Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Facultad de Química
Cursos de Química Analítica
Índice
Objetivo ........................................................................................................................................................... 4
Alcance y Organización .................................................................................................................................. 4
1 Introducción ............................................................................................................................................... 5
2 Glosario, definiciones ............................................................................................................................... 6
3 Errores en el análisis químico ................................................................................................................. 8
3.1 Concepto de incertidumbre de una medición ..................................................................................... 9
3.2 Tipos de errores ................................................................................................................................10
3.2.1 Error aleatorio o indeterminado....................................................................................................10
3.2.2 Error sistemático o determinado ..................................................................................................11
3.2.3 Error bruto o grueso .....................................................................................................................11
3.3 Estimación del “valor verdadero”. .....................................................................................................11
3.4 Exactitud ............................................................................................................................................12
3.5 Veracidad ..........................................................................................................................................13
3.5.1 Sesgo ...........................................................................................................................................13
3.6 Precisión ............................................................................................................................................13
3.6.1 Desviación estándar (desviación estándar absoluta) σ ...............................................................13
3.6.2 Desviación estándar relativa sr ....................................................................................................14
3.6.3 Varianza .......................................................................................................................................14
3.6.4 Intervalo de repetibilidad (Ir) ........................................................................................................14
4 Cifras significativas.................................................................................................................................18
4.1.1 Notación .......................................................................................................................................19
4.1.2 Reglas de redondeo .....................................................................................................................19
5 Herramientas estadísticas usadas en Química Analítica ....................................................................21
5.1 Distribución normal ("campana de Gauss") ......................................................................................21
5.2 Distribución t de "Student".................................................................................................................22
5.3 Test de hipótesis o de significación ..................................................................................................22
5.4 Relación entre límites de confianza y test de hipótesis ....................................................................26
5.5 Estimación de la incertidumbre .........................................................................................................27
6 Calibración ...............................................................................................................................................30
6.1 Introducción .......................................................................................................................................30
6.2 Diseño de una curva de calibración ..................................................................................................30
6.2.1 Cantidad de puntos ......................................................................................................................31
6.2.2 Rango de concentraciones ..........................................................................................................31
6.2.3 Distribución de los puntos ............................................................................................................31
6.3 Aplicación de métodos estadísticos a la realización de curvas de calibración .................................31
6.3.1 Consideraciones generales ..........................................................................................................31
6.3.2 Análisis de regresión ....................................................................................................................34
6.3.3 Modelos de regresión ...................................................................................................................35
6.3.4 Parámetros estimados para modelos de regresión .....................................................................36
6.4 Selección del modelo ........................................................................................................................37
6.5 Desarrollo de ejemplos: selección de modelo ..................................................................................40
6.5.1 Métodos de calibración directa ....................................................................................................40
6.5.1.1 Estudio de los residuos ................................................................................................................41
6.5.1.2 Pruebas de hipótesis ....................................................................................................................46
6.5.1.2.1 Prueba de Levene para la homogeneidad de las varianzas ................................................47
6.5.1.2.2 Ejemplo de aplicación de la prueba de Homogeneidad de Levene .....................................48
6.5.1.2.3 Evaluación de la bondad del ajuste del modelo ...................................................................50
6.5.2 Discusión sobre la selección de un modelo .................................................................................52
6.6 Ubicación de la muestra en relación con la curva de calibración .....................................................55
6.7 Trazado de una curva de calibración ................................................................................................55
6.8 Interferencias causadas por la matriz ...............................................................................................58
6.8.1 Calibración en presencia de interferencias multiplicativas: estrategias para vencerlas ..............59
Página 2 de 72
Facultad de Química
Cursos de Química Analítica
Página 3 de 72
Facultad de Química
Cursos de Química Analítica
Objetivo
El objetivo de este material didáctico es reunir conceptos relacionados con el tratamiento de datos y herramientas
estadísticas básicas necesarias para su aplicación en los cursos de Química Analítica I, II y III y otros cursos
relacionados.
El conocimiento de estos conceptos permitirá al estudiante evaluar los datos analíticos en forma crítica, e inferir
a partir de ellos las conclusiones adecuadas.
Alcance y Organización
El material didáctico denominado “Tratamiento de datos en Química Analítica” cuenta con nueve capítulos
dedicados a temas relacionados con el tratamiento de los datos experimentales, expresión de resultados,
herramientas estadísticas de uso común, entre otros. Además, dispone de un Glosario que ayuda a encontrar en
forma rápida la definición de términos que serán utilizados frecuentemente en los cursos de Química Analítica.
El material es de utilidad para todos los cursos dictados por el Área Química Analítica, y así mismo será útil para
su aplicación a lo largo de la carrera del estudiante. En cada curso, de Química Analítica, se le indicará al
estudiante que capítulos serán aplicados y por lo tanto deberán ser estudiados en profundidad. En particular el
Capítulo 8 contiene herramientas estadísticas avanzadas para cursos de segundo nivel (incluye trabajos
experimentales por créditos), investigación y para uso del futuro profesional.
Se recomienda contar con el material didáctico desde que se comienza a cursar Química Analítica.
Este librillo no sustituye la bibliografía que se recomienda en cada práctico de cada curso ni a los
teóricos, sino que complementa dicha literatura con ejemplos concretos y situados en nuestros cursos.
Página 4 de 72
Facultad de Química
Cursos de Química Analítica
1 Introducción
El análisis químico completo involucra una serie de etapas, entre ellas el muestreo y preparación de la muestra,
eliminación de interferencias, medidas físicas y/o químicas. En la actualidad la medida de propiedades
fisicoquímicas para determinar la naturaleza de una entidad química o su concentración son muy frecuentes.
En las determinaciones de muchas propiedades químicas y fisicoquímicas se requieren medidas físicas, como
por ejemplo masa, volumen, temperatura, corriente, entre otras.
Cada una de las medidas que se realizan está afectada por errores, por ejemplo, si medimos un volumen con
una bureta o una probeta podemos tener diferentes errores al estimar el valor medido. En Química Analítica se
entiende que analito es el componente (elemento, compuesto o ion) de interés analítico de una muestra. Son
especies químicas cuya presencia o concentración se desea conocer. El analito puede ser identificado y
cuantificado, es decir determinar su naturaleza (¿qué es?) y su concentración (¿cuánto hay?), en un proceso de
medición química. En este sentido la concentración de un analito constituye un tipo particular de mensurando en
la metrología química.
El propósito de una medición es determinar el valor de una magnitud, llamada el mensurando, que de acuerdo
con el VIM (Vocabulario Internacional de Metrología), es el atributo sujeto a medición de un fenómeno, cuerpo o
sustancia que puede ser distinguido cualitativamente y determinado cuantitativamente.
Una cuestión que debemos tener presente es que cuando nos referimos al “valor verdadero” de una magnitud
(por ejemplo, la concentración de un analito), en realidad no es posible determinarlo, solo lo podemos estimar.
Una forma de estimar el valor de una magnitud es mediante el valor promedio (media) y a partir de este valor
es posible obtener una conclusión.
Sin embargo, el valor verdadero y el valor promedio pueden diferir, como consecuencia de los errores inherentes
al proceso de medición. Es decir que el valor promedio se conoce, pero puede que no sea completamente certero.
Toda operación, que entraña una medida, ya sea una masa, volumen, temperatura, presión, el uso de un
instrumento de medida tiene asociada una incertidumbre (falta de seguridad, de confianza o de certeza).
Los procesos de medición en Química Analítica están afectados tanto por errores aleatorios como
sistemáticos. Los resultados experimentales cuantitativos carecen de interés si no están acompañados de una
estimación de los errores involucrados en su medida. No existe aún un convenio universal para expresar estos
errores por lo que siempre es importante establecer cuál fue el criterio empleado para la expresión de los
resultados, de esta forma quien recibe esos resultados podrá interpretarlos adecuadamente.
La Estadística proporciona un camino para realizar las estimaciones tanto del valor del mensurando como del
error que lo acompaña.
Debido a las dificultades que se plantean para vincular los conocimientos estadísticos formales con la realidad
experimental, es que se desea plantear una aplicación útil de una herramienta estadística en el campo del análisis
químico. Muchos de quienes utilizan la estadística en general, no son especialistas en estadística, sino
simplemente beneficiarios de esta herramienta.
La estadística se divide, para su estudio y aplicación, en estadística descriptiva y estadística de inferencia, las
cuales son complementarias. La estadística descriptiva se refiere a la parte de la estadística que se relaciona
con la expresión gráfica de lo que se tiene en números o tablas, con el fin de ayudar a visualizar más fácilmente
lo expresado en números. La estadística descriptiva ayuda a comprender mejor la naturaleza de los datos. Si la
interpretación de los datos nos lleva a conclusiones y predicciones, llamamos a este aspecto estadística de
inferencia. A lo largo de la lectura de este material didáctico se irán explicando entonces los conceptos y
herramientas estadísticas básicas para un adecuado tratamiento de datos.
Página 5 de 72
Facultad de Química
Cursos de Química Analítica
2 Glosario, definiciones
• Analito: especie presente en una muestra de la cual se busca información analítica.
• Calibración: en Química Analítica es la operación que determina la relación funcional entre valores
medidos (respuesta instrumental) y cantidades analíticas (contenido, concentración, masa).
• Desviación estándar de la muestra (s): estimador de la precisión que se basa en las desviaciones de
̅) de una muestra finita,
los datos individuales obtenidos experimentalmente con respecto a la media (𝒙
también se conoce como desviación estándar (s).
• Desviación estándar de la población (σ): parámetro de precisión que, en principio, se basa en una
población que contiene un número infinito de medidas.
• Coeficiente de determinación (R2): el R2 es una herramienta estadística que se utiliza por ejemplo en
una regresión para predecir futuros resultados. El R2 es el porcentaje de variación de la variable de
respuesta que explica su relación con una o más variables predictoras. En general, cuanto mayor sea el
R2, mejor será el ajuste del modelo a sus datos.
• Error: diferencia entre el valor medido de una cantidad y un valor de referencia
• Exactitud: grado de concordancia entre un valor medido y el “valor real” de un mensurando.
• Escala de un instrumento de medición con dispositivo visualizador (escala de un instrumento visualizador
(graduación): parte de un instrumento visualizador, que consiste en un conjunto ordenado de marcas,
eventualmente acompañadas de números o valores de la magnitud.
• Grados de libertad: número de miembros de una muestra estadística que proporciona una medida
independiente de la precisión del conjunto.
•
Histograma: gráfico de barras en el que los resultados de medidas repetidas se agrupan por intervalos
de magnitud a lo largo de un eje horizontal, y por frecuencia, en el eje vertical.
• Incertidumbre: parámetro no negativo que caracteriza la dispersión de los valores atribuidos a un
mensurando, a partir de la información que se utiliza.
• Indicación o lectura: valor proporcionado por un instrumento o sistema de medición
• Interferencias: especies o componentes de la matriz que generan una señal analítica que no
corresponde al analito. En determinación analítica existen interferencias cuando los resultados son
inexactos como consecuencia de algún fenómeno físico o químico cuya influencia no fue prevista.
• Intervalo de confianza: límites definidos para el valor experimental dentro de los cuales, con una
probabilidad dada, deberá encontrarse el valor verdadero.
• Límite de detección: es la concentración más pequeña que se puede detectar con un cierto nivel de
confianza.
• Materiales de referencia estándar: Muestras de varios materiales en los cuales se conoce la
concentración de una o más especies.
• Matriz: medio que contiene al analito
• ̅ : la media de un conjunto finito de medidas.
Media de la muestra, 𝒙
• Media de la población, µ: valor medio de un conjunto infinito de medidas. Se corresponde con el valor
verdadero de una cantidad en el caso de carecer de error sistemático (ausencia de sesgo).
• Media: sinónimo de media aritmética y promedio. Se utiliza para informar el valor más representativo de
un conjunto de medidas.
