Sie sind auf Seite 1von 54

Escribir

Módulo 1 Estadística para el Laboratorio Analítico
Módulo 1
Estadística para el Laboratorio Analítico
Parte D – Ecuaciones para Ajuste de Datos
Parte D – Ecuaciones para Ajuste de Datos
Analítico Parte D – Ecuaciones para Ajuste de Datos Docente: Lic. Sergio Gustavo Chesniuk Email:
Analítico Parte D – Ecuaciones para Ajuste de Datos Docente: Lic. Sergio Gustavo Chesniuk Email:

Docente: Lic. Sergio Gustavo Chesniuk

Email: sergio@chesniuk.com Teléfono: +54 351 4710602 Móvil: +549 351 5915918 Skype: sergio.chesniuk

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Referencias principales

Referencias principales • Series ISO 5725 (Partes 1 a 6), First edition (1994) & corrigendums. •

Series ISO 5725 (Partes 1 a 6), First edition (1994) & corrigendums.

Statistics and Chemometrics for Analytical Chemistry 6th - 2010 - J. Miller. Ed. Pearson.

Analytical Chemistry 6th - 2010 - J. Miller. Ed. Pearson. Lic. Sergio G. Chesniuk – Noviembre

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Ecuaciones para Ajuste de Datos Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com
Ecuaciones para Ajuste de Datos Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com
Ecuaciones para Ajuste de Datos Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com
Ecuaciones para Ajuste de Datos Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com

Ecuaciones para Ajuste de

Datos

Ecuaciones para Ajuste de Datos Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com |

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal. Métodos ampliamente utilizados en el campo del análisis instrumental
Regresión lineal.
Métodos ampliamente utilizados en el campo del análisis instrumental
Permite trabajar en un intervalo amplio de concentraciones Se calculan los resultados y se evalúan
Permite trabajar en un intervalo amplio de concentraciones
Se calculan los resultados y se evalúan los errores aleatorios de una
manera diferente a la que se utiliza cuando se repite una sola
medición varias veces
RL puede aplicarse en:
RL puede aplicarse en:

Curva de calibración

(señal vs

[mensurando])

Comparación de dos

métodos analíticos

[mensurando]) Comparación de dos métodos analíticos Lic. Sergio G. Chesniuk – Noviembre de 2017 –

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.
Las herramientas cualimétricas. Regresión lineal. y = b x + a Pendiente Ordenada al origen Parámetros

y = bx + a

cualimétricas. Regresión lineal. y = b x + a Pendiente Ordenada al origen Parámetros a tener
cualimétricas. Regresión lineal. y = b x + a Pendiente Ordenada al origen Parámetros a tener

Pendiente

Ordenada al origen

Parámetros a tener en cuenta •Grado de linealidad en nuestro intervalo de trabajo. •Límites de
Parámetros a
tener en
cuenta
•Grado de linealidad en nuestro intervalo de trabajo.
•Límites de confianza para la pendiente y la ordenada en el origen de la recta.
•Errores y límites de confianza para la concentración determinada de una muestra
incógnita.
•Límite de detección del método (menor concentración de mensurando que se puede
detectar con un nivel de confianza predeterminado).
puede detectar con un nivel de confianza predeterminado). Lic. Sergio G. Chesniuk – Noviembre de 2017

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal. Análisis de regresión: Curva de Calibración
Regresión lineal.
Análisis de regresión: Curva de Calibración
La concentración de muestras incógnita se determina generalmente por interpolación y no por extrapolación Inclusión
La concentración de muestras incógnita se determina generalmente por
interpolación y no por extrapolación
Inclusión de muestra blanco
Utiliza dos suposiciones básicas
Los errores en la calibración sólo ocurren en los valores de
ordenadas (señal)
La magnitud de los errores en ordenadas es constante
(homocedasticidad) e independiente de la concentración
de mensurando

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

de mensurando Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.
Las herramientas cualimétricas. Regresión lineal. Grado de linealidad y = b x + a Coeficiente de
Grado de linealidad
Grado de linealidad
cualimétricas. Regresión lineal. Grado de linealidad y = b x + a Coeficiente de correlación r

y = bx + a

Coeficiente de correlación r
Coeficiente de correlación r
de linealidad y = b x + a Coeficiente de correlación r Lic. Sergio G. Chesniuk

