UNIVERSIDAD NACIONAL

MAYOR DE SAN MARCOS

FACULTAD DE QUMICA E
INGENIERA QUMICA
ESCUELA ACADMICO
PROFESIONAL DE
INGENIERA
AGROINDUSTRIAL
QUMICA ANALTICA
CDIGO: QA1030
Profs. Qum. D. Ins Delmas/Elizabeth

Interpretar los resultados obtenidos al aplicar los diversos

mtodos analticos no siempre es sencillo, por la posibilidad
de cometer errores al efectuar cada operacin, incluyendo el
diseo de experimentos (se define la forma de muestreo, el
tamao y numero de muestras, la exactitud de las
mediciones, el numero de analisis que se requiere, etc.).
Los mtodos estadsticos ayudan a entender el significado
de los datos que se recaban.
CALCULOS ESTEQUIOMTRICOS EN EL ANLISIS
CUANTITATIVO.
Los compuestos qumicos resultan de la combinacin, en
relaciones fijas de tomos de elementos - los cuales tienen
una masa definida - considerando la existencia de istopos.
Los pesos atmicos son esenciales en las relaciones de
peso de los elementos y compuestos, por eso la
Estequiometria proporciona
la base del anlisis
cuantitativo.
2

Estequiometria.
Una ecuacin qumica es un enunciado simblico de la
relacin cuantitativa entre los reaccionantes y los
productos de la reaccin. Ej.
BaCl2 + Na2SO4 =
BaSO4 + 2NaCl
1mol
1mol
1mol
2mol
208,2 142,07
233,37 2(58,45)
137,7
96,07
233,37
Expresin de los resultados analticos.
1. Expresin qumica.
Siempre que sea posible el elemento debe reportarse en la
forma en la que estaba presente en la muestra analizada
o como solicite el cliente(*).
Ejemplo: como % Na2SO4 si analizamos una muestra del
mismo. Como %Ca(OH)2 si analizamos cal apagada.
3

En las determinaciones de las muestras a tratar en el

presente curso los % o ppm de los elementos tal cual se
encuentran en las mismas.
2. Expresin numrica de resultados.
Lo importante en una muestra es la cantidad relativa de un
constituyente. De acuerdo con esto, al expresar la
cantidad de un constituyente presente en la muestra
analizada, se usa la siguiente expresin:
q
x fc
Q
Donde: q = cantidad del constituyente presente en la
muestra
Q = cantidad de muestra.
fc = factor de correccin .
.
4

En los ejemplos siguientes, que corresponden a

metodos gravimtricos, usaremos q=peso del
producto de la reaccin en la forma como se peso
despus de ser secado y/o calcinado, y Q para el
peso de la muestra
El factor fc tiene el propsito de expresar el resultado
en unidades de magnitud conveniente, incluyendo los
pesos atmicos o moleculares de los productos
qumicos involucrados en la reaccin en la
proporcin estequiometrica. Ej
Si se determina sulfato en una muestra de agua de
mar , se puede expresar el resultado como SO4= , y
tambien puede hacerse como Na2SO4. Se aplico el
mtodo gravimtrico obtenindose un precipitado de
BaSO4. La forma de calcular ser:
5

SO4-2, en % =(q/Q ) x( SO4-2/BaSO4) x 100

Si el porcentaje resulta muy pequeo, se puede
expresar en partes por milln (ppm), cambiando el
ultimo factor por :
SO4-2, ppm = (q/Q)x( SO4-2/BaSO4)x100x 10,000
Equivale a multiplicar el % x 10,000
En el caso de la cal, se aplico el mtodo gravimtrico
pesando al final como CaCO3, el cliente (*)solicita
que se exprese como CaO ya que la cal ser
materia prima para producir oxido de calcio tcnico
de mayor pureza:
% CaO= q/Q x CaO/CaCO3 x 100

