Estadisitca Farmacia Clinicos
-
Upload
maria-jose-velasquez -
Category
Documents
-
view
33 -
download
7
description
Transcript of Estadisitca Farmacia Clinicos
-
Universidad Central del Ecuador Facultad de Ciencias Qumicas
ESTADSTICA
Carrera: Qumica Farmacutica-Bioqumica
Clnica
-
Errores en el anlisis cuantitativo
No existen resultados cuantitativos vlidos si no van acompaados de alguna estimacin de los errores inherentes en ellos.
-
Tipos de errores
Errores crasos: errores muy graves que no queda alternativa que abandonar el experimento. Ej. La avera total de algn instrumento.
Errores aleatorios: provocan que los resultados individuales caigan a ambos lados del valor medio. Afectan a la precisin.
Errores sistemticos: todos los resultados son errneos en el mismo sentido. Afectan la exactitud.
-
Errores aleatorios y sistemticos
-
Tipos de errores
No se pueden conocer sus causas, pero
juntos producen un gran efecto
en los datos
Cuyas causas las podemos conocer y podemos
eliminarlas
ALEATORIOS (indeterminados)
SISTEMATICOS (determinados)
-
EJEMPLO
Precisos y no exactos
No precisos exactos
Preciso y exacto
No preciso ni exacto
-
pesas
volmenes Sustancias
de alto peso molecular
-
polvo
Al calibrar pesas
precipitados
Sustancias impuras
-
Ejemplos Medida de un intervalo de tiempo con un cronmetro.
Error en el start y en el stop del experimentador:
error aleatorio.
El cronmetro funciona mal y da siempre un intervalo de tiempo menor (o mayor):
error sistemtico.
Medida de una longitud con una regla.
Error en la interpolacin entre dos marcas por el experimentador: error aleatorio.
La regla esta mal calibrada y da longitudes menores (o mayores) siempre: error sistemtico.
-
1. CONCEPTOS Y DEFINICIN DE TRMINOS
ERROR
DESVIACIN
Diferencia que existe entre el valor verdadero de una magnitud y el que se obtiene de una medida experimental del mismo.
Diferencia entre el valor promedio de una serie de medidas y el de una cualquiera de ellas..
Si aceptamos (clculo de probabilidades) que el verdadero valor de una magnitud es el promedio de una serie de medidas de la misma
ERROR DESVIACIN =
Si no lo aceptamos nunca podremos conocer el valor verdadero
1.2. ERROR Y DESVIACIN
-
PRECISIN
- Efectuar comparaciones con una muestra estndar - Aplicar procedimientos distintos
Una elevada concordancia entre los resultados de varios mtodos proporciona cierta confianza.
Es el grado de concordancia o proximidad entre el valor medido y el valor real aceptado.
EXACTITUD
Grado de concordancia entre rplicas de mediciones de la misma cantidad. Repetibilidad de un resultado.
Buena precisin no asegura buena exactitud
El resultado de un experimento puede ser perfectamente reproducible pero equivocado
Todos los anlisis reales son desconocidos. Mientras mayor sea el grado de precisin, mayor probabilidad habr de obtener el valor verdadero
A mayor n de medidas ms confiable ser la medicin de la precisin
El n de mediciones necesarias depender de la exactitud necesaria y de la reproducibilidad conocida del mtodo.
1.2. PRECISIN Y EXACTITUD
-
FORMAS DE EXPRESAR LA EXACTITUD
Varias formas y unidades
ERROR ABSOLUTO EA
ERROR RELATIVO ER
- Diferencia entre el valor medido (xi) y el valor aceptado como verdadero (). Las unidades corresponden a la medicin que se efecta
EA = xi -
- El valor aceptado puede estar sujeto a error - El signo es muy importante
aumento
disminucin
- Relacin que existe entre el error absoluto (EA) y el valor real - Se expresa en % o % . Adimensional
ER = xi -
. 100
-
Formas de expresar la precisin
Desviacin estndar
1 - N
)x - x( = s
2
i
x
sCV Desviacin estndar relativa
(coeficiente de variacin)
Precisin absoluta
varianza s2
es la expresin del margen de precisin asociado a una medida
Precisin relativa es una expresin que compara la magnitud de la precisin absoluta con el tamao de la medida que se realiza
-
Exactitud y precisin
Realizacin de 10 disparos a una diana
Valoracin de 10 mL de HCl 1M con NaOH 1M
-
Afectan a la exactitud o precisin de los datos experimentales
2. LOS TIPOS DE ERRORES
1. Blunders (Patinazos o deslices) 2. Errores determinados o sistemticos
3. Errores indeterminados o aleatorios (al azar)
2.1 ERRORES DETERMINADOS O SISTEMTICOS
Tienen causas concretas y valores definidos
Pueden ser calculados y tenidos en cuenta
Pueden evitarse y corregirse
CARACTERSTICAS:
Unidireccionales
Resultados superiores o inferiores al valor real, pero no en ambas direcciones
-
Proporcionales al tamao de la muestra (contaminantes)
De magnitud constante independiente de las dimensiones
de la cantidad medida (pesa mal calibrada)
CLASIFICACIN:
CAUSAS:
Errores Instrumentales
Aparatos. La calibracin elimina la mayora de los errores de este tipo
Errores del Mtodo
Tienen su origen en las propiedades fsico-qumicas del sistema por lo que son inherentes al mtodo
Son los ms graves y difciles de detectar (indicadores visuales, coprecipitacin, reacciones secundarias)
No pueden cambiarse a menos que se modifiquen las condiciones de la determinacin
-
Errores Personales
Asociados con las manipulaciones realizadas en la tcnica
Su magnitud depende del analista (errores matemticos, niveles de lquidos, posicin de agujas)
Pueden afectar a un slo valor o a una serie completa de medidas
Son consecuencia del descuido y pueden eliminarse con autodisciplina
Los errores sistemticos dan lugar a una prdida de exactitud pero pueden afectar o no a la precisin segn que dicho error sea constante o variable
-
DETECCIN Y ELIMINACIN DE ERRORES DETERMINADOS
Errores Instrumentales
Anlisis de muestras patrn y (CRMs)
Anlisis independiente
Determinaciones en blanco
Calibracin (Espectrofotometra: Recta Relacin seal/conc. A/conc.)
Calibracin de pHmetros ( pH 4 y pH 7)
Calibracin de balanzas (pesas de 50 o 100 mg)
Material volumtricos (gravimetria con agua o Hg)
Estufas (termmetros certificados)
Muflas (sales inorgnicas de alto PF)
Autodisciplina
Se identifican y eliminan por alguno de los siguientes mtodos:
Errores Personales
Errores del Mtodo
-
2.2 ERRORES INDETERMINADOS
Son de causa desconocida
Producidos por el efecto de variables que no se pueden determinar
No son constantes
Fluctan al azar alrededor de un valor medio
Sus fuentes son desconocidas, ya que estn formados por innumerables incertidumbres insignificantes y no observables
El n y tamao de las incertidumbres + y - son aproximadamente iguales
Son de pequea magnitud
Se revelan por las diferencias en los valores obtenidos en varias
determinaciones, en condiciones cercanas a lo ideal
No pueden evitarse, por ello es necesario dar una interpretacin
estadstica a los resultados
Deteccin: Fluctuacin aleatoria de los resultados que se obtienen al repetir varias veces un anlisis.
-
Caractersticas fundamentales: 1.- Por exceso o defecto con igual probabilidad 2.- Un error pequeo es ms probable que uno de gran magnitud (Fluctuaciones de T, de la lectura de un aparato, etc.) Los E.I. producen una disminucin de la precisin de las observaciones. Aumentando N no se afecta grandemente la exactitud. Los E.I. siguen una distribucin aleatoria. El resultado ms probable se consigue aplicando las leyes matemticas de la probabilidad. Los E.I. en Anlisis Qumico se distribuyen de una forma que se aproxima a una distribucin gaussiana o normal. Slo pueden reducirse a un mnimo, pero no ser eliminados.
