ANALISIS INSTRUMENTAL Calibracin y Lmite de Deteccin en Tcnicas Instrumentales.

Objetivos Aprender la metodologa para la determinacin de la concentracin de un analito a partir de los datos obtenidos por tcnicas instrumentales. Evaluar el error involucrado en dicha determinacin. Estimar el lmite de deteccin de tcnicas instrumentales. Obtener las herramientas para la correcta confeccin de informes. Conocimientos previos Se considera que trminos como exactitud, precisin, error aleatorio, error sistemtico, poblacin, muestra, media de la poblacin (), desviacin estndar de la poblacin (), varianza de la poblacin (2), media de la muestra ( x ), desviacin estndar de la muestra (s), varianza de la muestra (s2), distribucin normal de error, ANOVA son conocidos por el alumno. Informacin sobre su significado puede encontrarse en D.A. Skoog, J.J. Leary, Anlisis Instrumental, 4ta. Edicin, Apndice 1. Lmites de confianza. La media de la poblacin o media verdadera () de una medicin es una constante que es siempre desconocida. Sin embargo, en ausencia de errores sistemticos, pueden estimarse ciertos lmites dentro de los cuales cabe esperar que caiga la media de la poblacin con una cierta probabilidad. Los lmites as obtenidos se llaman lmites de confianza de la media muestral. Los lmites de confianza derivan de la desviacin estndar de la muestra, s y dependen de la certidumbre con que se la conozca. Si sta desviacin estndar se obtiene a partir de una buena cantidad de rplicas, ser una buena aproximacin de la desviacin estndar de la poblacin, , y entonces los lmites de confianza sern mas estrechos que si la estimacin de s se basa en slo dos o tres mediciones. La Figura 1 muestra una curva de distribucin normal de error en la que la abscisa representa la desviacin respecto de la media en unidades de desviacin estndar de la poblacin. La columna de nmeros del centro de la Figura indica el tanto por ciento del rea total de la curva includa entre los valores indicados de -z y +z. Por ejemplo, el 80% del rea de cualquier curva gaussiana (distribucin normal) est entre incluida entre -1,29 y + 1,29. El 80% de las mediciones caern en este intervalo y en este caso se dice que el nivel de confianza es del 80% y el intervalo de confianza para una nueva seal es z = 1,29. El lmite de confianza de la media muestral para N mediciones repetidas se calcula como: z = x (1) N donde x es el valor promedio de la muestra y la media de la poblacin. Los lmites de confianza basados en la ecuacin (1) son vlidos en ausencia de errores sistemticos, es decir, cuando las mediciones son exactas. La Tabla I da los valores de z para distintos niveles de confianza. En la mayora de las situaciones experimentales, se realizan pocas rplicas y por lo tanto, no es verificable que la distribucin de probabilidad de las seales sea Normal, o pueda aproximarse a una Normal. Por este motivo, se esta lejos de tener una estimacin exacta de y el valor de s calculado a partir de un conjunto pequeo de datos puede estar sujeto a una incertumbre considerable; y el lmite de confianza debe ampliarse. En este caso no se utiliza el parmetro estadstico z de la distribucin Normal sino que se utiliza el parmetro estadstico t denominado de la distribucin t de Student y la ecuacin (1) se transforma en:
CALIBRACION 1

ts (2) N El valor de t depende tanto del valor de N-1, que se conoce como grados de libertad asi como del nivel de confianza requerido. La Tabla II muestra los valores de t para varios niveles de confianza. La distribucin de probabilidad de las seales se utiliza en la determinacin del Lmite de deteccin, como veremos luego. = x

Figura 1: Distribucin Normal de Probabilidad.