Slidos. Si la muestra es un slido, lo mas frecuente es

expresarlo en trminos de porcentaje (%) en peso(w), y
lo representamos como:
w del constituyente
%=
x 100
W de la muestra
Lquidos. Se puede expresar en:
a) Porcentaje en peso: Ppp
b) Porcentaje en volumen: Pvv
c) Porcentaje peso en volumen: Ppv es necesario
especificar la temperatura ( el volumen es afectado por
la temperatura, por la misma razn se indica la
temperatura al informar la densidad).
7

Toda medicin involucra un error: No es fcil determinar

la exactitud y precisin de los datos experimentales; pero
es imprescindible hacer estos estimados siempre que se
obtengan resultados en el laboratorio, de lo contrario, los
datos cuya precisin y exactitud se desconocen no
son confiables. Hay que tener en cuenta, que los
resultados que no son particularmente exactos
pueden servir si se conocen los lmites de
incertidumbre.
La fiabilidad de los datos se puede evaluar de varias
maneras:
1. Diseando los experimentos de tal forma que se
detecten los errores.
2. Analizando patrones de concentracin conocida, y
comparando los resultados obtenidos con el patrn en
referencia.
8

3. La calibracin peridica de los equipos mejora la calidad y

garanta de los datos.
4. La aplicacin de pruebas estadsticas a los datos obtenidos
permite diferenciar datos validos de los que presentan
mayor desviacin del valor esperado.
DIFERENCIA ENTRE ERROR E INCERTIDUMBRE
Incertidumbre. Es definida como un parmetro que
caracteriza el rango de valores, dentro de los cuales se
espera se encuentre el valor de la magnitud medida.
Esto quiere decir que el resultado de una medicin no puede
ser informado apropiadamente como un valor puntual.
Cuando se realiza una medicin cuantitativa, el valor es solo
una aproximacin al valor verdadero de la propiedad
medida.
9

Error : La diferencia entre un resultado individual y el

valor verdadero de la magnitud medida.
No es posible conocer con exactitud los valores
verdaderos; de la definicin se deduce que tampoco se
pueden conocer con exactitud los errores.
Consideramos 2 tipos de errores principalmente:
1. Errores determinados: Es posible encontrar las causas
de los mismos para evitarlos o corregirlos.
Pueden ser constantes, como en el caso de una
balanza descalibrada.
Podran ser variables, pero de tal naturaleza, que se
puedan cuantificar y corregir, como en el caso de una
bureta cuyas lecturas de volumen estuvieran errneas en
distintas magnitudes a diferentes volmenes.
10

errores determinados
Algunos se reconocen rpidamente, y se les
denomina crasos o accidentales, son tan evidentes
y afectan tanto a los resultados que no queda otra
alternativa que abandonar el experimento y
comenzar de nuevo.
Fuentes de errores determinados:
a)
Errores instrumentales: Avera de un
instrumento, equipos no calibrados de vidrio y otros.
b) Errores operativos: Errores personales, los que
se pueden reducir con la experiencia y el cuidado del
analista en las manipulaciones fsicas necesarias y
errores de calculo, prejuicios al estimar las
mediciones, etc.
11

errores determinados
c) Errores del mtodo: Son los mas graves de un
analisis. La mayora de los errores anteriores se pueden
minimizar, pero los errores inherentes al mtodo no
es posible cambiarlos a menos que las condiciones
de la determinacion se modifiquen (optimizacin). Ej.
La coprecipitacion de impurezas, ligera solubilidad de un
precipitado, reacciones colaterales, reacciones
incompletas e impurezas en los reactivos. Muchas veces
se puede corregir este ultimo caso, corriendo un
blanco (una corrida con los reactivos en la misma
proporcin de la determinacion pero sin la muestra) y
restando los resultados del blanco de la muestra.
12

