V IBEROLAB

TRATAMIENTOS ESTADSTICOS EN ENSAYOS DE APTITUD: APLICACIN DE LA MEDIANA PARA

DETECCIN DE RESULTADOS ANMALOS
J. Laso Snchez1 y A. Peris Garca-Patrn1
1

Gabinete de Servicios para la Calidad S.A.L., C/ Caridad 32, 28007 Madrid; e-mail: gscsal@gscsal.com

clculo de uno de los parmetros de valoracin o

clasificacin de los resultados, cual es el estadstico zscore, aunque tambin son de aplicacin para la
estimacin de otros estadsticos de clasificacin, como los
En z.

RESUMEN. El objetivo de este trabajo es analizar

diversos sistemas de tratamientos estadsticos para la
obtencin de los valores de consenso en los ensayos de
aptitud. En este artculo trataremos una nueva sistemtica
de tratamiento previo de los resultados de los participantes,
alternativa a otros tests de eliminacin de anmalos que
utiliza la eficacia de la mediana como elemento de
eliminacin, sin la modificacin de los resultados de los
participantes. Este test ha sido desarrollado por GSC SAL,
y aplicado en mltiples esquemas de intercomparacin
desde el ao 2001.

3.- Tests de deteccin de resultados anmalos

Sobre la deteccin de resultados estadsticamente
anmalos, las normas que establecen sistemticas sobre la
existencia de valores atpicos y su tratamiento son
fundamentalmente la ISO 5725, as como la ISO 35, en
algn caso. La ISO 43 tambin plantea algunas propuestas
sobre este tema
La orientacin del comportamiento anmalo de los datos
ha tenido, hasta el presente reciente, un doble objetivo: por
un lado, el descubrimiento de datos anmalos en precisin
(normalmente repetibilidad), respecto a la precisin de las
medidas aportadas por el conjunto de laboratorios y, por
otro lado, el descubrimiento de datos
(medias u
observaciones individuales) de los participantes que se
apartan del valor ms probable asignado por los
laboratorios.
La deteccin de ambos problemas, de precisin y de
exactitud, ha impulsado el desarrollo de diferentes tests,
muy conocidos en el campo de la intercomparacin;
algunos de ellos se han publicado en Normas
Internacionales, como las mencionadas anteriormente.
En general, estos tests que identifican los resultados
estadsticamente anmalos van encaminados, una vez
detectados los mismos, a:
a) corregir los datos considerados como tales
b) eliminar del conjunto de resultados, aquellos que
difieren estadsticamente del resto.
Como sea que, generalmente el comportamiento anmalo
de los resultados es atribuible a errores humanos, mala
aplicacin de los mtodos o de los requisitos de ensayo
(por ejemplo, unidades de expresin o clculos finales
realizados), la correccin de stos puede no ser la tctica
ms plausible, o, cuando menos, es discutible.
Una vez detectados (y, bien eliminados, bien corregidos)
estos datos, es posible asignar al ejercicio, para el analito
objeto de ensayo, los parmetros del mismo, VA y .
En la prctica de eliminacin, han cado en desuso los
tests de discriminacin por precisin, como son los tests de
Cochran.
Est demostrado, o, al menos bajo sospecha que, en un

1.- Introduccin
La evaluacin de la calidad de los resultados de los
ensayos incluye una gran variedad de actividades entre las
que se encuentra la realizacin de pruebas de precisin, en
diferentes condiciones, o el uso de materiales de referencia,
adems de la intercomparacin, cada una de las cuales
aporta informacin diferente sobre las caractersticas del
mtodo o el mantenimiento de sus propiedades. Es una
herramienta absolutamente potente para conseguir otros
propsitos: controlar y comprobar nuestras incertidumbres
y que stas que declaramos son verdaderas, o incluso llegar
a disponer de los datos necesarios para realizar una
validacin formal de nuestros mtodos de ensayo.
En el caso de los ensayos de intercomparacin, los datos
aportados por los laboratorios participantes, a menudo, y,
segn corroboran las pruebas experimentales, aparecen
distribuidos segn modelos similares a distribuciones
normales, a las que, con frecuencia, se aaden
observaciones de carcter anmalo respecto del conjunto.
El tratamiento previo de estos datos supone minimizar o
eliminar el peso estadstico de estas observaciones
anmalas, con un objetivo: establecer parmetros
adecuados para evaluar los resultados de los laboratorios
participantes.

