Baixe o app para aproveitar ainda mais
Prévia do material em texto
Prof. Dr. Tiago Almeida Silva tiago.a.silva@ufv.br Universidade Federal de Viçosa Centro de Ciências Exatas e Tecnológicas Departamento de Química Viçosa-MGDisciplina: QUI 214 – Química Analítica Quantitativa Aula 1 Unidade 1 Análise Quantitativa: Erros e Tratamento dos Dados Analíticos mailto:tiago.a.silva@ufv.br Bibliografia Básica 2 Caps. 5, 6 e 7 ➢ As medidas e determinações analíticas invariavelmente envolvem erros e incertezas! ➢ Os erros são causados por padronizações ou calibrações malfeitas ou variações aleatórias e incertezas nos resultados; ➢ É impossível realizar uma análise química que seja totalmente livre de erros ou incertezas! 3 ERROS EM ANÁLISES Resultados de 6 réplicas de determinações de Fe em amostras aquosas de uma solução padrão contendo 20,00 ppm de Fe(III). Efeito de erros em dados analíticos Amostras analisadas exatamente da mesma forma! ➢ As incertezas nas medidas fazem com que os resultados de réplicas variarem; ➢ Dados de medidas podem nos fornecer apenas uma estimativa do valor “verdadeiro”; ➢ A magnitude provável do erro envolvido em uma medida pode ser frequentemente avaliada; ➢ É possível definir os limites entre os quais o valor verdadeiro de uma grandeza mensurável está inserido, com um dado nível de probabilidade. 4 ERROS EM ANÁLISES Uma das primeiras questões a serem respondidas, antes do início de uma análise, é: “Qual o maior erro que posso tolerar neste resultado?” A resposta para esta pergunta geralmente determina o método escolhido e o tempo requerido para completar a análise. ➢ Uma única análise não fornece informações sobre a variabilidade dos resultados; ➢ Os químicos utilizam entre duas e cinco porções (réplicas) de uma amostra para realizar um procedimento analítico completo; ➢ Consideramos que o “melhor” resultado é o valor central do conjunto, por 2 motivos: 5 ALGUNS TERMOS IMPORTANTES Réplicas são amostras com aproximadamente o mesmo tamanho, as quais são submetidas a análises exatamente da mesma forma. 1) Valor central de um conjunto deveria ser mais confiável; 2) Uma análise da variabilidade dos dados nos permite estimar as incertezas associadas ao resultado central. ERROS EM ANÁLISES 6 Média Aritmética ERROS EM ANÁLISES ALGUNS TERMOS IMPORTANTES ҧ𝑥 = σ𝑖=1 𝑁 𝑥𝑖 𝑁 ➢ Precisão: Grau de concordância mútua entre os dados que foram obtidos do mesmo modo. Descreve a reprodutibilidade das medidas. ➢ Exatidão: Grau de concordância entre o valor medido (média de várias replicatas) e o valor de uma referência padrão (valor “verdadeiro”). ERROS EM ANÁLISES 7 ALGUNS TERMOS IMPORTANTES Desvio-padrão Variância Coeficiente de variação ERROS EM ANÁLISES Avaliação da precisão Três termos são amplamente empregados para descrever a precisão de um conjunto de dados de réplicas: Funções de quanto um resultado individual xi difere da média, o que é denominado desvio em relação à média, di Os desvios em relação à média são calculados desconsiderando-se o sinal da medida. 