• Mediana: valor central de un conjunto de medidas repetidas. Para un número impar de datos, existe un
número igual de datos por encima y por debajo de la mediana. Para un número par de datos, la mediana
es la media del par central.
• Medición: acción de medir
Página 6 de 72
Facultad de Química
Cursos de Química Analítica
Página 7 de 72
Facultad de Química
Cursos de Química Analítica
3 Errores en el análisis
Los errores en los análisis químicos pueden tener
químico efectos graves. Se mencionan algunos ejemplos:
Página 8 de 72
Facultad de Química
Cursos de Química Analítica
En el caso mostrado en la Figura 3-1 tenemos los valores individuales en µg L-1 de Pb:
10,1; 9,9; 9,8; 9,3; 10,2.
El promedio es 9,86 ≈9,9
La mediana se obtiene ordenando todos los valores obtenidos en forma ascendente (o descendente) y
se corresponderá con el valor del medio. Si tomamos el ejemplo anterior
9,3 9,8 9,9 10,1 10,2
La mediana se corresponde con el valor del promedio en este caso
̅ =(10,1 + 9,9 + 9,8 + 9,3 + 10,2) / 5 ≈ 9,9
𝒙
En las hojas de cálculo electrónicas, como Excel, Libre Office, Open Office, es posible estimar tanto el
promedio como la mediana fácilmente.
Hay resultados que parecen poco precisos, pero pueden resultar valiosos si se conoce la incertidumbre del
método.
Página 9 de 72
Facultad de Química
Cursos de Química Analítica
Para comprender claramente el significado de las medidas es importante conocer qué se entiende por precisión
(Fig. 3.2), veracidad y exactitud. Estos términos tienen significados diferentes y la distinción entre ellos es
importante.
Nota: En el Capítulo 5, sección 5.5, se desarrolla el concepto de incertidumbre con base estadística.
Alfa
Beta
10,00
Delta
Épsilon
Medias
9,60
Figura 3-3.- Resultados de análisis realizados por 4 analistas sobre alícuotas de un material de
referencia certificado de agua de río para la determinación de cinc. Concentración (10,000 ± 0,014
mg L-1) analizada por quintuplicado.
Clasificaríamos los diferentes laboratorios como: Alfa: preciso y sesgado; Beta: Impreciso e
insesgado; Delta: Impreciso y sesgado; Épsilon: Preciso e insesgado.
al azar alrededor de un valor medio, no pueden eliminarse y siempre están presentes. De acuerdo a esto, los
mismos afectan la precisión del procedimiento.
Dado que este tipo de errores NO pueden eliminarse totalmente, suelen ser la principal fuente de incertidumbre
en una determinación. No pueden detectarse individualmente. El efecto acumulativo de las incertidumbres
individuales tiene un efecto significativo en la incertidumbre (U) de un resultado analítico.
Página 10 de 72
Facultad de Química
Cursos de Química Analítica
Página 11 de 72
Facultad de Química
Cursos de Química Analítica
El valor medio es más confiable que cualquiera de los datos individuales. Cuando se trata de un conjunto pequeño
de datos es necesario usar estimadores para determinar el valor medio, los que tendrán una incertidumbre
asociada. Las variaciones obtenidas de los datos permiten estimar la incertidumbre asociada al valor medio.
• Promedio (media o media aritmética) y mediana
La medida más utilizada para definir un valor medio es el promedio 𝐱̅, que se obtiene dividiendo la suma de las
mediciones de las réplicas entre el número de réplicas:
∑𝑛𝑖=1 𝑥𝑖
𝑥̅ = (3-1)
𝑛
3.4 Exactitud
El término exactitud en la actualidad se define como una descripción del apartamiento entre el resultado de una
medida y el “valor verdadero” del mensurando. Las fuentes de inexactitud de una medida pueden ser tanto
sistemáticas como aleatorias. Los errores sistemáticos en general tienen mayor incidencia sobre la veracidad de
Página 12 de 72
Facultad de Química
Cursos de Química Analítica
un método (causan sesgos), mientras que los aleatorios inciden mayoritariamente en la precisión de un conjunto
de datos (aumentan la dispersión).
La exactitud se define como el grado de concordancia entre el resultado obtenido para una magnitud y el “valor
verdadero” o valor de referencia que se le ha atribuido al mensurando como resultado de distintos
procedimientos. Esos resultados considerados como “verdaderos” son resultados de certificados de análisis
emitidos por organismos acreditados, o resultados obtenidos por técnicas analíticas basadas en consideraciones
teóricas con medidas directas, entre otros. Muchas veces no se dispone de un valor de referencia, por lo que la
exactitud no siempre podrá cuantificarse.
Difícilmente se consigue buena exactitud si la precisión no es buena, sin embargo, un alto grado de precisión no
es suficiente para garantizar una buena exactitud.
3.5 Veracidad
El término veracidad se refiere al grado en que difieren los resultados que proporciona un método con respecto
al valor considerado como verdadero o de referencia. Anteriormente en libros de texto se le llamaba exactitud.
Es el grado de concordancia entre los resultados que proporciona un método, luego de una serie de medidas y
el “valor verdadero”.
Veracidad (del inglés trueness) es parecido, pero no es lo mismo que exactitud. Veracidad se emplea cuando se
describe un método, en cambio exactitud se emplea cuando se refiere a un resultado individual.
Una definición formal de veracidad es: el grado de concordancia entre el promedio obtenido de una larga serie
de ensayos y un valor de referencia aceptado. (IUPAC Chemical Nomenclature 18.6.1).
3.5.1 Sesgo
El sesgo es la diferencia entre el valor hallado mediante el método y el valor verdadero o de referencia. La
veracidad se evalúa mediante el sesgo y se asocia con los errores sistemáticos.
3.6 Precisión
El término precisión se define en base a la variabilidad
de los resultados obtenidos cuando se aplica un Evaluar la repetibilidad es una estrategia que
procedimiento repetidamente a una misma muestra. permite estimar la precisión basada en la
desviación estándar de resultados obtenidos en
La precisión describe cuán repetibles son las
iguales condiciones experimentales (réplicas
mediciones de un análisis cuando dichas mediciones
realizadas en un mismo laboratorio, con la
han sido llevadas a cabo exactamente de la misma
misma técnica analítica, el mismo operador,
manera. Se asocia con los errores aleatorios.
etc.).
Para estimar la precisión se puede usar la desviación
Cuando los resultados provienen de distintos
estándar, la varianza y la desviación estándar
laboratorios (y por ello también distintas
relativa. Estas son una medida de cuánto se alejan los
condiciones experimentales) se utiliza el término
resultados individuales entre sí.
reproducibilidad para expresar la precisión de
3.6.1 Desviación estándar (desviación estándar los resultados.
absoluta) σ
Página 13 de 72
Facultad de Química
Cursos de Química Analítica
∑𝑛1(𝑥𝑖 − 𝑥̅ )2 (3-3)
s=√
𝑛−1
̅ el estimador de µ, y n el
Dónde: s es el estimador de la desviación estándar (muestra de una población), 𝒙
número de medidas realizadas.
𝒔
𝒔𝒓 = (3-4)
̅
𝒙
• Desviación estándar relativa porcentual sr(%) (llamada también coeficiente de variación, CV % o muy
frecuentemente RSD % del inglés Relative Standard Deviation)
𝒔
𝒔𝒓 (%) = 𝟏𝟎𝟎 × (3-5)
̅
𝒙
3.6.3 Varianza
Casi de igual importancia cuando se evalúa la precisión es el cuadrado de la desviación estándar conocida como
la varianza, σ2.
Para determinar σ o σ2 sería necesario repetir infinitas veces el procedimiento. El estimador de la varianza
muestral es la desviación estándar al cuadrado
(x − x)
2
2 i (3-6)
s =
n -1
̅ el estimador de µ, n
Dónde: s es el estimador de la desviación estándar, s2 es el estimador de la varianza y 𝒙
número de medidas realizadas.
En el caso de referirse a un número acotado de valores (muestra) del total de la población el divisor que se usa
es (n - 1). Si se tuviera la población total de datos el denominador debería ser n, es decir, el total de los datos.
Obsérvese que cuanto más grande sea la muestra el denominador tiende a n. A su vez (n-1) son los grados de
libertad asociados a la varianza de la muestra.
Página 14 de 72
Facultad de Química
Cursos de Química Analítica
Ir = Z 2 r (3-7)
Siendo:
r: Sigma de repetibilidad (n > 30)
Z: Parámetro estadístico que depende del nivel de significancia utilizado. En Química Analítica se acostumbra a
trabajar a un nivel de confianza del 95%, es decir nivel de significancia 5% Z = 1,96.
En la Figura 3-4 se presenta un esquema que tiene como fin establecer la interrelación entre los conceptos de
exactitud, precisión, veracidad, sesgo, error e incertidumbre. La expresión cuantitativa de las características
veracidad y precisión da lugar a lo que se conoce como cifras mérito (o parámetros de desempeño) de un método
analítico.
Las diferentes fuentes de error deben ser estimadas con el fin de saber dónde poner los esfuerzos para disminuir
la incertidumbre de nuestros análisis.
Página 15 de 72
Facultad de Química
Cursos de Química Analítica
Página 16 de 72
Facultad de Química
Cursos de Química Analítica
• Resolución
La resolución de un instrumento es el menor valor que puede medirse directamente en la escala de dicho
instrumento, se corresponde con el intervalo entre dos divisiones consecutivas de la escala si la misma es una
escala graduada. Ejemplo pipetas graduadas. En el caso de instrumentos digitales la resolución está dada por el
valor de una unidad en la última cifra que se puede leer en la pantalla del instrumento.
Entre dos unidades graduadas consecutivas un operador puede subdividir mentalmente, para expresar el
resultado medido con mayor número de cifras. Estas cifras son entonces estimadas por el observador. Un
ejemplo de esto se tiene en la Figura 3-6. La estimación de cifras depende de la confianza y destreza del
observador, por lo que, una misma medida realizada por un mismo instrumento puede ser expresada con más o
menos cifras según el criterio del operador.
Figura 3-6.- Relojes con diferentes graduaciones, pero el usuario puede estimar la hora en el
caso B a pesar de que el reloj no está graduado con los valores intermedios
Página 17 de 72
Facultad de Química
Cursos de Química Analítica
4 Cifras significativas
El número de cifras significativas con las que se informe un resultado indica la precisión del experimento. Esto
dependerá del número de cifras significativas de los datos originales y del límite de confianza.
Cifras significativas se refiere a todos los dígitos que sean seguros, más el primero incierto. Es decir, se espera
que el último dígito sea el único que esté sujeto a cambios en repeticiones del experimento. Cuando se cuentan
las cifras significativas, ningún cero localizado a la izquierda de un dígito se considera significativo. Por tanto,
0,0030 tiene solo 2 cifras significativas, pero 3000 tiene 4 cifras significativas.
Los ceros no deben ser añadidos a la derecha de los dígitos significativos para definir magnitudes de un valor, a
no ser que verdaderamente sean significativos, pues sino lleva a confusión. Por ejemplo, no se debe dar un
resultado de 2500 ng si el resultado confiable sólo tuviere 2 cifras significativas; en dicho caso se ha de presentar
el resultado como 2,5 µg o 2,5 x 103 ng.
Durante el proceso de cálculo, se debe trabajar siempre con
todas las cifras. El redondeo a las cifras significativas debe ser Ejemplo de errores generados por no
el último paso, para evitar errores de truncamiento. considerar todas las cifras mientras se
realizan los cálculos: en una serie de
El resultado final se debe presentar con el número de cifras operaciones intermedias se obtienen
significativas que refleje la confianza del método en el los resultados parciales
resultado.
A = 3,14159265358979...
