19/03/2015

CALIBRACION EN ANALISIS INSTRUMENTAL

CURVAS DE CALIBRACION
IMPLEMENTACION

CURVA DE CALIBRACION:
GRAFICAS DE SEAL ANALITICA vs CANTIDAD DE ANALITO
(USUALMENTE CONCENTRACION)

La concentracin de la muestra desconocidas se

obtiene por interpolacin

PROCEDIMIENTO GENERAL:
Se prepara una serie de muestras (n>3) en las cuales se conoce
la concentracin del analito (muestras estndares)
Se mide en el instrumento la propiedad de inters (seal
analtica)
para cada muestra estndar bajo las mismas
condiciones que se utilizaran en las muestras desconocidas
Se grafica la curva de calibracin, siempre con la respuesta
instrumental sobre el eje vertical (y) y las concentraciones
estndares sobre el horizontal (x)
1

En general, es esencial que los estndares cubran

el rango completo de concentracin requerido por
las muestras
Siempre se incluye un blanco (un blanco
procedimental)
2

CALIBRACIN

CURVA DE CALIBRACIN

Se asume que:
Los errores aleatorios en el experimento de calibracin
ocurren solamente en los valores (y)
Puntos de
calibracin

(recordar que la curva de calibracin se construye con la

respuesta analtica sobre las y y las concentraciones
estndares sobre las x)

Muestra
desconocida

La magnitud del error aleatorio en y es independiente

de la concentracin del analito
El error aleatorio en y sigue una distribucin normal
3

19/03/2015

PREGUNTAS ESTADISTICAS A RESOLVER EN UNA

CURVA DE CALIBRACIN

PREGUNTAS ESTADISTICAS A RESOLVER EN UNA

CURVA DE CALIBRACIN

La curva de calibracion es lineal? si no lo es, cul es la

forma (ecuacin) de la curva?

Cuando se utiliza la curva de calibracin en una muestra

desconocida, cul es el error aleatorio y los lmites de
confianza de la concentracin encontrada?

Teniendo en cuenta que cada uno de los puntos de la

grfica est sometido a error aleatorio, cul es la mejor
lnea recta (o curva) a travs de estos puntos?

Cul es el lmite de deteccin del mtodo? Es decir, cul

es la mnima concentracin del analito que se puede
detectar con un nivel predeterminado de confianza?

Asumiendo que la grfica es en verdad lineal, cules son

los errores aleatorios estimados y los lmites de confianza
de la pendiente y el intercepto de la lnea recta?

Mediante la comparacin estadstica de curvas regulares de

calibracin con curvas de adicin de estndar, establecer si
se presentan efectos de matriz. (Estudio estadstico de
dos resultados).

COEFICIENTE DE CORRELACIN

PREPARACIN BLANCO
Contiene todos los reactivos y solventes utilizados con
la muestra (sin analito adicionado deliberadamente)

Es una medida de la asociacin

lineal entre dos variables

Ser sometido a la misma secuencia de procedimientos

analticos que a la muestra

Dada una serie de parejas de datos:

La seal del blanco est sujeta a las mismas variaciones

(error aleatorio) que los estndares y muestras

El coeficiente de correlacion, r, esta dado por:

(x1,y1), (x2,y2), (xi,yi), (xn,yn)

Es indispensable en cualquier anlisis qumico

La seal instrumental proveniente del blanco es a

menudo diferente de cero

S
SS
xy

xx

yy

19/03/2015

CALCULO DE r
COEFICIENTE DE CORRELACIN

EJEMPLO: Se examina una serie de soluciones estndar de

fluorescena en un fluormetro, con los siguientes resultados de
intensidad de fluorescencia, I.F.(en unidades arbitrarias)

Donde:

S (x x )(y y)
n

xy

i 1

S (x x )
xx

5.0
2

9.0
4

12.6
6

17.3
8

21.0
10

24.7
12

S (y y)
yy

I.F.:
2.1
Conc., pg/mL: 0

Suma de los cuadrados

de las desviaciones de
cada media

x 42 7 6

x:

La media de todos los valores de x

y:

La media de todos los valores de y

y 91.7 7 13.1

42

(x,y) : El centrode de todos los puntos

r2*100 : Porcentaje de ajuste de los datos a la lnea de
regresin

91.7

112

Sxx
9

418.28

Syy

216.2

Sxy

216.2
0.9989
112 * 418.28

10

VALORES DEL COEFICIENTE DE CORRELACIN r

-1 < r < +1

ACERCA DE LOS VALORES DE r

A menudo, una curva que no luce muy lineal produce
valores muy altos de r
Un valor alto de r podra ser interpretado erroneamente
como una relacin lineal
La curva de calibracin debe graficarse siempre
Es importante reportar r con el nmero adecuado de
cifras significativas
11

CURVAS ANALITICAS:

r > 0.99 (Al menos dos nueves)

12

19/03/2015

INTERPRETACIONES ERRONEAS DEL

COEFICIENTE DE CORRELACION

PRUEBA t PARA EVALUAR r

En caso de un valor bajo de r:

Esta curva es suave,
como para generar un
valor de r bastante alto
(la calibracin siempre
debe graficarse)

Es significativo de verdad?
Ho: no hay correlacin entre x y y

t
Un r igual a cero no
siempre significa que no
hay relacin entre x y y

calc

r n2
1 r
2

tcrit Para (n-2) grados de libertad, prueba t de dos colas

SI tcalc > tcrit, se rechaza Ho

13

ECUACIN DE LA CURVA LINEAL

Hay una fuerte relacin lineal entre la seal analtica (y) y
la concentracin (x)
La mejor lnea que pasa por los puntos de la curva de
calibracin:

14

Ejemplo de lnea de regresin:

Se examina una serie de soluciones estndar de fluorescena
en un fluormetro, con los siguientes resultados de intensidad
de fluorescencia (I.F.) (unidades arbitrarias)
I. F. :

2.1

CONC. pg/mL: 0

5.0

9.0

12.6

17.3

21.0

24.7

10

12

y = a + bx

S
S

xy

a y bx

xx

Intercepto

Pendiente

La ecuacin slo es vlida cuando r es por lo menos

0.99 y hay evidencia visual de linealidad
15

Sxx

Syy

Sxy
16

19/03/2015

Residuos de y en una regresin

Ejemplo de lnea de regresin

x6

Residuo = Valor medido valor predicho

a bxi

y i

yi

y 1.93x 1.52

y 13.1

S
0.9989
S S

xy

xx

yy

centrode

S
216.2
b

1.93
S
112
xy

xx

a y b x 13.1 1.93 * 6 1.52

18

17

Errores en la pendiente (b) y el

intercepto (a) de la lnea de regresin

Desviacin estndar de los residuos o

desviacin estndar de la regresin

Residuo i yi yi
Suma de
cuadrados
residual

Desviacin
estndar
residual

SCR ( y y ) S b S
2

Desviacin
estndar de
la pendiente

yy

SCR S b S

xx

sb

SR
S xx

f: (n-2)

yy

Intervalo de confianza:

xx

S b S
SCR

n2
n2
2

S
r

yy

xx

Desviacin
estndar de
la regresin

La lnea de regresin debe tener la mnima SCR

(mnimos cuadrados)

19

Desviacin
estndar del
intercepto

b tsb
2

sa S R

1 x

n S xx

Intervalo de confianza:

a tsa

f: (n-2)

20

19/03/2015

Clculo de la concentracin de una muestra

desconocida

Del ejemplo anterior:

n7

S xx 112

x 6

S yy 418.28

a 1.52

S yy b 2 S xx
n2

418.28 1.932 *112

0.4672
5

SR
0.4672

0.04415
S xx
112

b tsb

s x0

1.52 2.57 * 0.3183 1.52 0.81

21

y a
b
0

1 1 y0 y 1

m n b S xx
2

x0 tsx

f : (n-2)

m es el nmero de lecturas para obtener y0

22

Forma general de los lmites de confianza

en una recta de regresin

Para un y0=2.9
0

SR
b

Intervalo de confianza:

Del ejemplo anterior:

1.93 2.57 * 0.04415 1.93 0.11

1
x
1
62

0.4672

0.318
n S xx
7 112

a tsa

yo es el valor experimental de y a partir

del cual se determina xo

sa S R

y a bx

b 1.93

SR

sb

y a bx

t 2.57 (95%, f 5)

y a 2.9 1.52

0.72
b
1.93
0

0.4672 1 1 2.9 13.1 1

0.284

1.93 1 7 1.93 112

2

S
x0

Intervalo de confianza:

x0 = 0.72 2.57*0.284
= 0.72 0.73

Si m fuera 3 0.72 0.53

Para un y0=13.5 (cerca del centrode) 6.21 0.67
Para un y0=23.0 (lejos del centrode)

