TEMA 2: Tratamiento de Datos

1. Introducción

Las mediciones siempre van acompañadas de errores e incertidumbre. es imposible llevar a cabo
un análisis químico libre de errores e incertidumbres. Lo único que se puede hacer es minimizar
los errores y estimar su tamaño con una eficiencia aceptable. Esta minimización se puede lograr
mediante:

- Determinación del blanco

- Calibrado del instrumento
- Contraste de reactivos
- Uso de certificaciones
- Utilización de muestras patrón

Matemáticamente podemos definir los siguientes conceptos ya introducidos:

Exactitud: se refiere al grado de concordancia entre el resultado obtenido y el valor verdadero

o garantizado:

Siendo:

A = valor verdadero, valor garantizado, valor certificado o valor exacto

er = error absoluto

Er = error absoluto de la media

Repetitividad: aquel análisis que debe
X = resultado experimental realizarse en condiciones iguales
(personal, laboratorio…)
𝑋𝑋� = media experimental
Reproducibilidad: se puede repetir el
análisis, pero en condiciones diferentes.
Esto son los análisis robustos
Precisión: se refiere al grado de concordancia entre los valores numéricos de dos o más
resultados que se han obtenido de idéntica manera.

Donde:

D = desviación absoluta

O = valor observado

𝑋𝑋� = media experimental

La medida de A es precisa y exacta (la media coincide con el valor certificado)

La medida de B es precisa pero no exacta

La medida de C es exacta pero no precisa

La medida de D no es ni exacta ni precisa

Los factores que influyen en la exactitud y precisión de las medidas son:

2. Clasificación de los Errores Analíticos

Podemos diferenciar los errores en:

- Errores Determinados (Sistemáticos): son aquellos errores que pueden calcularse y

conocer a que se deben. Están directamente relacionados con la exactitud de las
medidas. Las fuentes de estos errores pueden ser:

o Errores personales: pesada, lectura de volúmenes, no limpieza, cantidad de

reactivo distinta a la del procedimiento, descuidos…
o Errores instrumentales: imperfecciones de los instrumentos
o Errores del método seleccionado
 Dentro de este tipo de errores podemos distinguir entre:

o Errores constantes: son independientes de la cantidad de analito determinado.

En este caso el valor del error absoluto es siempre el mismo. Esto puede deberse
al mal calibrado de la herramienta de medida
o Errores proporcionales: dependen de la cantidad de analito. La magnitud
absoluta del error es proporcional a la cantidad de sustancia. Están asociados a
las interferencias.
Este tipo de errores pueden ser por encima del valor real O por debajo del mismo.

- Errores Indeterminados (al azar, fortuitos, aleatorios): son errores de los cuales no se
conoce la fuente u origen. Lo mismo que aparecen, pueden desaparecer. Son fortuitos
y no se pueden controlar. Están directamente asociados a la precisión.
Este tipo de errores pueden ser por encima del valor real Y por debajo del mismo.
Además, se pueden analizar según la campana de Gauss:

- Errores Crasos o Espúreos: poseen las mismas características que los determinados, pero
de valor más elevado (60% - 300% del valor real). Las fuentes de estos son básicamente
a instrumentación averiada y estos resultados se deben rechazar.
 3. Magnitudes de Métodos Estadísticos

- DESVIACIÓN ESTÁNDAR:

∑𝑛𝑛 (𝑋𝑋𝑖𝑖 − 𝑋𝑋�)2 ∑𝑛𝑛 (𝑑𝑑𝑖𝑖 )2

𝜎𝜎 = � 𝑖𝑖=1 = [𝑑𝑑𝑖𝑖 = 𝑋𝑋𝑖𝑖 − 𝑋𝑋�] = � 𝑖𝑖=1
𝑛𝑛 − 1 𝑛𝑛 − 1

- VARIANZA:

2
∑𝑛𝑛𝑖𝑖=1(𝑋𝑋𝑖𝑖 − 𝑋𝑋�)2
𝑉𝑉 = 𝜎𝜎 =
𝑛𝑛 − 1

- DESVIACIÓN ESTÁNDAR RELATIVA

𝜎𝜎
𝜎𝜎𝑟𝑟 = · 100
𝑋𝑋�

Este parámetro está relacionado con la precisión: una 𝜎𝜎𝑟𝑟 elevada implica una baja
precisión y viceversa

- DESVIACIÓN ESTÁNDAR DE LA MEDIA:

𝜎𝜎
𝜎𝜎𝑚𝑚 =
√𝑛𝑛

- DESVIACIÓN PROMEDIA

∑𝑛𝑛𝑖𝑖=1|𝑋𝑋𝑖𝑖 − 𝑋𝑋�|
�=
𝐷𝐷
𝑛𝑛

La desviación estándar de un resultado que ha sido calculada a partir de dos o más datos
experimentales depende del tipo de operación aritmética:

