QUMICA ANALTICA INSTRUMENTAL

II. INTRODUCCIN A CIFRAS DE MRITO

INTRODUCCIN Son nuestras medidas confiables? Esta confiabilidad se puede mantener en el tiempo? Podemos asegurar confiabilidad en nuestras medidas? Qu herramientas de control podemos implementar para ello?

PROGRAMA DE ASEGURAMIENTO DE CALIDAD GESTIN DE CALIDAD

ASEGURAMIENTO DE CALIDAD

INCORPORACIN DE UN SISTEMA DE GESTIN DE CALIDAD SOBRE EL PROCESO ANALTICO: MEDIDA COMO UN PROCESO DE PRODUCCIN

ASEGURAMIENTO DE CALIDAD
PROCESO DE PRODUCCIN
- Seleccin de materias primas - Control de calidad (permanente) - Evaluacin de nuevas alternativas

Materias primas

Proceso

- Seleccin de equipamiento - Plan de mantencin preventiva y correctiva - Instruccin permanente del personal - Control de proceso productivo (toma de muestra , anlisis, entrega de resultados)

Producto

- Control de calidad de producto terminado - Gestin de la calidad

ASEGURAMIENTO DE CALIDAD
PROCESO DE MEDIDA CONTROL ESTADSTICO: Deteccin y Remocin de todas las fuentes de variabilidad
MUESTRA - Muestreo - Tratamiento de muestra - Control de calidad de reactivos - Seleccin de personal y equipamiento - Evaluacin del desempeo analtico: Cifras de

mrito
- Control del proceso analtico (SEGUIMIENTO) - Plan de mantencin de equipamiento - Capacitacin de personal tcnico RESULTADO ANALTICO - Tratamiento estadstico de los datos

ASEGURAMIENTO DE CALIDAD
COMO CONTROLAR LA CALIDAD DE UNA METODOLOGA ANALITICA? QUE PARMETROS SE DEBIESE EVALUAR Y CONTROLAR?

CIFRAS DE MRITO

ASEGURAMIENTO DE CALIDAD
Una CIFRA de mrito es un NMERO, derivado de las medidas, que es usado para evaluar un instrumento o una metodologa analtica El NMERO corresponde a un criterio que puede ser usado para evaluar la PERFORMANCE cualidades de un mtodo instrumental. Estos valores permiten decidir si un mtodo tiene la capacidad para resolver un problema analtico dado.

Estadsticos
Exactitud Precision Lmite de deteccin Lmite de cuantificacin Selectividad Linealidad Robustez

Econmico-operativos
Inversion Mantenimiento Rapidez Facilidad de uso Simplicidad

EXACTITUD Y PRECISIN
Exactitud
Es el grado de concordancia entre el valor medio obtenido de una serie de resultados de ensayo y un valor de referencia aceptado

Precisin
Es el grado de concordancia entre ensayos independientes obtenidos bajo condiciones estipuladas.

Error sistemtico (sesgo) Se evala respecto a referencias

Error aleatorio Se evala a travs de anlisis de replicas: reproducibilidad y repetibilidad

EXACTITUD versus PRECISIN

COMENTAR

EXACTITUD versus PRECISIN Cmo expresar exactitud y precisin? Exactitud = Sesgo Diferencia absoluta entre el valor verdadero y valor encontrado
SESGO = Vexp - Valor verdadero

El sesgo tiene una magnitud y signo definido (ERROR SISTEMTICO)

EXACTITUD versus PRECISIN Cmo expresar exactitud y precisin? Precisin = Dispersin en torno a la media Diferencia promedio entre las replicas y su valor promedio

Se expresa generalmente como desviacin estandar relativa RSD o coeficiente de variacin (en %)

RSD =

CV =

s 100

PRECISIN
Distintos niveles para determinar la precisin REPETIBILIDAD
Dispersin de resultados (seal) obtenidos por: - Una misma persona - Sobre la misma alicuota de muestra y en la determinacin del mismo analito - Usando el mismo equipamiento e instrumentacin - En corto intervalo de tiempo

REPRODUCIBILIDAD Dispersin de resultados al aplicar el mtodo a una misma muestra sometida a los ensayos realizados en diferentes laboratorios o en las siguientes diferentes condiciones: - Analista - Instrumento - Igual o diferente da

PRECISIN
Se est evaluando un nuevo mtodo de anlisis. Para ello se evalu una muestra de concentracin conocida utilizando esta nueva alternativa y el mtodo utilizado habitualmente, obteniendo los siguientes resultados.
Mtodo Nuevo 1.96 1.93 2.09 2.05 2.11 1.94 2.07 Mtodo en uso 1.99 1.94 2.02 2.02 1.96 2.02 1.98

Existen diferencia entre precisiones de mtodos de anlisis? Es posible determinar si un mtodo tiene mejor precisin que otro?