11.13 0.73
23

24

19/03/2015

LIMITE DE DETECCION

UN EXPERIMENTO DE CALIBRACION
DE MAYOR TAMAO
valo r d e t
p ara (n-2 ) Gd L
12 ,71
2 ,78
2 ,2 3
2 ,0 7
2 ,0 1
1,9 6

n
3
6
12
24
48

Es la mnima concentracin del analito que se puede

detectar por el mtodo con un cierto nivel de confianza

ancho int ervalo

d e co nf ianza 9 5%
14 .6 8 (SR / b )
3 .0 0 (SR / b )
2 .3 2 (SR / b )
2 .12 (SR / b )
2 .0 3 (SR / b )
1.9 6 (SR / b )

Concentracin mnima de analito que produce una

seal que es significativamente diferente del blanco

INTERVALO DE CONFIANZA vs TAMAO DEL EXPERIMENTO

DEFINICION DE LA IUPAC:
CONCENTRACION
ESTIMADA
-10

+10

n=3

Concentracin del analito que produce una seal igual a la

del blanco mas k veces la desviacin estndar del blanco

SR/b

6
12
24
48

i.e.: LA CONCENTRACION CD PARA LA CUAL:

COMO SE DETERMINA CD
De la definicin de la IUPAC:

yD yB ksB

De la ecuacin de regresin:

yD a bCD

yB ksB a bCD
ksB bCD

yB a
CD k

sB
b

sB S R

yD yB ksB

25

CD k

SR
b

Cada punto de la curva de calibracin (incluyendo el blanco) tiene

una variacin (normalmente distribuida) sobre el eje y que puede
estimarse con la desviacin estndar de los residuos sr 27

26

LIMITE DE DETECCION
Dos problemas al analizar trazas:
1.

Informar la presencia de analito cuando realmente

no lo hay

2.

Informar la ausencia de analito cuando en verdad

esta presente

Debe minimizarse la posibilidad de cada uno de

estos errores utilizando una correcta definicin del
lmite de deteccin
28

19/03/2015

CONCENTRACIONES LIMITE

DETECCION Y CUANTIFICACION

Lmite de
deteccin

yB

Lmite de
decisin

blanco A

CD

yB

CC

yD

B muestra

yC

CONCENTRACION

SEAL

yB + 3sB
ANALITO SIN
DETECTAR

REGION DE DETECCION

yB + 10sB
REGION DE CUANTIFICACION

RECUERDE SIEMPRE:

sB

7%

7%

3sB

Para k = 3 (como se muestra arriba) la probabilidad (P)

de cada error (1 o 2) est alrededor del 7%
29

EJEMPLO:
En la serie de soluciones estndar de fluoresceina, estimar
los limites de deteccion y cuantificacion
xi

yi

xi-x

(xi-x)2

yi-y

(yi-y)2

(xi-x)(yi-y)

0
2
4

2.1
5.0
9.0

-6
-4
-2

36
16
4

-11.0
-8.1
-4.1

121.00
65.61
16.81

66.0
32.4
8.2

12.6

-0.5

0.25

17.3

4.2

17.64

8.4

10
12
42

21.0
24.7
91.7

4
6
0

16
36
112

7.9
11.6
0

62.41
134.56
418.28

31.6
69.6
216.2

C LD 3

SR
0.4672
10 *
2.4
b
1.93

30

EFECTOS DE MATRIZ
Disminucin o aumento de la seal analtica debido a
la presencia de otros componentes en la muestra

Calibracin con soluciones estndar que contienen slo el analito

El mtodo es vlido solamente si esta solucion estndar del analito
produce la misma seal instrumental que soluciones de la muestra
que contenga la misma concentracin del analito

SR
0.4672
3*
0.7
b
1.93

CLC 10

Cuando se reporta un lmite de deteccin, debe

incluirse informacin (k) sobre la definicin utilizada

METODO REGULAR DE CALIBRACION:

SR 0.4672

b 1.93

Las definiciones son bastante arbitrarias.- es el usuario

quien escoje k

Al utilizar soluciones puras del analito para establecer la grfica de

calibracin, se asume que no hay efectos de matriz

31

Con frecuencia, tal asuncin no es aceptable en muchas reas de

anlisis

32

19/03/2015

METODO DE ADICION DE ESTANDAR

SOLUCIONES AL PROBLEMA DE
EFECTOS DE MATRIZ

Se toman volmenes iguales de solucin problema

Preparar estndares de calibracin que sean

idnticos a la muestra problema en todo aspecto
excepto en la concentracin del analito. Mtodo de
estndar con ajuste de matriz: Es poco prctico
Preparar estndares de calibracin que contengan la
propia muestra en una proporcion fija y conocida.
Mtodo de adicin de estandar (es)
33

CURVAS DE ADICIN DE ESTNDAR

Todas, salvo una son tratadas (dopadas) por

separado mediante la adicin de cantidades conocidas e
incrementales del analito
Todas se diluyen al mismo volumen
Se mide la seal instrumental producida por cada
una de estas soluciones
Como de costumbre, la seal se presenta en el eje y,
mientras que en el eje x se presenta la cantidad de
analito aadida

34

METODO DE ADICION DE ESTANDAR

Con el mtodo de adicin de estndar se

corrigen los efectos de matriz
Solvente
Estndar
Muestra
C0

S1

S2

S3

S4

Ecelda
Concentracin
de la muestra
diluida

xE
C0

S1

S2

S3

S4

pion (estndar)

35

a
b

s xE

SR
b

1
y
2
n b S xx
36

19/03/2015

EJEMPLO DE METODO DE ADICION DE ESTANDAR

La concentracion de plata en una muestra de deshechos fotograficos
se determino por absorcion atomica (AA) con el metodo de adiciones
de estandar. se obtuvieron los siguientes resultados :
Ag adicionada, mg/mL
de solucion original
Absorbancia

0
5
10
15
20
25
30
0.32 0.41 0.52 0.60 0.70 0.77 0.89

y 0.601

x 15

b 0.01864
xE

Determinar la concentracin de plata en la muestra y los lmites de

confianza al 95% para esta concentracin

S xx 700

a 0.3216

S R 0.01093

a
0.3216

17.259
b
0.01864
2

s xE

SR 1 y
0.01093 1
0.6012
2

= 0.748
b n b S xx 0.01864 7 0.018642 700

xE 17.3 2.0

mg/mL

t 2.57(95%, f 5)

37

DESVENTAJAS DEL METODO DE

ADICION DE ESTANDAR

38

CALIBRACION vs ADICION DE ESTANDAR

Si no hay evidencia slida de efectos de matriz no es necesario
el mtodo de adicin de estndar (esfuerzo inoficioso)

Requiere cantidades de muestra ms grandes que el

Cualquier diferencia entre los dos mtodos se puede chequear

mediante una prueba de significancia

mtodo regular de calibracin

Si no hay efectos de matriz, las sensibilidades (pendientes)

son estadsticamente iguales por ambos mtodos

Estadsticamente, su principal desventaja consiste en

ser un mtodo de extrapolacin, por lo tanto menos
preciso que las tcnicas de interpolacin

b1 b2

tcalc
SR

No es fcil de automatizar

1
1

S xx1 S xx 2

SR

tcrit para (f1+f2) grados de libertad

39

f1S R21 f 2 S R2 2
f1 f 2
f1 n1 2
f 2 n2 2

40

10

19/03/2015

Determinacin del rango lineal en una regresin

EJEMPLO
Se analiz el contenido de cadmio en sangre por absorcin
atmica electrotrmica mediante dos mtodos, curva regular de
calibracin (1) y curva de adicin de estndar (2),
obtenindose los siguientes resultados:

Pendiente

Mtodo 1

Mtodo 2

0.0210 UA/ppb

0.0193 UA/ppb

SXX

10

10

SR

0.00147

0.00097

Regresin con r
cercano a 1

Puntos desviados
de la regresin

Establecer si se presentan efectos de matriz en el mtodo 1

42

41

Determinacin del rango lineal en una

regresin

Determinacin del rango lineal en una

regresin

El coeficiente de correlacin no es un buen parmetro para

establecer rangos lineales en una curva de calibracin (puede
interpretarse errneamente)

Determinar el rango lineal en la siguiente curva

CONC. INTENS.
mg/mL FLUOR.

