Академический Документы
Профессиональный Документы
Культура Документы
DURANTE
DISEÑO MANIPULACION
ANALISIS
EXPERIMENTAL DE DATOS
ANTES DESPUES
2
CALIDAD CONFIABILIDAD
RESULTADO CONFIABLE
RESULTADO VALIDO
Errores crasos
* Muy graves, abandonar el experimento
d
9.7 10.0 10.3
5
6
ERRORES ALEATORIOS
Se relacionan con la precisión
NUNCA se pueden eliminar
Fácil de cometer
errores sistemáticos
8
CAUSAS DE ERRORES SISTEMÁTICOS
1. Contaminación por el material usado y reactivos
utilizados
9
ERRORES SISTEMÁTICOS
error = ∆ + δ
Total Sistemática Al azar
Objetivo de una
medición
11
POBLACION Y MUESTRA
POBLACIÓN
Colección completa de objetos que comparten
una o más características
MUESTRA
Un subconjunto de una población
12
Leyes de la estadística
13
MEDIA
POBLACIÓN:
n
∑x i
µ = lim i =1
n→∞ n
MUESTRA:
n
∑ xi
x = i =1
n
14
DESVIACIÓN ESTÁNDAR
POBLACIÓN:
n
∑ (x i − µ)
2
σ = lim i =1
n→∞ n
MUESTRA:
n
∑(x − x) i
2
σn-1
s= i =1 en calculadora
n −1
15
DESVIACIÓN ESTANDAR RELATIVA (RSD)
[COEFICIENTE DE VARIACIÓN (CV)]
s
RSD =
x
s
%RSD = ⋅100
x
VARIANZA S2
16
GRADOS DE LIBERTAD
Número de valores no restringidos
Ejemplo:
• ESCOJA UN TOTAL DE 5 VALORES AL AZAR:
3 5 17 2 10
5 GRADOS DE LIBERTAD
EN GENERAL:
GL= n - m
Parámetros
Grados de Número de estadísticos
libertad datos calculados 18
DESVIACIÓN ESTÁNDAR PONDERADA O COMBINADA
Si se tienen varios subconjuntos de datos, se puede
obtener una mejor estimación de la desviación estándar
de la población mediante la combinación de datos que
usando sólo los datos de un subconjunto.
20
DESVIACIÓN ESTÁNDAR PONDERADA O COMBINADA
EJEMPLO:
12 4 14
13 10 12
14 11
Frecuencia
10
15 16 8
16 13 6
17 3 4
18 2 2
19 1 0
10
11
12
13
14
15
16
17
18
19
20
6
8
9
20 1
% Tensoactivo
Distribución normal
estandarizada
µ)/σ
Z=(Xi-µ σ
26
Áreas bajo la curva de Gauss
para varios valores de ± z
27
Áreas bajo la curva de Gauss
para varios valores de ± z
28
Áreas bajo la curva de Gauss
para varios valores de ± z
29
Áreas bajo la curva de Gauss
para varios valores de ± z
30
Áreas bajo la curva de Gauss
para varios valores de ± z
31
F(z), función de distribución acumulativa normal estándar
32
EJEMPLO
Si las medidas repetidas de una valoración se
distribuyen de forma normal con media de 10.15 mL y
desviación estándar de 0.02 mL, encontrar la proporción
de medidas que caen entre 10.12 y 10.20 mL.
0.506 0.504 0.502 0.496 0.502 0.492 0.506 0.504 0.500 0.486
e.e.m.= σ/√
√n 37
TEOREMA DEL LIMITE CENTRAL
Aún si la población original no es normalmente
distribuida, la distribución de las medias tiende a ser
más normalmente distribuida a medida que n aumenta
INTERVALO DE CONFIANZA:
Rango dentro del cual se puede asumir razonablemente
que se encuentra el valor real a determinada probabilidad.