PRECISIN
Para comparar precisiones es necesario comparar varianzas

Si |F| > FTabla se rechaza H0

Los varianzas son diferentes

PRECISIN
Apliquemos esta herramienta a nuestros datos ...
Mtodo Nuevo 1.96 1.93 2.09 2.05 2.11 1.94 2.07 Mtodo en uso 1.99 1.94 2.02 2.02 1.96 2.02 1.98

0.0057 F= = 5.56 0.0010

Segn la tabla, al 95% de confianza:

F( 1 =7 , 2 =6, =0.05) = 4.21

4 -Tenemos que FTabla< Fcalculado

1 Desv. Std. 0.0758 Varianza 0.0057 0.0321 0.0010

- Por lo tanto, existe diferencia significativa entre las precisiones

EXACTITUD
1. 2. 3. 4. COMO SE EVALA EN LA PRCTICA? Analizando la misma muestra por un mtodo de referencia Recurriendo a mtodos de garanta probada Analizando materiales de referencia Estudios inter-laboratorios

Escala jerrquica de referencias comnmente utilizadas

Incertidumbre en mtodos analticos de rutina, Ph.D Thesis, A. Maroto, Universitat Rovira I Virgili, 2002

EXACTITUD
1. Anlisis de material de referencia certificado

EXACTITUD
1. Anlisis de material de referencia certificado

EXACTITUD

Materiales de referencia
Cholesterol human serum (frozen) human serum NIST SRM 1951b Cholesterol in Frozen USA Human Serum

Creatinine Potasium Thorium

BCR 553 JCCRM SRM 909 b Human Urine

IRMM Belgium Japan

NIST USA

human serum

Human Urine

METODOLOGIAS DE REFERENCIA

STANDARD METHODS AMERICANO

ESTUDIOS INTERLABORATORIO

QU CRITRERIO ESTADSTICO PERMITE ESTABLECER DIFERENCIAS SIGNIFICATIVAS ENTRE VALOR VERDADERO A ANALIZADO?

Exactitud
1. Comparacin de una media respecto a un valor de referenica

ts =X N
Si
t calculado

t calculado =

X s

< t

tabulado

(para n-1 grados de libertad, a un nivel de confianza de 95 %) los resultados son

ESTADSTICAMENTE SIMILARES

CONTRASTES DE SIGNIFICACIN
-COMPARACIN DE DOS MEDIAS-

2. Comparacin de dos medias experimentales : Verificacin de una nueva metodologa analtica respecto de una de referencia. Cambio de proveedor de reactivos, El rendimiento se ve afectado? ... se comparan las medias de rendimiento.

Dcimas de hiptesis
H0 : x1 = x2 H1: x1 x2

Estadstico t Para varianzas homogneas o heterogneas

CONTRASTES DE SIGNIFICACIN
-COMPARACIN DE DOS MEDIAS-

Ejemplo 2.

H0 : x1 = x2

H1: x1 x2

EJERCICIO
1. Se ha propuesto la aplicacin de un nuevo mtodo espectrofotomtrico para la determinacin de un compuesto orgnico con inters ambiental, el cual es ms rpido y de menor costo de implementacin y adquisicin que el utilizado de forma rutinaria. Para verificar su potencial en el anlisis de muestras de agua, se procedi de la siguiente forma: a) Se determin el contenido de este compuesto en diez fracciones de una muestra de agua de composicin conocida. Los resultados obtenidos se presentan a continuacin. mg/L : 43.1; 43.6; 45.1; 50.6; 47.5; 47.1; 51.6; 50.8; 50.9; 44.1 b) Se realiz la misma determinacin pero utilizando un mtodo de referencia a la misma muestras de agua obteniendo los siguientes resultados mg/L : 49.8; 49.9; 50.3; 56.3; 54.4; 54.0; 57.3; 57.5; 57.0; 49.8 c) Se sabe que el contenido real de la muestra analizada es de 45.2 mg/L

i) Determine si el nuevo procedimiento presenta una precisin similar al mtodo de rutina ii) Existen diferencias entre los resultados entregados por ambas metodologas? iii) Si se sabe que el contenido real de la muestra analizada es de 45.2 mg/L, determine cual de los mtodo entrega resultados exactos.

