Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRESENTADO A:
GRUPO 301102_20
2. Juan Sebastián Latas de atun Mercurio Ríos y hábitat del 1,0 gr/kg
González marca Van Camp atún
´s
5. Nombre del
estudiante
Explicación del plan Se recluta toda la población de existente en los hatos del municipio
de muestreo en cuestión(12-15 muestras semanales),por un mes (40-
68,muestra), se analizan por duplicado partiendo de una muestra
de 15ml de leche en frascos codificados , el analista no conoce la
procedencia de la leche, con el amino de no sesgar en los
resultados , los resultados obtenidos se llevan análisis estadístico;
utilizando un diseño de bloques al azar con el # de hatos y # de
análisis realizados, para cada muestra usamos parámetros
estadísticos como media aritmética, sabremos el promedio de
repetitividad del presencia de plomo en muestra, luego la varianza
para identificar la incidencia de ausencia-presencia y finalmente
intervalo de confianza para establecer el rango de hallazgo del
plomo Pb4.
Tamaño muestral
Justificación
Este tipo de muestreo es muy práctico y eficaz ya que a través
del muestreo consecutivo el investigador puede incluir todos los
criterios inclusión vistos consecutivamente, en un determinado
periodo de tiempo hasta alcanzar un número determinado de
muestras bajo las mismas condiciones, aun así hay que tener
presente algunos factores relacionados con el tiempo transcurrido
durante el análisis, que pueden afectar este método.
Referencias usadas
para el plan de Choque, C. G. (2015). Determinación de los niveles de plomo en
leches. Recuperado el 04 de 03 de 2019, de Universidad
muestreo
Nacional de Colombia:
http://bdigital.unal.edu.co/47779/1/599661.2015.pdf
Humberto Rodríguez Fuentes1, E. S. (2012). METALES
PESADOS EN LECHE CRUDA DE BOVINO. Recuperado
el 04 de 03 de 2019, de
http://respyn.uanl.mx/index.php/respyn/article/viewFile/15
5/137
Agua…………………………..1.000
Grasa………………………….0.931
Proteína……………………...1.346
Lactosa………………………..1.666
Minerales…………………… 5.500
ACIDEZ NATURAL:
Acidez de la caseína anfoterica cerca de 2/5 de la acidez natural.
Acidez de las sustancias minerales, CO2 y ácidos orgánicos
originales, cerca de 2/5 de la acidez natural.
Reacciones secundarias en los fosfatos, cerca de 1/5 de la acidez
natural.
ACIDEZ DESARROLADA:
Debido a la formación de ácido láctico a partir de la lactosa por la
intervención de bacterias contaminadas.
Generalmente una leche fresca posee una acidez de 0.15 a 0.16%;
los valores de 0.15 pueden ser debidos a leche mastiticas
aguadas, o bien alteradas con algún producto químico
alcalinizante. Los porcentajes mayores de 0.16 son indicadores
de contaminantes bacterianos.
P Propiedades Las propiedades químicas de la leche son:
químicas de la muestra Grasas, PH, ácido láctico, proteínas, caseína, cenizas, lactosa
b. Desviación estándar
S= √∑ ¿ ¿ ¿
Pipeta 1
S=−√ ¿¿ ¿
S=0,028996833
Pipeta 2
S=−√ ¿¿ ¿
S=0,03811904
Pipeta 3
S=−√ ¿¿ ¿
S=0,02531435
c. Coeficiente de variación
Sx
CV = .100
x
Pipeta 1
0,028996833
CV = .100=0,2891
10,03
Pipeta 2
0,03811904
CV = .100=0,3796
10,04
Pipeta 3
0,02531435
CV = .100=0,2521
10,04
d. El intervalo de confianza empleando t-student con un nivel de confianza de 95%.
n . c=95 %
α =1−0.95=0.05
gl=n−1
gl=7−1=6
n . c=95 %
t−student=1.9432
1b. Para el ejercicio anterior, calcule el error relativo y absoluto teniendo en cuenta el
volumen nominal correspondiente y realice un análisis de acuerdo a las diferencias
entre errores y dispersión de los datos brindados entre cada pipeta, y determine la
pipeta volumétrica que es más precisa y exacta.