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.

y = bx + a

Interpretaciones Es necesario tambien efectuar la representación gráfica y tal vez un test estadístico
Interpretaciones
Es necesario tambien efectuar la
representación gráfica y tal vez un
test estadístico
la representación gráfica y tal vez un test estadístico erróneas de r t se compara con
erróneas de r t se compara con el valor tabulado para el nivel de significación
erróneas de r
t se compara con el valor tabulado para el nivel de significación deseado
usando un prueba t de dos colas y (n-2) grados de libertad.
H 0 : no existe correlación entre x e y.
Si t cal > t tab , H 0 debe rechazarse.
entre x e y. Si t cal > t tab , H 0 debe rechazarse. Lic.
entre x e y. Si t cal > t tab , H 0 debe rechazarse. Lic.
entre x e y. Si t cal > t tab , H 0 debe rechazarse. Lic.

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.

Otros tests de linealidad

Examen visual

Gráficas de residuos

• Test “Lack of fit

• Gráficas de residuos • Test “ Lack of fit ” Lic. Sergio G. Chesniuk –

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.
El método de los cuadrados mínimos encuentra la recta de regresión de y sobre x
El método de los cuadrados mínimos encuentra la recta de regresión de y
sobre x que mejor se ajusta a nuestros puntos experimentales

Para y = bx + a

ajusta a nuestros puntos experimentales Para y = b x + a La obtención de rectas
La obtención de rectas de regresión ponderadas se adaptan mejor al problema pero requieren informacion
La obtención de rectas de regresión ponderadas se adaptan mejor al problema pero
requieren informacion adicional respecto a los errores en distintos niveles de
concentración
Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal. Error típico
Regresión lineal.
Error típico
y = bx + a
y = bx + a

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Error típico y = bx + a Lic. Sergio G. Chesniuk – Noviembre de 2017 –

Las herramientas cualimétricas.

Regresión lineal. Errores en la pendiente y ordenada al origen
Regresión lineal.
Errores en la pendiente y ordenada al origen
y = bx + a
y = bx + a

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

al origen y = bx + a Lic. Sergio G. Chesniuk – Noviembre de 2017 –

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.
Es posible obtener los límites de confianza para la pendiente y la ordenada al origen
Es posible obtener los límites de confianza para la pendiente y la
ordenada al origen de nuestra recta de ajuste
y = bx + a
b  tS b
a  tS a
Para un nivel de confianza deseado y (n-2) grados de libertad
un nivel de confianza deseado y (n-2) grados de libertad Lic. Sergio G. Chesniuk – Noviembre

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas. Regresión lineal. Cálculo de una concentración x 0 = (y 0 –

Las herramientas cualimétricas.

Regresión lineal. Cálculo de una concentración
Regresión lineal.
Cálculo de una concentración

x 0 = (y 0 a)/b

Cálculo de una concentración x 0 = (y 0 – a)/b Señal obtenida de la incógnita

Señal obtenida de la incógnita

Error asociado a X 0 De determinación compleja
Error asociado a X 0
De determinación
compleja
incógnita Error asociado a X 0 De determinación compleja Lic. Sergio G. Chesniuk – Noviembre de

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal. Expresiones aproximadas comunmente utilizadas
Regresión lineal.
Expresiones aproximadas comunmente
utilizadas
Solo una lectura de y 0 m lecturas de y 0
Solo una
lectura de y 0
m lecturas de
y 0
Los límites de confianza se calculan como: x 0 ± ts x0 , con (n-2)
Los límites de confianza se calculan como: x 0 ± ts x0 , con (n-2)
grados de libertad para los niveles de confianza deseados

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.
Forma general de los límites de confianza para una concentración dada empleando una recta de
Forma general de los límites
de confianza para una
concentración dada
empleando una recta de
regresión no ponderada
dada empleando una recta de regresión no ponderada Lic. Sergio G. Chesniuk – Noviembre de 2017

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.