MTODOS RELATIVOS EN QUMICA ANALTICA

METODOS DE CALIBRACIN
Nmero limitado de mtodos que pueden ser usados para encontrar la relacin entre la concentracin del analito y la respuesta (seal) del instrumento. Los ms comunes son CALIBRACIN EXTERNA (SIMPLE) MTODO DE LA ADICIN ESTANDAR METODO DEL PATRN INTERNO

CURVA DE CALIBRADO
Objetivo de estudio de regresin demostrada vinculacin entre variables: 1. Determinar de la funcin que define el modelo: Y = f(X) 2. Estimar la funcin de distribucin que sigue la variable de error 3. Validar Modelo (Verificacin significancia de modelo, demostrar calidad de ajuste con anlisis de residuos)

QUMICA ANALTICA CURVAS DE CALIBRADO Seal A

Regresin lineal

y=Ax+B

A = pendiente, B = ordenada al origen

Concentracin

PARMETROS DE CALIDAD
Considerando que: 1. Los datos experimentales estn sujetos a errores aleatorios 2. Los datos instrumentales pueden presentar errores aleatorios

Cmo proceso los datos obtenidos para construir una curva de calibrado con calidad asegurada? Qu herramientas se deben utilizar? Qu parmetros deben ser determinados para dar certeza de la calidad de una curva de calibrado y as asegurar la calidad de los resultados generados?

REGRESIN LINEAL SIMPLE

1. Determinar de la funcin que define el modelo: Y = f(X)
Teniendo en cuenta que cada uno de los puntos de la curva de calibrado est sujeto a errores, Cul es la mejor recta ( o curva) que pasa por esos puntos?.

Seal

X5,y5 X5, 5

5 =(Y5-5)

X6, 6 X6,y6 6 =(Y6-6)

X3,y3 X3, 3

3 =(Y3-3)

X4, 4 X4,y4

4 =(Y4-4)

X1,y1 X1, 1

1 =(Y1-1)

X2, 2 X2,y2

2 =(Y2-2)

X1

X2

X3

X4

X5

X6

Concentracin

Aquella que se ajusta adecuadamente a los puntos experimentales, minimizando las diferencias entre los valores obtenidos para la variable dependiente (Yi) y los predichos desde el modelo (i)

MNIMOS CUADRADOS

REGRESIN LINEAL SIMPLE

Se define una funcin objetivo: y = Ax + B + (y) Se buscan coeficientes para minimizar los residuos
M

Parmetros de la regresin obtenidos por cuadrados mnimos: Desviacin estndar de los residuos

sy/ x =
Seal

( yi yi ) 2
i =1

A=

Qxy Qxx

(x
i =1 M

x )( yi y )
i

(x
i =1

x )2

M 2

B = y Ax
M = nmero total de puntos de la curva
(no promediar las rplicas)

A B

Regresin lineal origen

y=Ax+B

A = pendiente, B = ordenada al

Concentracin

REGRESIN LINEAL SIMPLE

EJEMPLO. Se han examinado una serie de soluciones patrn de fluorescena en un espectrofotmetro de fluorescencia y han conducido a las siguientes intensidades de fluorescencia (en unidades arbitrarias): Intensidad de fluorescencia : 2.1 5.0 9.0 12.6 17.3 21.0 24.7 Concentracin, pg ml-1
1.

10

12

Calcule la pendiente y el intercepto de esta curva de calibrado utilizando las ecuaciones anteriores y utilizando MS Excel.

2.

Calcule ambos parmetros usando Excel desde las funciones disponibles. Primero grafique la curva, compare los parmetros obtenidos y comente. Utilice las funciones pendiente e interseccin.eje y compare.

EXISTE UNA RELACIN LINEAL ENTRE LAS VARIABLES

Cmo lo evaluamos?
Lo habitual - Construccin de la curva - Estimacin pendiente e intercepto - Revisin del coeficiente de correlacin (r). Si es cercano a uno se asume como que existe una muy buena relacin lineal. El coeficiente de correlacin, que es una medida de la relacin entre dos variables azarosas, no tiene ningn significado en la calibracin analtica, debido a que los valores de x no estn distribuidos al azar
K Danzer, LA Currie, Guidelines for calibration in analytical chemistry. Part 1, Fundamentals and single component calibration, Pure Appl. Chem. 70 (1998) 993-1014.

