 38.9 ppb DE PLOMO: 38.9 37.4 37.1 EXISTE ALGUNA EVIDENCIA DE ERROR SISTEMATICO?

x ! 37 .80

s ! 0.964

LA CUESTION ES SI LA DIFERENCIA ENTRE EL RESULTADO Y EL VALOR REAL ES ESTADISTICAMENTE SIGNIFICATIVA, O SI SE DEBE A MERAS VARIACIONES FORTUITAS (AL AZAR)

28

SE SIGUE UN PROCEDIMIENTO DE SEIS PASOS


PASO 1: HIPOTESIS NULA ( H0) : EL RESULTADO NO ES INEXACTO OJO: UNO NO SABE SI ESTA DECLARACION ES CIERTA O ES FALSA, PERO SERA ASUMIDA CIERTA HASTA QUE SE PRUEBE QUE ES FALSA PASO 2: HIPOTESIS ALTERNA ( H1) : EL RESULTADO ES INEXACTO PASO 3: PRUEBA ESTADISTICA

Q

tcalc

7.8  8.9 0.964

.98

OJO: ESTE PASO CONDENSA LA INFORMACION DE LA MUESTRA EN UN SIMPLE NUMERO


29

PASO 4: VALORES CRITICOS : COMPARE EL RESULTADO DE LA PRUEBA ESTADISTICA (tcalc) CON VALORES TEORICOS TABULADOS

tcrit = 4.3 (P = 95%, f = 2)


SI tcalc EXCEDE EL VALOR CRITICO, LA HIPOTESIS NULA SE RECHAZA.

LOS VALORES CRITICOS PUEDEN INTEPRETARSE COMO VALORES QUE SON IMPROBABLES* QUE SEAN EXCEDIDOS POR LA PRUEBA ESTADISTICA (tcalc) SI LA HIPOTESIS NULA ES CIERTA

* A UN 95% DE CONFIANZA, LA PROBABILIDAD ES


MENOR DE 5% (ES DECIR, MENOS QUE 1 EN 20)
30

PASO 5: DECISION: RETENEMOS LA HIPOTESIS NULA PASO 6: CONCLUSION: HEMOS SIDO INCAPACES DE PROBAR QUE EL RESULTADO ES INEXACTO

NOTA IMPORTANTISIMA:
LA DECISION DE RETENER LA HIPOTESIS NULA NO SIGNIFICA QUE SE HA DEMOSTRADO QUE ES CIERTA; SIMPLEMENTE NO SE PUDO DEMOSTRAR QUE SEA FALSA

31

VALORES CRITICOS PARA LA PRUEBA

32

LA HIPOTESIS NULA SE USA (O SE DEBERIA USAR) EN LAS CORTES CRIMINALES:

EL ACUSADO SE ASUME NO CULPABLE HASTA QUE SE DEMUESTRE QUE ES CULPABLE

VEREDICTO

NO CULPABLE EN CORTE CRIMINAL

LA EVIDENCIA (PRUEBAS DE SIGNIFICACION) INDICA QUE LA HIPOTESIS NULA DEBE CONSERVARSE CONCLUSION: NO SE HA DEMOSTRADO QUE EL ACUSADO ES INOCENTE... LO QUE SE HA DEMOSTRADO ES QUE EL ACUSADO ES NO CULPABLE
33

PRUEBAS DE SIGNIFICACION
ENFASIS SOBRE LO IMPORTANTE

H0 ES UNA DECLARACION DE QUE NO NO HAY DIFERENCIA, DIFERENCIA ES DECIR, QUE CUALQUIER DIFERENCIA OBSERVADA ES DEBIDA SOLO AL AZAR

i i

H0 ES LA HIPOTESIS QUE EL INVESTIGADOR ESPERA RECHAZAR EL UMBRAL DE ERROR, E (= 1-P), ES EL RIESGO (LA PROBABILIDAD) QUE EL INVESTIGADOR ESTA DISPUESTO A TOMAR SI RECHAZARA INCORRECTAMENTE LA H0 VERDADERA

34

COMPARACION DE LAS MEDIAS DE DOS MUESTRAS

SE QUIEREN COMPARAR LOS RESULTADOS DE UN NUEVO METODO ANALITICO CON AQUELLOS OBTENIDOS POR UN SEGUNDO METODO (REFERENCIA)

CONOCIDOS:

x1 s1 n1

& & &

x2 s2 n2

35

COMPARACION DE DOS MEDIAS

CASO I:

s1 Y s2 NO SON SIGNIFICATIVAMENTE
DIFERENTES

H0:

LOS DOS METODOS NO PRODUCEN RESULTADOS DIFERENTES

PRUEBA ESTADISTICA:

tcalc ! s


CON

2 2 f s  f s 2 2 s2 ! 1 1 f1  f 2

tcalc TIENE

f1 + f2 (O SEA, n1+n2-2) GRADOS DE LIBERTAD

UN PROMEDIO PONDERADO 36

Y QUE ES UN PROMEDIO PONDERADO?

A CADA NUMERO

xi

EN EL CONJUNTO

(x1, x2, x3, ., xn) SE LE ASIGNA UN FACTOR DE PONDERACION wi EL PROMEDIO PONDERADO SE DEFINE COMO
n

w x
xw !
i !1 n

i i

w
i !1

NOTESE QUE SI TODOS LOS FACTORES DE PONDERACION FUERAN UNITARIOS (O, MAS GENERALMENTE, SI FUERAN IGUALES) EL PROMEDIO PONDERADO SE REDUCE AL PROMEDIO COMUN
37

COMPARACION DE DOS MEDIAS


CASO II:

s1 Y s2 SON SIGNIFICATIVAMENTE DIFERENTES


H 0:
LOS DOS METODOS NO PRODUCEN DIFERENTES RESULTADOS x NO {

x2

PRUEBA ESTADISTICA:


CON

s s  n

s s n n 2 f ! 2 2 2 2 2 s s2 n n  2 n  n2 
2 2 2

REDONDEADO AL ENTERO MAS CERCANO

38

CUANDO SE USE LA PRUEBA t...

x1 s1 n1 vs

x2 s2 n2

USE LA PRUEBA F PARA RESOLVER ESTE CONDICIONAL

CASO I

W1 = W2
?
NO

SI

! s

1 1  n1 n 2

2 f1 s12  f 2 s 2 s ! f1  f 2 2

CASO II

f ! f1  f 2

2 s12 s2  n n 1 2 f ! 2 2 2 2 s12 s2 n n 1  2 n1 1 n2 1

39

PRUEBAS DE SIGNIFICACION EJEMPLO (CASO I)


COMPARACION DE DOS METODOS PARA LA DETERMINACION DE BORO EN MATERIAL VEGETAL Resultados obtenidos (ppm)
MET. ESPECTROFOTOMETRICO MET. FLUORIMETRICO

media 28.0 26.25

dv std 0.3 0.23

n 10 10

SON LOS RESULTADOS DE ESTOS DOS METODOS SIGNIFICATIVAMENTE DIFERENTES? (Analyst 1983, 108, 368)

40

PRUEBAS DE SIGNIFICACION
EJEMPLO (CASO II)
LA SIGUIENTE TABLE PROPORCIONA LA CONCENTRACION DE TIOL EN SANGRE DE DOS GRUPOS DE VOLUNTARIOS. EL PRIMER GRUPO ES NORMAL Y EL SEGUNDO SUFRE DE ARTRITIS REUMATOIDE. (Analyst, 1983, 107,195)

Concentracion de tiol (mM)


Normal 1.84 1.92 1.94 1.92 1.85 1.91 2.07 ES LA CONCENTRACION DE TIOL EN LA SANGRE DE LOS EFERMOS DE ARTRITIS REUMATOIDE DIFERENTE DE AQUELLA DE LOS INDIVIDUOS NORMALES?
41

Reumatoide 2.81 4.06 3.62 3. 2 7 3. 2 7 3.76

LA PRUEBA t POR PAREJAS


CIRCUNSTANCIAS EN LAS CUALES ES NECESARIO O DESEABLE HACER UNA COMPARACION DE MEDIAS POR PAREJAS: CANTIDAD LIMITADA DE UNA O MAS MUESTRAS (SOLO HAY MUESTRA SUFICIENTE PARA UNA DETERMINACION POR CADA METODO) MUESTRAS DE ORIGENES DIFERENTES Y POSIBLEMENTE CON CONCENTRACIONES DIFERENTES* MUESTRAS QUE SE RECIBEN EN UN PERIODO DE TIEMPO LARGO (SE HACE NECESARIO ELIMINAR EFECTOS DE CONDICIONES AMBIENTALES VARIABLES COMO TEMPERATURA, PRESION, ETC.) ASUNCION: CUALQUIER ERROR (SISTEMATICO O AL AZAR) ES INDEPENDIENTE DE LA CONCENTRACION *
EN CASO DE DIFERENCIAS DE CONCENTRACION MUY AMPLIAS ES MEJOR USAR ANALISIS DE REGRESION (VER LUEGO)

42

EJEMPLO DE PRUEBA t POR PAREJAS

LA SIGUIENTE TABLA PROPORCIONA LA CONCENTRACION DE PLOMO (Qg/mL) POR DOS METODOS DIFERENTES PARA 4 MUESTRAS:
MUESTRA OXIDACION HUMEDA EXTRACCION DIRECTA

1 2 3 4

71 61 50 60

76 68 48 57

LOS DOS METODOS PROPORCIONAN VALORES PARA LAS CONCENTRACIONES MEDIAS DE PLOMO QUE DIFIEREN SIGNIFICATIVAMENTE?