Un mtodo ms eficiente es mediante el anlisis de los

residuos (yi i)

Los residuos deberan estar distribuidos normalmente en

torno al valor cero, si no es cierto esto, entonces se debe
sospechar que la recta de regresin ajustada no es la
correcta

(yi i) debe ser cero (teniendo en cuenta errores de

redondeo) y estar distribuido simtricamente en torno a cero
43

0.1

8.0

15.7

24.2

31.5

10

33.0

Intercepto = 1.357
Pendiente = 3.479
r = 0.9878

Se sospecha del ltimo punto

44

11

19/03/2015

Determinacin del rango lineal en una

regresin
n
6
5
4

a
1.357
0.100
0.000

b
3.479
3.950
4.000

r
0.9878
0.9998
0.9998

-1.257
0.000
0.100

R E
-0.314
0.000
0.000

S I D U O S
0.429 1.971 2.314
-0.200 0.400 -0.200
-0.300 0.200

IDENTIFICAR ERROR(ES) SISTEMATICO(S)

-3.143

Produce el nuevo mtodo resultados significativamente ms

altos o ms bajos que un procedimiento bien establecido?
Utilice una serie de muestras analizadas por ambos mtodos
Calcular : la pendiente (b), el intercepto (a) y el coeficiente
de correlacion (r)

Si cada muestra conduce a un resultado idntico por

ambos mtodos,
a = 0 b = 1
r = 1
45

REGRESION PARA COMPARAR DOS METODOS

ANALITICOS
Los resultados del mtodo ms preciso se presentan en el eje
x (puede utilizarse la prueba F para comparar la precisin de
los dos mtodos)
Debe incluirse un nmero razonable de puntos (n > 10) para
construir la grfica de comparacin (recordar que se pierden
dos grados de libertad al efectuar los clculos)
Los puntos (parejas de datos de concentracin) deben cubrir el
rango de inters con un distanciamiento uniforme
47

46

REGRESION LINEAL PARA COMPARAR

DOS METODOS ANALITICOS
a - perfecto acuerdo entre
los dos mtodos
a=0

b=1

b - Los dos mtodos difieren

en una cantidad fija (error
absoluto)
a0 b=1
c - Los mtodos difieren en una
cantidad que aumenta con la
concentracin (error relativo)
a=0 b<1
d - Evidencia de errores absoluto
y relativo
a0

b<1

48

12

19/03/2015

REGRESION LINEAL PARA COMPARAR

DOS METODOS ANALITICOS

REGRESION LINEAL PARA COMPARAR

DOS METODOS ANALITICOS
Ejemplo
Se determin el nivel de plomo en diez muestras de jugo de frutas
mediante un nuevo mtodo potenciomtrico y los resultados se
compararon con aquellos obtenidos mediante absorcin atmica con
horno de grfito. Se obtuvieron los siguientes datos (todos en mg/l):
MUESTRA

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 prctica, si los intervalos de confianza para el intercepto y la

pendiente incluyen los valores ideales de 0 y 1 respectivamente,
se habr demostrado, ms alla de una duda razonable, que no hay
evidencia de errores fijo y relativo

a 3.87
sa 6.64

b 0.963 r 0.9945 S R 10.56

t 2.31( f 8)
sb 0.0357

a 3.87 15.34
(Incluye el cero)

b 0.963 0.083
(Incluye el uno)
El intercepto y la pendiente
calculados NO difieren
significativamente de los valores
ideales 0 y 1 respectivamente

49

Ejemplo comparacin de mtodos:

Comparar los resultados obtenidos para el anlisis de cido ftico en
20 muestras por dos mtodos analticos (fluorimtrico, CF y
fotomtrico, EF). Las concentraciones en mg/L. Los resultados del
mtodo EF presentan mayor precisin.

50

LIMITACIONES DE LA LINEA DE REGRESION

NO PONDERADA
Una lnea de regresin no solo asume que el error aleatorio en
los valores del eje x es cero, sino tambin que el error aleatorio
en los valores de y es constante (homocedasticidad)
Todos los puntos de la recta tienen igual ponderacin cuando se
calculan la pendiente y el intercepto de la lnea de regresin
A menudo dichas asunciones no son vlidas en la prctica
Con mucha frecuencia es la desviacin estndar relativa de
la seal instrumental la que es aproximadamente constante
dentro de un rango de concentracin

sy
y

A pesar de estas objeciones, las lneas de regresin no ponderadas

proporcionan informacin til en muchos casos
51

52

13

19/03/2015

EST LA PRECISIN DEL MTODO RELACIONADA

CON LA CONCENTRACIN?