Cuando no se dispone de la incertidumbre calculada de una
B = 32,438191288
magnitud (concentración o señal), se deben evaluar las cifras
en base a los instrumentos (balanzas, espectrómetros) y C = 6,3444444444444
materiales usados. D = 3,23456789
En el caso de una señal instrumental (también denominada Llevemos todos a 3 cifras significativas
respuesta), se debe siempre registrar la misma cantidad de A = 3,14; B = 32,4;
cifras que entrega el instrumento. Si dos o más señales
instrumentales deben promediarse, este promedio se expresará
C = 6,34; D = 3,23;
con las cifras ciertas más la primera afectada de error (en general Si se realiza la operación A/(B*C*D)
se agrega una cifra más que las que se obtienen en el
instrumento). Los resultados de los datos serían:
Página 18 de 72
Facultad de Química
Cursos de Química Analítica
4.1.1 Notación
La incertidumbre asociada al
resultado analítico se expresa por Por ejemplo, si luego de realizar las determinaciones analíticas
convención con dos dígitos: la y los cálculos correspondientes, se llegara al siguiente
primera cifra distinta de cero y la que resultado: (1100 ± 113) mg kg-1, la incertidumbre se estaría
le sigue, pudiendo ser ésta igual o expresando con una cifra más de las recomendadas. Una
distinta de cero. Esto es una alternativa para expresarla siguiendo el criterio mencionado
convención que usaremos en todos los sería cambiar las unidades y escribir (1,10 ± 0,11) g kg-1. Si bien
cursos de Química Analítica. en los ámbitos académicos también se podría usar notación
exponencial, los profesionales de la Química no suelen utilizar
En algunos casos, puede surgir la duda
esta forma de expresión de resultados en los informes de
de cómo expresar una incertidumbre
análisis.
cuyo cálculo arroje 3 cifras significativas.
Si la cifra siguiente es mayor de 0,002583625 (por ej. si se informa con 4 cifras significativas) =
5, la cifra a redondear se 0,002584
aumenta en una unidad.
2935,728 (por ej. si se informa con 4 cifras significativas) = 2936
la cifra a redondear
aumenta en una unidad • 0,03727500 (por ej. si se informa con 4 cifras significativas) = 0,03728
si es impar.
Página 19 de 72
Facultad de Química
Cursos de Química Analítica
Datos anómalos: Descartar datos que nos parecen anómalos puede realizarse utilizando herramientas
estadísticas. Debe tenerse especial cuidado con esta práctica, un descarte inadecuado de datos puede dar lugar
a conclusiones inadecuadas. A modo de ejemplo, en el pasado el adelgazamiento de la concentración de ozono
en la atmosfera fue demorada porque en las primeras etapas se consideraron valores anómalos, por lo tanto, es
importante conservar los valores originales para reconstruir y asignar causas a errores. En principio se
desaconseja esta práctica a menos que pueda demostrarse, con razonable certeza, que un dato es anómalo.
Página 20 de 72
Facultad de Química
Cursos de Química Analítica
1 1 𝑥−𝜇 2
𝑒 −2 ( )
f(x)= 𝜎 (5-1)
𝜎√2𝜋
Página 21 de 72
Facultad de Química
Cursos de Química Analítica
Página 22 de 72
Facultad de Química
Cursos de Química Analítica
aceptación es igual a 1 y se corresponden con las áreas bajo la curva como las que se muestran en la Figura 5-
3.
La hipótesis planteada se relaciona generalmente con un valor numérico de algún parámetro de la población.
Por ejemplo, una hipótesis puede establecer que la vida media de la población de baterías es igual a 30,0 horas,
y se escribiría H0: µ0 = 30,0 h. Esta aseveración (hipótesis nula) puede o no ser correcta.
Un "test de hipótesis" es un ensayo para la validación de esa aseveración, y es llevado a cabo mediante el
análisis de una serie de datos que represente la población estudiada (muestra). Sería imposible analizar todo el
lote de baterías, se perdería toda la producción, por lo que se hará en una determinada parte de la población
(muestra) que debe ser representativa de toda la población.
Al evaluar una hipótesis se reconoce la posibilidad de cometer dos tipos de errores:
Rechazar la hipótesis cuando en realidad es cierta, y se llama "error tipo I". La probabilidad de cometer
un error de tipo I es α. Un α de 0,05 indica que se está dispuesto a aceptar una probabilidad de 5% de
estar equivocado al rechazar la hipótesis nula.
Aceptar la hipótesis cuando es falsa y se llama "error tipo II". La probabilidad de cometer un error de tipo
I es β. Cuando la hipótesis nula es falsa y no se la rechaza, se comete un error de tipo II.
Estos errores están definidos en términos de probabilidad y pueden permanecer bajo control dentro de ciertos
parámetros establecidos.
El error de tipo I se muestra gráficamente en la Figura 5-4 para la hipótesis H: µ0 = 0. El área entre las líneas
verticales representa la "región de aceptación" para la prueba de hipótesis. Si la muestra cae dentro de la región
de aceptación, la hipótesis es aceptada. De otro modo, es rechazada.
La pequeña porción de la curva que cae fuera de la región de aceptación (α), representa la probabilidad de
obtener un resultado de una muestra fuera de la región de aceptación, aun cuando la hipótesis es correcta.
El error de tipo II o β (o falso negativo) que es la probabilidad de aceptar la hipótesis cuando es falsa, se muestra
en la Figura 5-4 como el área sombreada con raya inclinada.
Es posible obtener un resultado muestral dentro de la región de aceptación, aun cuando la población a la cual
pertenece la muestra tiene un promedio verdadero que no es igual al promedio establecido en la hipótesis.
El valor numérico de β depende del valor verdadero, del promedio de la población, de n, α y .
Siendo:
n, el tamaño de muestra (cantidad de datos)
α, el error de tipo I deseado (aceptable)
, la desviación estándar poblacional
Página 23 de 72
Facultad de Química
Cursos de Química Analítica
Si el tamaño de muestra se fija antes debido al costo o limitaciones de tiempo, se sigue el siguiente ejemplo para
ensayar una hipótesis:
Se plantea la hipótesis nula H0 (la vida
media de las baterías es 30,0hs H0: µ0 = Distribución de µ0
30,0) Distribución de µ1
ᵦ
Se plantea la hipótesis alternativa HA (la
vida media de las baterías es diferente a
30,0 hs, HA: µ1 ≠ 30,0) α
H0 es cierta HA es cierta
Se escogió No hay error (probabilidad=1-α) o verdadero Error de tipo II (probabilidad=β) o falso
H0 positivo) negativo)
Se escogió Error de tipo I (probabilidad=α) o falso No hay error (probabilidad=1-β) o verdadero
HA positivo) negativo)
Página 24 de 72
Facultad de Química
Cursos de Química Analítica
Tabla 5.1.- La distribución t (Extraído de Miller, J.N. y Miller, J.C. Estadística y Quimiometría para Química
Analítica. 4ª Ed. (2002))
Nota: En los experimentos propuestos en los cursos de Química Analítica, la diferencia entre la
media y el valor de referencia tiene la misma probabilidad de ser positiva que negativa, por lo que
utilizará una prueba bilateral.
Ejemplo (Extraído de Miller, J.N. y Miller, J.C. Estadística y Quimiometría para Química Analítica. 4ª Ed.
(2002))
Se sospecha que una valoración ácido-base tiene un error de indicador significativo y, por lo tanto,
tiende a dar resultados con un error sistemático positivo (es decir un sesgo positivo). Para comprobar
esto, se utiliza una disolución de ácido 0,1000 mol L-1 para valorar 25,00 mL de otra disolución de una
base, 0,1000 mol L-1 con los siguientes resultados (en mL):
Página 25 de 72
Facultad de Química
Cursos de Química Analítica
Si adoptamos la hipótesis nula de que no hay ningún sesgo, H0: µ=25,00 mL, y por lo tanto HA: µ≠25,00
mL
Resulta:
t=
(X − m ) n
=
(25,228 - 25,00 ) x 6
= 2,35
s 0,238
De la Tabla 5.1, el valor de t de tabla para 5 grados de libertad (n-1 medidas) es 2,02 (P=0,05, prueba
de una sola cola). Puesto que el valor obtenido de t NO se encuentra en el intervalo -2,02 y 2,02, se
rechaza la hipótesis nula, y hay evidencia de sesgo positivo.
En este ejemplo, si se hubiera realizado una prueba de dos colas, se habría aceptado la hipótesis nula,
ya que el t de tabla sería 2,57.
La decisión de efectuar una prueba de una o dos colas debe tomarse antes de realizar el experimento,
ya que de lo contrario se podría tender a elegir la prueba conociendo ya los resultados.
Es más común encontrar casos en los que se utiliza una prueba bilateral que unilateral, y los casos en
que se utiliza esta última son detectados con facilidad.
Es útil proporcionar un intervalo de valores que Cálculo de t = (65 - 63,2) / 0,7 = 2,57
incluya al valor verdadero con cierto grado de Puesto que el valor calculado de t es menor que el valor
certeza. La amplitud de este intervalo crítico para un nivel α=0,05 no hay evidencia para rechazar
dependerá de la precisión de las medidas la hipótesis nula y por tanto para descartar que la muestra
individuales (asociadas a la desviación de Thinner pertenece a la categoría A.
estándar de la población) y del número de
medidas de la muestra. Este intervalo es
conocido como intervalo de confianza y los
límites extremos se denominan límites de
confianza.
Página 26 de 72
Facultad de Química
Cursos de Química Analítica
En el caso de límites de confianza para muestras grandes (n>30), y suponiendo una distribución normal,
entonces el 95% de las medias muestrales se encontrarán en el intervalo dado por:
𝜎 𝜎
𝜇-1,96 ( ) < 𝑥̅ < 𝜇 + 1,96 ( )
√𝑛 √𝑛
que también se puede expresar como (ya que para = 5% Z = 1,96)
(5-2)
En la práctica es poco probable conocer el valor de (desviación estándar poblacional) exactamente, sin
embargo, siempre que la muestra sea grande puede ser sustituida por su estimador s. Observe que las
dimensiones (unidades) de s son las mismas que las correspondientes a la magnitud que se está informando.
Por lo tanto, en el caso de tener que informar un valor de concentración en mg L-1, s deberá corresponder al
estimador de la desviación estándar para n determinaciones de concentración.
Es usual que en las determinaciones de rutina se realicen pocas repeticiones y muchas veces el número de
muestras es pequeño (n=5 o menor). En el caso de muestras pequeñas, s ya no es tan buen estimador de .
Por lo tanto, para muestras pequeñas, como sucede en la mayoría de los casos, los límites de confianza vienen
dados por:
s
x t n−1 (5-3)
n
El subíndice (n-1) indica que t depende de esta cantidad, que se conoce como número de grados de libertad. El
valor de t depende también del grado de confianza requerido y se obtiene de las tablas de distribución t de
Student. Cabe destacar que para valores de n grandes los valores de tn-1 para intervalos de confianza del 95% y
del 99%, respectivamente están muy próximos al valor 1,96 y 2,58. Para cada valor de n correspondiente se
deberá buscar el valor de tn-1 correspondiente en la Tabla 5.1.
Figura 5-5.- Incertidumbre en la preparación del estándar de cadmio (extraída de la guía EURACHEM)
Página 27 de 72
Facultad de Química
Cursos de Química Analítica
Una vez estimadas las incertidumbres estándar para cada componente de la incertidumbre se calcula la
incertidumbre estándar combinada (uc). Para ello se utilizan las reglas de propagación de incertidumbre
(análogas a las de propagación de errores). Finalmente se multiplica la incertidumbre combinada (uc) por un
factor de cobertura y se obtiene la incertidumbre expandida asociada al resultado analítico (U).
La incertidumbre expandida (U) define un intervalo que abarca una fracción grande de valores dentro de los
cuales se encontrará con una probabilidad dada el valor que se está midiendo. Se obtiene multiplicando la
incertidumbre estándar combinada uc por un factor de cobertura (k) seleccionado según el grado de confianza
exigido (U = k.uc). Para un 95% de confianza k=2 (este valor de k=2 no debe confundirse con el valor de t,
obtenido de las tablas de distribución t de Student para un número de muestras grande cuando se estima el
intervalo de confianza).