LÍMITES DE CONFIAZA:
Son los valores extremos de ese rango 38
DISTRIBUCIÓN
MUESTRAL DE
LA MEDIA
39
En la práctica se dispone habitualmente de una muestr
muestra,
de media conocida, y se busca un intervalo para µ, el valor
verdadero
Si la muestra es
grande, σ se
puede sustituir
por s
40
LIMITES DE CONFIANZA
Rango dentro del cual se puede asumir razonablemente
que se encuentra el valor real a determinada probabilidad.
z= 1.96 (95%)
2.58 (99%)
* Si se conoce σ se sustituye por s
Para muestras pequeñas:
GL: grados de libertad
42
Ejercicio:
El nivel de alcohol en tres muestras de sangre (%) es:
0.084 0.089 0.079
Calcular el intervalo de confianza al 95 % de nivel de
confianza para la media:
43
Los límites de confianza se pueden utilizar
como una prueba para detectar errores
sistemáticos
Ejemplo:
Se utilizó una solución de 0.1 M de ácido para valorar 10
mL de una solución de NaOH de 0.1 M dando los
siguientes volúmenes de ácido:
9.88 10.18 10.23 10.39 10.25 mL
Calcular los límites de confianza de la media al 95 % y
utilícelos para decir si existe alguna evidencia de error
sistemático.
44
Límites de confianza de la media geométrica
de una distribución log-normal
Ejemplo:
El diámetro de las gotas en un aerosol presenta un
comportamiento log-normal. Los diámetros de 10 gotas
de un líquido presentan los siguientes valores en
micrómetros:
3.43 2.56 1.34 1.13 3.56
2.01 2.23 2.78 1.12 1.65
Calcular el intervalo de confianza de la media
geométrica al 95% suponiendo que los diámetros de las
gotas se distribuyen log-normal.
45
PROPAGACION DEL ERROR ALEATORIO
46
PROPAGACIÓN DEL ERROR ALEATORIO
Suma o resta:
p, q y r son variables
experimentales
sp,sq y sr sus
desviaciones estándar
Ejemplo:
Calcular el peso promedio y su desviación estándar de
los siguientes valores: 1.56, 1.68, 2.36 g, cada uno de
los pesos con una desviación estándar de ± 0.03.
47
PROPAGACIÓN DEL ERROR ALEATORIO
Multiplicación o división:
Desviación
estándar relativa
Ejemplo:
La carga eléctrica se calcula a partir de la expresión Q=I.t,
donde I es la corriente en amperios y t el tiempo en
segundos. Calcular la desviación estándar relativa de la
carga si las desviación estándar relativa de la corriente es
0.030 y la del tiempo es 0.015 48
PROPAGACIÓN DEL ERROR ALEATORIO
Desviación estándar
relativa
Ejemplo:
El producto de solubilidad del sulfato de bario es 1.3 x 10-10,
con una desviación estándar de 0.1 x 10-10. Calcular la
desviación estándar de la solubilidad calculada del sulfato
de bario en agua.
49
PROPAGACIÓN DEL ERROR ALEATORIO
Logaritmo:
Desviación
estándar
relativa
Ejemplo:
La ecuación de Nernst describe la relación entre el
potencial y la concentración del analito i expresada como
su actividad ai : E = Eº - (0.0592/n).log ai
Para n = 1, ¿cuál es el error en E para una ai = 0.53 con
una incertidumbre de ± 0.05 ? 50
PROPAGACIÓN DE ERRORES SISTEMÁTICOS
El error sistemático tiene lugar en un sentido definido
y conocido.
Suma o resta:
Los errores sistemáticos pueden ser tanto positivos
como negativos y estos signos se deben de incluir
en el calculo de ∆x
∆x = ∆p + ∆q + ∆r +…….
Multiplicación o división:
∆x/x = (∆
∆p/p) + (∆
∆q/q) + (∆
∆r/r) +….
