Sie sind auf Seite 1von 13

MATRIZ DE LA MUESTRA

La palabra matriz (matrix, in English)


se usa para referirse a todo lo que
CALIBRACION acompaña al analito en la muestra
…un poco más allá La matriz puede tener un efecto considerable en la
manera como se realiza el análisis y en la calidad de
los resultados obtenidos; tales efectos se conocen como
efectos de matriz. Por ejemplo, la fuerza iónica de la
solución puede tener un efecto sobre los coeficientes
de actividad de los analitos
1 2

“EFECTOS DE MATRIZ”
EL PROBLEMA DEL “EFECTO DE MATRIZ”
DISMINUCION O AUMENTO DE LA SEÑAL ANALITICA DEBIDO A
LA PRESENCIA DE OTROS COMPONENTES EN LA MUESTRA

METODO “REGULAR” DE CALIBRACION:

EL INSTRUMENTO SE CALIBRA CON SOLUCIONES ESTANDAR QUE


CONTIENEN SOLO EL ANALITO

EL METODO ES ACEPTABLE SOLAMENTE SI ESTA SOLUCION DEL


ANALITO PRODUCE LA MISMA SEÑAL INSTRUMENTAL QUE
SOLUCIONES DE LA MUESTRA QUE CONTENGA LA MISMA
CONCENTRACION DEL ANALITO

CUANDO SE UTILIZAN SOLUCIONES “PURAS” DEL ANALITO PARA


ESTABLECER LA GRAFICA DE CALIBRACION, SE ASUME QUE NO
HAY “EFECTOS DE MATRIZ”

CON FRECUENCIA, TAL ASUNCION NO ES ACEPTABLE EN MUCHAS


AREAS DE ANALISIS
3 4

1
EL PROBLEMA DEL “EFECTO DE MATRIZ” METODO DE ADICION DE ESTANDAR
* IMPLEMENTACION *
POSIBLES SOLUCIONES:
 SE TOMAN VOLUMENES IGUALES DE SOLUCION PROBLEMA
PREPARAR ESTANDARES DE CALIBRACION QUE SEAN IDENTICOS
 TODAS SALVO UNA SON “TRATADAS” (“DOPADAS”) POR
A LA MUESTRA PROBLEMA EN TODO ASPECTO EXCEPTO EN LA SEPARADO MEDIANTE LA ADICION DE CANTIDADES CONOCIDAS
CONCENTRACION DEL ANALITO (METODO DE ESTANDAR CON E INCREMENTALES DEL ANALITO
“AJUSTE DE MATRIZ” matrix matching)
 TODAS SE DILUYEN AL MISMO VOLUMEN
ESTA ESTRATEGIA RARA VEZ RESULTA PRACTICABLE
 SE MIDE LA SEÑAL INSTRUMENTAL PRODUCIDA POR CADA
PREPARAR ESTANDARES DE CALIBRACION QUE CONTENGAN LA UNA DE ESTAS SOLUCIONES
PROPIA MUESTRA EN UNA PROPORCION FIJA Y CONOCIDA
 COMO DE COSTUMBRE, LA SEÑAL SE PRESENTA EN EL EJE y,
(METODO DE “ADICIONES (DE) ESTANDAR”)
MIENTRAS QUE EN EL EJE x SE PRESENTA LA CANTIDAD DE
ANALITO AÑADIDA
5 6

EXPERIMENTO DE
ADICIÓN DE
ESTÁNDAR

Suponga que la
solución stock del
estándar es 0.200 M
en analito. Al final del
procedimiento, el
matraz 1 no contiene
estándar añadido. El
matraz 2 contiene
0.0200 M (i.e., 5.00 mL
diluídos a 50.0 mL).
Los matraces 3, 4 y 5
contienen 0.0400,
0.0600 y 0.0800 M,
respectivamente
7 8

2
METODO DE ADICION DE ESTANDAR EJEMPLO.- LA CONCENTRACION DE PLATA EN UNA MUESTRA DE DESECHOS FOTOGRAFICOS SE DETERMINO
POR ESPECTROMETRIA DE ABSORCIO ATOMICA (EAA) CON EL METODO DE ADICIONES DE ESTANDAR. SE

* CURVA Y CALCULOS * OBTUVIERON LOS SIGUIENTES RESULTADOS:

Ag adicionada, mg por mL
de solucion original 0 5 10 15 20 25 30
Absorbancia 0.32 0.41 0.52 0.60 0.70 0.77 0.89
a
xE 
DETERMINE LA CONCENTRACION DE PLATA EN LA MUESTRA Y SUS LIMITES DE CONFIANZA AL 95%

b xi
0
yi
0.32
xi-x
-15
(xi-x)2
225
yi-y
-0.2814
(yi-y)2
7.919E-2
(xi-x)(yi-y)
4.221
5 0.41 -10 100 -0.1914 3.663E-2 1.914
10 0.52 -5 25 -0.0814 6.626E-3 0.407
15 0.60 0 0 -0.0014 1.960E-6 0
20 0.70 5 25 0.0986 9.722E-3 0.493
2 25 0.77 10 100 0.1686 2.843E-2 1.686
s 1 y
 R 
30 0.89 15 225 0.2886 8.329E-2 4.329
s xE 105 4.21 0 700 0 0.2439 13.05

b n b 2 S xx x  15 a  0.3216
S xx  700

y  0.601 b  0.01864 sR  0.01093


a 0.3216
xE    17.259
b 0.01864
t  2.57(95%, f  5)
2
sR 1 y 0.01093 1 0.6012
s xE     xE  17.3  2.0 mg/mL
b n b 2 S xx 0.01864 7 0.01864 2 700
9 10

METODO DE ADICION DE ESTANDAR CALIBRACION vs ADICION DE ESTANDAR

* DESVENTAJAS * UNO NO DEBE “EMBARCARSE” EN EL ESFUERZO EXTRA DE LAS


ADICIONES DE ESTANDAR A MENOS QUE SE TENGA EVIDENCIA SOLIDA
DE LA PRESENCIA DE EFECTOS DE MATRIZ
 REQUIERE CANTIDADES DE MUESTRA MAS
LA AUSENCIA DE EFECTOS DE MATRIZ CONLLEVA A PENDIENTES
GRANDES QUE EL METODO “REGULAR” DE (SENSIBILIDADES INSTRUMENTALES) ESTADISTICAMENTE
CALIBRACION IGUALES POR AMBOS METODOS
CUALQUIER DIFERENCIA ENTRE LOS DOS METODOS PUEDE
 ESTADISTICAMENTE, SU PRINCIPAL DESVENTAJA CHEQUEARSE MEDIANTE UNA PRUEBA DE SIGNIFICACION:
Ho: LAS PENDIENTES DE LAS DOS LINEAS NO SON DIFERENTES b1 NO  b2
CONSISTE EN SER UN METODO DE
H1: LAS PENDIENTES DE LAS DOS LINEAS SON DIFERENTES b1  b2
EXTRAPOLACION, POR LO TANTO MENOS
b1  b2 2
 f2s 2
tcalc  sR 
f1s R1 R2
PRECISO QUE LAS TECNICAS DE INTERPOLACION 1 1 f1  f 2
sR 
S xx1 S xx 2
f1  n1  2 f 2  n2  2

11
tcrit PARA (f1+f2) GRADOS DE LIBERTAD
12

3
EJERCICIO DE TALLER.-
METODO DE ADICION DE ESTANDAR
Y QUE ES UN ESTANDAR INTERNO?
UN COMPUESTO ESTRUCTURALMENTE RELACIONADO CON
EL ANALITO QUE SE INCORPORA EN UNA CANTIDAD FIJA A LA
CALCULAR LA CONCENTRACIÓN DE BENCENO (EN mg POR L DE MUESTRA),
MUESTRA Y A LOS ESTANDARES DE TRABAJO
BASÁNDOSE EN LOS SIGUIENTES DATOS CROMATOGRÁFICOS LC (CORREGIDOS
POR EL MÉTODO DEL ESTÁNDAR INTERNO):
LA SEÑAL ANALITICA ES EL COCIENTE DE LA ALTURA (O AREA)
Volúmenes utilizados, mL
DEL PICO SOBRE AQUELLA DEL ESTANDAR INTERNO
 ESTANDAR
Muestra 20.0 mM benceno Fase móvil Area del pico, QUE?
(diluyente) corregida