-
3. CURVA NORMAL DEL ERROR
Tabla 2.1.- Resultados de 50 determinaciones de nitrato en aguas de un ro (g/mL)
0.51 0.51 0.51 0.50 0.51 0.49 0.52 0.53 0.500.47
0.51 0.52 0.53 0.48 0.49 0.50 0.52 0.49 0.490.50
0.49 0.48 0.46 0.49 0.49 0.48 0.49 0.49 0.510.47
0.51 0.51 0.51 0.48 0.50 0.47 0.50 0.51 0.490.48
0.51 0.50 0.50 0.53 0.52 0.52 0.50 0.50 0.510.51
Tabla 2.2.- Tabla de frecuencia para las medidas de concentraciones de in nitrato
Concentracin de in nitrato (g/mL) Frecuencia
0.46 1 0.47 3 0.48 5
0.49 10 0.50 10 0.51 13 0.52 5 0.53 3
-
CURVA NORMAL DEL ERROR
Histograma de la concentracin de in
nitrato (datos de la Tabla 2.1)
Distribucin normal
-
La porcin encerrada bajo la curva indica el porcentaje de datos de la poblacin que se est considerando
68% 2 95 % 3 99.7%
-
INCERTIDUMBRE
DEFINICION La incertidumbre de una medicin es la duda que existe respecto al resultado de dicha medicin. Ejemplo: Se puede pensar que las reglas graduadas estn bien hechas, que los relojes y los termmetros deben ser veraces y dar resultados correctos. Sin embargo, en toda medicin, an en las ms cuidadosas, existe siempre un margen de duda. En lenguaje comn, esto se puede expresar como mas o menos, por ejemplo, al comprar o vender un tramo de una tela de dos metros, mas o menos un centmetro
-
EXPRESIN DE LA INCERTIDUMBRE DE UNA MEDICIN Dado que siempre existe un margen de duda en cualquier medicin, necesitamos conocer cun grande es ese margen? Por esto se necesitan dos nmeros para cuantificar una incertidumbre. Uno es el ancho de este margen, llamado intervalo, el otro es el nivel de confianza, el cual establece qu tan seguros estamos del valor verdadero dentro de ese margen. Por ejemplo: Si decimos que la longitud de cierta barra mide 20 cm, ms o menos () 1centmetro, con un 95% de confianza decimos: 20 cm 1 cm, con un nivel de confianza del 95% Esto significa que en 95 de cada 100 mediciones la longitud de la barra est comprendida entre 19 y 21 centmetros
-
PASOS PARA CALCULAR LA INCERTIDUMBRE: 1.- Frmula que se va a utilizar Y = f(p,q,r) 2.- Fuentes de incertidumbre Se establece si se realizara mediante pesos (gr) o medidas (cm) -Material A 0.1 -Fuentes por temperatura y factores ambientales -3. Cuantificacin
-Todas las incertidumbres que se tiene hay que convertirlas en incertidumbres estndar
-
3.1 Incertidumbre Incertidumbre estndar X1= 5.3032 X2= 5.3038 X3= 5.3031 X4= 5.2989 X5= 5.3027 = 5.3025 S = 2.0577x10 tgl5= 4.60 3.2 Incertidumbre experimental IC = t.s IC = 5.3025 4.60 x 0.002 = 5.3025 0.004
-
Distribucin triangular
Se encarga en la medicin de volmenes,
Se emplea a siguiente formula:
u=
6
-
Ejemplo
Una certificacin estndar de calibracin dice que un baln tiene una incertidumbre de 250 ml 0.15 ml
u=
6
u=0.15
6 = 0.0061 (I.S)
-
Distribucin rectangular
Se utiliza en temperatura, peso, volumen, y variacin de volumen.
Se usa la siguiente formula:
u=
3
-
Ejemplo: Un certificado de calibracin nos da 0.063 gr:
u=
3
u=0.003
3 = 0.0017 gr (I.S)
-
Combinada. Es el resultado de las contribuciones de todas las fuentes a la que la denomina como combinada.
La formula es:
Uc (x1)= + +
Ejemplo:
Pipeta con un volumen de 12ml 0.03ml
-
Incertidumbre expandida
Se la considera como el numero de veces de expresar las incertidumbres y en algunos con los niveles de confianza
Uc (x1)= .
2+ (
) + (
)
-
Es una representacin grfica de una variable en forma de barras.
La superficie de cada barra es proporcional a la frecuencia de los valores representados, ya sea en forma diferencial o acumulada.
Sirven para obtener una "primera vista" general, o panorama, de la distribucin de la poblacin, o la muestra, respecto a una caracterstica, cuantitativa y continua, de la misma y que es de inters para el observador.
-
Diagramas de barras simples Representa la frecuencia simple (absoluta o
relativa) mediante la altura de la barra la cual es proporcional a la frecuencia simple de la categora que representa.
-
Diagramas de barras compuesta Se usa para representar la informacin de una tabla de doble
entrada o sea a partir de dos variables, las cuales se representan as; la altura de la barra representa la frecuencia simple de las modalidades o categoras de la variable y esta altura es proporcional a la frecuencia simple de cada modalidad.
-
Diagramas de barras agrupadas Se usa para representar la informacin de una tabla
de doble entrada o sea a partir de dos variables, el cual es representado mediante un conjunto de barras como se clasifican respecto a las diferentes modalidades.
-
Polgono de frecuencias Es un grfico de lneas que de las frecuencias
absolutas de los valores de una distribucin en el cual la altura del punto asociado a un valor de las variables es proporcional a la frecuencia de dicho valor.
-
Paso 1 Determinar el rango de los datos. Rango es
igual al dato mayor menos el dato menor.
Paso 2
Obtener todos los nmeros de clases, existen varios criterios para determinar el nmero de clases (o barras).
Algunos autores recomiendan de cinco a quince clases, dependiendo de cmo estn los datos y cuntos sean
Paso 3 Establecer la longitud de clase: es igual al
rango dividido por el nmero de clases.
-
Paso 4
Construir los intervalos de clases: Los intervalos resultan de dividir el rango de los datos en relacin al resultado del PASO 2 en intervalos iguales.
Paso 5
Graficar el histograma: En caso de que las clases sean todas de la misma amplitud, se hace un grfico de barras, las bases de las barras son los intervalos de clases y altura son la frecuencia de las clases.
Si se unen los puntos medios de la base superior de los rectngulos se obtiene el polgono de frecuencias.
-
Tamao de muestra
POBLACION DESCONOCIDA
=(/2) 2
2
POBLACION CONOCIDA
=(/2) 2
2 1 + (/2) 2
pHombres=
=
14
40= 0,35
pMujeres=
=
26
20= 0,65
2 95% = 1,96
2 98% = 2,58
-
Ejemplos:
= % = ,
= % = ,
= % = ,
= ,
=
=(, ) , (, )
(, )
= ,
=
= ,
= % = ,
= % = ,
= , % = ,
=
+
= , , ,
, + , , ,
= ,
-
Tipos de muestreo
Existen diferentes criterios de
clasificacin, aunque en general, pueden dividirse en
:
Probabilsticos. Son aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra.
No Probabilsticos. Es una tcnica donde las muestras se recogen en un proceso que no brinda a todos los individuos de la poblacin iguales oportunidades de ser seleccionados.
-
Tipos de muestreo
Muestreo Probabilstico
Sistemticos
Sistemticos Estratificados
Estratificado Proporcional
Estratificado Constante
-
I. Sistemticos
Eligen un individuo al azar y a partir de l, a intervalos constantes, se eligen los dems hasta completar la muestra. As para una N = 600 y n = 20. Entonces se ordenan los alumnos y se numeran, se elige uno al azar, por ejemplo: 27 y de este, se eligen de 30 en 30 hasta completar la muestra.
As: 27; 57; 87; 117; 147; 177; 207; 237; 267; 297; 327; 357; 387; 417; 447;477; 507; 537; 567; 597
=
=
-
I. Sistemticos
Ejemplo 2: Un investigador desea saber como seleccionar una muestra de 12 individuos de una poblacin de 60 para determinar la incidencia de cncer por el consumo de tabaco. Cmo recomendara que seleccione su muestra? N = 60 y n = 12
=
=
Entonces debe elegir un nmero al azar, por ejemplo: 2 y de este, se elegir de 4 en 4 hasta completar su muestra.
-
II. Sistemticos estratificados
Los elementos de la muestra son proporcionales a su presencia en la poblacin. Se divide a la poblacin en uno o varios grupos o estratos con el fin de dar representatividad a los distintos factores que integran el universo o poblacin de estudio.
Ejemplo: En una poblacin de 600 nios, se desea tomar una muestra de 240; pero tambin se saben que existen 400 nios y 200 nias. Entonces se procede as:
=240 400
600= =
200 240
600=
En conclusin: de la muestra de 240, se deben seleccionar 160 nios y apenas 80 nias
-
II. Sistemticos estratificados
Ejemplo 2: En una fbrica que consta de 600 trabajadores queremos tomar una muestra de 20. Sabemos que hay 200 trabajadores en la seccin A, 150 en la B, 150 en la C y 100 en la D.
-
III. Sistemticos proporcional
En este tipo de muestreo en donde cada estrato queda representado en la muestra en una proporcin exacta a su frecuencia en la poblacin total.
Por ejemplo, en una poblacin de estudiantes universitarios de 700 de los cuales 300 son de primer semestre, 250 de segundo, 100 de tercero y 50 de cuarto; se desea tomar una muestra de 255 estudiantes. Para ello, se expresan cada uno de estos valore en sus respectivos porcentajes, as:
X=42,86% X=35,71% X=14,29% X=7,14%
-
III. Sistemticos proporcional
Estudiantes Porcentajes Calculo de la muestra
Primer Semestre 42,86 % 255 x 0,4286 = 109,29 109
Segundo Semestre 35,71 % 255 x 0,3571 = 91,06 91
TercerSemestre 14,29 % 255 x 0,1428 = 36,41 36
Cuarto Semestre 7,14 % 255 x 0,0714 = 18,20 18
En consecuencia, se tomaran 109 estudiantes de primer semestre, 91 de segundo, 36 de tercero y 18 de cuarto a fin de completar la muestra preestablecida
-
III. Sistemticos proporcional
Ejemplo 2: A travs de un proceso investigativo se desea conocer cuan frecuentes son las enfermedades en los animales de un granja para ello se toma una muestra de 266 en una poblacin 800 animales, diferentes como se muestra en la tabla. Cuntos animales de cada clase se deben tomar para completar la muestra de 266?
