Calibración

Química Analítica II
Tema: Calibración
Prof. Dr. Moisés Knochen
Departamento Estrella Campos

Área Química Analítica
Bibliografía sugerida
J. N. Miller, J. C. Miller, “Estadística y Quimiometría para

Química Analítica”. 4ª Edición. Prentice Hall, Madrid, 2002
Capítulo 5 “Métodos de calibración en análisis instrumental:
regresión y correlación"
D. A. Skoog, D. M. West, F. J. Holler, S. R. Crouch,

“Fundamentos de Quimica Analitica”. 8a Edición. Thomson,
Mexico, 2005. Capítulo 8
QUÍMICA ANALÍTICA II 2
Terminología Analítica
• Técnica Proceso fundamental útil para

proporcionar información analítica
• Método Aplicación específica de una técnica a la

resolución de un problema
• Procedimiento Instrucciones escritas para aplicar un

método
• Protocolo Descripción específica. Debe seguirse

sin modificaciones
J. K. Taylor, Anal. Chem., 1983, 55 (6), pp 600A–608A
3
Terminología Analítica
• Analito Especie química a detectar ó
determinar (en una matriz)
• Señal
Forma en que se manifiesta la
información
• Transductor Transforma un tipo de señal en otro (un

tipo de energía en otro)
• Ruido
Señal indeseada (aleatoria)
superpuesta a la información
• Procesamiento
de señal Amplificación, atenuación, filtrado,
integración, derivación…
¿Por qué calibración?
Técnicas “clásicas”
• Ej. gravimetrías, volumetrías
• Se basan en relaciones
estequiométricas
• Ej. Titulación volumétrica de HCl
con NaOH
• La medida (p. ej. volumen de
reactivo) guarda una relación
definida con la masa de analito
Técnicas “instrumentales”
• Se basan en la medida de una
propiedad fisicoquímica del sistema
• No se basan en estequiometrías
• Son de tipo relativo o comparativo
• La “respuesta” de un instrumento depende de varias
variables, no sólo de la concentración de analito
• La relación entre la respuesta y la concentración del
analito no es estable en el tiempo
Instrumento
Concentración
(o masa) Respuesta
“Cantidad de Función de
sustancia” Número
respuesta
Puede variar con el No se puede hacer

tiempo, depende de “una vez para
diversas variables siempre”
¿Cómo percibimos la medida por
medio de un instrumento?
Distintas “interfases” con el

ser humano
Varía con la tecnología del Instrumento
instrumento
Escalas
analógicas
Registro analógico en papel
Lectura digital
Presentación en pantalla
Combina
analógico y
digital
Impresión de datos digitales
Ejemplos de “respuesta”
• Intensidad de radiación luminosa
• Absorbancia
• Diferencia de potencial (“voltaje”)
• pH
• Llamamos respuesta a la indicación que da el
instrumento.
Respuesta
• En las técnicas “clásicas” también hay una
“respuesta”, por ejemplo:
• Volumen de reactivo titulante (bureta) o
masa (balanza)
• Sin embargo esas respuestas dependen de
una estequiometría que es siempre la misma
⇒ no se requiere calibración
Calibración
• Proceso de establecer la relación funcional
entre la respuesta y la “cantidad de
sustancia” (concentración o masa)
R = f (C ) Función de
calibración
• Es necesario disponer de patrones de

concentración (o masa) de analito
perfectamente conocida
Definición de IUPAC
“Calibración en Química Analítica es la operación que
determina la relación funcional entre valores medidos
(intensidades de señal y a ciertas posiciones de señal
zj) y cantidades analíticas caracterizando tipos de
analitos qi y su cantidad (contenido, concentración) x.
La calibración incluye la selección del modelo (su forma
funcional) la estimación de los parámetros del modelo
así como los errores, y su validación”.
IUPAC, “Guideline for calibration in analytical chemistry. Part 1.