8 ALGUNS TERMOS IMPORTANTES 𝑑𝑖 = 𝑥𝑖 − ҧ𝑥 ERROS EM ANÁLISES ➢ É com frequência mais difícil de ser determinada porque o valor verdadeiro é geralmente desconhecido (valor aceito precisa ser utilizado em substituição ao valor verdadeiro); ➢ É expressa pelo erro. O sinal do erro absoluto lhe diz se o valor em questão é mais alto ou mais baixo! E = −0,2 E = +0,1 9 Avaliação da exatidão ALGUNS TERMOS IMPORTANTES Erro Absoluto 𝐸 = 𝑥𝑖 − 𝑥𝑣 𝑥𝑖 = valor medido 𝑥𝑣 = valor verdadeiro ERROS EM ANÁLISES Erros relativos podem ser expressos em termos porcentuais, partes por mil ou partes por milhão, dependendo da magnitude do resultado 10 Avaliação da exatidão ALGUNS TERMOS IMPORTANTES Erro Relativo 𝐸𝑟 = 𝑥𝑖 − 𝑥𝑣 𝑥𝑣 × 100% 𝑬𝒓 = 𝟏𝟗, 𝟖 − 𝟐𝟎, 𝟎 𝟐𝟎, 𝟎 × 𝟏𝟎𝟎% = −𝟏% 𝒐𝒖 − 𝟏𝟎 𝒑𝒑𝒎𝒊𝒍 Riscos da confusão PRECISÃO = EXATIDÃO ERROS EM ANÁLISES Resultados podem ser precisos sem ser exatos e exatos sem ser precisos! 11 ALGUNS TERMOS IMPORTANTES Erro absoluto na determinação de nitrogênio por micro-Kjeldahl Determinação de nitrogênio em dois compostos puros TIPOS DE ERROS ➢ Qualquer medida experimental encontra-se afetada por erros; ➢ Se não levados em conta: ➢ Os erros são classificados em três tipos: ▪ Inferências incorretas! ▪ Falsas conclusões! 1) Erros grosseiros 2) Erros sistemáticos (determinados) 3) Erros aleatórios (indeterminados) 12 ERROS EM ANÁLISES Titulação de ácido acético em Vinagre Análise termina quando o indicador muda de cor ➢ Como o próprio nome sugere, erros cometidos por desatenção, desinformação, etc., (“erros literalmente grosseiros”) 13 ERROS EM ANÁLISES 1) Erros grosseiros TIPOS DE ERROS Titulação de ácido acético em Vinagre “Nunca vira” Indicador não adicionado na amostra Estatísticos: erro grosseiro Responsável pelo experimento: erro #*l@!!... 14 ERROS EM ANÁLISES 1) Erros grosseiros TIPOS DE ERROS Outliers: resultados muito anômalos* Erros grosseiros Vários testes estatísticos podem ser realizados para determinar se um resultado é anômalo São erros, em geral, fáceis de serem identificados e corrigidos! 15 ERROS EM ANÁLISES *Um valor anômalo é um resultado ocasional que ocorre em uma série de réplicas de medidas, que difere significativamente do restante dos resultados. 1) Erros grosseiros TIPOS DE ERROS 2) Erros sistemáticos (determinados) ➢ Esses erros levam à ocorrência de um viés em um conjunto de resultados. ➢ Afetam os resultados sempre na mesma direção (para mais ou para menos); ➢ Faz com que a média de um conjunto de dados difira do valor aceito. Afeta a exatidão dos resultados. Titulação de ácido acético em Vinagre: troca do indicar fenolftaleína pelo indicador vermelho de metila Resultado final da titulação fornecerá um teor de ácido acético menor que o real Viragem do vermelho de metila: abaixo de pH 7 16 ERROS EM ANÁLISES TIPOS DE ERROS Tipos de erros sistemáticos 1. Erros Instrumentais Causados pelo comportamento não ideal de um instrumento, por calibrações falhas ou pelo uso de condições inadequadas Exemplos de fontes: • Uso de equipamentos volumétricos em temperatura diferente da calibração; • Presença de contaminantes nas paredes internas dos frascos; • Equipamentos descalibrados ou calibrados incorretamente Forma de eliminação CALIBRAÇÃO PERIÓDICA DOS EQUIPAMENTOS 17 ERROS EM ANÁLISES 2) Erros sistemáticos (determinados) TIPOS DE ERROS Tipos de erros sistemáticos 2. Erros de Método Comportamento não ideal dos sistemas