2.- Necesidad de la aplicacin de tests de deteccin de

anmalos
Recordemos que, el objetivo final de la aplicacin de los
tests de deteccin de anmalos es la consecucin de unos
buenos y seguros parmetros del ensayo de
intercomparacin o del ejercicio, que bsicamente son los
que, en la mayor parte de las ocasiones, se emplean para el

J. Laso et al. Tratamientos estadsticos en ensayos de aptitud: Aplicacin de la mediana para deteccin de resultados anmalos.

ensayo de aptitud, la eliminacin por repetibilidad puede

considerarse injusta, ya que, a menudo, los laboratorios
realizan una interpretacin de las condiciones de ensayo
diferentes a las previstas: an cuando los resultados son
solicitados como ms de una observacin (duplicados, en
general), no siempre el laboratorio informa de stas, o, las
observaciones informadas son idnticas o, tan parecidas
que, hacen sospechar que la repeticin no se haya
realizado, en algn caso, a partir de la muestra inicial, sino
slo de una submuestra parte del proceso (por ejemplo, de
un mismo extracto el laboratorio realiza dos valoraciones,
dos inyecciones, etc). Por otro lado, al tratarse de un
ensayo de aptitud y, por tanto, al existir la posibilidad de
que los laboratorios puedan aplicar mtodos con diferentes
precisiones conocidas, pueden condicionar la eliminacin
de algunos datos, respecto a otros, si stos ltimos datos
son ms abundantes y proceden de mtodos ms precisos y,
por tanto ms empleados. Un caso particularmente
ilustrativo es la determinacin de masa volmica por
mtodos areomtricos o por densimetra electrnica. As
mismo, la eliminacin de un resultado anmalo por
repetibilidad no tiene sobre el participante ninguna
repercusin, que no sea la de la propia eliminacin del
conjunto de datos que valora los parmetros de consenso,
ya que, finalmente, la evaluacin del z-score se aplica
sobre su resultado medio. Estos tests estn evolucionando
en los ensayos de aptitud hacia la prctica desaparicin,
aunque, la valoracin de esta repetibilidad puede ser, a
nuestro juicio, una herramienta til que permita al
laboratorio valorar si su media era o no adecuada y, por
tanto, comprender la potencial causa de la obtencin de un
z-score no satisfactorio. GSC tambin ha desarrollado una
sistemtica de valoracin informativa de la repetibilidad de
un laboratorio respecto al conjunto.
Siguiendo con la estadstica de deteccin de anmalos, en
esta ocasin, de aquellos que se separan ms del valor
considerado como ms probable o esperado, han sido
muchos los que han sido empleados, por su sencillez e
incluso su publicacin didctica en las propias normas de
referencia (ejemplo de ellos es el test de Grubbs, publicado
con ejemplos de aplicacin en la propia ISO 5725). Entre
ellos aunque, actualmente tambin en cierto desuso, por su
falta de capacidad de identificacin del resultado anmalo
cuando ste se encuentra enmascarado por agrupacin con
otro o ms resultados potencialmente anmalos, se
encuentran por ejemplo:
-Test Q de Dixon, procedente de una prueba de contraste
que evala el cumplimiento o no del estadstico Q,
calculado, frente al establecido en tablas:

Q=

Vsospechoso Vms.cercano
Vmximo Vmnimo

(1)

-Test de Grubbs, prueba de contraste que emplea el

estadstico G, como clculo, comparndolo con tablas:

G=

Vsospechoso Vmedio
s

(2)

-O su variante Grubbs doble, mediante la estimacin de

varianzas de todos los resultados, y tras la eliminacin de
las dos ms desfavorables:

G=

S p2 1,

S 02

(3)

Dixon ha sido el test empleado en algunos circuitos hasta

hace poco tiempo.
El problema de la aplicacin de los tests mencionados es
que, en general, la eliminacin no es del todo eficaz. La
eficacia de identificacin de anmalos y su eliminacin
recurrente ha sido demostrada como limitada, en estos
casos, ya que su aplicacin supone:
a) una poblacin suficiente de datos
b) que stos siguen una distribucin prxima a normal
c) la no aparicin de datos anmalos mltiples o
agrupados.
Por ello, y, para vencer la imposibilidad de cumplir, en
muchas ocasiones, las anteriores circunstancias, existe una
tendencia actual a la aplicacin de procedimientos de
deteccin de anmalos basados en estadstica robusta.

