(Universidad de Valencia)

Slides:



Advertisements
Presentaciones similares
PRUEBAS DE HIPOTESIS. I.S.C. Rosa E. Valdez V.. Dentro del estudio de la inferencia estadística, se describe como se puede tomar una muestra aleatoria.
Advertisements

QUIMICA ANALITICA APLICADA
TRAZABILIDAD Propiedad del resultado de una medición o de un patrón tal que pueda relacionarse con patrones o materiales de referencia certificados (MRC)
Curso para la Producción de Estadísticas sobre la Economía de la Información Módulo 4: Implementación de una encuesta sobre el uso de las TIC en las empresas.
MÉTODOS Y DISEÑOS DE INVESTIGACIÓN METODOLOGÍAS DE INVESTIGACIÓN
(Universidad de Valencia)
(Universidad de Valencia)
©GAMMGAMM (Universidad de Valencia) + Positivas - Negativas + Positivas - Negativas Videos:
DISEÑO DE EXPERIMENTOS
Error Estándar de la Media
EVALUACIÓN DE LA CALIDAD DE UN RESULTADO ANALÍTICO
TEMA 2.- ERRORES EXPERIMENTALES
Departament destadísticoa Grup destadísticoa Computacional Introducción a la metodología bootstrap Jordi Ocaña Departament destadísticoa Secció Departamental.
Contraste de Hipótesis
Estimación de parámetros poblacionales
REUNION VIRTUAL – 10 de diciembre de 2008
TALLER DE ANÁLISIS ESTADÍSTICO PARA APOYAR EL DISEÑO DE LOS INVENTARIOS DE CARBONO Iquitos, de mayo 2009 Resumen, recomendaciones para los inventarios.
KRIGING.
MODELO DE REGRESIÓN MÚLTIPLE
TEMA VII.
CARACTERÍSTICAS ESTADÍSTICAS
(Universidad de Valencia)
Escuela Nacional de Estadística e Informátia Muestreo I
COOPERACION ANVISA / AECI
EJEMPLO DE APLICACIÒN DEL PROCEDIMIENTO Se tiene una muestra de sangre, y se requiere determinar alcohol etílico por cromatografía de gas con headspace.
ESTADISTICA PARA ANÁLISIS QUÍMICO
HERRAMIENTAS PARA EL CONTROL ESTADÍSTICO DE CALIDAD.
Diseño de experimentos
DRA.MIER BIOQUIMICA EUTM,2006
CALIBRACION.
Tema 5 Protocolos para obtención de datos, calibrados, uso de hojas de cálculo.
INFERENCIA ESTADÍSTICA
PROCESO DE MEDICIÓN.
MUESTREO DE ACEPTACIÓN DE LOTES POR VARIABLES
CALCULO DE INCERTIDUMBRE.
CALIDAD ANALÍTICA Dr. Antonio Pérez CAPACITACIÓN Y ASESORAMIENTO
TECNICAS E INSTRUMENTOS PROSPECTIVOS
Diseño de la investigación
Sistema de Gestión de Laboratorios FING – IIQ - Marzo 2010.
PROCEDIMIENTO GENERAL PARA VALIDACIÓN DE MÉTODOS Y MANIPULACIÓN DE ÍTEMS DE ENSAYO, SEGÚN LA NORMA 17025:2005, SECCIÓN 5.4 Y 5.8 Dr. CARLOS ROQUE LIC.
Pronósticos, Series de Tiempo y Regresión
(Organización y Manejo de Archivos)
BUENAS PRACTICAS TECNICAS CONTROL DE EQUIPO DE LABORATORIO
UNIVERSIDAD NACIONAL INTERCULTURAL DE LA AMAZONIA
VALIDACION DE METODOS ANALITICOS.
IPC 2008 Estimaciones por Bootstrap
CENTRO DE METROLOGIA QUIMICA
Métodos de calibración: regresión y correlación
Práctica 1 Teoría de errores
Universidad Nacional de Colombia
Edwin Alférez G09N02EdwinErney José Luis Gómez G09N21JoseLuis.
Capacidad de Proceso.
1 ©GAMMGAMM (Universidad de Valencia) REGISTRO DE VALIDACIÓN Hoja-2 (Antes de validar) Características Referencias Diseño experim. Alcance Requisitos Declaración.
“Valor parámétrico (VP)” para nitrato: Tabla extraída del REAL DECRETO 140/2003, de 7 de febrero, por el que se establecen los criterios sanitarios de.
Planes de muestreo.
Salvador Sagrado Emilio Bonet Mª José Medina Yolanda Martín Prof. Titular Química Analítica Responsable técnico de calidad de ensayos en GAMASER S.L. (Grupo.
UNIDAD 1.- EVALUACIÓN DE DATOS ANALITICOS
La ley del equilibrio químico
COMPROBACION DE HIPOTESIS SOBRE DOS PROMEDIOS Mario Briones L. MV, MSc 2005.
Herramientas avanzadas. Lo primero: abrir el modelo.
MÉTODOS DE ANÁLISIS EN LA TOMA DE DECISIONES EXISTEN PROCEDIMIENTOS DE ORDEN MATEMÁTICO, FINANCIERO, ECONÓMICO, ESTADÍSTICO ENTRE OTROS, PARA LA TOMA DE.
1 Introducción al tratamiento de datos © José Luís Contreras.
ANALISIS POR INSTRUMENTACION
INTERVALO DE CONFIANZA
Curso: Gestión de la calidad Docente: Juan David Ocampo Vásquez.
Taller de investigación 1
Análisis volumétrico Núcleo Temático 6.
Rigoberto Marcelo Yáñez Vera
METODOS DE REMUESTREO: JACKKNIFE Y BOOTSTRAP
Transcripción de la presentación:

(Universidad de Valencia) INCERTIDUMBRE: Complejidad Enfoques ENFOQUE CLÁSICO : Esquema/Cálculo Deficiencias ENFOQUE-VALIDACIÓN : Esquema Ventajas INCERTIDUMBRE DE LAS MUESTRAS ©GAMM (Universidad de Valencia)

Algunas fuentes de incertidumbre (no independientes) MRC, patrones Complejidad Enfoques ENFOQUE CLÁSICO : Esquema/Cálculo Deficiencias ENFOQUE-VALIDACIÓN : Esquema Ventajas La estimación de la incertidumbre del resultado de una muestra, U (Res), no es sencilla a la vista de las fuentes de incertidumbre que hay que considerar: Algunas fuentes de incertidumbre (no independientes) MRC, patrones Método de ensayo Analistas Equipos Condiciones ambientales Objeto (y muestreo) Reactivos Almacenamiento, preparación muestra Precisión Efecto computacional Efecto analito-matriz (fortificación) Otras… La contribución de un analista se suele obviar, asumiendo una suficiente cualificación, si bien esta dependerá de una buena formación

Tipo de información empleada Componente-a-componente (ISO) INCERTIDUMBRE: Complejidad Enfoques ENFOQUE CLÁSICO : Esquema/Cálculo Deficiencias ENFOQUE-VALIDACIÓN : Esquema Ventajas Para abordar esta dificultad (que reconoce ISO 17025 en el caso de ensayos químicos), se han propuesto algunos enfoques: Algunos enfoques Tipo de información empleada Componente-a-componente (ISO) ‘bottom-up’* Proceso => Ecuación del resultado: Res = f (Datos) Dato  fuente de incertidumbre (individual) Datos de validación interna Información: validación interna del método (Veracidad, Precisión, etc.) Res  f (Errores sistemáticos y aleatorios) * Enfoque clásico

Esquema, Ecuación, Incertidumbre estándar (datos), u Complejidad Enfoques ENFOQUE CLÁSICO : Esquema/Cálculo Deficiencias ENFOQUE-VALIDACIÓN : Esquema Ventajas ENFOQUE CLÁSICO Esquema, Ecuación, Incertidumbre estándar (datos), u Combinar, y expandir, # Procedimiento (equipos, Datos): u (Res) U (Res) Factor de cobertura (usual, k=2) Y4- M’ u (v) v u (M’) u (Res) U = k u v’ C(mg/L) u (v’) U (Res) M nA Ca2+ u (PM) Ecuación: datos Res v’(L) . M’(mol/L) . PM(g/mol) 103(mg/g) C(mg/L) = M(mol/L) . Mr(g/mol) . 103(mg/g) = v(L) Media de ≥ 3 réplicas u (sr)