Fundamentals and single component calibration”. K. Danzer, L. A. Currie,
Pure &Appl. Chem., 70(4), 993-1014 (1998).
Importante:
Los instrumentos no son los únicos
responsables del resultado,
éste es consecuencia de todo el
proceso analítico
¿De qué depende la
función de calibración?
Suele existir una ley fisicoquímica que relaciona la respuesta del

instrumento con la concentración del analito
Ejemplo: en espectrofotometría la absorbancia se relaciona con

la concentración de analito mediante la Ley de Bouguer-Beer
Ejemplo: el potencial de un electrodo se relaciona con la

concentración de analito mediante la Ley de Nernst
¿De qué depende la
función de calibración?
Además de lo anterior, la respuesta es afectada por una
variabilidad (dispersión)
Como cualquier medición, al repetir varias veces la medida de

la misma muestra se obtienen en general valores parecidos
pero no idénticos.
Esta variabilidad es inherente al proceso de medición y se

puede disminuir pero no evitar
Proceso de calibración
Obtener/preparar patrones del analito
Medir los patrones y registrar la respuesta
Averiguar la relación funcional entre

respuesta y concentración R = f(C)
Uso de la función de calibración
• Ahora queremos averiguar la concentración del
analito en una cierta muestra
• Se emplea la función inversa:
−1 Función de
C = f ( R) evaluación
• Ésta se emplea para averiguar la concentración de

las muestras
• Este proceso puede representarse gráficamente:
Curva de calibración
Concentración (µg/L)
Interpolación
Si la función de evaluación se usa dentro del intervalo de

concentraciones usado para la calibración, se denomina
interpolación
Si se la usa fuera de dicho intervalo se denomina extrapolación
Para fines analíticos se emplea la interpolación,

NO la extrapolación
Interpolación
Extrapolación
La extrapolación es muy
riesgosa porque se está
suponiendo que la función de
calibración se sigue cumpliendo
aún fuera de dicho intervalo de
concentraciones
Patrones Proceso de calibración
C1 Respuestas
R1
C2
R2
R = f(C)
C3
R3
C4
R4
Proceso de calibración
• Preparación de una tabla a dos columnas
Concentración Respuesta
C1 R1
C2 R2
C3 R3
… …
• Obtención de la función de calibración R = f(C)

• Preparación de una gráfica llamada curva de
calibración (opcional)
Análisis de regresión
¿Cómo determinar la función de calibración?
Modelado matemático
Se emplea una herramienta estadística llamada

Análisis de Regresión
Se obtiene un modelo de regresión
Análisis de regresión
Ejemplo: y como función de x
Supongamos una relación lineal: y = a + b x
Los valores de los parámetros a y b se obtienen mediante el

método de los mínimos cuadrados
Se dispone de ecuaciones para calcular los parámetros

para distintos modelos de ajuste
Análisis de regresión: condiciones
La teoría estadística supone:
Que la variable x no tiene incertidumbre
Que para cada valor de xi los valores de yij obtenidos al repetir

las medidas presentan una distribución normal
Que para los distintos valores de x, los valores de las y presentan

varianzas s2i homogéneas. Se dice que los valores de y deben ser
homoscedásticos
En la realidad los datos experimentales
sólo cumplen con estas suposiciones
en forma aproximada
El problema de la incertidumbre en x
• La incertidumbre en x no es cero, PERO:
• x corresponde a concentraciones o masas de
patrones preparados con mucho cuidado:
balanzas de elevada precisión
material volumétrico de buena calidad o verificado
trabajo cuidadoso
⇒ Se supone incertidumbre "suficientemente
baja" para considerarla despreciable
Cumplimiento de la condición de
homoscedasticidad
Implica que la variabilidad de los datos repetidos para

cada nivel de concentración no cambia con la
concentración
Cumplimiento de la condición de
homoscedasticidad
En realidad eso a veces no se cumple sino que se