4.- Estadsticas robustas en la deteccin de anmalos

En este caso, criterios ms modernos se apoyan en
estadsticas robustas basadas en propiedades de la mediana
que no se ven tan afectados por el tipo de poblacin
existente.
La aplicacin de la estadstica robusta parece marcar el
actual panorama de la deteccin de anmalos, con los que
el evaluador decide sobre su eliminacin o transformacin.
La Norma ISO 13528, en lo que se refiere al tratamiento
de los datos aportados por los participantes se caracteriza
por:
-Establecer las sistemticas posibles de asignacin de
valores al valor central incluyendo la utilizacin de
estadstica robusta, y al valor de variabilidad,
fundamentndose generalmente en la utilizacin de la
objetivo.
-Establecer, as mismo, la conveniencia de la comparacin
de la realmente obtenida con respecto a la objetivo
considerando que no se debe superar esta en un factor
crtico de 1,2.
Una caracterstica fundamental de la norma es que utiliza
todos los valores obtenidos por los participantes, sin
descartar ninguno pero modificando aquellos que considera
atpicos.
El sistema del algoritmo A, establecido en la mencionada
Norma, se basa en la realizacin de un proceso recursivo,
hasta la convergencia de los datos obtenidos. Obtiene un
valor central como media y una desviacin estndar

J. Laso et al. Tratamientos estadsticos en ensayos de aptitud: Aplicacin de la mediana para deteccin de resultados anmalos.

robusta.
Si xi es el valor del laboratorio i de total de p laboratorios.
x* = mediana (xi)
s* = 1,483 mediana /xi x*/
Se calcula = 1,5 s*
Se sustituyen los valores iniciales xi segn la siguiente
regla:
xi*= x* - si xi < x* -
x* + si xi > x* +
xi, en resto de casos
De este modo los datos anmalos, se sustituyen para
realizar los clculos por el valor extremo, con lo que:
Se calculan los nuevos x* y s* como:

*n

x
=

*
i

s*n = 1,134

(4)

(x

*
i

- x* n

( p - 1)

(5)

Se repite el proceso hasta convergencia.

5.- Estadstica robusta de eliminacin de anmalos

Entendiendo que, la estadstica robusta y, el empleo de la
mediana como elemento fundamental era el horizonte ms
cercano y seguro para la deteccin de anmalos, Gabinete
de Servicios para la Calidad ha desarrollado y aplicado,
desde el ao 2001 una sistemtica propia.
Las suposiciones que subyacen en esta sistemtica son:
-La poblacin de los laboratorios sigue una distribucin
gaussiana.
-Existen laboratorios con resultados anmalos que
modifican la distribucin.
-Se deben eliminar los valores anmalos para calcular los
parmetros reales de la poblacin.
-Los valores anmalos se sitan en los extremos.
-Los valores centrales permiten estimar los datos reales de
la poblacin minimizando la influencia de los anmalos.
La sistemtica se desarrolla en los siguientes pasos:
1. Obtencin de la mediana de los resultados aportados
por los laboratorios participantes, en adelante Me.
Me.=Mediana (xi)
2. Clculo, para cada participante i, del conjunto de
participantes p, de la diferencia en valor absoluto, entre el
valor obtenido VLi y la Mediana del conjunto Me:
di=/VLi-Me/.
3. Obtencin de la mediana de estas diferencias, Medi.:
Medi.=Mediana (di)
Ese valor debera corresponder al punto donde se sita el
50% de la poblacin.
4. Clculo de la dispersin mxima admisible, estimada
en funcin del nmero de laboratorios participantes, con un
intervalo de probabilidad del 50 %, segn la ecuacin:

smx =

Medi
t( 0,5; n 1)

(6)

Siento t, la t de student, de dos colas, para un =0.50 y

los n-1 grados de libertad, equivalentes a los n-1 datos
empleados en la estimacin de la mediana. As, hacemos
depender la s, y posteriormente, el intervalo de aceptacin,
del nmero de participantes n.
5. La smx, permitir establecer un intervalo:

Medi 1,96 smx

(7)

tal que, los resultados que se encuentren fuera de l, se

considerarn estadsticamente anmalos, es decir, fuera de
la poblacin con esperanza estadstica del 95%, y sern
eliminados.
Nota: se pueden utilizar otros intervalos, de 99% para
mejorar convergencia.
Se excluye, pues, en virtud del resultado de la diferencia
encontrada entre cada uno de los valores individuales y la
mediana resultante, aceptada inicialmente, como la mejor
estimacin del valor central.
Este test se aplicar de forma recurrente, si se estima
necesario, de manera que, finalmente, despus de haber
procedido a la eliminacin de anmalos, con los resultados
no excluidos se proceder a:
-Calcular la media de los mismos, que ser el valor
considerado como Valor de Consenso o Valor asignado VA,
empleado en la estimacin del z-score.
-Calcular la , como desviacin estndar de los datos no
excluidos, y que, en general, ser el empleado en la
valoracin del z-score.

6.- Evaluacin de los parmetros del ejercicio.

Estimacin de la z-score
El sistema de eliminacin presentado, incorpora
caractersticas particulares, entre las que destacan:
-Estimacin de intervalos usando el estadstico
mediana, menos sujeto al comportamiento ms o menos
normal de la poblacin, especialmente conflictivo cuando
los datos son reducidos en nmero.
-Adecuacin de los intervalos de aceptacin, en funcin
del nmero de participantes (t-student).
-No manipulacin o correccin de los datos de los
laboratorios a valores lmite que no han sido aportados por
los participantes y que no pueden, en muchos casos
asegurar. Recordemos que la correccin de datos propuesta
en el Algoritmo A, implica asignar a los participantes con
resultados inaceptables, los valores lmites, originando
valores extremos a ambos lados de la poblacin que,
afectan al clculo de una desviacin estndar robusta,
ficticia.
Con ello, es posible encontrar parmetros de ejercicio con
las siguientes caractersticas:

J. Laso et al. Tratamientos estadsticos en ensayos de aptitud: Aplicacin de la mediana para deteccin de resultados anmalos.

-Valor asignado, calculado, siempre que es posible, a

travs del valor de consenso de los laboratorios. El valor
asignado ser la media de los datos no eliminados por ser
estadsticamente anmalos que, de responder a un
comportamiento cuasinormal de la poblacin de los datos
aceptados, debe coincidir estadsticamente con la mediana.
-Establecimiento del valor , que, denotar, el grado de
confianza o de seguridad, en el valor asignado empleado en
el clculo de la z-score.
-Este valor de , calculado como la desviacin estndar
experimental puede ser usado, previa valoracin, para el
clculo de la z-score, aunque otros esquemas son posibles.
-El evaluador debe describir el origen de cada uno de los
parmetros del ejercicio, para que, en caso necesario, el
participante pueda realizar su propia valoracin, si lo
considera oportuno.

Los resultados del Algoritmo A y GSC son equivalentes,

habiendo aplicado una nica iteracin (ms iteraciones no
producen eliminacin).
Por otro lado y, para valorar la adecuacin de la
sistemtica presentada, se ha realizado el tratamiento de los
datos presentados en los ejemplos del Anexo III del
protocolo IUPAC mediante el test de GSC, para confirmar
los resultados obtenidos con respecto al sistema propuesto.
7.1 Ejemplo 1 IUPAC
Distribucin unimodal y simtrica (propiedad % masa).
Los resultados del tratamiento realizado por el sistema
GSC fueron los siguientes:
Tabla 3. Resultados del tratamiento por sistema GSC
DATOS SISTEMA G.S.C.
Iniciales

Iteracin 1

Media

53,103

53,307

Mediana

53,297

53,31

1,962

0,5036

68

60

Mediana diferencias

0,3805

0,32

Sterica

0,561

0,471

7.- Ejemplos de tratamiento

En primera instancia, compararemos el comportamiento
de tres de los tests mencionados en el artculo, Test de
Grubbs, Algoritmo A y Mediana Robusta de GSC.
En este supuesto se obtuvieron los siguientes resultados
en una intercomparacin de un metal pesado en alimento
(resultados expresados en ppb,s):
Tabla 1. Resultados de intercomparacin de metal pesado en alimento
Participante

Media

Participante

Media

180,05

11

198

350

12

199

322,9

13

224

126,5

14

222,95

244,99

15

234,65

225

16

288,25

220,8

17

210

205,2

18

222,15

10

181

19

241,05

Se ha utilizado un intervalo 3 para la definicin de

lmites de eliminacin, debido a la simetra de la
distribucin.
En comparacin con los resultados obtenidos al aplicar el
Algoritmo A:
Tabla 4. Comparacin de resultados
DATOS COMPARATIVOS

