Presentación Linealidad PDF

TALLER VIRTUAL
INCERTIDUMBRE
Y VALIDACIÓN DE
MÉTODOS
QUÍMICOS
CUANTITATIVOS
1
Características de desempeño:
Linealidad
Claudia Patricia Tere
2
Contenido
• Introducción
• Definiciones
• Evaluación de linealidad
• Planeación
• Inspección
• Regresión
• Evaluación ajuste de datos
3
Calibración
Operación que relaciona una cantidad de salida con una cantidad de
entrada para un sistema de medición bajo condiciones dadas1.
Soluciones de MRC
Etapa 1
Relación entre patrones de y = mx + b
medida y sus respectivas
indicaciones
[Respuesta]
Etapa 2 [Respuesta] y = mx + b
Usar información para obtener
resultado de medida a partir de
m=pendiente
indicación Muestra
[Analito] [Analito]
1. IUPAC (1998) K. Danzer, L.A. Currie, Guidelines for calibration in analytical chemistry. Part 1: fundamentals and
single component calibration, Pure Appl. Chem. 70 (1998) 993–1014.
2. VIM (2012) 4
Linealidad
✓ Calibración de método punto clave en validación de método.

✓ Terminología, forma de evaluación y criterios de aceptación
varían según guía de validación.
Francisco Raposo, Evaluation of analytical calibration based on least-squares linear regression for instrumental
techniques: A tutorial review (2016)
5
Linealidad
Propiedad de los métodos utilizados para efectuar mediciones

en un intervalo de concentraciones1.
Capacidad de un método analítico para obtener resultados

proporcionales a la concentración del analito2.
Es comprobada mediante inspección o

usando pruebas estadísticas
1. Eurachem . The Fitness for Purpose of Analytical Methods - A Laboratory Guide to Method Validation
and Related Topics. www.eurachem.com Consulta: 18 de Marzo de 2014.
2. USP 6
Linealidad
Intervalo dinámico
Intervalo lineal
Desviación
Intervalo lineal Intervalo de trabajo

Método
Instrumento
Intervalo de concentraciones Intervalo de concentraciones del

donde se presenta una relación analito sobre las cuales el método
lineal con la respuesta proporciona resultados confiables.
(Veracidad y precisión adecuada)
IEC 60050 (2001)
Eurachem . The Fitness for Purpose of Analytical Methods - A Laboratory Guide to Method
Validation and Related Topics. www.eurachem.com Consulta: 18 de Marzo de 2014. 7
Evaluación de linealidad
1. Planeación
¿Diseño de calibración? • Multipunto
• Intervalo de trabajo
¿Intervalo de concentraciones? • Concentración interés (0% a 150%)
¿Cuántas secuencias de • 3 a 6 rondas (1 punto)

calibración? • 2 o 3 rondas (triplicado o duplicado)
¿Cuántos niveles de • 5 a 10 concentraciones

concentración?
¿Distribución de los niveles de • Equidistante

concentración?
¿Cuántas réplicas emplear? • 2 a 6 replicas
• Estándar interno
¿Qué tipo de calibración? • Estándar externo
techniques: A tutorial review (2016) 8
2. Preparación y medición
• Preparación estándar (volumétrica/gravimétrica)

• Condiciones normales de medición
• Aleatorización
Adaptado de: https://www.mt.com/es/es/home/applications/Laboratory_weighing/trace_metal_analysis.html

9
3. Inspección
Visualización gráfica
• Observar comportamiento de
[Respuesta]
la curva
¿Cual representa
• Determinar cualitativamente
mejor el
el intervalo lineal
comportamiento
de los datos?
• Observar valores atípicos y
tendencia
[Analito]
10
EJEMPLO
Se midieron 10 niveles de concentración de