Valores discrepantes en la regresión

Regresión lineal. Valores discrepantes en la regresión y residual > 2 s y/x Criterio usual en

y residual > 2 s y/x

en la regresión y residual > 2 s y/x Criterio usual en algunos softwares Lic. Sergio

Criterio usual en algunos softwares

> 2 s y/x Criterio usual en algunos softwares Lic. Sergio G. Chesniuk – Noviembre de

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal. Distribución satisfactoria Tendencia a crecer con y (¿regresión lineal ponderada?) Tendencia
Regresión lineal.
Distribución satisfactoria
Tendencia a crecer con y
(¿regresión lineal
ponderada?)
Tendencia
(¿ajuste con otra
curva?)
y 6 puede ser un
outlier
Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.
Ejemplo
Ejemplo
Mediante Espectrometría de Absorción Atómica se obtuvieron la siguientes respuestas para soluciones patrón de
Mediante Espectrometría de Absorción Atómica se obtuvieron la
siguientes respuestas para soluciones patrón de mercurio (UAA:
Unidades Arbitrarias de Absorbancia)
[Hg] m g/l 0 2 4 6 8 10 12 Respuesta (UAA) 2.1 5.0 9.0
[Hg] m g/l 0 2 4 6 8 10 12 Respuesta (UAA) 2.1 5.0 9.0
[Hg] m g/l 0 2 4 6 8 10 12 Respuesta (UAA) 2.1 5.0 9.0
[Hg] m g/l 0 2 4 6 8 10 12 Respuesta (UAA) 2.1 5.0 9.0

[Hg] m g/l

0

2

4

6

8

10

12

Respuesta (UAA)

2.1

5.0

9.0

12.6

17.3

21.0

24.7

2.1 5.0 9.0 12.6 17.3 21.0 24.7 Lic. Sergio G. Chesniuk – Noviembre de 2017 –

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.

Minitab

Las herramientas cualimétricas. Regresión lineal. Minitab Lic. Sergio G. Chesniuk – Noviembre de 2017 –
Las herramientas cualimétricas. Regresión lineal. Minitab Lic. Sergio G. Chesniuk – Noviembre de 2017 –

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.

Excel

Las herramientas cualimétricas. Regresión lineal. Excel Lic. Sergio G. Chesniuk – Noviembre de 2017 –
Las herramientas cualimétricas. Regresión lineal. Excel Lic. Sergio G. Chesniuk – Noviembre de 2017 –

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal. Obtención de la pendiente, ordenada al orígen y coeficiente de correlación (software)
Regresión lineal.
Obtención de la pendiente, ordenada al orígen y coeficiente
de correlación (software)
30 y = 1.9304x + 1.5179 25 R = 0.9989 20 15 10 5 0
30
y = 1.9304x + 1.5179
25
R = 0.9989
20
15
10
5
0
0
5
10
15
Respuesta / UA

[Hg] / ppb

15 10 5 0 0 5 10 15 Respuesta / UA [Hg] / ppb Lic. Sergio

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal. El coeficiente de correlación es significativo?
Regresión lineal.
El coeficiente de correlación es significativo?

H 0 : No existe correlación entre x e y

significativo? H 0 : No existe correlación entre x e y t c a l =

t cal = 47.6

t 0.025, 5 = 2.57

Se rechaza H 0 : Existe correlación significativa al 95 % entre x e y
Se rechaza H 0 :
Existe correlación significativa al 95 % entre x e y
H 0 : Existe correlación significativa al 95 % entre x e y Lic. Sergio G.

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas. Regresión lineal. Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.
Y = A + B * X Cálculo de límites de confianza para b y
Y = A + B * X
Cálculo de límites de
confianza para b y a
Parametro
Valor
Error
-----------------------------------------------
a
1.51786
S a = 0.29494
b
1.93036
S b = 0.0409
------------------------------------------------
b = 0.0409 ------------------------------------------------ Valor de t (n-2) = 5 al nivel de confianza del 95
b = 0.0409 ------------------------------------------------ Valor de t (n-2) = 5 al nivel de confianza del 95