51
PROPAGACIÓN DE ERRORES SISTEMÁTICOS
Logaritmo:
Sin valor
absoluto
Ejemplo:
Calcular el error sistemático resultante en la molaridad
cuando se pesa 4.1212 g de NaOH (balanza con error
sistemático de -0.0030 g) y se disuelve con agua hasta un
volumen de 100 mL (error sistemático del matraz: +1.5 mL)
52
PRUEBAS O CONTRASTES DE SIGNIFICACIÓN
Un procedimiento sistemático que nos permite decidir
si un conjunto de mediciones repetidas muestra
evidencia de error sistemático
Prueba si son significativas las diferencias entre dos
resultados (cantidad medida o resultado y la cantidad
conocida o real), o se pueden justificar sólo por
variaciones aleatorias
El proposito de una prueba de significación es sacar
una conclusión acerca de una población utilizando
datos provenientes de una muestra
Se comprueba la veracidad de una hipótesis (hipótesis
nula), la cual plantea que un método NO se encuentra
sujeto a errores sistemáticos
53
PRUEBAS O CONTRASTES DE SIGNIFICACIÓN
La estadística calcula la probabilidad o posibilidad de
que la diferencia observada entre la media muestral,
x ,y el valor verdadero, µ, se debe solamente a un
error aleatorio.
54
PRUEBAS O CONTRASTES DE SIGNIFICACIÓN
Ejemplo:
Ejemplo
En un método para determinar plomo en sangre por absorción
atómica se obtuvierón los siguientes valores para una
muestra estándar que contiene 38.9 ppb de plomo:
38.9 37.4 37.1
¿existe alguna evidencia de error sistemático?
x = 37 .80 s = 0.964
la pregunta es si la diferencia entre el resultado y el valor real
es estadísticamente significativa, o si se debe a meras
variaciones fortuitas (al azar)
55
56
SOLUCIÓN DEL EJEMPLO:
PASO 1
Se plantea la hipótesis nula, Ho, de que no hay error
sistemático. Uno no sabe si esta declaración es
cierta o es falsa, pero será asumida cierta hasta
que se pruebe que es falsa
PASO 2
Prueba estadística que condensa la información de
la muestra en un simple número.
x−µ n 37.8−38.9 3
t calc = tcalc = =1.98
s 0.964
57
PASO 3
Comparación con valores críticos tabulados
tcrit = 4.3 (P = 95%, f = 2)
Si tcalc excede el valor crítico, la hipótesis nula se
rechaza
NOTA IMPORTANTISIMA
LA DECISION DE RETENER LA HIPOTESIS NULA
NO SIGNIFICA QUE SE HA DEMOSTRADO QUE
ES CIERTA; SIMPLEMENTE NO SE PUDO
DEMOSTRAR QUE SEA FALSA
59
LA HIPOTESIS NULA SE USA
EN LAS CORTES CRIMINALES
CONCLUSION:
NO SE HA DEMOSTRADO QUE EL ACUSADO ES INOCENTE...
LO QUE SE HA DEMOSTRADO ES QUE EL ACUSADO ES NO
CULPABLE 60
COMPARACIÓN DE LAS MEDIAS DE
DOS MUESTRAS
Es una forma en la cual los resultados de un muevo
método analítico pueden comprobarse por
comparación de los resultados obtenidos utilizando un
segundo método (de referencia)
61
COMPARACIÓN DE LAS MEDIAS DE
DOS MUESTRAS
CASO I
Si s1 y s2 NO son significativamente diferentes:
Hipótesis nula: Los dos métodos producen el mismo resultado
fs +f s
Prueba estadística 2 2
=
x −x s =
2 1 1 2 2
f +f
1 2
t calc
1 1
s + 1 2
n n1 2
f1 grados de libertad método 1
f2 grados de libertad método 2
Estimación conjunta de tcalc tiene (n1+n2-2) grados de libertad
la desviación estándar
62
COMPARACIÓN DE LAS MEDIAS DE
DOS MUESTRAS
Ejemplo:
Se compararon dos métodos para la determinación de
boro en material vegetal
CASO II
Si s1 y s2 son significativamente diferentes:
Hipótesis nula: Los dos métodos producen el mismo
resultado
Grados de libertad
Prueba estadística 2
s
2
s
2
x −x + 1 2
t =
calc
1
2
2
2 f = n n 1
2 −22
2
s s s 2
s 2
+ 1 2
1
2
n n n +n
1 2
1 2
n +1 n +1
1 2
SI CASO I
σ1 = σ2?