cadmio en labial por absorción atómica (GF-AAS).
¿Cuál es el intervalo lineal del método?
Concentración
0,1 0,2 0,4 0,6 1,0 2,0 3,0 4,0 5,1 6,1
Cd (μg/L)
Réplicas Absorbancia (215 nm)
1 0,0036 0,0132 0,0466 0,0600 0,0913 0,1850 0,2646 0,3386 0,4248 0,4793
2 0,0037 0,0154 0,0449 0,0597 0,0968 0,1763 0,2883 0,3576 0,4355 0,4874
3 0,0045 0,0155 0,0444 0,0605 0,1032 0,1952 0,2906 0,3734 0,4571 0,5104
4 0,0089 0,0217 0,0461 0,0693 0,1039 0,2014 0,2826 0,3837 0,4642 0,5175
5 0,0102 0,0220 0,0492 0,0691 0,1014 0,1720 0,2814 0,3824 0,4815 0,5370
Rodriguez A, Nascentes C. (2013) Development of a simple method for the determination of lead in lipstick using
alkaline solubilization and graphite furnace atomic absorption spectrometry 11
3. Inspección
2
Gráfico
3
4 1. Seleccionar datos
2. Insertar gráfico de
dispersión
No incluir punto
cero
José Marcos Jurado. Aplicación de Microsoft Excel a la Química Analítica: validación de métodos
analíticos. Departamento de Química Analítica. 1 de abril de 2008
Francisco Raposo, Evaluation of analytical calibration based on least-squares linear regression for 12
instrumental techniques: A tutorial review (2016)
3. Inspección
Determinación de Cd en labial
0,6
0,5
Absorbancia 228,8 nm
0,4
0,3
0,2
0,1
0,0
0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0
Concentración Cd (μg/L)
13
4. Regresión
Ecuación de regresión para predecir

Función
• Ajusta ecuación a los datos matemática
• Usando métodos de ajuste
Respuesta
Busca que parámetros
• Mínimos cuadrados (a,b) minimicen la
• Ortogonales sumatoria de residuales
al cuadrado
Residuales
Buscan minimizar la
distancia de los datos a
la línea establecida [Analito]
Fernández, Santiago; Cordero, José María; Córdoba, Alejandro. Estadística descriptiva. Segunda
edición. ESIC editorial. Madrid. España. 2002
14
4. Regresión
Homogeneidad de varianzas
Indica influencia de concentración en variabilidad de resultados
• Test de Cochran (replicas de los niveles)
• Test de Levene
• Prueba F
Método mínimos Método mínimos

cuadrados cuadrados
ordinarios ponderados
✓ Homocedasticidad ✓ Heterocedasticidad
✓ Intervalos pequeños ✓ Intervalos grandes
15
4. Regresión
Mínimos cuadrados ordinarios

Mejor modelo lineal que se ajuste a los datos minimizando la suma al
cuadrado de los residuales.
Supuestos
Respuesta
✓ Relación lineal entre variables

✓ X no tiene error o es menor a 1/10 de Y
✓ Errores de Y normalmente distribuidos
✓ Errores son independientes
[Analito]
16
4. Regresión

Estimar coeficientes de
Parámetros de regresión regresión
Respuesta
Pendiente Ecuación de la recta

σ 𝑥𝑖 − 𝑥ҧ 𝑦𝑖 − 𝑦ത 𝑦 = 𝒃𝑥 + 𝒂
b=
σ 𝑥𝑖 − 𝑥ҧ 2
Intercepto
𝑎 = 𝑦ത − b𝑥ҧ
[Analito]
17
4. Regresión
Errores de parámetros de Estimar desviaciones de

regresión coeficientes de regresión
Desviación de la
pendiente
𝑆𝑦ൗ Desviación de los
𝑥
Respuesta
𝑆𝑏 =
σ 𝑥𝑖 − 𝑥 2 residuos de la regresión
Desviación del
intercepto 2
σ 𝑦𝑖 − 𝑦ො𝑖
𝑆𝑦ൗ =
𝑥 𝑛−2
σ 𝑥𝑖2 𝑥ҧ = Promedio de datos en 𝑥
𝑆𝑎 = 𝑆𝑦ൗ
𝑥 𝑛 σ 𝑥𝑖 − 𝑥ҧ 2 𝑦ො𝑖 = Respuesta estimada
[Analito]
Fernández, Santiago; Cordero, José María; Córdoba, Alejandro. Estadística descriptiva. Segunda edición. ESIC
editorial. Madrid. España. 2002
18
4. Regresión
Evaluación de correlación
Coeficiente de
correlación de Pearson
𝑟 2 > 0.990
Respuesta
Grado de asociación
lineal entre dos variables
Coeficiente de
determinación
2
Proporción de variación de y
𝑟 explicada por variación de x
[Analito]
edición. ESIC editorial. Madrid. España. 2002 19
4. Regresión
Corroborar supuestos
Normalidad de Homogeneidad de Independencia en