Los errores determinados medibles se

consideran sistemticos
Los errores determinados pueden ser aditivos
o multiplicativos, dependiendo de la
naturaleza del error o de como intervienen en
el calculo.
Para detectar errores sistemticos en el
analisis, es usual aadir un patrn en cantidad
conocida y medir su recuperacin. Esto es
parte de la validacin de un mtodo. Tambien
se analiza muestras de referencia para
detectar errores de mtodo o instrumentales.
13

2. Errores Aleatorios o indeterminados. Resultan

de las variaciones naturales en los factores que influyen en
el valor de una magnitud medida, pero que se encuentran
fuera del control de la persona que realiza la medicin.
Fuentes de errores aleatorios.
Tipo de mtodo

Fuente de error

Absoluto

Peso o pipeteo
Tara de los crisoles
Peso del precipitado

Estequiometrica

Cualquier enrase de una fiola

Enrase de la bureta
Lectura de la bureta

Relativos

Medida de la seal experimental

Calibracin
Peso de los patrones
14

Los errores aleatorios representan la

incertidumbre experimental que ocurre en
cualquier medicin.

Estos errores se revelan por pequeas

diferencias en mediciones sucesivas
hechas por el mismo analista bajo
condiciones prcticamente iguales y no
se pueden predecir ni estimar.
Siguen una distribucin aleatoria, por esto
se suele aplicar leyes matemticas de
probabilidad para llegar a alguna
conclusin respecto al resultados de una
serie de mediciones.
15

Los errores indeterminados siguen una

distribucin normal o curva de Gauss:

16

La curva gaussiana representa una

distribucin de resultados y su
dispersin.
En esta curva sigma representa la
desviacin estndar de una poblacin
infinita de mediciones y esta medida
de precisin define la dispersin de la
distribucin normal de poblacin como se
indica, siendo el valor medio Xp el valor
central en donde caen la mayora de
datos; entre Xp +- sigma se
encuentran el 68% de los valores; entre
Xp+-2(sigma) el 95% de los datos, y el
99,7% entre Xp +- 3(sigma)
17

En una distribucin normal, debera

haber pocos errores grandes y un
numero igual de errores positivos y
negativos
Los errores indeterminados se originan en la
capacidad limitada del analista para controlar
las condiciones externas que varan , y hacer
correcciones para dichas condiciones, o a la
incapacidad para reconocer la aparicin de
factores que causaran errores.
A veces al cambiar las condiciones se reduce
algn error desconocido, pero no es posible
eliminar todos los errores aleatorios.
18

La teora de la distribucin normal se

desarrollo para una gran cantidad de datos
(> 30)

No es aplicable a pequeo numero

de observaciones.
En los laboratorios las
determinaciones son limitadas y por
eso aplicar las pruebas estadsticas
basadas en la distribucin normal
pueden llevar a falsas
conclusiones, como lo demostr
Student (W. S. Gosset, 1908)
19

La desviacin estandar para un

conjunto de datos da una
indicacin de la precisin de un
procedimiento o analisis
especifico.
Student introdujo el concepto de
una nueva distribucin conocida como
la t de Student. La curva es mas
plana que la normal y conforme se
incrementa el numero de determinaciones
se va aproximando a una gaussiana.
Revisaremos conceptos bsicos de
estadstica.
20

TERMINOS ESTADSTICOS USUALES.

Media o promedio (X). Es la media aritmtica de todos los
valores medidos y puede representarse por:
xi

x1 + x2 + x3 + ........ + xn
X=

Donde: N = nmero de medidas

X = Media
= suma de varios nmeros
xi = valor observado o medido
Mediana. Es el valor en el cual se distribuyen los datos
repetidos. La mitad de los datos tiene un valor mayor que la
media y la otra mitad un valor menor que la media. En un
conjunto impar de datos se puede evaluar directamente; para
un conjunto par es el promedio del par central.
21

La precisin expresa la reproducibilidad de una medida, es

decir, la concordancia entre varias medidas de la misma
sustancia o propiedad.
La exactitud es una medida que indica que tan cercana
esta una medicin con su valor verdadero o aceptado.
Valor verdadero
Una serie de

