Prévia do material em texto
Erros em Análise Química e Erros em Análise Química e UNIVERSIDADE ESTADUAL DO SUDOESTE DA BAHIAUNIVERSIDADE ESTADUAL DO SUDOESTE DA BAHIA DEPARTAMENTO DE CIÊNCIAS NATURAISDEPARTAMENTO DE CIÊNCIAS NATURAIS DISCIPLINA: QUÍMICA ANALÍTICADISCIPLINA: QUÍMICA ANALÍTICA ProfªProfª Anaildes Lago de CarvalhoAnaildes Lago de Carvalho Erros em Análise Química e Erros em Análise Química e Algarismos SignificativosAlgarismos Significativos 1 Toda medida experimental deve apresentar três indicações: � O valor numérico da grandeza mensurada � A unidade em que a grandeza foi determinada Medidas experimentais � Erro cometido na avaliação do valor numérico desta grandeza 2 Ex: A massa de um corpo determinada em uma balança analítica 0,257 ± 0,001 g Medidas experimentais 0,257 ± 0,001 g Valor numérico da grandeza Erro associado à medida Unidade da grandeza 3 Qual a medida do objeto abaixo? Algarismos significativos O objeto mede 15, _ A 4 Qual a medida do objeto abaixo? Algarismos significativos O objeto mede 15,6 _ B 5 1ª definição� São algarismos obtidos de um processo de medida 2ª definição � Número mínimo de algarismos necessários para expressar o valor de uma medida experimental sem a perda de Algarismos significativos expressar o valor de uma medida experimental sem a perda de exatidão 3ª definição� É o conjunto formado pelos algarismos obtidos com certeza mais o primeiro algarismo estimado (duvidoso) 6 1) 34,456 ± 0,002 cm � 5 algarismos significativos 2) 4,06 s� 3 algarismos significativos 3) 34,3756 ± 0,04 Kg � 4 algarismos significativos Algarismos significativos 3) 34,3756 ± 0,04 Kg � 4 algarismos significativos Forma correta: 34,37 ± 0,04 Kg 4) 234,005 cm � 6 algarismos significativos 5) 4500 m � 4 algarismos significativos 6) 1,4573 ± 0,02 � 3 algarismos significativos Forma correta: 1,46 ± 0,02 7 1) O número de algarismos significativos não depende do número de casas decimais Ex: 15,1321 g ou 15132,1 mg� 6 alg sig Algarismos significativos: observações importantes 2) Os zeros são significativos quando forem obtidos do processo de medida Ex: 2,0045 m � 5 alg sig 16,400 � 5 alg sig 8 3) Os zeros não são significativos quando são usados apenas para marcar a ordem de grandeza Ex: 0,1516 ou 0,01516 ou 0,001516 � possuem 4 alg sig Algarismos significativos: observações importantes 9 4) Zeros provenientes de transformação não são considerados algarismos significativos Ex: 2,30 Km � 3 alg sig 2300 m � 3 alg sig (2,30 x 103 m) Roteiro para adição e subtração 1) Colocar as medidas em uma mesma unidade 2) Colocar as parcelas de forma a ter vírgula embaixo de vírgula Algarismos significativos do resultado de um cálculo 3) Realizar as operações indicadas 4) Arredondar o resultado de forma que ele fique com o número de casas decimais da parcela mais pobre não importando se o número de alg sig aumente ou diminua 10 1,362 5,345 7,26 + 3,111 + 6,728 - 6,69 Ex1: Algarismos significativos do resultado de um cálculo + 3,111 + 6,728 - 6,69 4,473 12,073 0,57 11 Roteiro para multiplicação e divisão 1) Multiplicar ou dividir normalmente as parcelas 2) Escrever o resultado final com o número de algarismos Algarismos significativos do resultado de um cálculo 2) Escrever o resultado final com o número de algarismos significativos igual ao fator mais pobre 12 Exercícios: 1) Um corpo pesou 2,2 g numa balança cuja sensibilidade é ± 0,1g e outro 0,1145 g ao ser pesado em uma balança analítica. Calcular a massa total dos dois corpos nestas condições. Algarismos significativos do resultado de um cálculo massa total dos dois corpos nestas condições. 2,3 1) Um pedaço de polietileno pesou 6,8 g numa balança cuja incerteza é ± 0,1g. Um pedaço deste objeto foi retirado e pesado em uma balança analítica cuja massa medida foi de 2,6367 g. Calcular a massa do pedaço de polietileno restante. 4,2 13 1. Se o dígito a ser arredondado é < 5: Manter o algarismo anterior Exemplo: 0,523 será arredondado para 0,52. 