Donde: N = 800 n = 266
Animales Cantidad
Vacas 300
Cerdos 200
Gallinas 150
Ovejas 100
Conejos 50
-
III. Sistemticos proporcional
Entonces, luego de determinar los porcentajes que representan a cada uno de estos grupos de animales tenemos
Animales Porcentajes Calculo de la muestra
Vacas 37,5 % 266 x 0,375 = 99,75 100
Cerdos 25 % 266 x 0,25 = 66,5 67
Gallinas 18,75 % 266 x 0,1875 = 49,87 50
Ovejas 12,5 % 266 x 0,125 = 33,25 33
Conejos 6,25 % 266 x 0,0625 = 16,625 16
Por lo tanto se deben tomar 100 vacas, 67 cerdos, 50 gallinas, 33 ovejas y 16 conejos para realizar el estudio en la muestra de
266.
-
IV. Estratificado constante
La muestra se obtiene seleccionando un nmero igual de individuos de cada estrato, ejemplo:
En una poblacin de 600 ancianos se desea tomar una muestra de 240, de los cuales se tiene cinco grupos de la siguiente edad:
Edad
55
60
65
80
85
Entonces se procede as:
240
5= 48
Por lo tanto, se deben tomar 48 individuos de los cinco grupos existentes.
-
IV. Estratificado constante
Ejemplo 2: Una investigacin desarrollada para determinar el grado de contaminacin de los automviles requiere extraer una muestra de 338 de una poblacin de 2150, en 13 marcas de vehculos diferentes. Cmo se determinara dicha muestra?
Entonces se procede as:
338
13= 26
Por lo tanto, se deben tomar 26 vehculos de
cada marca para realizar el estudio.
-
Nos permite identificar si un mtodo est libre de errores sistemticos
COMPARACIN DE UN DATO
EXPERIMENTAL CON UN VALOR
VERDADERO
Media experimental = Media real
Media experimental Media real
Acepto Ho: no hay errores sistemticos
HIPTESIS
Rechazo Ho; Acepto H1: hay errores sistemticos
-
Si un mtodo para determinar Hg por asociacin atmica obtuvo los siguientes resultados, para un material de referencia que contiene 38% de Hg.
Ejemplo:
u 38,9 38,9 38,9
x 38,9 37,4 37,1
95% n - 1
Acepto Ho: no hay errores sistemticos
-
En este caso tenemos dos medias muestrales 1 y 2 Si tomamos como hiptesis nula que los dos mtodos dan el mismo
resultado, necesitamos probar si ( 1 2 ) difiere en forma significativa de cero. Si las dos muestras tienen desviacin estndar que no sean significativamente diferentes.
: 1 = 2 1: 1 2
1 = 2
1 2
0: 12 = 2
2 0: 1
2 22
=1
2
22
-
Se puede calcular una estimacin conjunta de la desviacin estndar a partir de las desviaciones estndar individuales S1 y S2 utilizando la ecuacin
=1 1 1
2 + 2 1 22
( 1 + 2 2
t est dado por la siguiente ecuacin =
(1 2)
11
+12
< Grados libertad
1 = 2
-
=(1 2)
1
2
1+
22
2
=
12
1+
22
2
2
12
1
2
1 + 1+
22
2
2
2 + 1
2
>
1 2
-
EJERCICIOS
-
1. En una comparacin de dos mtodos para determianar potasio en plantas se obtuvieron los siguientes valores:
Mtodo Espectrofotomtrico
{X} S n gl (n-1)
28.0 0,3 10 9
Mtodo Fluoromtrico
{X} S n gl (n-1)
26.25 0.23 10 9
Son iguales las {X}?
-
Resolucin =
12
22
=(0.3)2
(0.23)2
= 1.70
=
= 4.026
4.026 1.70 <
Por lo tanto :
0: 12 = 2
2
-
=(1 2)
11
+12
=28.0 26.25)
0.27110 +
110
=1 1 1
2 + 2 1 22
( 1 + 2 2
=10 1 (0.3)2+ 10 1 (0.3)2
( 10 + 10 2
= 0.27
= 16.15
Grados libertad = 10 + 10 2
Grados libertad = 18
Escriba aqu la ecuacin. 16.15 2.10 >
1 2
-
2. Se est analizando tiol en la sangre con dos mtodos diferentes:
X Mtodo 1%
Mtodo 2%
1 1.84 2.81
2 1.92 4.06
3 1.94 3.62
4 1.92 3.27
5 1.85 3.27
6 1.91 3.76
7 2.07 -
2 = 3.47 1 = 1.92
1 = 0.075
2 = 0.44
-
Resolucin =
12
22
=(0.44)2
(0.075)2
= 34,42
=
= 5.989
Por lo tanto : 0: 12 2
2
34,42 5.989 >
-
=(1 2)
1
2
1+
22
2
=
(0.075)2
7 +(0.44)2
6
2
(0.0752
7 )2
(7 + 1)+
(0.442
6 )2
(6 + 1)
2
=(3.47 1.92)
(0.44)2
6 +(0.075)2
7
= 8.52
= 5 95%
= 2.57
8.52 2.57 > 1: 1 2
-
COMPARACIN DE VARIAS MEDIAS
-
X1=X2=X3=X4.
X1X2X3X4.
El objetivo de este proceso, es determinar y demostrar si las medias obtenidas en un trabajo varan debido a la influencia de un factor externo o debido a errores aleatorios y sistemticos.
-
Se toma en cuenta varios factores o fuentes de variacin como:
1. Errores sistemticos
2. Errores aleatorios
3. Efecto Factor: Temperatura, presin, concentracin, etc.
-
La varianza es la variable que utilizaremos para este proceso, en caso de que estas sean iguales solo se tienen errores aleatorios, si son diferentes el efecto factor s influye.
Para realizar esta comparacin se pueden utilizar 2 mtodos:
-
Mtodo 1
Este mtodo analiza el error aleatorio y del factor presentes dentro de las muestras y fuera de las muestras respectivamente a travs de las siguientes ecuaciones:
CLCULO DE LA VARIANZA DENTRO DE LA MUESTRA O ERROR ALEATORIO:
1.1 calculo de varianza de cada una de las muestras:
-
1.2 Calculo de S2 promedio o estimacin dentro de la muestra y de los grados de libertad.
Grados de libertad:
gl= n-1 + n-2 + n-3 + ..n-i
-
CLCULO DE LA VARIANZA ENTRE MUESTRAS O FACTOR:
Para el clculo de esta varianza se calcula primeramente la varianza de la media muestra:
Estimacin entre muestras:
Grados de libertad:
gl= h - 1
Numero total de medias a analizar
-1
Promedio de todos los datos
-
CLCULO DE F DE FISHER EXPERIMENTAL
El clculo de la F es el punto final que nos permite comparar si las medias son iguales entre s, a travs de la comparacin de la F experimental y la F tabulada.
La F tabulada se ubica en una tabla de F para dos colas con los grados de libertad calculados de cada varianza.
-
Mtodo 2 Para este mtodo se puede utilizar una tabla:
Variacin Grados de libertad (gl)
Suma de Cuadrados (SC)
^2=Cuadrado Medio (CM)
F experimental F Terica
Error Dentro de muestra
N-h SCE=CME*glE ^2Error=CME ^2Error/^2Factor Se la encuentra en tablas.
Factor Entre
muestras
h-1 SCF=CMF*glF ^2Factor=CMF
Total N-1 SCT=SCF+SCE
-
Formulas:
De la tabla anterior:
N= # total de datos.
h= # de muestras.
-
Se quiere averiguar la cantidad de producto obtenido luego de hacer una reaccin qumica, y se quiere comprobar que la cantidad de producto obtenido es igual o diferente, teniendo la muestra en diferentes condiciones de almacenamiento.
Condiciones Medias repetidas Media
A Recin preparada 102 100 101 101
B Oscuridad 101 101 104 102
C Luz tnue 97 95 99 97
D Luz brillante 90 92 94 92
Media global:
98
-
Factor error: Almacenamiento
- Varianza entre muestras Se considera las medias obtenidas y la media obtenida en cada una de las condiciones en las que se ha realizado la reaccin qumica.
2 =
( 1)2+ ( 2)
2++ ( )2
1
2 =
(102 101)2+ (100 101)2+ (101 101)2
31 = 1
2 =
(101 102)2+ (101 102)2+ (104 102)2
31 = 3
2 =
(97 97)2+ (95 97)2+ (99 97)2
31 = 4
2 =
(90 92)2+ (92 92)2+ (94 92)2
31 = 4
2 =
2 +
2 + 2 +
2
2 =
1+3+ 4+4
4 = 3 =
2
g.l = 1 1 + 2 1 + + ( 1) g.l = 3 1 + 3 1 + (3 1) + 3 1 = 8
-
Varianza entre muestras Se considera las medias obtenidas y la media obtenida en cada una de las condiciones en las que se ha realizado la reaccin qumica.