Ejemplos:

Suma: 𝑦𝑦 = 0,60(±0,02) + 9,10(±0,03) − 2,97(±0,05) = 6,73�±𝜎𝜎𝑦𝑦 � → 𝜎𝜎𝑦𝑦 =

�0,022 + 0,032 + 0,052 = 0,0616 → 𝑦𝑦 = 6,73 ± 0,06
 3,2(±0,02)·0,0071(±0,0001) 𝜎𝜎𝑦𝑦
Producto: 𝑦𝑦 = 2,38(±0,04)
= 0,0095�±𝜎𝜎𝑦𝑦 � → =
𝑦𝑦
2 2 2
��0,02� + �0,0001� + �0,04� = 0,0228 → 𝜎𝜎𝑦𝑦 = 0,0228 · 0,0095 = 0,000217 →
3,2 0,0071 2,38
𝑦𝑦 = 0,0095 ± 0,000217

𝜎𝜎𝑦𝑦 0,1
Potencia: 𝑦𝑦 = 14,0(±0,1)5 → 𝑦𝑦 = 537824�±𝜎𝜎𝑦𝑦 � → 𝑦𝑦
=5· = 0,03571 → 𝜎𝜎𝑦𝑦 =
14
0,03571 · 537824 = 19208 → 𝑦𝑦 = 537824(±19200)

0,02·10−4
Logaritmo: 𝑦𝑦 = 𝑙𝑙𝑙𝑙𝑙𝑙[2,00(±0,02) · 10−4 ] = −3,6990�±𝜎𝜎𝑦𝑦 � → 𝜎𝜎𝑦𝑦 = 0,434 · 2,00·10−4 =
0,00434 → 𝑦𝑦 = −3,699(±0,004)

𝜎𝜎𝑦𝑦
Antilogaritmo: 𝑦𝑦 = 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎[1,200(±0,003)] = 15,849�±𝜎𝜎𝑦𝑦 � → 𝑦𝑦
= 2,303 · 0,003 =
0,0069 → 𝜎𝜎𝑦𝑦 = 0,0069 · 15,849 = 0,109 → 𝑦𝑦 = 15,8(±0,1)

Multiplicación por cte: 𝑦𝑦 = 5 · 3,2(±0,2) = 16�±𝜎𝜎𝑦𝑦 � → 𝜎𝜎𝑦𝑦 = 5 · 0,2 = 1 → 𝑦𝑦 = 16(±1)

4. Límites de Confianza

El valor real de la media no se puede determinar, ya que se requeriría un número inmenso (que
tiende a infinito) de mediciones. Sin embargo, con ayuda de la estadística se puede establecer
un intervalo que rodea a la media determinada experimentalmente dentro del cual se espera
que se encuentre la media poblacional con un cierto grado de probabilidad. Este intervalo se
conoce como intervalo de confianza. Algunas veces los límites del intervalo se conocen como
límites de confianza. Por ejemplo, podemos decir que es 99% probable que la media verdadera
de la población para un conjunto de mediciones de potasio se encuentre en el intervalo 7.25 6
0.15% de K. Por lo tanto, la probabilidad de que la media se encuentre dentro del intervalo de
7.10 a 7.40% de potasio es de 99%.

Por tanto, los límites de confianza son los límites alrededor de la media estimada, dentro de los
cuales puede esperarse hallar la media de la población real con cierto grado de probabilidad
(grado de exigencia).

Así:

Grado de probabilidad P = 0  100% de nivel de confianza (se consideran todos los resultados)

Grado de probabilidad P = 0,01  99% (se consideran el 99% de los resultados)

Grado de probabilidad P = 0,05  95% (se consideran todos los resultados)

Aparece así el siguiente parámetro (Z):

𝐴𝐴 − 𝑋𝑋�
𝑍𝑍 = (𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑢𝑢𝑢𝑢𝑢𝑢 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚)
𝜎𝜎
𝑍𝑍 · 𝜎𝜎
𝐴𝐴 = 𝑋𝑋� ± = 𝑋𝑋� ± 𝑍𝑍 · 𝜎𝜎𝑚𝑚 (𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑛𝑛 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚)
√𝑛𝑛

Z es igual que el coeficiente de distribución de Student (t) cuando

n es muy elevado (tiende a infinito):

𝐴𝐴 = 𝑋𝑋� ± 𝑡𝑡 · 𝜎𝜎𝑚𝑚

Siendo:

A = media verdadera (patrón o estándar)