De esta forma el resultado se expresa como:
x U (5-4)
Si bien no hay una convención universal establecida, es usual informar los resultados acompañados de su
incertidumbre expandida expresada con dos dígitos, la primera cifra distinta de cero y la que le sigue, pudiendo
ser ésta cero o distinta de cero.
Las estimaciones de la incertidumbre son importantes no sólo para cualquiera que haya suministrado una
muestra para su análisis y exija un intervalo de valores donde debería encontrarse el valor verdadero, sino que
también son valiosas para demostrar que un laboratorio tiene la capacidad para realizar análisis de forma
confiable y comparar su desempeño con respecto al de otros laboratorios. Además, conocidas las fuentes de
incertidumbre y su contribución en el resultado final es importante tener como meta disminuir en lo posible dichas
contribuciones para mejorar la calidad de los resultados.
En algunos casos se suele informar los resultados acompañados de expresiones de incertidumbre simplificadas.
Esto es válido siempre y cuando se conozca y se haya evaluado al menos una vez la incertidumbre estándar
relativa de cada componente que contribuye a errores en la medida (sistemáticos y aleatorios) y se haya
encontrado cual o cuales de las contribuciones individuales tiene un peso preponderante sobre el resto.
En la literatura se pueden encontrar diversas formas de expresar los resultados. Es usual informar la media de n
medidas como la estimación de la magnitud medida y la desviación estándar como estimación de la precisión.
También se puede encontrar el resultado estimado como la media de la cantidad medida acompañado de su
intervalo de confianza. Hoy en día la tendencia es expresar el resultado acompañado de la incertidumbre
expandida (U), ya que la estimación de la incertidumbre involucra todas las fuentes que contribuyen al error en
una determinación analítica.
Sin embargo, como ya se ha indicado no existe aún una convención universal respecto a este tema por lo que
en cada caso debe especificarse cómo se estimó el intervalo del que va acompañado el resultado informado
junto con el valor de n.
Nota: Muchas veces en los laboratorios de análisis, por razones económicas y de tiempo se trabaja con
2 o 3 réplicas solamente. En esos casos se establecen especificaciones según las normas que se estén
utilizando. Las mismas no son arbitrarias, sino que se obtienen luego de validar las metodologías.
En estos cursos se indica en cada caso las especificaciones a cumplir y además para completar los experimentos
y ejercitar el uso de las tablas t. Cuando se trabaja con n=3, se consideran que son pocos datos, acá se ha
indicado a modo de ejemplo. No es recomendable utilizar el valor t cuando solo se cuenta con solo con dos
valores ya que el valor de tabla es 12,7, este valor hace que la incertidumbre resulte en valores poco coherentes
con la expresión del resultado. En estos casos se puede consultar sobre especificaciones, basadas en la
validación de los métodos, para evaluar si dos valores son promediables o no.
Los resultados se expresan como: (promedio ± intervalo de confianza) unidades (con n mínimo = 3)
Ejemplo: Concentración de ibuprofeno en solución pediátrica (32,25 ± 0,22) mg L-1
En el futuro el profesional en función de cada ámbito de trabajo determinará la forma de expresar la incertidumbre
de los resultados, esta puede variar según el campo de la Química donde se desempeñe el analista.
Página 28 de 72
Facultad de Química
Cursos de Química Analítica
Nota:
En los cursos de Química Analítica, de acuerdo con los datos suministrados, utilizaremos la forma
simplificada de expresión de incertidumbre según la Ecuación (5-3) o de la forma según la Ecuación (5.2),
dependiendo del contexto del análisis. En la expresión final del resultado, en estos cursos, no usaremos
incertidumbre expandida.
La Ecuación 5.2 se utilizará en aquellos casos en los que se cuente con datos históricos que representen
n>30 (aunque el estudiante solo realice dos determinaciones se cuenta con este dato histórico para
suministrarles). En todos los casos en los que se realicen pocas determinaciones y no se cuente con
este dato histórico se recurrirá a la Ecuación 5.3 (con un mínimo de n al menos 3 valores promediables).
Los criterios particulares serán descriptos en los correspondientes prácticos de los cursos.
Página 29 de 72
Facultad de Química
Cursos de Química Analítica
6 Calibración
6.1 Introducción
En las ciencias experimentales es muy frecuente la necesidad de averiguar cuál es la relación entre dos variables.
Esa situación se resuelve mediante un modelo matemático, el cual tiene asociado una representación gráfica.
En Química Analítica se plantea la necesidad de determinar la concentración de una sustancia de interés -
denominada genéricamente analito - presente en una cierta muestra, donde a todos los demás constituyentes
de esta se les denomina conjuntamente "matriz". En la mayoría de las técnicas llamadas clásicas, como
gravimetría y volumetría, la relación cuantitativa entre la medida y la cantidad de analito está determinada por
alguna relación fundamental, como la estequiometría de una reacción química (cocientes entre masas atómicas
y molares). En cambio, en la mayoría de las técnicas instrumentales de análisis se relaciona un valor suministrado
por el instrumento, al que llamaremos respuesta (R), con la cantidad de analito (concentración o masa). La señal
suministrada por el método dependerá de la naturaleza de la técnica analítica empleada, y puede ser, por
ejemplo, absorbancia, fluorescencia o emisión, etc.
Generalmente la “cantidad de analito” se mide como una concentración, sin embargo, debemos señalar que en
algunas técnicas analíticas la señal (también denominada respuesta en la literatura) es función de la masa de
analito presente.
Al proceso de establecer la relación funcional entre la respuesta y la “cantidad de sustancia le llamaremos
calibración. La relación entre esa respuesta y la cantidad de analito que denotaremos C será:
𝑅 = 𝑓(𝐶) (6-1)
𝐶 = 𝑓 −1 (𝑅) (6-2)
𝑅 = 𝑎 + 𝑏𝐶 (6-3)
Aparecen aquí los dos parámetros de la recta, su pendiente b, y su ordenada en el origen a. La pendiente se
denomina sensibilidad de calibración o simplemente sensibilidad, denominación que no debe confundirse con la
de límite de detección, que tiene un significado totalmente diferente. Habitualmente las metodologías analíticas
proporcionan una respuesta directamente proporcional a la concentración, es decir que la ordenada en el
origen vale 0 (se le denomina modelo sin ordenada en el origen):
𝑅 = 𝑏𝐶 (6-4)
Página 30 de 72
Facultad de Química
Cursos de Química Analítica
Página 31 de 72
Facultad de Química
Cursos de Química Analítica
a la precisión del método utilizado. Así por ejemplo en la Figura 6-1 puede dudarse entre las dos curvas indicadas,
una con trazo lleno y otra punteada. ¿Cuál ajusta mejor a los datos experimentales?
El problema de la selección
de la curva de mejor ajuste
1,200 puede ser superado si se
efectúa un análisis
estadístico de la información
1,000 disponible para la
construcción de la gráfica.
0,800 El método habitual de
obtener una curva de
calibración consiste en
Señal
Página 32 de 72
Facultad de Química
Cursos de Química Analítica
Al final del trabajo experimental obtendremos un cuadro de valores (donde se ha tomado la absorbancia (A) como
respuesta, pero puede ser otra dependiendo de la técnica analítica usada) del siguiente tipo:
Tabla 6.1.-
Niveles de
Concentración (m) Repeticiones (n)
1 2 3 ... n PROM.
C1 A11 A12 A13 ... A1n A1
C2 A21 A22 A23 ... A2n A2
C3 A31 A32 A33 ... A3n A3
... ... ... ... ... ... ...
Cm Am1 Am2 Am3 ... Amn Am
Así, por ejemplo, la cantidad A23 corresponde a la absorbancia obtenida en la tercera repetición de la medida de
absorbancia de la concentración C2. En la última columna se indican las absorbancias promedio para cada valor
de C, es decir:
n
A ij
j =1 6-5
Ai =
n
Página 33 de 72
Facultad de Química
Cursos de Química Analítica
Página 34 de 72
Facultad de Química
Cursos de Química Analítica
Absorbancia (=y)
Es decir, hemos adoptado el
modelo de regresión lineal:
Concentración (=x)
Para las aplicaciones usuales en espectrometría los dos modelos citados son suficientes. Además, es habitual
al discutir este tema, suponer que las curvas pasan siempre por el origen (o sea la ordenada en el origen vale
cero); esto se justifica si el método está adecuadamente diseñado y se opera correctamente (recuérdese que las
medidas se efectúan contra una referencia o un "blanco" que contiene todos los reactivos, disolventes, etc. de la
muestra menos el componente de interés y que tanto el blanco como la muestra se ubican, en el caso de
espectrofotometría, en cubetas idénticas).
Por tal motivo nuestra discusión se centrará fundamentalmente en los modelos lineales y cuadráticos
y = bx + cx2 (6-8)
y = bx (6-9)
Sin embargo, cabe señalar, que en ciertos casos la distribución de los puntos experimentales en la gráfica nos
podría inclinar a suponer un modelo con ordenada en el origen (ordenada distinta de cero) y, si realmente ofrecen
un mejor ajuste a los datos experimentales se podrá investigar la razón de dicho comportamiento.
Eventualmente la existencia de una ordenada en el origen distinta de cero puede poner en evidencia falla
en el diseño del método o en los procedimientos operacionales que sean los causantes de un valor no
nulo para dicho parámetro. Para el cálculo de los mejores valores de los parámetros a, b y c de las ecuaciones
(6-6), (6-7), (6-8) y (6-9) en base a la información experimental disponible se recurrirá al método de los mínimos
Página 35 de 72
Facultad de Química
Cursos de Química Analítica
cuadrados. 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.
Los parámetros estimados para los modelos propuestos se calculan por el método de los mínimos cuadrados.
Modelo lineal sin ordenada en el origen.
Ecuación (6-14)
b1 =
xy
(6-14)
x2
a2 =
y x 2 − x xy
(6-15)
m x 2 − ( x )2
m xy − x y
b2 = (6-16)
m x 2 − ( x )2
a3 =
x 4 xy − x 3 x 2 y
( ) 2 (6-17)
x 4 x2 − x3
b3 =
x 2 x 2 y − x 3 xy
( ) 2 (6-18)
x 4 x2 − x3
Página 36 de 72
Facultad de Química
Cursos de Química Analítica
3 2
(
x x − x y −
2 4
) x x4
− x2 x3 xy + x x − ( x ) x y
3 2 2 2
a4 =
( ) x x x x + x x − ( x ) x
(6-19)
3 2 2 2
x x − x m − − x2
2 4 4 3 3 2
x 2
x 3 − x x 4 y − ( x 2 )
2
− m x 4 xy +
x x 2
− m x 3 x 2
y
b4 =
( x ) m − x x x + x x − ( x ) x
(6-20)
x2 x4 − 3 2 2 2
4
− x2 x3 3 2
x x −
3
( x ) y − m x − x x xy + m x − ( x ) x y
2 2 3 2 2 2 2
c4 =
− ( x ) m − x x − x x x + x x − ( x ) x
(6-21)
3 2 2 2
x x
2 4 4 2 3 3 2
Página 37 de 72
Facultad de Química
Cursos de Química Analítica
Cabe destacar que la inspección visual de la representación de la curva de calibración es muy importante. El
cerebro humano es un excelente reconocedor de patrones y no se debe soslayar la etapa de observación visual
y el juicio que surge de la misma. La conclusión que se obtenga de los tratamientos estadísticos debería entonces
acompañar lo observado (Fig. 6-4 muestra un diseño adecuado).
Prueba de lack of fit o Prueba de
LOF. Es una prueba de base Calibración
1,400
estadística. La discusión de esta
se encuentra en esta misma
publicación bajo el título “6.5.1.2 1,200
Pruebas de hipótesis”. En esta
prueba se comparan dos 1,000
varianzas: la varianza respecto a la Absorbancia
regresión (s2R) y la varianza por 0,800
repetibilidad (s2rep).
