1 Estadistica Aplicada CM R

Su aliado estratgico
Mayo 27 - 28 del 2010
Barranquilla Colombia
Instructor: Lic. Sergio Gustavo Chesniuk

Email: sergio@chesniuk.com.ar Telfono: +54 351 4710602 Skype: sergio.chesniuk
SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.
Jueves 27/05
Viernes 28/05
Introduccin a la estadstica para los clculos de incertidumbre Validacin de mtodos de ensayo microbiolgicos
Estimacin de la Incertidumbre
Se pretende que al finalizar la disertacin el participante sea capaz adquirir informacin suficiente para afrontar la estimacin de la incertidumbre en sus mtodos de ensayos qumicos y microbiolgicos
http://www.metroquimica.com.ar/cursos/moodle/course/view.php?id=107
Contrasea: controlmetrologico
ISO/IEC 17025:2005 Requisitos generales para la competencia de los laboratorios de ensayo y de calibracin International Vocabulary of Metrology Basic and general concepts and associated terms (VIM). JCGM 200:2008 Guide to the Expression of Uncertainty in Measurement , BIPM, IEC, IFCC, ISO, IUPAP, IUPAC, OIML (1995) y su actualizacin: ISO/IEC Guide 98-3:2008 EURACHEM / CITAC Guide. Quantifying Uncertainty in Analytical Measurement. Second Edition (2000). Harmonized Guidelines for Internal Quality Control in Analytical Chemistry Laboratories. IUPAC. 1995. Series ISO 5725 (Partes 1 a 4), First edition (1994) & corrigendums. Handbook for Calculation of Measurement Uncertainty in Environmental Laboratories (Nordtest, Finlandia, 2003) Uncertainty of quantitative determinations derived by cultivation of microorganisms. ADVISORY COMMISSION FOR METROLOGY. Chemistry Section. Expert Group for Microbiology. Seppo I. Niemel Helsinki 2003 ISO/TR 13843 F Water quality Guidance on validation of microbiological methods. First edition (2000)
Fuente: Analytical chemistry at the interface between metrology and problem solving. M. Valcarcel , B. Lendl. Trends in Analytical Chemistry, Vol. 23, No. 8, 2004
Las herramientas cualimtricas
Parmetros estadsticos usados en el tratamiento de datos analticos
QUIMIOMETRIA
Estadstica aplicada a los datos qumico-analticos, cuyo objetivo es ampliar y mejorar la informacin analtica con ahorro de tiempo y esfuerzo
CUALIMETRIA
QUMIOMETRIA INFORMATICA CALIDAD
10
11
Tringulo de Pascal
12
Distribucin binomial
13
14
Distribucin de Poisson
Es un caso especial de la distribucin binomial Asociada con eventos raros Tiene a la normalidad cuando es grande
15
Distribucin Binomial Negativa
Cuando k tiende a infinito (desagrupamiento) la distribucin converge a Poisson Cuando k tiende a cero (agrupamiento) a la distribucin logaritmica
16
17
Relaciones entre distribuciones de frecuencias