EXISTE UNA RELACIN LINEAL ENTRE LAS VARIABLES

Cmo lo evaluamos?
- Evaluacin del coeficiente (Para la regresin lineal R2 = r x r). de determinacin, R2.

- Anlisis de varianza del modelo: Test F - Anlisis de residuos (verificacin de que los errores son homocedsticos).

VALIDACIN CURVA DE CALIBRADO

Coeficiente de determinacin y Anlisis de varianza
Varianza explicada por el modelo Descomposicin de la varianza total:

2 exp

(^ y

y)2 i

(n 1)

SCexp (n 1)

SCT = SCexp + SCres

O bien :
2 sT = 2 sexp

Varianza residual
2 sres =

( yi ^ i ) 2 y (n 2)
2

SCres = (n 2)

(n 1)

(n 2) 2 sres (n 1)

Varianza Total

2 T

( y y) =
i

Por lo tanto, la varianza total explicada se determina a partir del coeficiente de determinacin:

(n 1)

SCT = (n 1)

( yi y)2- SCexp ^ = 2 R = 2 ( yi y) - SCT

F=

SCMexp SCM res

VALIDACIN CURVA DE CALIBRADO

1. Anlisis de residuos Y = mX + b + (y)

Mnimos cuadrado s

= AX + B

Residuos: = (Y -)
Permiten detectar presencia de datos anmalos. Contienen toda la informacin presente en los datos que no es extrada en el modelo.

VALIDACIN CURVA DE CALIBRADO

R e g re sio n lin e a l
14 12 10 Respuesta 8 6 4 2 0 -2 D a to s d e ca lib ra d o Re cta a justa d a Inte rva lo s d e co nfia nza 0 2 4 6 C o n c e n tra c io n 8 10

Distribucion de residuos
0.4 0.3 0.2 0.1 Residuo 0 -0.1 -0.2 -0.3 -0.4 -0.5 -0.6 0 Columna 1 Columna 2 Columna 3 2 4 6 Concentracion 8 10

I.

La determinacin de Cr(VI) en muestra ambientales, es un tema de relevancia, dada su alta toxicidad. En un laboratorio se propone realizar la determinacin de este analito mediante espectroscopia de absorcin molecular a 440 nm. Para ello se construye una curva de calibrado la cual es presentada en la siguiente tabla:

Cr(VI) (mg/L) 1 3 5 7 10

Abs 440 0.0069 0.0206 0.0338 0.0476 0.0541

Figura 1. Espectros de absorcin de Cr(VI) y Cr(III) a. Obtenga la pendiente y el intercepto para esta curva de calibrado y valide el modelo lineal 2 calculando el coeficiente de determinacin (R ) y el anlisis de residuos. b. Para realizar el anlisis de una muestra de agua, se tomaron 3 alcuotas de 1.00 mL y se aforaron con agua desionizada a 10.00 mL. De estas soluciones, se tomaron 3 alcuotas de 5 mL y se aforaron a 10.00 mL. La absorbancias medidas para estas muestras fueron 0.0383; 0.0381; 0.0374 U.A. Con un mtodo de referencia se determin que el contenido real de Cr(VI) en esta muestra era de 101.0 0.5 mg/L. Determine si la concentracin estimada con el mtodo propuesto es exacta al 95% de probabilidad. c. En virtud de este resultado se determin Cr(VI) mediante el mtodo de adicin patrn. Para ello una alcuota de 5.00 mL de muestra problema se afor a 100.00 mL. A partir de esta solucin, se prepar una curva de adicin estndar adicionando un volumen de 1.00 mL a cada matraz aforado de 25 mL. La ecuacin de la curva de adicin obtenida a 440 nm, fue:

= 0.00681

+ 0.001584

Por otra parte, las absorbancias de las solucin sin adicin fueron 0.001578; .001592; 0.001585 U.A. Determine si este mtodo es exacto al 95% de confianza, comparando con el valor de referencia entregado en b.