2 =
( 1)2+ ( 2)
2++ ( )2
1
2 =
(102 101)2+ (100 101)2+ (101 101)2
31 = 1
2 =
(101 102)2+ (101 102)2+ (104 102)2
31 = 3
2 =
(97 97)2+ (95 97)2+ (99 97)2
31 = 4
2 =
(90 92)2+ (92 92)2+ (94 92)2
31 = 4
2 =
2 +
2 + 2 +
2
2 =
1+3+ 4+4
4 = 3 =
2
g.l = 1 1 + 2 1 + + ( 1) g.l = 3 1 + 3 1 + (3 1) + 3 1 = 8
-
=
2
2 =
62,01
3= 20,67
= 4,06 g.l (numerador): 3 g.l (numerador): 8
20,67 > 4,06 Entonces rechazo Ho: 1 = 2 = 3 = 4 Acepto Hi: 1 2 3 4
Como acepto Hi, las medias difieren unas de otras, lo que demuestra que el efecto factor en este caso el almacenamiento si afecta los resultados.
-
Efecto Grados de libertad Suma de
cuadrados (SM)
Cuadrados medios
(C.M)
F.
experimental
F.
tabulad
o
Dentro de
muestras
N - h
2 = C.M =
20,67
S.C = C.M x g.l
2 = C.M = 3
F exp. = 62/3 =
20,67
F tab. =
4,06
12 -4 = 8 S.C = 3 X 8 = 24 2 = C.M = 20,67
20, 67 > 4,06
Entre muestras
h -1 S.C = C.M x g.l Acepto:
4 - 1 = 3 S.C = 20,67 X 3 =
62,01
Total N - 1
12 - 1 = 11
2 = C.M = 3
2 = C.M = 20,67
-
2 Los siguientes valores se refieren a la concentracin de albmina, en el suero sanguneo de un adulto. Se tom la muestra de sangre durante 4 das y se determin la concentracin de albmina en el suero fortificado. Pruebe si la concentracin media de los diferentes das vara significativamente.
Da Concentraciones X
1 63 61 62 62
2 57 56 56 56,3
3 50 46 - 48
4 57 54 59 56,7
X 55,8
Hi : X1 X2 X3 Ho : X1 = X2 = X3
-
Variacin dentro de muestra o de error
21 =
(6362)2+(6162)2+(6262)2
2= 1
22 =
(5756,3)2+(5656,3)2+(5656,3)2
2= 2
23 =
(5048)2+(4648)2
2= 8
24 =
(5756,7)2+(5456,7)2+(5956,7)2
2= 6,3
2 =
1+2+8+6,3
4= 4,3 gl= (1 1) + (1 1) + (1 1)
gl= 7
2 = ( )
2
1= 2
-
Variacin entre muestra o de factor
2 = (6255,8)2+(56,355,8)2+(4855,8)2+(56,755,8)2+(55,855,8)2
4 1 = 33,37
2 = 2 =3+3+2+3
4 = 2,8
2 = 33,37 * 2,8
2 = 93,5
2 = ( )
2
1
-
= 22
=93,5
4,3= 21,74
1 =3 =7
21,74 > 4,347
Hi : se acepta, no es lo mismo tomar la concentracin el da 1 que el 4 da. Ho : se rechaza
-
Grado de libertad
(gl) SC CM F exp F tab
Error dentro de muestra
N h 11- 4 = 7
CM * gl 4,3 * 7
= 30,1
2
4,3
2
2
93,5 4,3 =
21,74
> 4,347
Factor o entre
muestra
h 1 4-1 = 3
93,5 * 3
= 280,5
93,5 Hi : se acepta, no es lo mismo tomar la concentracin el da 1 que el 4 da. Ho : se rechaza
-
n1 n2 n3
A 102 100 101 101
B 101 101 104 102
C 97 95 99 97
D 90 92 94 92
T = 98
Fuente de
variacin
gl SC CM Fexp Ftab
Factor 3 186 62 20.6 > 4.06
Error 8 24 3
11 40
Ho: 1 = 2 = 3 = 4 (rechazo) H1: 1 2 3 4 (acepto)
-
= 2 1
22
(.. )
=
22
=
22
-
Iguales valores de n:
= 2
2
Diferentes valores de n:
= 2
1
1+
1
2+
1
3
= 2 8
2 3
3
= 2.31 2
= 3.27
Comparar todas las muestras entre s, combinacin de muestras
( 1)
2=
4(4 1)
2=
4 3
2= 6
Ordeno las medias 2 = 102 1 = 101 3 = 97 4 = 92
-
1) 2 - 1 102 - 101 = 1 <
3.27
No Significativo 2 = 1
2) 2 - 3 102 - 97 = 5 >
3.27
Si Significativo 2 3
3) 2 - 4 102 - 92 = 10 >
3.27
Si Significativo 2 4
4) 1 - 3 101 97 = 4 >
3.27
Si Significativo 1 3
5) 1 - 4 101 - 92 = 9 >
3.27
Si Significativo 1 4
6) 3 - 4 97 - 92 = 5 > 3.27 Si Significativo 3 4
Medias iguales
Proximo al DMS
DMS
(2 = 1) 3 4
Medias 2 y 1 son iguales y son diferentes de la 3 y 4.
-
Para saber cunta diferencia hay entre las medias hacemos el clculo de Turkey (Estricto, confiable) Turkey Shefer
1 < 2.5 No Significativo
5 > 2.5 Si Significativo
10 > 2.5 Si Significativo
4 > 2.5 Si Significativo
9 > 2.5 Si Significativo
5 > 2.5 Si Significativo
1 < 2.5 No Significativo
5 > 2.5 Si Significativo
10 > 2.5 Si Significativo
4 > 2.5 Si Significativo
9 > 2.5 Si Significativo
5 > 2.5 Si Significativo
Acepto el dato
-
Primer caso
x
4% 8
8% 40
16% 80
20% 140
Segundo caso
x
4% 8
7% 10
16% 14
20% 12
Medios diferentes
: 1 = 2= 3 = 4 ( rechazo)
1: 1 2 3 4 ( acepto)
-
Primer caso: ordeno los medios
140
80
40
8
DMS
1: 1 2 3 4
-
X y
x
70C 120
80C 160
90C 170
100C 190
y= ax+b
-
Si los puntos siguen una recta ideal, quiere decir
que los puntos estn sobre la curva y hay un coeficiente de variacin
r=1
Cuando no todos los puntos estn sobre la recta ideal el coeficiente de variacin esta
entre 0 y 1
0 1
-
r= 0
Puntos alejados de la recta ideal
1 0
-
Recta ideal con pendiente negativa
r= -1
Cuando r es casi igual a 1 los puntos experimentales recaen sobre la recta
ideal
-
=( )( )
( )2( )2 = +
a= pendiente de la recta
=( )( )
( )2
=
b
a
-
Se ha examinada una serie de soluciones estndares de flourecina en un flourometro y dio los siguientes intensidades de fluorescencia
1 2 3 4 5 6 7
Concentracin
2,1 5 9 12,6 17,5 21,0 24,7 Intensidad (Y) ppm
0 2 4 6 8 10 12
-
n Xi Yi (Xi X )
(Xi X ) (Yi - Y)
(Yi Y) (Xi X ) (Yi - Y)
1 0 2,1 0-6=-6 36 2,1-13,13=-11,03 121,66 -6 * -11,08= 66,18
2 2 5 2-6=-4 16 5-13,13= -8,13 66,1 -4* -8,13 = 35,52
3 4 9 4-6= -2 4 9-13,33= -4,13 17,06 -2* -4,13= 8,26
4 6 12,6 6-6=0 0 12,6-13,33=-0,53 0,28 0*-0,53 = 0
5 8 17,5 8-6=2 4 17,5-13,33=4,37 19,1 2* 4,87 = 8,74
6 10 21,0 10-6=4 16 21,0-13,13=7,87 61,94 4* 7,87 = 31,41
7 12 24,7 12-6=6 36 24,7-13,13=11,57 133,9 6* 11,57 = 69,42
42 91,9 112 420,01 216,6
media
6 13,13
-
= (Xi X )(Yi Y)
(Xi X )2 (Yi Y) 2 =
(Xi X )(Yi Y) (Xi X )
=216,6
112420,01 =
216,6
112
r= 0,999 a= 1,93
(esta sobre la recta) (pendiente de la recta)
b = y ax
b = 13,13-1,93(6)
b = 1,55
-
Si te toma una alcuota y el flourometro da una intensidad de 1,14
y = ax + b
y = 1,93x + 1,55
I= 1,93 C + 1,55
=11,4 1,55
1,93 = 5,10 ppm +- Intervalo de confianza
C= 5,10+- 1,55
-
Segundo mtodo ( Sistema de ecuaciones)
y= ax + b
2,1= a(0) + b x0
5= a(2) + b x2 10= 4 a + 2b
9= a(4) + b x4 36= 16 a + 4b
12,6= a(6) +b x6 75,6= 36 a + 6b
17,5 = a(8) + b x8 140 = 64 a + 8b
21,0= a(10) + b x10 210 = 100 a + 10 b 24,7 = a(12) + b x12 296,4= 144 a + 12 b
Suma= 91,9 = 42a + 7b 768= 364 a + 42 b
n X= C Y= I
1
0 2,1
2 2 5
3 4 9
4 6 12,6
5 8 17,5
6 10 21,0
7 12 24,7
-
(I) 91,9 = 42 a + 7b 768,0= 364 a +42 b
768,0 = 364 a + 12b 768,0 = 364(1,93) +42b
-551,4 = -252 a 42 b 768,0 = 702,52 -702,52
768,0 = 364 a + 42b b=768702,52
42
216,6 = 112 a b= 1,55
a=216,6
112
a= 1,93
-
Se obtuvieron los siguientes resultados cuando se analizaron una serie de soluciones estndar de plata por espectrometra de absorcin atmica.