residuales varianzas los errores
Test de normalidad Indica influencia de concentración Indica independencia entre los

• Shapiro-Wilk (máximo 25 muestras) en variabilidad de resultados datos tomados
• Chi cuadrado (entre 25 y 50 • Test de Cochran (replicas de los • Test de Durbin-Watson
muestras) niveles)
• Kolmogorov-Smirnov (mayor a 50 • Test de Levene
muestras) • Prueba de Barlett
http://www.statskingdom.com/index.html
20
4. Regresión
2
Línea de tendencia
1. Seleccionar datos
(puntos)
1 2. Clic derecho
3. Agregar línea de
tendencia
4. En barra lateral
seleccionar lineal y
3 casillas ecuación y r2 en
el gráfico
21
4. Regresión
0,6
0,5 y = 0,0857x + 0,0097 Pendiente 0,0857

R² = 0,9916
0,4 Intercepto 0,0097
0,3
Coeficiente de
0,9916
0,2 determinación
0,1
0,0
0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0
22
4. Regresión
1 2 Análisis de regresión
7 1. Seleccionar datos
4 5 2. Análisis de datos
3. En ventana seleccionar
regresión
3
4. Click en aceptar
5. Seleccionar datos
6. Seleccionar casillas
7. Click en aceptar
analíticos. Departamento de Química Analítica. 1 de abril de 2008 23
4. Regresión
Estadísticas de la regresión
Coeficiente de correlación r
múltiple 0,995812074
Coeficiente de determinación
R^2 0,991641687 r2
R^2 ajustado 0,991467556
Error típico 0,016611993
Observaciones 50
Sy/x
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 0,009660929 0,00347274 2,781935934 0,007700991 0,00267853 0,016643332
Concentración Cd (ppm) 0,085662611 0,00113515 75,46380523 1,55473E-51 0,08338024 0,08794498
ayb Sa y Sb
24
5. Evaluación ajuste de datos
Evaluación de parámetros de regresión
Análisis de varianza (ANOVA)
Respuesta
Análisis de falta de ajuste
Análisis de residuales en X [Analito]
Verificación de parámetros de regresión Test de t-student

Pendiente Intercepto Coeficiente de
correlación de Pearson
Comprobar pendiente Comprobar intercepto Comprobar significancia de
significativamente diferente de cero significativamente igual a cero correlación
𝑏 𝑎 𝑟 𝑛−2
𝑡𝑏 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 = 𝑡𝑎 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 = 𝑡𝑟 =
𝑆𝑏 𝑆𝑎 1 − 𝑟2
𝑡𝑏 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 > 𝑡𝑏 𝑡𝑎𝑏𝑢𝑙𝑎𝑑𝑎 dos colas 𝑡𝑎 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 < 𝑡𝑎 𝑡𝑎𝑏𝑢𝑙𝑎𝑑𝑎 dos colas 𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 > 𝑡𝑡𝑎𝑏𝑢𝑙𝑎𝑑𝑎 dos colas (α;
(α; n-2) (α; n-2) n-2)
𝐻𝑎 = Pendiente diferente de cero 𝐻𝑜 = Intercepto igual a cero 𝐻𝑎 = Existe correlación entre x y y
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Intercepción 0,009660929 0,00347274 2,781935934 0,007700991 0,00267853 0,016643332
Concentración Cd (ppm) 0,085662611 0,00113515 75,46380523 1,55473E-51 0,08338024 0,08794498
ayb
Sa y Sb ta y t b α=0,05
Nivel de significancia
t tabulado (EXCEL)
2.01
=DISTR.T.INV(0,05;(n-2))
t calculado
𝑏 75,46 𝑡𝑏 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 > 𝑡𝑏 𝑡𝑎𝑏𝑢𝑙𝑎𝑑𝑎 dos colas (α; n-2)
𝑡𝑏 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 =
𝑆𝑏 𝐻𝑎 = Pendiente diferente de cero
𝑎
𝑡𝑎 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 = 2,78 𝑡𝑎 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 > 𝑡𝑎 𝑡𝑎𝑏𝑢𝑙𝑎𝑑𝑎 dos colas (α; n-2)
𝑆𝑎 𝐻𝑎 = Intercepto diferente de cero
27
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,995812074
r t tabulado (EXCEL)
Coeficiente de determinación R^2 0,991641687
=DISTR.T.INV(0,05;(n-2))
R^2 ajustado 0,991467556
Error típico 0,016611993 2.01
Observaciones 50
t calculado
𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 > 𝑡𝑡𝑎𝑏𝑢𝑙𝑎𝑑𝑎 dos colas (α; n-2)
𝑟 𝑛−2 75.46
𝐻𝑎 = Existe correlación entre x y y
𝑡𝑟 =
1 − 𝑟2
28
Parámetro poco
confiable para
evaluar la linealidad
“El coeficiente de correlación, es una medida