43

PRUEBA F PARA LA COMPARACION DE DESVIACIONES STANDARD


UTIL PARA COMPARAR LA PRECISON DE DIFERENTES METODOS LA PRUEBA F CONSIDERA EL COCIENTE DE LAS DOS VARIANZAS MUESTRALES* (SIEMPRE, VARIANZA MAYOR / VARIANZA MENOR):

F
*

"

SE ASUME QUE LAS POBLACIONES DE DONDE SE TOMAN LAS MUESTRAS SON NORMALES

H0 : LAS DESVIACIONES ESTANDAR DE LAS


POBLACIONES NO SON DIFERENTES

W 1 NO { W 2
(ES DECIR, EL COCIENTE
DE VARIANZAS NO DIFIERE SIGNIFICATIVAMENTE DE LA UNIDAD)

EVALUACION: RECHAZAR LA HIPOTESIS NULA SI Fcalc > Fcrit


44

PRUEBA F
* 2 FORMAS 2 *

 PRUEBA DE UNA COLA (UNILATERAL): PRUEBA SI UN METODO A ES MAS PRECISO QUE UN METODO B OJO: UNO ESTA INTERESADO EN DETECTAR

LA DIFERENCIA EN UNA SOLA DIRECCION

 PRUEBA DE DOS COLAS (BILATERAL): PRUEBA SI LOS METODOS A Y B DIFIEREN EN SU PRECISION OJO: UNO ESTA INTERESADO EN DETECTAR
CUALQUIER DIFERENCIA EN CUALQUIER DIRECCION

45

46

PRUEBA F - EJEMPLOS
UNA COLA:
SE COMPARO UN METODO PROPUESTO PARA LA DETERMINACION DE DE LA DEMANDA DE OXIGENO EN AGUAS RESIDUALES CON UN METODO STANDARD . SE OBTUVIERON LOS SIGUIENTES RESULTADOS (ppm) EN UNA MUESTRA: METODO
STANDARD PROPUESTO

media 72 72

dvstd 3 .3 1 1.51

n 8 8

ES EL METODO PROPUESTO MAS PRECISO QUE EL METODO ESTANDAR?

47

PRUEBA F - EJEMPLOS
DOS COLAS:
DATOS ANTERIORES DE BORO EN MATERIAL VEGETAL media
MET. ESPECTROFOTOMETRICO MET. FLUORIMETRICO

ds 0.3 0.23

n 10 10

28.0 26.25

CHEQUEAR LA ASUNCION DE QUE LAS DOS VARIANZAS NO DIFIEREN SIGNIFICATIVAMENTE

48

EXISTE UNA PEQUEA PROBABILIDAD DE QUE HAYAMOS TOMADO UNA MALA DECISION
DOS POSIBLES ERRORES EN PRUEBAS DE SIGNIFICACION

DECISION _______________________________
RECHACE LA HIPOTESIS NULA Y NO RECHACE LA HIPOTESIS NULA Y

CONCLUYA QUE NO CONCLUYA QUE EL RESULTADO ES EL RESULTADO ES INEXACTO

REALIDAD

INEXACTO

___________________________________________
HIPOTESIS NULA ES FALSA; ES DECIR, EL RESULTADO ES INEXACTO SE TOMO LA DECISION CORRECTA ERROR DEL TIPO II

HIPOTESIS NULA ES CIERTA; ES DECIR, EL RESULTADO NO ES INEXACTO

ERROR DEL TIPO I

SE TOMO LA DECISION CORRECTA

49

EJERCICIO DE TALLER Una de sus amigas se ha metido en el negocio de fabricar vinos. En una fiesta de catadores de vino ella le dijo a usted que estaba segura que un cierto restaurante estaba etiquetando el vino de ella como si fuera importado y que estaba cobrando precios exorbitantes. Usted le respondi que estaba tomando el curso de Estadstica en Univalle y que si ella le proporcionaba unas cuantas botellas, usted podra determinar si los dos vinos eran el mismo. (Durante una de esas fiestas, uno dice casi cualquier cosa). Cual es su conclusin, con base en los siguientes resultados de contenido (%v/v) de alcohol? Vino de su amiga: 12.50, 12.34, 12.38, 12.33, 12.28, 12.41

Vino del restaurante: 12.49, 12.62, 12.69, 12.64

50

EJERCICIO DE TALLER
Cuando se hacen mediciones por replicado, a veces un resultado parece diferir sustancialmente de los dems. Una prueba de significacin llamada prueba-Q puede utilizarse para chequear si el valor sospechoso puede descartarse antes de calcular la media y la desviacin estndar. Para aplicar esta prueba, se calcula un cociente de rechazo Q, definido como (resultado sospechoso - resultado ms prximo) Q rango de resultados y se ve si excede el valor crtico apropiado en la siguiente tabla estadstica de cocientes, a un nivel de confianza del 90%: n 3 4 5 6 Q 0.94 0.76 0.64 0.56 n 7 8 9 l0 Q 0.51 0.47 0.44 0.41

Si Qcalc. > Qcrit. , el resultado sospechoso puede descartarse. Aplicar la prueba-Q a los siguientes datos del contenido de estronsio (Qg/mL) en una muestra, para ver si el valor sospechoso puede o no descartarse: 1.15, 1.02. 1.10, y 1.88.
51

PROPAGACION DEL ERROR ALEATORIO

CADA MODULO DE UN INSTRUMENTO Y CADA PASO DE UN PROCEDIMIENTO CONTRIBUYEN CON ALGUN ERROR ALEATORIO (INCERTIDUMBRE) EN EL RESULTADO DE LA MEDICION UNA MEDICION NO PUEDE SER MAS CONFIABLE QUE SU PASO MENOS PRECISO UN INSTRUMENTO NO PUEDE SER MAS CONFIABLE QUE SU MODULO MENOS PRECISO EL CONOCIMIENTO DE LAS FUENTES MAS IMPORTANTES DE ERROR ALEATORIO Y LA MANERA COMO ESTE SE PROPAGA ES EXTREMADAMENTE IMPORTANTE CUANDO SE DISEAN O SE USAN INSTRUMENTOS Y/O PROCEDIMIENTOS ANALITICOS
52

ANALISIS DE PROPAGACION DEL ERROR ALEATORIO

SE UTILIZA EN SITUACIONES EN QUE UNO NO TIENE LA CAPACIDAD O NO PUEDE DARSE EL LUJO DE MEDIR LA MISMA COSA VARIAS VECES PARA ESTIMAR DIRECTAMENTE EL ERROR ALEATORIO DEL RESULTADO FINAL LA APLICACION DE LAS ECUACIONES PRESENTADAS AQUI LE PERMITEN A UNO OBTENER LA INCERTIDUMBRE DEL RESULTADO A PARTIR DE LAS INCERTIDUMBRES DE SUS DATOS DICHO LO ANTERIOR, LA PROPAGACION DEL ERROR ALEATORIO PUEDE SER FACIL Y ENTRETENIDA! BUENO, TAL VEZ NO TANTO, PERO ESPEREMOS QUE LA DISCUSION QUE SIGUE LE AYUDE A ENTENDER CON UN MINIMO DE SANGRE, SUDOR Y LLANTO
53

PROPAGACION DEL ERROR ALEATORIO


R: UNA MEDICION (RESPUESTA)

x,y,z: VARIABLES INDEPENDIENTES

(OUTPUTs DE MODULOS O PASOS DE UN PROCEDIMIENTO ANALITICO)

R ! f(x,y, )

xR xR xR z x  R ! y  xz xx xy

NOTESE QUE LAS FLUCTUACIONES EN LOS OUTPUTS DE LOS COMPONENTES NO SON ADITIVAS DIRECTAMENTE SINO QUE PRIMERO SE MODIFICAN POR SU RELACION FUNCIONAL CON

PUEDE DEMOSTRARSE QUE

xR xR xR   WR ! W W W x x x

ESTA ECUACION EXPRESA LA PROPAGACION DEL ERROR PUEDE SER ADAPTADA A MUESTRAS PEQUEAS USANDO DESVIACIONES ESTANDARES s:
2

xR 2 xR 2 xR 2 2 sR ! sx  sy  sz xz xx xy
2 2

54

PUNTOS IMPORTANTES EN UN ANALISIS DE PROPAGACION DEL ERROR ALEATORIO LA RELACION FUNCIONAL ( f ) ENTRE LAS DIFERENTES VARIABLES (x, y, z, etc) QUE CONDUCEN A LA RESPUESTA ( R ) DEBE SER CLARAMANTE ESTABLECIDA

R ! f(x,y,z)
LAS VARIABLES MEDIDAS (x, y, z, etc) SON COMPLETAMENTE INDEPENDIENTES ENTRE SI (NO CORRELACIONADAS) LAS ECUACIONES ASUMEN QUE LOS ERRORES ALEATORIOS EN LAS VARIABLES Y LA RESPUESTA SON NORMALMENTE DISTRIBUIDOS (GAUSSIANOS)

55

PROPAGACION DEL ERROR ALEATORIO EN LOS CALCULOS ARITMETICOS

A VECES USTED NECESITA USAR LAS INCERTIDUMBRES RELATIVAS Y OTRAS VECES LAS INCERTIDUMBRES ABSOLUTAS ABSOLUTAS. TENGA CUIDADO DE SEGUIRLES LA PISTA CUANDO USTED VA DE LA UNA A LA OTRA
56

EJERCICIO DE TALLER
Un cierto tipo de muestra se analiza de manera rutinaria en su laboratorio mediante titulacin. Las muestras, todas alrededor de 0.1 g, se pesan con una balanza analtica que da una precisin de 0.1 mg. Se requieren aproximadamente 40 mL de titulante (lquido aadido desde una bureta) para alcanzar el punto final de la titulacin. La molaridad del titulante se conoce con una precisin del 0.1%. El volumen del titulante se mide leyendo la bureta antes de aadir lquido de nuevo despus de que el lquido ha sido aadido. Se estim experimentalmente que el error aleatorio en la lectura de la bureta es de 0.02 mL. La titulacin termina cuando se detecta un cambio de color en el indicador utilizado. Este cambio de color ocurre con una incertidumbre de 0.02 mL en trminos de volumen. Estimar el error relativo del resultado. Si una muestra de 0.1000 g contiene 22.2% del elemento Z, cual es el error absoluto en el contenido de Z?