x1 − x 2
NO t calc =
CASO II 1 1
s +
n1 n2
x1 − x 2
t calc =
2 2 f s 2
+ f s 2
s1
+
s 2
s2 = 1 1 2 2
n1 n2 f1 + f 2
2
s 12 s 22
f =
1n
+
n
2
−2
f = f1 + f2
2 2
s1
2
s2 2
n1 + n 2
n1 + 1 n2 + 1 67
LA PRUEBA t POR PAREJAS
Circunstancias en las cuales es necesario o deseable
hacer una comparacion de medias por parejas
Muestras Diferencias
X d = −1.75 s d = 4.99
1 -5
Medias de Desviación
2 -7 estándar de las
las
3 2 diferencias diferencias
4 3 70
LA PRUEBA t POR PAREJAS
Solución al ejemplo:
µd ⇒ Valor real de las diferencias
µd=0
Prueba estadística
XXXX
μμμμ dddd
XXXX ssss
dddd
dddd
tttt calc
nnnn
nnnn
− Tiene (n-1)
ssss dddd
= = grados de
dddd
libertad
1.4
tttt calc
4444
0.70
Se acepta la
tcrit=3.18 (P=0.05, f=3) hipótesis nula
71
LA PRUEBA t POR PAREJAS
Ejemplo:
Se analiza la concentración de paracetamol (% p/p) en
pastillas por dos métodos diferentes. Se analizaron
diez patillas de diez lotes diferentes para ver si diferían
los resultados obtenidos por los dos métodos.
Lote Método UV Método IR
1 84.63 83.15
2 84.38 83.72
3 84.08 83.84 Mediante una prueba t por
4 84.41 84.20 parejas contrastar si los dos
5 83.82 83.92 métodos producen resultados
6 38.55 84.16
significativamente diferentes
7 83.92 84.02
8 83.69 83.60
9 84.06 84.13
10 84.03 84.24
72
LAS PRUEBAS DE UNA Y DOS COLAS
XXXX
μμμμ
( )
signo de la diferencia
XXXX
μμμμ
,,,,
−
( )+
oooo
− −
Se conoce su signo
No se tiene una
idea preconcebida
del signo de la
diferencia
73
LAS PRUEBAS DE UNA Y DOS COLAS
Incremento
_ µ + µ +
A un n dado y
una determinada
Decremento
probabilidad, se
determina tcrit
_ µ
95% ⇒ P=0.05 74
UNA COLA (unilateral)
La probabilidad es la mitad de
la probabilidad en una bilateral
0.05 x 2 = 0.10
El tcrit se determina en la columna P = 0.10
Ejemplo:
Se sospecha que una valoración acido-base tiene un error de
indicador significativo y tiende a dar resultados con un error
sistemático positivo (sesgo positivo). Para comprobarlo, se utiliza
una disolución de ácido exactamente 0.1 M para valorar 25.00 mL
de otra disolución de una base, exactamente 0.1 M con los
siguientes resultados (mL):
25.06 25.18 24.87 25.51 25.34 25.41
• Probar la existencia de sesgo positivo en estos resultados 75
EL CONTRASTE F PARA LA COMPARACIÓN DE
DESVIACIONES ESTÁNDAR
Las pruebas anteriores (t) comparan medias y detectan
errores sistemáticos
La prueba F compara desviaciones estándar, o sea los
errores aleatorios de dos conjuntos de datos
USOS:
1. Probar si el método A es más preciso que el método B
(prueba de una cola). Se tiene una idea predeterminada
que un método es MÁS preciso que el otro.
2. Probar si los métodos A y B difieren en su precisión
(prueba de dos colas). No se tiene idea preconcebida de
cual es más preciso.
antes de una prueba t 76
EL CONTRASTE F PARA LA COMPARACIÓN DE
DESVIACIONES ESTÁNDAR
s 2
F =
cal
1
F siempre debe ser ≥ 1
s 2
valor sospechoso - x
Gcalc=
s
Ejemplo:
Aplicar el contraste de Grubbs
a los datos del último ejemplo
82
Ejercicios
Datos Datos
A B
1. Realizar los contrastes Q y G para el valor
1.84 2.81
2.07 de los datos A y el valor 2.81 de los
1.92 4.06
1.94 3.62
datos B, ¿son datos anómalos?
1.92 3.27 2. Demostrar si las varianzas de los dos grupos
1.85 3.27
de datos difieren significativamente.
1.91 3.76
2.07