Valor de t (n-2) = 5 al nivel de confianza del 95 %

b = 1.93 ± 2.57 * 0.0409 = 1.93 ± 0.11

a = 1.52 ± 2.57 * 0.2949 = 1.52 ± 0.76

1.93 ± 0.11 a = 1.52 ± 2.57 * 0.2949 = 1.52 ± 0.76 Lic. Sergio

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal. Cálculo de una concentración
Regresión lineal.
Cálculo de una concentración
Para la curva de calibración anterior, determinar los valores de x 0 y s x0
Para la curva de calibración anterior, determinar los
valores de x 0 y s x0 y los límites de confianza de x 0
para soluciones cuyas respuestas son 2.9, 13.5, y
23.0 UA.
A partir de x 0 = (y 0 – a)/b obtenemos los valores de x
A partir de x 0 = (y 0 – a)/b obtenemos los
valores de x 0 respectivos:
0.72, 6.21 y 11.3 mg/L
los valores de x 0 respectivos: 0.72, 6.21 y 11.3 mg/L Lic. Sergio G. Chesniuk –

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.

Utilizando

herramientas cualimétricas. Regresión lineal. Utilizando Obtenemos los valores s x 0 respectivos: 0.26, 0.24,

Obtenemos los valores s x0 respectivos: 0.26, 0.24, 0.26. Los límites de confianza al 95 % (t = 2.57) son:

0.72 ± 0.68, 6.21 ± 0.62 y 11.3 ± 0.68 mg/L respectivamente

6.21 ± 0.62 y 11.3 ± 0.68 m g/L respectivamente Lic. Sergio G. Chesniuk – Noviembre

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Respuesta / UA

Respuesta / UA Las herramientas cualimétricas. Regresión lineal. Hacia el centro de la curva los intervalos

Las herramientas cualimétricas.

Regresión lineal. Hacia el centro de la curva los intervalos de confianza decrecen 25
Regresión lineal.
Hacia el centro de la curva los intervalos de
confianza decrecen
25
Intervalos al 95% de Linear Fit of Data1_B Upper 95% Confidence Limit confianza Lower 95%
Intervalos al 95%
de
Linear Fit of Data1_B
Upper 95% Confidence Limit
confianza
Lower 95% Confidence Limit
0
2
4
6
8
10
12
[Hg] / ppb
En los extremos de la curva los intervalos de
confianza se incrementan

20

15

10

5

0
0

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas. Regresión lineal. Límite de detección Aquella concentración que proporciona una

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.
Límite de detección Aquella concentración que proporciona una señal en el instrumento significativamente diferente
Límite de detección
Aquella concentración que proporciona una señal en
el instrumento significativamente diferente (¿?) de
la señal del “blanco” o señal de fondo
Cantidad de concentración de mensurando que
proporciona una señal igual a la señal del blanco, y B ,
mas tres veces la desviación estándar del blanco , s B
y – y B = 3s B

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas. Regresión lineal. Suposición: La variación está distribuida normalmente (solo en y)

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.
Suposición: La variación está distribuida normalmente (solo en y) con una desviación estándar estimada por
Suposición: La variación está distribuida normalmente (solo en y)
con una desviación estándar estimada por s y/x (es por ello que las
distribuciones de las curvas en la grafica tiene la misma amplitud).

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.
Obtención de los términos y B y s B utilizando una recta de regresión convencional
Obtención de los términos y B y s B utilizando una
recta de regresión convencional para la
calibración
Se utiliza s y/x en lugar de s B para estimar el limite de
detección
a puede utilizarse como una estimación de y B (la
señal del blanco)
como una estimación de y B (la señal del blanco) Lic. Sergio G. Chesniuk – Noviembre

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.
Ejemplo: Estimar el limite de detección para el ejemplo anterior (curva de calibración para patrones
Ejemplo:
Estimar el limite de detección para el ejemplo anterior (curva de
calibración para patrones de mercurio)
Utilizamos:
y – y B = 3s B
1.52 + 3 * 0.4329 = 2.82 (señal estadísticamente distinguible de
la línea de fondo),
Introducimos este valor en x 0 = (y 0 – a)/b
[Hg] límite = 0.67 mg / L
valor en x 0 = (y 0 – a)/b [Hg] límite = 0.67 mg / L

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal. Método de las Adiciones Estándar
Regresión lineal.
Método de las Adiciones Estándar

Minimiza el efecto matriz

Se agregan cantidades conocidas de un determinado mensurando a una misma

muestra o a porciones de ésta y se representa la curva.,

Se debe extrapolar a y = 0

La desviación estándar del valor extrapolado se calcula según:

estándar del valor extrapolado se calcula según: Al aumentar n mejora la precisión al igual que

Al aumentar n mejora la precisión al igual que maximizando:

Al aumentar n mejora la precisión al igual que maximizando: Los limites de confianza se calculan

Los limites de confianza se calculan como x E ts xE

Las herramientas cualimétricas.