Los datos anotados en cursiva representas los eliminados por el test de

GSC, segn se especifica en la tabla resumen, en la que se incluyen los
resultados iniciales, y los del tratamiento estadstico de los tests
mencionados:
Tabla 2. Resultados

Parmetro

RESULTADOS DE LOS TESTS

Resultados
Datos
Algoritm
Grubbs
Iniciales
oA
sencillo/doble
228

228

217

215

Mediana

223

223

223

222

51,7

51,7

20,4

20,3

18

18

18

14

Sistema GSC

Media

53,24

53,306

0,64

0,5036

68

60

Mediana

53,30

53,31

En algoritmo A, Media y S son la media y desviacin

tpica robustas.
Los resultados obtenidos son equivalentes.

Sistema
GSC

Media

Algoritmo A

7.2 Ejemplo 2 IUPAC

Distribucin unimodal asimtrica (propiedad en ppbs). La
representacin en histograma de los datos, muestra una
poblacin unimodal y asimtrica:

El problema de muchos de los tests de eliminacin se

confirma con lo encontrado en este ejemplo: la
imposibilidad de eliminacin de resultados claramente
anmalos.

J. Laso et al. Tratamientos estadsticos en ensayos de aptitud: Aplicacin de la mediana para deteccin de resultados anmalos.

Anexo III, desde la primera iteracin, con S inferior a las

del resto de esquemas, incluso a la terica de Horwitz,
adems de una buena coincidencia de media y mediana,
coincidente as mismo con la moda de los datos iniciales,
mejorando los resultados del Algoritmo A.

Histograma
12

Frecuencia

10
8

7.3 Ejemplo 3 IUPAC

Frecuencia

Distribucin bimodal (propiedad en ppm), segn se

muestra en el siguiente histograma de los datos:

4
2

Histograma 2.
Histograma

200,99

y mayor...

185,24

169,50

153,75

138,00

122,26

90,77

106,51

75,02

59,27

43,53

27,78

-3,71

-19,46

12,03

0
9
8

Clase

Los resultados de la aplicacin de la estadstica robusta de

GSC, lleva a los siguientes resultados, despus de aplicar el
test hasta convergencia:

Frecuencia

Fig. 1. Distribucin unimodal

6
5

Frecuencia

4
3
2
1

Tabla 5. Resultados de aplicacin de estadstica robusta GSC

0
65

,2
4
69
,6
74 3
,0
3
78
,4
2
82
,8
1
87
,2
0
91
,5
9
95
,
10 98
0,
3
10 7
4,
7
10 7
9,
16
11
3,
5
11 5
7,
94
12
2,
3
12 3
y 6,7
m 2
ay
or
...

DATOS sistema G.S.C.

Datos
Iteracin 1

Iteracin 2

Iteracin 3

Clase

Iniciales
Media

98,64

85,92

86,63

85,53

Mediana

89

84,74

85

84,74

39,37

16,30

11,73

10,59

Mediana
diferencias

10,85

6,5

Sterica

15,89

9,51

8,76

8,76

32

28

25

24

Fig. 2. Distribucin bimodal

Se trata de la ejecucin de un primer ejercicio tras un

cambio de sistemtica, que altera la expresin de
resultados.
La de Horwitz es 7,71 ppm.
Los datos obtenidos tras la aplicacin del Sistema de GSC
hasta convergencia fueron:
Tabla 7. Datos obtenidos tras aplicacin sistema GSC

Se ha utilizado intervalo 3 debido al tipo de distribucin.

La comparacin con los resultados obtenidos tras la
aplicacin de otros tests, se muestra a continuacin:
Tabla 6. Comparacin de resultados
DATOS COMPARATIVOS
Algoritmo A

Sistema GSC

Media

91,45

85,53

23,64

10,59

32

24

Mediana

89

84,74

DATOS SISTEMA G.S.C.

Iniciales

Serie 1

Serie 2

Serie 3

Media

95,69

98,18

100,58

101,25

Mediana

98,91

101

101

101,33

14,52

10,97

7,12

6,47

Mediana
diferencias

8,09

5,33

S terica

11,92

8,83

7,35

7,83

65

57

47

45

Se ha utilizado intervalo 2 debido a la bimodalidad.