observan comportamientos como este:
El método de los mínimos cuadrados permite hallar los valores
de los parámetros que hacen mínima la suma de los cuadrados
de las diferencias de las ordenadas estimadas respecto a las
experimentales
A la diferencia entre la ordenada estimada por regresión y el

valor experimental se le llama residuo
Se busca minimizar la suma de los cuadrados de los residuos
Ajuste de curva
16
14
12
10
Absorbancia
Fluorescencia
y = 2.2124x + 1.0395
8
4
Residuos o residuales
2 (traducción del inglés
“residuals”)
0
0 1 2 3 4 5 6 7
Concentración (mg/mL)
Cálculo de los parámetros
Caso: relación lineal con ordenada en el origen
(y = a + bx)
i=m
∑ [( x − x)( y
i i − y )]
bˆ = i =1
i =m
∑ i
( x − x ) 2
i =1
aˆ = y − b x
â y b̂ son estimaciones de los verdaderos valores
de los parámetros QUÍMICA ANALÍTICA II 42
Para este modelo lineal (y = a + b x) se pueden
estimar los parámetros a y b mediante las
ecuaciones:
mΣxy - Σx ∑ y m = número de
b= 2 2 niveles de x
m∑ x -( ∑ x )
∑ y ∑ x 2 - ∑ x ∑ xy
a = 2 2
m∑x -(∑x )
(se ha omitido el símbolo ^ porque se sobreentiende
que son valores estimados)
• Similarmente se pueden deducir ecuaciones
para otros modelos:
Σxy
• y=bx b=
∑ x2
• y = bx + cx2 Σ x 2 ∑ x 2 y - Σ x3 ∑ xy
c=
∑ x4 ∑ x 2 - ( ∑ x3 )2
∑ x4 ∑ xy - ∑ x3 ∑ x 2 y
b=
∑ x4 ∑ x 2 - ( ∑ x3 )2
• y = a + b x + cx2
c [ Σx ∑ x
3
- ( ∑ x
2 2
) ] ∑ y - [mΣ x
3
- ∑ x ∑ x
2
] ∑ xy+[m∑ x
2
- ( ∑ x )
2
] ∑ x
2
y
a4 =
[ ∑x2 ∑x4 - ( ∑x3 )2 ]m- [ ∑x ∑x4 - ∑x2 ∑x3 ] ∑x+[ ∑x ∑x3 -( ∑x2 )2 ] ∑x2
b [ Σ x
2
∑ x
3
- ∑ x ∑ x
4
] ∑ y - [(Σ x
2 2
) - m∑ x
4
] ∑ xy+[ ∑ x ∑ x
2
- m∑ x
3
] ∑ x
2
y
b4 =
[ ∑x2 ∑x4 - ( ∑x3 )2 ]m- [ ∑x ∑x4 - ∑x2 ∑x3 ] ∑x+[ ∑x ∑x3 -( ∑x2 )2 ] ∑x2
a= [ Σ x
2
∑ x
4
- ( ∑ x
3 2
) ] ∑ y - [ Σx ∑ x
4
- ∑ x
2
∑ x
3
] ∑ xy+[ ∑ x ∑ x
3
- ( ∑ x
2 2
) ] ∑ x
2
y
c4
[ ∑x2 ∑x4 - ( ∑x3 )2 ]m- [ ∑x ∑x4 - ∑x2 ∑x3 ] ∑x+[ ∑x ∑x3 -( ∑x2 )2 ] ∑x2
El cálculo de los parámetros de

regresión se puede hacer fácilmente
mediante planillas electrónicas
¿Qué modelos emplear?
Es necesario conocer el fundamento

fisicoquímico del método empleado
(existencia de leyes)
Usar el modelo más simple que de

buenos resultados
¿Qué modelos emplear?
Para calibración se suelen probar modelos polinomiales

