Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estatística Aplicada à Química Prof. Msc. Cleidivan Silva Macena Calibração e Padronização Amostragem e manuseio da amostra Amostragem Uma análise química é frequentemente realizada em apenas uma pequena fração do material cuja composição seja de interesse. O processo pelo qual uma fração representativa é coletada é denominado amostragem. Amostra representativa O processo de amostragem precisa assegurar que os itens escolhidos sejam representativos de todo o material ou população. Os itens escolhidos para análise são muitas vezes chamados unidades de amostragem ou incrementos de amostragem. Escolha da amostra População Amostra Calibração e padronização Calibração A calibração determina a relação entre a resposta analítica e a concentração do analito. Geralmente isso é realizado pelo uso de padrões químicos. Método dos Mínimos Quadrados O método dos mínimos quadrados é a técnica mais amplamente utilizada para encontrar uma reta (ou uma curva) que passa através de um conjunto de pontos. Existe uma relação linear entre a resposta medida 𝑦 e a concentração analítica do padrão 𝑥. A relação matemática que descreve essa consideração é denominada modelo de regressão, que pode ser representada como 𝑦 = 𝑚𝑥 + 𝑏 em que 𝑏 é o intercepto (o valor de 𝑦 quando 𝑥 for zero) e 𝑚, a inclinação da linha. Método dos Mínimos Quadrados Gráfico da reta Resíduo de uma regressão linear Coeficiente de correlação linear Método dos Mínimos Quadrados O método dos mínimos quadrados encontra a soma dos quadrados dos resíduos (desvios) 𝑑𝑖 2 e os minimiza de acordo com a técnica de cálculo de minimização. O valor de 𝑑𝑖 2 é obtido de 𝑑𝑖 2 = [𝑦𝑖 − 𝑚𝑥𝑖 + 𝑏 ] 2 𝑁 𝑖=1 O coeficiente angular 𝑚 da “melhor” reta é dado por 𝑚 = 𝑁 ∙ 𝑥𝑖 ∙ 𝑦𝑖 − 𝑁 𝑖=1 𝑥𝑖 𝑁 𝑖=1 ∙ 𝑦𝑖 𝑁 𝑖=1 𝑁 ∙ 𝑥𝑖 2 − [ 𝑥𝑖 ] 𝑁 𝑖=1 2𝑁 𝑖=1 em que 𝑁 é o número de pontos utilizado. Método dos Mínimos Quadrados O coeficiente linear 𝑏 da “melhor” reta é dado por 𝑏 = 𝑥𝑖 2 ∙ 𝑦𝑖 𝑁 𝑖=1 − 𝑥𝑖 𝑁 𝑖=1 𝑁 𝑖=1 ∙ 𝑥𝑖𝑦𝑖 𝑁 𝑖=1 𝑁 ∙ 𝑥𝑖 2 − [ 𝑥𝑖 ] 𝑁 𝑖=1 2𝑁 𝑖=1 em que 𝑁 é o número de pontos utilizado. Método dos Mínimos Quadrados Para verificar se existe uma relação linear entre duas variáveis 𝑥 e 𝑦, usa-se o coeficiente de correlação de Pearson, 𝑟: 𝑟 = 𝑁 ∙ 𝑥𝑖𝑦𝑖 𝑁 𝑖=1 − 𝑥𝑖 𝑁 𝑖=1 ∙ 𝑦𝑖 𝑁 𝑖=1 𝑁 ∙ 𝑥𝑖 2 − [ 𝑥𝑖 ] 𝑁 𝑖=1 2𝑁 𝑖=1 ∙ 𝑁 ∙ 𝑦𝑖 2 − [ 𝑦𝑖 ] 𝑁 𝑖=1 2𝑁 𝑖=1 O valor de 𝑟 deve estar entre -1 e +1. Método dos Mínimos Quadrados Calcular a regressão linear para (𝒙, 𝒚) 𝒙𝒊 𝒚𝒊 (𝒙𝒊 ∙ 𝒚𝒊) 𝒙𝒊 𝟐 𝒚𝒊 𝟐 1 2 2 1 4 2 4,5 9 4 20,25 3 5,3 15,9 9 28,09 4 8 32 16 64 5 11 55 25 121 𝑥𝑖 5 𝑖=1 = 15 𝑦𝑖 5 𝑖=1 = 30,8 (𝑥𝑖∙ 𝑦𝑖) 5 𝑖=1 = 113,9 (𝑥𝑖 2) 5 𝑖=1 = 55 (𝑦𝑖 2) 5 𝑖=1 = 237,34 Calcular o coeficiente angular da reta 𝑚 = 5 ∙ 113,9 − 15 ∙ 30,8 5 ∙ 55 − 225 𝑚 = 107,5 50 𝑚 = 2,15 Calcular o coeficiente Linear da reta 𝑏 = 55 ∙ 30,8 − 15 ∙ 113,9 5 ∙ 55 − 225 𝑏 = −14,5 50 𝑏 = −0,29 Calcular o coeficiente de correlação 𝑟 = 5 ∙ 113,9 − 15 ∙ 30,8 (5 ∙ 55 − 225) ∙ (5 ∙ 237,34 − 948,64) 𝑟 = 107,5 50 ∙ 238.06 𝑟 = 