de la relación de dos variables al azar… no
tiene ningún significado en calibración analítica,
debido a que los valores de x no están
distribuidos al azar” Danzer y Curie
Danzer, K.; Currie, L.A. Guidelines for calibration in analytical chemistry. Part 1. Fundamentals and single component
calibration, Pure & Appl. Chem. 1998, 70, 993-1014
Ventajas Desventajas
✓ Fácil de calcular ✓ No útiles para evaluación de

✓ Ampliamente usados linealidad
Consideraciones
✓ Significancia del intercepto útil para demostrar regresión a través del origen.
(Demostrar efectos en precisión)
✓ Métodos instrumentales tienen señal en muestras sin analito
✓ Pendiente indicador de sensibilidad del método
30

Varianza total = Varianza regresión + Varianza residual
Causa Grados Suma Cuadrados F (0.05; 1; n-2)
𝑦𝑖 variación libertad cuadrados medios (CM)
(GL) (SC)
Residuales Regresión 1 𝑆𝐶𝑟𝑒𝑔
𝑦ො𝑖 ෍ 𝑦ො𝑖 − 𝑦ത 2
𝐺𝐿𝑟𝑒𝑔 𝐶M𝑟𝑒𝑔resión
Respuesta
𝐹𝑅𝐸𝐺 =
Residual n–2 2
𝑆𝐶𝑟𝑒𝑠 CM𝑟𝑒s𝑖𝑑𝑢𝑎𝑙
෍ 𝑛 𝑦𝑖 − 𝑦ො𝑖
𝑦ത 𝐺𝐿𝑟𝑒𝑠
Total n–1 2
෍ 𝑦𝑖 − 𝑦ത
𝑦ത = promedio respuesta todos niveles,
𝑦𝑖 = respuesta medida, 𝑆𝐶𝑅𝐸𝐺 > 𝑆𝐶𝑟𝑒𝑠
𝑦ො𝑖 = respuesta estimada Variación de regresión y residual
[Analito] Contraste F de 𝐹𝑅𝐸𝐺 < 𝐹 𝑡𝑎𝑏 𝐻𝑜 = 𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙

regresión 𝐹𝑅𝐸𝐺 > 𝐹 𝑡𝑎𝑏 𝐻𝑎 = 𝐸𝑥𝑖𝑠𝑡𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙
Danzer, K.; Currie, L.A. Guidelines for calibration in analytical chemistry. Part 1. Fundamentals
and single component calibration, Pure & Appl. Chem. 1998, 70, 993-1014 31
Grados de Suma de Promedio de Valor crítico de

libertad cuadrados los cuadrados F F
Regresión 1 1,57152352 1,571523516 5694,785899 1,5547E-51
Valor p de
Residuos 48 0,013246 0,000275958 regresión
Total 49 1,58476952
1. Variación de regresión y residual 𝑆𝐶𝑅𝐸𝐺 > 𝑆𝐶𝑟𝑒𝑠
2. Contraste F de regresión
F calculado 𝐹𝑅𝐸𝐺 > 𝐹 𝑡𝑎𝑏
4.04
=DISTR.F.INV(0.05;glregresión;glresiduos) 𝐻𝑎 = 𝐸𝑥𝑖𝑠𝑡𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙
32
✓ Fácil de calcular ✓ No incluida en guías de validación