20.0 0.00 30.0 41.4
20.0 5.00 25.0 57.6

Peso molecular del benceno: 78.11 g/mol

NOTA: OBSERVESE QUE EN ESTE CASO SOLO SE USA UN “DOPAJE” DE LA


MUESTRA CON SOLUCION ESTANDAR DE BENCENO. QUE HAY DE MALO EN ELLO?
Rpta.: 1.00 mg/L
RECORDAR QUE… A  C  A  kC
13 14

ESTANDAR INTERNO
ESTANDAR INTERNO
LA IDEA DETRAS DE UN ESTANDAR INTERNO ES
QUE DURANTE EL ANALISIS LAS MOLECULAS DEL EJEMPLO: EN MS, UN ANALOGO DEL ANALITO QUE SEA
ESTANDAR INTERNO SE COMPORTAN DE MANERA ESTABLE E ISOTOPICAMENTE MARCADO
SIMILAR A AQUELLAS DEL ANALITO
EL MARCAJE IMPLICA LA PREPARACION DE ANALITO
DE ESTA MANERA, SE EN LA QUE SE INCORPORA UNO O MAS ATOMOS DE 2H,
REDUCEN LAS 13C O 15N
INCERTIDUMBRES
RELACIONADAS CON LA
PREPARACION DE LA SE ASUME QUE DURANTE EL ANALISIS MS LAS
MUESTRA Y SU MOLECULAS MARCADAS REALIZAN EL MISMO
INTRODUCCION EN EL RECORRIDO QUE LAS MOLECULAS DEL ANALITO
INSTRUMENTO
15 16

4
EJEMPLO: ADICION DE ESTANDAR
EJEMPLO: CALIBRACION “REGULAR”
DETERMINACION DE ACIDO ASCORBICO
DETERMINACION DE ACIDO ASCORBICO added conc., ppm abs., AU
0.0 0.373 X Variable 1 Line Fit Plot
conc., ppm abs., AU sample signal
5.0 0.452
10.0 0.145 0.610 X Variable 1 Line Fit Plot
10.0 0.513
20.0 0.435 0.7
15.0 0.571
30.0 0.814 1.6 0.6
20.0 0.622
40.0 1.152
1.4 0.5
50.0 1.419
1.2 0.4

Y
SUMMARY OUTPUT 0.3
1
SUMMARY OUTPUT 0.2
Y

0.8 Regression Statistics 0.1


0.6 Multiple R 0.996525837
Regression Statistics 0
Multiple R 0.998482153 0.4 R Square 0.993063744
0.0 10.0 20.0 30.0
R Square 0.996966611 0.2 Adjusted R Square 0.990751658
Standard Error 0.009414528 X Variable 1
Adjusted R Square 0.995955481 0
Standard Error 0.032881099 Observations 5
0.0 20.0 40.0 60.0
Observations 5
X Variable 1 ANOVA
ANOVA df SS MS F Significance F
df SS MS F Significance F Regression 1 0.0380689 0.0380689 429.5099662 0.000245687
Regression 1 1.0660225 1.0660225 985.9927547 7.09703E-05 Residual 3 0.0002659 8.86333E-05
Residual 3 0.0032435 0.001081167 Total 4 0.0383348
Total 4 1.069266
Coefficients Standard Error t Stat P-value Lower 95% Upper 95%
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Intercept 0.3828 0.007292462 52.49256112 1.52269E-05 0.35959211 0.40600789
Intercept -0.1865 0.034485987 -5.40799361 0.012397364 -0.296249906 -0.076750094 X Variable 1 0.01234 0.000595427 20.72462222 0.000245687 0.010445084 0.014234916
X Variable 1 0.03265 0.001039792 31.40052157 7.09703E-05 0.029340916 0.035959084

X Variable 1 Residual Plot


X Variable 1 Residual Plot
RESIDUAL OUTPUT
RESIDUAL OUTPUT 0.01

Residuals
0.05
Observation Predicted Y Residuals
Residuals

0
Observation Predicted Y Residuals 1 0.3828 -0.0098 -0.01 0.0 5.0 10.0 15.0 20.0 25.0
0
1 0.14 0.005 2 0.4445 0.0075
0.0 20.0 40.0 60.0 -0.02
2 0.4665 -0.0315 3 0.5062 0.0068
-0.05 4 0.5679 0.0031 X Variable 1
3 0.793 0.021
4 1.1195 0.0325 X Variable 1 5 0.6296 -0.0076
17 18
5 1.446 -0.027