Error Relativo:
Valor real−Valor Experimental
ER= .100
Valor real
Pipeta 1
7−10,03
ER= .100=−43,28
7
Pipeta 2
7−10,04
ER= .100=−43,42
7
Pipeta 3
7−10,04
ER= .100=−43,42
7
Error Absoluto:
EA=Valor real−Valor Experimental
Pipeta 1
EA=7−10,03=−3,03
Pipeta 2
EA=7−10,04=−3,04
Pipeta 3
EA=7−10,04=−3,04
R//: Después de realizar los cálculos se puede concluir que la pipeta con el menor valor de
coeficiente de variación es la pipeta 3, siendo esta la más precisa con respecto a la media
muestral, pero esta se encuentra con poca exactitud al valor de referencia real. En los
cálculos realizados de error relativo y error absoluto las tres pipetas se encuentran igual en
los resultados. De acuerdo a las similitudes que presentan las tres pipetas, las tres pipetas
presentan una exactitud a la hora de tomar la muestra.
Al3+ (que puede estar presente en dichas aguas) también reacciona con EDTA y por lo
tanto interfiere. Por eso se enmascara el Al3+ tratando previamente a la muestra con F. El
1d. ¿Cuáles son los tipos de muestreo, qué criterios se tienen en cuenta para
TIPOS DE MUESTREO
Han surgido diferentes clasificaciones de los métodos de muestreo, los más comunes son el
probabilístico y el no probabilístico, que a continuación se explicarán brevemente.
MUESTREO PROBABILÍSTICO.
Éste tipo de muestreo nos indica que todos y cada uno de los integrantes de una población
tienen la misma posibilidad de ser elegidos para ser parte de una muestra representativa. El
muestreo probabilístico, engloba diferentes tipologías más:
Muestreo aleatorio simple
Este tipo de muestreo es el más fácil y sencillo de todos los más, en éste, cada uno de los
sujetos tiene la misma probabilidad de ser seleccionado igual que al resto. Tiene diferentes
opciones para recopilar a los sujetos, pero el más utilizado es enumerar a todos (del 1 al
número de sujetos que sean) y posteriormente generar una cantidad de números al azar que
sean igual al número de sujetos que se necesitan. Como dato, los números al azar
generalmente son seleccionados con diferentes métodos y técnicas.
Muestreo aleatorio sistemático
En este tipo de muestreo se requiere de un intervalo para posteriormente partir a seleccionar
a la muestra requerida restante. El intervalo se obtiene mediante la división del número
total de la población entre el número de sujetos de la muestra (parte de la población que se
pretende analizar), posteriormente, se sortea un número entre el resultado de dicha división.
Al número sorteado ganador se le suma el intervalo, y así sucesivamente, se van generando
los demás números que se seleccionarán para la muestra.
Muestreo aleatorio estratificado.
Como su nombre lo indica en este tipo de muestreo se divide a la población en estratos, esto
quiere decir que los separan por grupos con características comunes. Y para seleccionar a
cada uno de los elementos de cada estrato se puede utilizar tanto el tipo de muestreo
aleatorio simple como el sistemático. Su procedimiento para conocer la cantidad de
elementos que conformará la muestra es la siguiente, Una vez dividido la población en
grupos o estratos se divide el número total de la muestra que se requiere entre la cantidad
total de la población, multiplicando el resultado por el número total de integrantes de un
grupo o un estrato.
MUESTREO NO PROBABILISTICO
A diferencia del muestreo probabilístico, en este método de muestreo no todos los sujetos
tienen la misma posibilidad de ser elegidos o seleccionados, ya que para poder seleccionar
un elemento se siguen una clase de reglas o de criterios de selección específicos. Este tipo
de muestreo no nos permite realizar cierres concretos.
Dentro de este método de muestreo encontramos los siguientes tipos:
Bola de nieve
Este tipo de muestra consiste en reclutar a un individuo y posteriormente este recluta a otro
y así sucesivamente, hasta que se logre el número de la muestra deseada que se va a
analizar o examinar.
Muestreo discrecional
Este tipo de muestreo se realiza, por el propio juicio del investigador, se basa en su propio
conocimiento y decisión para elegir a la parte de su población (muestra) que va a estudiar o
examinar.