(grado 1 o 2)
En Química Analítica no es recomendable emplear ajustes

polinomiales de grado superior a 2 (salvo que existe un motivo)
Hay casos en que se emplea una transformación matemática

para poder lograr una calibración lineal
Un polinomio de grado
suficientemente alto ajustará
cualquier conjunto de puntos,
aunque la función no tenga
ningún sentido físico
Ejemplo:
Modelo: y = b x + a
Modelo: y = cx2 + b x + a
Modelo: y = g x6+ f x5 + e x4 + d x3 + c x2 + b x + a
Un modelo polinómico de alto grado puede ajustar cualquier
conjunto de datos aunque no tenga sentido físico
El modelo de regresión adoptado debe ser el más simple que

de resultados satisfactorios
Debe tenerse presente los fundamentos físicoquímicos

de la técnica analítica
No tiene sentido adoptar un modelo de regresión complejo

simplemente porque parece tener mejor ajuste
Significado de x e y
x, la “variable independiente” es generalmente la

concentración del analito
y es la respuesta del método, y depende del mismo, por

ejemplo: absorbancia, intensidad de emisión, fluorescencia,
diferencia de potencial, etc.
En algunas técnicas x puede ser masa en lugar de

concentración
Ajuste de curva
16
14
12
10
Fluorescencia
Absorbancia
y = 2.2124x + 1.0395
8
4
Residuales o residuos
2
0
0 1 2 3 4 5 6 7
Concentración (mg/mL)
Preparación de curvas de calibración
• Definir el intervalo de concentraciones de los
patrones
• Definir la cantidad de niveles de concentración de
los patrones
• ¿Incluir el cero?
• Patrones ¿uniformemente espaciados o no?
• Preparar patrones (sólidos, líquidos o gaseosos)
• Calidad de los patrones
Intervalo de concentración de los patrones
Condicionado por la respuesta del instrumento

Ejemplo: métodos basados en medida de absorbancia
Condicionado por la concentración esperada en las

muestras a analizar
Condicionado por la variabilidad de las muestras

Ejemplo muestra ambiental vs producto industrial
Cantidad de niveles de concentración
Más niveles mejor modelado
Menos niveles menos trabajo
Pocos niveles de concentración
8
6
Emisión
0
0 0.5 1 1.5 2 2.5 3 3.5
Concentración (mg/L)
60
Más niveles de concentración
8
6
Emisión
y = -0.2x2 + 2.75x + 6E-14
0
0 0.5 1 1.5 2 2.5 3 3.5
61
¿Se debe medir el "cero"?
En Química Analítica el "cero" sería un patrón
que no contiene analito (concentración = 0)
Generalmente corresponde al llamado “blanco”, el cual en

teoría debería dar respuesta igual a 0
¡Sin embargo frecuentemente el blanco da una respuesta

distinta de cero!
¿Por qué?
¿Por qué un blanco puede dar
respuesta ≠ 0?
Los disolventes y reactivos pueden contener pequeñas

cantidades del analito como impureza
En algunas técnicas instrumentales, pueden obtenerse

respuestas ≠ 0 por fenómenos físicos aunque no haya analito
Conclusión: se debe medir un blanco como parte de la

curva de calibración
Espaciamiento de los patrones
0.8
En general los puntos se distribuyen

uniformemente abarcando todo el
0.6 intervalo (incluyendo el “cero” o
blanco)
Absorbancia
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5
Concentración (mg/L) 64
Significado de la pendiente
La pendiente se denomina sensibilidad y es la medida

de la variación de la señal para una dada variación de
la concentración (o masa)
Si la curva de calibración no fuera lineal, la

sensibilidad no es única, debe definirse para cada
punto de la curva
Curvas de calibración
en métodos volumétricos
¿Tiene sentido?
Estequiometría definida
Curva de calibración “Volumen de titulante

consumido” vs. “masa de analito” ¿Cómo sería?
Curvas de calibración
en métodos volumétricos
¿Vale la pena invertir tiempo en hacerla?
Caso excepcional: titulaciones volumétricas con

reacciones no estequiométricas
Selección de la curva
de mejor ajuste
Selección de la curva de mejor ajuste
Mediante análisis de regresión es posible obtener los