Regresión lineal. Ejemplo: La [U] en una muestra de orina de un trabajador de una
Regresión lineal.
Ejemplo:
La [U] en una muestra de orina de un trabajador de una mina de este metal, es
determinada por técnicas voltamperometricas con preconcentración utilizando el
método de las adiciones estándar:

U adicionado, mg/L en la solucion de la muestra original

Corriente de pico / mA

0

0.32

5

0.41

10

0.52

15

0.60

20

0.70

25

0.77

30

0.89

Desde las ecuaciones anteriores se obtiene que: a = 0.3218 y b = 0.0186.

Su cociente proporciona el valor de [U] en la muestra: 17.3 mg/L.

Los limites de confianza son calculados teniendo en cuenta:

Los limites de confianza son calculados teniendo en cuenta: Lic. Sergio G. Chesniuk – Noviembre de
Los limites de confianza son calculados teniendo en cuenta: Lic. Sergio G. Chesniuk – Noviembre de

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal. Entonces s xE = 0.749, por lo tanto los límites de confianza son:
Regresión lineal.
Entonces s xE = 0.749, por lo tanto los límites de confianza son:
17.3  2.57 * 0.749 = (17.3  1.9) mg/L

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

= (17.3  1.9) mg/L Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com |

Las herramientas cualimétricas.

Regresión lineal. Comparación de métodos analíticos
Regresión lineal.
Comparación de métodos analíticos
Identificación de errores sistemáticos
Identificación de errores sistemáticos
Se utilizan para intervalos relativamente grandes de concentración
Se utilizan para intervalos relativamente grandes de concentración
En cada eje se representan los resultados de cada método a analizar
En cada eje se representan los resultados de cada método a analizar
Si se utiliza el método de los cuadrados mínimos debe colocarse en el eje x
Si se utiliza el método de los cuadrados mínimos debe colocarse en el eje x el método analítico
mas preciso (referencia), (este método no admite error en el eje de abscisas)
Supone que los errores en el eje de ordenadas son constantes
Supone que los errores en el eje de ordenadas son constantes
Si los dos métodos comparados producen resultados que no difieren significativamente a un nivel de
Si los dos métodos comparados producen resultados que no difieren significativamente a un nivel
de significancia a la ordenada de la recta de regresión no ha de ser estadísticamente diferente de
0 y la pendiente no ha de serlo de 1
Recientemente se ha desarrollado el test conjunto para la ordenada al origen y la pendiente
Recientemente se ha desarrollado el test conjunto para la ordenada al origen y la pendiente
considerando errores en ambos métodos analíticos (RIU 1996)
Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.
Situación ideal: a = 0, b = r= 1 curva a
Situación ideal: a = 0, b = r= 1
curva a
Un error sistemático proporcional: b  1 curva b
Un error sistemático proporcional: b  1
curva b
Un error sistemático constante: a  0 curva c
Un error sistemático constante: a  0
curva c
1 curva b Un error sistemático constante: a  0 curva c Error sistemático constante +
Error sistemático constante + error sistemático proporcional + errores aleatorios: curva d
Error sistemático constante + error sistemático proporcional + errores aleatorios:
curva d

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal. El nivel de plomo de diez muestras de jugo de fruta se determinó
Regresión lineal.
El nivel de plomo de diez muestras de jugo de fruta se determinó por un nuevo método de
análisis potenciométrico de redisolución (APR) empleando un electrodo de trabajo de carbono
vítreo, y los resultados fueron comparados con los obtenidos mediante la técnica de
espectrometría de absorción atómica de llama (EAA). Se obtuvieron los siguientes datos (todo
los resultados en mg/L).
los siguientes datos (todo los resultados en mg/L). Ejemplo Muestra EAA APR 1 35 35 2