Balon 1
x 1+ x 2+ x 3+ x 4+ x 5+…+ xn
x́=
n
150.03+149.98+150.01+150.03+148.90+150.08+151.00
x́=
7
x́=150.00
Balón 2
x 1+ x 2+ x 3+ x 4+ x 5+…+ xn
x́=
n
150.06+150.08+150.02+150.09+148.98+150.08+150.02
x́=
7
x́=149.90
Balón 3
x 1+ x 2+ x 3+ x 4+ x 5+…+ xn
x́=
n
150.06+150.05+150.12+150.06+148.99+150.28+150.05
x́=
7
x́=149.94
b. Desviación estándar
Balón 1
S= √∑ ¿¿ ¿ ¿
S= √ ¿ ¿ ¿
2.2187
S= √
6
S=0.2482
Balón 2
S= √∑ ¿¿ ¿ ¿
S= √ ¿ ¿ ¿
1.001
S= √
6
S=0.1667
Balón 3
S= √∑ ¿¿ ¿ ¿
S= √ ¿ ¿ ¿
1.1375
S= √
6
S=0.1777
c. Coeficiente de variación
Balón 1
S
CV = ∗100
x́
0.2482
CV = ∗100
150.00
CV =¿0.1654
Balón 2
S
CV = ∗100
x́
0.1667
CV = ∗100
149.90
CV =¿0.1112
Balón 3
S
CV = ∗100
x́
0.1777
CV = ∗100
149.94
CV =¿0.1185
t∗0.2482
μ=150.00±
√7
1.943∗0.2482
μ=150.00±
√7
μ=150.00± 0.1822
149.81 ≤ μ ≤150.18
Balón 2
t∗S
μ= x́ ± GL= 6
√n
t∗0.1667
μ=149.90±
√7
1.943∗0.1667
μ=149.90±
√7
μ=149.90± 0.1224
149.77 ≤ μ ≤ 150.02
Balón 3
t∗S
μ= x́ ± GL= 6
√n
t∗0.1777
μ=149.94 ±
√7
1.943∗0.1777
μ=149.94 ±
√7
μ=149.94 ±0.1305
149.80 ≤ μ ≤ 150.07
2b. Para el ejercicio, anterior calcule el error relativo y absoluto teniendo en cuenta el
volumen nominal correspondiente y realice un análisis de acuerdo a las diferencias entre
errores y dispersión de los datos brindados entre cada balón, y determine el balón aforado
que es más preciso y exacto.
Balón 1
Error absoluto
e= √ ∑ ¿ ¿ ¿ ¿
e= √ ¿ ¿ ¿
2.2187
e=
√ 42
e=0.3 ml
Error relativo
e
ε ( % )= ∗100
Valor exacto
0.3
ε ( % )= ∗100
150
ε ( % )=0.2%
Balón 2
Error absoluto
e= √ ∑ ¿ ¿ ¿ ¿
e= √ ¿ ¿ ¿
1.001
e=
√ 42
e=0.2 ml
Error relativo
e
ε ( % )= ∗100
Valor exacto
0.2
ε ( % )= ∗100
150
ε ( % )=0.1%
Balón 3
Error absoluto
e= √ ∑ ¿ ¿ ¿ ¿
e= √ ¿ ¿ ¿
1.1375
e=
√ 42
e=0.2 ml
Error relativo
e
ε ( % )= ∗100
Valor exacto
0.2
ε ( % )= ∗100
150
ε ( % )=0.1%
R2b// al analizar los resultados obtenidos a partir de los cálculos realizados a cada balón, se
puede determinar que el balón 2 es el más exacto y preciso, ya que presenta un índice de
error menor a los otros dos, aunque sin mucha diferencia.
2c. ¿Cuál es el alcance del análisis cualitativo y en qué caso se realiza este tipo de análisis?
Justifique su respuesta a través de un ejemplo.
R// El análisis de datos cualitativo es un proceso dinámico y creativo que nos permite
extraer conocimiento de una masa de datos heterogéneos en forma textual o narrativa.
Los datos cualitativos pueden provenir de varias fuentes y pueden tener formato de texto,
de audio, de imagen o de vídeo. La importancia de los datos cualitativos reside en el hecho
de que nos permiten obtener conocimiento profundo sobre ciertas realidades subjetivas,
como, por ejemplo, los sentimientos y las motivaciones de nuestros clientes.
En el contexto actual dominado por el Big Data, los datos representan el activo
fundamental de las empresas. La multiplicación de fuentes de datos, de distintos formatos y
proveniencia hace que sea muy frecuente tener que analizar datos cualitativos junto con
datos cuantitativos. Sin embargo, los datos cualitativos necesitan técnicas y herramientas
especiales para que su tratamiento, que es muy distinto con respecto a los datos
cuantitativos.
Ejemplo:
La reproducibilidad es la variación causada por el sistema de medición. Es la variación que
se observa cuando diferentes operadores miden la misma parte muchas veces, usando el
mismo sistema de medición, bajo las mismas condiciones.
Los operadores 1, 2 y 3 miden 20 veces la misma parte con el mismo sistema de medición.