parámetros correspondientes a cualquier modelo matemático
(a) Para un dado modelo ¿Cómo decidir si ajusta a los puntos

experimentales? bondad de ajuste
(b) Dados varios modelos ¿Cuál de ellos será el más adecuado

para representar los puntos experimentales? selección de la
curva de mejor ajuste
¿Puede haber motivos para esperar o para preferir

un cierto modelo de curva de calibración?
Conocimiento del fundamento fisicoquímico

del proceso analítico y de la medición
Simplicidad y conveniencia modelo lineal
Si bien el modelo lineal es sencillo y conveniente, hay casos

en que no es adecuado
Hay técnicas analíticas basadas en fenómenos fisicoquímicos

que no obedecen a una ley sencilla (por ejemplo puede ser una
relación exponencial o logarítmica)
En esos casos puede ser necesario efectuar una transformación

matemática de los datos
de mejor ajuste
Existen diversos criterios:

1. Inspección visual
2. Estudio de los residuos
3. Estudio de la varianza de regresión
4. Uso del coeficiente de correlación y del
coeficiente de determinación
1. Selección por inspección visual
El cerebro humano es una

poderosa herramienta de
reconocimiento de patrones
Sin embargo no es conveniente

basarse sólo en esa
herramienta
Selección por inspección visual
10
6
Emisión
0
0 1 2 3 4 5 6 7
75
10
6
y = 1.55x + 1
Emisión
Modelo lineal
2 con ordenada
en el origen
0
0 1 2 3 4 5 6 7
76
10
6
Emisión
y = 1.780x
4
Modelo lineal
sin ordenada
2
en el origen
0
0 1 2 3 4 5 6 7
77
10
6 2
y = -0.2x + 2.75x - 7E-15
Emisión
Modelo
2 cuadrático con
ordenada en el
origen
0
0 1 2 3 4 5 6 7
78
10
6
Emisión
y = 22.75x
y = -0.2x + 2.75x
4
Modelo
cuadrático sin
2
ordenada en el
origen
0
0 1 2 3 4 5 6 7
79
de mejor ajuste

Puede efectuarse gráfica o estadísticamente
En un buen ajuste el signo de los residuales debería

distribuirse aleatoriamente
Estadísticamente mediante una prueba de signos
Estudio de rachas de
signos de residuos
- -
+
+
+
+
+
+
-
Gráfico de residuos
de mejor ajuste

• No indica si el ajuste es bueno o no, pero entre
varios modelos permite elegir el que ajusta mejor
Se elevan al
n m cuadrado para que
s2R = ∑ i i
( y − y
ˆ ) 2
queden todos
f i =1 positivos
Residuo
• f, grados de libertad = número de niveles de
concentración – número de parámetros del modelo
• Entre varios modelos, el de mejor ajuste presenta el
menor s2R (menores residuos)
de mejor ajuste

4. Uso del coeficiente de correlación
• Coeficiente de correlación para una recta:
• Suele calcularse mediante una fórmula equivalente:
-1 ≤ r ≤ +1 es una medida de la
correlación lineal entre las variables
r = +1 ó -1 “correlación lineal
perfecta” (positiva o negativa)
r = 0 “no hay correlación lineal”
r es usado frecuentemente como indicador de bondad de
ajuste, se interpreta que cuanto más cerca esté |r| de 1
mejor es el ajuste
Sin embargo r es un indicador de correlación lineal, no de

bondad de ajuste, y menos aún para modelos no lineales
Es riesgoso usar r con ese fin. Hay numerosos ejemplos

de uso incorrecto de r
4. Uso incorrecto del coeficiente
de correlación
r presenta un valor “alto” r presenta un valor 0, diríamos