𝑋𝑋� = media calculada experimentalmente

𝜎𝜎 = desviación estándar

𝜎𝜎𝑚𝑚 = desviación estándar de la media

Cuando desconocemos el valor de la desviación estándar

podemos recurrir a los valores de t tabulados:
 5. Criterios de Rechazo

Criterios de Rechazo

Desviación Promedia Límites de Confianza Desviación Estándar Coeficiente Q

di >= 4D se rechaza el Resultado dentro de Resultado dentro de Qcalc >= Qtab se

resultado límites no se rechaza límites no se rechaza rechaza

di < 4D no se rechaza el Resultado fuera de Resultado fuera de Qcalc < Qtab no se

resultado límites se rechaza límites se rechaza rechaza

DESVIACIÓN PROMEDIA

LÍMITES DE CONFIANZA

DESVIACIÓN ESTÁNDAR

COEFICIENTE Q

�𝑋𝑋𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 − 𝑋𝑋𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 �

𝑄𝑄 =
�𝑋𝑋𝑚𝑚á𝑠𝑠 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 − 𝑋𝑋𝑚𝑚á𝑠𝑠 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 �
Se deben tener en cuenta los siguientes consejos a la hora de aplicar los criterios de rechazo:

- Observar el conjunto de resultados

- Si los resultados son de distintas muestras nunca aplicar criterios de rechazo
- Si los resultados son de la misma muestra si se aplican los criterios de rechazo
- Si alguno se sale de la media mucho lo consideraremos dudoso. Aplicamos rechazos
hasta que no se sale ninguno
- Si no se ve claro se toman todos válidos y se aplican rechazos hasta que no se sale
ninguno. Para desviación promedio y coeficiente Q debemos considerar los dudosos
- Aplicar casi siempre los límites de confianza ya que son los más restrictivos

6. Redondeo y Cifras Significativas

En la toma de resultados de un instrumento siempre debemos tomar todos los dígitos seguros
y el primero no seguro:

Cifras seguras: 32

Primero no seguro: 0,5

LECTURA: 32,5

Las normas para el redondeo de datos son:

- Si el número acaba en 5, se redondea para que el resultado termine en un número par

(más próximo)
- Si el resultado es la media de muchos resultados se toma como referencia la desviación
estándar
- No se debe de redondear hasta que se terminen todos los cálculos. Se debe de arrastrar
al menos un dígito más que los dígitos significativos a lo largo de todos los cálculos y al
final se realiza el redondeo

Las cifras significativas se determinarán en función del cálculo numérico aplicado:

a) Sumas y diferencias: tantos decimales como tenga el dato con menos decimales
b) Productos y cocientes:
1. Cálculo del cociente o producto
2. Cálculo de la incertidumbre
3. Selección del dato con mayor incertidumbre
4. Producto de la incertidumbre por el cálculo de la operación
5. Redondeo a las mismas cifras significativas calculadas anteriormente
c) Logaritmos: tantos dígitos a la derecha de la coma decimal como cifras significativas
tenga el número original
d) Antilogaritmos: tantos dígitos como dígitos a la derecha de la como decimal tenga el
número original
Por ejemplo:

Suma y resta: 𝑦𝑦 = 3,9 + 0,010 − 1,39 = 2,52 = 2,5

24·4,51 1 1 1
Producto y cociente: 𝑦𝑦 = = 1,0824 → 𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼 = ; ; =
100,0 24 451 1000
1 1
0,04167; 0,00222; 0,001 → 𝑒𝑒𝑒𝑒 𝑑𝑑𝑑𝑑 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝑒𝑒𝑒𝑒 24 →
24
· 1,0824 = 0,0451 →
𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 0 𝑒𝑒𝑒𝑒 4 → 𝑦𝑦 = 1,08

Logaritmo:𝑦𝑦 = 𝑙𝑙𝑙𝑙𝑙𝑙(4,000 · 10−5 ) = −4,3979400 →

𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑑𝑑𝑑𝑑𝑑𝑑 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 → −4,3979

Antilogaritmo: 𝑦𝑦 = 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎(12,56) = 3,6307805 · 1012 = 3,6 · 1012

7. Validación y Comparación de Métodos

7.1. Comparación de dos Métodos

El objetivo es conocer si dos métodos analíticos sobre una misma muestra para un mismo analito
conduce a resultados iguales. Para aplicar una comparación simple se seguirá se seguirá el
siguiente procedimiento:

- Aplicar criterios de rechazo

- Cálculo de la media y desviación estándar

- Cálculo de Fcal donde V1 y V2 son varianzas. F siempre será mayor que 1

𝑉𝑉1
𝐹𝐹𝑐𝑐𝑐𝑐𝑐𝑐 = → 𝑉𝑉1 > 𝑉𝑉2
𝑉𝑉2

- Obtención del valor Ftab mediante el uso de la tabla “Valores críticos de F (P=95%). Para
ello entraremos por la columna según el número de métodos a comparar y por la fila
según el número de observaciones realizadas menos el número de métodos a comparar.
 - Comparamos los valores de Fcal y Ftab