EJERCICIO DE TALLER
CALIBRACION vs ADICION DE ESTANDAR
0.3054 g (s=0.9 mg) de una muestra de mineral ferroso se somete a digestión ácida, con lo cual la muestra
SUMMARY STATISTICS se disuelve completamente. La solución resultante se transfiere cuantitativamente a un matraz volumétrico
REG-CAL STD ADTN de 100 mL (s = 0. 5 mL) y se enrasa con agua desionizada. Se utilizó un método de absorción atómica para
n 5 5 llevar a cabo la cuantificación. Se tomaron varias muestras de 10 mL (%RSD = 0.35%) de esta solución y a
cada una se le añadió un volumen de solución estándar de aluminio de 10.00 ppm (mg/mL). Se usó entonces
r 0.998482 0.9965258
agua desionizada para llevar el volumen total de cada solución a 50 mL (%RSD = 0.25%). Estas soluciones
sR 0.032881 0.0094145
produjeron lecturas de absorbancia (unidades para la señal analítica en la técnica de absorción atómica)
mean x 30 10 como se describe a continuación.
mean y 0.793 0.5062 x  6.00 y  0.0823
Aluminio añadido, mg
S xx 1000 250 Matraz No. por mL de solución de
trabajo
Absorbancia
S xx  112 S yy  0.00282
S yy 1.069266 0.0383348
1 0 0.0524 S xy  0.5618
a -0.1865 0.3828
2 2 0.0618
sa 0.034486 0.0072925
3 4 0.0728
b 0.03265 0.01234 Determinar la concentración de aluminio como
4 6 0.0822
sb 0.00104 0.0005954 porcentaje de Al2O3 en la muestra, así como su
5 8 0.0922
desviación estándar. Redondee sus respuestas con
x 0 or x E 24.4 31.0 6 10 0.1027
el número apropiado de cifras significativas.
s x0 or s xE 1.1 2.0 7 12 0.1123

%RSD 4.6 6.5 19 20

5
ERROR EXPERIMENTAL USO DE REGRESION LINEAL PARA
COMPARAR DOS METODOS ANALITICOS
ALGUNOS ERRORES DE PARTE DE LA VALIDACION DE UN NUEVO METODO:
LABORATORIO SON IDENTIFICAR ERROR(ES) SISTEMATICO(S)
MÁS OBVIOS QUE PRODUCE EL NUEVO METODO RESULTADOS SIGNIFICATIVAMENTE MAS
ALTOS O MAS BAJOS QUE UN PROCEDIMIENTO BIEN ESTABLECIDO?
OTROS, PERO
SIEMPRE HAY ERROR IMPLEMENTACION.- UTILICE UNA SERIE DE MUESTRAS ANALIZADAS
ASOCIADO ON TODA POR AMBOS METODOS
MEDICIÓN.
CALCULAR.- LA PENDIENTE (b), EL INTERCEPTO (a) Y EL COEFICIENTE DE
CORRELACION* (r)
No hay manera de determinar el “valor verdadero” de algo. Lo mejor que
podemos hacer en un análisis químico es aplicar cuidadosamente una SI CADA MUESTRA CONDUCE A UN RESULTADO IDENTICO
técnica que la experiencia nos diga que es confiable. Repetición del POR AMBOS METODOS,
método varias veces nos da la precisión (reproducibilidad) de la medición.
a = 0 b = 1 r = 1
Si hay acuerdo entre las mediciones de la misma cantidad por diferentes
métodos, entonces confiamos en que los resultados son exactos, lo cual
solo significa que están cercanos al valor “verdadero” * EN LA PRACTICA, EL COEFICIENTE DE CORRELACION, r, TIENE UNA IMPORTANCIA MENOR
COMPARADO CON LOS LIMITES DE CONFIANZA PARA LA PENDIENTE Y EL INTERCEPTO
21 22

REGRESION PARA COMPARAR DOS METODOS ANALITICOS REGRESION LINEAL PARA COMPARAR DOS METODOS ANALITICOS

CONDICIONES PARA OBTENER RESULTADOS CONFIABLES (a) PERFECTO ACUERDO ENTRE LOS DOS METODOS
PARA TODAS LAS MUESTRAS

 LOS RESULTADOS DEL METODO MAS PRECISO SE PRESENTAN EN EL EJE x a = 0 Y b=1


(PUEDE UTILIZARSE LA PRUEBA F PARA COMPARAR LA PRECISION DE (b) LOS DOS METODOS DIFIEREN EN UNA CANTIDAD
LOS DOS METODOS) FIJA

a≠0 PERO b=1


 DEBE INCLUIRSE UN NUMERO RAZONABLE DE PUNTOS (n > 10) PARA SE DICE QUE HAY UN ERROR ABSOLUTO ENTRE
LOS DOS METODOS
CONSTRUIR LA GRAFICA DE COMPARACION
(RECORDAR QUE SE PIERDEN DOS GRADOS DE LIBERTAD AL EFECTUAR (c) LOS METODOS DIFIEREN EN UNA CANTIDAD QUE
AUMENTA CON LA CONCENTRACION
LOS CALCULOS)
a=0 PERO b≠1
 LOS PUNTOS (PAREJAS DE DATOS DE CONCENTRACION) DEBEN CUBRIR EL SE DICE QUE HAY UN ERROR RELATIVO ENTRE
LOS DOS METODOS
RANGO DE INTERES CON UN DISTANCIAMIENTO UNIFORME
(d) EVIDENCIA DE ERRORES ABSOLUTO Y RELATIVO
(A MENUDO, ALGO DIFICIL DE OBTENER EN LA PRACTICA)