CALIBRACION

Calibracin de Instrumentos utilizados en el Anlisis Qumico Instrumental. Calibracin. Se entiende por calibracin al conjunto de operaciones que establece, bajo condiciones especficas, la relacin entre las seales producidas por un instrumento analtico y los correspondientes valores de concentracin o masa del juego de patrones de calibrado. Calidad de una Calibracin. La calidad de la determinacin de una concentracin no puede ser mejor que la calidad intrnseca de la calibracin. Los factores que determinan la calidad de una calibracin son: La precisin de las medidas: estimada a travs de la repetitividad y la reproducibilidad de las medidas. La repetitividad se evala a travs del clculo de la desviacin estndar relativa (RSD%) de la medida de los patrones de calibrado. En la prctica puede ocurrir que la repetitividad para los patrones sea ms pequea que para las muestras, por lo que ser necesario fabricar patrones similares a las muestras o agregar el analito a las mismas. Exactitud de los patrones. El valor de concentracin o masa asignado a cada patrn trae aparejado un error pequeo si es preparado a partir de reactivos puros (grado analtico) con estequiometra bien definida. Este error en general se desprecia, frente al error en las medidas de las seales producidas por el instrumento. Validez de la calibracin. Generalmente es el factor ms importante. Cuando se calibra un instrumento se debe tener una razonable certeza de que ste responder de igual manera a los patrones as como a las muestras, aunque estas tengan una matriz relativamente diferente*. Si estas diferencias son muy grandes, pueden llegar a invalidar el proceso de calibracin. Es necesario estar completamente seguro de que el calibrado es vlido antes de utilizarlo para obtener el valor de concentracin de muestras incgnita. En caso contrario, pueden cometerse serios errores en la determinacin. Modelos de calibracin. La forma de calibracin ms sencilla es la que utiliza un solo patrn. Este modelo es til slo cuando el patrn es absolutamente confiable. Adems, se supone que la seal cero del instrumento corresponde al cero de concentracin de la especie que se quiere determinar. Entre el cero y valor obtenido para el patrn se realiza una interpolacin lineal, pero la extrapolacin ms all de la concentracin de patrn no es recomendada. El modelo correspondiente es: seal = constante x concentracin y=mx (3)

La constante m es llamada sensibilidad y corresponde a la constante de proporcionalidad entre la seal y la concentracin. Esta proporcionalidad es til sobre un restringido intervalo de valores. A valores muy bajos de concentracin la seal es demasiado pequea y est sujeta a una gran incertidumbre. A valores muy altos la proporcionalidad dada en ecuacin (3) puede dejar de ser vlida. Este modelo es utilizado en muy pocos casos. Si la respuesta a concentracin cero de analito no es conocida de antemano, es necesaria una calibracin con un mnimo de dos puntos. Para esta calibracin se utiliza un modelo lineal con un trmino constante: seal = seal del blanco + constante x concentracin

Se entiende por matriz, a todos los componentes de la muestra que acompaan al analito. CALIBRACION 3

y= b + mx

(4)

El trmino b indica la magnitud de la seal estimada del blanco, mientras que m es la pendiente de la recta de calibrado e indica nuevamente la sensibilidad. Estadsticamente, una calibracin realizada a partir de dos puntos es muy pobre y su construccin a partir de un nmero mayor de patrones es obligatoria. El procedimiento estadstico para determinar los coeficientes b y m de la ecuacin (4) se denomina regresin por cuadrados mnimos. La regresin por cuadrados mnimos es una herramienta muy til, sin embargo, deben conocerse sus limitaciones. Adems de la regresin por cuadrados mnimos siempre debe hacerse una inspeccin grfica de los datos obtenidos, para detectar puntos anmalos o fallas en la linealidad. Las ecuaciones mediante las que se obtienen los coeficientes de la ecuacin (4) se detallan en la prxima seccin. Regresin por cuadrados mnimos Este mtodo es ampliamente utilizado en todas las ramas de las ciencias, encontrndose incorporado en muchas calculadoras y planillas de clculo. Para el modelo de la ecuacin (4) los coeficientes pueden ser calculados de la siguiente manera:

m=

i =1

( xi x )( yi y )
i =1

( xi x )

(5)
2

b = y mx

(6)

donde x , y son los promedio aritmticos de los valores de x (patrones de concentracin) y valores de y (seales). En la ecuacin (5), el numerador es simbolizado Sxy y el denominador Sxx . La expresin ( yi y ) 2 se denota con el smbolo Syy.
i =1 N