✓ Descompone fuentes de variación ✓ Test dependiente de precisión
en la regresión ✓ No es conclusiva
✓ Criterio de aceptación basado en
estadístico F
Consideraciones
✓ Emplear otras pruebas complementarias para evaluación de ajuste de datos
33
Análisis falta de ajuste

ISO 11095
Varianza total = Varianza regresión + Varianza residual Calibración lineal
usando MR
Error puro
Error total
Falta de ajuste
Respuesta
Varianza Error Varianza Falta de

ෝ𝒊
𝒚 (varianza de cada nivel) ajuste (FA)
𝑘
2
𝑆𝐶𝐸𝑃 = σ 𝑦𝑖 − 𝑦ത𝑖𝑗 𝑆𝐶𝐹𝐴 = ෍ 𝑛𝑖 (𝑦ത𝑖𝑗 − 𝑦ො𝑖 )2
ഥ𝒊𝒋
𝒚
𝑖
𝒚𝒊 𝑦𝑖 = respuesta medida; 𝑦ത𝑖𝑗 =promedio de respuesta por nivel

𝑦ො𝑖 = respuesta estimada; 𝑦ത = promedio respuesta todos niveles
[Analito]
Mendoza H, Vargas J, Lopez L, Bautista G. (2002). Métodos de Regresión. Universidad Nacional de
Colombia, http://www.virtual.unal.edu.co/cursos/ciencias/2007315/. Licencia: Creative Commons BY-NC-ND.
José Marcos Jurado. Aplicación de Microsoft Excel a la Química Analítica: validación de métodos analíticos. 34
Departamento de Química Analítica. 1 de abril de 2008
Contraste falta de ajuste
Causa variación (GL) (SC) (CM) F

𝑆𝐶𝑟𝑒𝑔
σ 𝑦ො𝑖 − 𝑦ത 2
Regresión 1
𝐺𝐿𝑟𝑒𝑔 𝐶𝑀𝑅𝐸𝐺
𝐹𝑅𝐸𝐺 =
𝑆𝐶𝑟𝑒𝑠 𝐶𝑀𝑅𝐸𝑆 𝑘 = # niveles
2
Residual n–2 σ 𝑦𝑖 − 𝑦ො𝑖 r= # replicas
𝐺𝐿𝑟𝑒𝑠
𝑆𝐶𝐹𝐴 𝑛 = # total
Falta ajuste k-2 σ𝑘𝑖 𝑛𝑖 (𝑦ത𝑖𝑗 − 𝑦ො𝑖 )2
𝐺𝐿𝐹𝐴 𝐶𝑀𝐹𝐴
𝐹𝐹𝐴 =
2 𝑆𝐶𝐸𝑃 𝐶𝑀𝐸𝑃
Error n-k σ 𝑦𝑖 − 𝑦ത𝑖𝑗
𝐺𝐿𝐸𝑃
σ 𝑦𝑖 − 𝑦ത 2
Total n-1
Contraste F de falta 𝐹𝐹𝐴 < 𝐹𝑇𝑎𝑏𝑢𝑙𝑎𝑑𝑜 → 𝐻𝑜 = 𝑀𝑜𝑑𝑒𝑙𝑜 𝑙𝑖𝑛𝑒𝑎𝑙 𝑠𝑒 𝑎𝑗𝑢𝑠𝑡𝑎 𝑎 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠
de ajuste 𝐹𝐹𝐴 > 𝐹𝑇𝑎𝑏𝑢𝑙𝑎𝑑𝑜 → 𝐻𝑎 = 𝑀𝑜𝑑𝑒𝑙𝑜 𝑙𝑖𝑛𝑒𝑎𝑙 𝑛𝑜 𝑠𝑒 𝑎𝑗𝑢𝑠𝑡𝑎 𝑎 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠
35
1. A partir de análisis de residuales de