Exacto y

Resultados

preciso

Otra serie de

Preciso pero

resultados

inexacto

Una serie mas

Impreciso e

de resultados

inexacto
Magnitud del resultado

22

Error absoluto (E). es la diferencia entre la medicin de

una cantidad xi y el valor esperado, dado por la ecuacin:
E = x i xt
Donde: xt es el valor verdadero o aceptado de la cantidad
medida.
Error relativo (Er). Suele ser una medida mas til que el
error absoluto. El % de error relativo se expresa como:
Er =

xi - xt

x 100

xt
23

Ejemplo:
En una muestra de cloruro de calcio se obtuvieron los
siguientes resultados:
% CaO

% CaO

% CaO

25,41

26,83

26,28

27,01

27,58

28,59

29,11

28,18

27,21

Desviacin estndar (s). Cuando se desconoce el valor

terico, como es comn en el laboratorio y los resultados
son pocos se trabaja con esta desviacin estndar (s) y su
frmula es:
s =

(xi - X(p))2

n1

24

Rango (R). Es la diferencia entre el resultado mayor y el

menor.
POBLACION se refiere no solo a personas sino a
todos los elementos que han sido escogidos para su
estudio y MUESTRA se aplica a una porcin
escogida de dicha poblacin.
Para que sea til la muestra debe ser
REPRESENTATIVA: deber reflejar los rasgos
esenciales incluyendo las similitudes y diferencias
encontradas en dicha poblacin.
Una muestra de datos es un nmero finito de observaciones
experimentales y se define como una pequea fraccin de
un nmero infinito de observaciones que, en principio,
podran realizarse tambin en un tiempo infinito.
25

 Grados de libertad. Nmero de datos

independientes introducidos en el clculo de la
desviacin estndar. Si n=n total de datos, los
grados de libertad sern n-1.

La desviacin estandar s para un grupo de

datos da una indicacin de la precisin
inherente de un procedimiento especifico, pero
no permite saber que tan cercana podra estar
la media experimentalmente determinada Xp
al valor medio .
La teora estadstica permite estimar el
intervalo dentro del cual podra caer el valor
verdadero dentro de una probabilidad dada,
definida por la media experimental y la
desviacin estandar.
26

Distribucin de Student o T de Student.

La cantidad t (que con frecuencia se denomina t de
Student) se define por la expresin:
t = (X )

s
Lmites de confianza.
Con la ecuacin anterior que define t, obtenemos el
intervalo de confianza de la media mas conocido como
lmites de confianza.
ts
= X
n
Podemos utilizar esta formula para estimar la probabilidad
de que la media de la muestra caiga en el intervalo de
confianza.
27

La probabilidad de que el valor verdadero este

dentro del intervalo se llama probabilidad o nivel
de confianza, expresado como %

El nivel de confianza para una sola

observacin, x, cuando n=1, esta
dado por X+- t s
y es mayor que el de la media por un
factor (n)1/2, t es el numero de
mediciones que se usan para
determinar s.
t es un factor estadstico que depende de los
grados de libertad y del nivel de confianza que se
desea, si =valor verdadero
28

TABLA DE VALORES t PARA VARIOS NIVELES DE PROBABILIDAD(4)

