Академический Документы
Профессиональный Документы
Культура Документы
FACULTAD DE CIENCIAS
ESCUELA PROFESIONAL DE QUMICA
Tratamiento Estadstico
en el
Anlisis Instrumental
1.Ensayos de Hiptesis
Ensayar una hiptesis es realizar una
comparacin entre un dato o un descriptor
muestral y un valor de referencia, o bien,
entre dos o mas descriptores muestrales.
1.Ensayos de Hiptesis
1.1.Hiptesis Estadstica
Es la suposicin sobre la forma de una o mas
distribuciones o sobre el valor de uno o mas
parmetros de esas distribuciones.
En estadstica hay dos tipos de Hiptesis:
1. Hiptesis Nula (H0)
2. Hiptesis Alternativa (H1 o Ha)
1.Ensayos de Hiptesis
1.1.Hiptesis Estadstica
1.Ensayos de Hiptesis
1.1.Hiptesis Estadstica
Ejemplos de hiptesis nulas:
Igualdad de dos varianzas: Ho : s12 = s22.
Igualdad de dos medias: Ho : 1 = 2.
Igualdad de una media muestral y un valor
de referencia,
Ho : 1 = r.
Igualdad de varias medias muestrales,
H o : 1 = 2 = 3 = = n
1.Ensayos de Hiptesis
1.1.Hiptesis Estadstica
Es la suposicin sobre la forma de una o mas
distribuciones o sobre el valor de uno o mas
parmetros de esas distribuciones.
En estadstica hay dos tipos de Hiptesis:
1. Hiptesis Nula (H0)
2. Hiptesis Alternativa (H1 o Ha)
1.Ensayos de Hiptesis
1.1.Hiptesis Estadstica
1.Ensayos de Hiptesis
1.1.Hiptesis Estadstica
Ejemplos de hiptesis nulas:
Igualdad de dos varianzas: Ho : s12 = s22.
Igualdad de dos medias: Ho : 1 = 2.
Igualdad de una media muestral y un valor
de referencia,
Ho : 1 = r.
Igualdad de varias medias muestrales,
H o : 1 = 2 = 3 = = n
1.Ensayos de Hiptesis
1.2.Tipos de Errores
Realmente la Hiptesis Nula
Decisin
VERDADERA
FALSA
Aceptar H0
CORRECTO
ERROR DE
TIPO II
Rechazar H0
ERROR DE
TIPO I
CORRECTO
1.Ensayos de Hiptesis
1.3.P-valor
El P-valor nos muestra la probabilidad de
haber obtenido el resultado que hemos
logrado si suponemos que la hiptesis nula
es cierta.
Se rechaza la hiptesis nula si el valor P
asociado al resultado observado es igual o
menor que el nivel de significacin
establecido, convencionalmente 0,05 0,01,
punto que se llama potencia del contraste.
10
1.Ensayos de Hiptesis
1.4.Hiptesis Alternativa, H1
El rechazo de la hiptesis nula supone la
aceptacin de una hiptesis alternativa H1.
Esta puede ser:
H1 de dos lados o dos colas, los parmetros
que se comparan son distintos.
H1 de un lado o una cola, un parmetro es
mayor que otro, no siendo posible el caso
inverso.
11
Qo
12
x* x p
x xl
*
13
14
0,05
0,01
3
4
5
6
7
8
9
10
11
12
0,970
0,829
0,710
0,625
0,568
0,526
0,493
0,466
0,444
0,426
0,994
0,926
0,821
0,740
0,680
0,634
0,598
0,568
0,542
0,522
Grubbs,
se
calcula
el
( xmax/ min x)
Go
s
Gtabla
16
Heterogneas u
Heterocedsticas
m = mref
mref > m o mref < m (ensayo de un lado)
m mref
(ensayo de dos lados)
El estadstico to:
( x mref ) n
to
s
18
19
1
)
s
(
n
1
)
s
1
2
2
s2 1
n1 n2 2
20
x1 x 2
2 1 1
s
n1 n2
1
2
22
to
23
x1 x 2
s12 s22
n1 n2
1
2
s
s
n1 n2
t
2
2
2
s12 s22
n1 n2
n1 1 n2 1
2
1
24
2
2
xd n
to
sd
Los grados de libertad: (n-1)
Si |to |< tc se acepta Ho.