regresión determinar:
Concentración Pronóstico Residuos Promedio (𝑦ത𝑖𝑗 − 𝑦ො𝑖 ) (𝑦𝑖 − 𝑦ത𝑖𝑗 )
Cd (μg/L) Absorbancia Absorbancia Y Y • Promedio de respuesta por
0,1 0,0036 0,0185 -0,0149 0,00618 -0,0123 -0,0025 nivel (𝑦ത𝑖𝑗 )
0,1 0,0037 0,0185 -0,0148 -0,0123 -0,0025 • Diferencia de valor estimado al

0,1 0,0045 0,0185 -0,0140 -0,0123 -0,0017 promedio por nivel (𝑦ത𝑖𝑗 − 𝑦ො𝑖 )
0,1 0,0089 0,0185 -0,0096 -0,0123 0,0027 • Diferencia de promedio por
0,1 0,0102 0,0185 -0,0083 -0,0123 0,0040 nivel a valor experimental
(𝑦𝑖 − 𝑦ത𝑖𝑗 )
36
Grados de Suma de Promedio de los

libertad cuadrados cuadrados F Valor crítico de F
Regresión 1 1,57152352 1,571523516 5694,785899 1,5547E-51
Residuos 48 0,013246 0,000275958
Falta de ajuste 8 0,00621 0,000776 4,411378479
Error puro 40 0,00704 0,000176
Total 49 1,58476952
2. Estimar suma de cuadrados de falta de ajuste (σ(𝑦ത𝑖𝑗 − 𝑦ො𝑖 )2 ) y error (σ(𝑦𝑖 − 𝑦ത𝑖𝑗 )2 )
3. Determinar grados de libertad de falta de ajuste (k – 2) y error (n - k)
4. Calcular cuadrado medio de falta de ajuste y error (SC/gl)
𝐶𝑀
5. Calcular F falta de ajuste (𝐹𝐹𝐴 = 𝐶𝑀𝐹𝐴 )
𝐸𝑃
37
Grados de Suma de Promedio de los

libertad cuadrados cuadrados F Valor crítico de F
Regresión 1 1,57152352 1,571523516 5694,785899 1,5547E-51
Residuos 48 0,013246 0,000275958
Falta de ajuste 8 0,00621 0,000776 4,411378479
Error puro 40 0,00704 0,000176
Total 49 1,58476952
3. Contraste F falta de ajuste

𝐹𝐹𝐴 > 𝐹𝑇𝑎𝑏𝑢𝑙𝑎𝑑𝑜
F calculado 𝐻𝑎 = 𝑀𝑜𝑑𝑒𝑙𝑜 𝑙𝑖𝑛𝑒𝑎𝑙 𝑛𝑜 𝑠𝑒 𝑎𝑗𝑢𝑠𝑡𝑎 𝑎 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠
2,18
=DISTR.F.INV(0,05;glFA;glerror)
Revisar intervalo
de medición
38
Análisis falta de ajuste
✓ Derivado de ANOVA de regresión ✓ Requiere varias réplicas de

✓ Descompone fuentes de variación calibración por nivel
de los residuales ✓ Test dependiente de precisión
✓ Evalúa falta de ajuste de datos a
modelo
✓ Criterio de aceptación basado en
estadístico F
Consideraciones
✓ Adecuada para evaluar ajuste de datos, a bajos r prueba no pasa.
39
Análisis de residuales en X
𝑥𝑖 15- 20% error

relativo
𝑥ො𝑖
Respuesta
1. Considerar el sesgo máximo.