2. Se o dígito a ser arredondado é >5: REGRAS PARA ARREDONDAMENTO DE DADOS Algarismos Significativos Adicionar uma unidade ao algarismo anterior. Exemplo: 44,8 será adicionado para 45. 3. Se o dígito a ser arredondado é =5: a) manter o anterior se ele for par. Exemplo: 0,525 será arredondado para 0,52. b) adicionar uma unidade ao algarismo anterior se ele for ímpar. Exemplo: 237,5 será arredondado para 238. 14 Exemplos a) 9,47 b) 9,43 c) 9,55 a) 9,5 b) 9,4 c) 9,6 Respostas REGRAS PARA ARREDONDAMENTO DE DADOS Algarismos Significativos c) 9,55 d) 0,625 e) 0,635 f) 12,5 g) 7,5 h) 26,95 c) 9,6 d) 0,62 e) 0,64 f) 12 g) 8 h) 27,0 15 Exatidão é o grau de concordância entre o valor medido e o valor verdadeiro Precisão é o grau de concordância entre as medidas realizadas em réplicas da mesma quantidade Exatidão e precisão das medidas réplicas da mesma quantidade Cuidado! Boa precisão não garante boa exatidão. 16 I II EXATIDÃO E PRECISÃO I Exato e Preciso II Inexato e Preciso Erros em química analítica II III Valor verdadeiro ou mais provável II Inexato e Preciso III Inexato e impreciso 17 Exemplo A – Exato e impreciso Valor médio = 49,1 % Valor verdadeiro = 49,1 ±±±± 0,1 % 49,0 49,1 49,2 49,3 49,4 Erros em química analítica 49,0 49,1 49,2 49,3 49,4 49,0 49,1 49,2 49,3 49,4 Exemplo B – Inexato e preciso Valor médio = 49,4 % Valor verdadeiro = 49,1 ±±±± 0,1 % 18 O valor central de um conjunto de dados obtidos de medidas replicadas tem a maior probabilidade de ser o valor verdadeiro O valor mais provável de uma medida experimental é igual a média Como estimar o valor verdadeiro? O valor mais provável de uma medida experimental é igual a média aritmética das leituras realizadas 19 MÉDIA E MEDIANA MEDIDAS DE TENDÊNCIA CENTRAL Como estimar o valor verdadeiro? Na maioria das vezes o melhor resultado está situado ao redor de um VALOR CENTRAL, definido como média ou mediana. 20 MÉDIA É obtida pela divisão da soma das réplicas de medidas pelo número de medidas do conjunto: Como estimar o valor verdadeiro? medidas do conjunto: X = média da amostra Xi = medida N = número de medidas 21 MEDIANA É o resultado central quando as réplicas de dados são organizadas de acordo com uma sequência crescente ou decrescente de valores Como estimar o valor verdadeiro? de acordo com uma sequência crescente ou decrescente de valores �No caso de dados ordenados de amostras de tamanho n, se n for impar, a mediana será o elemento central . �Se n for par, a mediana será o resultado da media simples entre os dois valores centrais. 22 Calcular a média para os dados obtidos da determinação de ferro em uma amostra de água de rio Réplica Concentração de Fe (ppm) 1 19,4 Exemplo 1 19,4 2 19,5 3 19,6 4 19,8 5 20,1 6 20,3 23 ppmx x 8,1978,19 6 3,201,208,196,195,194,19 ≈= +++++ = Exemplo Valor mais provável da concentração de Fe mas amostras analisadas 24 MEDIANA Como estimar o valor verdadeiro? 25 A exatidão representa o grau de concordância entre os resultados individuais, obtidos em um determinado ensaio, e um valor de referência (µ) aceito como verdadeiro. Como expressar a exatidão? A exatidão é normalmenteexpressa como: Erro Relativo e Erro Absoluto 26 ERRO ABSOLUTO � é a diferença entre o valor medido e o valor verdadeiro ou mais provável. Informa se existe desvio positivo (a maior) ou negativo (a menor) Como expressar a exatidão? Informa se existe desvio positivo (a maior) ou negativo (a menor) entre o valor medido e o valor verdadeiro ou mais provável. i vE x x= − E = erro absoluto Xi = valor medido Xv = valor verdadeiro ou mais provável 27 Erro absoluto avaliado � é a metade da menor divisão do aparelho utilizado na determinação do valor numérico da grandeza medida Erro Absoluto Qual o erro absoluto avaliado da bureta? 