0,600
• La varianza respecto a la
regresión
0,400
La varianza respecto a la
regresión mide el apartamiento de 0,200
la ordenada de los puntos
experimentales (yi) respecto al 0,000
modelo de regresión ŷi. Para 0,0 2,0 4,0 6,0 8,0 10,0 12,0
estimar este apartamiento se usan Concentración en mg L-1
los residuales, esto es la distancia
(en el eje de ordenadas) entre Figura 6-4.- Ajuste de puntos experimentales a un modelo
cada punto experimental (yi) y el lineal sin ordenada en el origen (el punto C=0; A=0 es un punto
correspondiente estimado del del gráfico)
modelo de regresión (ŷi), siendo
este último el valor de y que
corresponde, según el modelo de regresión, para el valor de x considerado.
• La varianza por repetibilidad
La varianza por repetibilidad s2rep mide la dispersión existente entre medidas repetidas correspondientes al
mismo valor de x, es decir al mismo nivel de concentración. Se asocia al concepto de precisión.
La esencia de la prueba de hipótesis es evaluar si ambas varianzas, s2R y s2rep son similares, es decir,
estadísticamente iguales. Esto se estudia mediante una prueba F. Si se concluyera que son estadísticamente
iguales (s2R = s2rep) se concluiría que el apartamiento de los puntos experimentales puede ser explicado
puramente en base a la dispersión (imprecisión) de las medidas experimentales. Si la prueba F resultara fallida,
entonces diríamos que el apartamiento de los puntos experimentales respecto al modelo de regresión no puede
explicarse completamente en base a la dispersión de las medidas, y entonces se lo atribuye a un mal ajuste del
modelo.
La esencia de la prueba hace que la misma falle cuando la precisión de las medidas es muy buena, ya que
entonces s2R> s2rep o incluso s2R>> s2rep. En estos casos puede ocurrir que ninguno de los modelos ensayados
sea significativo estadísticamente. A medida que avanza la tecnología y la precisión de las repeticiones
instrumentales es mejor, es que estas pruebas estadísticas fallan, es decir se observa un muy buen ajuste a un
modelo mediante inspección visual, la varianza de regresión es muy pequeña y aun así la prueba da que el
modelo no es el adecuado.
¿Qué hacer entonces?
Existen como se mencionó otros criterios que se pueden emplear.
Evaluación de la varianza de regresión
Estudio de los residuales
Estos dos criterios están muy ligados entre sí y miden básicamente lo mismo. Como se indicó antes, los residuos
son la distancia entre el punto experimental y el estimado de regresión correspondiente a ese valor de la variable
independiente, o sea (yi – ŷi). Pueden ser positivos o negativos como se muestra en la Figura 6.5). Si se elevan
Página 38 de 72
Facultad de Química
Cursos de Química Analítica
al cuadrado cada una de estas diferencias se obtiene una cantidad siempre positiva, y a partir de ella se calcula
la varianza respecto a la regresión s2R. Ésta es entonces una medida de los residuos, siempre positiva. Si
estamos estudiando varios modelos de regresión, y deseamos seleccionar un modelo, será aquel que tenga el
menor valor de s2R.
Pero un valor de s2R aislado, no nos indica si es posible aceptar o rechazar un cierto modelo. Podemos sí,
comparar los valores de s2R correspondientes a distintos modelos de regresión. Para aceptar un modelo se debe
tener un criterio de aceptación, ya sea arbitrario o de base estadística.
Los residuos también
pueden ser usados de 0,600
otro modo, por medio
de su representación
gráfica. Si 0,500
representamos
gráficamente los
puntos experimentales 0,400
(o los promedios si
Absorbancia
fueran repetidos)
superpuestos con la 0,300
curva de regresión,
podremos observar
cómo se distribuyen 0,200
los puntos alrededor
de la curva. Si la
dispersión fuera al 0,100
azar, tendríamos
aproximadamente la
misma cantidad de 0,000
puntos experimentales 0,0 2,0 4,0 6,0 8,0 10,0 12,0
por encima y por Concentración en mg L-1
debajo de la curva de
regresión distribuidos Figura 6-5.- Curva de calibración y residuos
aleatoriamente
(incluyendo la
posibilidad de que
algunos caigan
exactamente sobre la 0,050
curva). Si
encontramos que hay 0,040
una mayoría de puntos
0,030
por encima o por
debajo de la curva de
0,020
regresión, dicho de
otra forma, que hay 0,010
mayoría de residuales
Residuales
Página 39 de 72
Facultad de Química
Cursos de Química Analítica
ejemplo de la Figura 6-5, en la que se observan 5 valores negativos y 5 valores positivos, pero no distribuidos
aleatoriamente. En esta situación se verifica la existencia de tendencias y la distribución de los residuales no es
al azar. Un caso así puede implicar que el modelo que se está probando no es una buena representación de los
puntos experimentales. La Figura 6-6 representa los residuos para cada punto en función de la variable
independiente (concentración). Se observan dos rachas de residuos negativos, una al principio y otra al final, y
una racha de residuos positivos en el medio. Esa evidencia permite concluir que el modelo lineal empleado no
es un buen modelo de los puntos experimentales. De hecho, estos ajustan a un modelo de segundo orden
(cuadrático).
Cuando se debe seleccionar un rango de trabajo es más simple trabajar con modelos lineales, por este motivo
se busca un rango de concentraciones que ajuste adecuadamente a un modelo lineal. Para ello se siguen los
criterios antes mencionados según el caso siempre acompañado de la inspección visual.
En la siguiente sección se desarrollan algunos ejemplos de aplicación.
Este tema se dicta en profundidad en el teórico del curso de Química Analítica II, se recomienda su lectura junto
con el material de dichas clases.
Según este método las disoluciones de analito se preparan utilizando un patrón de pureza conocida del mismo.
El rango que abarcan estas concentraciones se denomina rango de trabajo. La concentración del analito en la
disolución muestra medida (Cm) debe encontrarse dentro del rango de trabajo, preferentemente en el punto
medio de éste.
Se calculan los parámetros (a, b y c) de las curvas que podrían tener un mejor ajuste a los puntos experimentales
(Yi, Xi). Los modelos que se utilizan generalmente son:
Primeramente, se obtienen las curvas de mejor ajuste para cada modelo, utilizando el método de mínimos
cuadrados:
Página 40 de 72
Facultad de Química
Cursos de Química Analítica
Página 41 de 72
Facultad de Química
Cursos de Química Analítica
Residuos al
Residuos Residuos Residuos al
Concentración cuadrado
Respuesta modelo modelo cuadrado
(mg L-1) modelo
lineal cuadrático modelo lineal
cuadrático
0,0 15 7,00 -3,21 49,00 10,29
1,0 25 4,39 2,93 19,30 8,61
2,0 32 -1,21 3,16 1,47 9,99
3,0 38 -7,82 -0,53 61,17 0,28
4,0 49 -9,43 -2,14 88,90 4,57
5,0 68 -3,04 1,34 9,22 1,79
6,0 80 -3,64 -5,10 13,27 26,02
7,0 110 13,75 3,54 189,06 12,54
-1,42E-14 0,00 431,39 74,10
En este caso, en la comparación visual de los modelos y en las sumatorias de los residuos al cuadrado hay una
diferencia notoria, así como en el coeficiente de determinación (R2).
Página 42 de 72
Facultad de Química
Cursos de Química Analítica
Esto lo podemos ver además gráficamente por medio de las siguientes figuras donde se muestran graficados la
respuesta instrumental en el primer caso, y los residuos para los modelos en el segundo.
15,00
10,00
5,00
Residuos
0,00
-5,00
-10,00
-15,00
0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0
Concentracion (mg L-1)
En estos casos es fácil discriminar y decidir que el modelo cuadrático es una mejor representación. En el gráfico
de residuos correspondientes al modelo lineal vemos que no hay una distribución aleatoria de los residuos
respecto al cero.
Por el contrario, si comparamos mediante este otro ejemplo las respuestas que se obtienen:
Residuos al
Residuos Residuos Residuos al
Concentración cuadrado
Respuesta modelo modelo cuadrado
(mg L-1) modelo
lineal cuadrático modelo lineal
cuadrático
0,0 0 -3,42 -6,71 11,70 45,00
1,0 15 -3,48 -3,95 12,08 15,57
2,0 39 5,46 6,88 29,86 47,27
3,0 45 -3,60 -1,24 12,93 1,55
4,0 56 -7,65 -5,30 58,60 28,13
5,0 85 6,29 7,70 39,51 59,24
6,0 87 -6,77 -7,24 45,88 52,48
7,0 115 6,17 2,87 38,03 8,27
Nota: obsérvese que se realiza la sumatoria de los residuos que previamente en forma individual han sido elevados al
cuadrado para cada nivel de concentración. Un error común que comenten los estudiantes es sumar los residuos de cada
nivel y luego elevar el valor de la suma al cuadrado, lo cual da un resultado diferente y es incorrecto.
En este caso la diferencia entre los coeficientes de determinación (R2) es mínima, así como en la sumatoria de
los residuos al cuadrado. Los residuos se encuentran aleatoriamente distribuidos, y observando las gráficas se
encuentra que no hay una gran mejora entre la selección de un modelo cuadrático respecto al modelo lineal, por
lo que se considerará el modelo lineal como la función entre la respuesta y la concentración (debido también a
su simplicidad para los cálculos). El modelo de regresión adoptado debe ser el más simple que dé resultados
satisfactorios. Deben tenerse presente los fundamentos fisicoquímicos de la técnica empleada. No tiene sentido
adoptar un modelo de regresión complejo simplemente porque parece tener mejor ajuste. En resumen, si los
residuos son del mismo orden, se debe seleccionar el modelo más simple siempre que se ajuste a los principios
fisicoquímicos del método analítico.
Página 44 de 72
Facultad de Química
Cursos de Química Analítica
Gráficamente podemos ver dicho comportamiento para este ejemplo en las siguientes figuras.
10,00
8,00
6,00
4,00
2,00
Residuos
0,00
-2,00
-4,00
-6,00
-8,00
-10,00
0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0
Concentracion (mg L-1)
Si se continuara aumentando el grado de la polinomial podemos llegar a tener la curva como la figura de abajo
-que pasa por todos los puntos- lo que no es representativo de una función que nos permita predecir lo que
pasará con los valores intermedios, ni es adecuada para los fines analíticos.
A medida que siga de esta manera podemos llegar a tener un R 2=1, por lo tanto, no necesariamente un mejor R2
nos está indicando un mejor modelo para usar como función de ajuste al comportamiento experimental.
Página 46 de 72
Facultad de Química
Cursos de Química Analítica
w i j = xi j − xm j
nj
w ij
i =1
wj =
nj
Luego se calcula la media global de los valores absolutos de todos los residuos, w. Finalmente, se calcula el
estadístico W:
(N - h) n j (w j − w )2
h
j =1
W =
(h − 1) (w ij − w j )2
h N
j =1 i =1
N = nj
La hipótesis nula (H0) se rechaza si W > F para 1= (h - 1) y 2 = (N - h), y para el nivel de significación deseado
( = grados de libertad). El F crítico para un valor de significación α0,05 (que corresponde a un nivel de probabilidad
elegido, usualmente 95%) se obtiene de las correspondientes tablas (ver Tabla 6.4).