2. Estimar el error sistemático por fuentes
Residuales ajenas a la calibración.
en X 3. Considerar las interferencias y su influencia
sobre el error sistemático.
4. Establecer el máximo error que puede tener
en la calibración.
[Analito]
1. Graficar las respuestas instrumentales en

Pronóstico
función de la concentración. Concentración Concentración
2. Obtener la ecuación de la recta. Cd (μg/L) Absorbancia Cd (μg/L) Residuos X
3. Ingresar los valores de Y al modelo 0,1 0,0036 -0,07017 -167,9%
obtenido. 0,1 0,0037 -0,06961 -167,3%
4. Calcular los valores de concentración 0,1 0,0045 -0,06000 -158,0%
estimados (X*) 0,2 0,0132 0,04158 -79,6%
5. Estimar el error de X 0,2 0,0154 0,06720 -67,0%
0,2 0,0220 0,14442 -29,0%
∗ 0,4 0,0466 0,43083 -0,1%
𝑋𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜 − 𝑋𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 0,4 0,0449 0,41115 -4,9%
𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜 𝑋 = 𝑥100
𝑋𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 0,4 0,0444 0,40532 -6,3%
41
0,6000
0,5000
0,4000
Absorbancia
0,3000
0,2000
0,1000
0,0000
-1,0 0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0
Concentración de Cd (μg/L)
Concentración Cd (μg/L) Pronóstico Concentración Cd (μg/L)
42
Residuos X
20,0%
0,0%
-20,0% 0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0
Error relativo
-40,0%
-60,0%
-80,0%
-100,0% Revisar intervalo
-120,0% de medición
-140,0%
-160,0%
-180,0%
Concentración Cd (µg/L)
43
✓ Cálculo simple ✓ Criterios de aceptación de 15 a

✓ Criterio de aceptación basado en error 20%
de valor de concentración estimado.
✓ Conclusivo
Consideraciones
✓ Tiene en cuenta error máximo en valores de concentración estimados.

✓ Tiene en cuenta adecuación a uso previsto
44
Determinación de Cd en labial Residuos X

0,6 15,0%
y = 0,0878x + 0,0111
0,5 R² = 0,9934 10,0%

0,4
Error relativo
5,0%
0,3
0,0%
0,2 0,0 1,0 2,0 3,0 4,0 5,0 6,0
-5,0%
0,1
-10,0%
0,0
0,0 2,0 4,0 6,0 -15,0%
1. Variación de regresión y residual 𝑆𝐶𝑅𝐸𝐺 > 𝑆𝐶𝑟𝑒𝑠

2. Contraste F de regresión
𝐻1 : Existe regresión lineal 𝐹𝑅𝐸𝐺 > 𝐹 𝑡𝑎𝑏
3. Contraste F falta de ajuste,
𝐻𝑜 : Modelo lineal se ajusta a los datos 𝐹𝐹𝐴 < 𝐹𝑇𝑎𝑏𝑢𝑙𝑎𝑑𝑜
45
Datos
Tendencia lineal Tendencia NO lineal

Inspección visual
Transformación de datos,
Test homocedasticidad selección modelo de regresión
NO SI
no lineal.
Mínimos cuadrados Pendiente (b) ≠ 1

Mínimos cuadrados Intercepto (a) = 0 (opcional)
ponderados ordinarios Coeficiente de determinación (r2) =1
𝐹𝑅𝐸𝐺 > 𝐹 𝑡𝑎𝑏

Análisis de
𝑆𝐶𝑅𝐸𝐺 > 𝑆𝐶𝑟𝑒𝑠 ANOVA regresión
p regresión < α residuales en X
p regresión > α
Falta de ajuste Modelo no lineal. Revisar

pFA > α intervalo de medición.
𝐹𝐹𝐴 < 𝐹𝑡𝑎𝑏 pFA < α
Modelo lineal se Modelo no se ajusta a
Modelo lineal se ajusta a Seleccionar intervalo en que
datos se ajustan (acotar) ajusta a los datos los datos. Revisar
los datos
intervalo de medición.
46
¿Preguntas?
47
Gracias
48
Linealidad
Taller
49
Taller linealidad
50
Taller linealidad
Ejercicio 1
Datos de la evaluación del intervalo lineal de un método para la determinación de