(próximo a 1) sin embargo es “pésimo ajuste” sin embargo es
evidente que un modelo lineal obvio que hay excelente ajuste
NO es adecuado pero a otro modelo
4. Uso incorrecto del coeficiente
de correlación
r es un coeficiente de correlación lineal.
No es un indicador de bondad de ajuste
Sin embargo se lo suele usar en base a la experiencia y otros

criterios. Se debe usar con mucha precaución
Para usar el r como indicador de bondad de ajuste se

recomienda acompañarlo de un segundo criterio (p. ej.
inspección visual)
El cuarteto de Anscombe
Un ejemplo de conclusiones equivocadas en base a indicadores
estadísticos es el llamado "cuarteto de Anscombe":
https://es.wikipedia.org/wiki/Cuarteto_de_Anscombe
4. Uso del coeficiente de
determinación
Existe un mejor indicador de bondad de ajuste, es el
“Coeficiente de Determinación”, R2
) − y) 2 −
∑ i
( y ∑ i i
( y y
ˆ ) 2
R2 = i
) − y)2 + ( y − y )2 =1 − ( )
i
)
∑ i
(
i
y ∑ i ˆi
i
∑ ( yi − y) + ∑ ( yi − yˆi )
i
2
i
2
yi valor experimental de y para el punto i

)y valor de y estimado por el modelo para el punto i
i
y promedio de los valores de yi
4. Uso del coeficiente de
determinación
El Coeficiente de Determinación R2 puede calcularse

tanto para modelos lineales como no lineales
Para el modelo lineal, se cumple que R2 = r2

(cuadrado del coeficiente de correlación lineal)
Las planillas electrónicas como Excel calculan e

informan el valor de R2
R2 se acerca a 1 a medida que mejora el ajuste de los puntos
experimentales al modelo de regresión
Puede usarse para modelos no lineales, por ejemplo polinomiales
Sin embargo ya vimos que los polinomios de grado alto ajustarán

siempre mejor aunque no tenga sentido físico
Para evitar interpretaciones engañosas al crecer el grado del

modelos polinomial, se emplea el R2 "ajustado", R’2. Éste compensa
esta tendencia a mejoras artificiales en la bondad de ajuste
Pruebas estadísticas
Se pueden usar pruebas estadísticas para verificar si un cierto modelo se
ajusta o no a los datos experimentales
En toda prueba de hipótesis, el usuario debe elegir un valor de

probabilidad llamado “nivel de confianza”
En Química Analítica suele elegirse un nivel de confianza de 95%

(correspondiente a un nivel de significación α= 0.05)
Una prueba empleada para aceptar o rechazar un modelo de regresión

es la llamada “prueba de falta de ajuste" o de "lack-of-fit" (LOF), que no
veremos aquí
Incertidumbre en la regresión
Los parámetros estimados tienen una variabilidad
asociada, y por tanto una incertidumbre. Para la
regresión lineal simple:
Desviación estándar
de la pendiente
Desviación estándar de la
ordenada en el origen
Donde sy/x se calcula como:
Como consecuencia la curva de regresión tiene
también una incertidumbre
99
Esta incertidumbre se expresa en los límites de
confianza o corredores de confianza:
Y por ende los valores

de “x” (concentración)
obtenidos por
interpolación tendrán
una incertidumbre
asociada

La curva de calibración
¿debe pasar por cero?
Considerar tres factores:
Leyes fisicoquímicas que describen los fenómenos
Error del ajuste del modelo de regresión
Valor del blanco

Rango o intervalo lineal
Es el intervalo de concentraciones donde se cumple el

modelo de calibración lineal
Abarca desde el límite de linealidad inferior hasta el límite de

linealidad superior
El límite de linealidad inferior NO es cero sino el valor donde

deja de cumplirse la linealidad o bien aquel donde la medida
deja de ser posible

Límite del
intervalo
dinámico
Límite
inferior de Límite
linealidad superior de
linealidad
Blancos
Uso de los blancos
Blanco de calibración: igual a los demás patrones pero

sin analito agregado
Blanco de reactivos: tiene los reactivos y disolventes

empleados en la preparación de la muestra
La composición de los dos puede ser igual o no