Página 47 de 72
Facultad de Química
Cursos de Química Analítica
Página 48 de 72
Facultad de Química
Cursos de Química Analítica
W parcial
(N - h) n j (w j )2
h
−w
j=1 0,06712
W =
(h − 1) (w ij − w j )2
h N 0,08767
j=1 i=1 0,01233
0,08767
0,19726
W= 0,45205479
para los grados de libertad 1 = (h - 1) 4
los grados de libertad 2 = (N - h) 20
La hipótesis (H0) se rechaza si W > F Ftabla= 5,803
El F crítico para un valor de significación α0,05(que corresponde a un nivel de probabilidad elegido usualmente 95%)
se obtiene de las correspondientes tablas en la página 52 de esta publicación (Tabla 6.4- F, prueba unilateral)
Dado que W F, se acepta H0 y por lo tanto las varianzas de los datos son homogéneas
Página 49 de 72
Facultad de Química
Cursos de Química Analítica
sR2 =
n m
(
A i − A i,R
f i =1
)2 (6-22)
(A ij − A i )
m n
2
i =1 j =1 (6-23)
2
srep =
m(n − 1)
Página 50 de 72
Facultad de Química
Cursos de Química Analítica
2
sR
F= 2 (6-24)
srep
El estadístico F tiene distribución F si se cumple que los valores medidos para cada nivel tienen distribución
normal y las varianzas son homogéneas (verificado previamente mediante por ej. la prueba de Levene). Para
verificar esa suposición el valor de F así obtenido se compara con el F crítico de la tabla la distribución para un
nivel de confianza establecido (valor de significación α0,05 que corresponde a un nivel de probabilidad elegido
usualmente 95%). En este caso se trata de una prueba unilateral (s2R / s2rep mayor a 1).
Si el cociente de varianzas s2R / s2rep supera el valor crítico de Ftabla para el nivel de significación elegido, el modelo
lineal no se puede considerar una representación aceptable de la curva de calibración. Deberá entonces
recurrirse al modelo cuadrático para representar más adecuadamente los resultados experimentales. Si por el
contrario el modelo más simple pasa la prueba, no es necesario continuar evaluando otros modelos, se trabajará
con el más simple que pase la prueba de LOF.
Si bien aquí se han utilizado las técnicas de espectrometría de absorción como modelo para ejemplificar,
debe tenerse presente que este mismo razonamiento se sigue para otras técnicas como ser la
luminiscencia, espectrometría atómica, técnicas electroanalíticas, cromatografía de gases y cromatografía
líquida, entre otras.
Página 51 de 72
Facultad de Química
Cursos de Química Analítica
El uso de la Prueba de LOF (que se basa en el estadístico F), es un proceso muy exigente que requiere que los
valores de la variable independiente tengan un valor de certeza muy fuerte. Los métodos modernos de análisis
acoplados a las técnicas mucho más precisas pueden hacer que sea difícil discriminar correctamente en qué
situación se encuentran los datos.
No se debe perder de vista que el primer enfoque es la inspección visual de los datos.
Cuando la precisión obtenida entre las réplicas es muy alta, la tendencia que se presenta es a aumentar el grado
del polinomio, pero el aumento del grado del polinomio lleva consigo siempre un mejor ajuste y a obtener un R2
más próximos a uno. Esto no necesariamente es una mejor representación de la situación, dado que a medida
que aumenta el grado del polinomio el sistema se vuelve más complejo y no representa los principios
fisicoquímicos que se están estudiando.
Ejemplo: sean los resultados de un análisis obtenido los siguientes (señal medida =Absorbancia)
intervalo
Concentración 1er 2da 3era 4ta desviación
A promedio n de
mg L-1 medida medida medida medida estándar
confianza
0 (blanco) 0,0982 0,0961 0,0924 0,0838 0,0926 0,00635 4 0,0101
5,5 0,1767 0,1851 0,1999 0,1855 0,1868 0,00963 4 0,0153
9,5 0,2635 0,2801 0,2751 0,2885 0,2768 0,01045 4 0,0166
14 0,3525 0,3594 0,3632 0,3645 0,3599 0,00539 4 0,0086
20 0,4251 0,4389 0,4265 0,4278 0,4296 0,00631 4 0,0100
23 0,4985 0,4795 0,4915 0,4905 0,4900 0,00785 4 0,0125
Estos resultados se pueden representar mediante el gráfico de calibración con los diferentes modelos
Calculando los parámetros de los diferentes modelos polinómicos por mínimos cuadrados se pueden analizar los
resultados que se muestran en la tabla siguiente:
y = 1,7113E-02x + 1,0059E-01
R² = 0,9921
y = -1,5751E-04x2 + 2,0825E-02x + 8,8753E-02
R² = 0,9958
y = -4,6526E-06x3 - 4,1497E-07x2 + 1,9563E-02x + 8,9836E-02
R² = 0,9959
y = 5,2799E-06x4 - 2,4899E-04x3 + 3,4960E-03x2 + 4,3256E-03x + 9,2777E-02
R² = 0,9999
y = 1,902E-07x5 - 6,220E-06x4 - 4,039E-06x3 + 1,357E-03x2 + 1,064E-02x + 9,263E-02
R² = 1
Página 52 de 72
Facultad de Química
Cursos de Química Analítica
0,500
0,400
Abosorbancia
y = 1,71E-02x + 1,006E-01
0,300
y = -1,58E-04x2 + 2,08E-02x + 8,88E-02
Figura 6-8.- Representación de los datos experimentales con sus intervalos de confianza y
Página 53 de 72
Facultad de Química
Cursos de Química Analítica
1,50E-02
5,00E-03
Residuos
-5,00E-03
-1,50E-02
-2,50E-02
0 5,5 9,5 14 20 23
Concentración mg L-1
Figura 6-9.- Representación de los residuos para los diferentes modelos polinómicos y = bx + a,
y= cx2 + bx + a, y= dx3 + cx2 + bx + a, ■ y = ex4 + dx3 + cx2 + bx + a,
Si bien se observa una mejora en el R2 a medida que aumenta el grado del polinomio, los gráficos de la Figura
6-8 no presentan una diferencia significativa y el modelo cuadrático lleva consigo una mayor complejidad al
momento de hacer la concentración a partir de la respuesta analítica (absorbancia). En general valores de R2
mayores a 0,99 suelen ajustar adecuadamente.
Lo que ocurre es que al ir aumentando el número de grados de libertad, a medida que aumenta el grado de la
polinomial, el R2 se aproxima más a la unidad hasta llegar al valor uno que se corresponde con la polinomial en
la que se exige que todos los puntos de la línea de tendencia pasen por los valores experimentales. En este caso
daría una polinomial de grado 5.
Sin embargo, a medida que se aumenta el grado de la polinomial los sistemas se transforman en más inestables,
por lo que las interpolaciones o las extrapolaciones no se ajustan a valores justificables, aunque se hagan pasar
todos los puntos por una función matemática.
En el caso del ejemplo no hay evidencia que justifique que el modelo cuadrático tenga una mejor representación,
los residuos parecen distribuidos al azar y no parecen responder a una representación de cuadrática. Aumentar
el grado del polinomio no tiene sentido analítico alguno.
Similares consideraciones deben hacerse en relación con la eliminación de puntos para ser considerados de una
curva que represente la relación entre la concentración y la respuesta. Hay que ser muy cuidadoso y tener
justificación para desechar un punto experimental. Cuando se cuentan con pocos niveles de concentración para
construir una curva de calibración y seleccionar el modelo de mejor ajuste, es muy riesgoso eliminar puntos si no
hay una razón que lo justifique.
Página 54 de 72
Facultad de Química
Cursos de Química Analítica
Página 55 de 72
Facultad de Química
Cursos de Química Analítica
Se traza la curva que mejor represente el modelo seleccionado y se señalan los puntos experimentales.
Se debe incluir la ecuación de la línea de tendencia del modelo graficado sustituyendo las variables x
e y por las magnitudes que se graficaron en cada eje con sus respectivas unidades (ver Figura 6-10).
No es conveniente dibujar varias líneas de tendencia en un mismo gráfico ya que dificulta la inspección
visual de cada uno. Se recomienda realizar un gráfico para mostrar la tendencia de cada modelo.
El espesor de las líneas y el tamaño de los puntos debe ser tal que permita ver la dispersión de los
datos.
Se debe agregar la ecuación de la línea de tendencia con las cifras significativas adecuadas.
Se debe agregar un título adecuado: por ejemplo “curva de calibración: determinación de paracetamol”
Calibración
1,400
A = 0,1206C + 0,0021
1,200 R² = 0,9992
1,000
0,800
Absorbancia
0,600
0,400
0,200
0,000
0,0 2,0 4,0 6,0 8,0 10,0 12,0
Concentración (mg L -1)
Figura 6-10.- Ejemplo de curva de calibración correctamente diseñada en el caso de un ajuste lineal
con ordenada
Página 56 de 72
Facultad de Química
Cursos de Química Analítica
En la Figura 6-11 se ilustran algunos errores frecuentes cometidos en la representación gráfica de curvas de
calibración. Dada la importancia de la representación de las curvas de calibración para los cursos de Química
Analítica, el incorrecto diseño de las mismas conlleva descuento de puntaje en las evaluaciones.
Página 57 de 72
Facultad de Química
Cursos de Química Analítica
Las interferencias químicas de tipo multiplicativas ocasionan un cambio de la pendiente de la curva de calibración
si se compara una curva realizada con patrones puros con una realizada en la propia matriz por lo cual los
métodos de calibración directa ya no son apropiados.
Pueden presentarse como consecuencia de las diferentes propiedades de los patrones puros en un determinado
disolvente y el analito en una muestra compleja. Su efecto es análogo al de multiplicar la pendiente por un factor
distinto de 1.
Las fuentes de estas interferencias multiplicativas, también conocidas con el nombre de “efecto matriz” son
variadas y dependerán de la técnica y el método en cuestión y de las circunstancias que rodean su ejecución, en
especial cuáles son las características de la matriz que rodea al analito.
Página 58 de 72
Facultad de Química
Cursos de Química Analítica
En los procesos analíticos se pueden obtener medidas interferidas, algunas de estas interferencias
cambian con el valor de la concentración y por lo tanto llevan a resultados erróneos.
Las causas de interferencia multiplicativa pueden ser de origen tanto químico como físico. Entre las
primeras se suele citar a modo de ejemplo la reacción del calcio con fosfatos en técnicas de absorción
atómica. En este caso el analito (calcio) reacciona con un componente de la matriz (fosfato) dando lugar
a un compuesto termoestable que no produce respuesta (absorción). Como consecuencia de la reacción
puede ocurrir que sólo una fracción de los átomos de Ca introducidos a la llama (donde se producen los
procesos que dan lugar a las señales) estará disponible en un momento dado para absorber, o sea que
hemos multiplicado la concentración de átomos libres presentes en la llama por un factor distinto de uno,
en este caso, menor que uno. Si nuestra calibración se hace con patrones de calcio en disolución acuosa,
libre de fosfatos, los patrones tendrán un comportamiento diferente y el proceso analítico conducirá a
errores en la determinación de calcio en la muestra real.
Como ejemplo de interferencia física podemos considerar la diferencia en viscosidad que puede darse
entre la muestra compleja y los patrones de calibración. Por ejemplo, cuando se trabaja con muestras de
origen biológico (como suero sanguíneo), etc. En espectrometría de absorción atómica de llama, la
velocidad de succión de la muestra varía inversamente con la viscosidad del medio que se succiona. En
este caso será menor que en el caso de los patrones y como consecuencia la concentración de los átomos
libres en la llama, y por tanto la respuesta, es multiplicada por un factor distinto de uno.
Algunas veces, la existencia de interferencias puede hacernos preferir el uso de técnicas analíticas separativas
(como la cromatografía). En los casos en que esta alternativa no sea la elegida, se deberá considerar la existencia
de las interferencias en el momento de diseñar el proceso de calibración.
Página 59 de 72
Facultad de Química
Cursos de Química Analítica
Este método permite detectar y corregir interferencias de tipo multiplicativo, siempre que se cumplan ciertas
condiciones.
Para aplicarlo se toman varias alícuotas exactas de la muestra, y a cada una de ellas se le agrega una cantidad
distinta y exactamente conocida del patrón, de allí el nombre del método. Por ejemplo, si fueran disoluciones, se
tomarían alícuotas en volumen de la muestra a un matraz y se agregarían volúmenes diferentes pero conocidos
de patrón, llevándose en todos los casos al mismo volumen final. Posteriormente se registraría la señal
instrumental y se la graficaría en función de las adiciones (C) expresadas en concentración o masa, según
correspondiera.
