Ensayos Interaboratorio. Distintos Tipos y Objetivos

Slides:



Advertisements
Presentaciones similares
LEONARDO LÓPEZ C. ECONOMIA ESTADISTICA COMPUTARIZADA PARALELO: 261.
Advertisements

ANÁLISIS DE VARIABLES. ANÁLISIS DE VARIABLES. ESTADÍSTICA DESCRIPTIVA EVALUACION Y CALIDAD EDUCATIVA Dr. Juan Carlos Farías Bracamontes.
PRINCIPIOS DE ESTADÍSTICAS INFERENCIALES PRUEBA DE HIPÓTESIS: MUESTRAS PEQUEÑAS.
Bioestadística Distribuciones muestrales para variables cuantitativas.
PRUEBA DE HIPÓTESIS. 1. Una prueba de hipótesis consiste en contrastar dos hipótesis estadísticas. Tal contraste involucra la toma de decisión acerca.
REGRESIÓN Y CORRELACIÓN  REGRESIÓN Es un Proceso estadístico que consiste en predecir una variable a partir de otra utilizando datos anteriores. INGA.
ESTADÍSTICA Mercedes de la Oliva ESTADÍSTICA INFERENCIAL Teorema Central del límite Distribución de media y proporción muestral.
XVII CONIC 2009 Congreso Nacional de Ingeniería Civil Capítulo de Ingeniería Civil Consejo Departamental De Lambayeque Colegio de Ingenieros del Perú.
ÉSTADÍSTICAS DESCRIPTIVAS ORGANIZACIÓN DE DATOS
Capitulo 3 Análisis descriptivo inferencial: comparaciones de muestras
ESCUELA PROFESIONAL CIENCIA POLITICA Y GOBIERNO
Interpretación, Análisis y Utilidad de los Resultados de las Pruebas
Técnicas experimentales
ESTADÍSTICAS INFERENCIALES
Muestreo PRUEBAS Y VALIDACION DE HIPOTESIS Carlos Willian Rincón Pérez
Introducción a las Estadísticas
Curso de Elaboración de Pruebas Prof. Gerardo A. Valderrama M
PRUEBA DE HIPÓTESIS: MUESTRAS PEQUEÑAS
Intervalos de Confianza
7.1 Procedimientos paramétricos para datos cuantitativos
“Bootstrap” Jaime Mojica Cuevas
Introducción a los modelos econométricos
Errores de Medición Todas las medidas experimentales vienen
DETERMINACIÓN DEL FACTOR DE CONVERSIÓN HIDRÁULICO
ANALISIS UNILATERAL DE LA VARIANZA POR JERARQUIAS DE KRUSKAL- WALLIS
CHI CUADRADO  2 OBJETIVOS –Describir situaciones donde es adecuado la utilización de la prueba de Chi Cuadrado (  2 ) –Formular Hipótesis para diferentes.
ANALISIS DE LA VARIANZA PROF. GERARDO A. VALDERRAMA M.
NORMA INTERNACIONAL DE AUDITORÍA 330
RECHAZO DE DATOS DE UNA SERIE Gloria María Mejía Z.
Metodología de la Investigación
CARACTERÍSTICAS ESTADÍSTICAS
Estadística Básica Curso de Estadística Básica MCC. Manuel Uribe Saldaña MCC. José Gonzalo Lugo Pérez SESION 3 MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE.
DISEÑOS EXPERIMETALES
Cepas De Control ATCC (American Type Culture Collection )
Validación de los métodos microbiológicos HERRAMIENTAS ESTADISTICAS
CURSO ORGANIZADO POR LA FAO TCP-RLA AÑO 2005
GUIA ILAC G 13 Lineamientos para los requerimientos de competencia de proveedores de esquemas de ensayos de aptitud Disertante: Dra. Celia Puglisi ::
Principios de Estadística
PONENTE: GLORIA ESTUPIÑÁN ENERO 2017
En el Control de Calidad diario. Reglas de Control Cantidad de Controles Corridas Analíticas Ped; Pfr Cantidad de Controles Tratamiento de Controles.
Tamaño de muestra Ecología Marina. Una población se define como un conjunto de individuos de una especie que habita un área determinada. Los métodos disponibles.
ANÁLISIS DEL CICLO DE VIDA Unidad 2. Etapa 3. Definir el objetivo, alcance del ACV y análisis del inventario María José Jaramillo Robledo Yopal, Abril.
GESTIÓN DE LA CALIDAD EN LABORATORIOS DE ENSAYO TRAINING 2018.
ESTIMACIÓN (Inferencia Estadística) Intervalos de Confianza
Ensayo de Rendimiento DISTRIBUCIÓN DE ESTADÍSTICOS MUESTRALES.
ANALISIS DE VARIANZA
TEMA: EL PROYECTO DE TESIS: DISEÑO Y ELABORACIÓN. Walter Antonio Campos Ugaz.
PRECISIÓN y EXACTITUD.
Ensayos Interaboratorio. Distintos Tipos y Objetivos
Documentos de ILAC. Guías relativas a Materiales de Referencia
MUESTREO DE ACEPTACION
BPL. SEGURIDAD Y SALUD OCUPACIONAL  Debe existir programa de primero auxilios y equipo correspondiente  Carteles visibles de medidas de higiene y seguridad.
Dr. Carlomagno Araya Alpízar
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:
ESTADISTICA MEDIDAS DE DISPERSIÓN Cristian Gómez Coordinar Técnico Calidad Laboratorio Labsai.
UNIVERSIDAD DE LOS ANDES CENTRO DE INVESTIGACIONES PSICOLÓGICAS
Presentación de datos e interpretación de resultados.
MEDIDAS DE DISPERSION absolutas y relativas. INTRODUCCION La estadística es la ciencia que se encarga de recolectar, organizar, resumir y analizar datos.
CONCEPTO DE ESTIMADOR ES UNA REGLA O MÉTODO QUE DICE COMO CALCULAR LA ESTIMACIÓN DE UN PARÁMETRO BASÁNDOSE EN LA INFORMACIÓN DE UNA MUESTRA, GENERALMENTE.
Establecimiento de procedimientos de comprobación CAPÍTULO 3 Mod
REGRESIONINTERPOLACION Los Métodos Numéricos Métodos mas utilizados Ajuste de Curvas.
Tamaño de muestra.
Técnicas experimentales
TRATAMIENTO DE AGUAS POTABLES (ETAP DE “LA PERDIZ”)
TEORIA de ERRORES. Generalidades:  Una “discrepancia" es la diferencia entre dos valores medidos de la misma cantidad.-  La “precisión” se refiere al.
HERNANDEZ RUIZ ROCIO KRUSKAL WALLIS. PRUEBAS K PARA MUESTRAS INDEPENDIENTES Este contraste permite decidir si puede aceptarse la hipótesis de que k muestras.
Presentación de datos e interpretación de resultados.
TRATAMIENTO Y EVALUACION DE RESULTADOS ANALITICOS 1.Conceptos generales sobre la medida. Tipos de errores, concepto, componentes, corrección. Distribución.
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.
¿Qué es y para qué sirve el Ajuste de Observaciones?¿Por que es necesario buscar métodos alternativos? Ana Mª Domingo Preciado Profesora Titular de Ajuste.
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