Muestra= 0.308
Concentracin Mg/ml
n1 0
n2 5
n3 10
n4 15
n5 20
n6 25
n7 30
Absorvancia 0,003 0.127 0.251 0.390 0.498 0.625 0.713
-
CALCULO DE r
-
r= 0.999
CLCULO DE a
-
CLCULO DE b
-
2. SEGUNDO MTODO
X Y
0 0.003
5 0.127
10 0.251
15 0.390
20 0.498
25 0.625
30 0.763
2.657 =105a +7b 57.47=2275a +105b 1 2
-
Mediante sistema de ecuaciones buscamos a y b
-
Cuando se tiene varias muestras se realiza lo siguiente:
S= 0.72
g.l= n-1 = 3 t 95% =3.18
C mg/ml = 12.61 IC
-
El contenido de oro de una muestra de agua de mar concentrada se determin por espectrometra de absorcin atmica mediante el mtodo de las adiciones estndar. Los resultados obtenidos fueron los siguientes.
Oro aadido mg/ml de muestra concentrada
0 10 20 30 40 50 60 70
Absorbancia 0. 257 0.314 0.364 0.413 0.468 0.528 0.574 0.635
-
n X Y ( ) ( )
( )
( )
( )
1 0 0.257 -35 1225 -0.187 0.035 6.545
2 10 0.314 -25 625 -0.13 0.017 3.25
3 20 0.364 -15 225 -0.08 0.006 1.2
4 30 0.413 -5 25 -0.031 0.0009 0.155
5 40 0.468 5 25 0.024 0.0005 0.12
6 50 0.528 15 225 0.084 0.007 1.26
7 60 0.574 25 625 0.13 0.017 3.25
8 70 0.635 35 1225 0.191 0.036 6.685
280 3.553 4200 0.1194 22.465
35 0.444
-
= ( )( )
( ) ( )
=22.465
(4200)(00.1194) = .
= ( )( )
( )
=22.465
4200 = .
=
= 0.444 0.005(35) = .
= + = . + .
-
La respuesta de un ensayo calorimtrico para la glucosa (GLU), se control con la ayuda de soluciones estndar de glucosa. Determine el coeficiente de correlacin a partir de los siguientes datos, y comente los resultados.
Concentracin de la glucosa, mM 0 2 4 6 8 10
Absorbancia 0.002 0.150 0.294 0.434 0.570 0.704
-
n X Y ( ) ( ) ( ) ( )
( )
1 0 0.002 -5 25 -0.357 0.127 1.785
2 2 0.150 -3 9 -0.209 0.044 0.627
3 4 0.294 -1 1 -0.065 0.004 0.065
4 6 0.434 1 1 0.075 0.006 0.075
5 8 0.570 3 9 0.211 0.045 0.633
6 10 0.704 5 25 0.345 0.119 1.725
30 2.154 70 0.345 4.91
5 0.359
-
= ( )( )
( ) ( )
=4.91
(70)(0.345) = .
= ( )( )
( )
=4.91
70 = .
=
= 0.359 0.07(5) = .
= + = . + .
-
LOGARITMOS
-
PROPIEDADES DE LOS LOGARITMOS ln 1 = 0
ln e = 1
ln = ln + ln ln( ) = ln + ln
ln + xln
ln
= ln ln
ln
= ln ln
-
Dada la ecuacin:
=
= constante = variable
=
= ln = ln ln = ln + ln
= + = +
-
EJEMPLO
Dada la siguiente tabla de datos:
Calcular A y r
t R
0 3
2 4
4 11
7 25
-
Desarrollo del ejercicio
ln = ln + ln ln 3 = ln + 0 ln = 1,099 = 0 ln + ln ln 4 = ln + 2 ln = 1,39 = 2 ln + ln ln 11 = ln + 4 ln = 2,40 = 4 ln + ln ln 25 = ln + 7 ln = 3,22 = 7 ln + ln
, = +
ln = ln + ln 0 = (ln = ln + 0 ln ) 0 = (ln = ln + 0 ln ) 0 = (ln = ln + 0 ln ) 0 = (ln = ln + 0 ln )
-
ln = ln + ln 0 = (ln = ln + 0 ln ) = 0 2 = (ln = ln + 2 ln ) = 2,78 = 2 ln + 4 ln 4 = (ln = ln + 4 ln ) = 9,6 = 4 ln + 16 ln 7 = (ln = ln + 7 ln ) = 22,54 = 7 ln + 49 ln
34,92 = +
-
Igualando las dos ecuaciones
8,11 = 13 ln + 4 ln (13) 34,92 = 69 ln + 13 ln (4)
105,43 = 169 ln + 52 ln 139,6 = 276 ln + 52 ln 34,17 = 107 ln
ln =34,17
107=
= 0,32
= 1,38
8,11 = 13 ln + 4 ln 8,11 = 13 0,32 + 4 ln
ln =8,11 4,16
4
= 0,98
= 2,66
= = 2,66 1,38
= ,
-
Concentracin
ng/ml:
0 5 10 15 20 25 30
Absorbancia: 0.003 0.127 0.251 0.390 0.498 0.625 0.763
Se obtuvieron los siguientes resultados cuando se analizaron una serie de soluciones estndar de plata por espectrometra de absorcin atmica de llama Concentracin ng/ml: Calcular: Absorbancia: 0.308 Calcule las concentraciones si se hizo por cuadriplicado: m1= 0.308, m2= 0.314, m3=0.347, m4= 0.312
(yi-) (yi-)2
1= 0.025(0)+0.005=0.005 (0.003-0.005)=-0.002 (-0.002)2= 4x10-6
2=0.025(5)+0.005=0.13 (0.127-0.13)=-0.803 (-0.803)2= 9x10-6
3=0.025(10)+0.005=0.255 (0.251-0.255)=-0.004 (-0.004)2= 1.6x 10-5
4=0.025(15)+0.005=0.38 (0.390-0.38)=-0.010 (-0.010)2= 1x10-4
5=0.025(20)+0.005=0.505 (0.498-0.505)=-0.007 (-0.007)2= 4.9x10-5
6=0.025(25)+0.005=0.63 (0.625-0.63)=-0.005 (-0.005)2= 2.5x10-5
7=0.025(30)+0.005=0.755 (0.763-0.755)=0.008 (0.008)2= 6.4x10-5
(yi-)2 2.67x10-4
-
Cuando tengo un solo dato como absorbancia a) Absorbancia= 0.308
= . + . 0.308 = 0.025 + 0.005
=0.308 0.005
0.025
= 12.12
.
= 12.12
.
t= 95% gl= n-2 gl= 7-2 =5 t gl= 2,57
-
=/
+
+
( )
( )
/
Sxo =0.0073
0.025 1
1+
1
7+
(0.308 0.380)2
(0.025)2 700
1/2
Sxo = 0.292 1 + 0.14 + 0.012 1/2 Sxo = 0.292 1.15 1/2 Sxo = 0.292 1.07
Sxo = 0.31
/ = ( )
/
Sy/x = 2.67x10 4
7 2
1/2
Sy/x = 5.3410 5 Sy/x = 0.0073
= .
.
= 12.12
2.57 (0.31)
= 12.12
0.80 /
-
Cuando tengo varios valores b) Calcule las concentraciones si se hizo por cuadriplicado: m1= 0.308, m2= 0.314, m3=0.347, m4= 0.312
t95% gl= n-1 gl = 4-1= 3 tgl= 3.18
=
= 12.61 3.180,72
4
= 12.61
1,14
Abs= 0.025x+ 0,005
m1= 0.308 0.308= 0.025x+ 0,005 X= 0.308-
0,005/0.025
12.12
m2= 0.314 0.314= 0.025x+ 0,005 X= 0.314-
0,005/0.025
12.36
m3=0.347 0.347= 0.025x+ 0,005 X= 0.347-
0,005/0.025
13.68
m4= 0.312 0.312= 0.025x+ 0,005 X= 0.312-
0,005/0.025
12.28
M= 12.61
S= 0.72
-
El contenido de oro en una muestra de agua de mar concentrada se determino por espectrometra de absorcin atmica mediante el mtodo de las adiciones estndar . Los resultados fueron los siguientes :
Oro aadido ng /ml de muestra
concentrada 0 10 20 30 40 50 60 70
Absorbancia 0.257 0.314 0.364 0.413 0.468 0.528 0.574 0.634
-
TABLA DE CLCULOS
-
CALCULO DE r
-
CLCULO DE a
-
CLCULO DE b
-
SOLUCION MEDIANTE ECUACIONES
X Y
0 0.257
10 0.314
20 0.364
30 0.413
40 0.468
50 0.528
60 0.574
70 0.635
-
Resolvemos el sistema de ecuaciones
-
Despejamos el valor de a
Reemplazamos este valor en la segunda ecuacin para encontrar b.