0,9853 ⟹ 𝑟2 = 0,9708 A relação matemática que descreve o modelo de regressão pode ser representada como 𝑦 = 2,15𝑥 − 0,29 em que −𝟎, 𝟐𝟗 é o intercepto (o valor de 𝑦 quando 𝑥 for zero) e 𝟐, 𝟏𝟓, a inclinação da linha. “Melhor” reta Gráfico da “melhor” reta Calcular o resíduo 𝒙𝒊 𝒚𝒊 𝒅𝒊 = 𝒚𝒊 − (𝒎𝒙𝒊 + 𝒃) 𝒅𝒊 𝟐 1 2 0,14 0,0196 2 4,5 0,49 0,2401 3 5,3 -0,86 0,7396 4 8 -0,31 0,0961 5 11 0,54 0,2916 𝑥𝑖 5 𝑖=1 = 15 𝑦𝑖 5 𝑖=1 = 30,8 (𝑑𝑖 2) 5 𝑖=1 = 1,387 Gráfico dos resíduos Grau de confiabilidade de (𝒚,𝒎,𝒃) As incertezas em 𝑚 e 𝑏 estão relacionadas à incertezas na medição de 𝑦 . Portanto, estimamos em primeiro lugar o desvio padrão da população de valores de 𝑦. O desvio padrão desses valores verticais é 𝑠𝑦 ≈ (𝑑𝑖 2)𝑁𝑖=1 𝑁 − 2 Onde 𝑠𝑦 é o desvio padrão vertical. A análise da incerteza para o desvio padrão vertical conduz a seguinte definição: 𝑠𝑚 = 𝑠𝑦 ∙ 𝑁 𝑁 ∙ 𝑥𝑖 2 − [ 𝑥𝑖 ] 𝑁 𝑖=1 2𝑁 𝑖=1 Onde 𝑠𝑚 é o desvio padrão do coeficiente angular. Grau de confiabilidade de (𝒚,𝒎,𝒃) A análise da incerteza para o desvio padrão vertical conduz a seguinte definição: 𝑠𝑏 = 𝑠𝑦 ∙ 𝑥𝑖 2𝑁 𝑖=1 𝑁 ∙ 𝑥𝑖 2 − [ 𝑥𝑖 ] 𝑁 𝑖=1 2𝑁 𝑖=1 Onde 𝑠𝑏 é o desvio padrão do coeficiente linear. Grau de confiabilidade de (𝒚,𝒎,𝒃) Uma curva de calibração mostra a resposta de um método analítico para quantidades conhecidas de analito. Soluções que contêm concentrações conhecidas de analito são chamadas de solução-padrão. Soluções que contêm todos os reagentes e solventes usados na análise, mas nenhum analito, são chamadas de solução em branco. Curvas de Calibração Adota-se o procedimento descrito a seguir para construir uma curva de calibração: Etapa 1. Preparar das amostras conhecidas do analito, cobrindo um intervalo conveniente de concentração e medir a resposta do método analítico para esses padrões. Etapa 2. Subtrair a médias das absorbâncias das amostras em branco de cada absorbância medida de modo a obter a absorbâncias corrigidas. Construção de uma Curvas de Calibração Etapa 3. Fazer o gráfico da absorbância corrigida versus a concentração do analito (𝐾𝑀𝑛𝑂4). Etapa 4. Se, no futuro, for analisado uma solução desconhecida, aplica-se o método analítico para o branco ao mesmo tempo que aplica o método para a solução. Construção de uma Curvas de Calibração Curva de absorbância a 545 𝑛𝑚 em função da concentração, para soluções de 𝑲𝑴𝒏𝑶𝟒. Curvas de Calibração Um tratamento completo da incerteza para um valor de concentração (𝑥), pode ser obtido através de: Propagação da incerteza com uma curva de calibração 𝑠𝑥 = 𝑠𝑦 𝑚 ∙ 1 + 𝑁𝑥2 𝐷 + 𝑥𝑖2 𝑁 𝑖=1 𝐷 − 2𝑥 ∙ 𝑥𝑖 𝑁 𝑖=1 𝐷 onde 𝐷 = 𝑁 ∙ 𝑥𝑖 2 − 𝑥𝑖 𝑁 𝑖=1 2 𝑁 𝑖=1 REFERÊNCIAS BUSSAB, Wilton de O.; MORETTIN, Pedro A. Estatística básica. 2010. p. 540. MILLER, James; MILLER, Jane C. Statistics and chemometrics for analytical chemistry. Pearson education, 2018. SKOOG, Douglas A.; WEST, Donald M.; HOLLER, F. James. Fundamentos de química analítica. Reverté, 1997. BACCAN, N., et al. Química analítica quantitativa elementar. Edgard Blucher, 1979.
Compartilhar