𝐹𝐹𝑐𝑐𝑐𝑐𝑐𝑐 < 𝐹𝐹𝑡𝑡𝑡𝑡𝑡𝑡 → 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑐𝑐𝑐𝑐𝑐𝑐 𝑒𝑒𝑒𝑒 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐

𝐹𝐹𝑐𝑐𝑐𝑐𝑐𝑐 ≥ 𝐹𝐹𝑡𝑡𝑡𝑡𝑡𝑡 → 𝑙𝑙𝑙𝑙𝑙𝑙 𝑚𝑚é𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑎𝑎𝑎𝑎 𝑎𝑎 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑

- En caso de que Fcal < Ftab, procedemos al cálculo de texp mediante la ecuación

|𝑋𝑋�𝐴𝐴 − 𝑋𝑋�𝐵𝐵 |
𝑡𝑡𝑒𝑒𝑒𝑒𝑒𝑒 =
𝜎𝜎𝐴𝐴 2 𝜎𝜎𝐵𝐵 2
�
𝑛𝑛𝐴𝐴 + 𝑛𝑛𝐵𝐵

- Obtención del valor de ttab mediante la tabla “Valores de t para varios niveles de
probabilidad” donde los grados de libertad (N) vienen dados por 𝑁𝑁 = 𝑛𝑛𝐴𝐴 + 𝑛𝑛𝐵𝐵 − 2 (sin
considerar los rechazos)

- Comparamos los valores de texp y ttab

𝑡𝑡𝑒𝑒𝑒𝑒𝑒𝑒 ≥ 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡
→ 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑑𝑑𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑙𝑙𝑙𝑙𝑙𝑙 𝑚𝑚é𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡. 𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑

𝑡𝑡𝑒𝑒𝑒𝑒𝑒𝑒 < 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡

→ 𝑛𝑛𝑛𝑛 ℎ𝑎𝑎𝑎𝑎 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑚𝑚é𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡. 𝐿𝐿𝐿𝐿𝐿𝐿 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑑𝑑𝑑𝑑 𝑎𝑎𝑚𝑚𝑏𝑏𝑏𝑏𝑏𝑏 𝑚𝑚é𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑛𝑛𝑛𝑛 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑

7.2. Validación de Métodos

El objetivo de este procedimiento es descubrir si existen errores sistemáticos. Se debe conocer

el valor estándar o verdadero. Para ello se seguirá el siguiente proceso:

- Aplicamos criterios de rechazo

- Calculamos la media, la desviación estándar, la desviación estándar media y con ello

calculamos texp
 |𝐴𝐴 − 𝑋𝑋�| √𝑛𝑛|𝐴𝐴 − 𝑋𝑋�|
𝑡𝑡𝑒𝑒𝑒𝑒𝑒𝑒 = =
𝜎𝜎𝑚𝑚 𝜎𝜎

- Obtención del valor de ttab mediante el uso de la tabla “Valores de t para varios niveles
de probabilidad” considerando 𝑁𝑁 = 𝑛𝑛 − 1 sin considerar los rechazos

- Comparación de los valores de texp y ttab

𝑡𝑡𝑒𝑒𝑒𝑒𝑒𝑒 ≥ 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡
→ 𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑. 𝑀𝑀é𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑛𝑛𝑛𝑛 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐. 𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑠𝑠𝑠𝑠𝑠𝑠𝑡𝑡𝑒𝑒𝑒𝑒á𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡

𝑡𝑡𝑒𝑒𝑒𝑒𝑒𝑒 < 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡

→ 𝑛𝑛𝑛𝑛 ℎ𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠á𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡, 𝑒𝑒𝑒𝑒 𝑚𝑚é𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣. 𝑙𝑙𝑙𝑙 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣ó𝑛𝑛 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑎𝑎 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑑𝑑𝑑𝑑 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎

7.3. Validación de Método sin Conocer el Valor Verdadero

Se basa en la comparación simple de nuestro método con uno oficial. Por lo que se seguirá el
procedimiento de comparación simple.
 7.4. Comparación de Precisión y Exactitud de Dos Métodos

El procedimiento es el que sigue:

- Aplicamos criterios de rechazo

- Calculamos la media del método A, la media del método B, y la desviación estándar de
cada uno de los métodos.
- Para comparar la precisión basta con comparar el valor de la desviación estándar
relativa de ambos métodos y compararla. Será más preciso aquel que menor
desviación relativa tenga.
- Para conocer que método es más exacto compararemos el texp de cada uno de ellos:
será más exacto el método que menos texp tenga.

Si no conocemos el valor real no podemos conocer que método es más exacto a no ser que
conozcamos los valores del método oficial.

Si se cumple esto, bastará con calcular el texp de cada método en comparación con el método
oficial y el método que posea menor texp será el más exacto.