23 a≠0 Y b≠1 24

6
COMPARANDO DOS METODOS ANALITICOS
EJEMPLO.- REGRESION LINEAL PARA COMPARAR DOS METODOS
ANALITICOS

SE DETERMINO EL NIVEL DE PLOMO EN DIEZ MUESTRAS DE JUGO DE FRUTAS


MEDIANTE UN NUEVO METODO POTENCIOMETRICO Y LOS RESULTADOS SE
COMPARARON CON AQUELLOS OBTENIDOS MEDIANTE ABSORCION ATOMICA
CON HORNO DE GRAFITO. SE OBTUVIERON LOS SIGUIENTES DATOS (TODOS
EN mg/L):
MUESTRA 1 2 3 4 5 6 7 8 9 10
RESULTADO AAS 35 75 75 80 125 205 205 215 240 350
RESULTADO MET. POT. 35 70 80 80 120 200 220 200 250 330

EN LA PRACTICA, SI LOS INTERVALOS DE CONFIANZA PARA EL INTERCEPTO Y LA


PENDIENTE INCLUYEN LOS VALORES “IDEALES” DE 0 Y 1 RESPECTIVAMENTE, SE
a  3.87  15.34 b  0.963  0.083
HABRA DEMOSTRADO, MAS ALLA DE UNA DUDA RAZONABLE, QUE NO HAY EVIDENCIA DE
ERRORES FIJO Y RELATIVO -11.47 3.87 19.21 0.880 0.963 1.046

a  3.87 b  0.963 r  0.9945


ESTE INTERVALO INCLUYE A CERO ESTE INTERVALO INCLUYE A UNO

ES CLARO QUE EL INTERCEPTO Y LA PENDIENTE CALCULADOS NO DIFIEREN


sR  10.56 sa  6.64 sb  0.0357 t  2.31( f  8) SIGNIFICATIVAMENTE DE LOS VALORES “IDEALES” 0 Y 1 RESPECTIVAMENTE
25 26

ERROR SISTEMATICO ERRORES ABSOLUTO (FIJO) Y RELATIVO


(DEFINICIONES)
YA SABEMOS COMO DISTINGUIR ENTRE ERROR FIJO
(ABSOLUTO) Y ERROR RELATIVO:
ERROR ABSOLUTO:  O A
CUANDO UN OPERADOR O UN METODO EXHIBE UN ERROR FIJO, TODAS LAS
DETERMINACIONES EN UN LOTE SE VERAN AFECTADAS POR UN ERROR O A
ERROR RELATIVO: %  100
ABSOLUTO DE MAGNITUD CONSTANTE A
(PORCENTAJE DE ERROR)

EN EL CASO DE ERROR RELATIVO, EL ERROR SISTEMATICO ES

PROPORCIONAL A LA CONCENTRACION MEDIDA, DE TAL MANERA QUE LAS DONDE,

DETERMINACIONES SE VEN AFECTADAS POR UN PORCENTAJE DE ERROR O : VALOR OBSERVADO (DETERMINACION EN LA MUESTRA
CONSTANTE DESCONOCIDA)

A: VALOR VERDADERO O ACEPTADO COMO VERDADERO


OJO: EN AMBOS CASOS, EL ERROR SISTEMATICO ESTA SUPLEMENTADO –Y A
(CONCENTRACION VERDADERA EN LA MUESTRA ESTANDAR)
MENUDO ENMASCARADO – POR UN ERROR ALEATORIO QUE VARIA

IMPREDECIBLEMENTE DE UNA DETERMINACION A OTRA OJO: EL ERROR (SISTEMATICO) TIENE SIGNO


27 28

7
CORRECCION DEL ERROR FIJO
COMO CORREGIR EL ERROR SISTEMATICO

 LA CORRECCION DEL ERROR SISTEMATICO SE LLEVA A CABO O : OBSERVADO


MEDIANTE UN “CONTROL ANALITICO DE CALIDAD” A : VERDADERO
s : ESTANDAR
CONSISTENTE EN LA INSERCION DE UN NUMERO DE x : MUESTRA DESCONOCIDA
MUESTRAS ESTANDARES DE CONCENTRACION CONOCIDA EN
CIERTOS PUNTOS DE UNA SECUENCIA DE MUESTRAS
DESCONOCIDAS DE RUTINA
ERROR ABSOLUTO CONSTANTE