Niveles de probabilidad (%)
Grados de
libertad

80

90

95

99

3,078

6,314

12,706

63,657

1,886

2,920

4,303

9,925

1,638

2,353

3,182

5,841

1,533

2.132

2,776

4,604

1,476

2,015

2,571

4,032

1,440

1,943

2,447

3,707

1,415

1,895

2,365

3,499

1,397

1,860

2,306

3,355

1,383

1,833

2,262

3,250

10

1,370

1,812

2,228

3,169

11

1,363

1,796

2,201

3,106

12

1,356

1,782

2,179

3,055

13

1,350

1,771

2,160

3,012

14

1,345

1,761

2,145

2,977

15

1,341

1,753

2,131

2,947

16

1,337

1,746

2,120

2,921

17

1,333

1,740

2,110

2,898

18

1,330

1,734

2,101

2,878

19

1,328

1,729

2,093

2,861

20

1,325

1,725

2,086

2,845

1,282

1,645

1,960

2,576

29

Estadstica para conjuntos

pequeos de datos
Se explico como estimar para una poblacin
normalmente distribuida un valor central
Xp, la dispersin de resultados S y los limites
de confianza (prueba t), pero estos valores
estadsticos son validos solo para una gran
poblacin (>30 datos).
En los analisis qumicos se manejan menos de
10 resultados y para una determinacion dada,
de 2 a 3. Por lo tanto, para conjuntos pequeos
de datos pueden ser mas adecuados otros
estimados, como la prueba Q
30

La mediana puede ser mas

representativa que la media para un
numero menor de datos
Se puede usar como un estimado del valor
central, ya que tiene la ventaja de que no esta
muy influida por los valores extremos
(discordantes) que afectan notablemente a la
media.
Se ha demostrado que para 3 datos de una
poblacin normal, la mediana es mejor que la
media de los 2 mejores valores de los 3 (los 2
mas prximos). Lo deseable puede ser usar la
mediana para evitar decidir si existe un error
grande, es decir , hacer uso de la prueba Q.
31

Dispersin en lugar de la
desviacin estandar
La dispersin R para un conjunto pequeo de
datos es muy eficiente para describir el
espectro en el que se ubican los resultados. La
eficiencia de la dispersin ER es prcticamente
igual a la desviacin estndar para 4
mediciones o menos.
Esto se debe a que la desviacin estandar es
una estimacin deficiente de la dispersin para
un grupo pequeo de datos, pero si es la mejor
medida de la dispersin para un grupo grande
de mediciones.
32

La mediana M se puede usar para

calcular la desviacin estandar
Para minimizar la influencia de los valores extremos,
se reemplaza Xp por M en la formula de S.
Limites de confianza, usando la dispersin:
Se puede calcular los limites directamente de la
dispersin como sigue:

Nivel de confianza= Xp+- R tr

El factor que convierte a R en sr se ha incluido en la
cantidad tr, que se encuentra en tablas para niveles
de confianza de 99 a 95%, denominada Eficiencias
y Factores de conversin para 2 a 10
observaciones.
33

Efecto de la Replicacin:
Det. X
Xp
Rango Limite de
confianza
1 49,69 49,69
2 50,90 50,30 1,21
42,60-58,00
3 48,99 49,86 1,91
47,38-53,34
4 51,23 50,20 2,24
48,59-51,81
5 51,47 50,47 2,48
49,21-51,71
6 48,80 50,18 2,67
49,10-51,26
34

Tabla: Eficiencias y Factores de

Conversin para 2-10 observaciones
(ver Excel)
Mnimos cuadrados lineales:
Muchas veces se requiere graficar los datos
obtenidos los cuales caen en una lnea recta,
como las curvas de calibracin analticas. El
ajuste de la curva es muy importante para la
obtencin de los resultados analiticos, ya que
es la curva de calibracin la que se usa para
calcular la concentracin desconocida. La
predictibilidad y la congruencia de la lnea
recta determina la exactitud del calculo de la
incgnita.
35

El trazado se hace a menudo en forma

intuitiva, dibujando a ojo la mejor
recta:
Todas las mediciones tienen un cierto
grado de incertidumbre, al igual que la
lnea graficada. Se coloca una regla a
travs de los puntos, que tambien tienen
alguna dispersin. Una forma mas
recomendable es aplicar la estadstica para
definir el acomodo de los datos a una lnea
recta. Se dispone de funciones estadsticas
en hojas de calculo para ajustar a lneas
rectas e inclusive no lineales.
36