VISIN PRCTICA DE LEY DE LAMBERT-BEER Curva de calibrado

-Modelo con significancia estadstica demostrada que relaciona seal (absorbancia) versus concentracin - La Ley de Lambert-Beer propone que el modelo lineal que relaciona Absorbancia y concentracin para por cero. - La relacin es lineal para todo valor de Absorbancia y concentracin Seal

Zonas complejas
Concentracin

LIMITES INFERIORES DE LA CURVA

Lmite de deteccin (LOD): Menor concentracin de analito que puede ser detectada con un cierto nivel de confianza Lmite de cuantificacin (LC): Menor concentracin que puede ser medida con una precisin mnima dada (usualmente 10%)

LA Currie, Pure Appl. Chem. 67 (1995) 1699-1723

COMPARACIN DE LMITES DE DETECCIN

Antigua definicin de IUPAC: Nueva definicin de IUPAC:

3sB LOD = A
LOD = 3.28 s0

s0 =

sy / x A

1 1 x2 + + 3 M Qxx

LOD =

3.28s y / x A

1 1 x2 + + 3 M Qxx

LMITE DE CUANTIFICACIN: CLCULO Antigua definicin de IUPAC:

10sB LC = A
LOQ = 10 s0

Nueva definicin de IUPAC:

s0 =

sy / x A

1 1 x2 + + 3 M Qxx

De este modo, el error estndar en la cuantificacin es del 10% como mximo.

1.

Se desea determinar el contenido de un compuesto orgnico en una muestra de suelo. Para ello se prepara un set de soluciones sintticas de concentracin conocida y se registra para cada una de ellas la seal instrumental de la tcnica seleccionada. Los resultados obtenidos se presentan en la siguiente tabla. Igualmente se realizaron ensayos de muestras de blanco que se presenta junto a la otra tabla.
Seal 0.050 0.040 0.050 0.098 0.151 0.104 0.152 0.15 0.158 0.205 0.199 0.203 ppm 2 2 2 4 4 4 6 6 6 8 8 8

Anlisis de blancos 0.005 0.007 0.001 0.006 0.009 0.001 0.007 0.004 0.002 0.001

a) b) c)

d)

e) f)

Construya un modelo lineal para relacionar la concentracin y la seal instrumental mediante el mtodo de los mnimos cuadrados. Evale la calidad del modelo lineal a travs del R2 y el anlisis de residuo. Estime el lmite de deteccin y cuantificacin instrumentales y los esperados en la muestra (ver procedimiento descrito en c). Para realizar el anlisis de la muestra de suelo, se pesaron 10.00 g de muestra los que fueron sometidos a un procedimiento de extraccin, para levar el analito extrado a un volumen final de 500.00 mL. Luego se ensayaron dos diluciones : 30.00 mL del extracto aforados a 100.00 mL y 50.00 mL del extracto aforados a 100.00 mL. Las seales obtenidas para ambos procedimientos fueron: 0.080-0.074-0.077-0.076 y 0.125-0.123-0.126-0.124, respectivamente. Interpolando en la curva de calibrado evale la concentracin del analito en la muestra en unidades de mg/Kg a travs del lmite de confianza. Comente ventajas y desventajas de ambos procedimientos. Para evaluar ausencia de sesgo en la metodologa utilizada se procedi a analizar la misma muestra con una tcnica alternativa. Los resultados obtenidos fueron 501-500-504-498 mg/Kg. Ambas metodologa entregan resultados estadsticamente similares? La muestra analizada corresponda a un a muestra certificada donde el contenido real del analito de inters es de 551 2 mg/Kg. El mtodo aplicado permite obtener resultados confiables? Otro set de muestras fue analizado con la metodologa obteniendo los siguientes resultados: desde la interpolacin de la curva Muestra A : 0.21-.005-0.13 mg/L Muestra B : 0.56-0.62-0.59 mg/L Muestra C: 4.5-4.3-4.4 mg/L Calcule e Informe las concentraciones de estas muestras considerando que se aplic el mismo procedimiento descrito en c).

VALIDACIN CURVA DE CALIBRADO

Rangos lineal y dinmico

Rango dinmico Seal Rango lineal

Extremo superior del rango lineal

Concentracin LOD LOQ Prdida de la relacin seal-concentracin

PRDIDA DE LINEALIDAD: INTERVALO LINEAL El intervalo de linealidad de un mtodo, es aquel intervalo til de concentracin de un analito Calibrar relacin

Seal-Concentracin
Seal (A) LS yLS yLS - LS LS

= 0.03 = 3%

Concentracin

PRDIDA DE LINEALIDAD: INTERVALO LINEAL

Fexp

(s ) = (s )
y/x y

Comparar con Fa,M2,MP

2

sy/x = desvo estndar de los residuos de la regresin, sy = estimacin del ruido instrumental
M= nmero total de puntos, P = nmero de niveles

( y pr y p ) 2 sy =
p =1 r =1

M P

Fexp < Fcrit y p > 0.05

SELECTIVIDAD Grado en el que un mtodo puede usarse para determinar un analito en mezclas, sin interferencias de otros componentes de comportamiento similar En calibracin univariada debe ser total: SEL = 1

Siempre afectan la exactitud.

