TRATAMIENTO ESTADSTICO

DE LOS RESULTADOS
ANALTICOS

La inferencia estadstica consiste en la

obtencin de conclusiones a partir de un
cierto
nmero
de
observaciones
experimentales de acuerdo a unas
hiptesis formalizadas y con unas reglas
de clculo objetivas

Mediante su uso se pueden investigar

posibles tendencias en los datos y aplicar
criterios que permitan descubrir las
causas de error no aleatorias, as mismo,
el tratamiento estadstico de una serie de
experimentos
planificados
adecuadamente que permitan ver la
influencia de diversas variables con ms
eficacia

La hipotesis

Son procedimientos de decisin basado

en datos que puedan producir una
conclusin acerca de algn sistema
cientfico

Una
Hipotesis
estadstica
es
una
afirmacin o conjetura acerca de una o
mas poblaciones

No es posible saber con exactitud la

certeza o falsedad de una hiptesis
estadstica pues para ello habra que
trabajar con toda la poblacin.

En la practica se toma una muestra

aleatoria de la poblacin de inters y se
utilizan los datos que proporciona tal
muestra para proporcionar evidencias
que confirmen o no la hiptesis propuesta

La aceptacin de una hiptesis implica

tan solo que los datos, no proporcionan
evidencias suficiente para refutarla.

Por otro lado el rechazo implica que la

evidencia de la muestra la refuta

Hipotesis nula: se refiere a un parmetro

poblacional siempre debe establecerse
de manera que especifique un valor
exacto del parmetro. Lo que se desea s
rechazar

Hipotesis alternativa; esta admite la

posibilidad de varios valores. Se plantea
usualmente lo que se cree verdadero.

La distribucin apropiada de la prueba

estadstica se divide en dos regiones:
a- Regin de rechazo (region critica)
b- regin de no rechazo

Si la prueba estadistica cae en la regin de

no rechazo no se puede rechazar la
hiptesis nula y si cae en la regin de
rechazo, se rechaza la hiptesis nula

Prueba de Hiptesis Estadstica.

Parmetros Estadsticos.
Un Parmetro es un valor que se calcula utilizando
todos los valores de la Poblacin, por lo general se
denotan con letras griegas o maysculas, en
muchas ocasiones son valores desconocidos ya que
no se tiene todos los componentes de la poblacin
Como los parmetros son valores desconocidos,
podemos plantear hiptesis sobre su valor real, y
mediante un mecanismo cientfico, realizar una
comprobacin de esta hiptesis (demostrar si es
verdadera o falsa)
Ejemplos de hiptesis:
o La proporcin de personas contagiadas de
alguna enfermedad es 8%.
o El consumo medico promedio de las familias de
un barrio es 800 dlares mensuales.
o

El tiempo promedio de analgesia de un AINE

es de 18 horas.

Prueba de Hiptesis Estadstica.

Dado que los valores completos de la poblacin
son desconocidos (y el valor del parmetro
tambin es desconocido), la forma de realizar
una prueba y verificar la validez o no de una
hiptesis, es tomando una muestra y
calculando el estadstico correspondiente
(estadstico: medicin que se calcula con los
valores de la muestra).
Si el valor de la muestra es suficientemente
cercano al valor hipottico en la poblacin
decimos que la hiptesis es cierta.
De lo contrario, si el valor de la muestra es
suficientemente lejano al valor supuesto en la
poblacin decimos que la hiptesis es falsa.

Prueba de Hiptesis Unilateral.

Prueba de Hiptesis de UNA COLA
Cuando la hiptesis
alternativa es una
hiptesis unilateral
se dice que es de
una cola.

Prueba de Hiptesis de DOS COLAS

Si es bilateral se dice
que es de dos colas.

Posibles errores al tomar la decisin

H0
Se
Acepta
Verdadera Decisin
Correcta
Realid
ad

Se
Rechaza
Error
Tipo I

H0
Falsa

Error
Tipo II

Decisin
Correcta

Si mediante el procedimiento de prueba se

Acepta H0 pero en la Realidad la hiptesis es
falsa, se comete un error, este error se llama
ERROR TIPO II

Procedimie
nto de
Prueba
Si
el
procedimiento
de prueba lleva
al Rechazo de
H0 pero en la
Realidad
la
hiptesis
es
verdadera, se
comete
un
error,
este
error se llama
ERROR TIPO I

Nivel de Significancia.
El nivel de significancia es la probabilidad de cometer el error
tipo I () . Como es una probabilidad se le dan valores
porcentuales entre 0 y 100.
Los valores ms comunes son 0.01 (1%) , 0.05 (5%) y 0.1 (10%).
Un nivel de significancia del 1%, (= 0.01) indica que existe un
1% de probabilidad de cometer el error de rechazar H0 cuando
es realmente cierta (Error Tipo I).
En otras palabras, si se realizara 100 veces el proceso,
cometeramos 1 vez el error de rechazar la hiptesis nula
cuando realmente es cierta.