Difícil estimar todas las contribuciones en ensayos complejos INCERTIDUMBRE: Complejidad Enfoques ENFOQUE CLÁSICO : Esquema/Cálculo Deficiencias ENFOQUE-VALIDACIÓN : Esquema Ventajas ENFOQUE CLÁSICO Deficiencias: Diagrama causa-efecto (contribuciones a U) Difícil estimar todas las contribuciones en ensayos complejos Puede obviar contribuciones importantes (ej. ‘run’, analistas), infra-estimando U v’ V Error Error Pto. final Pto. final T T Calib. Calib. C v’ Calibración Método (mp, PM, V, v, v’ ) Pto. final v’ v M’ PM Repetibilidad

ENFOQUE BASADO EN VALIDACIÓN INCERTIDUMBRE: Complejidad Enfoques ENFOQUE CLÁSICO : Esquema/Cálculo Deficiencias ENFOQUE-VALIDACIÓN : Esquema Ventajas ENFOQUE BASADO EN VALIDACIÓN MRC ± uMRC Valor verdadero (Ej. MRC) Error sistemático E met uE LEC 1 LE xMet. LEC Error aleatorio run ‘run’ (equipo, analista, tiempo) run 2 run µ r 2 Asignar incertidumbre a los errores sistemáticos ( ) y aleatorios ( ) que provocan la diferencia entre el valor verdadero y el resultado Combinar y expandir r Réplicas k r Res xij U (Res)

ENFOQUE BASADO EN VALIDACIÓN INCERTIDUMBRE: Complejidad Enfoques ENFOQUE CLÁSICO : Esquema/Cálculo Deficiencias ENFOQUE-VALIDACIÓN : Esquema Ventajas ENFOQUE BASADO EN VALIDACIÓN Diagrama causa-efecto (contribuciones a U) Ventajas: Información disponible (estadísticos de validación) Expresión sencilla e igual para cualquier método (Eq. 8, PNT_V_GAMM_001); armonizada con el control de calidad MRC Veracidad uMRC sµ 2 Res C U (Res) sr 2 srun 2 Precisión (Repetibilidad) Precisión ( ‘run’ ) * ‘clik’ en las contribuciones para ver detalles y ejemplos

(estimada conforme al enfoque componente-a-componente) INCERTIDUMBRE: Complejidad Enfoques ENFOQUE CLÁSICO : Esquema/Cálculo Deficiencias ENFOQUE-VALIDACIÓN : Esquema Ventajas VALIDACIÓN Incertidumbre-MRC (estimada conforme al enfoque componente-a-componente) Mg (1000 mg/L) µCRM ± uCRM Y4- M’ (± 5) v [123.54, 411.8, 988.32] mg/L Distribución rectangular: u = Intervalo / 3 CMRC (mg/L) v’ M 4118 mg/L C0(mg/L) v0 nA Ca2+ V V [3, 10, 24] mL (± 0.03) 100 mL MRC-bureta 25 mL (± 0.08) Distribución triangular: u = Intervalo / 6 Distribución triangular: u = Intervalo / 6 uMRC / µMRC = [(5/(3)0.5/1000)2 + (0.03/(6)0.5/3)2 + (0.08/(6)0.5/100)2 ]0.5 = 0.005 - Para 123.54 mg.L-1: uMRC = 0.005 . 123.54 = 0.619 ~ 0.6 mg.L-1 (caso más desfavorable)

- IT (Ej. balanza analítica) INCERTIDUMBRE: Complejidad Enfoques ENFOQUE CLÁSICO : Esquema/Cálculo Deficiencias ENFOQUE-VALIDACIÓN : Esquema Ventajas Errores - Videos Minimizar errores: - IT (Ej. balanza analítica)