57

OTRO EJERCICIO DE TALLER

La ecuacin de Nernst describe la relacin entre el potencial y la concentracin del analito i expresada como su actividad ai :
RT E ! E  ln ai nF
0

Para n = 1, cual es el error relativo en ai para una incertidumbre en E de 0.5 mV a 25rC?

58

UN EJERCICIO MAS
LA POTENCIA W DISIPADA EN UNA RESISTENCIA DEBERA SER ESTIMADA CON UNA INCERTIDUMBRE NO MAYOR DEL 1% MEDIANTE UN CALCULO BASADO EN LA EXPRESION BIEN CONOCIDA W=I2R. SERIA ADECUADO MEDIR TANTO LA RESISTENCIA COMO LA CORRIENTE CON UNA DESVIACION RELATIVA DEL 1%?

59

EN ULTIMAS, PARA QUE SIRVE UN ANALISIS DE PROPAGACION DEL ERROR ALEATORIO?

CUANTIFICA LA PRECISION DE LOS RESULTADOS IDENTIFICA LA(S) PRINCIPAL(ES) FUENTE(S) DE ERROR (ALEATORIO) Y SUGIERE MEJORAS JUSTIFICA O DESVIRTUA UNA DESVIACION ESTANDAR OBSERVADA
SI sOBS } sCALC, ENTONCES SE EXPLICA LA DESVIACION ESTANDAR OBSERVADA SI SOBS DIFIERE SIGNIFICATIVAMENTE DE SCALC , ENTONCES TAL VEZ SE UTILIZARON VALORES POCO REALISTAS DE sx, sy Y sz

AYUDA A IDENTIFICAR EL TIPO DE ERROR


SI ROBS RLIT e sCALC ENTONCES EL ERROR ES ALEATORIO SI ROBS RLIT "" sCALC ENTONCES EL ERROR ES SISTEMATICO
60

ESTADISTICA (RESUMEN)
HASTA AQUI_ CONTROL ESTADISTICO: CALIDAD CONFIABILIDAD (VALIDEZ -PRECISION Y EXACTITUD-)

e
total

sistemtico Y

aleatorio MUESTRAS

POBLACIONES
ESTADISTICA

MODELOS MATEMATICOS PARA LAS DISTRIBUCIONES

(TEORIA DE PROBABILIDAD)

LO BASICO:

MEDIA DE (RSD)

Qnx W ns
f

61

ESTADISTICA (RESUMEN; CONTINUACION) INTERVALO DE CONFIANZA DEL TEOREMA DEL LIMITE ts CENTRAL Q xs Wx n Wm ! n PRUEBAS DE SIGNIFICACION
PARA SACAR CONCLUSION ACERCA DE UNA POBLACION CON DATOS DE UNA MUESTRA VALORES CRITICOS_ VALORES IMPROBABLES DE EXCEDER SI Ho ES CIERTA OJO: LA DECISION DE RETENER Ho NO SIGNIFICA QUE SEA CIERTA SI NO QUE UNO NO PUDO DEMOSTRAR QUE ES FALSA PRUEBA t _ PARA COMPARAR RESULTADOS (VARIAS FORMULAS DEPENDIENDO DE LA SITUACION) PRUEBA F _ PARA COMPARAR PRECISION DE 2 METODOS UNA COLA:

W1 < W2 ? DOS COLAS: W1 = W2 ?


62

CALIBRACION
EN ANALISIS INSTRUMENTAL
CURVA DE CALIBRACION:

GRAFICAS DE SEAL ANALITICA versus CANTIDAD DE ANALITO


(USUALMENTE CONCENTRACION)
PROCEDIMIENTO GENERAL:  SE PREPARA UNA SERIE DE MUESTRAS (n>3) EN LAS CUALES SE CONOCE LA CONCENTRACION DEL ANALITO (MUESTRAS ESTANDARES)  SE MIDE EN EL INSTRUMENTO LA PROPIEDAD DE INTERES (SEAL ANALITICA) PARA CADA MUESTRA ESTANDAR BAJO LAS MISMAS CONDICIONES QUE SE UTILIZARAN EN LAS MUESTRAS DESCONOCIDAS  SE GRAFICA LA CURVA DE CALIBRACION, SIEMPRE CON LA RESPUESTA INSTRUMENTAL SOBRE EL EJE VERTICAL (y) Y LAS CONCENTRACIONES ESTANDARES SOBRE EL HORIZONTAL (x)
63

CURVAS DE CALIBRACION IMPLEMENTACION


 LA CONCENTRACION DE LA MUESTRA DESCONOCIDAS SE OBTIENE POR INTERPOLACION
EN GENERAL, ES ESENCIAL QUE LOS ESTANDARES CUBRAN EL RANGO COMPLETO DE CONCENTRACION REQUERIDO POR LAS MUESTRAS

 SIEMPRE SE INCLUYE UN BLANCO (UN BLANCO PROCEDIMENTAL)

64

PROCEDIMIENTO DE CALIBRACION EN ANALISIS INSTRUMENTAL

PUNTOS DE CALIBRACION MUESTRA DESCONOCIDA

65

CALIBRACION

TRES TRE S ASUNCIONES BASICAS


 LOS ERRORES ALEATORIOS EN EL EXPERIMENTO DE CALIBRACION OCURREN SOLAMENTE EN LOS VALORES

(RECORDAR QUE LA CURVA DE CALIBRACION SE CONSTRUYE CON LA RESPUESTA ANALITICA SOBRE LAS

Y LAS CONCENTRACIONES ESTANDARES

SOBRE LAS

x)

 LA MAGNITUD DEL ERROR ALEATORIO EN y ES INDEPENDIENTE DE LA CONCENTRACION DEL ANALITO (HOMOCEDASTICIDAD)

 EL ERROR ALEATORIO EN DISTRIBUCION NORMAL

SIGUE UNA

66

PREGUNTAS ESTADISTICAS IMPORTANTES ACERCA DE LAS CURVAS DE CALIBRACION

 LA CURVA DE CALIBRACION ES LINEAL? SI NO LO ES, CUAL ES LA FORMA (ECUACION) DE LA CURVA?  TENIENDO EN CUENTA QUE CADA UNO DE LOS PUNTOS DE LA GRAFICA ESTA SOMETIDO A ERROR ALEATORIO, CUAL ES LA MEJOR LINEA RECTA (O CURVA) A TRAVES DE ESTOS PUNTOS?  ASUMIENDO QUE LA GRAFICA ES EN VERDAD LINEAL, CUALES SON LOS ERRORES ALEASTORIOS ESTIMADOS Y LOS LIMITES DE CONFIANZA DE LA PENDIENTE Y EL INTERCEPTO DE LA LINEA RECTA?  CUANDO SE UTILIZA LA CURVA DE CALIBRACION EN UNA MUESTRA DESCONOCIDA, CUAL ES EL ERROR ALEATORIO Y LOS LIMITES DE CONFIANZA DE LA CONCENTRACION ENCONTRADA ENCONTRADA?  CUAL ES EL LIMITE DE DETECCION DEL METODO? ES DECIR, CUAL ES LA MINIMA CONCENTRACION DEL ANALITO QUE SE PUEDE DETECTAR CON UN NIVEL PREDETERMINADO DE CONFIANZA?
67

EL BLANCO
LA MUESTRA EN BLANCO NO CONTIENE ANALITO (QUE HAYA SIDO AADIDO DELIBERADAMENTE), PERO CONTIENE LOS MISMOS REACTIVOS, SOLVENTES, ETC. QUE LAS OTRAS MUESTRAS BAJO PRUEBA Y SE SOMETE A LA MISMA SECUENCIA DE PROCEDIMIENTOS ANALITICOS QUE ESTAS LA SEAL INSTRUMENTAL PROVENIENTE DEL BLANCO ES A MENUDO DIFERENTE DE ZERO AL IGUAL QUE TODAS LAS MUESTRAS ESTANDARES Y DESCONOCIDAS, LA SEAL DEL BLANCO ESTA SOMETIDA A ERROR ALEATORIO Y, EN GENERAL, NO TIENE SENTIDO SUSTRAER EL VALOR DEL BLANCO DE LOS OTROS VALORES ESTANDARES ANTES DE DIBUJAR LA CURVA DE CALIBRACION
68

