DIPLOMATURA

GESTIÓN DE LA CALIDAD EN
LABORATORIOS DE ENSAYO
ISO/IEC 17025
CURSO
Validación de métodos de ensayo
GENERACIÓN DE
EXPECTATIVAS

SESIÓN N° 5
TEMARIO SESIÓN N° 5 PRODUCTO DE APRENDIZAJE
ESPERADO
5. Análisis de parámetros de Guía de Trabajo Aplicativo 5-6:
Desempeño
 Análisis de parámetros de
5.7 Precisión desempeño:
• Precisión

3
SABERES
PREVIOS

¿Qué entiende por precisión?

https://www.linkedin.com/pulse/115-ideas-
en-15-minutos-antonio-j-ramirez

4
CONFLICTO
COGNITIVO

¿Cómo se evalúa el parámetro

precisión?

https://es.dreamstime.com/fotograf%C3%ADa
-de-archivo-consiga-certificado-ganan-el-
documento-oficial-de-la-certificaci%C3%B3n-
image18887682

5
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

5.7 Precisión

“Es la proximidad de concordancia entre los resultados de

pruebas independientes obtenidas bajo condiciones
estipuladas”
ISO 3534 – 1 obtenido de (3)

Es evaluada a diferentes condiciones:

Repetibilidad Precisión intermedia Reproducibilidad

6
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

5.7 Precisión
Precisión Reproducibilidad:
Repetibilidad:
intermedia , se “Grado de
“Grado de expresa con la concordancia entre
concordancia entre variación de los resultados de las
resultados de laboratorios, mediciones
sucesivas mediciones diferentes días, efectuadas bajo
efectuadas con diferentes analistas, diferentes
aplicación de la difernte equipo, etc. condiciones de
totalidad de las medición”
mismas condiciones
ICH Q2A,
de medición” CPMP/ICH/381/95 (“Guía para la expresión
obtenido de (3) de la incertidumbre de la
medición” – 1999)(3)
(“Guía para la expresión de
la incertidumbre de la
medición” – 1999)(3).
7
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño
Revisión de pruebas estadísticas en
evaluación de precisión

Paramétricas
1) Ejercicios Intra-laboratorio
 Evaluación de normalidad (prueba Anderson-Darling)
 Evaluación de atipicidad (prueba Cochran – prueba Grubbs)
 Homogeneidad de varianzas (prueba Bartlett)
 Análisis de varianzas (prueba ANOVA de un factor)

2) Gráficos de control de precisión

No paramétrica
1) Prueba Levene
8
CONSTRUCCIÓN

CONOCIMIENTO
1) Ejercicios Intra-laboratorios
DEL

 Evaluación de Atipicidad
Valores Atípicos
Son observaciones cuyos valores son muy diferentes a las otras
observaciones del mismo grupo de datos.
a) Errores de procedimiento
Los datos atípicos son b) Acontecimientos extraordinarios.
ocasionados por: c) Valores extremos.
d) Causas no conocidas.

Los datos atípicos distorsionan los resultados de los análisis, y por esta
razón hay que identificarlas y tratarlos de manera adecuada,
generalmente excluyéndolos del análisis.
https://www.uv.es/webgid/Descriptiva/22_valores_atpicos.html

9
CONSTRUCCIÓN

CONOCIMIENTO
1) Ejercicios Intra-laboratorios
DEL

 Evaluación de Atipicidad

Evaluación de valores atípicos

Pruebas de contraste para detectar el dato atípico.

La presencia de un valor anómalo puede alterar sensiblemente las

conclusiones de un análisis estadístico.
Como ayuda a la decisión sobre si un dato es o no atípico , se dispone de :

 prueba de Cochran

 prueba de Grubbs

10
CONSTRUCCIÓN

CONOCIMIENTO
1) Ejercicios Intra-laboratorios
DEL

 Evaluación de Atipicidad

Evaluación de valores atípicos

Prueba de Cochran
 Identificar una variación alta dentro de un subgrupo de datos, al
comparar con varios subgrupos de datos.
 aplica si todas las varianzas se obtienen a partir del mismo número
(n) de resultados de prueba en condiciones de repetibilidad.
 Evalúa el valor más alto en un grupo de varianzas (prueba sesgada).