Una relacion en lnea recta

obedece la ecuacin
y=mx+b
y= variable dependiente
X= variable independiente
m=pendiente de la curva
b= interseccin con el eje de ordenadas
y usualmente es la variable medida la cual se
grafica en funcin de la variable X
Ej. En una curva de calibracin de un
espectrofotmetro y representara las
absorbancias medidas y X las concentraciones
de cada estandar.
El problema es establecer los valores de m y b.
37

Graficas de mnimos
cuadrados
Se ha demostrado estadsticamente que la
mejor lnea recta a travs de una serie de
puntos experimentales es aquella para la cual
la suma de los cuadrados de las desviaciones
de los puntos de la lnea es mnima.
El cuadrado de la suma de las diferencias S
es:
S= Suma(yi-yp)2=Suma(yi- (mx + b))2
m=suma(Xi-Xp)(yi-yp) / suma(xi-Xp)2
b= yp-mxp
38

Criterios para descartar una observacin.

Es probable que cuando s esta realizando una serie de
mediciones repetidas, aparezca un resultado que parece
estar fuera del grupo, por lo que es necesario decidir, si se
descarta o no este resultado.
Si el nmero de resultados obtenidos es grande, el problema
de descartar un valor no es importante:
1 Un solo valor tendr un efecto pequeo sobre la media
2 Los criterios estadsticos dan una respuesta clara,
considerando la probabilidad de que el resultado sospechoso
sea miembro de la misma poblacin.
Por otro lado, cuando el nmero repetido es pequeo
surge un verdadero dilema:

39

Si el numero de determinaciones es pequeo:

1 El resultado divergente ejerce un efecto significativo
sobre la media.
2 Se dispone de datos insuficientes para permitir un anlisis
estadstico real de la posicin relativa del resultado
sospechoso.
Hay varios mtodos para descartar un valor
sospechoso.
1 Se puede eliminar de inmediato si se descubre un error
determinado.
2 Por no ser razonable.
3 La prueba-Q. Es estadsticamente correcta y muy fcil de
aplicar. Cuando la prueba Q exige que se descarte un
resultado, hay una confianza elevada (90%) de que el
resultado sospechoso si estuvo sujeto a error.
40

PRUEBA Q, procedimiento:
a) Calcular el rango de los resultados (R).
b) Encontrar la diferencia entre el resultado
sospechoso y su vecino ms cercano (Xi- Xii).
c) Dividir la diferencia obtenida en (b) entre el
rango de (a) para obtener el cociente de
descarte Q. (Q= (Xi- Xii). /R).
d) Consultar la tabla de valores Q. Si el valor
calculado Qexp. Qt, (Qt es el que da la tabla
para el numero de datos) el resultado se puede
descartar.
41

Prueba Q

Algunas veces se recomienda un arreglo entre

la exclusin sin reserva o la retencin de un
valor sospechoso, el cual consiste en reportar
la mediana de todos los resultados en lugar
de la media, con o sin el valor desviado.

Para una muestra de 3 a 5 valores, se

recomienda comprobar el valor sospechoso con
la prueba Q y desecharlo, si sta lo indica.
Si no, indicar la mediana en lugar de la media.
42

VALORES CRITICOS PARA EL COCIENTE DE RECHAZO Q(1)

% de Confianza Qcriit.
Nmero de
Observaciones

90

95

99

0,941

0,970

0,994

0,765

0,829

0,926

0,642

0,710

0,821

0,560

0,625

0,740

0,507

0,568

0,680

0,468

0,526

0,634

0,437

0,493

0,598

10

0,412

0,466

0,568
43

Ejercicios:
1. En el anlisis de una muestra de sal de playa se
obtuvieron los siguientes resultados por mtodo
gravimtrico:
%Cl-

%Cl-

56,66

56,66

56,59

56,68

56,56

56,63

56,59
a) Determine la Media y la Mediana
b) Determine s
c) Desviacin estndar relativa
d) Limite de confianza a 95% de probabilidad
44

