Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Gabinete de Servicios para la Calidad S.A.L., C/ Caridad 32, 28007 Madrid; e-mail: gscsal@gscsal.com
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.
J. Laso et al. Tratamientos estadsticos en ensayos de aptitud: Aplicacin de la mediana para deteccin de resultados anmalos.
Q=
Vsospechoso Vms.cercano
Vmximo Vmnimo
(1)
G=
Vsospechoso Vmedio
s
(2)
G=
S p2 1,
S 02
(3)
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)
smx =
Medi
t( 0,5; n 1)
(6)
(7)
J. Laso et al. Tratamientos estadsticos en ensayos de aptitud: Aplicacin de la mediana para deteccin de resultados anmalos.
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
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
Parmetro
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
Sistema
GSC
Media
Algoritmo A
J. Laso et al. Tratamientos estadsticos en ensayos de aptitud: Aplicacin de la mediana para deteccin de resultados anmalos.
Histograma
12
Frecuencia
10
8
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
Frecuencia
6
5
Frecuencia
4
3
2
1
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
...
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
Sistema GSC
Media
91,45
85,53
23,64
10,59
32
24
Mediana
89
84,74
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
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.
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