Nivel de Significancia.
Como se determina

Si se esta probando un nuevo medicamento contra una enfermedad.

Y suponemos que las normas dicen que el medicamento se
comercializa si por lo menos el 60% de las personas que lo prueban
sanan. La hiptesis es:
H0 : P = 0.6
H1 : P < 0.6
Utilizamos:

=0.1

=0.01 ?

Con =0.1, la probabilidad de rechazar H0 cuando es cierta es 10%

O sea, que si se extrajeran 100 muestra, en 10 de stas podramos
concluir que el porcentaje de personas que sanan es menor al 60%
cuando en realidad es el 60% (o ms)
Al usar =0.1, podramos rechazar la comercializacin del producto
cuando este realmente funciona un 10% de las veces.

Nivel de Significancia.
Si usamos =0.01, la probabilidad de rechazar H0 cuando es cierta
es de un 1% O sea, que en 1 de cada 100 muestras posibles
podramos concluir que el porcentaje de personas que sanan es
menor al 60% cuando en realidad es el 60% (o ms)
Al usar =0.01, rechazaramos la comercializacin del producto
cuando realmente funciona solamente en 1% de las veces.

En este caso es mejor utilizar =0.01 en lugar de =0.1, ya que el

rechazo de comercializacin de un medicamento que cumple las
normas es un error serio, por ello la probabilidad de cometer el error
tipo I debe ser pequea.
En algunos casos el a puede ser superior (10%, 15%, e incluso ms del
15%).

Cmo plantear una hiptesis?

Cuando se desea probar una afirmacin, la negacin de la afirmacin se
debe tomar como hiptesis nula (siempre una hiptesis simple =).
Entonces, la afirmacin es la hiptesis alternativa (siempre una hiptesis
compuesta > < )
Ejemplos:
Un tratamiento tradicional contra una enfermedad
tiene una efectividad del 35%.
Se desarroll un nuevo tratamiento que se asegura
es ms efectivo que el anterior (efectivo en el 45%
de los casos). Se afirma que el nuevo tratamiento
es mejor que el tradicional.
Sea P: Proporcin de personas que sanan de la
enfermedad con el nuevo tratamiento.

H 0 : P 0.35

H 1 : P 0.35

Ejemplos de Hiptesis.
En un gimnasio se sigue una rutina de ejercicios que junto
a una dieta produce un descenso de 20 libras en 5
semanas. La rutina de ejercicios ser sustituida por otra
que se afirma disminuye 25 libras (o ms). Se quiere
demostrar que la nueva rutina de ejercicios es mejor que
la anterior.

H 0 : 20

H 1 : 20

Sea : promedio de disminucin de peso en libras luego

de 5 semanas de ejercicios junto con la dieta
En cierto pas se sabe que la proporcin de mujeres
jvenes que ingresan a los hospitales embarazadas sin
saberlo es de 7%. Un nuevo hospital se construye para
dar servicio a una zona con ndices de pobreza altos. Se
sospecha que en esta zona la proporcin de mujeres
jvenes que ingresen embarazadas sin saberlo ser
mayor que en el resto de los hospitales.
Sea P : proporcin de mujeres jvenes que ingresan
embarazadas al nuevo hospital sin saberlo.

H 0 : P 0 .7

H 1 : P 0 .7

Pasos para hacer una prueba de hiptesis.

Mtodo tradicional.
1. Plantear la hiptesis nula y la hiptesis alterna H0 y H1
2. Fijar el nivel de significancia ()
3. Se determina el estadstico apropiado y se construye una
regla de decisin.
4. Clculo del estadstico
5. Decisin
Por Software.
1. Plantear la hiptesis nula y la hiptesis alterna H0 y H1
2. Fijar el nivel de significancia ()
3. Determinar en el software la Prueba Apropiada (o frmulas
apropiadas).
4. Clculo en el Software
5. Decisin

CARACTERSTICAS DE UN BUEN ESTIMADOR

INSESGADO:
INSESGADO: si
si el
el promedio
promedio
igual
igual al
al parmetro
parmetro que
que se
se va
va a
a

del
del estimador
estimador es
es
estimar.
estimar.