 EL PRECIO QUE UNO PAGA POR ELIMINAR EL ERROR


SISTEMATICO ES UNA DISMINUCION EN LA PRECISION DEL s  x  Os  As  Ox  Ax
RESULTADO
 Ax  Ox  Os  As
29 30

CORRECCION DEL ERROR FIJO CORRECCION DEL ERROR RELATIVO

EN PALABRAS:

DETERMINACION
CORREGIDA =
CONCENTRACION
DETERMINACION DETERMINACION VERDADERA
EN LA MUESTRA – EN LA MUESTRA + DE LA MUESTRA
DESCONOCIDA ESTANDAR ESTANDAR

EJEMPLO: DETERMINACION RUTINARIA DE AMONIACO CON EVIDENCIA DE ERROR ABSOLUTO ERROR RELATIVO CONSTANTE
FIJO. SE INSERTA UN ESTANDAR (10.0% w/w) DESPUES DE CADA DETERMINACION EN LA MUESTRA
Os  As O  Ax
DESCONOCIDA
% s  % x  As
 x
Ax
DETERMINACIONES MUESTRAS
Os O

A B C D E F MEDIA STDEV
 x As
MUESTRAS DESCONOCIDAS 20.6 20.5 20.7 20.6 20.8 21.0 20.7 0.179
As Ax  Ax  Ox 
MUESTRAS ESTANDARES (10.0 %w /w ) 10.3 10.7 10.6 11.0 10.3 10.4 10.6 0.274 Os
CORREGIDAS 20.3 19.8 20.1 19.6 20.5 20.6 20.2 310.394 32

8
CORRECCION DEL ERROR RELATIVO
CORRECCION SIMULTANEA DE ERRORES FIJO Y RELATIVO
EN PALABRAS:

DETERMINACION DETERMINACION
CORREGIDA
= CORREGIDA
=
CONCENTRACION
CONCENTRACION DETERMINACION DETERMINACION VERDADERA
DETERMINACION
VERDADERA EN LA MUESTRA – DETERMINACION ×
EN LA MUESTRA × DE LA MUESTRA
÷ EN LA MUESTRA
DESCONOCIDA
EN EL BLANCO
DE LA MUESTRA
ESTANDAR
DESCONOCIDA ESTANDAR
ESTANDAR
DETERMINACION DETERMINACION
EJEMPLO: DETERMINACION RUTINARIA DE AMONIACO CON EVIDENCIA DE ERROR RELATIVO EN LA MUESTRA – EN EL BLANCO
ESTANDAR
CONSTANTE. SE INSERTA UN ESTANDAR (10.0% w/w) DESPUES DE CADA DETERMINACION EN LA
MUESTRA DESCONOCIDA

(Ox  OB )  As
O SEA, Ax 
Os  OB
33 34

LIMITACIONES DE LA LINEA DE REGRESION “NO PONDERADA” LA PRECISION DEL METODO ESTA RELACIONADA
CON LA CONCENTRACION?
 RECORDAR QUE...
UNA LINEA DE REGRESION NO SOLO ASUME QUE EL ERROR
ALEATORIO EN LOS VALORES DEL EJE x ES DESPRECIABLE, SINO
TAMBIEN QUE EL ERROR ALEATORIO EN LOS VALORES DE y ES
CONSTANTE (HOMOCEDASTICIDAD)
O SEA QUE
TODOS LOS PUNTOS DE LA RECTA TIENEN IGUAL PONDERACION
CUANDO SE CALCULAN LA PENDIENTE Y EL INTERCEPTO DE LA
LINEA DE REGRESION

 A MENUDO DICHAS ASUNCIONES NO SON VALIDAS EN LA PRACTICA

 CON MUCHA FRECUENCIA ES LA DESVIACION ESTANDAR RELATIVA DE


LA SEÑAL INSTRUMENTAL LA QUE ES APROXIMADAMENTE CONSTANTE PRECISION PRECISION
DENTRO DE UN RANGO DE CONCENTRACION ABSOLUTA RELATIVA
CONSTANTE CONSTANTE

 A PESAR DE ESTAS OBJECIONES, LAS LINEAS DE REGRESION NO sy


PONDERADAS PROPORCIONAN INFORMACION UTIL EN MUCHISIMOS s y  constante  constante
CASOS y
35 36

9
LA PONDERACION DE ERRORES ALEATORIOS
EN UN CALCULO DE REGRESION LINEAS DE REGRESION “PONDERADAS”
 SE UTILIZAN CUANDO EL ERROR ALEATORIO EN LA RESPUESTA
INSTRUMENTAL ES UNA FUNCION (APROXIMADAMENTE LINEAL)
DE LA CONCENTRACION DEL ANALITO