-
Despejamos el valor de b
Obtenemos la ecuacin de la recta
-
GRAFICAMOS LA RECTA
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0 20 40 60 80
AB
SOR
BA
NC
IA
CONCENTRACION
A=0,005C + 0,27
Series1
-
LIMITE DE DETECCIN Y CUANTIFICACIN
E s un analito como aquella concentracin que proporciona una seal en el instrumento
Es significativamente diferente de la seal de una muestra en blanco o seal
de fondo
Esta descripcin da al analista un buen margen de libertad
para definir la definicin exacta del limite de deteccin
Se basa en una adecuada interpretacin de la frase
SIGNIFICATIVAMENTE DIFERENTE
-
Otra definicin que se utiliza comnmente para el limite
de deteccin
Es la cantidad de concentracin de analito que proporciona una seal igual a la seal del blanco.
Esto es mas dos veces la desviacin estndar del blanco
Esto seria y-yB=3sB
La probabilidad de concluir que esta muestra no difiere de la del blanco es errneo porque
difiere si quiera en un 50%
-
n x y Y= ax + b X[(y=ax + b )]
1 0 0.257 0.257=0a + b 0
2 10 0.319 0.319=a10 + b 10(0.319=a10 + b)=3.19=a100 + 10b
3 20 0.364 0.364=a20 + b 20(0.364=a20 + b)=7.28=a400 + 20b
4 30 0.413 0.413=a30 + b 30(0.413=a30 + b)=12.39=a900 + 30b
5 40 0.468 0.468=a40 + b 40(0.468=a40 + b)=18.72=a1600 + 40b
6 50 0.528 0.528=a50 + b 50(0.528=a50 + b)=26.4=a2500 + 50b
7 60 0.574 0.574=a60 + b 60(0.574=a60 + b)=34.3=a3600 + 60b
8 70 0.635 0.635=a70 + b 70(0.635a70 + b)=44.45=a4900 + 70b
3.58=280a +8b 146.83= 1400a +280b
El contenido de oro de una muestra d agua de ro se determina por espectrometra de absorcin atmica. Los resultados son los siguientes:
-
3.588=290a +8b (280) 146.83=1400a +280b (8)
-1004.64 =-78400a -2240b
1174.64=112000a + 22406
Calculo de a y b
170=33600a a= 0.0054
3.588= 280(0.0054) +8b 3.588 1.512= 8b 2.076/8= 0.25 b= 0.25
Y= ax + b Y= 0.0054x + 0.25
n x y
1 0 0.257
2 10 0.319
3 20 0.364
4 30 0.413
5 40 0.468
6 50 0.528
7 60 0.574
8 70 0.635
GRFICA
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
10 20 30 40 50 60 70
Y=LIMITE DE DETECCIN X= LIMITE DE CUANTIFICACION
-
El mtodo es aplicable cuando se posee soluciones problemas en las cuales no es
aplicable el uso de soluciones puras o reactivos puros para realizar nuestra curva de
calibracin.
Este mtodo consiste en realizar una curva de calibracin con la
propia muestra problema.
Es decir, se toman volmenes iguales de
solucin problema, y se les aade una
concentracin conocida del analito que se
requiere saber, excepto a una muestra de volumen
de solucin problema.
Y luego de todas estas muestras se obtendrn sus absorbancias y
calcularemos la ecuacin que rige a nuestra curva de calibracin, en
donde encontraremos la concentracin de nuestra muestra cuando la absorbancia sea igual a
cero.
-
Ejercicio: Se desea conocer la concentracin del in Na en una muestra de la
bebida Gatorage.
Resolucin:
Procedemos a tomar volmenes iguales de la muestra, en este caso de la botella de Gatorade, luego a cada frasco aadiremos una concentracin conocida de sodio puro, excepto al primer frasco.
Aadimos Na puro
0 5 10 15 20 25 30 ppm Na
Gat
ora
de
-
Luego las colocamos en una mquina que nos presentar la absorbancia de cada muestra realizada. Obteniendo los siguientes datos:
Muestra 1 2 3 4 5 6 7
Co
nce
ntr
aci
n d
e
Na
pu
ro
0 ppm Na
5 ppm Na
10 ppm Na
15 ppm Na
20 ppm Na
25 ppm Na
30 ppm Na
Ab
sorb
anci
a 0,32 0,41 0,52 0,60 0,70 0,77 0,89
-
A continuacin se realizaran los clculos para obtener la ecuacin de nuestra curva de calibracin como lo hemos hecho anteriormente. As obtendremos:
A= pendiente= 0,018
B=ordenada al origen = 0,322
Por ende nuestra ecuacin es: Donde:
x = concentracin de Na (Sodio) Y = absorbancia
Y= 0,018 x + 0,322
-
La grfica:
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 5 10 15 20 25 30 35
Ab
sorb
anci
a
Concentracin de Na en ppm
Ecuacin que rige :Y= 0,018 x + 0,322
m +0
m +5
m +10
m +15
m +20 m +25
m +30
-
Una vez realizada la grfica podemos realizar una extrapolacin, y saber el corte con el eje x, o podemos reemplazar en la ecuacin que Y=o; por ende obtendremos:
Y= 0,018 x + 0,322 ; cuando y=o X= ?
0= 0,018 x + 0,322
X= - 0,322 0
0,018
X= -17,88 ; punto en X = 17,88 y expresa la concentracin de la muestra de Gatorade cuando se lo expresa en valor absoluto, es decir 17,88.
-
Pero como sabemos debemos expresar esta concentracin con un intervalo de confianza, es decir:
+ = t de student gl= n-2 ; son los
grados de libertad al 95%
n= al nmero de muestras realizadas, en este caso 7; por
ende gl=7-2=5.
Y sabemos que t de student al 95% de confianza y con 5
grados de libertad es igual a 2,57.
-
Calculamos
Empezando por
=0,32 + 0,41 + 0,52 + 0,60 + 0,70 + 0,77 + 0,89
7
= ,
Luego
= ( )
2
2
12
=0,2439
7 2
12
= ,
-
Al final
=
1
+
2
2 ( )2
12
=0,1094
0,0018
1
7+
0,602
0,00182 700
12
= ,
-
Calculamos el intervalo de confianza
+ =
+ = 17,88 2,57 0,70
As obtenemos la concentracin con un intervalo de confianza
+ = 17,88 1.8 +
-
Comparacin de Dos Mtodos Analticos
-
=/
2 1/2
= /
2
2
1/2
-
Ejercicio:
El nivel de plomo de 10 muestras de jugos de fruta se determin por un nuevo mtodo de anlisis potencimetro de disolucin
(ARP) empleando un electrodo de carbono verificado y los
resultados fueron comparados con los obtenidos mediante la tcnica
de absorcin atmica, se obtuvieron los resultados (ug/ml)
determinar si los mtodos son diferentes o no.
Muestra 1 2 3 4 5 6 7 8 9MEAA 35 75 75 80 125 205 205 215 350 xMAPR 35 70 80 80 120 200 220 200 330 y
-
050
100
150
200
250
300
350
0 50 100 150 200 250 300 350 400
AP
R
EAA
APR Vs. EAA
APR Vs. EAA
-
Muestra 1 2 3 4 5 6 7 8 9MEAA 35 75 75 80 125 205 205 215 350 xMAPR 35 70 80 80 120 200 220 200 330 y
=/
2 1/2
r= 0,9945 gl= 10-2 t= 2,31 a= 0,963 t*Sa a= 0,963 0,082467 b= 3,87 t*Sb b= 3,87 15,3384
= 0,0357
= /
2
2
1/2
= 6,64
a= 0,963 0,082467 a= 1,045467 a= 0,880533
b= 3,87 15,3384 b= 19,2084 b= -11,4684
Ambos mtodos son iguales por que
tanto a como b le contienen al cero
-
Teorema de Lmite central Este teorema establece que si tenemos un grupo numeroso de variables independientes y todas ellas siguen el mismo modelo de distribucin (cualquiera que ste sea), la suma de ellas se distribuye segn una distribucin normal.
Conforme se aumenta los datos de la muestra, la
media de la misma tiende a ser la media poblacional
-
Curva Normal estndar
-
Propiedades de la Curva Normal
Estndar La media moda y mediana son iguales.
Es una curva simtrica al eje y ( es decir el rea a la derecha es igual al de la izquierda)
Es asinttica para el eje x ( es decir que nunca tocar este eje)
El rea bajo la curva es el 100%
Para esta transformacin de cualquier curva a una normal se requiere la siguiente frmula:
=
-
EJERCICIOS :
Datos:
= 140 (peso de estudiantes UCE )
= 20
Z =
Z = 150 140
20
Z= 50
REA = 0,6915
REA = 69,15%
TABULADO
-
Qu porcentaje de chicas tienen un peso a 120 libras?