plomo en labial. A partir de los datos:
1. Construir la curva de calibración.
2. Realizar un análisis de regresión.
3. Realizar pruebas de contraste de hipótesis para los parámetros de regresión.
4. Evaluar ajuste de datos mediante ANOVA, falta de ajuste y residuales de X.
51
Taller linealidad
Ejercicio 2
Datos de la evaluación del intervalo lineal de un método para la determinación de

arsénico en labial. A partir de los datos determinar el intervalo lineal del método
que mejor se ajusta a los datos.
52
Formulario
Linealidad
A partir de presentación y resultados del taller, responder

preguntas en formulario
53

Presentación Linealidad PDF

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

Presentación Linealidad PDF

Cargado por

Copyright:

Formatos disponibles

TALLER VIRTUAL

Claudia Patricia Tere

✓ Calibración de método punto clave en validación de método.

Propiedad de los métodos utilizados para efectuar mediciones

Capacidad de un método analítico para obtener resultados

Es comprobada mediante inspección o

Intervalo lineal Intervalo de trabajo

Intervalo de concentraciones Intervalo de concentraciones del

¿Diseño de calibración? • Multipunto

¿Cuántas secuencias de • 3 a 6 rondas (1 punto)

¿Cuántos niveles de • 5 a 10 concentraciones

¿Distribución de los niveles de • Equidistante

¿Cuántas réplicas emplear? • 2 a 6 replicas

• Preparación estándar (volumétrica/gravimétrica)

Adaptado de: https://www.mt.com/es/es/home/applications/Laboratory_weighing/trace_metal_analysis.html

Se midieron 10 niveles de concentración de

¿Cuál es el intervalo lineal del método?

Ecuación de regresión para predecir

Método mínimos Método mínimos

Mínimos cuadrados ordinarios

✓ Relación lineal entre variables

Mínimos cuadrados ordinarios

Pendiente Ecuación de la recta

Mínimos cuadrados ordinarios

Errores de parámetros de Estimar desviaciones de

Mínimos cuadrados ordinarios

Mínimos cuadrados ordinarios

Normalidad de Homogeneidad de Independencia en

Test de normalidad Indica influencia de concentración Indica independencia entre los

0,5 y = 0,0857x + 0,0097 Pendiente 0,0857

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

Evaluación de parámetros de regresión

Análisis de varianza (ANOVA)

Análisis de residuales en X [Analito]

Evaluación de parámetros de regresión

Verificación de parámetros de regresión Test de t-student

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%

“El coeficiente de correlación, es una medida

Evaluación de parámetros de regresión

✓ Fácil de calcular ✓ No útiles para evaluación de

Análisis de varianza (ANOVA)

[Analito] Contraste F de 𝐹𝑅𝐸𝐺 < 𝐹 𝑡𝑎𝑏 𝐻𝑜 = 𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙

Análisis de varianza (ANOVA)

Grados de Suma de Promedio de Valor crítico de

1. Variación de regresión y residual 𝑆𝐶𝑅𝐸𝐺 > 𝑆𝐶𝑟𝑒𝑠

Análisis de varianza (ANOVA)

✓ Fácil de calcular ✓ No incluida en guías de validación

✓ Emplear otras pruebas complementarias para evaluación de ajuste de datos

Análisis falta de ajuste

Varianza Error Varianza Falta de

𝒚𝒊 𝑦𝑖 = respuesta medida; 𝑦ത𝑖𝑗 =promedio de respuesta por nivel

Contraste falta de ajuste

Causa variación (GL) (SC) (CM) F

Análisis de falta de ajuste

1. A partir de análisis de residuales de

0,1 0,0036 0,0185 -0,0149 0,00618 -0,0123 -0,0025 nivel (𝑦ത𝑖𝑗 )

0,1 0,0037 0,0185 -0,0148 -0,0123 -0,0025 • Diferencia de valor estimado al

Análisis de falta de ajuste

Grados de Suma de Promedio de los

Grados de Suma de Promedio de los

3. Contraste F falta de ajuste

Análisis falta de ajuste

✓ Derivado de ANOVA de regresión ✓ Requiere varias réplicas de