Professional Documents
Culture Documents
en el laboratorio
MTODOS
DE
CALIBRACIN:
REGRESIN
Y
CORRELACIN
Obje'vo
Calibracin:
Necesidad
dado
el
creciente
uso
de
mtodos
anal'cos,
en
lugar
de
los
mtodos
tradicionales.
Ejemplo:
electrodos
pH,
conduc'vidad,
etc.
Grcos
de
calibracin
Metodologa:
Grcos
de
calibracin
Sin
embargo:
Grcos
de
calibracin
Asunciones
importantes:
Al
realizar
varias
mediciones
en
un
estndar,
las
mediciones
resultantes
presentan
errores
que
son
distribuidos
normalmente.
La
magnitud
del
error
en
y
es
independiente
de
la
can'dad
de
analito
en
la
muestra.
Grcos
de
calibracin
Relacin
lineal:
Responde
a
la
ecuacin:
y=
mx+b
Donde:
y
=
valor
de
la
seal
del
analito
m=
pendiente
de
la
recta
(sensibilidad)
x=
concentracin
del
analito
b=
intercepto
(blanco)
Coeciente
de
correlacin
Iden'cando
una
relacin
lineal:
Coeciente
de
correlacin
momento-producto
(r),
que
nos
permite
evaluar
si
la
relacin
existente
entre
las
dos
variables
es
lineal.
Grcos
de
calibracin
Interpretando
el
valor
de
r:
Grcos
de
calibracin
Ejemplo:
Una
solucin
acuosa
estndar
es
examinada
mediante
espectrometra
de
uorescencia.
Los
siguientes
valores
son
obtenidos:
medicin
Intensidad
2.1
5.0
9.0
12.6
17.3
21.0
24.7
10
12
Concentracin
Grcos
de
calibracin
xi
Suma
yi
(xi x)
(xi x)2
(yi y)
(yi y)2
(xi x) (yi y)
Grcos de calibracin
Grcos
de
calibracin
Considere:
El
valor
de
r
podra
ser
cercano
a
uno,
y
sin
embargo
la
relacin
entre
las
variables
podra
no
ser
lineal.
Un
r
de
0
nicamente
nos
indica
que
la
relacin
no
se
ajusta
a
un
modelo
lineal,
sin
embargo
pudiera
exis'r
otro
modelo
de
relacin.
Grcos
de
calibracin
Como
saber
si
la
relacin
lineal
es
signica'va?
Uso
del
estads'co
t:
Donde:
Ho=
no
hay
correlacin
lineal
Uso
de
la
tabla
t
para
dos
colas
y
(n-2)
grados
de
libertad.
La
lnea
de
la
regresin
Mejor
relacin
Si
tenemos
evidencia
de
una
relacin
lineal
signica'va,
la
siguiente
pregunta
es
cuales
son
las
caracters'cas
(pendiente
e
intercepto)
de
esa
lnea
que
se
ajusta
de
la
mejor
manera
a
todos
los
datos.
Estrategia:
Esa
lnea
es
es'mada
mediante
la
reduccin
de
los
errores
entre
los
valores
medidos
y
los
predichos
por
la
funcin
lineal
(lnea
de
regresin):
Minimizacin
de
la
suma
de
los
cuadrados
de
los
residuos.
La
lnea
de
la
regresin
Puede
ser
demostrado
que
la
mejor
lnea
que
minimiza
los
errores
esta
dada
por:
La
lnea
de
la
regresin
Ejercicio:
Calcule
la
pendiente
y
el
intercepto
de
la
lnea
de
regresin
en
base
a
los
datos
del
ejemplo
previo.
Errores
en
la
pendiente
y
el
intercepto
Errores
en
la
pendiente
y
el
intercepto
Las
lecturas
realizadas
presentan
un
cierto
error
en
la
direccin
y,
que
puede
ser
es'mado
por
el
estads'co
sy/x
para
errores
aleatorios
en
y:
Errores
en
la
pendiente
y
el
intercepto
Errores
aleatorios
en
la
pendiente
(Sb)
y
el
intercepto
(Sa):
Errores
en
la
pendiente
y
el
intercepto
Donde
se
puede
es'mar
los
limites
de
conanza
para:
Pendiente
b
t(n-2)Sb
Intercepto:
a
t(n-2)Sa
Errores
en
la
pendiente
y
el
intercepto
Ejercicio:
Calcule
las
desviaciones
estndar
y
los
lmites
de
conanza
de
la
pendiente
y
el
intercepto
de
la
lnea
de
regresin
elaborada
anteriormente.
Donde
yo
es
el
valor
experimental
de
y
a
par'r
del
cual
se
determin
xo.
Sxo
es
la
desviacin
estndar
es'mada
de
xo.
Sy/x
Sa(intercepto)
Sb(pendiente)
Intercepto
Pendiente
Lmites
de
deteccin
Denicin:
Aquella
concentracin
que
proporciona
una
seal
en
el
instrumento
(y)
signicaFvamente
diferente
de
la
seal
del
blanco
o
ruido
de
fondo.
Si
bien
es
cierto
no
existe
un
consenso
en
cuanto
a
cuando
es
signica'vamente
diferente,
se
suele
generalizar
que:
Lmite
de
deteccin
(LOD)
=
blanco
+
3sblanco
Donde
para
una
calibracin
univariada
sblanco=
sy/x
Lmites de deteccin
Lmites
de
deteccin
Ejercicio:
Es'me
el
lmite
de
deteccin
del
ejemplo
anterior.