Exemplos químicos: • Lentidão de algumas reações • Não especificidade de alguns reagentes • Possível ocorrência de reações paralelas • Instabilidade de algumas espécies Erros de mais difícil detecção. Por isso são os mais graves dos erros sistemáticos Necessidade de adicionar o excesso de reagente para verificar a mudança de tonalidade Titulação de ácido acético em Vinagre 18 ERROS EM ANÁLISES 2) Erros sistemáticos (determinados) TIPOS DE ERROS 3. Erros pessoais Resultam das limitações pessoais do experimentador • Erros resultantes de julgamentos pessoais; • Erro de pré-julgamento: Tendência a determinar as leituras na direção da melhora da precisão ou a um valor preterido Tonalidade do indicador na viragem: subjetivo Exemplos: Leitura do volume final da titulação 19 ERROS EM ANÁLISES Tipos de erros sistemáticos 2) Erros sistemáticos (determinados) TIPOS DE ERROS 20 ERROS EM ANÁLISES Efeito dos erros sistemáticos em resultados analíticos 2) Erros sistemáticos (determinados) Erros Constantes ▪ O erro absoluto permanece constante em relação ao tamanho da amostra varia; ▪ O efeito de um erro constante torna-se mais crítico à medida que a grandeza da quantidade medida diminui. Exemplo: Um processo de lavagem de precipitados ocorre com perda de 0,50 g. E e Er (%) para lavagem de precipitados com massas de 50 ge 500 g? Tamanho da amostra Erro relativo → Varia Erro absoluto → Constante TIPOS DE ERROS 50 g→ E = 0,5 g Er = 0,5 g 50 g × 100% Er = 1% 500 g→ E = 0,5 g Er = 0,5 g 500 g × 100% Er = 0,1% 21 ERROS EM ANÁLISES 2) Erros sistemáticos (determinados) ▪ Os erros proporcionais aumentam ou diminuem de acordo com o tamanho da amostra ▪ O erro absoluto varia com a dimensão da amostra; ▪ Uma causa comum de erros proporcionais é a presença de interferentes ou contaminantes na amostra. Determinação de cobre cobre(II) com iodeto de potássio na presença de ferro(III) • Fração de Fe(III) independente do tamanho da amostra! • Interferência (relativa) constante TIPOS DE ERROS Efeito dos erros sistemáticos em resultados analíticos Erros Proporcionais Tamanho da amostra Erro relativo → Constante Erro absoluto → Varia Exemplo: Resultados mais altos para a porcentagem de cobre 𝑪𝒖𝟐+ + 𝑰− → 𝑪𝒖+ + 𝟏/𝟐𝑰𝟐 𝑭𝒆𝟑+ + 𝑰− → 𝑭𝒆𝟐+ + 𝟏/𝟐𝑰𝟐 Cu2+ Fe3+ Cu2+ Fe3+ 22 ERROS EM ANÁLISES 2) Erros sistemáticos (determinados) Análise de materiais de referência padrão, ou seja, materiais que contêm um ou mais analitos em níveis de concentração conhecidos. ➢ Análise de Amostras Padrão ➢ Análise Independente Um segundo método analítico, independente e confiável, pode ser usado em paralelo ao método que está sendo avaliado. TIPOS DE ERROS Detecção de erros sistemáticos de método ➢ Determinação do Branco Branco: contém o solvente e todos os reagentes usados na análise, com exceção do analito. (pode conter constituintes da matriz de amostra); Revelam erros que ocorrem devido a interferentes presentes nos reagentes e frascos usados na análise. ➢ Variações no Tamanho da Amostra Detecção de erros constantes Titulação de ácido acético em Vinagre ➢ Erros sistemáticos eliminados; ➢ Experimento feito com atenção e disciplina. PROCESSO SOB CONTROLE Resultados Novas análises de duas amostras de vinagre do mesmo lote Teor de vinagre 3,91% (m/m) 4,01% (m/m) Resultados parecidos mas não idênticos (amostras e procedimento de análise idênticos) Nem tudo estava controlado! 