EL COEFICIENTE DE CORRELACION MOMENTO-PRODUCTO


UNA MEDIDA DE LA ASOCIACION LINEAL ENTRE DOS VARIABLES DADA UNA SERIE DE PAREJAS DE DATOS

(x1,y1), (x2,y2), (xi,yi), (xn,yn)


EL COEFICIENTE DE CORRELACION, r, ESTA DADO POR

r!
DONDE
n

S xy S xx S yy
NUEVOS SIMBOLOS QUE SIMPLIFICAN MUCHAS FORMULAS

S xy ! ( xi  x )( yi  y )
i !1

S xx ! ( xi  x)
S yy ! ( yi  y )
x: y:

2
2

NOTESE: SUMA DE LOS CUADRADOS DE LAS DESVIACIONES DE LOS DATOS CON RESPECTO A CADA MEDIA

LA MEDIA DE TODOS LOS VALORES DE LA MEDIA DE TODOS LOS VALORES DE

x y

x , y :

EL CENTROIDE DE TODOS LOSPUNTOS

CONSIDERESE QUE

r2*100

= PORCENTAJE DE AJUSTE DE LOS DATOS A LA LINEA DE REGRESION (VIDE INFRA) 69

CALCULO DE

EJEMPLO. SE EXAMINA UNA SERIE DE SOLUCIONES STANDARD DE FLUORESCEINA EN UN FLUORIMETRO, CON LOS SIGUIENTES RESULTADOS DE INTENSIDAD DE FLUORESCENCIA (EN UNIDADES ARBITRARIAS)

INTENSIDAD DE FLUORESCENCIA: CONCENTRACION, pg/mL:

2.1 0

5.0 2

9.0 4

12.6 6

17.3 8

21.0 10

24.7 12

x !4 7!6
r!

y ! 91.7 7 ! 13.1

216 .2 ! 0 . 9989 112 * 418 .28

70

ACERCA DE LOS VALORES DE r

A MENUDO, UNA CURVA QUE NO LUCE MUY LINEAL PRODUCE VALORES MUY ALTOS DE

r r
PODRIA SER

UN VALOR ALTO DE

INTERPRETADO ERRONEAMENTE COMO UNA RELACION LINEAL

LA CURVA DE CALIBRACION DEBE GRAFICARSE SIEMPRE

ES IMPORTANTE REPORTAR

CON EL

NUMERO ADECUADO DE CIFRAS SIGNIFICATIVAS

71

VALORES DEL COEFICIENTE DE CORRELACION

-1 < r < +1

CURVAS ANALITICAS:

r > 0.99
72

(AL MENOS DOS NUEVES)

INTERPRETACIONES ERRONEAS DEL COEFICIENTE DE CORRELACION

ESTA CURVA ES LO SUFICIENTEMENTE SUAVE COMO PARA PRODUCIR UN VALOR DE BASTANTE ALTO (LA CALIBRACION SIEMPRE DEBE GRAFICARSE)

ESTE EJEMPLO ES UN RECORDATORIO DE QUE UN r IGUAL A CERO NO NECESARIAMENTE SIGNIFICA QUE NO HAY RELACION ENTRE

73

PRUEBA

PARA EVALUAR

CASO DE UN VALOR BAJO DE r: ES SIGNIFICATIVO DE VERDAD? USE PRUEBA t DE DOS COLAS Ho: NO HAY CORRELACION ENTRE x Y y

 r

tcrit

PARA (n-2) GRADOS DE LIBERTAD

SI tcalc >

tcrit, SE RECHAZA Ho
74

LA LINEA DE REGRESION DE y SOBRE x


ASUNCION:
HAY UNA FUERTE RELACION LINEAL ENTRE LA SEAL ANALITICA (y) Y LA CONCENTRACION (x) LA MEJOR LINEA QUE PASA POR LOS PUNTOS DE LA CURVA DE CALIBRACION:

y = a + bx
USE EL METODO DE LOS MINIMOS CUADRADOS PARA HALLAR

a Y b:

b!

S xy S xx

a ! y  bx
INTERCEPTO

PENDIENTE

OJO: NO ABUSE DE ESTAS ECUACIONES. ELLAS PRODUCEN RESULTADOS UTILES SOLO CUANDO HAY EVIDENCIA (VALOR DE r E INSPECCION VISUAL DE LA CURVA DE CALIBRACION) DE UNA RELACION LINEAL
75

EJEMPLO DE LINEA DE REGRESION


LA SERIE DE SOLUCIONES ESTANDAR DE FLUORESCEINA CON LOS SIGUIENTES RESULTADOS DE INTENSIDAD DE FLUORESCENCIA (EN UNIDADES ARBITRARIAS)
INTENS. DE FLUORESCENCIA: 2.1 CONCENTRACION, pg/mL:

5.0 2

9.0 4

12.6 17.3 21.0 24.7 6 8 10 12

CALCULAR LA PENDIENTE Y EL INTERCEPTO DE LA LINEA DE REGRESION

2 6 .2 b! ! ! .93 S xx 2

S xy

a ! y  b x ! 13 .1  1.93 * 6 ! 1.5
LA LINEA DE REGRESION:

1.93 x  1.52
76

CURVA DE CALIBRACION

77

LOS RESIDUOS DE y EN UNA REGRESION LINEAL

RESIDUO = VALOR MEDIDO - VALOR PREDICHO


78

DESVIACION ESTANDAR DE LOS RESIDUOS ( DESVIACION ESTANDAR DE LA REGRESION)

Residuo i
RSS
SUMA DE LOS CUADRADOS DE LOS RESIDUOS

 i S yy  b 2 S xx

2 y y ) (  i i

FACILITA EL CALCULO DE RSS

VARIANZA RESIDUAL

RSS n2

LA LINEA DE REGRESION TIENE LA MINIMA RSS

METODO DE MINIMOS CUADRADOS

MUY UTIL COMO MEDIDA DE LA BONDAD DEL AJUSTE DE LA LINEA A LOS PUNTOS

DESVIACION ESTANDAR RESIDUAL TAMBIEN:

! SR !

RSS ! n2

S yy  b 2 S xx n2

DESVIACION ESTANDAR DE LA REGRESION 79

ERRORES EN LA PENDIENTE ( b ) Y EL INTERCEPTO ( a ) DE LA LINEA DE REGRESION

SR sb ! S xx
INTERVALO DE CONFIANZA:

b s ts b

sa

SR

1 x  n S xx

INTERVALO DE CONFIANZA:

EN AMBOS CASOS,

t CON (n-2) GRADOS DE LIBERTAD


80

EJEMPLO: EN LA SERIE DE SOLUCIONES ESTANDAR DE FLUORESCEINA, CALCULAR LA DESVIACION STANDARD Y LOS LIMITES DE CONFIANZA DE LA PENDIENTE Y EL INTERCEPTO DE LA LINEA DE REGRESION
xi 0 4 6 8 10 1 42 yi .1 5.0 9.0 1 .6 17.3 1.0 4.7 91.7 xi-x -6 -4 0 4 6 0 (xi-x)2 36 16 4 0 4 16 36 112 yi-y -11.0 -8.1 -4.1 -0.5 4. 7.9 11.6 0 (yi-y)2 1 1.00 65.61 16.81 0. 5 17.64 6 .41 134.56 418.28 (xi-x)(yi-y) 66.0 3 .4 8. 0 8.4 31.6 69.6 216.2

n!7 x !6
SR !

a ! 1.52 b ! 1.93
S yy  b S xx

S xx ! 112 S yy ! 418 .28


t ! 2.57 (95 %, f ! 5)

n

418. 8  1.93 *11 ! 0.467 5

sb !

SR 0.467 ! S xx 11

! 0.04415

b s tsb
sa ! S R

! 1.93 s 2.57 * 0.04415 ! 1.93 s 0.11


2

1 x  ! 0.4672 n S xx
1.52 s 2.57 * 0.3183

1 62  ! 0.318 7 112
1.52 s 0.81

a s ts a

81

CALCULO DE LA CONCENTRACION DE UNA MUESTRA DESCONOCIDA

x0

y0  a b
A

yo ES EL VALOR EXPERIMENTAL DE y PARTIR DEL CUAL SE DETERMINA xo

x0

y0

xx

m ES EL NUMERO DE LECTURAS PARA OBTENER yo


INTERVALO DE CONFIANZA:

x s ts x

t CON (n-2) GRADOS DE LIBERTAD


82

EJEMPLO: EN LA SERIE DE SOLUCIONES STANDARD DE FLUORESCEINA,


CALCULAR LA CONCENTRACION Y LOS LIMITES DE CONFIANZA PARA SOLUCIONES CON INTENSIDADES DE 2.9, 13.5 Y 23.0 EN FLUORESCENCIA

n!7

a ! 1.52

y ! 13 .1

S xx ! 112

S R ! 0.4672

m ! 1 b ! 1.93
INTERVALO DE CONFIANZA:

y0 b

S t R b

1 m

1 n

y0 y 1 b S xx

(1) PARA yo = 2.9


0. 4672 2 . 9  1 . 52 s 2 . 57 * 1 . 93 1 . 93 1 1 2 . 9  13 . 1 1   1 7 1 . 93 112
2