 LOS CALCULOS INVOLUCRADOS SON UN POCO MAS COMPLICADOS


QUE AQUELLOS DE LA REGRESION NO PONDERADA

 REQUIERE INFORMACION ADICIONAL DE LA PRECISION DE LA


SEÑAL A LOS DIFERENTES NIVELES DE CONCENTRACION O, AL
MENOS, UNA FORMULACION DE SUPOSICIONES ADICIONALES
ACERCA DE TAL PRECISION
LOS ERRORES EN LOS DIFERENTES PUNTOS DE LA GRAFICA SE REPRESENTAN
(ESTO EXPLICA PORQUE LAS REGRESIONES PONDERADAS SE USAN
MEDIANTE “BARRAS DE ERROR” (LIMITES DE  1s) QUE SE ALARGAN A MEDIDA QUE LA
CON MENOS FRECUENCIA)
CONCENTRACION AUMENTA

ES CLARO QUE SE DEBERIA DAR UNA MAYOR PONDERACION A AQUELLOS PUNTOS


 LAS LINEAS DE REGRESION PONDERADA SE USAN
EXCLUSIVAMENTE EN LA CALIBRACION DE INSTRUMENTOS (NO
DONDE LAS BARRAS DE ERROR SON MAS CORTAS: ES MAS IMPORTANTE QUE LA RECTA
PARA COMPARAR DOS METODOS ANALITICOS)
CALCULADA PASE MAS CERCA DE ESTOS PUNTOS
37 38

LINEAS DE REGRESION PONDERADA ECUACIONES * LINEA DE REGRESION PONDERADA

PAREJAS DE DATOS: (x1,y1), (x2,y2), … (xi,yi), … (xn,yn) CENTROIDE PONDERADO (xw , yw) :
CON DESVIACIONES ESTANDAR s s … s … s
w x 1
  wi xi
w y 1
1 2 i n xw  i i
yw  i i
  wi yi
Y PONDERACIONES w w … w … w w i n w i n
1 2 i n
S wxy
DAR A CADA PUNTO UNA PONDERACION, wi , INVERSAMENTE PENDIENTE b INTERCEPTO a  yw  bxw
S wxx
PROPORCIONAL A LA VARIANZA CORRESPONDIENTE, si2
1
wi  DONDE
s 2 si2 Swxy   wi ( xi  xw )( yi  yw )   wi xi yi  nxw yw
ES CONVENIENTE* UTILIZAR wi  1 i  2
n  si S wxx   wi ( xi  xw )   wi xi2  nxw2
2

* PARA SIMPLIFICAR LOS CALCULOS SUBSIGUIENTES, LOS FACTORES DE


S wyy   wi ( yi  yw )   wi yi2  nyw2
2
PONDERACION SE PONEN EN UNA ESCALA TAL QUE SU SUMA ES IGUAL AL
NUMERO DE PUNTOS DE LA CURVA (n):
w i n
39 40

10
LIMITES DE CONFIANZA PARA UNA CONCENTRACION EJERCICIO DE TALLER
CALCULADA MEDIANTE UNA REGRESION LINEAL PONDERADA
La fluorescencia de una serie de soluciones ácidas de quinina fue determinada 5 veces; los resultados se
muestran a continuación:
Concentración, ng/mL: 0 10 20 30 40 50
Intensidad de fluorescencia: 4 22 44 60 75 104
(unidades arbitrarias) 3 20 46 63 81 109
MUCHO MAS 4 21 45 60 79 107
5 22 44 63 78 101
CERCANO AL 4 21 44 63 77 105
ORIGEN QUE EL
CENTROIDE NO Determine la pendiente y el intercepto de (a) la recta de regresión no ponderada y (b) la recta de
regresión ponderada. Calcule, utilizando ambas rectas de regresión, los límites de confianza para la
PONDERADO
concentración de las disoluciones con intensidades de fluorescencia de 15 y 90 unidades.

swR 1 1 ( y0  yw )2
s x0 w   
b w0 n b 2 S wxx

S wyy  b 2 S wxx
DONDE swR 
n2
41 42

Conc,
f1 f2 f3 f4 f5 media desv std %RSD
ppb
0 4 3 4 5 4 4.0 0.71 17.7 b= 1.963 sR = 2.0343 IC(95%)