Hipótesis nula - Ho : “no hay datos atípicos en la muestra”

Hipótesis alternativa - H1 : “hay al menos un dato atípico”

11
CONSTRUCCIÓN

CONOCIMIENTO
1) Ejercicios Intra-laboratorios
DEL

 Evaluación de Atipicidad
Evaluación de valores Atípicos
varianza máxima
Prueba de Cochran
2
s
C 
i p
L max

s
2
L ,i
i 1 suma de varianzas

Criterios

 Si el estadístico de la prueba es menor o igual al valor crítico al 5

% el ítem es aceptado como correcto.
 Si el estadístico es mayor que el valor crítico al 5% y menor o
igual al valor crítico al 1% al ítem se le llama rezagado o dudoso.
 Si el estadístico es mayor que el valor crítico al 1% al ítem es
llamado valor estadístico atípico.
12
CONSTRUCCIÓN

CONOCIMIENTO
1) Ejercicios Intra-laboratorios
DEL

 Evaluación de Atipicidad

Evaluación de valores atípicos

Prueba de Grubbs

 Identificar un valor alto o bajo, al comparar valores dentro de un

grupos de datos.
 Evalúa el valor más alto o más bajo en un grupo de resultados.

Hipótesis nula - Ho : “no hay datos atípicos en la muestra”

Hipótesis alternativa - H1 : “hay al menos un dato atípico”

13
CONSTRUCCIÓN

CONOCIMIENTO
1) Ejercicios Intra-laboratorios
DEL

 Evaluación de Atipicidad
Evaluación de valores Atípicos valor evaluado (extremo)

Prueba de Grubbs _
max | xi  x | promedio
G
s
desviación estándar

Criterios

 Si el estadístico de la prueba es menor o igual al valor crítico de 5

% el ítem es aceptado como correcto.
 Si el estadístico es mayor que el valor crítico de 5% y menor o
igual al valor crítico de 1% al ítem se le llama rezagado o dudoso.
 Si el estadístico es mayor que el valor crítico de 1% al ítem es
llamado valor estadístico atípico.
14
CONSTRUCCIÓN

CONOCIMIENTO
1) Ejercicios Intra-laboratorios
DEL

 Homogeneidad de varianzas
Prueba de hipótesis para varianzas
Prueba Bartlet
Evaluación de las varianzas σ12, σ22, σ32, .. σK2, de distribuciones normales
independientes . Se busca probar que son iguales, homogeneidad de varianzas.

Hipótesis nula : n° observaciones

H0 : varianzas iguales varianza i-ésima

Hipótesis alternativa:
H1 : al menos una varianza es
diferente

si se acepta la hipótesis nula

15
CONSTRUCCIÓN

CONOCIMIENTO
1) Ejercicios Intra-laboratorios
DEL

Análisis de Varianza ( ANOVA)

Permite contrastar
Hipótesis nula
H0 : medias de K poblaciones (K >2) son iguales

Hipótesis alternativa
H1 : al menos una de las poblaciones difiere de las demás
en cuanto a su valor esperado.

Contraste fundamental en el análisis de resultados

experimentales, en los que interesa comparar los resultados
de K 'tratamientos' con respecto a la variable de interés.

http://www.ub.edu/aplica_infor/spss/cap4-7.htm

16 16
CONSTRUCCIÓN

CONOCIMIENTO
1) Ejercicios Intra-laboratorios
DEL

Análisis de Varianza ( ANOVA)

• Distribuciones de probabilidad de la variable
dependiente correspondiente a cada factor son
normales.
Requiere el cumplimiento
• K muestras sobre las que se aplican los
los siguientes supuestos: tratamientos son independientes.
• Poblaciones tienen todas igual varianza
(homoscedasticidad).