28 Alguns instrumentos e seus erros Erro Absoluto 29 Erro Absoluto Alguns instrumentos e seus erros 30 Erro Absoluto Alguns instrumentos e seus erros 31 ERRO RELATIVO � é o erro absoluto dividido pelo valor verdadeiro ou mais provável, expresso em percentagem. Er = erro relativo Como expressar a exatidão? .100%i v v x xE r x − = Er = erro relativo Xi = valor medido Xv = valor verdadeiro ou mais provável 32 Os termos que descrevem a precisão baseiam-se em quanto um resultado individual xi difere da média (tomado como valor verdadeiro ou não) Como expressar a precisão? Precisão Desvio padrão (s) Variância (S2) Coeficiente de variação (CV) 33 1 )( 1 2 − − = ∑ = N xx s N i i Variância (s2)Desvio padrão (s) 1 )( 1 2 2 − − = ∑ = N xx s N i i Como expressar a precisão? Coeficiente de variação (CV) %100* x sCV = 34 GROSSEIROS Tipos de erros experimentais TIPOS DE ERROS SISTEMÁTICOS RANDÔMICOS ou aleatórios Afetam a exatidão! Afetam a precisão! 35 1 - Erro determinado ou sistemático Tem valor definido, pode ser associado a uma causa, sendo da mesma ordem de grandeza para medidas em replicatas realizadas da mesma forma. TIPO EXEMPLO 1. Erro de método �reações incompletas � reações secundárias � solubilidade dos precipitados � baixa sensibilidade de um indicador. pesos e aparelhagem volumétrica mal calibrados Classificação de Erros 2. Erro instrumental �pesos e aparelhagem volumétrica mal calibrados � deslocamento do ponto zero da balança analítica por variações de temperatura. 3. Erro operacional 3.1 Técnica 3.2 Pessoais �amostras não representativas � perdas mecânicas de amostra durante sua decomposição �lavagem excessiva de precipitados �calcinação de precipitados à temperaturas impróprias �esfriamento incompleto de material para pesagem. �dificuldade em distinguir cores �tendências para estimar leituras em uma escala. 36 1- Detecção do erro determinado ou sistemático TIPO DE ERRO DETECÇÃO Instrumental Calibração periódica (resposta do instrumento muda com o tempo devido ao uso, corrosão, manipulação errada, etc.). Pessoal Treinamento, cuidado, autodisciplina. Método 1.Análise de amostras de referência1 2. Análise independente2 Classificação de Erros Método 2. Análise independente2 3.Determinações em branco3 4. Variação no tamanho da amostra4 Notas: 1 Materiais que contém um ou mais analitos com níveis de concentração exatamente conhecida; 2 Se não se dispõe de padrões de referência, um segundo método analítico independente pode ser usado em paralelo→ validação estatística; 3 Branco (ausência do analito) - revelam erros devido a contaminantes e interferentes provenientes de reagentes e/ou recipientes usados na análise; 4 Quando o tamanho da amostra aumenta, o efeito de um erro constante diminui. 37 2 - Erro indeterminado, casual ou aleatório � inevitáveis devido às incertezas inerentes às medidas físicas ou químicas usadas nos métodos; � fontes não identificadas ou medidas (tão pequenas que não podem ser identificadas individualmente). Análise volumétrica Classificação de Erros Leitura Bureta – 50,00 ±±±± 0.02 mL Valor lido: 5,17 mL Faixa: 5,15 – 5,19 mL 38 As medidas físicas possuem a particularidade de serem obtidas como efeitos médios de um enorme número de acontecimentos aleatórios que acontecem a nível eletrônico, atômico e molecular Erros Aleatórios 39 Exemplo: algumas fontes de erros aleatórios na calibração de uma pipeta � Julgamentos visuais, tais como o nível da água em relação à marca na pipeta e ao nível de mercúrio no termômetro Erros Aleatórios �Variações no tempo de escoamento e no ângulo da pipeta durante o escoamento �Flutuações na temperatura que afetam o volume da pipeta, a viscosidade do líquido e o desempenho da balança �Vibrações e correntes de ar que causam pequenas variações nas leituras da balança 40 �Essas incertezas são impossíveis de serem medidas porque a maioria delas são tão pequenas que não podem ser detectadas individualmente �O efeito cumulativo das incertezas individuais, faz com A natureza dos erros aleatórios �O efeito cumulativo das incertezas individuais, faz com que as réplicas das medidas flutuem aleatoriamente em torno da média do conjunto de dados 41 Combinação das incertezas Magnitude do erro aleatório Número de combinações Freqüência relativa +U1 + U2 + U3 + U4 +4U 1 1/16 = 0,0625 -U1 + U2 + U3 + U4 +2U 4 4/16 = 0,250 +U1 - U2 + U3 + U4 +U1 + U2 - U3 + U4 +U1 + U2 + U3 - U4 -U1 - U2 + U3 + U4 0 6 