26
28
29
3.Regresin de Tipo I
3.1. Mtodo de de Regresin de Mnimos Cuadrados
30
y : variable dependiente
x : variable independiente
: la ecuacin de la lnea recta 0 + 1x
0 : ordenada al origen de la lnea
1 : pendiente de la lnea
e : error aleatorio (residuo)
3.Regresin de Tipo I
3.1. Mtodo de de Regresin de Mnimos Cuadrados
Para cada xi la diferencia entre el valor
observado, yi, y el valor predicho, i, es el
residuo, ei:
ei = yi i
Los valores de b0 y b1 son buenos estimadores
de 0 y 1, respectivamente. La lnea recta
estimada que mejor describe los datos
experimentales se determina
i = b0 + b1xi
31
3.Regresin de Tipo I
3.1. Mtodo de de Regresin de Mnimos Cuadrados
y
ei
yi
i
( x, y )
xi
32
3.Regresin de Tipo I
3.1. Mtodo de de Regresin de Mnimos Cuadrados
33
3.Regresin de Tipo I
3.1. Mtodo de de Regresin de Mnimos Cuadrados
Para modelos de regresin Tipo I, el mtodo
consiste en hacer mnima la suma de los
cuadrados de los residuos:
n
2
e
(
y
y
)
(
y
b
x
)
i i i 0 1 i
i 1
2
i
i 1
i 1
b0 n b1 xi
2
x
y
b
x
b
x
i i 0 i 1 i
34
3.Regresin de Tipo I
3.1. Mtodo de de Regresin de Mnimos Cuadrados
Despejando resulta:
n
b1
( x x)( y y)
( x x)
i 1
b 0 y b1x
35
3.Regresin de Tipo I
3.2. Coeficiente de Determinacin
2
sexp
( yi y) 2 SCexp
2
sres
y
( x, y )
36
2
(
y
y
)
SC
i
i
res
n2
n2
y
)
i
2
r
2
( yi y) SCT
xi
x
r2 expresa el porcentaje de variacin total de los datos
que es explicado por el modelo
3.Regresin de Tipo I
3.3. ANOVA de Regresin Lineal
37
3.Regresin de Tipo I
3.3. ANOVA de Regresin Lineal
38
3.Regresin de Tipo I
3.3. ANOVA de Regresin Lineal
C
2
smax
k
2
s
i
i 1
39
3.Regresin de Tipo I
3.3. ANOVA de Regresin Lineal
40
3.Regresin de Tipo I
3.3. ANOVA de Regresin Lineal
41
3.Regresin de Tipo I
3.4. Prueba por falta de ajuste (lof)
42
3.Regresin de Tipo I
3.5. Mtodo grfico de residuos
43
3.Regresin de Tipo I
3.5. Mtodo grfico de residuos
Para probar la homocedasticidad de residuos,
se obtienen N rplicas de y a dos valores
extremos de c, uno bajo y otro alto, se calculan
las dos varianzas y se comparan mediante un
ensayo F.
En caso de heterocedasticidad, la recta de
regresin se puede obtener de dos formas:
realizando una transformacin matemtica x
e y, o bien ponderando los puntos
experimentales.
44
3.Regresin de Tipo I
3.5. Mtodo grfico de residuos
Linealidad y homocedasticidad
Linealidad y heterocedasticidad
3.Regresin de Tipo I
3.5. Mtodo grfico de residuos
46
3.Regresin de Tipo I
3.6. Incertidumbres de los Coeficientes de Regresin
Desviacin estndar de los residuos s(y/x):
yi y 2
1/ 2
sy / x
i
sa s y / x
2
n xi x
i
2
i
47
1/ 2
sb
sy / x
1/ 2
2
xi x
i
3.Regresin de Tipo I
3.7. Lmites de Confianza
Para el ordenada en el origen se tiene:
LC (a) = a + t sa
t se lee de la Tabla de Student de dos colas, para
un nivel de significancia a dado y (n-2) grados de
libertad.
Para la pendiente:
LC (b) = b + t sb
t tambin se lee de la Tabla de Student de dos
colas, para un nivel de significancia a dado y (n-2)
grados de libertad.
48
3.Regresin de Tipo I
3.8. Incertidumbre de las Predicciones
Cuando se hace uso de la recta de regresin
obtenida con n puntos para predecir un valor xo a
partir de la media de m rplicas de yo, la varianza de
prediccin sxo:
2
2
sy / x 1 1
yo y
s 2 2
2
b m n b xi x
2
xo
ts xo
LC ( xo ) xo
m
t se lee en la tabla de Student de dos lados para
(m+n-3) grados de libertad.
49
3.Regresin de Tipo I
3.8. Incertidumbre de las Predicciones
yo
xo - Lxo
50
xo + L
4.Curva de Calibracin
51
Concentracin (ppm)
4.Curva de Calibracin
i = b0 + b1xi
SM
CM
52
Concentracin (ppm)
s
1
y
y/x
2
s xo 2 2
2
b1 n b1 xi x
53
V mL M V mL M V mL M V mL M V mL M
+
+
+
+
+
0 mL E 1 mL E 2 mL E 3 mL E 4 mL E
54
Seal
del
Equipo
V mL M
+
0 mL E
V mL M
+
1 mL E
V mL M
+
2 mL E
V mL M
+
3 mL E
V mL M
+
4 mL E
i = b0 + b1xi
55
CM
Concentracin agregada
6. Comparacin de Rectas
xE
57
xI
xE
xI x
6. Comparacin de Rectas
xE
58
0
x
xI
58
Efecto matriz de baja sensibilidad
7. 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 + 3 sB
59
7. Lmite de Deteccin
En la prctica los trminos yB y sB se determinan
cuando se utiliza una recta de regresin
convencional para la calibracin. Se utiliza sy/x
en lugar de sB e yB como el intercepto de la
recta.
Luego el LDD es la concentracin que
corresponde a y en la recta.
60