 Variación dentro de las muestras o Intra-

Se basa en la grupos, cuantifica la dispersión de los valores
de cada muestra con respecto a sus
descomposición de la
correspondientes medias.
variación total de los
datos, en dos partes:  Variación entre muestras o Inter-grupos,
cuantifica la dispersión de las medias de las
muestras con respecto a la media global.
http://www.ub.edu/aplica_infor/spss/cap4-7.htm
17 17
CONSTRUCCIÓN

CONOCIMIENTO Análisis de Varianza ( ANOVA)

DEL

ANOVA 1 Factor

• Experimento de un solo factor completamente aleatorizado

con:
 “a” número de niveles del factor ( a los niveles del factor en
ocasiones se les llama “tratamientos”,
 cada tratamiento tendrá “n” réplicas u observaciones .

• El objetivo es comparar los errores sistemáticos con los

aleatorios obtenidos al realizar diversos análisis en cada
laboratorio.
 Se debe descomponer la variabilidad total de los datos en dos
fuentes de variación:
- intra-grupos
- inter-grupos

18
CONSTRUCCIÓN

CONOCIMIENTO Análisis de Varianza ( ANOVA)

DEL

ANOVA 1 Factor

En la Tabla 1 se muestran los resultados de un experimento de un

solo factor.

19
CONSTRUCCIÓN

CONOCIMIENTO Análisis de Varianza ( ANOVA)

DEL

ANOVA 1 Factor

Si F0 (calculado) > Fcrítico, se podría concluir que al menos uno de los

laboratorios ha producido resultados la media de los cuales difiere de forma
estadísticamente significativa del resto de laboratorios. (o Pvalue >0,05)

20
CONSTRUCCIÓN

CONOCIMIENTO Análisis de Varianza ( ANOVA)

DEL

ANOVA 1 Factor

Para calcular el intervalo de confianza de los resultados

de un analista tenemos la siguiente expresión:


Intervalo de confianza de 100(1- ) por ciento para la media
del tratamiento i-ésimo, es:

_ _
MS E MS E
y i*  t / 2,a ( n 1)   i  y i*  t / 2,a ( n 1)
n n

21
CONSTRUCCIÓN

CONOCIMIENTO Análisis de Varianza ( ANOVA)

DEL

ANOVA 1 Factor

Para calcular el intervalo de confianza para la diferencia de las

medias de dos analistas tenemos la siguiente expresión:

Intervalo de confianza de 100(1-  ) por ciento para la diferencia de

las medias de los tratamiento es:

_ _ _ _
2MS E 2MS E
y i*  y j*  t / 2,a ( n1)   i   j  y i*  y j*  t / 2,a ( n1)
n n

22
CONSTRUCCIÓN

CONOCIMIENTO
DEL

Evaluación de Precisión

Aplicación Método ISO 5725

Revisar archivo : Precisión ISO 5725

23
CONSTRUCCIÓN

CONOCIMIENTO 2) Gráficos de Control

DEL

Gráficos de control de precisión

Gráfico R (rango)
_
Límite superior UCL  D R 4

_
Línea central R
_

Límite inferior LCL  D R 3

_
2 _ _

Límites aviso
LA  R   D4 R  R 
3 
donde
D3 = 1 – 3 (d3/d2) _
D4 = 1 + 3 (d3/d2) ^ R
 R  d3 Las constantes D3 , D4 y d3 se
encuentran tabuladas en tablas para
d2
varios valores de n
24
CONSTRUCCIÓN

CONOCIMIENTO 2) Gráficos de Control

DEL

Gráficos de control de precisión

Gráfico s (desviación estándar)

_
1 m

Límite superior UCL  B s

_
s  s i
4 m i 1

_
Línea central
s
Las constantes B3 y B4 se
_ encuentran tabuladas en
Límite inferior
LCL  B s
3
tablas para varios valores
de n