18
Funciones transformacin
19
20
Las herramientas cualimtricas. Media y Varianza.
Estimador del valor central
Estimador de la dispersin
Media aritmtica
Varianza
21
22
Parmetros estadsticos que estiman el valor central
Media aritmtica
Mediana
Moda
Se ordenan los datos segn su magnitud y se elige/n el/los central/es (semisuma). ( )
Es el valor mas frecuente de la distribucin
23
Las herramientas cualimtricas. Distribucin Normal.
Poblaciones y muestras
n Poblacin Muestra (n > 30) (n < 30)
Media aritmtica
Desviacin estndar
24
25
Herramientas para graficar mediciones repetitivas
Histogramas
Curva de distribucin normal
rea total = 1 (100%)
# clases =
26
La ecuacin de la curva viene dada por la expresin
1 f ( x) = exp[( x ) 2 / 2 2 ] 2
Los valores de x estn distribuidos normalmente con promedio una varianza 2
x N ( , 2 )
Funcin de densidad de probabilidad normal para distintos valores de 2 y 2.
La desviacin estndar, , mide la distancia desde la media, , hasta el punto de inflexin de la curva. Un 95% de los valores estn comprendidos en el interyalo Un 99% de los valores estn comprendidos en el intervalo 1,9600. 2,576. 3,290.
Un 99,7% de Ios valores estn comprendidos en eI intervalo
29
30
z=
Estandarizacin de variables
z2 1 exp f ( z) = 2 2
Planillas de clculo, tablas
31
Intervalos de confianza
Para una distribucin normal el 95 % de los datos cae dentro de los lmites z=-1,96 a z=1,96 ( 1,96)
Los promedios de las muestras tambien se distribuyen normalmente
Existe un 95 % de probabilidad de que X (estimador de ) este comprendido en ese rango
32
Para muestras grandes (n>30), los lmites de confianza de la media vienen dados por :
z
Para el 95%, z = 1.96 Para el 99%, z = 2.58 Para el 99.7%, z = 2.97
Donde z depende del nivel de confianza requerido
33
Las herramientas cualimtricas. Distribucin t de Student.
Para muestras pequeas (n<20), los lmites de confianza de la media vienen dados por :
x ts
Donde t depende del nivel de confianza requerido y los grados de libertad.
34
Las herramientas cualimtricas. Teorema del lmite central.
El teorema del lmite central proporciona el fundamento estadstico que permite esperar dicha tendencia de los datos experimentales.
An cuando la poblacin original no est distribuida normalmente, tiende a la distribucin normal cuando aumenta n (valores medios)
35
Funcin estadstica bsica de MS-Excel para el clculo de la probabilidad en funcin de t, grados de libertad y nmero de colas
36
Distribucin t (tablas o planilla de clculo)
37
Desviaciones de la normalidad
Asimetra positiva
Asimetra negativa
Curtosis negativa
38
Las herramientas cualimtricas. Anova
En el trabajo analtico suelen presentarse a menudo comparaciones en las que intervienen ms de dos medias.
Comparar la concentracin media de protena en una solucin para muestras almacenadas en condiciones diferentes Comparar los resultados medios obtenidos de la concentracin de un analito utilizando diferentes mtodos Comparar la media de los resultados en una valoracin obtenidos por diferentes operadores que usan los mismos aparatos Determinar una varianza de muestreo
Ejemplos
39
ANOVA se utiliza para analizar medidas que dependen de varios tipos de efectos que actuan simultneamente con el doble fin de decidir cuales de ellos son importantes y de poder estimarlos (Scheff, 1953)
Compara medias de diversos conjuntos, a travs de sus varianzas
40
Posibles fuentes de variacin Errores aleatorios Factor controlado
Condiciones bajo las cuales se almacen la solucin Para los ejemplos anteriores Mtodo de anlisis empleado Operadores que realizaron la titulacin