Datos:
= 140
= 20
Z= 120 140
20
Z= -1,0
REA = 0,1587
REA = 15,87%
80 140 160 180 200 120 100
-
Qu porcentaje de chicas tienen un peso entre 130 y 170 libras? Datos:
= 140
= 20
1= 170 140
20
1= 1,5
2= 130140
20
2= - 0,5 = 0,9332
= 0,3085
-
1
, 170 = 93,32%
2
, 130 = 30%
A 130 170 = 93,32 30,85
A 130 170 = 62,47 %
80 100 140 160 180 200 120
-
Ejercicio
La resistencia de unas varillas obtenidas por determinado proceso tiene una distribucin, con una media x de 24 y un de 3, el cliente necesita que al menos el 95% de las varillas tenga una resistencia de 20
-
DATOS
:24
:3
x: 20
5 %
A>/95%
-
Z= X1-
Z= 20-24 3
Z= -1,33
Con este valor procedemos a utilizar la tabla de valores de Z y que sean -1,33 y ese valor nos dar el rea y al multiplicarlo por 100 nos dara el porcentaje de las varillas deseadas que tendrn la resistencia de 20.
A= 0,0968*100= 9,68% A debe ser > 95% 100%-9,68%= 90,32%.Este valor es menor al 95 % por lo tanto el 90,32% de las varillas tendrn una resistencia de 20 y no son las indicaciones que requiere el cliente.
-
Los pesos individuales de un lote de ampollas sigue una distribucin normal cuya medida es 1.433 g y un 0.033 g el lmite de especificacin son x=1.460.085.
a) Cual es el porcentaje de las ampollas por debajo de la especificacin.
b) Cual es el porcentaje de las ampollas sobre la especificacin.
c) El porcentaje total de las ampollas fuera de especificacin.
d) Que porcentaje cumple la especificacin.
-
a) Cual es el porcentaje de las ampollas por debajo de la especificacin.
Datos:
=1.433 g
=0.033
lmite= 1.460.085
L.S.E= 1.545
L.I.E= 1.375
1.33 1.36 1.4 1.43 1.46 1.49 1.52
Limite de especificacin
-
a) Cual es el porcentaje de las ampollas por debajo de la especificacin.
=X1
=1.3751.433
0.033 = -1.76
Tablas: 0.0392= 3.92 %
A1= 3.92%
-
b. Cual es el porcentaje de las ampollas sobre la especificacin. =
X1
=1.5451.433
0.033 = 3.39
Tablas: 0.9997= 99.97 %
A2= 1-99.91= 0.03%
-
c.-El porcentaje total de las ampollas fuera de especificacin. A1 + A2= 3.92+0.03= 3.95%
d.- Que porcentaje cumple la especificacin. 100-3.95= 96.05%
-
LA DISTRIBUCIN BINOMIAL:
Llamamos experiencia aleatoria dicotmica a aquella que slo puede tener dos posibles resultados A y A'. Usualmente A recibe el nombre de xito, adems representaremos como p = p(A) y q = 1-p=p(A').
A la funcin de probabilidad de una variable aleatoria X resultado de contar el nmero de xitos al repetir n veces una experiencia aleatoria dicotmica con probabilidad de xito p la llamamos distribucin binomial y la representamos por
B (n, p)
Para esta distribucin se verifica que, la variable X puede tomar los valores:
0, 1, 2, ... , n
y que la variable toma cada uno de estos valores con probabilidad
-
Propiedades
La muestra se compone de un nmero fijo de observaciones n
Cada observacin se clasifica en una de dos categoras, mutuamente excluyentes (los eventos no pueden ocurrir de manera simultnea. Ejemplo: Una persona no puede ser de ambos sexos) y colectivamente exhaustivos (uno de los eventos debe ocurrir. Ejemplo: Al lanzar una moneda, si no ocurre cruz, entonces ocurre cara). A estas categoras se las denomina xito y fracaso.
La probabilidad de que una observacin se clasifique como xito, p, es constante de una observacin o otra. De la misma forma, la probabilidad de que una observacin se clasifique como fracaso, 1-p, es constante en todas las observaciones.
La variable aleatoria binomial tiene un rango de 0 a n
-
Caractersticas
Una distribucin binomial o de Bernoulli tiene las siguientes caractersticas:
1. En cada prueba del experimento slo son posibles dos resultados: xito y fracaso.
2.La probabilidad de xito es constante, es decir, que no vara de una prueba a otra. Se representa por p.
3.La probabilidad de fracaso tambin es constante, Se representa por q,
q = 1 p 3.El resultado obtenido en cada prueba es
independiente de los resultados obtenidos anteriormente.
5.La variable aleatoria binomial, X, expresa el nmero de xitos obtenidos en las n pruebas. Por tanto, los valores que puede tomar X son: 0, 1, 2, 3, 4, ..., n.
La distribucin bimomial se expresa por B(n, p)
-
ECUACION () =
!
! !
Donde
=Probabilidad de X xitos, dadas
n = Nmero de observaciones
p = Probabilidad de xitos
1-p = Probabilidad de fracasos
X = Nmero de xitos en la muestra ( = 0, 1, 2, 3, 4, )
-
Ejemplo En una moneda probabilidad que me caiga sello o cara.
n=10; p=0.5; q=1-p=0.5; x=2
() =!
! !
(2) =10!
2! 102 ! 0.52 10.5102
(2)= 0.04 Probabilidad que salga cara del 4%
-
2) Cul es la probabilidad de que me salgan 5 caras.
X=5
() =!
! !
(5) =10!
5! 105 ! 0.55 10.5105
(5)= 0.21=21%
-
Probabilidad que me salgan dos caras o menos
(2) 0 + 1 +(2)
10!
! 10 ! 0.5 10.5 +
10!
1! 101 ! 0.51 10.51 +
10!
2! 102 ! 0.52 10.52
= 0.0597= 5.97%
-
Probabilidad que salgan menos de dos caras
(
-
3) Probabilidad de que me salgan mas de dos
(2)= 2 + 3 + 4 + 5 +
6 + 7 + 8 + 9 + 10
= 1-(
- 4) (
-
6) 3x5
3x5 = =3 + =4 + =5
7) 3 < x 5
3
-
EJERCICIO N1 La produccin de lmparas es continua y tiene una fraccin de no conformes de 0.725.
Un cartn es aceptado si una muestra de 4 no contiene cartones y esta aceptada cual es
la probabilidad de aceptar esas 4 cajas n=4
p= 0.125
x=0
=0 =4!
0! 4 0 ! 0.125 1 0.125 40
=0 =4!
0! 4 0 ! 0.125 0.875 40
=0 = 0.586100% = . %
-
EJERCICIO N2 La empresa JBC dice en una campaa publicitaria que no ms de cada cliente llama a
reclamar, para comprobar esto se toma una muestra de 20 clientes y resulta que 4 de
ellos haban llamado a reclamar, esto destruye lo enunciado de la empresa JBC s o no
=1
10= 0.1
= 20
= 4
= 1 0.1 = 0.9
=4 =20!
4! 20 4 ! 0.1 4 0.9 204
=4 = 0.09100% = %
-
EJERCICIO N3 En una fbrica de cmaras de fotos el 5% de productos sale defectuoso, a) determine
la probabilidad de que en una muestra de 10 cmaras se encuentran hasta 2 cmaras
defectuosas, en esa muestra, b) se encuentran 2 cmaras defectuosas, c) se
encuentran ms de 2 cmaras defectuosas, d) se encuentran de 2 a 3 cmaras en la
muestra de 10 = 0.05
= 1 0.05 = 0.95
= 10
a)
2 =10!
0! 10 0 ! 0.05 2 0.95 10
+10!
1! 10 1 !0.05 1 0.95 9
+10!
2! 10 2 !0.05 2 0.95 8
2 = 0.9885100% = . %
-
b)
=2 =10!
2! 10 2 ! 0.05 2 0.95 10
=2 = 0.0745100% = . %
c)
>2 = 1 2
>2 = 1 0.9885 = 0.0115
>2 = 0.0115100% = . %
-
d)
23 = 7.4 +10!
3! 10 3 !0.05 5 0.95 7
23 = 0.074 + 0.0115 = 0.0845
23 = 0.0848100% = . %
-
Un 10% producido en un producto de fabricacin sale de defectuoso. Hallar la probabilidad que en una muestra de 50 se encuentren dos defectuosas
Datos:
p= 10% -> 0.1
n= 50
q= 0.9
Binomial
p(x=2)=
50 l2l 502 l (0.1)
2(0.9)48
p(x=2)=0.078 -> 7.8%
Poisson=x ex
2l
Poisson=0.084 -> 8.4%
Poisson=
(500.1)2 e(500.1)
2l
Poisson=0.084 -> 8.4%
EJERCICIO N 4
-
En un proceso productivo se produce el 2%, si se a producido 800 productos. Cul es la productividad de encontrar dos productos definitivos?.