25
CONSTRUCCIÓN

CONOCIMIENTO
Prueba no paramétrica
DEL

1) Prueba Levene
H0 : Existe homocedasticidad
H1 : No existe homocedasticidad

Dados varios grupos de datos > 2

Pasos a seguir:

a) Determinar la mediana de cada grupo

b) En cada grupo, calcular la diferencia (Di ) de cada dato
menos la mediana correspondiente
c) Aplicar la prueba de anova de un factor a los valores de
las diferencias (Di )
d) Si se verifica la prueba se acepta H0

26
CONSTRUCCIÓN

CONOCIMIENTO
5. Evaluación de Parámetros de
DEL

Desempeño

5.7 Precisión

Estudiar
Archivo Excel
“Precisión”

Estudiar
Archivo Excel
“Expediente validación”
hojas “Precisión”

27
TRANSFERENCIA
TRABAJO APLICATIVO
SESIONES
N° 5-6
Nombre del trabajo aplicativo:
Trabajo Aplicativo Sesiones 5-6

Indicaciones:

Empleando la información proporcionada en el archivo Ejercicio Sesiones

5-6 realizar la evaluación de los siguientes parámetros de desempeño:

I. Precisión.
II. a) Recuperación de muestra fortificada.
b) Veracidad

28
DEL PRODUCTO
EVALUACIÓN

TRABAJO APLICATIVO
SESIONES
http://definicion.mx/wp-
content/uploads/2013/06/feedback.png N° 5-6

Puntaje
N° Criterio de Evaluación
Máximo

I. Evaluación de parámetros de desempeño:

1 10
a) Precisión.
II. Evaluación de parámetros de desempeño:
4
2 a) Recuperación.

b) Veracidad 6

TOTAL 20

29
CONSTRUCCIÓN

CONOCIMIENTO

Referencias Bibliográficas
DEL

o Norma ISO/IEC 17025: 2017: Requisitos generales para competencia de

los laboratorios de ensayo y de calibración. Rev.3
o INACAL DA-acr-06D: Directriz para la acreditación de laboratorios de
ensayo y calibración, 2019.
o INACAL DA-acr-20D: Directriz para la validación de métodos de ensayo,
2017.
o Douglas C. Montgomery (2005). “Control Estadístico de la Calidad”.
Limusa Wiley. (3a Edición).
o Indecopi con autorización de ISO (1999), “Guía para la expresión de la
Incertidumbre de la medición”, en base a versión en inglés editada por
BIPM, IEC, IFCC, ISO, IUPAC, IUPAP, OIML, 1995.
o Cenan - Eurachem (1998), “Métodos Analíticos Adecuados A Su Propósito-
Guía De Laboratorio Para Validación De Métodos Y Tópicos Relacionados”
(1998), Traducción Al Español Realizada Por E.Pedrero I – Cenam-México.

30
CONSTRUCCIÓN

CONOCIMIENTO

Referencias Bibliográficas
DEL

o ISO 5725-2-4. Exactitud (veracidad y precisión) de los métodos y

resultados de medición – NTP- 1999-12-30. 1ª Edición. Indecopi.
o Ángel Ríos Castro. Seminario sobre Trazabilidad, Incertidumbre y
Validación – Su aplicación a Laboratorios de Ensayos Químicos–
Universidad de Córdoba (España) 2004.
o Ramón Compañó Beltrán, Angel Ríos Castro. “Garantía de la calidad en
los laboratorios analíticos”. Ed. Síntesis S.A. – 2002.(9)
o Sandro Paz Collado. “Curso Principios de Estadística” – Instituto para la
Calidad PUCP 2004.
o H. Sucker, P. Fuchs, H. Feltkamp, (1983) « Pharmazeutische
Qualitätskontrolle“, Georg Thieme Verlag, Stuttgart, 1983.
o APHA,AWWA,WEF (2017) , Standard Methods for Examination of Water &
Wastewater – Ed. 23th – 1040 B – Method Validation.

31