Las tres líneas representan las mediciones de los operadores 1, 2 y 3. La variación en las
mediciones promedio entre los operadores 1 y 2 es mucho menor que la variación entre los
operadores 1 y 3. Por lo tanto, la reproducibilidad del sistema de medición es demasiado
baja.
ESTUDIANTE #3
Considere la siguiente situación. Se desea tomar una muestra de 10 ml de FeSO4 para el análisis
de hierro un alimento con la mayor exactitud posible. En el laboratorio se cuenta con 3 pipetas
volumétricas de dicha capacidad para las cuales se realizan experimentos que buscan determinar
la incertidumbre de cada una. En este sentido, en la siguiente tabla se muestra la determinación
de los volúmenes en mL de cada una de las pipetas.
PIPETA 1
Σ xi
A) Media X́ =
n
10,56+ 10,23+ 10,32+ 10,26+10,30+10,12
X́ =
6
61,79
X́ =
6
X́ =10.30
(10,56−10,30)2+(10,23−10,30)2 +(10,32−10,30)2
S2=
6
(10,26−10,30) +(10,30−10,30)2 +(10,12−10−30)2
2
6
0,1069
S2 =
6
2
S =0,0178
S2=0,133
COEFICIENTE DE VARIACION
S
Cv= ∗100 %
X́
0,133
Cv= ∗100 %
10,30
Cv=1,29 %
INTERVALO DE CONFIANZA
100 %−95 %
∝=
2
∝=2,5 %
Z∝ ∕ 2=1.96
R= 10
x́=¿ P=10.30
e=?
er=?
e=|r− p|
e=|10−10,30|
e=0,030
e
er =
|r|
0,030
er =
10
e=0,0030
PIPETA 2
MEDIA
10,16+ 10,20+10,29+10,13+10,12+10,09
X́ =
6
60,99
X=
6
X =10,20
DESVIACION ESTANDAR S2
0,0331
S2 =
6
2
S =0,0055
S2=0,074
COEFICIENTE DE VARIACION
0,074
Cv= ∗100 %
10,20
Cv=0,73 %
INTERVALO DE CONFIAZA
100 %−95 %
∝=
2
∝=2,5 %
Z∝ ∕ 2=1,96
R=10
x́=¿ P=10,20
e?
er?
e=|10−10,20|
e=0,020
0,020
er =
10
e r =0,0020
PIPETA 3
10,03+10,02+10,08+10,05+10,01+10,10
X́ =
6
60,29
X́ =
6
X́ =10,05
DESVIACION ESTANDAR
(10,01−10,05)2 +(10,10−10,05)2
6
0,0063
S2 =
6
2
S =0,0012
S2=0,032
COEFICIENTE DE VARIACION
0,032
Cv= ∗100
10,05
Cv=0,32
INTERVALO DE CONFIANZA
∝=100 %−95 %
∝=2,5 %
Z∝ /2=1,96
r=10
x́=¿ P= 10,05
e=?
er=?
e=|10−10,05|
e=0,05
0,05
er =
10
er =0,005
n . c=95 %
α =1−0.95=0.05
gl=n−1
gl=6−1=5
n . c=95 %
t−student=2.015
¿Cuál es el alcance del análisis cuantitativo y en qué caso se realiza este tipo de análisis?
Justifique su respuesta a través de un ejemplo.
Los métodos analíticos que se apliquen para producir datos de composición química de
alimentos deben ser apropiados, utilizar técnicas analíticas exactas y ser realizados por
analistas entrenados.
La selección de un método analítico debe ser realizada por el consejero científico del
programa de base de datos, pero esta responsabilidad debe ser compartida con el
analista.
Especificidad o selectividad
Estudiante 4
Johanna Holguín
Considere la siguiente situación. Se desea tomar una muestra de 200 mL de FeCl 3 al 30%
para el análisis de un alimento con la mayor exactitud posible. En el laboratorio se cuentan
con 3 probetas de dicha capacidad para las cuales se realizan experimentos que buscan
determinar la incertidumbre de cada una. En este sentido, en la siguiente tabla se muestra la
determinación de los volúmenes en mL de cada una de las probetas
b. Desviación estándar
S= √∑ ¿ ¿ ¿
Pipeta 1
S=−√ ¿¿ ¿
S=¿0,15514509
Pipeta 2
S=−√ ¿¿ ¿
S=¿0,07633261
Pipeta 3
S=−√ ¿¿ ¿
S=0,03544949
c. Coeficiente de variación
Sx
CV = .100
x
Pipeta 1
0,15514509
CV = .100=0,0774
200,20
Pipeta 2
0,07633261
CV = .100=0,0381
200,17
Pipeta 3
0,03544949
CV = .100=0,0177
200,04
Error Relativo:
Valor real−Valor Experimental
ER= .100
Valor real
Pipeta 1
6−200,20
ER= .100=−3.236
6
Pipeta 2
6−200,17
ER= .100=−3.236
6
Pipeta 3
6−200,04
ER= .100=−3.234
6
Error Absoluto:
EA=Valor real−Valor Experimental
Pipeta 1
EA=6−200,20=−194,2
Pipeta 2
EA=6−200,17=−194,1
Pipeta 3
EA=6−200,04=−194,0
Análisis:
Según el resultado de los cálculos se puede concluir que la pipeta con el menor valor de
coeficiente de variación es la pipeta 3, siendo esta la más precisa con respecto a la media,
pero esta se encuentra con poca exactitud al valor de referencia real.