Ejemplo

Muestra

EAA

APR

1

35

35

2

75

70

3

75

80

4

80

80

5

125

120

6

205

200

7

205

220

8

215

200

9

240

250

10

350

330

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.
400 350 300 250 200 150 y = 0.9634x + 3.8666 100 R 2 =
400
350
300
250
200
150
y = 0.9634x + 3.8666
100
R 2 = 0.9891
50
0
0
50
100
150
200
250
300
350
400
EAA [Pb] / ug/L
APR [Pb] / ug/L
200 250 300 350 400 EAA [Pb] / ug/L APR [Pb] / ug/L Lic. Sergio G.

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal. Ejemplo El nivel de plomo de diez muestras de jugo de fruta se
Regresión lineal.
Ejemplo
El nivel de plomo de diez muestras de jugo de fruta se determinó por un nuevo método de análisis
potenciométrico de redisolución (APR) empleando un electrodo de trabajo de carbono vítreo, y los
resultados fueron comparados con los obtenidos mediante la técnica de espectrometría de absorción
atómica de llama (EAA). Se obtuvieron los siguientes datos (todo los resultados en mg/L).

Desde las expresiones anteriores:

a = 3.87, b = 0.968, r = 0.9945 s y/x = 10.56, s a = 6.64, s b = 0.0357

Para 8 grados de libertad y 95 % de confianza: t = 2.31

Para 8 grados de libertad y 95 % de confianza: t = 2.31 a = 3.87

a = 3.87 ± 15.34

y

b = 0.968 ± 0.083

t = 2.31 a = 3.87 ± 15.34 y b = 0.968 ± 0.083 No existe
No existe diferencia significativa entre 0 y 1 respectivamente (valores ideales)
No existe diferencia significativa entre 0 y 1
respectivamente (valores ideales)

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.
Ensayos prácticos y simulaciones muestran que esta aproximación conduce a resultados fiables siempre y cuando:
Ensayos prácticos y simulaciones
muestran que esta aproximación
conduce a resultados fiables
siempre y cuando:
El método mas preciso se
represente en el eje x
Se comparen al menos 10
puntos
El rango de concentración de interés
esté cubierto uniformemente por
puntos experimentales
esté cubierto uniformemente por puntos experimentales Lic. Sergio G. Chesniuk – Noviembre de 2017 –

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión lineal.
Regresión lineal.
Desviación Estándar, s s  s 0  p * x La función precisión m
Desviación
Estándar, s
s 
s
0 
p * x
La función
precisión
m
Concentración de mensurando, x m

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

de mensurando, x m Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Transformaciones.
Transformaciones.
Razones técnicas para efectuar cálculos sobre una escala transformada:
Razones técnicas para efectuar cálculos sobre una escala
transformada:
para efectuar cálculos sobre una escala transformada: ➢Nivelar la dispersión en diferentes conjuntos de datos
➢Nivelar la dispersión en diferentes conjuntos de datos ➢Normalizar una distribución de residuos ➢Lograr
➢Nivelar la dispersión en diferentes conjuntos de datos
➢Normalizar una distribución de residuos
➢Lograr aditividad en efectos de tratamientos
de residuos ➢Lograr aditividad en efectos de tratamientos Lic. Sergio G. Chesniuk – Noviembre de 2017

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Transformaciones.
Transformaciones.
Transformaciones para lograr linealidad
Transformaciones
para lograr linealidad

 log(



y
y

y )

 1 / y

lograr linealidad  log(  y y )  1 / y Lic. Sergio G. Chesniuk

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas. Transformaciones. Ejemplos: pH   log 10  H   Ley

Las herramientas cualimétricas.

Transformaciones.
Transformaciones.
Ejemplos:
Ejemplos:

pH  

log

10

H

Ejemplos: pH   log 10  H   Ley de Beer Lic. Sergio G.
Ejemplos: pH   log 10  H   Ley de Beer Lic. Sergio G.
Ejemplos: pH   log 10  H   Ley de Beer Lic. Sergio G.