Es posible separar la variacin debida al error aleatorio de cualquier otra variacin provocada al cambiar el factor de control. Podemos as evidenciar si una modificacin del factor de control genera diferencias significativas entre los valores medios obtenidos.
41
ANOVA puede emplearse en situaciones donde existe ms de una fuente de variacin aleatoria
Por ejemplo: Una situacin de muestreo
Las muestras se toman al azar
42
Ambos tipos de anlisis estadsticos, en donde hay un factor, ya sea controlado o aleatorio, adems del error aleatorio de las medidas, se conoce como ANOVA de un factor
Este tipo de anlisis, con mayor grado de dificultad, tambin es aplicable a situaciones ms complejas en las que existen dos o ms factores, posiblemente interactuando entre s
43
Ejemplo: Ejercicio interlaboratorio: Se comparan k laboratorios que determinan nj veces la concentracin de una determinada especie en una misma muestra con un mismo mtodo. Quien patrocina el ejercicio intentar detectar si alguno de los laboratorios genera resultados estadsticamente diferentes al resto
Hiptesis a cumplirse Los conjuntos de datos son independientes entre si La distribucin de los datos obtenidos para cada conjunto es normal Las varianzas de cada conjunto de datos no difieren significativamente
44
45
(x
i j
x ) =
2 i
(x
k
xi ) + ni ( xi x )
2 i
SST
SS R
SSlab
Medida de dispersin dentro de los laboratorios
Medida de dispersin entre los laboratorios
Fcal
SSlab (k 1) = SS R ( N k )
46
Si Fcal > Ftab
Al menos uno de los laboratorios genera valores diferentes del resto
47
ANOVA evidencia o no la existencia de diferencias significativas entre laboratorios
Pero ...
ANOVA no nos indica cuantos laboratorios difieren entre si ni cuales son
48
Ejemplo: Se analizan los resultados obtenidos en una investigacin acerca de la estabilidad de un reactivo fluorescente en diferentes condiciones de almacenamiento. Los valores dados son las respuestas de fluorescencia (en unidades arbitrarias) de soluciones diluidas de la misma concentracin. Se tomaron tres medidas sobre cada muestra.
Condiciones A recientemente preparada B una hora en la oscuridad C una hora con luz tenue D una hora con luz brillante
Medidas repetidas 102, 100, 101 101, 101, 104 97, 95,99 90, 92, 94 Media global
Media 101 102 97 92 98
49
[04/07/00 21:46 "/Data1" (2451852)] One-Way ANOVA on columns selected between Col(A) -> Col(D): Data Mean Variance N -----------------------------------------------------------A 101 1 3 B 102 3 3 C 97 4 3 D 92 4 3 -----------------------------------------------------------F = 20.66667 p = 4.00152E-4 -----------------------------------------------------------At the 0.05 level, the means are significantly different.
50
Fuente: Estadstica y Quimiometra para Qumica Analtica. 4ta Ed. Miller & Miller
2 0
2 1
Varianza en la medida Varianza muestral
51
52
Grupos Fila 1 Fila 2 Fila 3 Fila 4 Fila 5
Cuenta Suma 4 395,2 4 396,0 4 394,4 4 390,4 4 398,0
Promedio 98,8 99,0 98,6 97,6 99,5
Varianza 0,006666667 0,086666667 0,06 0,1 0,073333333
Origen de las variaciones Entre grupos Dentro de los grupos Total
Suma de cuadrados 7,84 0,98 8,82
Grados de libertad 4 15 19
Promedio de los cuadrados 1,96 0,065333333
F 30
Probabilida Valor crtico d para F 5,343E-07 3,05556828
Cuadrado medio entre muestras =
02 + n 12
varianza de muestreo!
53
Las herramientas cualimtricas. Regresin lineal
Mtodos ampliamente utilizados en el campo del anlisis instrumental
Permite trabajar en un intervalo amplio de concentraciones Se calculan los resultados y se evalan los errores aleatorios de una manera diferente a la que se utiliza cuando se repite una sola medicin varias veces Curva de calibracin (seal vs [analito])
RL puede aplicarse en:
Comparacin de dos mtodos analticos