, para los La calidad de la calibracin se evala prediciendo el valor de la seal, y distintos patrones a travs del modelo utilizado (ecuacin. 4). Las diferencias entre la seales observadas y las predichas se denominan residuos. A partir de estos valores se calcula: sy =

(y

i )2 y

N 2

S yy m 2 S xx N 2

(7)

sy es llamada desviacin estndar residual y tiene unidades correpondientes a la seal observada. Tambin se la conoce como sy/x en el texto de Miller o como se en otros textos. Es importante conocer las limitaciones del mtodo de cuadrados mnimos. Al deducir las ecuaciones anteriores fueron realizadas algunas suposiciones. Estas no siempre se cumplen en un problema de qumica analtica, por lo que debemos estar atentos. Las suposiciones que se realizan son: a.- La incertidumbre en la concentracin de los patrones es despreciable frente a la desviacin estndar de la seal medida. Para ello los patrones de calibrado deben ser preparados con una precisin superior a la de la medicin de la seal.

CALIBRACION

b.- Todas las medidas son estadsticamente independientes unas de otras. Cualquier tendencia de las seales a travs del tiempo (derivas de la lnea de base o contaminaciones secuenciales) invalida el calibrado. c.- Todas las medidas tienen igual desviacin estndar, la cual no depende del valor de la seal observada, por lo tanto las seales altas tendrn igual desviacin estndar que las pequeas. Esta suposicin es particularmente discutible si se trabaja en un amplio intervalo de concentraciones. Si no se cumple, es necesario utilizar un mtodo de calibracin ponderado por las desviaciones estndar de las medidas. d.- Las medidas estn normalmente distribuidas. En general, el error en una medida analtica es una suma de errores independientes provenientes de distintas partes del instrumento. Aunque el error de cada fuente individual no sea normalmente distribuido, la suma de esas contribuciones, producir una distribucin normal. De todas las suposiciones anteriores, la ms dbil es la tercera, porque en general a bajas concentraciones, la precisin de las medidas empeora. Una buena aproximacin puede realizarse restringiendo el intervalo en el cual se realiza la curva de calibracin, de manera que la precisin sea constante. Si no se desea disminuir el rango lineal, se debe hacer una regresin ponderada. La ecuacin (4) se usa para calcular la concentracin de una muestra incgnita: x= y b m (8)

Para controlar la calidad de la informacin obtenida se puede establecer el intervalo de confianza del modelo. La desviacin estndar (mas correctamente llamada error estndar) de la pendiente, sm: sm = sy S xx (9)

La desviacin estndar (error estndar) de la ordenada al origen es: 1 sb = s y (10) ( x i ) 2 N xi2 La curva de calibrado se utiliza para predecir la concentracin del analito en muestras incgnita, midiendo la seal para esta muestra (yx) con el mtodo instrumental en cuestin. La desviacin estndar (error estndar) de los resultados analticos sx, predichos por la curva de calibracin es: sx = sy m
2 1 1 ( yx y) + + L N m 2 S xx

(11)

La ecuacin (11) permite calcular la desviacin estndar para la concentracin obtenida a partir de la media y x de un conjunto de L anlisis repetidos cuando es usa una curva de calibracin de N puntos. Recurdese que y es el promedio de la seal obtenida para los N datos de la calibracin. A medida que el valor de la seal y x se acerca al valor promedio y el error de