EFICIENTE: si hay dos o ms estimadores para el

mismo parmetro, el ms eficiente es el que
tiene menor variancia.
CONSISTENTE: si se calcula el estimador para dos
o ms muestras, conforme el tamao de la
muestra se incrementa, la aproximacin es
mejor.
SUFICIENTE: si hay ms de un estimador,
suficiente es el que utiliza la mayor cantidad de
datos de la muestra.
19

Estimacin por Intervalo: Nivel de Confianza

INTERVALO DE CONFIANZA.
Es un rango de valores calculado en una muestra en el cual se
encuentra el verdadero valor del parmetro , con una probabilidad
determinada.
NIVEL DE CONFIANZA
Es la probabilidad de que el verdadero valor del parmetro se
encuentre en el intervalo construido. Y se denota (1-)
NIVEL DE SIGNIFICANCIA.
Es la probabilidad de equivocarnos. Se denota ()

20

RESOLUCION DEL PROBLEMA

La Actividad citostatica del principio activo extrado del gusano nemertino fabricados por una
empresa tienen media de accin en 1800 personas y una desviacin estndar de 100 lb. Se
desea comprobar si un nuevo proceso de fabricacin aumenta dicha media. Para ello se toma
una muestra de 5000 personas y se encuentra que su actividad media citostatica es 1850 .
personas Se puede afirmar la mejora del nuevo proceso al nivel de significacin del 1 % ?
Paso 1

H
: 1800lb
H 1l =18
Ho
1850
H o :>1800
lb lb
Paso 2
S= 100 lb
n= 50 cables
=1%

= 0.01

= 1850
*x = 1800 lb

21

1- Un frmaco analgsico tiene una duracin media de 12 horas, se

obtuvo con una muestra de 100 personas, esto con una desviacin
estndar de 1.5 horas. Compruebe la hiptesis u= 12 horas contra
la hiptesis alternativa u a 15 horas
Nivel de significancia 1%
2- Una muestra aleatoria de 36 jbes para la tos en una caja, tiene un
contenido promedio de 21.9 decilitros, con una desviacin estndar
de 1.42 decilitros. Pruebe la hiptesis de que u = 22.2 decilitros en
contraposicin a la hiptesis alternativa que u es mayor a 22.2
decilitros, con un nivel de significancia de 0.05

22

TIPOS DE ERRORES EN EL
ANLISIS CUANTITATIVO

Los anlisis cuantitativos juegan un

papel
predominante
en
cualquier
laboratorio analtico, por lo que, los
errores que aparezcan en ellos son de
gran importancia.

Los cientficos experimentales harn una

distincin fundamental entre tres tipos de
errores:

Errores Accidentados o Crasos

Estos errores son tan graves que no
queda otra alternativa que abandonar el
experimento y empezar de nuevo.
Ejemplos: - Prdida de parte de la
muestra
- Contaminacin de la muestra
- Avera de algn instrumento

Todos estos errores que ocurren, incluso

en los laboratorios mejor controlados, se
reconocen con mucha facilidad en
consecuencias en el anlisis. Solo
tenemos que distinguir con detenimiento
entre los errores sistemticos y
aleatorios.

Errores Sistemticos o Determinados

Son aquellos que pueden determinarse y

probablemente evitarse o corregirse.
Afectan al resultado, siempre en el
mismo sentido, bien por exceso o por
defecto

El error originado por la adsorcin en las

columnas cromatogrficas es negativo
(adsorcin irreversible).

Otros errores comunes de este tipo son

causados por impurezas en los reactivos,
tambin por errores instrumentales, por
ejemplo: mal calibrado de las balanzas,
pH-metros.

Errores
aleatorios
indeterminados

Son errores fortuitos cuya magnitud y

signo no pueden predecirse ni calcularse.
Son producidos por el efecto de variables
que no se pueden controlar, y se
caracterizan porque se presentan por
exceso o defecto con igual probabilidad.

Producen este tipo de errores los

pequeos cambios en la T, humedad del
ambiente, fluctuaciones en el suministro
elctrico, corrientes de aire a la hora de
la pesada en balanzas de precisin.

Los errores sistemticos dan lugar a una

prdida de exactitud pudiendo o no
afectar a la precisin segn que dicho
error sea constante o variable.