En los cálculos realizados de error relativo y error absoluto las tres pipetas se encuentran
igual en los resultados. De acuerdo a las similitudes que presentan las tres pipetas, las tres
pipetas presentan una exactitud a la hora de tomar la muestra.
Indique cuales son los criterios para la toma de una muestra en un análisis.
Justifique su respuesta a través de un ejemplo.
Concepto e importancia
Es la actividad por la cual se toman ciertas muestras de una población de elementos de los
cuales vamos a tomar ciertos criterios de decisión, el muestreo es importante porque a
través de él podemos hacer análisis de situaciones de una empresa o de algún campo de
la sociedad.
Técnicas de Muestreo
Una muestra puede ser obtenida de dos tipos: probabilística y no probabilística. Las
técnicas de muestreo probabilísticas, permiten conocer la probabilidad que cada individuo a
estudio tiene de ser incluido en la muestra a través de una selección al azar. En cambio, en
las técnicas de muestreo de tipo no probabilísticas, la selección de los sujetos a estudio
dependerá de ciertas características, criterios, etc. que él (los) investigador (es) considere
(n) en ese momento; por lo que pueden ser poco válidos y confiables o reproducibles;
debido a que este tipo de muestras no se ajustan a un fundamento probabilístico, es decir,
no dan certeza que cada sujeto a estudio represente a la población blanco (Walpole &
Myers, 1996; Ávila Baray; Arias-Gómez et al.).
Planes de muestreo.
Se llama plan de muestreo a la elección del procedimiento de muestreo y del criterio de
decisión.
El plan se diseña de modo que se rechacen aquellos lotes que no cumplan un determinado
nivel de confianza.
Sin embargo, como no se examina el lote completo, siempre hay peligro de no aceptar uno
aceptable o aceptar uno rechazable, por eso hay que conocer el riesgo que acompaña a cada
plan de muestreo.
El muestreo de aceptación se lleva en diversas situaciones en donde existe una relación
entre el consumidor y productor, es posible que productor y consumidor sean cada uno de
diferente compañía. O trabajen en dos plantas distintas dentro de la misma compañía . por
lo tanto se utiliza en una de las siguientes situaciones .
Ejemplo:
Cuando la aplicación de una prueba implica la destrucción de productos.
Cuando el costo que implica hacer una inspección al 100% es muy elevado.
Cuando son muchas y similares las unidades que se van a inspeccionar.
Cuando no se dispone de información sobre la calidad del producto , como por ejemplo de
gráficas.
Cuando no se dispone de una inspección automatizada.
REFERENCIAS BIBLIOGRÁFICAS
Chang, R. (2010). Química. (10a. ed). (pp. 96-106, 147-150). México DF: McGraw-Hill
Interamericana. Recuperado de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=127&docID=3214436&tm=1540473039647
Carrazco, (2011). Muestreo de poblaciones: tipos de muestreo. Recuperado de:
https://www.gestiopolis.com/tipos-de-muestreo/
Aldabe, (2004). Quimica 2 Quimica en acción. pp. 279. Recuperado de
https://books.google.com.co/books?
id=nsTjBmyABXsC&pg=PA279&lpg=PA279&dq=enmascaramiento+para+eliminar+las+i
nterferencias+en+una+muestra+anal
%C3%ADtica&source=bl&ots=5ddBFjH8EY&sig=ACfU3U19V8CjPKk8LrkXZQfLCL8
BT6kncw&hl=es-
419&sa=X&ved=2ahUKEwjm0c2xo4noAhUMP60KHV2zDakQ6AEwBXoECAsQAQ#v
=onepage&q=enmascaramiento%20para%20eliminar%20las%20interferencias%20en
%20una%20muestra%20anal%C3%ADtica&f=false