Esta es una ilustracin del Teorema Central del Lmite. CALIBRACION 5

la determinacin disminuye, por lo que es mejor determinar muestras cuyo valor de seal se encuentre en el centro de la curva de calibrado. Cuantas mas veces se repite el anlisis de la muestra incgnita, mayor ser L y por lo tanto menor ser la desviacin estndar. El diseo de la curva de calibrado tambin es importante, puesto que Sxx debe ser pequeo. Esto se logra aumentando la cantidad de patrones en los extremos de la curva de calibrado. Cmo expresamos la incertidumbre del resultado de una muestra incgnita? Esto se hace en base a un intervalo de confianza para el promedio de concentraciones obtenidos mediante L anlisis repetidos de la muestra. Puesto que en general el nmero de muestras utilizado en la calibracin es pequeo se debe utilizar el parmetro t para generar un intervalo de confianza. Este intervalo se calcula mediante la ecuacin (12). Los resultados para una muestra incgnita se expresan como: y b xx = x t , N 2 s x (12) m donde t depende del nmero de muestras realizadas en la calibracin y del intervalo de confianza deseado (ver Tabla II). No debemos olvidar el correcto redondeo de las cifras decimales, que deber hacerse cuando se hayan finalizado los clculos. Ambito Lineal del calibrado Una parte importante de la tarea de calibracin de un instrumento analtico es determinar el intervalo de concentraciones para el cul el modelo lineal es vlido. Hay tres maneras de verificar sto, ninguna de ellas excluye a las otras. i ) en funcin de la concentracin. La primera, es la investigacin del grfico de residuos ( y i y Los residuos deben ser todos de la misma magnitud y deben estar distribuidos aleatoriamente en su signo (en una secuencia del tipo +-+-+- etc.). Si esto no fuese as, debe sospecharse una relacin no lineal entre x e y por lo que debe disminuirse el rango de trabajo, o bien aplicar otro modelo, si la teora as lo permite. Otra manera de verificar la validez del modelo lineal es mediante el clculo del coeficiente de correlacin (r): r= S xy S xx S yy

El coeficiente de correlacin vale 1 o 1 en el caso de que las variables estn perfectamente correlacionadas, pero no debe mal interpretarse puesto que un coeficiente de correlacin de 1, no necesariamente significa que la linealidad sea buena, sino que el numerador y el denominador de la expresin anterior se cancelan mutuamente. Es comn obtener buenos coeficientes de correlacin con rectas de regresin que no responden a un modelo lineal. El coeficiente de correlacin slo es otro indicio adicional que debe sumarse al anlisis de los residuos. El tercer mtodo es el anlisis de la varianza de la regresin. El anlisis de la varianza (ANOVA) puede utilizarse para detectar una falla de ajuste en la regresin. Muchas planillas de clculo realizan este clculo automticamente. Para realizar este anlisis de forma completa, se necesitan datos replicados para cada patrn. Test F de Linealidad Este Test se basa en descomponer la varianza existente entre las seales experimentales y los valores predichos en dos aportes. Uno de ellos es el error experimental. Para tener una estimacin del error experimental en la medicin de las seales, debemos medir i replicados de cada patrn, por lo que para cada punto x habr varios valores de seal (yi). Para estimar la
CALIBRACION 6

varianza debida al error puramente experimental, calculamos la media de los cuadrados debida a esta contribucin (MSPE, Mean Squares Pure Error):

nk Donde n es el nmero total de mediciones, k es el nmero total de patrones, i son las repeticiones de cada patrn y los yij son las seales de todos los experimentos. Para estimar el posible error debido a una falla de ajuste debida a la eleccin de un modelo incorrecto, calculamos la media de los cuadrados debida a la falta de ajuste (MSLOF, Mean Squares Lack of Fit):

MS PE =

(y
i j

ni

ij

yi ) 2

MS LOF =

n
i

i )2 ( yi y k 2

Esto mide la diferencia media entre la media de las rplicas de cada patrn y su correspondiente valor estimado por la regresin. Cabe esperar que si el modelo lineal es correcto, las varianzas MSLOF y MSPE sern comparables. Si MSLOF es mayor que MSPE el ajuste no es correcto y hay que utilizar otro modelo o reducir el mbito de concentraciones en el cul se hace el calibrado. Para comparar MSLOF y MSPE hacemos un test F de varianzas calculando: MS LOF MS PE Si Fcal < Fk-2,n-k, (obtenido de tablas) se acepta que existe buen ajuste al modelo lineal. Los clculos de ANOVA pueden ser un poco engorrosos y se recomienda el uso de planillas de clculo que facilitan mucho la tarea. Fcal = Deteccin de datos anmalos La regresin por cuadrados mnimos es muy sensible a la presencia de datos anmalos. Por ese motivo es necesario graficar los puntos experimentales junto a los puntos predichos por la regresin, de manera de detectar si alguno de ellos est influenciando la recta de regresin. Tambin es posible calcular un parmetro que nos indica si los residuos de un punto dado son anormalmente altos. Este parmetro es el residuo estandarizado: Residuo estndar: i ) ( yi y sy