23 ERROS EM ANÁLISES TIPOS DE ERROS 3) Erros aleatórios (indeterminados) ➢ Erros inerentes ao experimento, aleatórios e não identificáveis ➢ Resultados flutuam ao acaso (ora para mais, ou para menos); ➢ Causam o maior ou menor espalhamento simétrico dos dados em torno de um valor central. Em geral, o erro aleatório de uma medida é refletido por sua precisão; Motivo pelo qual: • Toda medida está sempre afetada por erros • É impossível realizar um experimento totalmente livre de erros ou incertezas 24 ERROS EM ANÁLISES TIPOS DE ERROS 3.25 3.5 3.75 4 4.25 0 10 20 P o rc e n ta g e m d e Á c id o a c é ti c o (% ) Número da análise Resultados da análise de 20 amostras coletadas do mesmo lote de vinagre Precisam ser levados em conta estatisticamente! Qual a sua distribuição? 25 ERROS EM ANÁLISES 3) Erros aleatórios (indeterminados) TIPOS DE ERROS Frequência de distribuição para as medidas contendo um número muito alto de incertezas aleatórias 26 ERROS EM ANÁLISES ➢ A partir da experiência envolvendo um grande número de determinações, observamos que a distribuição de réplicas de dados da maioria dos experimentos analíticos quantitativos se aproxima da curva gaussiana (ou curva de erro normal)! 27 ERROS EM ANÁLISES Exemplo: calibração de uma pipeta de 10 mL Um pequeno frasco e sua tampa foram pesados. Dez mililitros de água foram então transferidos para o frasco com a pipeta e este foi fechado. O frasco, a tampa e a água foram pesados novamente. A temperatura da água também foi medida para se determinar sua densidade. A massa de água foi então calculada tomando-se a diferença entre as duas massas. A massa de água, dividida pela sua densidade, representa o volume dispensado pela pipeta. O experimento foi repetido 50 vezes. Procedimento Experimental 28 ERROS EM ANÁLISES Tabela de resultados Mais facilmente visualizada se os dados forem rearranjados em grupos de distribuição de freqüência Exemplo: calibração de uma pipeta de 10 mL Distribuição de Resultados Experimentais 29 ERROS EM ANÁLISES Exemplo: calibração de uma pipeta de 10 mL Dados agrupados em séries de faixas adjacentes de 0,003 mL e com o percentual de medidas contidas em cada faixa calculados Distribuição de Resultados Experimentais 30 ERROS EM ANÁLISES Exemplo: calibração de uma pipeta de 10 mL Interpretação dos dados Histograma: • Distribuição de frequências, no qual cada intervalo é representado por um retângulo, cuja base coincide com a largura do próprio intervalo • Área é idêntica, ou pelos proporcional, à sua frequência! Distribuição de Resultados Experimentais A B 31 ERROS EM ANÁLISES Exemplo: calibração de uma pipeta de 10 mL Dados agrupados em séries de faixas adjacentes de 0,003 mL e com o porcentual de medidas contidas em cada faixa calculados A – Histograma B – Curva Gaussiana Curva gaussiana tem a mesma média (9,982 mL), a mesma precisão e a mesma área sob a curva que o histograma. Distribuição de Resultados Experimentais 32 ERROS EM ANÁLISES Exemplo: calibração de uma pipeta de 10 mL As fontes de incertezas aleatórias na