10 22 20 21 22 21 21.2 0.84 3.9 a= 3.481 sb = 0.0676 0.1881


t= 2.78
20 44 46 45 44 44 44.6 0.89 2.0
sa = 1.1573 3.2173
30 60 63 60 63 63 61.8 1.64 2.7
40 75 81 79 78 77 78.0 2.24 2.9
50 104 109 107 101 105 105.2 3.03 2.9

yo so wo xo sxo IC(95%)
xi yi si 1/si2 wi wixi wiyi wixiyi wixi2 wiyi2
xw yw
15 0.790 1.794 5.867 0.906 2.519
11.92 26.87
0 4.0 0.707 2.001 2.240 0.000 8.961 0.00 0.00 35.84
90 2.588 0.167 44.071 2.798 7.778
10 21.2 0.837 1.427 1.598 15.983 33.885 338.85 159.83 718.35

20 44.6 0.894 1.251 1.401 28.020 62.485 1249.71 560.41 2786.85 Swxx = 904.35 Valor estimado
30 61.8 1.643 0.370 0.415 12.444 25.635 769.05 373.32 1584.24 Swyy = 3501.93
por interpolación = 2.236 + (90 - 78.0)  (3.033 - 2.236)/(105.2 - 78.0)
40 78.0 2.236 0.200 0.224 8.958 17.469 698.76 358.34 1362.59 Swxy = 1775.39
yi si

50 105.2 3.033 0.109 0.122 6.086 12.805 640.26 304.31 1347.12 78.0 2.236

SUMAS: 5.358 6 71.492 161.240 3696.63 1756.21 7834.98


105.2 3.033

43 44

11
ESTIMACION POR INTERPOLACION REGRESIONES NO LINEALES
Y CUAL ES LA ALTERNATIVA A ESA OBSESION DE AJUSTAR TODO
EL RANGO DE CONCENTRACIONES A UNA LINEA RECTA?

(90, s0)

ESTA ES LA QUE
MEJOR SE
AJUSTA

45 46

DETECTANDO CURVATURA DETECTANDO CURVATURA


EJEMPLO: ANALIZAR EL INTERVALO DE CALIBRACION LINEAL DE LA SIGUIENTE
CALIBRACION DE FLUORESCENCIA: n a b r R E S I D U O S
6 1.357 3.479 0.9878 -1.257 -0.314 0.429 1.971 2.314 -3.143
5 0.100 3.950 0.9998 0.000 0.000 -0.200 0.400 -0.200
4 0.000 4.000 0.9998 0.100 0.000 -0.300 0.200
CONC. INTENS.
mg/mL FLUOR.
0 0.1
2 8.0
4 15.7
6 24.2
8 31.5
10 33.0

EN GENERAL,
LOS RESIDUOS DEBEN SER INDEPENDIENTES ENTRE SI (NO DEBE HABER
NINGUN “PATRON” O TENDENCIA EN LOS RESIDUOS). A MENUDO SE
REGRESION LINEAL NO PONDERADA A TRAVES DE TODOS LOS PUNTOS
LOS 5 PRIMEROS PUNTOS, Y REQUIEREN MAS DATOS PARA UNA OBSERVACION CONCLUYENTE
LOS 4 PRIMEROS PUNTOS
47 48

12
Ejercicio de taller Ejercicio de taller (cont.)
Aunque se podría utilizar la prueba de
Un analista confía en que la curva de calibración de un cierto método de Dixon para chequear si el último
análisis es lineal a bajas concentraciones. Con el fin de encontrar el límite residuo podría ser descartado como
superior del rango lineal, se miden las absorbancias de diez muestras que un "fuera de lugar" (outlier), realice
contienen concentraciones incrementales del analito. Los resultados se dan más bien una serie de pruebas t para
a continuación.
establecer el límite superior del
Concentración en ppm (x) 2 4 6 8 10 12 14 16 18 20
rango lineal, con un 95% de
Absorbancia (y) 14 21 25 33 36 42 50 54 57 61 confianza. Utilice la siguiente
adaptación del valor calculado de t en
Usando una calculadora de bolsillo el analista determina la ecuación de el tercer paso:
regresión ordinaria para los primeros nueve puntos. Luego determina la
ecuación para los primeros ocho puntos, luego para los primeros siete puntos,
etc. Las ecuaciones y sus desviaciones estándares de residuos son: residuo de la muestra con alta concentrac ion
tcalc 
n 1
Rango de concentración, ppm Ecuación Desviación estándar de los sR
residuos n

2 a 18 inclusive y = 9.389 + 2.750x 1.409


2 a 16 inclusive y = 8.714 + 2.851x 1.166
NOTA: Aquí lo que se compara es el residuo de la señal para la concentración
que se cree que está por encima del límite de linealidad vs. la media de los
2 a 14 inclusive y = 8.571 + 2.875x 1.262
residuos por debajo de ese límite.
etc. etc. etc.

Y ESO FUE TODO…

GRACIAS POR SU PACIENCIA

51

13