Un residuo estndar cercano o mayor que 1.5 indica que este residuo es anormalmente alto, puesto que est a una distancia igual a 1.5 veces su desviacin estndar. Este punto debe ser examinado mas cuidadosamente para determinar la causa del residuo alto. Esto puede deberse a una falla en la medicin de la seal o a un problema de ajuste de la recta al modelo lineal. En todo caso, puede intentarse repetir la regresin quitando este punto del juego de datos, para ver de que manera cambia el valor de pendiente y ordenada al origen. Protocolos de calibracin Para la determinacin de la concentracin pueden ser utilizados distintos modos de calibracin dependiendo del analito y de la tcnica instrumental usada. El caso descripto anteriormente se denomina calibracin externa porque las muestras y los patrones se determinan en forma separada.
CALIBRACION 7

Otros modos tambin son utilizados: calibracin interna, mtodo del agregado patrn y tcnicas de dilucin isotpica. Calibracin interna: Si antes de la determinacin se le agrega a la muestra una cantidad fija de una sustancia con caractersticas qumicas similares a las de la especie a determinar, esta sustancia es llamada estndar interno y el mtodo se denomina de calibracin interna o mtodo del estndar interno. El agregado sirve para calibrar un paso crtico que de otra manera introduce una gran incerteza, por ejemplo el volumen de muestra inyectado en una corrida de Cromatografia Gaseosa. La seal producida por este estndar interno es producida en las mismas condiciones que la de los analitos, porque se encuentran juntos en la muestra. Para averiguar la concentracin de los analitos, se aplica alguno de los modelos lineales vistos anteriormente utilizando como seal del patron, la seal producida por el estndar interno. La concentracin del estndar interno puede variarse para comprobar la linealidad y construir una curva de calibrado, o puede usarse un modelo de un nico patrn. Hay que tener en cuenta que si el estndar interno no tiene la misma sensibilidad en el detector que los analitos, hay que corregir las seales de estos con un factor de respuesta. Estos factores de respuesta se calculan a priori mediante estndares de los compuestos a determinar (ver Willett, J. E., Gas Chromatography, Analytical Chemistry by Open Learning, Wiley, 1987). La forma ms sofisticada del mtodo del estndar interno es el mtodo de dilucin isotpica. Aqu se opta por agregar a la muestra una sustancia que es qumicamente igual a la sustancia a determinar pero an as discernible de la original. Este mtodo utiliza la misma sustancia como patrn pero con al menos un tomo de su estructura reemplazado por un istopo. Por ejemplo, 12C es reemplazado por 13C en un compuesto orgnico. Para este mtodo debe utilizarse un tcnica selectiva a istopos, generalmente espectrometra de masa. Agregado patrn En el mtodo del agregado patrn se le agrega a la muestra, concentraciones crecientes del analito de inters. La seal obtenida se deber a la cantidad de analito originalmente presente en la muestra sumados a la cantidad agregada. El propsito de este mtodo es generalmente corregir efectos de interferencias multiplicativas debidas a la matriz de la muestra. Una vez obtenidas, la seales instrumentales se grafican versus las cantidades de analito aadidas. La recta de regresin se calcula de manera usual. Para conocer la concentracin de la muestra incgnita se extrapola la recta al punto sobre el eje x donde y=0. La interseccin negativa sobre el eje x corresponde a la cantidad de analito en la muestra problema. Este valor viene dado por b/m. En este caso los resultados se expresan como: sy 1 y b x = t , N 2 + 2 (13) m m N m S xx En esta expresin no aparece L como en la expresin (11), puesto que no se hacen rplicas de cada muestra, sino que se hace un agregado patrn por cada una de ellas. Esto demanda mucho tiempo y esfuerzo. No debemos olvidar que para obtener el valor de concentracin en la muestra original, debemos corregir al valor de x y a su incertidumbre, por las diluciones hechas.
2