54
Pendiente
y = bx + a
Ordenada al origen
Parmetros a tener en cuenta

Grado de linealidad en nuestro intervalo de trabajo Lmites de confianza para la pendiente y la ordenada en el origen de la recta Errores y lmites de confianza para la concentracin determinada de una muestra incgnita Lmite de deteccin del mtodo (menor concentracin de analito que se puede detectar con un nivel de confianza predeterminado)
55
Anlisis de regresin: Curva de Calibracin
La concentracin de muestras incgnita se determina generalmente por interpolacin y no por extrapolacin Inclusin de muestra blanco
Utiliza dos suposiciones bsicas Los errores en la calibracin slo ocurren en los valores de ordenadas (seal) La magnitud de los errores en ordenadas es constante (homocedasticidad) e independiente de la concentracin de analito
56
Grado de linealidad
y = bx + a
Coeficiente de correlacin r
57
Interpretaciones errneas de r
y = bx + a
Es necesario tambien efectuar la representacin grfica y tal vez un test estadstico
usando un prueba t de dos colas y (n-2) grados de libertad. H0 : no existe correlacin entre x e y. Si tcal > ttab , H0 debe rechazarse.
t se compara con el valor tabulado para el nivel de significacin deseado
58
El mtodo de los cuadrados mnimos encuentra la recta de regresin de y sobre x que mejor se ajusta a nuestros puntos experimentales
Para y = bx + a
La obtencin de rectas de regresin ponderadas se adaptan mejor al problema pero requieren informacion adicional respecto a los errores en distintos niveles de concentracin
59
Errores en la pendiente y ordenada al origen
y = bx + a
60
Es posible obtener los lmites de confianza para la pendiente y la ordenada al origen de nuestra recta de ajuste
b tSb
y = bx + a
a tSa
Para un nivel de confianza deseado y (n-2) grados de libertad
61
Clculo de una concentracin
x0 = (y0 a)/b
Seal obtenida de la incgnita
Error asociado a X0
De determinacin compleja
62
Expresiones aproximadas comnmente utilizadas
Solo una lectura de y0
m lecturas de y0
Los lmites de confianza se calculan como: x0 tsx0 , con (n-2) grados de libertad para los niveles de confianza deseados
63
Forma general de los lmites de confianza para una concentracin dada empleando una recta de regresin no ponderada
64
Ejemplo
Mediante Espectrometra de Absorcin Atmica se obtuvieron la siguientes respuestas para soluciones patrn de mercurio (UAA: Unidades Arbitrarias de Absorbancia)
[Hg] 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
65
Obtencin de la pendiente, ordenada al origen y coeficiente de correlacin (software)
30 Respuesta / UA 25 20 15 10 5 0 0 5 [Hg] / ppb 10 15 y = 1.9304x + 1.5179 R = 0.9989
66
El coeficiente de correlacin es significativo?

H0: No existe correlacin entre x e y
tcal = 47.6 t0.025, 5 = 2.57

Se rechaza H0: Existe correlacin significativa al 95 % entre x e y
67
Clculo de lmites de confianza para b y a

[05/11/00 20:46 "/Graph1" (2451853)] Linear Regression for DATA1_B: Y=A+B*X Parameter a b Value Error
-----------------------------------------------1.51786 Sa = 0.29494 1.93036 Sb = 0.0409 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
68
Clculo de una concentracin

Para la curva de calibracin anterior, determinar los valores de x0 y sx0 y los lmites de confianza de x0 para soluciones cuyas respuestan son 2.9, 13.5, y 23.0 UA. A partir de x0 = (y0 a)/b obtenemos los valores de x0 respectivos: 0.72, 6.21 y 11.3 g/L Utilizando y nmeros precedentes:
Obtenemos los valores sx0 respectivos: 0.26, 0.24, 0.26. Los lmites de confianza al 95 % (t = 2.57) son:
0.72
0.68, 6.21
0.62 y 11.3
0.68 g/L respectivamente
69
Hacia el centro de la curva los intervalos de confianza decrecen
25
20
Respuesta / UA
15
10
Linear Fit of Data1_B Upper 95% Confidence Limit Lower 95% Confidence Limit
0 0 2 4 6 8 10 12
[Hg] / ppb
En los extremos de la curva los intervalos de confianza se incrementan

70
Lmite de deteccin
Aquella concentracin que proporciona una seal en el instrumento significativamente diferente (?) de la seal del blanco o seal de fondo Cantidad de concentracin de analito que proporciona una seal igual a la seal del blanco, yB, mas tres veces la desviacin estndar del blanco , sB
y yB = 3sB
71
Suposicin: La variacin est distribuida normalmente (solo en y) con una desviacin estndar estimada por sy/x (es por ello que las distribuciones de las curvas en la grafica tiene la misma amplitud).
72
Obtencin de los trminos yB y sB utilizando una recta de regresin convencional para la calibracin
Se utiliza sy/x en lugar de sB para estimar el limite de deteccin
a puede utilizarse como una estimacin de yB (la seal del blanco)
73
Ejemplo: Estimar el limite de deteccin para el ejemplo anterior (curva de calibracin para patrones de mercurio) Utilizamos: y yB = 3sB
1.52 + 3 * 0.4329 = 2.82 (seal estadsticamente distinguible de

la lnea de fondo),
Introducimos este valor en x0 = (y0 a)/b [Hg]lmite = 0.67 g / L