Datos:
p= 2% -> 0.02
n= 800
x= 2
= n.p
= 0.02x800= 16
p(x=2)=(np)x e(n.p)
x l
p(x=2)=(16)2 e(16)
2 l =1.4x105
Cul es la productividad de encontrar dos productos definitivos?. p(x2)=p(x=0)+p(x=1)+p(x=2)
p(x 2)=(16)2 e(16)
0 l+(16)1
e(16)
1 l+1.4x105
p(x2)=2.88x105+2.88+1.4x105 p(x2)=1x106
x2
p(x> 4)=p(x=5)+p(x=6)+.+p(x=799)+p(x=800) p(x> 4)=1-p(x4) p(x> 4)=1-p(x=0)+p(x=1)+p(x=2)+p(x=3) +p(x=4)
p(x> 4)=1-0.0004 = 0.9996
x> 4
EJERCICIO N5
-
Se lanza una moneda 10 veces a la probabilidad de que salga cara 70% cual es la probabilidad de que salgan cuatro caras o menos
Datos:
p= 70% -> 0.7
n= 10
q= 0.3
x4
p(x 6)=p(x=0)+p(x=1)+p(x=2)+p(x=3)+p(x=4)
p(x6)=10 l
0l 100 (0.7)0(0.3)10+
10 l1l 101 l (0.7)
1(0.3)9+
10 l
2l 102 l(0.7)2(0.3)8+
10 l
3l 103 l(0.7)3(0.3)7+
10 l
4l 104 l(0.7)4(0.3)6+
10 l
5l 105 l(0.7)5(0.3)5
p(x6 )=1p (x5)
p (x6 )=10,9527
p (x6)=0.0473
EJERCICIO N6
-
Distribucin de Poisson
n>50
p
-
DISTRIBUCION DE POISSON
=
!
0
< 10%
Medio h
=
Normal
M 0
G 40% 60%
=
-
En un proceso productivo se produce el 2% si
se produce 200 productos cual es la
probabilidad de encontrar 2 productos
defectuosos
a)
= 2% = 0.02
= 800
= 2
=
= 8000.02
= 2 =8000.02 2 8000.02
2!
= 2 = .
Ejercicio N1
-
b) Cul es la probabilidad de encontrar hasta 2
productos defectuosos
2 =8000.02 2 8000.02
0!
+8000.02 2 8000.02
1!
+8000.02 2 8000.02
2!
2 = .
-
c)
> 4 = 1 4
> 4 = 1
0.000001
+8000.02 3 8000.02
3!
+8000.02 4 8000.02
4!
> 4 = 1 0.0004
> 4 = .
-
EJECICIO N2 - El 10% de producto producido en un proceso de fabricacin sale defectuoso, hallar la probabilidad que en una muestra de 50 se encuentren 2 defectuosos. a) Realizar por el mtodo de distribucin binomial b) Realizar por el mtodo de poisson p= 10% 0,1 n = 50 x= 2n Binomial Poisson
P(x=2)
-
EJERCICIO N3 - Cada hora se producen 2.5 teclados defectuosos de
promedio, determine la probabilidad que en la siguiente hora se produzcan mas de 4 teclados defectuosos.
-
EJERCICIO N4 - En un proceso se producen 5% de producto defectuoso y se toma
una muestra de 200.
a) Cual es la probabilidad de encontrar tres productos defectuosos
b) Cual es la probabilidad de encontrar hasta tres productos defectuosos
c) Cual es la probabilidad de encontrar mas de tres producto defectuosos
d) Cual es la probabilidad de encontrar cuatro o ms productos defectuosos.
e) Cual es la probabilidad de encontrar
f) Cual es la probabilidad de encontrar
g) Cual es la probabilidad de encontrar
-
a)
b)
c)
d)
-
e)
f)
g)
-
P= 5
n= 205 =n x p
Probabilidad de encontrar 3 productos defectuosos:
P (x=3) = P(x 3) P(x 2) = 0.00865 0.0073 = 0.0064 = 0. 64%
Con Formula:
= 0.0063 = 0.63%
Con Tabla:
EJERCICIO N5
-
INTRODUCCIN A PLANES DE MUESTREO
Poison
Binomial
La distribucin binomial se aplica cuando n es pequea La distribucin de Poisson se aplica cuando n es mayor al 50% y menor al 10%
-
Riesgo para el proveedor (): Siempre quiere que se acepte ms del 95% del producto o que se rechace solo el 5% del producto defectuoso.
Riesgo para el cliente (): Acepta hasta un 10% del producto defectuoso.
-
Proveedor Cliente
A B C
P (Fraccin de
defectuoso)
3% 7% 10% 8%
Precio Unidad
$ 1.10 $1.00 $0.90 ____
5% 5% 5% ____
_____ ______ ______ 10%
Ejercicio N1
-
Poisson:
=n x p
X= 0
X= 1
X= 9
X= 0
X= 1
X= 9
Con X= 9 el cliente y el proveedor estn de acuerdo.
Cliente: = 10% 0.1
Proveedor: = 0.05 P (acepta)
= 0.95
-
CHI CUADRADO X2
2 = = 1
1 = 32
12 + 2
2
2 ~ 22
3 = 12 + 2
2 + 32 = ~ 3
2
Grados de libertad totales
-
PROPIEDADES DE CHI CUADRADO
APLICACIONES:
1) Es sesgada hacia la derecha
2) Conforme aumenta los grados de libertad tiende a ser una curva normal
1) Composicin de dos variables cualitativas
2) S2 ------ 2 Estimar al varianza poblacional a partir de la varianza de una muestra
S2 ------
-
tratamientos peor igual Mejor
Tratamiento 1 7 28 115 150
Tratamiento 2 15 20 85 120
Tratamiento 3 10 30 10 130
Tratamiento 4 5 40 115 160
37 118 405 560
Se tiene 2 hiptesis: 1.- Ho: variable es independiente de la variable tratamiento 2.- Hi: variable efecto si depende del tratamiento X experimental > X tabulada Cuando pasa esto se rechaza la hiptesis nula
EJERCICIO N1
-
F1.1=150 37
560= 9.91
F1.2=150 11.8
560= 31.6
F1.3=150 405
560= 108.41
F2.1=120 37
560= 9.93
F2.2=120 11.8
560= 25.23
F2.3=120 405
560= 86.78
F3.1=130 37
560= 8.59
F3.1=130 11.8
560= 27.39
F3.3=130 405
560= 94.02
F4.1=160 37
560= 10.57
F4.2=160 11.8
560= 33.71
F4.3=160 405
560= 115.21
-
X2 experimental =( )
= 13.87
Fo: frecuencia observada Fe: frecuencia esperada
gl= ( 1)( 1)
gl= (4 1)(3 1)
gl= 3 2 = 6
Y
X
= 0.05
-
Un distribuidor regional de sistemas de aire acondicionado ha subdividido la regin en cuatro regiones, a un posible comprador de la distribuidora se le dice que las instalaciones del equipo tiene una distribucin aproximadamente igual en los cuatro territorios. El posible comprador toma los archivos de la compaa y toma una muestra de 40 instalaciones, realizadas en el ultimo ao y determina que el nmero de instalaciones en los cuatro territorios se indican en la tabla como frecuencia observada y tambin se ha determinado las frecuencias esperadas que se indican en la tabla:
EJERCICIO N2
-
Tipo de frecuencia Territorio Total
# instalaciones en la muestra (fo)
6 12 14 8 40
# Esperado de instalaciones (fe)
10 10 10 10 40
-
H0: Las reparaciones no dependen del territorio.
H1: Las reparaciones dependen del territorio
-
Resolucin
2 =
()2
-
2 =
(610)2
10+
(1210)2
10+
(1410)2
10+
(810)2
10
2 = 4
2 = 54,57
2 <
2
por lo tanto se acepta H0 en donde se afirma que las reparaciones no dependen del territorio.
-
EJERCICIO N3
Una compaa embotelladora de gaseosas quiere hacer una diferencia acerca de la variabilidad de llenado de las botellas. La compaa tiene maquinas que llenan botellas de 1 litro, se necesita calcular la desviacin estndar en la cantidad de gaseosa, la
cantidad es importante pero una cantidad media concreta no garantiza que la maquina
funcione bien, si la varianza es muy grande se derrama el lquido, y si la varianza es
muy pequea no se llena la botella.
Se quiere que la varianza no sobrepase 0,0004 y para verificar se toma una muestra de
28 botellas y se determina la varianza que es de 0,0007.
-
Grfica
-
EJERCICIO N4: Un fabricante afirma que un qumico fotogrfico tiene una vida en anaquel que sigue
una distribucin normal en torno a una media de 180 das con una desviacin estndar
de no ms de 10 das, un usuario de este qumico est preocupado que la desviacin
estndar puede ser ms de 12 das. Tome una muestra de 12 das y calcule la
desviacin estndar. Trabajar al 95 % y determinar si la desviacin estndar es igual o
diferente.
-
Grfica
-
Ciclo medio de un foco de 4000 horas con desviacin estndar 200 horas se supone que los ciclos siguen una distribucin normal supongamos que se establecido que la desviacin estndar no es mayor a 150 horas se tomo una muestra de 10 focos cuya desviacin estndar es de 200 horas
Datos: =150h =
m=10 S=20
Ho:
150
=3.3251
Ho: acepto Hi: rechazo
Hi:
EJERCICIO N5