Las interferencias multiplicativas son aquellas que producen un cambio relativo en la concentracin. Por ejemplo, la presencia de aluminio en exceso en la muestra disminuye la seal de un electrodo de ion selectivo a fluoruro en un 50 %. CALIBRACION 8

Lmite de Deteccin En Anlisis Instrumental, debemos aprender a elegir la tcnica correcta para cumplir con nuestro anlisis. Para ello, debemos comparar muchas figuras de mrito de cada mtodo. Las figuras de mrito forman una base comn sobre las que se pueden comparar los mtodos analticos. Ya hemos visto algunas figuras de mrito, como ser la sensibilidad, la exactitud y la precisin. Otra figura de mrito importantsima es el Lmite de Deteccin. El clculo del lmite de deteccin responde la pregunta: Cul es la menor concentracin que podemos detectar con este mtodo de anlisis? Para responder a esta pregunta, debemos analizar cul es la menor seal detectable La probabilidad que la ms pequea seal analtica discernible, yL , puede ser medida y no corresponde a una fluctuacin aleatoria de la medida del blanco, yB , depende de a cuantas unidades de desviacin estndar del blanco (sB ) est yL de y B (promedio de las medidas del blanco). Si la diferencia entre y B e yL es 3sB la probabilidad que la medida de yL sea una fluctuacin del blanco es menor que el 0,13% (si el nmero de medidas del blanco es superior a 25). Para determinar la concentracin lmite, xL ,, IUPAC define que : y L = y B + ksB (14)

donde k es un valor que se elige de acuerdo al nivel de confianza que se desee, generalmente 3. La concentracin lmite es una funcin de yL y por lo tanto: ( y yB ) xL = L (15) m Sustituyendo la ecuacin (14) en la (15) se obtiene que: ks xL = B (16) m Por lo tanto el lmite de deteccin puede encontrarse dividiendo ksB por la pendiente obtenida por regresin de la curva de calibracin. Sin embargo, la concentracin lmite as obtenida ser un reflejo del verdadero lmite de deteccin slo si la pendiente, m, y la ordenada al origen, b, estn bien calculadas. El mtodo IUPAC utiliza como fuente de variabilidad de las seales, la desviacin estndar del blanco. Un mtodo alternativo, aunque menos usado, utiliza la desviacin estndar de los residuales del calibrado sx (ecuacin 11) como estimador de la desviacin estndar del blanco. Esto es til si no se ha repetido el blanco y sB no puede calcularse. El mtodo definido por la ecuacin (16) es vlido solo si la principal fuente de error est en el blanco. Por lo tanto, en la mayora de los casos este mtodo dar lmites de deteccin mas bajos que si se tiene e cuenta todo el error del calibrado. Un detallado artculo sobre lmite de deteccin puede leerse en Analytical Chemistry; 55 (1983) 712A. (este artculo puede obtenerse en la biblioteca Central Leloir). Bibliografa D.A. Skoog, J.J. Leary, Analisis Instrumental, pendice 1, McGraw-Hill, 4ta. Edicin, 1994. J.C. Miller, J.N. Miller, Estadstica para Qumica Analtica, Addison-Wesley, 1993. M.A. Sharaf, D.L. Illman, B.R. Kowalski, Chemometrics, Wiley, 1986 R. Kellner, J.M. Mermet, M. Otto, H.M. Widmer, Analytical Chemistry, Captulo 12, WileyVCH, 1998. G.L. Long, J.D.Winefordner; Analytical Chemistry; 55 (1983) 712A.