calibração de uma pipeta incluem: (1) julgamentos visuais, tais como o nível de água em relação à marca na pipeta e ao nível de mercúrio no termômetro; (2) Variações no tempo de escoamento e no ângulo da pipeta; (3) flutuações na temperatura, que afetam o volume da pipeta, a viscosidade do líquido e o desempenho da balança; … A influência cumulativa dessas variáveis é responsável pela distribuição dos resultados em torno da média. Distribuição de Resultados Experimentais 33 ERROS EM ANÁLISES Tratamento Estatístico dos Erros Aleatórios ➢ Métodos estatísticos podem ser utilizados para avaliar os erros aleatórios; ➢ As análises estatísticas em Química Analítica baseiam-se na premissa de que os erros aleatórios contidos em resultados analíticos seguem uma distribuição gaussiana (ou normal); IMPORTANTE: ➢ A análise estatística revela apenas a informação que já está presente em um conjunto de dados. Isto é, nenhuma nova informação é criada com a utilização de tratamentos estatísticos; ➢ Os métodos estatísticos permitem, contudo, categorizar e caracterizar os dados de diferentes maneiras e tomar decisões inteligentes e objetivas acerca da qualidade e interpretação dos dados. 34 ERROS EM ANÁLISES Tratamento Estatístico dos Erros Aleatórios ➢ Em um estudo científico, inferimos informações sobre uma população ou universo a partir de observações feitas em um subconjunto, ou amostras. População é a coleção de todas as medidas de interesse para o analista. Finita/real ou hipotética/conceitual em sua natureza. Amostra é um subconjunto de medidas selecionadas a partir da população. Exemplos: Determinação de cálcio em um reservatório de água de uma cidade → População é o número de medidas muito grande, quase infinito, que poderia ser feito se analisássemos todo o reservatório de água! ➢ As leis da estatística têm sido desenvolvidas para as populações; ➢ As relações da estatística gaussiana das populações devem ser modificadas e aplicadas para amostras pequenas de dados. 35 ERROS EM ANÁLISES Tratamento Estatístico dos Erros Aleatórios Propriedades das Curvas Gaussianas para Populações Distribuição contínua da varável x Densidade de probabilidade, f(x) Densidade de probabilidade, f(x): 𝑓 𝑥 = 1 σ 2π 𝑒 −(𝑥−µ)2 2σ2 𝑑𝑥 f(x) = densidade de probabilidade da variável aleatória x µ = média populacional σ = variância populacional Formato de Sino Propriedades: ▪ A média ocorre no ponto central de frequência máxima; ▪ Existe uma distribuição simétrica de desvios positivos e negativos em torno do máximo; ▪ Existe um decaimento exponencial na frequência à medida que a magnitude do desvio aumenta. 36 ERROS EM ANÁLISESTratamento Estatístico dos Erros Aleatórios Propriedades das Curvas Gaussianas para Populações Média populacional (µ): µ = σ𝑖=1 𝑁 𝑥𝑖 𝑁 σ = σ𝑖=1 𝑁 (𝑥𝑖 −µ) 2 𝑁 Desvio-padrão populacional (σ): ❑ Quando não existem erros sistemáticos, a média da população (µ) é o valor verdadeiro da quantidade medida. ❑ Uma medida da precisão de uma população de dados. 