74
75
Mtodo de las Adiciones Estndar

Minimiza el efecto matriz Se agregan cantidades conocidas de un determinado analito a una misma muestra o a porciones de sta y se representa la curva. Se debe extrapolar a y = 0 La desviacin estndar del valor extrapolado se calcula segn:
Al aumentar n mejora la precisin al igual que maximizando: Los limites de confianza se calculan como xE tsxE Al ser un mtodo de extrapolacin es menos preciso que uno de interpolacin
76
Ejemplo: La [U] en una muestra de orina de un trabajador de una mina de este metal, es determinada por tcnicas voltamperomtricas con preconcentracin utilizando el mtodo de las adiciones estndar:
U adicionado, g/L en la solucion de la muestra original 0 5 10 15 20 25 30
Corriente de pico / A
0.32
0.41
0.52
0.60
0.70
0.77
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 g/L. Los limites de confianza son calculados teniendo en cuenta:
77
Entonces sxE = 0.749, por lo tanto los lmites de confianza son: 17.3 2.57 * 0.749 = (17.3 1.9) g/L
78
Comparacion de mtodos analticos Identificacin de errores sistemticos Se utilizan para intervalos relativamente grandes de concentracin En cada eje se representan los resultados de cada mtodo a analizar Si se utiliza el mtodo de los cuadrados mnimos debe colocarse en el eje x el mtodo analtico mas preciso (referencia), (este mtodo no admite error en el eje de abscisas) Supone que los errores en el eje de ordenadas son constantes Si los dos mtodos comparados producen resultados que no difieren significativamente a un nivel de significancia la ordenada de la recta de regresin no ha de ser estadsticamente 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 considerando errores en ambos mtodos analticos (RIU 1996)
79
Situacion ideal: a = 0, b = r= 1
curva a
Un error sistemtico proporcional: b 1 curva b Un error sistemtico constante: a 0 curva c
Error sistemtico constante + error sistemtico proporcional + errores aleatorios: curva d

80
Ejemplo
El nivel de plomo de diez muestras de jugo de fruta se determin por un nuevo mtodo de anlisis potenciomtrico de redisolucin (APR) empleando un electrodo de trabajo de carbono vtreo, y los resultados fueron comparados con los obtenidos mediante la tcnica de espectrometra de absorcin atmica de llama (EAA). Se obtuvieron los siguientes datos (todo los resultados en g/L).
Muestra 1 2 3 4 5 6 7 8 9 10
EAA 35 75 75 80 125 205 205 215 240 350
APR 35 70 80 80 120 200 220 200 250 330
81
400 350 APR [Pb] / ug/L 300 250 200 150 100 50 0 0 50 100 150 200 250 300 350 400 EAA [Pb] / ug/L y = 0.9634x + 3.8666 R2 = 0.9891
82
Ejemplo
El nivel de plomo de diez muestras de jugo de fruta se determin por un nuevo mtodo de anlisis potenciomtrico de redisolucin (APR) empleando un electrodo de trabajo de carbono vtreo, y los resultados fueron comparados con los obtenidos mediante la tcnica de espectrometra de absorcin atmica de llama (EAA). Se obtuvieron los siguientes datos (todo los resultados en g/L).
Desde las expresiones anteriores:
a = 3.87, b = 0.968, r = 0.9945 sy/x = 10.56, sa = 6.64, sb = 0.0357 Para 8 grados de libertad y 95 % de confianza: t = 2.31 a = 3.87 15.34 y b = 0.968 0.083
No existe diferencia significativa entre 0 y 1 respectivamente (valores ideales)

83
Ensayos prcticos y simulaciones muestran que esta aproximacin conduce a resultados fiables siempre y cuando:
El mtodo mas preciso se represente en el eje x
Se comparen al menos 10 puntos
El rango de concentracin de inters est cubierto uniformemente por puntos experimentales

84
La funcin precisin
s = s0 + p * x m
85
86
La desviacin estndar de una prediccin sobre la concentracin viene dada por:
87
Regresin lineal ponderada con Origin
88
89
Asegurar y Controlar la Calidad
Infraestructura del Aseguramiento de la Calidad Eleccin del Mtodo Analtico Control de Calidad Interno Pruebas de Aptitud
90
Procedimientos para el control de calidad interno
Bsqueda de errores sistemticos y aleatorios superiores a lo aceptable
Referencia Errores Sistemticos