CALIBRACION

PROBLEMAS 1.- Un mtodo oficial para el anlisis de hidrocarburos clorados en muestras de aire tiene una desviacin estndar de 0,030 ppm. a.- Calcular el intervalo de confianza del 95% para la media de cuatro medidas obtenidas con este mtodo. b.- Cuantas medidas debern hacerse si se pretende que el intervalo de confianza del 95% valga 0,017. 2.-La exactitud de un mtodo analtico se suele evaluar analizando uno o varios materiales estndar de referencia cuya composicin se conoce. Siempre, la medida experimental del anlisis x diferir del valor verdadero obtenido con el estndar. Reordenando la ec. (2) se puede determinar si la diferencia x es debida a un error sistemtico. ts Si | x | > existe un error sistemtico. N ts Si | x | no queda demostrada la presencia de un error sistemtico. N Determine si en los siguientes ejemplos hay alguna evidencia de error sistemtico. En todos los casos utilice un nivel de confianza del 95%. a.- Se analiza un material de referencia cuyo valor de concentracin de Hg se halla certificado y vale 0.389%. El mismo material se analiza mediante Espectrometra de Absorcin Atmica por Generacin de Vapor fro de Mercurio obtenindose los siguientes valores : 0,389; 0,374; 0,371. Cul es la mnima diferencia de porcentajes de mercurio que podemos detectar con este experimento? Cmo disminuye el sesgo detectable? b.- El tanto por ciento de nquel en una muestra particular de un acero de referencia es de un 1,12%. Un nuevo mtodo espectromtrico para la determinacin de nquel produjo los siguientes resultados (en %): 1,10; 1,08; 1,09; 1,12; 1,09. c.- Se estudi la exactitud de un mtodo volumtrico para la determinacin de calcio en minerales calcreos analizando una piedra caliza estndar que contena 30,15 % de CaO. El resultado de la media de cuatro anlisis fue de 30,26% de CaO, con una desviacin estndar de 0,085%. Indican estos datos la presencia de un error sistemtico? A partir de un elevado nmero de anlisis, se estableci la desviacin estndar de la poblacin. O sea s = 0,094% de CaO. Indicaran estos datos la presencia de un error sistemtico? Cambian las conclusiones si el estndar tiene una incertidumbre igual a 0.014% de CaO con una probabilidad de error del 5%? 3.- Se han analizado una serie de soluciones estndar de fluorescena con un espectrofluormetro, obtenindose las siguientes intensidades de fluorescencia (en unidades arbitrarias): Intensidad fluorescencia (unidades arbitrarias) Concentracin de fluorescena (pg/ml) 2,1 0 5,0 2 9,0 4 12,6 6 17,3 8 21,0 10 24,7 12

CALIBRACION 10

a.- Calcule la pendiente y la ordenada al origen de la recta de regresin para los datos mostrados. b.- Calcule la desviacin estndar residual y los lmites de confianza (al 95%) para la pendiente y la ordenada al origen. c.- Determine las concentraciones, las desviaciones estndar y sus lmite de confianza (95%) para soluciones con intensidades de fluorescencia de 2,9; 13,5 y 23 unidades (L=1). Analice cual presenta el mejor lmite de confianza en valores absolutos. Analice donde es conveniente que caiga el valor de la seal de la muestra dentro de la curva de calibracin. d.- Si se considera como el promedio de cuatro medidas el valor de intensidad de fluorescencia de 13,5, cules sern los valores de la desviacin estndar de la concentracin calculada y el lmite de confianza?. Y si fuera el promedio de ocho? Analice cual es la mejora obtenida al aumentar el nmero de medidas. e- El anlisis del grfico de residuos indica una buena linealidad? 4-En la tabla siguiente se muestran los resultados para la curva de calibrado de la determinacin de Mn usando un Espectrmetro de Absorcin Atmica por Llama. Las alturas de las seales se midieron con un registrador electrnico. Concentracin 0 1 2 3 4 5 (ppm) Seal (altura en 0.00 0.98 2.10 3.16 3.68 4.15 unidades 0.90 2.20 3.22 3.72 4.27 arbitrarias) Repita los clculos de los puntos a y b del ejercicio anterior. Compare el ancho de los intervalos de confianza. Analice grficamente los residuos de la regresin. Hay alguna tendencia? Analice si existen fallas del ajuste mediante un Test F. Si detecta una falla de ajuste Cmo la solucionara?. 5-Los siguientes resultados se obtuvieron para la determinacin de Tl por medio de Espectrometra Atmica con Horno de Grafito. La evaluacin de la seal se hizo a travs del rea del pico obtenido. A las seales de las muestras, se les rest automticamente a travs del software del espectrmetro, la seal obtenida para el blanco. Concentracin 20 40 60 80 100 de Tl (ng/ml) Absorbancia 0.038 0.089 0.136 0.186 0.232 (rea del pico A.s) Calcule los intervalos de confianza (95%) para la pendiente y la ordenada al origen. Calcule la sensibilidad con su incerteza. Decida mediante un test de hiptesis si la correccin hecha con el blanco est bien realizada. 6.- La concentracin de plata en una muestra de desechos fotogrficos se determin por espectrometra de absorcin atmica con el mtodos de las adiciones estndar. Se obtuvieron los siguientes resultados: A un volumen de 10.00 ml de muestra se agregan volmenes variables de una solucin patrn de 100.0 mg/l de Ag y se completa hasta un volumen final de 25.0 ml.