0. 72 s 0. 7

(2) PARA yo = 13.5 (3) PARA yo = 23.0 yo

6.21s 0.67
11.13 s .73
y
83

NOTESE QUE ESTOS INTERVALOS SE HACEN MAS ANCHOS A MEDIDA QUE SE ALEJA DE

FORMA GENERAL DE LOS LIMITES DE CONFIANZA PARA LA CONCENTRACION DETERMINADA UTILIZANDO UNA RECTA DE REGRESION

84

COMO REDUCIR LA INCERTIDUMBRE EN xo


(Y ESTRECHAR SU INTERVALO DE CONFIANZA)

S x0 s t b

1 1 y0  y 1   m n b S xx

 OBTENGA UNA SEAL ANALITICA DE LA MUESTRA DESCONOCIDA QUE SE APROXIME AL CENTROIDE

 LLEVE A CABO UN EXPERIMENTO DE CALIBRACION DE MAYOR TAMAO

 REALICE MAS DE UNA LECTURA DE LA MUESTRA DESCONOCIDA Y UTILICE LA MEDIA DE ESTAS DETERMINACIONES PARA CALCULAR LA CONCENTRACION

85

UN EXPERIMENTO DE CALIBRACION DE MAYOR TAMAO?


valor de t para (n-2) GdL 12,71 2,78 2,23 2,07 2,01 1,96 ancho intervalo de confianza 95% 14.68(SR /b) 3.00(SR /b) 2.32(SR /b) 2.12(SR /b) 2.03(SR /b) 1.96(SR /b)

n 3 6 12 24 48

INTERVALO DE CONFIANZA vs TAMAO DEL EXPERIMENTO

CONCENTRACION ESTIMADA -10 +10

n=3
6 12 24 48

SR/b

g
86

EJERCICIO.TAMAO DEL EXPERIMENTO DE CALIBRACION


EL DR. ROSSO, UN CONSULTOR ANALTICO, HA SIDO LLAMADO URGENTEMENTE POR LA EMBAJADA RUBOVIANA EN BOGOT PARA DETERMINAR EL CONTENIDO DE PLOMO EN UNA MUESTRA SUPER SECRETA. EL EMBAJADOR EST MUY REACIO A DIVULGAR EL ORGEN DE LA MUESTRA, PERO LE HACE SABER AL DR. ROSSO QUE SE TRATA DE UN LQUIDO VISCOSO ROJO OSCURO QUE PODRA SER ANALIZADO POR AAX (UN MTODO EN EL QUE EL CONSULTOR ES UN EXPERTO). A L SE LE ASEGURA QUE LA CONCENTRACIN ESPERADA DE PLOMO EN LA MUESTRA PROBLEMA EST ENTRE 0 Y 100 PPM, PERO EL DR. ROSSO SE LAS ARREGLA PARA SABER TAMBIN QUE SU VERDADERA CONCENTRACIN EST MUY PRXIMA A 50 PPM. AL LLEGAR A LA EMBAJADA SE LE DICE QUE EL RESULTADO SE REQUIERE CON EXTREMADA URGENCIA Y QUE HAY REACTIVO PARA SOLAMENTE DIEZ MEDICIONES POR AAX. CUAL DE LAS SIGUIENTES ESTRATEGIAS SE ESPERARA QUE LE DE AL DR. POSSO EL MAS ESTRECHO INTERVALO DE CONFIANZA DE LA CONCENTRACIN DE PLOMO EN LA MUESTRA DESCONOCIDA? 1. A. USAR NUEVE ESTNDARES DE 0, 12.5, 25,..., Y 100 PPM EN UN EXPERIMENTO DE CALIBRACIN Y LUEGO HACER UNA DETERMINACIN DE LA MUESTRA DESCONOCIDA. 2. B. USAR SEIS ESTNDARES DE 0, 20, 40, 60, 80 Y 100 PPM EN UN EXPERIMENTO DE CALIBRACIN Y LUEGO HACER CUATRO DETERMINACIONES DE LA MUESTRA DESCONOCIDA. 3. C. USAR TRES ESTNDARES DE 0, 50 Y 100 PPM EN UN EXPERIMENTO DE CALIBRACIN Y LUEGO HACER SIETE DETERMINACIONES DE LA MUESTRA DESCONOCIDA. NOTA: JUSTIFIQUE CUIDADOSAMENTE SU RESPUESTA MEDIANTE CALCULOS Y/O ASUNCIONES.

87

LIMITE DE DETECCION
LA MINIMA CONCENTRACION DEL ANALITO QUE UNO PUEDE DETECTAR POR EL METODO CON UN CIERTO NIVEL DE CONFIANZA
EN OTRAS PALABRAS

LA CONCENTRACION MINIMA DE ANALITO QUE PRODUCE UNA SEAL QUE ES SIGNIFICATIVAMENTE DIFERENTE DEL BLANCO DEFINICION DE LA IUPAC: LA CONCENTRACION DEL ANALITO QUE PRODUCE UNA SEAL IGUAL A LA DEL BLANCO MAS k VECES LA DESVIACION ESTANDAR DEL BLANCO

i.e.: LA CONCENTRACION CD PARA LA CUAL

yD

y  ks
88

COMO SE DETERMINA CD
DE LA DEFINICION DE LA IUPAC DE LA ECUACION DE REGRESION

yD
yD
a  bC D

y B  ksB
a  bCD

y B  ksB
ASUMIENDO QUE

yB $ a ksB bC D
sB k b

CD
ASUMIENDO TAMBIEN QUE

sB $ S R
OJO:
CADA PUNTO DE LA CURVA DE CALIBRACION (INCLUYENDO EL BLANCO) TIENE UNA VARIACION (NORMALMENTE DISTRIBUIDA) SOBRE EL EJE y QUE PUEDE ESTIMARSE CON LA DESVIACION ESTANDAR DE LOS RESIDUOS SR

CD

SR k b

89

LIMITE DE DETECCION DOS PROBLEMAS


I.- UNO NO QUIERE RECLAMAR LA PRESENCIA DEL ANALITO CUANDO EN REALIDAD ESTA AUSENTE
PERO IGUALMENTE

II.- UNO NO DESEA REPORTAR QUE EL ANALITO ESTA AUSENTE CUANDO EN VERDAD ESTA PRESENTE

DEBE MINIMIZARSE LA POSIBILIDAD DE CADA UNO DE ESTOS ERRORES UTILIZANDO UNA DEFINICION APROPIADA DE LA CONCENTRACION LIMITE
90

CONCENTRACIONES LIMITE

PARA k = 3 (COMO SE MUESTRA ARRIBA) LA PROBABILIDAD (P) DE CADA ERROR (I O II) ESTA ALREDEDOR DEL 7%

91

DETECCION Y CUANTIFICACION

CD

CC

CONCENTRACION

yB

yD

yC

SEAL

yB + 3 sB

yB + 10sB
REGION DE CUANTIFICACION

REGION DE DETECCION
ANALITO SIN DETECTAR

RECUERDE SIEMPRE:

LAS DEFINICIONES SON BASTANTE ARBITRARIAS.- ES EL USUARIO QUIEN ESCOJE

CUANDO SE REPORTA UN LIMITE DE DETECCION, DEBE INCLUIRSE INFORMACION (k) SOBRE LA DEFINICION UTILIZADA
92

EJEMPLO: EN LA SERIE DE SOLUCIONES STANDARD DE FLUORESCEINA,


ESTIMAR LOS LIMITES DE DETECCION (3W) Y CUANTIFICACION (10W)

b 1

S R ! 0.4672

C LD ! 3

SR 0.4672 ! 3* ! 0.7 b 1.93 SR 0.4672 ! 10 * ! 2.4 b 1.93

C LC ! 10

93

EFECTOS EFECTOS DE MATRIZ MATRIZ


DISMINUCION O AUMENTO DE LA SEAL ANALITICA DEBIDO A LA PRESENCIA DE OTROS COMPONENTES EN LA MUESTRA

METODO REGULAR DE CALIBRACION:


EL INSTRUMENTO SE CALIBRA CON SOLUCIONES ESTANDAR QUE CONTIENEN SOLO EL ANALITO . EL METODO ES ACEPTABLE SOLAMENTE SI ESTA SOLUCION DEL ANALITO PRODUCE LA MISMA SEAL INSTRUMENTAL QUE SOLUCIONES DE LA MUESTRA QUE CONTENGA LA MISMA CONCENTRACION DEL ANALITO CUANDO SE UTILIZAN SOLUCIONES PURAS DEL ANALITO PARA ESTABLECER LA GRAFICA DE CALIBRACION, SE ASUME QUE NO HAY EFECTOS DE MATRIZ CON FRECUENCIA, TAL ASUNCION NO ES ACEPTABLE EN MUCHAS AREAS DE ANALISIS
94

EL PROBLEMA DE EFECTOS DE MATRIZ


POSIBLES SOLUCIONES: PREPARAR ESTANDARES DE CALIBRACION QUE SEAN IDENTICOS A LA MUESTRA PROBLEMA EN TODO ASPECTO EXCEPTO EN LA CONCENTRACION DEL ANALITO (METODO DE ESTANDAR CON AJUSTE DE MATRIZ). ESTA ESTRATEGIA RARA VEZ RESULTA PRACTICABLE PREPARAR ESTANDARES DE CALIBRACION QUE CONTENGAN LA PROPIA MUESTRA EN UNA PROPORCION FIJA Y CONOCIDA (METODO METODO DE ADICIONES (DE) ESTANDAR)