Duplicacin Errores Aleatorios
91
Control de calidad interno. Grficos de control
Diagramas de Shewhart para valores individuales Diagramas de Shewhart para valores medios Diagramas de Shewhart para rangos de valores
92
Grficos de control. Diagramas de Shewhart para valores individuales
Capacidad del proceso
93

3.09s 1.96s
99.8 %
95 %
-1.96s -3.09s
Basado en medidas previas
Permite verificar si nuestro sistema est bajo control estadstico
Para valores pequeos de n debe emplearse t
94
95 % 99.7 %
Permite verificar si nuestro sistema est bajo control estadstico

Para valores pequeos de n debe emplearse t
95
Grficos de control. Diagramas de Shewhart para valores medios
Ejemplos
Efectos que pueden detectarse en grficos de control
96
Grficos de control. Las reglas de Western Electric (Western Electric 1956)
Aplicables a: >> Diagramas de Shewhart de valores individuales >> Diagramas de Shewhart de valores medios
Debe dividirse el grfico en
97
Se considera que el procedimiento analtico se encuentra fuera de control cuando:

1 punto mas all de la zona de control o accin P < 0.3%. 2 de 3 puntos consecutivos en la zona de control P < 0.0625%. 6 puntos consecutivos en lnea ascendente o descendente. 9 puntos consecutivos a un lado de la lnea central. 14 puntos consecutivos alternando arriba o abajo (cclicos o series temporales). 15 puntos consecutivos en la zona de control. 4 de 5 puntos consecutivos en la zona de aviso o mas all. 8 puntos consecutivos por encima y por debajo de la zona de control: 2 poblaciones diferentes.
98
Grficos de control. Diagramas de Shewhart para rangos
Detectan cambios en la variabilidad del procedimiento analtico
99
Grficos de control. Ejemplos
100
MUCHAS GRACIAS POR SU ATENCION!!
Docente: Lic. Sergio Chesniuk
101

1 Estadistica Aplicada CM R

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

1 Estadistica Aplicada CM R

Uploaded by

Copyright:

Available Formats

Su aliado estratgico

Mayo 27 - 28 del 2010

Instructor: Lic. Sergio Gustavo Chesniuk

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

Las herramientas cualimtricas

Parmetros estadsticos usados en el tratamiento de datos analticos

QUMIOMETRIA INFORMATICA CALIDAD

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

Distribucin Binomial Negativa

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

Relaciones entre distribuciones de frecuencias

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

Las herramientas cualimtricas. Media y Varianza.

Parmetros estadsticos usados en el tratamiento de datos analticos

Estimador del valor central

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

Parmetros estadsticos usados en el tratamiento de datos analticos

Parmetros estadsticos que estiman el valor central

Se ordenan los datos segn su magnitud y se elige/n el/los central/es (semisuma). ( )

Es el valor mas frecuente de la distribucin

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

Las herramientas cualimtricas. Distribucin Normal.

n Poblacin Muestra (n > 30) (n < 30)

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

Herramientas para graficar mediciones repetitivas

Curva de distribucin normal

rea total = 1 (100%)

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

La ecuacin de la curva viene dada por la expresin

Los valores de x estn distribuidos normalmente con promedio una varianza 2

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

Funcin de densidad de probabilidad normal para distintos valores de 2 y 2.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

Un 99,7% de Ios valores estn comprendidos en eI intervalo

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

Los promedios de las muestras tambien se distribuyen normalmente

Existe un 95 % de probabilidad de que X (estimador de ) este comprendido en ese rango

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

Donde z depende del nivel de confianza requerido

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

Las herramientas cualimtricas. Distribucin t de Student.

Donde t depende del nivel de confianza requerido y los grados de libertad.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

Las herramientas cualimtricas. Teorema del lmite central.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

Las herramientas cualimtricas. Distribucin t de Student.

SEMINARIO INTERNACIONAL Estimacin de la incertidumbre y validacin de mtodos.

Las herramientas cualimtricas. Distribucin t de Student.

Distribucin t (tablas o planilla de clculo)