Volumen agregado de la solucin estndar de Ag (ml) Absorbancia

0.00 0,32

0.50 0,41

1.00 0,52

1.50 0,60

2.00 0,70

2.50 0,77

3.00 0,89

CALIBRACION 11

Determine la concentracin de Ag en la muestra, y obtenga los lmites de confianza al 95% para esa concentracin. 7.- Utilizando los datos del problema 3. Determine el lmite de deteccin segn: a.- Ecuacin (16), considerando que la desviacin estndar relativa del blanco es del 5%. b.- Ecuacin (16), considerando que la desviacin estndar relativa del blanco es igual a la desviacin estndar residual (sy). 8- Un mtodo de anlisis de Pb en leche en polvo consiste en digerir las muestras slidas en un digestor de microondas cerrado y analizar la solucin obtenida mediante Voltametra de Redisolucin Andica. Se digieren 0.25 g de leche con 10 ml de cido y se los lleva a un volmen final de 25 ml con agua destilada. Se realiza una curva de calibrado utilizando patrones acuosos cuya concentracin est entre 0 y 60 ng/ml de Pb y se obtiene la recta de regresin y=0.002+0.00291x. Para estimar el lmite de deteccin se realizan 10 rplicas idnticas del blanco, includa la digestin. Se obtienen las siguientes seales (reas de pico en unidades arbitrarias). Blanco Area 1 0.025 2 0.037 3 0.012 4 0.029 5 0.048 6 0.026 7 0.024 8 0.015 9 0.041 10 0.019 Determine el valor de la seal crtica (k=3). Determine el lmite de deteccin de Pb en la muestra slida expresado en microgramos de Plomo por gramo de leche.

CALIBRACION 12

TABLA I.- Valores de z para distintos niveles de confianza

Nivel de confianza, % 50 68 80 z 0,67 1,00 1,29 Nivel de confianza, % 90 95 96 z 1,64 1,96 2,00 Nivel de confianza, % 99 99,7 99,9 z 2,58 3,00 3,29

TABLA II.- Valores de t para varios niveles de confianza

Grados de libertad 1 2 3 4 5 6 7 8 9 10 11 12 13 14 80 3,08 1,89 1,64 1,53 1,48 1,44 1,42 1,40 1,38 1,37 1,36 1,36 1,35 1,34 1,29 Factor para un intervalo de confianza, % 90 6,31 2,92 2,35 2,13 2,02 1,94 1,90 1,86 1,83 1,81 1,80 1,78 1,77 1,76 1,64 95 12,7 4,30 3,18 2,78 2,57 2,45 2,36 2,31 2,26 2,23 2,20 2,18 2,16 2,14 1,96 99 63,7 9,92 5,84 4,60 4,03 3,71 3,50 3,36 3,25 3,17 3,11 3,06 3,01 2,98 2,58 99,9 637 31,6 12,9 8,60 6,86 5,96 5,40 5,04 4,78 4,59 4,44 4,32 4,22 4,14 3,29

Tabla III.- Propagacin del error en los clculos aritmticos Tipo de clculo Ejemplo* Desviacin estndar de x

CALIBRACION 13