(diferentes reactivos)

Uso de los blancos
Los blancos se deben medir siempre y restar su valor a las
medidas correspondientes
Calibración: medir y restar el blanco de calibración

a todos los puntos de la curva
Muestra: medir y restar a la muestra el blanco correspondiente

a la muestra
Si la composición de esos blancos no es la misma deben usarse

en forma separada el de calibración y el asociado a la muestra

Interferencias
Calibración en presencia de interferencias
Interferencias
Decimos que en una determinación analítica existen

interferencias cuando los resultados son inexactos
como consecuencia de algún fenómeno físico o
químico cuya influencia no fue prevista
Se produce un error sistemático que genera un sesgo

(diferencia entre el valor obtenido y el valor verdadero)

Clasificación de interferencias
Desde el punto de vista del efecto neto

que producen:
• Interferencias aditivas
• Interferencias multiplicativas

Interferencias aditivas
Producen el efecto de sumar una constante al

valor medido
R = k1 + bC (k1 ≠ 0)

Interferencias aditivas
Ejemplo: en una titulación volumétrica de Ca en presencia de Mg se ajusta

mal el pH, se medirá la suma de Ca y Mg
Ejemplo: medida de absorbancia de una sustancia en una muestra que

contiene además otra sustancia que absorbe a esa longitud de onda,
mediremos, sin saberlo, la suma de dos absorbancias.
El resultado estará afectado de un error

Interferencias multiplicativas
Ocurren cuando la matriz de la muestra afecta
la respuesta del analito
Producen el efecto de multiplicar la respuesta por un factor

distinto de 1
R = k2bC (k2 ≠ 1)
A igual concentración de analito la respuesta será diferente para

los estándares y para la muestra

Tipos de calibración analítica
Calibración externa o directa
Calibración con matriz igualada

(matrix-matched standards)
Método de adiciones estándar

Calibración externa o directa:
Los patrones solo contienen el analito y el disolvente
La respuesta de la muestra se interpola

en la curva de calibración

Calibración externa o directa

Calibración con matriz igualada

(matrix-matched standards)
Es igual a la anterior pero los patrones se preparan

de otra forma
La matriz de los patrones es modificada para que se

parezca a la de la muestra

(Standard additions method, SAM)
Hacer la calibración dentro de la propia muestra
Así la matriz es idéntica para patrones y muestra y entonces

k2 = 1
Permite detectar la presencia de interferencias multiplicativas y, si

las hubiera, obtener un resultado libre de interferencia

Se toman varias alícuotas iguales de la muestra
A cada una se adiciona una cantidad diferente pero

conocida de analito (estándar o patrón)
Se llevan todas a igual volumen

Muestra
(ya procesada)
Vm Vm Vm Vm

Patrón
V1 V2 V3 V4
∆C1 ∆C2 ∆C3 ∆C4

Se miden las respuestas instrumentales
Se relacionan éstas con las adiciones ΔC
Se extrapola la recta al corte con el eje de abscisas
El valor del punto de corte es el valor de concentración

con signo cambiado (-C0)

Detección de interferencias: Si la pendiente de la curva de
adiciones estándar difiere significativamente de la pendiente de la
curva de calibración directa
existe interferencia multiplicativa.
Si existieran interferencias aditivas la curva de SAM simplemente

se desplazaría verticalmente
Determinación cuantitativa: se calcula C0 y

se hacen los cálculos correspondientes

18
16
14
12 Adiciones estándar
10
4 Calibración directa
o externa
2
0
0 1 2 3 4 5 6 7 8 9 10

Condiciones para usar el SAM
La interferencia
La respuesta debe ser
multiplicativa debe ser
lineal en todo el
constante en todo el
intervalo de
rango de
concentraciones usado
concentraciones
Si existieran deberán ser