EXACTITUD Y PRECISIN

En el anlisis cuantitativo de cualquier

propiedad de la materia (peso, volumen,
etc.), esta sujeto a cierto grado de
incertidumbre, por lo que jams se podr
conocer el verdadero valor de la
magnitud. A lo que se aspira es a obtener
una estimacin de la magnitud que sea
satisfactoria

La
exactitud
es
el
grado
de
concordancia entre el valor medido y el
valor real. Como nunca se conoce el valor
verdadero absoluto, una definicin ms
realista es la concordancia entre el valor
medido y el valor real aceptado.

La
precisin
es
el
grado
de
concordancia
entre
replicas
de
mediciones de la misma cantidad, es
decir, es la repetitividad de un resultado.

Es necesario distinguir entre repetitividad

y reproducibilidad, para hacer referencia
a la precisin de un experimento:
Repetitividad:
Son experiencias llevadas a cabo por un
mismo
analista
en
un
tiempo
relativamente corto sin cambiar de
instrumento ni de material de laboratorio,
y usando las mismas disoluciones.

Reproducibilidad:
Experiencias realizadas en ocasiones
distintas con disoluciones distintas y con
material de laboratorio distinto.
La precisin no es garanta de exactitud,
pero son necesarias medidas precisas
para conseguir exactitud. Con poca
precisin difcilmente se tendr una
buena exactitud.

Los mtodos analticos se suelen

clasificar en:
Mtodos clsicos
La cantidad de analito se determina por
medidas gravimtricas o volumtricas
que son ideales para anlisis de alta
precisin, especialmente cuando se
analiza un nmero pequeo de muestras.

Mtodos Instrumentales:
utilizan un instrumento ms o menos
complejo para evaluar una propiedad
fsica o fsico-qumica del sistema objeto
de anlisis.
Actualmente la instrumentacin se utiliza
tambin para otras muchos fines, entre
los cuales cabe destacar aquellas que
conducen a la morfologa y estructura de
las molculas.

GRFICAS DE CALIBRACIN EN
ANLISIS INSTRUMENTAL

Segn la ISO (International Stndar

Office), la calibracin se define como el
conjunto de operaciones que permiten
establecer en determinadas condiciones
experimentales, la relacin existente
entre los valores indicados por el
aparato, con los valores obtenidos en la
medida de un valor conocido.

Curva o grfica analtica

En esta tcnica se prepara una serie de

soluciones estndar que contienen [ ]
conocidas del analito Dichas soluciones
deben cubrir el intervalo de [ ] de inters,
as como tener una composicin matricial
tan parecida como se pueda a la de las
soluciones de las muestras problema.
Tambin se analiza una solucin en
blanco de fondo.

PARMETROS
CARACTERSTICOS

Limites de deteccin y cuantificacin

En trminos generales se puede definir l

limite de deteccin de un analito, como
aquella [ ] que proporciona una seal
instrumental significativamente diferente
de la seal de una muestra en blanco, o
la seal de fondo.

En trminos generales se puede definir l

limite de deteccin de un analito, como
aquella [ ] que proporciona una seal
instrumental significativamente diferente
de la seal de una muestra en blanco, o
la seal de fondo.

Una definicin aceptable de limite de

deteccin,
que
ha
sido
sugerida
recientemente por organismos de EEUU,
es que el limite de deteccin es la
cantidad de analito que proporciona una
seal, igual a la del blanco ms tres
veces la desviacin estndar del blanco.

El
limite
de
cuantificacin
o
determinacin considerado como el limite
de [ ] ms bajo para mediciones
cuantitativamente precisas, se define
como la cantidad de analito que
proporciona una seal y e igual a la del
blanco ms diez veces la desviacin
estndar del blanco:

Sensibilidad
La sensibilidad de un instrumento o
mtodo se define como, su capacidad
para
discriminar
entre
pequeas
diferencias en la [ ] de un analito. La
IUPAC, define la sensibilidad como la
pendiente de la curva de calibracin a la
[ ] de inters

RELACIN SEAL - RUIDO

La seal analtica puede dividirse en dos
partes: una causada por l o los analitos
y la otra, por los componentes de la
matriz de la muestra y por la
instrumentacin usada en la medicin.

Para la determinacin de un analito hay

mtodos
clsicos
y
mtodos
instrumentales. Estos ltimos tienen unas
ventajas sobre los primeros:
1.) Permiten realizar anlisis difciles o
imposibles por los otros mtodos con una
elevada selectividad y sensibilidad.