Precisin
absoluta
constante

s y constante

Los errores en los diferentes puntos de la grfica se representan

mediante barras de error (lmites de 1s) que se alargan a
medida que la concentracin aumenta

Precisin
relativa
constante

sy
y

PONDERACION DE ERRORES EN UN
CLCULO DE REGRESIN

constante

Se debe dar una mayor ponderacin a aquellos puntos donde las

barras de error son ms cortas: es ms importante que la recta
calculada pase ms cerca de estos puntos

53

LNEAS DE REGRESIN PONDERADAS

Se utilizan cuando el error aleatorio en la respuesta instrumental
es una funcin (aproximadamente lineal) de la concentracin del
analito
Los clculos involucrados son slo ligeramente ms complicados
que aquellos de la regresin no ponderada
Se requiere informacin adicional de la precisin de la seal a los
diferentes niveles de concentracin o, al menos, una formulacin
de suposiciones adicionales acerca de tal precisin (por esta razn
las curvas ponderadas son menos utilizadas)
Las lneas de regresin ponderada se usan exclusivamente en la
calibracin de instrumentos (no para comparar dos mtodos
analticos)

54

LNEAS DE REGRESIN PONDERADAS

Parejas de datos:
Desviaciones estndar (en y)

s1

s2

si

sn

Ponderaciones

w1

w2

wi

wn

A cada punto se asigna una ponderacin, wi, inversamente

proporcional a la varianza correspondiente, si2

wi
w

55

(x1,y1), (x2,y2), (xi,yi), (xn,yn)

1
si2

wi
2
i

2
i
56

14

19/03/2015

Ejemplo de regresin ponderada:

LNEAS DE REGRESIN PONDERADA

(ECUACIONES)

Calcular las rectas de regresin ponderadas y no ponderadas

para los siguientes datos de calibracin. Calcular tambin
para cada recta la concentracin de la muestras de ensayo
con absorbancias de 0.100 y 0.600

Centro de gravedad ponderado (xw, yw) :

xw

w x
w
i

1
wi xi
n

yw

S
S

wxy

1
wi yi
n

S w x nx
2

wxx

wxx

a y bx
w

S w x y nx y

wxy

Intercepto
w

Pendiente

w y
w

S w y ny
wyy

Regresin no ponderada:
w

Pendiente:
0.0725
Ordenada:
0.0133
Concentraciones:

2
w

Intervalo de confianza

* Para 0.100 : 1.20 ppm (1.20 0.65)

* Para 0.600 : 8.09 ppm (8.09 0.63)
57

Ejemplo de regresin ponderada :

Regresin ponderada:
xi

yi

si

1/s2i

wi

wixi

58

Ejemplo de regresin ponderada :

wiyi

wixiyi wix2i

La regresin ponderada produce datos (pendiente, intercepto y

concentraciones de muestras) muy parecidos a los obtenidos a
partir del mtodo de regresin no ponderada
La estimacin de los lmites de confianza de las concentraciones
con la regresin ponderada produce resultados mucho ms reales
S x0 w

yw = 0.1558/6 = 0.0260
bw = 0.0738

xw = 1.372/6 = 0.229

1 1 ( y0 y w ) 2
2
w0 n
b S wxx

donde, S wR

S wyy b 2 S wxx
n2

y0 seal analtica de la muestra

aw = 0.0091

Concentraciones:

S wR
b

Concentraciones:

Intervalo de confianza

Intervalo de confianza

* Para 0.100 : 1.23 ppm (1.23 0.12 )

* Para 0.100 : 1.23 ppm (1.23 ? )

* Para 0.600 : 8.01 ppm (8.01 0.72 )

* Para 0.600 : 8.01 ppm (8.01 ? )

59

60

15

19/03/2015

LMITES DE CONFIANZA PARA UNA CONCENTRACIN

CALCULADA MEDIANTE UNA REGRESIN LINEAL
PONDERADA

Mucho ms cercano
al origen que el
centroide no
ponderado

61

16