Ley de Beer

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Transformaciones.
Transformaciones.
Las herramientas cualimétricas. Transformaciones. Un ejemplo de cómo una transformación puede crear varianza constante
Un ejemplo de cómo una transformación puede crear varianza constante
Un ejemplo de cómo una transformación puede crear varianza constante
de cómo una transformación puede crear varianza constante Lic. Sergio G. Chesniuk – Noviembre de 2017

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas. Transformaciones. Un ejemplo de como una transformación puede crear varianza no

Las herramientas cualimétricas.

Transformaciones.
Transformaciones.
Un ejemplo de como una transformación puede crear varianza no constante
Un ejemplo de como una transformación
puede crear varianza no constante

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas. Regresión

Lineal Ponderada.
Lineal Ponderada.
Las herramientas cualimétricas. Regresión Lineal Ponderada. Lic. Sergio G. Chesniuk – Noviembre de 2017 –
Las herramientas cualimétricas. Regresión Lineal Ponderada. Lic. Sergio G. Chesniuk – Noviembre de 2017 –
Las herramientas cualimétricas. Regresión Lineal Ponderada. Lic. Sergio G. Chesniuk – Noviembre de 2017 –
Las herramientas cualimétricas. Regresión Lineal Ponderada. Lic. Sergio G. Chesniuk – Noviembre de 2017 –
Las herramientas cualimétricas. Regresión Lineal Ponderada. Lic. Sergio G. Chesniuk – Noviembre de 2017 –

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas. Regresión

Lineal Ponderada.
Lineal Ponderada.
La desviación estándar de una predicción sobre la concentración viene dada por:
La desviación estándar de una predicción sobre la concentración
viene dada por:
de una predicción sobre la concentración viene dada por: Lic. Sergio G. Chesniuk – Noviembre de
de una predicción sobre la concentración viene dada por: Lic. Sergio G. Chesniuk – Noviembre de
de una predicción sobre la concentración viene dada por: Lic. Sergio G. Chesniuk – Noviembre de

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas. Regresión

Lineal Ponderada.
Lineal Ponderada.

Regresión lineal ponderada con Minitab

Lineal Ponderada. Regresión lineal ponderada con Minitab Lic. Sergio G. Chesniuk – Noviembre de 2017 –
Lineal Ponderada. Regresión lineal ponderada con Minitab Lic. Sergio G. Chesniuk – Noviembre de 2017 –
Lineal Ponderada. Regresión lineal ponderada con Minitab Lic. Sergio G. Chesniuk – Noviembre de 2017 –

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas. Regresión no Lineal. Función de ajuste mas utilizada: 2 y  a

Las herramientas cualimétricas.

Regresión no Lineal.
Regresión no Lineal.
Las herramientas cualimétricas. Regresión no Lineal. Función de ajuste mas utilizada: 2 y  a 
Función de ajuste mas utilizada:
Función de ajuste mas utilizada:

2

y a bx cx dx

3

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas cualimétricas.

Regresión no Lineal.
Regresión no Lineal.

Regresión no lineal con Excel

Regresión no Lineal. Regresión no lineal con Excel Lic. Sergio G. Chesniuk – Noviembre de 2017
Regresión no Lineal. Regresión no lineal con Excel Lic. Sergio G. Chesniuk – Noviembre de 2017

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Las herramientas estadísticas proporcionan el fundamento necesario para la toma de gran parte de las

Las herramientas estadísticas

proporcionan el fundamento necesario para la toma de gran parte de las decisiones que se producen en el laboratorio de

ensayos.

decisiones que se producen en el laboratorio de ensayos. Lic. Sergio G. Chesniuk – Noviembre de

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net

Escribir

Escribir Fin del Módulo 1 Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com |
Escribir Fin del Módulo 1 Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com |
Escribir Fin del Módulo 1 Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com |

Fin del Módulo 1

Escribir Fin del Módulo 1 Lic. Sergio G. Chesniuk – Noviembre de 2017 – www.Chesniuk.com |

Lic. Sergio G. Chesniuk Noviembre de 2017 www.Chesniuk.com | www.MetroQuimica.Net