2. Se han obtenido los siguientes resultados en la

determinacin de molibdeno, en una muestra certificada
cuyo contenido es de 0,160% y aplicando 2 mtodos
diferentes
Mtodo Gravimtrico
% Mo

Mtodo Volumtrico
% Mo

0,164
0,166
0,164

0,161
0,165
0,156

0,159
0,165
0,163

0,163
0,160

Aplique la prueba estadstica y determine los lmites de

confianza al 95%
45

3. Se obtuvieron los siguientes datos del contenido de plomo

en agua de ro.
Analista

ppm Pb

Analista

ppm Pb

19,4

21,6

20,6

18,9

18,7

19,9

19,2

19,9

Determine la media, mediana, rango, desviacin estndar,

varianza y desviacin estndar relativo, as como el lmite
de confianza.
46

MUESTREO
Es la primera fase de un anlisis y la ms importante, sin
embargo, es poco probable realizar esta fase del anlisis
cuando uno es estudiante, generalmente en los laboratorios
ya se cuenta con muestras homogneas o casi
homogneas. A pesar de esto es bueno resaltar la
importancia que tienen en un anlisis el muestreo.
En cualquier procedimiento es necesario que el analista
trate de obtener una muestra que sea representativa de
todos los componentes y sus cantidades que contiene la
muestra de mayor tamao.
Con objeto de que la muestra sea representativa de la
totalidad del material por analizar, debe ser tomada por un
procedimiento sistemtico. 47

Para ciertas clases de materiales se han establecido

procedimientos definidos de muestreo, los mismos que
se pueden encontrar en bibliografa especifica como la
normas tcnicas.
De acuerdo al estado de la muestra, el muestreo puede
ser:

Slidos
1. Unidad de muestreo. Es una porcin del material de
volumen suficiente para poder contener con una elevada
probabilidad la misma distribucin de tamaos de
partculas que el material que se somete a muestreo.
2. Muestra bruta. Se obtiene reuniendo un cierto nmero
de unidades de muestreo que han sido recogidas en
forma sistemtica.
48

A mayor nmero de unidades de muestreo, ms

representativa ser la muestra. El nmero de unidades
de muestreo depende ms del tamao de la partcula y
de la uniformidad de la composicin, que de la
cantidad total sometida a muestreo.
Los slidos se someten a muestreo con ms facilidad en su
expedicin durante la carga o descarga. Estas porciones
se pueden tomar peridicamente cuando se descarga en
un vertedero; o sistemticamente en el espacio, como una
paletada en cada dcimo o ensimo saco o barril de
slido.
3. Reduccin de la muestra. Se reduce en tamao de
partcula y en cantidad por molienda y pulverizacin y
divisiones sucesivas por la mitad, amontonndola en
forma cnica y cuartendola y utilizando un aparato
separador.
49

La contaminacion de la muestra con materia extraa a

causa del equipo de pulverizacin se minimiza utilizando
equipos construidos con materiales duros e inertes.
Tener en cuenta que el calor producido en la
disgregacin puede originar prdidas de humedad,
descomposicin de sustancias inestables y oxidacin
de sustancias. Cuando se tiene cantidades pequeas de
material, el material se disgrega en mortero de gata con
mano del mismo material. La muestra final debe pasar por
un tamiz limpio y seco de 100 a 200 mallas.
4. Conservacin de muestras. Estas deben guardarse de
forma que se minimice los cambios que pueda sufrir antes
del anlisis; como, prdida o adsorcin de agua, absorcin
de CO2 y oxidacin atmosfrica, y otras formas de
descomposicion de la muestra.
50

Se determina la humedad directamente en la muestra que

se recibe en el laboratorio, mientras los otros componentes
se calculan con relacin al material seco.
5. Secado de las muestras. La humedad adsorbida por las
muestras varia con el tamao de partcula, humedad y
naturaleza de la muestra. La mayor parte de los slidos se
analizan despus de secados en una estufa a unos 110 C,
hasta el momento de pesarla es preferible guardarla en un
desecador.