J Vessman, RI Stefan, JF Van Staden, K Danzer, W Lindner, DT Burns, A Fajgelj, H Mller, Pure Appl. Chem. 73 (2001) 1381-1386.

SELECTIVIDAD

Coeficiente de selectividad para un interferente particular:

i ,a

Aanalito = Ainterf.

A = pendiente de la recta de calibrado, = coeficiente de selectividad (valor ideal = )

MTODO ADICIN PATRN

Un analito no se encuentra aislado de los otros componentes de la muestra Estos componentes pueden llegar a interferir el anlisis ya sea incrementando o deprimiendo la seal analtica (Efecto de Matriz) Cuando la matriz de la muestra afecta la seal analtica (efecto de matriz), el valor de la pendiente cambia para el analito en la muestra. Este efecto puede evitarse estandarizando la calibracin con la muestra Seal (A, I.E.)

En la prctica

Curva normal Curva con efecto de matriz

Concentracin

MTODO ADICIN PATRN El efecto de matriz puede producir algn problema con la exactitud de la metodologa? Es necesario suprimirlo?
Este efecto puede evitarse estandarizando la calibracin con la muestra : adicin patrn o adicin estndar Agregar pequeos volmenes de solucin del estndar concentrado a un volumen conocido de muestra

Se asume: La matriz tiene el mismo efecto en el analito agregado que en el analito presente en la muestra original

MTODO ADICIN PATRN

Colocar un volumen constante de muestra en cada aforo

Concentracin de la matriz en cada aforo es la misma

Agregar volmenes crecientes de solucin patrn

Se debe agregar patrn de manera que la seal se vea incrementada de 1,5 a 3,0 veces respecto de la solucin original

Aforar a volumen constante todos los aforos

Todas las soluciones deben ser analizadas

MTODO ADICIN PATRN

Seal Analtica Concentracin final del analito en solucin problema [X]f

Seal del analito en muestra problema (no hay adicin de patrn)

Concentracin del analito adicionado

El intercepto corresponde a la seal de la solucin sin adicin

Intercepto Cx = Pendiente

MTODO ADICIN PATRN

Una muestra de concentracin inicial desconocida de analito [X]i entrega una intensidad de emisin Ix. Se aade luego una concentracin conocida de patrn, S, a una alcuota de la muestra y se mide la intensidad de emisin (Ix+Is) de esta nueva solucin, en donde la concentracin inicial del analito y del patrn se modifica por dilucin [X]f y [S]f (Volumen final variable)
Concentracin _ Analito _ Inicial Seal _ Inicial = Concentracin _ Analito _ Final + Concentracin _ Patrn _ final Seal _ Final

I x = k [ X ]i

I x + I s = k [[ X ] f + [ S ] f ]

[X ]i
[X ] f

Concentracin inicial desconocida del analito

[X ]i [X ]f + [S ]f

Ix = Ix + Is

= [ X ]i x

Vi Vf

Concentracin diluida del analito en la solucin final

[S ]f

Concentracin diluida de patrn en la solucin final

Una adicin es equivalente a la calibracin con dos puntos

SENSIBILIDAD Indica la respuesta de la seal del instrumento a cambios en la concentracin del analito Habilidad de un mtodo para distinguir entre pequeos cambios de concentracin Determinada por la PENDIENTE DE LA CURVA DE CALIBRACIN El cambio en la seal analtica por unidad de concentracin

SENSIBILIDAD ANLITICA
DESVENTAJA: no tiene en cuenta la precisin de las medidas individuales. Si dos mtodos tienen curvas de calibrado con iguales pendientes, el que tiene la mayor precisin es el ms sensible: SENSIBILIDAD ANLITICA

Cada medida instrumental utilizada para la construccin de la curva de calibrado tiene un error asociado - Este error, tiene algn efecto sobre la pendiente y el intercepto calculados? -Se aplica la ley de la propagacin de los errores al clculo de la pendiente y el intercepto? - Cmo se estiman esos errores?