Tabla 8. Algoritmo A/GSC

En el ejemplo del Anexo III, se indica que la estadstica

robusta no funciona satisfactoriamente, por lo que se aplica
la deteccin mediante utilizacin de densidad Kernel y
valoracin de la moda 85,2.
La prevista por Horwitz es 19,7.
Puede comprobarse que, el Sistema GSC obtiene
resultados excelentes de acuerdo a la decisin final del

Algoritmo A

GSC

Media

95,78

101,25

14,63

6,47

65

45

Mediana

98,89

101,33

J. Laso et al. Tratamientos estadsticos en ensayos de aptitud: Aplicacin de la mediana para deteccin de resultados anmalos.

El en Anexo III (IUPAC), se indica que se estudian

mediante densidad Kernel, eliminando la moda ms baja, lo
que conduce a un resultado asignado de 101,5.
En este caso, una vez ms, el sistema GSC lleva a
resultados equivalentes a la decisin tomada, mejorando el
Algoritmo A, sin tener que llevarse a cabo consideraciones
especiales.

en el ensayo, los resultados de su participacin, con sus

propios criterios (que no sern otros que los de procedencia
o como quiera que hayan documentado, en muchos casos,
la definicin de las caractersticas de sus mtodos), como
se procedera con la evaluacin del resultado obtenido del
anlisis de un material con valor asignado, material de
referencia o similar, que es lo que, en la prctica muchos
circuitos estn aplicando.

8.- Conclusiones
Referencias
La estadstica de GSC, que utiliza la mediana como
elemento de deteccin de los datos anmalos, se presenta
en este artculo como alternativa a otras estadsticas
robustas y tests de eliminacin, a los que los mejora ya que:
1. Permite detectar los datos estadsticamente
diferentes, para poder eliminarlos, cuando otros tests
alternativos no eran capaces, debido, principalmente a la
agrupacin de datos conjuntamente anmalos.
2. No modifica los valores de los laboratorios con
resultados detectados como diferentes, asignando o
cambiando el dato que el laboratorio proporcion como
resultado, como algunos algoritmos defienden, creando una
poblacin de datos diferentes a los originales, aportados
por los participantes.
3. Consigue resultados adecuados cuando la poblacin es
de reducido tamao, y tiene en cuenta este tamao, para la
estimacin del intervalo de exclusin.
4. La exclusin de datos en el tratamiento previo, no tiene
como finalidad valorar la participacin del resultado
excluido, sino la obtencin de mejores parmetros de
ejercicio, VA y , con los que se valorar el estadstico de
clasificacin, z-score o similar. Es posible que resultados
excluidos no obtengan z no satisfactoria.
5. Es necesaria la evaluacin de la bondad de los
parmetros obtenidos y su seguridad, para proporcionar a
los laboratorios una puntuacin relativa al resto, adecuada
y justa.
6. La intercomparacin debe proporcionar una
informacin, en primera instancia, diferente a la obtenida
cuando se analiza una muestra con valor conocido, como
puede ser un material de referencia. La intercomparacin
limita al laboratorio en :
a) el momento en que se realiza el control (que es
decidido por el organizador, generalmente).
b) el plazo para realizarlo (que suele ser limitado en el
tiempo, a pocos das).
c) el coste, en muchos casos superior al de la adquisicin
de materiales de referencia.
d) el natural retardo en la obtencin de la valoracin, lo
que conlleva una dificultad adicional en la toma inmediata
de decisiones e implantacin de acciones correctivas,
cuando es necesario (con un material de referencia, la
evaluacin es, en general, inmediata y, la toma de medidas,
por consiguiente, tambin).
7. Los laboratorios tienen la posibilidad de valorar
siempre, al margen de la evaluacin del proveedor (con la
mencionada normalizacin), y con la informacin obtenida

UNE 66543-1IN (ISO Guide 43-1) Ensayos de aptitud por

intercomparacin de laboratorios. Parte 1: Desarrollo y aplicacin de
programas de ensayos de aptitud
ISO 13528:2005 Statistical methods for use in proficiency testing by
interlaboratory comparisons.
Protocolo IUPAC Technical Report The international harmonized
protocol for the proficiency testing of analytical chemistry
laboratories. Pure Appl.Chem., Vol 78, n 1, pp.145-196, 2006. M.
Thompson, S. L.R. Ellison y R. Wood.