En la mayor parte de las versiones de este método, la matriz de la muestra es casi idéntica después de cada
adición, y la única diferencia es la concentración del analito. Todos los otros constituyentes de la mezcla de
reacción deben ser idénticos porque los patrones están preparados en alícuotas de la muestra. Esto implica que
las adiciones que se realizan sean de pequeños volúmenes para alterar poco la matriz (no diluirla demasiado).
Si R es la señal proporcionada por una disolución, para el caso de la muestra tenemos:
𝑛0
𝑅0 = 𝑏′𝐶0 = 𝑏′ (6-27)
𝑉0
que representa la señal proporcionada por una alícuota de la muestra de volumen V0, que contiene n0 moles del
analito, siendo b' la pendiente de esa curva de calibración en presencia de interferencia (en general b ≠ b').
Si Ri es la señal proporcionada por la i-ésima disolución,
𝑛0 + 𝑛𝑖
𝑅𝑖 = 𝑏′ (6-28)
𝑉𝑇
donde Ri es la señal después de la i-ésima adición, ni el número total de moles agregados a la i-ésima adición y
VT el volumen total final de la i-ésima disolución.
Expresando en función de concentraciones tenemos:
Hay que recordar que la matriz original contiene una cierta cantidad inicial de analito C0 (que justamente es la
que deseamos determinar). Para poder aplicar con éxito el Método de las Adiciones Estándar se deben cumplir
los siguientes requisitos:
1) La curva de calibración debe ser lineal en el intervalo de concentraciones considerado. Esto es así porque en
este método, se recurre a una extrapolación (lo que no se debe hacer en las calibraciones directas como ya se
explicó).
2) El patrón (o estándar) agregado debe estar en la misma forma química (en lo referente a estado de oxidación,
complejación, etc.) que el analito en la muestra. De esta manera nos aseguramos que tenga el mismo
comportamiento.
3) Las interferencias multiplicativas deben ser constantes en el rango de concentraciones de las muestras y
adiciones estándar (es decir afectan con un mismo factor en todo el rango de concentraciones en el rango lineal).
4) Las interferencias aditivas deben estar ausentes o ser corregidas, o sea, la señal analítica debe originarse
solamente en el analito. El método de adiciones estándar no detecta ni corrige interferencias aditivas.
En el teórico de Q. Analítica II se cuenta con ejemplos de aplicación y cálculo así como en los libros de Química
Analítica y Análisis Instrumental recomendados en nuestros cursos.
Página 60 de 72
Facultad de Química
Cursos de Química Analítica
Recordando que hipótesis nula (H0) se corresponde con la afirmación sobre alguna característica de la población
de interés y que queremos comprobar si es verdadera o falsa. Y hipótesis alternativa (H A): hipótesis que en caso
de ser falsa H0, se toma como verdadera. (Capítulo 5.3 Test de hipótesis o de significación)
Si se comprueba mediante alguno de estos dos métodos que b ≠ b' entonces existen interferencia multiplicativas.
1) Cuando el valor de la pendiente en ausencia de interferencia es conocido, b 0, (caso que se puede dar por
ejemplo en espectrofotometría molecular).
H0 : b' = b0
(6-30)
HA : b' b0
2) Cuando se comparan pendientes de curvas realizadas con patrones puros (sin interferencia), b, y de patrones
agregados a la matriz, b'.
H0 : b' = b
HA : b' b (6-31)
Debe tenerse en cuenta que la concentración (o masa) C 0 a la que se hace referencia, es la del analito en la
muestra diluida, ya que se tomaron alícuotas de la muestra que fueron diluidas a un cierto volumen final.
Página 61 de 72
Facultad de Química
Cursos de Química Analítica
Una variante del método de adiciones estándar lo constituye el Método de Adición Única, en el cual la recta se
determina con sólo dos puntos: a una alícuota de la muestra no se le agrega estándar y a la otra sí. En este caso
la concentración del analito en la muestra se puede calcular mediante la fórmula:
S 2V2 C s
CX =
(S1 − S 2 )V X (6-32)
donde S1 y S2 son las respuestas obtenidas para ambas disoluciones (corregidas de toda interferencia aditiva),
Vx el volumen de las alícuotas de la muestra, Vs el de la disolución patrón de concentración Cs. La deducción
de esta a partir de la ecuación de una recta que pasa por 2 puntos conocidos es inmediata. Demás está decir
que la aplicación de esta variante parte del presupuesto de linealidad, que se supone verificado previamente.
La popularidad del Método de las Adiciones Estándar, especialmente en el campo del análisis de trazas, hace
que frecuentemente se pierdan de vista sus limitaciones. Aparte del cumplimiento de los requisitos mencionados
anteriormente, se debe tener en cuenta que se trata de un método intrínsecamente más veraz, pero menos
preciso, ya que se basa en una extrapolación, a diferencia de la calibración directa, que se basa en la
interpolación. Además, requiere tener cantidad suficiente de cada muestra y lleva mucho más tiempo realizarlo.
En la Figura 6-13 se puede observar cómo aumenta la incertidumbre hacia los extremos de la curva de
calibración.
Por este motivo es de suma importancia el correcto diseño de la curva, es decir, la elección de los valores de
Ci, a efectos de minimizar la incertidumbre en la pendiente de la curva y por tanto la incertidumbre en C 0.
Como ya se mencionó para aplicar este método antes debió evaluarse cuál es el rango de concentraciones para
el cual el modelo de mejor ajuste es lineal.
Nota: Se recomienda acompañar la lectura de este tema con el material del teórico de los cursos de Q. Analítica
II, donde se resuelven ejemplos numéricos y la bibliografía allí recomendada.
Bibliografía básica sugerida
Además del material del teórico del curso de Química Analítica I se debe complementar con:
• D. A. Skoog, D. M. West, F. J. Holler, S. R. Crouch, “Fundamentos de Química Analítica”, 8ª edición.
Cengage Learning, Mexico, 2005. PARTE I - Capítulo 7, 8A y 8C.
Página 62 de 72
Facultad de Química
Cursos de Química Analítica
Cuando un analista estudia concentraciones a niveles de traza, las señales son bajas, por tanto, la dispersión
(imprecisión) es alta y la precisión relativa es baja. Si la imprecisión fuera muy grande la tarea de informar un
resultado cuantitativo con baja incertidumbre se vuelve imposible, y sólo se puede aspirar a informar si el analito
está presente o ausente en la muestra. Esto es denominado a veces como problema de la detección. En estas
condiciones la afirmación de que el analito está presente o está ausente lleva asociados dos tipos de errores,
uno es informar la presencia de un analito cuando éste está realmente ausente, y otro es afirmar que está ausente
cuando de hecho está presente. La probabilidad de que ocurra cada uno de estos errores debe minimizarse bajo
una definición lógica y científica de qué es y cómo estimar el límite de detección.
Siguiendo los criterios más aceptables definiremos al límite de detección de una sustancia según un
procedimiento analítico completo dado, como la menor concentración (o cantidad) de dicha sustancia que puede
ser cualitativamente detectada con un nivel de confianza especificado.
Es importante evitar la confusión de límite de detección de un método analítico con su sensibilidad. La palabra
“sensible” se utiliza generalmente cuando se habla de un “límite de detección bajo” dando lugar a una
ambigüedad. La sensibilidad de un método se define correctamente como la pendiente de la recta de calibración
siempre que la representación sea lineal, puede ser medida en cualquier punto de ella. Por el contrario, el límite
de detección de un método se calcula utilizando otros parámetros además de la pendiente (Miller y Miller, 2002).
Básicamente el límite de detección es la mínima concentración de analito que proporciona una respuesta
significativamente distinta de la respuesta del blanco a un nivel de confianza estipulado. Esta cifra de mérito o
parámetro de desempeño de un método analítico es muy importante ya que permite decidir si éste es adecuado
o no para el analito a determinar y a su vez permite interpretar correctamente un resultado de ausencia de analito.
La forma de estimar el límite de detección es muy variada, por lo que es necesario indicar la forma de cálculo o
indicar la fuente de referencia. La IUPAC en 1978 propuso la adopción de lo que se conoce como el “criterio 3s”
para estimar el límite de detección (ks siendo k=3); un criterio ampliamente utilizado hasta el día de hoy es el que
utilizaremos en este curso:
3s
LD = (7-1)
m
Donde “m” es la pendiente de la curva de calibración y “s” es la desviación estándar de una serie de medidas de
la respuesta del blanco (cuando esto es posible) o de una disolución de baja concentración del analito en estudio;
de esta manera se obtiene el valor del LD. La ecuación aplica considerando que se trabaje con un modelo lineal
sin ordenada (o con una ordenada con valor despreciable en el contexto del método analítico).
Cuando en un proceso analítico la concentración hallada es inferior al LD, se debe informar NO DETECTADO y
acompañar el informe del valor del LD estimado para el método analítico en unidades adecuadas.
Lógicamente, la afirmación de que un analito está “ausente” sólo tendría sentido si la capacidad de detección del
método es conocida. En efecto, basta que en la muestra esté presente una sola unidad del analito (sea ésta una
molécula, un ion o un átomo) para que estrictamente el mismo esté “presente” aunque no sea detectado.
Cabe mencionar que en algunos ámbitos se utilizan también otros valores de cobertura (k) como por ejemplo los
valores 3,29 o 3,3 entre otros dependiendo del contexto, pero la IUPAC y la Guía Europea de validación
(Eurachem-CITAC) explican en sus publicaciones que la aproximación a k=3 es válida para estimar el LD (ver
bibliografía al final de este apartado).
Cuando se informa un resultado como no detectado, no se está diciendo que el analito no se encuentra en la
muestra, sino que está en una concentración inferior al límite de detección. El informe no debe decir “no
existe”, sino que se debe informar < LD (menor al límite de detección).
El límite de detección, la relación señal - ruido y la sensibilidad son parámetros de calidad. Estos son útiles para
evaluar la calidad de los instrumentos.
Página 63 de 72
Facultad de Química
Cursos de Química Analítica
Sin embargo, para análisis químicos, la determinación experimental del límite de detección es probablemente el
mejor parámetro de calidad porque se basa en los tres criterios siguientes:
Es un número único.
Se puede usar para comparar datos de diferentes laboratorios.
Cuanto menor es el valor de dicho límite más eficaz es el método en cuestión para detectar la presencia
del analito.
Es la concentración mínima que puede determinarse con un nivel aceptable de exactitud. Debido a lo anterior,
valores de concentración de analito inferiores al LC y superiores al LD se informan como menor que el LC; que
significa detectado, pero no cuantificado. Para su estimación se utiliza el “criterio 10 s”:
10s
LC = (7-2)
m
Una vez más, “m” es la pendiente de la curva de calibración y “s” es la desviación estándar de una serie de
medidas de la respuesta del blanco (cuando esto es posible) o de una disolución de baja concentración. La
ecuación aplica considerando que se trabaje con un modelo lineal sin ordenada (o con una ordenada con valor
despreciable en el contexto del método analítico).
Si el valor de la concentración del analito se encuentra entre el LD y el LC, el informe debe decir < LC (menor al
límite de cuantificación indicando el valor de éste).
Si el valor de la concentración del analito supera el LC se podrá informar su valor numérico acompañado de su
correspondiente incertidumbre.
NOTA: Este tema se desarrolla en extenso en el curso teórico de Química Analítica II. Se recomienda repasar el
tema acompañando con el material del teórico de esas clases.
Bibliografía recomendada
Skoog, D.A., Holler, F.J., y Crouch, S.R. (2008) Principios de análisis instrumental. 6ª edición. Cengage
Learning Editores. México, México. Capítulo 1E.