95

METODO DE ADICION DE ESTANDAR * IMPLEMENTACION *


 SE TOMAN VOLUMENES IGUALES DE SOLUCION PROBLEMA  TODAS SALVO UNA SON TRATADAS (DOPADAS) POR SEPARADO MEDIANTE LA ADICION DE CANTIDADES CONOCIDAS E INCREMENTALES DEL ANALITO  TODAS SE DILUYEN AL MISMO VOLUMEN  SE MIDE LA SEAL INSTRUMENTAL PRODUCIDA POR CADA UNA DE ESTAS SOLUCIONES  COMO DE COSTUMBRE, LA SEAL SE PRESENTA EN EL EJE y, MIENTRAS QUE EN EL EJE x SE PRESENTA LA CANTIDAD DE ANALITO AADIDA
96

METODO DE ADICION DE ESTANDAR

CURVA Y CALCULOS

xE

a  b

sx E

SR b

y 1  2 n b S xx

97

METODO DE ADICION DE ESTANDAR


EJEMPLO.- LA CONCENTRACION DE PLATA EN UNA MUESTRA DE
DESHECHOS FOTOGRAFICOS SE DETERMINO POR ESPECTROMETRIA DE ABSORCIO ATOMICA (EAA) CON EL METODO DE ADICIONES DE ESTANDAR. SE OBTUVIERON LOS SIGUIENTES RESULTADOS: Ag adicionada, Qg por mL de solucion original Absorbancia 0 0.32 5 0.41 10 0.52 15 0.60 20 0.70 25 0.77 30 0.89

DETERMINE LA CONCENTRACION DE PLATA EN LA MUESTRA Y LOS LIMITES DE CONFIANZA AL 95% PARA ESTA CONCENTRACION

x! 5
y ! 0.601

0.3216

S xx ! 700

b ! 0.01864 S R ! 0.01093
t ! 2.57 (95 %, f ! 5)

 0.3216 a ! 17.259 xE !  !  0.01864 b


2

s xE

SR b

1 y n b 2 S xx

0.01093 0.01864

1 0.601 2 7 0.01864 2 700

xE ! 17.3 s 2.0

Qg/mL

98

METODO DE ADICION DE ESTANDAR

DESVENTAJAS

REQUIERE CANTIDADES DE MUESTRA MAS GRANDES QUE EL METODO REGULAR DE CALIBRACION ESTADISTICAMENTE, SU PRINCIPAL DESVENTAJA CONSISTE EN SER UN METODO DE EXTRAPOLACION, POR LO TANTO MENOS PRECISO QUE LAS TECNICAS DE INTERPOLACION

99

CALIBRACION vs ADICION DE ESTANDAR


UNO NO DEBE EMBARCARSE EN EL ESFUERZO EXTRA DE LAS ADICIONES DE ESTANDAR A MENOS QUE SE TENGA EVIDENCIA SOLIDA DE LA PRESENCIA DE EFECTOS DE MATRIZ LA AUSENCIA DE EFECTOS DE MATRIZ CONLLEVA A PENDIENTES (SENSIBILIDADES INSTRUMENTALES) ESTADISTICAMENTE IGUALES POR AMBOS METODOS CUALQUIER DIFERENCIA ENTRE LOS DOS METODOS PUEDE CHEQUEARSE MEDIANTE UNA PRUEBA DE SIGNIFICACION:
Ho: LAS VERDADERAS PENDIENTES DE LAS DOS LINEAS NO SON DIFERENTES ( F NO { F ) H1: LAS PENDIENTES VERDADERAS DE LAS DOS LINEAS SON DIFERENTES
1

F { F2
2 2 f1 S R f S  1 2 R2 f1  f 2

 
1

SR
tcrit

1 S

1 S

SR
f1

n1  2

f2

n2  2

PARA (f1+f2) GRADOS DE LIBERTAD 100

EJERCICIO DE TALLER.METODO DE ADICION DE ESTANDAR

CALCULAR LA CONCENTRACIN DE BENCENO (EN mg POR L DE MUESTRA), BASNDOSE EN LOS SIGUIENTES DATOS CROMATOGRFICOS LC (CORREGIDOS POR EL MTODO DEL ESTNDAR INTERNO): Volmenes utilizados, mL Muestra 20.0 QM benceno Fase mvil Area del pico, (diluyente) corregida 20.0 0.00 30.0 41.4 20.0 5.00 25.0 57.6 Peso molecular del benceno: 78.11 g/mol NOTA: OBSERVESE QUE EN ESTE CASO SOLO SE USA UN DOPAJE DE LA MUESTRA CON SOLUCION ESTANDAR DE BENCENO. QUE HAY DE MALO EN ELLO?

RECORDAR QUE

A w

A !k

101

Y QUE ES UN ESTANDAR INTERNO?


 UN COMPUESTO ESTRUCTURALMENTE RELACIONADO CON EL ANALITO QUE SE INCORPORA EN UNA CANTIDAD FIJA A LA MUESTRA Y A LOS ESTANDARES DE TRABAJO. LA SEAL ANALITICA ES EL COCIENTE DE LA ALTURA (O AREA) DEL PICO SOBRE AQUELLA DEL ESTANDAR INTERNO LA IDEA DETRAS DE UN ESTANDAR INTERNO ES QUE DURANTE EL ANALISIS LAS MOLECULAS DEL ESTANDAR INTERNO SE COMPORTAN DE MANERA SIMILAR A AQUELLAS DEL ANALITO DE ESTA MANERA, SE REDUCEN LAS INCERTIDUMBRES RELACIONADAS CON LA PREPARACION DE LA MUESTRA Y SU INTRODUCCION EN EL INSTRUMENTO  EJEMPLO: EN MS, UN ANALOGO DEL ANALITO QUE SEA ESTABLE E ISOTOPICAMENTE MARCADO EL MARCAJE IMPLICA LA PREPARACION DE ANALITO EN LA QUE SE INCORPORA UNO O MAS ATOMOS DE 2H, 13C O 15N SE ASUME QUE DURANTE EL ANALISIS MS LAS MOLECULAS MARCADAS REALIZAN EL MISMO RECORRIDO QUE LAS MOLECULAS DEL ANALITO

102

EJEMPLO: CALIBRACION REGULAR DETERMINACION DE ACIDO ASCORBICO

conc., ppm 10.0 20.0 30.0 40.0 50.0

abs., A 0.145 0.435 0.814 1.152 1.419

sample signal 0.610


1.6 1.4 1.2 1 Y

X Variable 1 Line Fit Plot

SUMMA Y OUTPUT Regression Statistics Multiple R 0.998482153 R Square 0.996966611 Adjusted R Square 0.995955481 Standard Error 0.032881099 Observations 5 A OVA df Regression Residual Total 1 3 4

0.8 0.6 0.4 0.2 0 0.0 20.0 40.0 60.0

Y Predicted Y

X Variable 1

SS MS 1.0660225 1.0660225 0.0032435 0.001081167 1.069266

F Significance F 985.9927547 7.09703E-05

Intercept X Variable 1

Coefficients Standard Error t Stat P-value -0.1865 0.034485987 -5.40799361 0.012397364 0.03265 0.001039792 31.40052157 7.09703E-05

Lower 95% Upper 95% -0.296249906 -0.076750094 0.029340916 0.035959084

X Variable 1 Residual Plot


RESIDUAL OUTPUT
Residuals 0.04 0.02 0 -0.02 0.0 -0.04 X Variable 1 20.0 40.0 60.0

Observation 1 2 3 4 5

Predicted Y 0.14 0.4665 0.793 1.1195 1.446

Residuals 0.005 -0.0315 0.021 0.0325 -0.027

103

EJEMPLO: ADICION DE ESTANDAR DETERMINACION DE ACIDO ASCORBICO


added conc., ppm 0.0 5.0 10.0 15.0 20.0 abs., AU 0.373 0.452 0.513 0.571 0.622

X Variable 1 Line Fit Plot


0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0.0 10.0 20.0 30.0 X Variable 1
SS MS F Significance F 0.0380689 0.0380689 429.5099662 0.000245687 0.0002659 8.86333E-05 0.0383348 Lower 95% Upper 95% 0.35959211 0.40600789 0.010445084 0.014234916

SUMMARY OUTPUT Regression Statistics Multiple R 0.996525837 R Square 0.993063744 Adjusted R Square 0.990751658 Standard Error 0.009414528 Observations 5 ANOVA df Regression Residual Total 1 3 4

Y Predicted Y

Intercept X Variable 1

Coefficients Standard Error t Stat P-value 0.3828 0.007292462 52.49256112 1.52269E-05 0.01234 0.000595427 20.72462222 0.000245687

X Variable 1 Residual Plot


RESIDUAL OUTPUT
0.01

Observation 1 2 3 4 5

Predicted Y 0.3828 0.4445 0.5062 0.5679 0.6296

Residuals -0.0098 0.0075 0.0068 0.0031 -0.0076

Residuals

0 -0.01 0.0 -0.02 X Variable 1 5.0 10.0 15.0 20.0 25.0

104

CALIBRACION vs ADICION DE ESTANDAR

SUMMARY STATISTICS R GC S D AD N n 5 5 r 0. 0. 5258 SR 0. 032881 0. 0094145 mean x 30 10 mean y 0. 93 0. 5062 S xx 1000 250 S yy a sa b sb x0 rx s x0 r s x RSD 1. 069266 0. 0383348 -0. 1865 0. 3828 0. 034486 0. 0072925 0. 03265 0. 01234 0. 00104 0. 0005954 24. 4 1. 1 4. 6 31. 0 2. 0 6. 5
105

USO DE REGRESION LINEAL PARA COMPARAR DOS METODOS ANALITICOS


PARTE DE LA VALIDACION DE UN NUEVO METODO:
IDENTIFICAR ERROR(ES) SISTEMATICO(S) PRODUCE EL NUEVO METODO RESULTADOS SIGNIFICATIVAMENTE MAS ALTOS O MAS BAJOS QUE UN PROCEDIMIENTO BIEN ESTABLECIDO?