𝒙 ≈ 𝑵(µ, 𝝈𝟐) ➢ Representação para variável x que se distribui normalmente: 𝑵 = nº total de medidas para a população 37 ERROS EM ANÁLISES Tratamento Estatístico dos Erros Aleatórios Propriedades das Curvas Gaussianas para Populações Desvio-padrão populacional (σ) 𝝈𝑩= 𝟐 𝝈𝑨 PrecisãoA > PrecisãoB 38 ERROS EM ANÁLISES Tratamento Estatístico dos Erros Aleatórios Propriedades das Curvas Gaussianas para Populações Áreas sob uma Curva Gaussiana Cálculo da probabilidade (P) = área sob a curva f(x) no intervalo considerado! 𝑃 𝑎 < 𝑥 < 𝑏 = න 𝑎 𝑏 𝑓 𝑥 𝑑𝑥 µ ± σ 0,683 µ ± 2σ 0,954 µ ± 3σ 0,997 ❑ Desvio padrão para uma população: uma ferramenta útil de previsão. ❑ Exemplo: 68,3% de chances de que a incerteza aleatória de qualquer medida não seja superior a ±1σ, ou 95,4% de que o erro seja menor ±2σ. 39 ERROS EM ANÁLISES Tratamento Estatístico dos Erros Aleatórios Estatística: estimativa de um parâmetro que é feita a partir de uma amostra de dados. ❑ A média da amostra ( ҧ𝑥) e o seu desvio padrão (s) são exemplos de estatísticas que estimam os parâmetros populacionais (µ e σ); ❑ À medida que N torna-se maior, ҧ𝑥 e s tornam-se estimativas melhores para µ e σ, ou seja: N → ∞, ഥ𝒙 → µ e s → σ. Parâmetros populacionais µ σ Parâmetros amostrais ҧ𝑥 s 40 ERROS EM ANÁLISES Tratamento Estatístico dos Erros Aleatórios Características de uma amostra 1) Média amostral (aritmética): ҧ𝑥 = σ𝑖=1 𝑁 𝑥𝑖 𝑁 𝑠 = σ𝑖=1 𝑁 (𝑥𝑖 − ҧ𝑥) 2 𝑁 − 1 2) Desvio padrão amostral (s): ➢ 𝑁 − 1 = Número de graus de liberdade ➢ Nunca arredonde um cálculo de desvio padrão antes de chegar ao final. 𝑵 = nº de medidas para o conjunto limitado da amostra. 41 ERROS EM ANÁLISES Tratamento Estatístico dos Erros Aleatórios Características de uma amostra 2) Desvio padrão amostral (s): ➢ Vários testes estatísticos usados para gerar intervalos de confiança para resultados e para rejeitar dados anômalos são baseados no desvio padrão da amostra; ➢ A probabilidade de gerar conclusões destes testes aumenta com a elevação da confiabilidade de s. Como melhorar a confiabilidade de s? 1) Com N > 20, s se torna uma estimativa melhor de σ; 2) Combinação de subconjuntos de dados. 42 ERROS EM ANÁLISES Tratamento Estatístico dos Erros Aleatórios Características de uma amostra Combinação de dados para melhorar a confiabilidade de s ➢ Subconjunto de dados: amostras de composição similar e analisadas exatamente da mesma forma; ➢ Estimativa combinada (scomb) é uma média pondera das estimativas individuais: 𝑠𝑐𝑜𝑚𝑏 = σ𝑖=1 𝑁 1 (𝑥𝑖 − ҧ𝑥1) 2 + σ𝑗=1 𝑁 2 (𝑥𝑗 − ҧ𝑥2) 2 + σ𝑘=1 𝑁 3 (𝑥𝑘 − ҧ𝑥3) 2 +⋯ 𝑁1 +𝑁2 +𝑁3 +⋯−𝑁𝑡 𝑵𝒕 = número total de conjuntos de dados que estão sendo combinados! 43 ERROS EM ANÁLISES Tratamento Estatístico dos Erros Aleatórios Características de uma amostra Outras medidas de precisão 3) Variância (s2): 𝑠2 = σ𝑖=1 𝑁 (𝑥𝑖 − ҧ𝑥) 2 𝑁 − 1 4) Desvio-padrão relativo (DPR ou sr): 𝐷𝑃𝑅 = 𝑠𝑟 = 𝑠 ҧ𝑥 Pode ser expresso em: Coeficiente de variação (CV, %) ppmil 𝑠𝑟 = 𝑠 ҧ𝑥 × 1000 𝑝𝑝𝑚𝑖𝑙𝐶𝑉 = 𝑠 ҧ𝑥 × 100% 5) Faixa ou espalhamento (w): ➢ Diferença entre o valor mais elevado e mais baixo do conjunto de dados. 44 ERROS EM ANÁLISES Tratamento Estatístico dos Erros Aleatórios Exercício 1 Considere os seguintes conjuntos de réplicas de medidas, cujo valor aceito como verdadeiro é 3,0: 3,5; 3,1; 3,1; 3,3; 2,5 Para este conjunto de dados, calcule: (a)Média amostral; (b)Desvio-padrão amostral; (c) Coeficiente de variação; (d)Erro absoluto; (e)Erro relativo (em % e em ppmil)
Compartilhar