2.) Suelen ser ms rpidos y baratos que

los clsicos. Es fcil la automatizacin de
estos mtodos instrumentales.
3.) Los instrumentos analticos pueden
conectarse a ordenadores, lo que permite
un ptimo control del instrumento y
manejo de datos.

4.) Desarrollo de instrumentos

inteligentes
A partir de ahora solo vamos a hablar de
mtodos instrumentales.
Estos mtodos tienen ciertas
desventajas:
Requieren ser manejados por tcnicos
expertos.

Existe una gran cantidad de tcnicas

instrumentales. Estas pueden clasificarse
en:
- Espectroscpicas
- Electroqumicas
- Cromatogrficas
- Acopladas o conjuntadas
- Diversas

MTODOS PTICOS: DEFINICIN Y

CLASIFICACIN
Los mtodos pticos se definen como
aquellos
que
miden
la
radiacin
electromagntica que emana de la
materia o interacciona con ella.
Los mtodos pticos se dividen en:

1.) Mtodos pticos

espectroscpicos: se basan en la
medida de la intensidad y longitud de
onda de la energa radiante. La
caracterstica comn a todos ellos es que
se basan en la medida de espectros.
Estos son debidos a transiciones entre
estados de energa caractersticos.

2.) Mtodos pticos no espectroscpicos:

se basan en una interaccin entre
radiacin electromagntica y la materia
que produce como resultado un cambio
en la direccin de las propiedades fsicas
de la radiacin electromagntica.

En estos mtodos los mecanismos de

interaccin son la reflexin, refraccin,
difraccin,
dispersin,
interferencias,
polarizacin o la dispersin refractiva.

PROPIEDADES DE LA RADIACIN ELECTROMAGNTICA

Radiacin electromagntica:
Propagacin de la energa en el espacio sin
soporte de la materia por medio de ondas
transversales.
Clsicamente el comportamiento de la luz se
ha atribuido a su naturaleza ondulatoria, pero
hay fenmenos (absorcin o emisin) que no
pueden explicarse con la teora ondulatoria y
que requieren que la radiacin se comporte
como pequeos haces de energa, es decir,
como partculas llamadas fotones.

Parmetros Ondulatores

- Amplitud de una onda sinusoide:

longitud del vector elctrico en el
mximo de la onda

Los
diferentes
tipos
de
radiacin
electromagntica
se
caracterizan
generalmente por su longitud de onda o
su frecuencia:

Longitud de onda ():longitud de un ciclo

o distancia entre dos mximos o mnimos
consecutivos.
Frecuencia : nmero de ciclos que
pasan por segundo por un punto fijo.
Es importante sealar que la frecuencia
es la nica caracterstica verdadera de
una radiacin dada, ya que viene
determinada por la fuente y permanece
invariable.

Por el contrario, la velocidad de

propagacin y la longitud de onda,
dependen de la naturaleza del medio de
propagacin.
En el vaco la velocidad de la radiacin
electromagntica es independiente de la
longitud de onda, y alcanza su valor
mximo. La radiacin electromagntica
se mueve en el vaco con una velocidad
de 299791012 cm / s.

Interrogantes

Durante una prueba de calidad el aparato detecta

que hubo un error durante el proceso, pues la curva
de desviacin estndar muestra un inclinacin que
no puede ser comparada con la curva patrn.
Despus de la revisin del libro de control
experimental, se determina que la balanza tenia un
desperfecto que no permita el correcto calibrado
antes del proceso del pesado
1- Determine que tipo de error se incurri
2- Que podemos hacer para no perder el
experimento, y continuarlo para no perder tiempo
necesario
3- Cual es su recomendacin

Ejemplo 2

Durante el pesado de una muestra higroscpica, se

realizan 3 pesadas de 1, 2 y 3 g Durante la
determinacin del analito se observa que existi
una falla experimental que ha ido en crecimiento
con el tamao de la muestra (positivo). La
temperatura ambiental ese da fue de frio intenso
por lo que hubo que utilizar batas especiales para el
frio . En la investigacin se determina que el pesado
se realizo de forma muy lenta se tomo mucho
tiempo
1- Determine y clasifique que tipo de error se
incurri
2- analice que ocurri y haga sus recomendaciones

Ea = X1 Xv

Xi Xv
ER =
100
Xv
El resultado de una anlisis es de 252 gr.
en comparacin con el valor real que es
262 gr. Calcular Ea y ER :

 Gracias