IMPLEMENTACION.- UTILICE UNA SERIE DE


MUESTRAS ANALIZADAS POR AMBOS METODOS

CALCULAR.- LA PENDIENTE (b), EL INTERCEPTO (a)


Y EL COEFICIENTE DE CORRELACION* (r)

SI CADA MUESTRA CONDUCE A UN RESULTADO IDENTICO POR AMBOS METODOS,

a = 0

b = 1

r = 1

* EN LA PRACTICA, EL COEFICIENTE DE CORRELACION, r, TIENE


UNA IMPORTANCIA MENOR COMPARADO CON LOS LIMITES DE CONFIANZA PARA LA PENDIENTE Y EL INTERCEPTO

106

REGRESION PARA COMPARAR DOS METODOS ANALITICOS

CONDICIONES PARA OBTENER RESULTADOS CONFIABLES


 LOS RESULTADOS DEL METODO MAS PRECISO SE PRESENTAN EN EL EJE x (PUEDE UTILIZARSE LA PRUEBA F PARA COMPARAR LA PRECISION DE LOS DOS METODOS)

 DEBE INCLUIRSE UN NUMERO RAZONABLE DE PUNTOS (n > 10) PARA CONSTRUIR LA GRAFICA DE COMPARACION (RECORDAR QUE SE PIERDEN DOS GRADOS DE LIBERTAD AL EFECTUAR LOS CALCULOS)  LOS PUNTOS (PAREJAS DE DATOS DE CONCENTRACION) DEBEN CUBRIR EL RANGO DE INTERES CON UN DISTANCIAMIENTO UNIFORME (A MENUDO, ALGO DIFICIL DE OBTENER EN LA PRACTICA)
107

REGRESION LINEAL PARA COMPARAR DOS METODOS ANALITICOS

(a) PERFECTO ACUERDO ENTRE LOS DOS METODOS PARA TODAS LAS MUESTRAS

a = 0

b=1

(b) LOS DOS METODOS DIFIEREN EN UNA CANTIDAD FIJA

a0

PERO

b=1

SE DICE QUE HAY UN ERROR ABSOLUTO ENTRE LOS DOS METODOS (c) LOS METODOS DIFIEREN EN UNA CANTIDAD QUE AUMENTA CON LA CONCENTRACION

a=0

PERO

b1

SE DICE QUE HAY UN ERROR RELATIVO ENTRE LOS DOS METODOS (d) EVIDENCIA DE ERRORES ABSOLUTO Y RELATIVO

a0

b1 108

EJEMPLO.- REGRESION LINEAL PARA COMPARAR DOS METODOS ANALITICOS


SE DETERMINO EL NIVEL DE PLOMO EN DIEZ MUESTRAS DE JUGO DE FRUTAS MEDIANTE UN NUEVO METODO POTENCIOMETRICO Y LOS RESULTADOS SE COMPARARON CON AQUELLOS OBTENIDOS MEDIANTE ABSORCION ATOMICA CON HORNO DE GRAFITO. SE OBTUVIERON LOS SIGUIENTES DATOS (TODOS EN Qg/L):
MUESTRA RESULTADO AAS RESULTADO MET. POT.

1 35 35

2 75 70

3 75 80

4 80 80

5 125 120

6 205 200

7 205 220

8 215 200

9 240 250

10 350 330

EN LA PRACTICA, SI LOS INTERVALOS DE CONFIANZA PARA EL INTERCEPTO Y LA PENDIENTE INCLUYEN LOS VALORES IDEALES DE 0 Y 1 RESPECTIVAMENTE, SE HABRA DEMOSTRADO, MAS ALLA DE UNA DUDA RAZONABLE, QUE NO HAY EVIDENCIA DE ERRORES FIJO Y RELATIVO

a! 8

b ! 0.963

r ! 0.9945
t ! 2.31( f ! 8)

S R ! 10.56

sa ! 6.64

sb ! 0.0357

109

COMPARANDO DOS METODOS ANALITICOS

a 3.

s 1 .34

b 0.963 s 0.083
ESTE INTERVALO INCLUYE A UNO

ESTE INTERVALO INCLUYE A CERO

ES CLARO QUE EL INTERCEPTO Y LA PENDIENTE CALCULADOS NO DIFIEREN SIGNIFICATIVAMENTE DE LOS VALORES IDEALES 0 Y 1 RESPECTIVAMENTE

110

ERROR SISTEMATICO
YA SABEMOS COMO DISTINGUIR ENTRE ERROR FIJO (ABSOLUTO) Y ERROR RELATIVO:
CUANDO UN OPERADOR O UN METODO EXHIBE UN ERROR FIJO, TODAS LAS DETERMINACIONES EN UN LOTE SE VERAN AFECTADAS POR UN ERROR SISTEMATICO DE MAGNITUD CONSTANTE EN EL CASO DE ERROR RELATIVO, EL ERROR SISTEMATICO ES PROPORCIONAL A LA CONCENTRACION MEDIDA, DE TAL MANERA QUE LAS DETERMINACIONES SE VEN AFECTADAS POR UN PORCENTAJE DE ERROR CONSTANTE

OJO: EN AMBOS CASOS, EL ERROR SISTEMATICO ESTA


SUPLEMENTADO Y A MENUDO ENMASCARADO POR UN

ERROR ALEATORIO QUE VARIA IMPREDECIBLEMENTE DE UNA DETERMINACION A OTRA 111

ERRORES ABSOLUTO (FIJO) Y RELATIVO (DEFINICIONES)

ERROR ABSOLUTO:

O A

ERROR RELATIVO:
(PORCENTAJE DE ERROR)

%I

O A v A

DONDE,

O : VALOR OBSERVADO (DETERMINACION


EN LA MUESTRA DESCONOCIDA)

A:

VALOR VERDADERO O ACEPTADO COMO VERDADERO (CONCENTRACION VERDADERA EN LA MUESTRA ESTANDAR)

OJO: EL ERROR (SISTEMATICO) TIENE SIGNO


112

COMO CORREJIR EL ERROR SISTEMATICO

 LA CORRECCION DEL ERROR SISTEMATICO SE LLEVA A CABO MEDIANTE UN CONTROL ANALITICO DE CALIDAD CONSISTENTE EN LA INSERCION DE UN NUMERO DE MUESTRAS ESTANDARES DE CONCENTRACION CONOCIDA EN CIERTOS PUNTOS DE UNA SECUENCIA DE MUESTRAS DESCONOCIDAS DE RUTINA

 EL PRECIO QUE UNO PAGA POR ELIMINAR EL ERROR SISTEMATICO ES UNA DISMINUCION EN LA PRECISION DEL RESULTADO

113

CORRECCION DEL ERROR FIJO

O : OBSERVADO A : VERDADERO s : ESTANDAR x : MUESTRA DESCONOCIDA

ERRO R A BSO LUTO CO NSTA NTE

Is

Ix O s

As

Ox

Ax

Ax Ox Os  As
114

CORRECCION DEL ERROR FIJO


EN PALABRAS:
DETERMINACION EN LA MUESTRA DESCONOCIDA

DETERMINACION CORREGIDA

DETERMINACION EN LA MUESTRA ESTANDAR

CONCENTRACION VERDADERA DE LA MUESTRA ESTANDAR

EJEMPLO: DETERMINACION RUTINARIA DE AMONIACO


CON EVIDENCIA DE ERROR ABSOLUTO FIJO. SE INSERTA UN ESTANDAR (10.0% w/w) DESPUES DE CADA DETERMINACION EN LA MUESTRA DESCONOCIDA

DETERMINACIONES
MUESTRAS DESCONOCIDAS MUESTRAS ESTANDARES (10.0 %w /w ) CORREGIDAS

MUESTRAS A B C D E F MEDIA STDEV 20.6 20.5 20.7 20.6 20.8 21.0 20.7 0.179 10.3 10.7 10.6 11.0 10.3 10.4 10.6 0.274 20.3 19.8 20.1 19.6 20.5 20.6 20.2 0.394

