Ensayos Interaboratorio. Distintos Tipos y Objetivos

Slides:



Advertisements
Presentaciones similares
VERIFICACIÓN DEL SUPUESTO: DE IGUALDAD DE VARIANZAS: OBSERVACIÓN GRÁFICA Y PRUEBA DE BARTLETT.
Advertisements

Unidad I: Métodos Electrométricos de Análisis
VALORES AGRUPADOS EN INTERVALOS. El consejo académico del colegio aplicó una prueba de conocimientos, entre 70 estudiantes elegidos al azar. El puntaje.
T – Student teoria de las muestras pequeñas Paola Andrea Palacio Montero Estadística.
Bioestadística Escala Cuantitativa.. Trabajadores en una fábrica. RegistroSexoEdad (años)Talla (m)Peso (kg) 1Fem Masc Masc
INACS / PG1 Curso Estadística y Diseño de Análisis de Experimentos Dr. Porfirio Gutiérrez González Correo:
Estadística inferencial. ¿Qué es? La Estadística inferencial o Inferencia estadística estudia cómo sacar conclusiones generales para toda la población.
El estadístico Chi- cuadrado ING. RAÚL ALVAREZ GUALE, MPC.
Introducción a las No-Paramétricas Chi-Cuadrada χ 2 Maestría de Salud Pública Universidad de Xochicalco 2º Semestre 5 de Junio del 2009 Dr Burgos Dra.
PARTICULAS SUSPENDIDAS Las partículas suspendidas forman una mezcla compleja de materiales sólidos y líquidos, que pueden variar significativamente en.
Estimación e intervalos de confianza. Estimaciones puntuales e intervalos de confianza Estimación puntual: Estadístico calculado a partir de la información.
República Bolivariana de Venezuela Instituto Universitario Politécnico “Santiago Mariño" Estadísticas I - OV Estadística Profesor : Bachiller: Pedro Beltrán.
CASA DE LA CALIDAD Por: Xavier Gualán. CASA DE LA CALIDAD Casa de la calidad: Es una herramienta que puede mejorar el procedimiento de operación. ¿Qué.
INDICADORES BIOQUIMICOS CLASE 6. En el laboratorio es un proceso estadístico usado para monitorear y evaluar el proceso analítico que produce resultados.
DISEÑO EXPERIMENTAL Ma44D Mayo 2006.
UNIDAD II.
PRECISION DE LOS SISTEMAS DE MEDICION EN EL ESTADO ESTABLE
ESTADÍSTICA INFERENCIAL
Capitulo 3 Análisis descriptivo inferencial: comparaciones de muestras
ESTADÍSTICAS INFERENCIALES
Inventario de Fuentes de Datos Abiertos de México
PRUEBAS DE BONDAD DE AJUSTE estas pruebas permiten verificar que la población de la cual proviene una muestra tiene una distribución especificada o supuesta.
PRUEBA DE SIGNIFICANCIA
ESCUELA POLITÉCNICA NACIONAL PRODUCCIÓN DE GAS NATURAL
El modelo simple de regresión
Introducción al Muestreo Msc Edwin Giron Amaya
ESTADISTICA II UNIDAD I 3RA PARTE.
Análisis de Varianza Permite probar la significancia de las diferencias entre más de dos medias muestrales. Usando el análisis de varianza, se puede hacer.
ANALISIS DEL RIESGO DEL PROYECTO
TEMA 6 : DISTRIBUCIONES ESTADÍSTICAS.
RECHAZO DE DATOS DE UNA SERIE Gloria María Mejía Z.
Distribuciones muestrales e Intervalos de Confianza
¿Son nuestros resultados suficientemente confiables para dar soporte a nuestra hipótesis? ¿Podemos rechazar la hipótesis nula?
INGENIERÍA DE MÉTODOS Iván R. Coronel, PhD 2016.
Katherine V. Carrasquillo UPRH Biol marzo 2011
INTERVALO DE CONFIANZA
DISTRIBUCIÓN MUESTRAL DE UNA MEDIA.
Sesgo, error e interacción
CONTENIDO Teoría del muestreo ¿Cómo seleccionar una muestra?
Revisión de los requisitos de la Norma ISO/IEC 17025: 2005 y de BPL en lo referente a materiales de referencia y ejercicios interlaboratorios Disertante:
Certificacion de materiales de referencia para análisis químicos
Análisis comparativo entre CMMI e ISO
GUIA ILAC G 13 Lineamientos para los requerimientos de competencia de proveedores de esquemas de ensayos de aptitud Disertante: Dra. Celia Puglisi ::
Aplicaciones Estadísticas a las Finanzas
Estudio de Puestos Proceso por el.
MEDICIONES Y PROCESAMIENTO DE DATOS
DISEÑO Y ANALISIS DE EXPERIMENTOS
OBJETIVOS Definir el “índice de seguridad hospitalaria” y sus alcances. Describir los pasos para el cálculo del índice de seguridad hospitalario utilizando.
Resultados Indicadores de Desarrollo Personal y Social 4° básico 2017
Curso de Ensayos No Destructivos
Documentos de ILAC. Guías relativas a Materiales de Referencia
DISEÑO Y ANALISIS DE EXPERIMENTOS
ADMINISTRACIÓN I CONTROL.
PRECISION DE LOS SISTEMAS DE MEDICION EN EL ESTADO ESTABLE
Universidad Nacional del Litoral
Estadística Administrativa II
Ensayos Interaboratorio. Distintos Tipos y Objetivos
Dr. Carlomagno Araya Alpízar
DISEÑO Y ANALISIS DE EXPERIMENTOS
ESTADISTICA DESCRIPTIVA
“Medidas de dispersión”
IMPORTANCIA DEL ANÁLISIS Y CONTROL QUÍMICO ENOLÓGICO
Regresión Logística App4stats © Todos los derechos reservados.
Quím. Sergio Cruz Martinez Coordinador de Laboratorios
CICLO ESCOLAR
UNIVERSIDAD "ALONSO DE OJEDA"
Método, Asignación y Medición
1 Afectados de cierto grado de INCERTIDUMBRE SIEMPRE HAY UN ERROR EN SU MEDIDA ESTABLECER LA FIABILIDAD DE LOS DATOS ¿Podemos evaluar la magnitud del error.
DISEÑO Y ANALISIS DE EXPERIMENTOS
REGRESION LINEAL SIMPLE
Transcripción de la presentación:

Ensayos Interaboratorio. Distintos Tipos y Objetivos Disertante: Dra. Celia Puglisi :: Consultora internacional de la FAO

Objetivo de la evaluación Tipo de ejercicio Objetivo de la evaluación Colaborativo Método Analítico Capacidad técnica Laboratorio Certificación Material de referencia

Validación de métodos de ensayo Norma ISO 5725

La Norma ISO 5725 utiliza los términos “veracidad” y “precisión” para describir la exactitud de un método de medición. Veracidad: se refiere al grado de acuerdo entre el valor medio de un numero grande de resultados de un ensayo y el valor de referencia verdadero o aceptado. Precisión: se refiere al grado de acuerdo entre resultados de un ensayo.

Pure and Appl. Chem.,vol 60,No.6, pg. 855-864 (1988) Protocolo para el diseño, conducción e interpretación de estudios colaborativos Pure and Appl. Chem.,vol 60,No.6, pg. 855-864 (1988) La organización de estos ensayos requiere mucho trabajo y deben realizarse solamente con métodos que han sido previamente estudiados. Entre las consideraciones preliminares figuran los siguientes: Estimación preliminar de la precisión Desvío del método Recuperación

Aplicabilidad Interferencias Comparación con otros métodos Procedimiento de calibración Descripción Cifras significativas Número de laboratorios