No deben existir
corregidas
interferencias aditivas
separadamente

La respuesta debe ser lineal en todo el intervalo

de concentraciones usado
La interferencia multiplicativa debe ser constante

en todo el rango de concentraciones
No deben existir interferencias aditivas. Si existieran

deberán ser corregidas separadamente

El diseño de una calibración SAM es bastante más

complicado de lo que sugiere la descripción anterior
Las adiciones deben hacerse con cuidado de que la

concentración total no sobrepase el límite superior
de linealidad
Se debe mantener la cantidad de la matriz en todas

las soluciones preparadas

El método de adiciones estándar puede ser más

exacto pero es más impreciso (mayor dispersión)
Esto se debe a ser un método basado en una

extrapolación
Es más trabajoso. No se recomienda su uso

si no es imprescindible

-C0
Intervalo de confianza de la recta de

-C0 adiciones estándar y del valor de C0
extrapolado

Calibración

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Calibración

Cargado por

Copyright:

Formatos disponibles

Química Analítica II

Prof. Dr. Moisés Knochen

Departamento Estrella Campos

J. N. Miller, J. C. Miller, “Estadística y Quimiometría para

D. A. Skoog, D. M. West, F. J. Holler, S. R. Crouch,

• Técnica Proceso fundamental útil para

• Método Aplicación específica de una técnica a la

• Procedimiento Instrucciones escritas para aplicar un

• Protocolo Descripción específica. Debe seguirse

• Transductor Transforma un tipo de señal en otro (un

Puede variar con el No se puede hacer

Distintas “interfases” con el

• Es necesario disponer de patrones de

IUPAC, “Guideline for calibration in analytical chemistry. Part 1.

Suele existir una ley fisicoquímica que relaciona la respuesta del

Ejemplo: en espectrofotometría la absorbancia se relaciona con

Ejemplo: el potencial de un electrodo se relaciona con la

Como cualquier medición, al repetir varias veces la medida de

Esta variabilidad es inherente al proceso de medición y se

Obtener/preparar patrones del analito

Medir los patrones y registrar la respuesta

Averiguar la relación funcional entre

• Ésta se emplea para averiguar la concentración de

Si la función de evaluación se usa dentro del intervalo de

Si se la usa fuera de dicho intervalo se denomina extrapolación

Para fines analíticos se emplea la interpolación,

• Obtención de la función de calibración R = f(C)

¿Cómo determinar la función de calibración?

Se emplea una herramienta estadística llamada

Se obtiene un modelo de regresión

Ejemplo: y como función de x

Supongamos una relación lineal: y = a + b x

Los valores de los parámetros a y b se obtienen mediante el

Se dispone de ecuaciones para calcular los parámetros

Que la variable x no tiene incertidumbre

Que para cada valor de xi los valores de yij obtenidos al repetir

Que para los distintos valores de x, los valores de las y presentan

Implica que la variabilidad de los datos repetidos para

En realidad eso a veces no se cumple sino que se

A la diferencia entre la ordenada estimada por regresión y el

Se busca minimizar la suma de los cuadrados de los residuos

El cálculo de los parámetros de

Es necesario conocer el fundamento

Usar el modelo más simple que de

Para calibración se suelen probar modelos polinomiales

En Química Analítica no es recomendable emplear ajustes

Hay casos en que se emplea una transformación matemática

El modelo de regresión adoptado debe ser el más simple que

Debe tenerse presente los fundamentos físicoquímicos

No tiene sentido adoptar un modelo de regresión complejo

x, la “variable independiente” es generalmente la

y es la respuesta del método, y depende del mismo, por

En algunas técnicas x puede ser masa en lugar de

Condicionado por la respuesta del instrumento

Condicionado por la concentración esperada en las

Condicionado por la variabilidad de las muestras

Más niveles mejor modelado

Menos niveles menos trabajo

y = -0.2x2 + 2.75x + 6E-14

Generalmente corresponde al llamado “blanco”, el cual en

¡Sin embargo frecuentemente el blanco da una respuesta

Los disolventes y reactivos pueden contener pequeñas

En algunas técnicas instrumentales, pueden obtenerse