REGRESIN LINEAL SIMPLE

Existen errores en las seales utilizadas, Podemos estimar los errores en los valores de pendiente e intercepto? Asumimos que el error recae sobre la ordenada (variable dependiente), la desviacin estndar de los residuos se estima :

sy / x =

(y y )
i =1 i i

M 2

Desvo estndar de los residuos

sB = s y / x
sA = sy / x Qxx

xi

MQxx

Desvo estndar en la ordenada al origen

Desvo estndar en la pendiente

REGRESIN LINEAL SIMPLE Intervalos de confianza en los parmetros de la regresin:

A t,M 2 s A = A t,M 2 sy / x Qxx
Intervalo de confianza de la pendiente

B t,M 2 sB = B t,M 2 s y / x

1 x2 + M Qxx

Intervalo de confianza de la ordenada al origen

REGRESIN LINEAL SIMPLE

Ejemplo. Calcular las concentraciones predichas, sus desvos estndares y su lmite de confianza para soluciones de fluorescena con intensidades de 2.9, 13.5 y 23.0 unidades con el modelo construido anteriormente. De los clculos anteriores sabemos que: n=7 b = 1.93 Sy/x = 0.4329 Y = 13.1 QXX = 112

s ( xinc ) =

sy / x A

s y / x 1 1 (2.9 13.1) 2 1 1 ( yinc y ) 2 + + = + + = 0.26 2 N M A2Qxx 1.93 1 7 ((1.93) *112)

Seal 2.9 13.5 23.0

Concentracin 0.72 6.21 11.3

S0 0.26 0.24 0.26

IC 0.68 0.62 0.68

REGRESIN LINEAL SIMPLE

Intervalo de confianza para las predicciones desde una curva de calibrado lineal

s ( xinc ) =

sy / x A

1 1 ( yinc y ) 2 + + N M A2Qxx

REGRESIN LINEAL SIMPLE

Factores bsicos a considerar al construir una curva de calibrado: Al menos cinco niveles de concentracin, cada uno por triplicado, incluyendo el blanco. En una primera etapa debe controlarse el rango lineal de la tcnica. En una segunda etapa se realiza la calibracin propiamente dicha. Finalmente, se estiman las cifras de mrito de la tcnica. K Danzer, LA Currie, Guidelines for calibration in analytical chemistry. Part 1, Fundamentals and single component calibration, Pure Appl. Chem. 70 (1998) 993-1014.

REGRESIN LINEAL SIMPLE

30.0 25.0

Lecturas con rplicas, incluyendo todos los datos

Intensidad

20.0 15.0 10.0 5.0 0.0 0

Varianza homognea Mnimos cuadrados

5 10 Concentracin 15

Desvo estndar de la prediccin:

s ( xinc ) =

sy / x A

1 1 ( yinc y ) 2 + + N M A2Qxx
Intensidad

35.0 30.0 25.0 20.0 15.0 10.0 5.0 0.0 0

Varianza heterognea Regresin ponderada

5 10 Concentracin 15

METODO DEL PATRN INTERNO

Compuesto diferente del analito de concentracin conocida y que se aade a la muestra (Estndar Interno). til cuando la cantidad de muestra analizada o la respuesta, varia entre cada experiencia por razones que no se pueden controlar (Ej: Evaporacin de solvente, variacin de flujos). La razn de sus seales se mantiene constante.

Se asume que: La seal del estndar interno y la del analito, varia en la misma proporcin

4 3 2 1 0 0 1

Se grafica el cuociente seal del analito/seal del patrn interno vs concentracin del analito.

Sanalito = kanalitoCanalito
S Patrn _ Interno = k Patrn _ InternoCPatrn _ Interno

Sa Ca =F S PI CPI
ka F= k PI

F = Factor de Respuesta

EJEMPLO (APROXIMACION CURVA DE CALIBRACION)

0,7 0,6 0,5

S a /S PI

0,4 0,3 0,2 0,1 0 0 1 2 3 4 5 6 7 8 9

y = mx + b

Ca

Estndares con distinta concentracin de analito Concentracin del Patrn Interno, constante en todas las soluciones (Incluido Muestra Problema)

Seal Muestra = m C Muestra Pr oblema + b Seal SI

Seal Muestra b Seal SI =C Muestra Pr oblema m