Ensayo interlaboratorio para aditivos de alimentos

Muestras enviadas

Resultados obtenidos

Cromatograma: observar distinta sensibilidad para cada analito

Valores informados para el límite de detección

Sorbato de Potasio M1 Sorbato de Potasio M2 Lab. Valor Informado Valor curva calib. Incert. Valor Informado Valor curva calib. Incert. 1 85,20 85,2 2,5 52,50 52,5 2,5 2 85,51 85,0 2,2 53,33 52,9 1,6 3 81,70 81,7 1,2 45,00 45,0 0,9 4 88,10 88,1 10,2 51,75 51,8 10,6 5 86,33 86,3 3,5 54,86 54,9 3,5 6 87,91 87,9 7,1 53,20 53,2 7,3 7 88,13 88,1 12,2 53,03 53,0 8,8 8 85,15 85,3 0,2 53,30 53,3 0,2 9 86,55 86,5 1,4 54,02 54,0 1,4 10 74,00 74,3 22,6 47,75 48,1 23,4 Valores de incertidumbre de medición obtenidos a partir del ajuste por cuadrados mínimos

Datos para Benzoato - Muestra 1

Gráfico de residuos para el dato 1 Gráfico de residuos para el dato 2 -100 -50 50 100 150 200 250 300 350 residuos -100 -50 50 100 150 200 250 300 350 residuos

Problemas que deben plantearse Hay un material de referencia disponible? Qué intervalo de niveles se encuentran en la práctica? Hay materiales que lo representen? Número de réplicas Debe enviarse una muestra al los laboratorios antes de la oficial? Cuántos laboratorios? Qué información se debe enviar y cuál requerir además de los datos?

Datos discordantes En un conjunto de observaciones pueden encontrarse valores de la medición anormalmente altos o bajos que no concuerden con el resto de los datos. Hay varias posibles causas por las cuales aparecen: mal funcionamiento del método error de cálculo error al transcribir los datos pérdida o contaminación Cuando aparece un dato sospechoso, puede someterse a una prueba para saber si realmente lo es y si debe ser rechazado.

Prueba de Grubbs Para calcular la estadística de esta prueba, se calcula el promedio de cada laboratorio (por lo menos de tres datos) y luego la desviación estándar de esos L promedios (designada como la s original). Se calcula la desviación estándar del conjunto de los promedios luego de haber eliminado el promedio más alto (sa) y lo mismo luego de haber eliminado el promedio más bajo (sb). Entonces se calcula la desviación porcentual de la desviación estándar como sigue: El mayor de estos decrecimientos porcentuales se compara con el valor crítico de Grubbs para el número de laboratorios considerado (probabilidad = 2,5 % ) y cuando lo excede se rechaza recomenzando el ciclo. 100 x [ 1 - (sb / s ] y 100 x [ 1 - (sa / s) ]

Prueba de Cochran Dado un conjunto de desviaciones estándar si , todas calculadas a partir del mismo número de replicados de resultados de ensayo, el criterio de Cochran resulta: Este valor de C se compara con el valor crítico de las correspondientes tablas para un 95% de nivel de confianza. Se entra en la tabla con el número de observaciones asociadas a cada variancia (triplicados en este caso) y el número de variancias comparadas (número de participantes). Si C excede el valor crítico tabulado, el dato del laboratorio correspondiewnte es rechazado y se reinicia el ciclo. C = s2 max /  s2i

Definición del parámetro Z El primer paso consiste en evaluar: xi - valor de referencia Muchos esquemas de evaluación de datos utilizan la relación entre esta diferencia y el valor de la desviación estándar para comparar los resultados. El valor de la desviación estándar que se utiliza puede ser fijado a priori por acuerdo entre los participantes en base a expectativas de desempeño. También puede ser estimado a partir de los resultados del interlaboratorio luego de eliminar los datos discordantes o fijarlo en base a métodos robustos para cada combinación de analito, material y ejercicio.

Cuando puede considerarse que un sistema analítico “se comporta bien”, Z debiera presentar prácticamente una distribución normal, con un valor medio de cero y una desviación estándar unitaria. En estas condiciones, un valor de | Z | > 3 sería muy raro de encontrar, mientras que la mayoría de los datos debieran tener valores tales que | Z | < 2 Es posible establecer entonces la siguiente clasificación: | Z |  2 satisfactorio 2 < | Z | < 3 cuestionable | Z |  3 no satisfactorio

Parámetro z - Análisis de PCB en aceite de transformadores