Magnusson, B., Örnemark, U. (eds.) (2014). Eurachem Guide: The Fitness for Purpose of Analytical
Methods – A Laboratory Guide to Method Validation and Related Topics. 2a edición.
https://www.eurachem.org/index.php/publications/guides/mv. Acceso el 03/01/2020.
International Conference on Harmonisation of Technical Requirements for Registration of Pharmaceuticals
for Human Use. ICH: Harmonised tripartite guideline. Validation of analytical procedures.
https://www.ich.org/page/quality-guidelines. https://www.ich.org/page/quality-guidelines Acceso el
03/01/2020.
Página 64 de 72
Facultad de Química
Cursos de Química Analítica
Este capítulo contiene material que podrá utilizarse en los cursos de segundo nivel, según
las diferentes carreras. También es un material útil para investigación, realización de trabajos
experimentales creditizables en el Área de Q. Analítica y para el futuro profesional.
Es frecuente que en los trabajos relacionadas a la Química Analítica sea necesario estimar si los resultados
obtenidos de una muestra se corresponden con el valor certificado, establecer si los resultados obtenidos por
dos analistas son equivalentes, cuando se desarrolla un nuevo método para evaluar si este arroja valores
significativamente diferentes a los de un método considerado de referencia. Para llevar adelante esta
comparación en forma objetiva se puede recurrir al uso de la estadística, realizando pruebas de hipótesis, en
este caso particular se realiza una prueba t para hacer comparaciones.
Para ello es necesario comparar resultados obtenidos al realizar réplicas con dos métodos diferentes, uno de los
cuales debe ser el método de referencia y el otro el método propuesto.
Se calcula el valor del estadístico t y se compara con los valores tabulados para un número de réplicas y para un
dado nivel de confianza especificado (en Química Analítica usualmente consideramos P=0,95 o sea α=0,05). Si
el valor calculado de t en valor absoluto es superior al valor de tabla entonces hay diferencia significativa entre
los métodos a ese nivel de confianza, si por el contrario es menor entonces no hay diferencia significativa.
• En la práctica el analista se puede encontrar con diferentes
situaciones según la disponibilidad de datos provenientes Esquemáticamente se puede
de un análisis y la disponibilidad de un valor µ de referencia simplificar como:
proveniente de otras mediciones para la media. Se plantea
a.- comparación con un valor de
la hipótesis de si un método dado da resultados
referencia (“comparación contra un
estadísticamente iguales a µ, a un dado nivel de confianza valor verdadero”).
α establecido.
• Si no hay un valor µ aceptado como de referencia se puede b.- comparación de dos medias de
realizar una serie de análisis de réplicas de una misma valores experimentales obtenidos a
partir de una muestra.
muestra usando los dos métodos, donde uno de ellos es
usado como método de referencia. c.- comparación de varios valores
• Se puede hacer una serie de análisis en un conjunto de experimentales a partir de un
muestras diferentes por los dos métodos y estimar si los conjunto de muestras analizadas
resultados son estadísticamente iguales. cada una por los dos métodos
(“muestras apareadas”)
En todos los casos anteriores se utiliza la prueba t que se
describe a continuación
𝑡𝑠
𝜇 = 𝑥̅ ± (8-1)
√𝒏
Por lo que el estadístico será
√𝑛 (8-2)
±𝑡 = (𝑥̅ − 𝜇)
𝑠
Página 65 de 72
Facultad de Química
Cursos de Química Analítica
Si se dispone de un buen
estimador del valor Ejemplo 1
“verdadero” de otros
análisis, o por ser un Se está desarrollando un procedimiento para determinar cinc a nivel de
material de referencia trazas en sedimentos marinos utilizando una digestión asistida por
certificado procedente de microondas seguida de medición por espectrometría de absorción atómica.
un centro de referencia Se analiza el material de referencia certificado NIST de sedimentos marinos
como el Nacional Institute n veces para hacer la validación del método (n=5). Se obtienen los
of Standards and siguientes datos:
Technology (NIST) • media de 10,8 mg L-1.
entonces la ecuación (8-2) • desviación estándar de 0,7 mg L-1.
se puede usar para
• el valor certificado es 11,7 mg L-1.
determinar si el valor
• nivel de confianza de 95%, α=0,05.
obtenido de un método de
• n=5, por lo que son 4 grados de libertad (gl).
ensayo es
estadísticamente igual al • el valor tabulado de t al nivel de confianza de 95% es 2,776. (se
valor aceptado. puede obtener del Excel mediante
=INV.T.2C(α;gl))=INV.T.2C(0,05;4)).
A partir de la ecuación
(8-2), se puede notar que, √𝑁
•
al mejorar la precisión, (al
Respuesta: ±𝑡 = (𝑥̅ − 𝜇) 𝑠
ser más pequeño s) el valor
calculado de t se hace
√5
±𝑡 = (10,8 − 11,7) = −2,87
mayor. Al mejorar la 0,7
precisión es más fácil tcal>ttabla por lo que hay diferencia significativa entre los métodos al
distinguir diferencias no
nivel de confianza del 95%
aleatorias.
También se puede ver para esos grados de libertad que probabilidad le
Si se comparan conjuntos
corresponde a ese t
muy grandes de muestras,
con una mayor precisión (s (Usando una planilla de cálculo como Excel se puede mediante
más pequeño), el intervalo =DISTR.T.2C(tcal;gl) =DISTR.T.2C(2,87;4) = 0,045 <0,05,
de aceptación se vuelve P = 1-α = 0,955 > 0,95
muy pequeño por lo que la
En este caso el valor de t está dentro de la región de rechazo, por lo que hay
decisión del número de
diferencia entre los dos métodos.
medidas a realizar debe
adecuarse al experimento.
x , son los valores individuales en cada conjunto. n1 y n2 son número de mediciones de cada conjunto, s1 y s2 son
i2
Página 66 de 72
Facultad de Química
Cursos de Química Analítica
𝑠12
𝐹= (8-3)
𝑠22
Ejemplo: 2
Se analizó una muestra de leche para la determinación de calcio por un método desarrollado en el laboratorio
(1) y se comparó con los análisis realizados por de un método de referencia (2). Los resultados fueron
(mg/100g)
Método desarrollado Método de referencia
20,10 18,89
20,50 19,20
18,65 19,00
19,25 19,70
19,40
Media 19,58 19,20
n 5 4
GL 4 3
s 0,72853 0,35874
s2 0,53075 0,12869
Fcalculado 4,12
Probabilidad para F 0,95
F tabla (GL1, GL2) 9,12
F (α=0,05) (4;3) Las varianzas son iguales
El valor de tabla se puede obtener de hojas de cálculo como Excel mediante la función
=DISTR.F.INV(alfa;F12; grados_de_libertad1; grados_de_libertad2)
• Alfa = 1- probabilidad asociada a la distribución acumulativa F.
• grados_de_libertad1: El número de grados de libertad del numerador.
• grados_de_libertad2: El número de grados de libertad del denominador.
Ejemplo = DISTR.F.INV0,05;4;3) =9,11718225≈ 9,12
8.2.1.1 Comparación de las medias de dos muestras cuando las varianzas son homogéneas
Cuando se aplica la prueba t a dos conjuntos de datos, en la ecuación se reemplaza por la media del segundo
𝑛1 𝑛2
conjunto √𝑛 ⁄ 𝑠 se reemplaza por√ ⁄𝑠𝑝 donde sp es la desviación estándar combinada de las mediciones
𝑛1 +𝑛2
𝑥1 − ̅̅̅
̅̅̅ 𝑥2 𝑛1 𝑛2
±𝑡 = ( )√ (8-4)
𝑠𝑝 𝑛1 + 𝑛2
Página 67 de 72
Facultad de Química
Cursos de Química Analítica
La desviación estándar combinada se usa para obtener una estimación mejorada de la precisión de un método,
y se usa para calcular la precisión de los dos conjuntos de datos en una prueba t apareada. Es decir, más que
confiar en un solo conjunto de datos para describir la precisión de un método, en ocasiones es preferible realizar
varios conjuntos de análisis, por ejemplo, en días diferentes o con distintas muestras, con composiciones
ligeramente variadas. Teniendo en cuenta que el error indeterminado (aleatorio) se supone igual para cada
conjunto.
La desviación estándar combinada sp está dada por (8-5)
𝑥1 2 + ∑(𝑥𝑖2 − ̅̅̅)
∑(𝑥𝑖1 − ̅̅̅) 𝑥2 2
𝑠𝑝 = √
𝒏𝟏 + 𝒏𝟐 − 𝟐
Ejemplo 3 - Comparación de las medias de dos muestras cuando las varianzas son homogéneas
En una serie de experimentos en el desarrollo de un procedimiento para la determinación de calcio en
alimentos, las muestras se tratan con ácido nítrico (en un proceso asistido por microondas) 50% y 30% (v/v).
Los resultados se muestran a continuación:
Página 68 de 72
Facultad de Química
Cursos de Química Analítica
8.2.1.2 Comparación de las medias de dos muestras cuando las varianzas no son homogéneas
Si luego de aplicar una prueba F se obtiene que las mismas no son iguales se debe recurrir a otra forma de
cálculo para la estimación de la desviación estándar combinada.
Para contrastar si las medias son iguales, cuando las varianzas de las poblaciones son diferentes se usan las
ecuaciones siguientes
𝑥1 − ̅̅̅
̅̅̅ 𝑥2
±𝑡 = (8-6)
𝑠12 𝑠22
√ +
( 𝑛1 𝑛2 )
2
𝑠12 𝑠22
Con los grados de libertad ( + )
𝑛1 𝑛2
𝐺𝐿 = (8-7)
(redondeado a un número entero) 𝑠12 𝑠22
( 2 + 2 )
𝑛1 (𝑛1 −1) 𝑛2 (𝑛2 −1)
Ejemplo 4- Comparación de las medias de dos muestras cuando las varianzas no son homogéneas
En un estudio de investigación clínica se estudia la concentración en suero sanguíneo de una molécula
que se le suministra a pacientes que tienen una enfermedad y a un grupo control. Se quiere saber si la
concentración del medicamento es efectiva.
Página 69 de 72
Facultad de Química
Cursos de Química Analítica
Si no hay diferencia entre los dos métodos, entonces estas diferencias entre las medias de las poblaciones debe
ser cero.
el desgaste es el mismo por tanto no se ha demostrado que un motor se desgaste más que el otro.
Diferencia teórica es cero, por lo tanto aplicando la (8-2) 𝑡 = (𝑥 ̅ − 𝜇) √𝑁/𝑠
±𝑡 = (−0,0045) √6/0,0149 = t = -0,741 mientras que el t de tabla 2,57 para 5 GL y α = 0,05 (o del Excel
=DISTR.T.INV(0,05;5)
Página 70 de 72
Facultad de Química
Cursos de Química Analítica
9 Materiales de apoyo
Bibliografía general
D. A. Skoog, D. M. West, F. J. Holler, S. R. Crouch, “Fundamentos de Química Analítica”, 8ª edición. Cengage
Learning, Mexico, 2005. PARTE I.
J.C. Miller y J.N. Miller, “Estadística y Quimiometría para Química Analítica” (4ª edición). Pearson, Madrid, 2002.
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).
VIM, Vocabulario Internacional de Metrología Conceptos fundamentales y generales, y términos asociados (VIM).
3ª Edición en español 2012. Traducción de la 3ª edición del VIM 2008. Disponible en línea para descargar en:
https://www.cem.es/sites/default/files/vim-cem-2012web.pdf Acceso 02/01/2020
Magnusson, B., Örnemark, U. (eds.) (2014). Eurachem Guide: The Fitness for Purpose of Analytical Methods –
A Laboratory Guide to Method Validation and Related Topics. 2a edición.
https://www.eurachem.org/index.php/publications/guides/mv . Acceso el 02/01/2020.
Página 71 de 72
Facultad de Química
Cursos de Química Analítica
Montevideo – Uruguay
Página 72 de 72