Muestreo de Lquidos.
Si el material es homogneo y esta en un recipiente, se toma
una muestra para el anlisis. Los lquidos que fluyen
por tubos pueden tomarse mediante vlvulas de muestreo
en pequeas porciones durante un tiempo programado.
51

Los lquidos que contienen slidos en suspensin, o mezclas

no miscibles, se muestrean a diferentes profundidades,
mediante un tomador de muestras, o bien se toma una
parte, despus de homogeneizarla.
DESCOMPOSICIN DE MUESTRAS.
No es posible disponer de un procedimiento nico para el
ataque de todas las muestras. Un conocimiento cualitativo,
nos permite elegir el mtodo de ataque.
La solubilidad de la muestra debe determinarse ensayando
con pequeas cantidades del material con reactivos
conocidos, generalmente en el orden: agua, HCl diluido y
concentrado, HNO3 diluido y concentrado . En todos los
casos primero en fro y luego en caliente.
52

Reactivos para el ataque.

1. Agua. Muchas sales inorgnicas (NH4NO3 fertilizante) son
solubles en agua.
2. HCl Disuelve a las cenizas de los alimentos en estudio,
cuando se desea extraer contenidos de elementos que no
son solubles en agua de las tierras agrcolas, etc.
3. HNO3 se usa por su fuerte accin oxidante, y se agrega en
la solucin de las cenizas y en este medio se trabaja su
anlisis.
4. H2SO4 se usa cuando se tiene conocimiento o se desea
precipitar al Pb que puede encontrarse como
contaminante.
53

SEPARACIN DE CONSTITUYENTES.
Se conocen pocos mtodos que permitan analizar a un
elemento directamente, especialmente cuando esta no
es una sal pura.
Por lo regular cuando se lleva a cabo un anlisis es porque
la muestra es natural, y/o presenta mas de un componente
o por algn tipo de contaminante.
Cuando el portador de la muestra no indica el tipo de
contaminacin o la presencia de los elementos que forman
la muestra, lo ms recomendable es hacer una anlisis
cualitativo previo a fin de poder luego elegir el mtodo de
anlisis para el elemento que se desea determinar, y las
formas de eliminar las interferencias que pueda presentar.

54

DETERMINACIN PROPIAMENTE DICHA.

Se realiza cuando el elemento o sustancia a cuantificar se
lleva a un estado en el cual puede ser medible. Los
mtodos de anlisis son variados y dentro de los mtodos
clsicos se puede escoger entre los mtodos:
Gravimtrico donde se precipita el elemento en forma de
un compuesto obtenido estequiometricamente, que sea
estable (y/o pueda modificarse a una forma estable) cuyo
peso nos permita determinar por clculos l % del elemento
o sustancia en anlisis
Volumtrico requiere la medicin del volumen de una
solucin de concentracin conocida que reacciona
estequiometricamente con el elemento o sustancia a
55
determinar.

PRINCIPALES ETAPAS DE UN ANLISIS

QUMICO INORGANICO:
1. Obtencin de una muestra representativa del material
cuya composicin se desea conocer. El muestreo es
importante, teniendo en cuenta que se requiere poca
cantidad de muestra para representar toneladas del
material original.
2. Poner en solucin la muestra pesada o prepararla para
el anlisis de forma adecuada. En las determinaciones
por mtodos qumicos, en general debe tenerse la
muestra en solucin.

56

ETAPAS DE UN ANLISIS QUMICO

3. Separacin de constituyentes que interfieren en
la determinacin del constituyente deseado.
Pocos mtodos, por no decir ninguno son
verdaderamente especficos. 4. Efectuar la
determinacin propiamente dicha. De acuerdo al
mtodo elegido.
5. Calcular el resultado. Esta etapa debe incluir
una evaluacin de la precisin y exactitud del
resultado numrico.
57