115

CORRECCION DEL ERROR RELATIVO

ERROR RELATIVO CONSTANTE

%I s ! %I x

Os  As As

Ox  Ax Ax

Os As

Ox Ax

Ax

As Ox v Os
116

CORRECCION DEL ERROR RELATIVO


EN PALABRAS:
DETERMINACION EN LA MUESTRA DESCONOCIDA

DETERMINACION CORREGIDA

CONCENTRACION VERDADERA DE LA MUESTRA ESTANDAR

DETERMINACION EN LA MUESTRA ESTANDAR

EJEMPLO: DETERMINACION RUTINARIA DE AMONIACO


CON EVIDENCIA DE ERROR RELATIVO CONSTANTE. SE INSERTA UN ESTANDAR (10.0% w/w) DESPUES DE CADA DETERMINACION EN LA MUESTRA DESCONOCIDA

DETERMINACIONES A MUESTRAS DESCONOCIDAS MUESTRAS ESTANDARES (10.0 %w /w ) CORREGIDAS 20.6 10.3 20.0 B 20.5 10.7 19.2

MUESTRAS C 20.7 10.6 19.5 D 20.6 11.0 18.7 E 20.8 10.3 20.2 F 21.0 10.4 20.2 MEDIA 20.70 10.55 19.63 STDEV 0.179 0.274 0.609

117

CORRECCION SIMULTANEA DE ERRORES FIJO Y RELATIVO

DETERMINACION CORREGIDA

DETERMINACION EN LA MUESTRA DESCONOCIDA

DETERMINACION EN EL BLANCO

CONCENTRACION VERDADERA DE LA MUESTRA ESTANDAR

DETERMINACION EN LA MUESTRA ESTANDAR

DETERMINACION EN EL BLANCO

O, TAMBIEN

Ax

(Ox  OB ) v As Os  OB

118

LIMITACIONES DE LA LINEA DE REGRESION NO PONDERADA


RECORDAR QUE...

UNA LINEA DE REGRESION NO SOLO ASUME QUE EL ERROR ALEATORIO EN LOS VALORES DEL EJE x ES CERO, SINO TAMBIEN QUE EL ERROR ALEATORIO EN LOS VALORES DE y ES CONSTANTE (HOMOCEDASTICIDAD)
O SEA QUE

TODOS LOS PUNTOS DE LA RECTA TIENEN IGUAL PONDERACION CUANDO SE CALCULAN LA PENDIENTE Y EL INTERCEPTO DE LA LINEA DE REGRESION

 A MENUDO DICHAS ASUNCIONES NO SON VALIDAS EN LA PRACTICA  CON MUCHA FRECUENCIA ES LA DESVIACION ESTANDAR RELATIVA DE LA SEAL INSTRUMENTAL LA QUE ES APROXIMADAMENTE CONSTANTE DENTRO DE UN RANGO DE CONCENTRACION  A PESAR DE ESTAS OBJECIONES, LAS LINEAS DE REGRESION NO PONDERADAS PROPORCIONAN INFORMACION UTIL EN MUCHISIMOS CASOS
119

ES LA PRECISION DEL METODO RELACIONADA CON LA CONCENTRACION?

PRECISION ABSOLUTA CONSTANTE

PRECISION RELATIVA CONSTANTE

s y ! constante

sy y

! constante

120

LA PONDERACION DE ERRORES ALEATORIOS EN UN CALCULO DE REGRESION

LOS ERRORES EN LOS DIFERENTES PUNTOS DE LA GRAFICA SE REPRESENTAN MEDIANTE BARRAS DE ERROR (LIMITES DE s 1W) QUE SE ALARGAN A MEDIDA QUE LA CONCENTRACION AUMENTA ES CLARO QUE SE DEBERIA DAR UNA MAYOR PONDERACION A AQUELLOS PUNTOS DONDE LAS BARRAS DE ERROR SON MAS CORTAS: ES MAS IMPORTANTE QUE LA RECTA CALCULADA PASE MAS CERCA DE ESTOS PUNTOS 121

LINEAS DE REGRESION PONDERADAS



SE UTILIZAN CUANDO EL ERROR ALEATORIO EN LA RESPUESTA INSTRUMENTAL ES UNA FUNCION (APROXIMADAMENTE LINEAL) DE LA CONCENTRACION DEL ANALITO LOS CALCULOS INVOLUCRADOS SON SOLO LIGERAMENTE MAS COMPLICADOS QUE AQUELLOS DE LA REGRESION NO PONDERADA REQUIERE INFORMACION ADICIONAL DE LA PRECISION DE LA SEAL A LOS DIFERENTES NIVELES DE CONCENTRACION O, AL MENOS, UNA FORMULACION DE SUPOSICIONES ADICIONALES ACERCA DE TAL PRECISION (ESTO EXPLICA POR QUE LAS REGRESIONES PONDERADAS SE USAN CON MENOS FRECUENCIA) LAS LINEAS DE REGRESION PONDERADA SE USAN EXCLUSIVAMENTE EN LA CALIBRACION DE INSTRUMENTOS (NO PARA COMPARAR DOS METODOS ANALITICOS)
122

 

LINEAS DE REGRESION PONDERADA

PAREJAS DE DATOS:
CON DESVIACIONES ESTANDAR Y PONDERACIONES

(x1,y1), (x2,y2), (xi,yi), (xn,yn)


s 1 s w 1 2 s w 2 i s w i n w n

DAR A CADA PUNTO UNA PONDERACION, wi, INVERSAMENTE PROPORCIONAL A LA VARIANZA CORRESPONDIENTE, si2

wi w
ES CONVENIENTE* UTILIZAR

si
si2 2 1 s n i

wi

* PARA SIMPLIFICAR LOS CALCULOS SUBSIGUIENTES, LOS FACTORES DE PONDERACION SE PONEN EN UNA ESCALA TAL QUE SU SUMA ES IGUAL AL NUMERO DE PUNTOS DE LA CURVA (n):

n
123

LINEAS DE REGRESION PONDERADA * ECUACIONES *


CENTROIDE PONDERADO

(xw, yw) :
i i

xw yw

w x w w y w
i i i

1 wi xi n 1 wi yi n

PENDIENTE

b!

S wxy S wxx

INTERCEPTO

a ! y w  bx w

DONDE

S wxy ! wi ( xi  xw )( yi  yw ) ! wi xi yi  nxw yw

S wxx S wyy

wi ( xi xw ) wi yi
yw

2 2 w x n x ii w 2 2 2 w y n y ii w

124

LIMITES DE CONFIANZA PARA UNA CONCENTRACION CALCULADA MEDIANTE UNA REGRESION LINEAL PONDERADA

MUCHO MAS CERCANO AL ORIGEN QUE EL CENTROIDE NO PONDERADO

S x0 w

S wR b

( y0  y w ) 2   w0 n b 2 S wxx

DONDE

S wR

S wyy  b 2 S wxx n2


125

EJERCICIO DE TALLER
La fluorescencia de una serie de soluciones cidas de quinina fue determinada 5 veces; los resultados se muestran a continuacin:
Concentracin, ng/mL: Intensidad de fluorescencia: (unidades arbitrarias) 0 4 3 4 5 4 10 22 20 21 22 21 20 44 46 45 44 44 30 60 63 60 63 63 40 75 81 79 78 77 50 104 109 107 101 105

Determine la pendiente y el intercepto de (a) la recta de regresin no ponderada y (b) la recta de regresin ponderada. Calcule, utilizando ambas rectas de regresin, los lmites de confianza para la concentracin de las disoluciones con intensidades de fluorescencia de 15 y 90 unidades.
3.50 3.00 2.50 2.00 1.50 1.00 0.50 0.00 0.0 y = 0.0239x + 0.306

stdev

50.0 Fluorescence

100.0
120

100

F uore s c e nc e

80

60

40

20

0 0 20
   

40

60

C o n c e n tr a t o n , p p b

126

REGRESIONES NO LINEALES

ESTA ES LA QUE MEJOR SE AJUSTA

Y CUAL ES LA ALTERNATIVA A ESA OBSESION DE AJUSTAR TODO EL RANGO DE CONCENTRACIONES A UNA SOLA CURVA?
127

DETECTANDO CURVATURA
EJEMPLO
ANALIZAR EL INTERVALO DE CALIBRACION LINEAL DE LA SIGUIENTE CALIBRACION DE FLUORESCENCIA:

CONC. Qg/mL 0 2 4 6 8 10

INTENS. FLUOR. 0.1 8.0 15.7 24.2 31.5 33.0

REGRESION LINEAL NO PONDERADA A TRAVES DE TODOS LOS PUNTOS LOS 5 PRIMEROS PUNTOS, Y LOS 4 PRIMEROS PUNTOS

128

DETECTANDO CURVATURA
n 6 5 4 a 1.357 0.100 0.000 b 3.479 3.950 4.000 r 0.9878 0.9998 0.9998 R E -0.314 0.000 0.000 S I D U O S 0.429 1.971 2.314 -0.200 0.400 -0.200 -0.300 0.200

-1.257 0.000 0.100

-3.143

3.0 2.0 1.0 Residuals 0.0 0.0 -1.0 -2.0 -3.0 -4.0 Concentration, ppm Todos 5 Primeros 4 Primeros 2.0 4.0 6.0 8.0 10.0

EN GENERAL, LOS RESIDUOS DEBEN SER INDEPENDIENTES ENTRE SI (NO DEBE HABER NINGUN PATRON O TENDENCIA EN LOS RESIDUOS). A MENUDO SE REQUIEREN MAS DATOS PARA UNA OBSERVACION CONCLUYENTE
129

También podría gustarte