6/16 = 0,375 +U + U - U - U Combinações possíveis de quatro incertezas de mesma dimensão A natureza dos erros aleatórios +U1 + U2 - U3 - U4 +U1 - U2 + U3 - U4 -U1 + U2 - U3 + U4 -U1 + U2 + U3 - U4 +U1 - U2 - U3 + U4 +U1 - U2 - U3 - U4 -2U 4 4/16 = 0,250 -U1 + U2 - U3 - U4 -U1 - U2 + U3 - U4 -U1 - U2 - U3 + U4 -U1 - U2 - U3 - U4 -4U 1 1/16 = 0,0625 dimensão 42 2.1 – Fontes de erro aleatório A natureza dos erros aleatórios Distribuição de freqüência para medidas contendo: A) 4 incertezas aleatórias; B) 10 incertezas aleatórias; C) Número muito grade de incertezas aleatórias. Curva gaussiana ou curva normal de erros 43 População é a coleção de todas as medidas de interesse para o analista Amostra é o subconjunto de medidas selecionadas a partir de uma população Amostras e populações Cuidado! Não confunda amostra estatística com amostra analítica 44 Exemplo 1 Determinação de glicose no sangue de uma pessoa Amostras e populações A amostra deve ser suficientemente representativa para permitir fazer inferências válidas sobre a população População: todo o sangue do indivíduo Amostra: o volume de sangue coletado 45 Exemplo 2 Determinação de vitaminas em comprimidos produzidos por uma unidade farmacêutica industrial Amostras e populações População: toda a produção da indústria Amostra: quantidade suficiente para realização de inferências e aleatoriamente coletada 46 Um modelo de distribuição normal fica perfeitamente descrito em função de dois parâmetros populacionais: a média (tendência central) e o desvio padrão (dispersão) Parâmetros que descrevem a população N x N i i∑ = = 1µ N x N i i∑ = − = 1 2)( µ σ Média da população Desvio padrão da população 47 Média (µ) Parâmetros que descrevem a população Desvio padrão (σ) P r o b a b i l i d a d e 48 � A média da população (µ) pode ser estimada pela média amostral (x) � O desvio padrão da população (σ) pode ser estimado pelo desvio padrão amostral (s) Parâmetros que descrevem a população � Á medida que N→ ∞, x→ µ e s→ σ 49 Áreas sob uma curva normal 50 O intervalo de confiança para a média é a faixa de valores entre os quais se espera que a média da populaçãoµ esteja contida com uma certa probabilidade e os limites são chamados limites de confiança Intervalos de Confiança N z x σµ ±= 51 O nível de confiança é a probabilidade de que a média verdadeira esteja localizada em um certo intervalo Intervalos de Confiança 52 Exemplo É 99% provável que µµµµ estimada de um conjunto de medidas para determinação de potássio em um alimento esteja contida no intervalo: Intervalos de Confiança 7,25% ±±±± 0,15 Assim, µµµµ deve estar entre 7,10% a 7,40% 53 Nível de confiança (%) Valor de z 50,0 0,67 Níveis de confiança para vários valores de z Intervalos de Confiança 68,0 1,00 80,0 1,28 90,0 1,64 95,0 1,96 95,4 2,00 99,0 2,58 99,7 3,00 99,9 3,29 54 As concentrações de glicose em um paciente com diabetes foram determinadas Replicatas Concentração de glicose (mg/L) Exemplo (mg/L) 1 1.108 2 1.122 3 1.075 4 1.099 5 1.115 6 1.083 7 1.100 55 Determinar os intervalos de confiança de 80% e 95% para (a) o primeiro registro e (b) o valor médio (a) Para uma medida OBS: Consideramos Exemplo N z x σµ ±= Lmg /24108.1 1 19*28,1 1.108 IC 80% ±=±= Lmg /37108.1 1 19*96,1 1.108 IC %59 ±=±= (a) Para uma medida OBS: Consideramos s = 19 uma boa estimativa de σ 56 (b) Para sete medidas Exemplo N z x σµ ±= Lmg /2,93,100.1 7 19*28,1 1.100,3 IC 80% ±=±= Lmg /1,143,100.1 7 19*96,1 1.100,3 IC %59 ±=±= 57 � Para que s seja uma boa estimativa de σσσσ é necessário uma grande quantidade de replicatas da leitura � Para considerar a variabilidade de s, usa-se o importante parâmetro estatístico t que é definido da mesma forma Determinação do IC quando σσσσ não for conhecido parâmetro estatístico t que é definido da mesma forma que z 58 Determinação do IC quando σσσσ não for conhecido � Para a média de N medidas⇒ � Teste t de Student ⇒ Ferramenta estatística usada para representar IC e para comparação de resultados � Teste “t” de Student ⇒ Desenvolvido por W.S. Gosset (Student) em 1908 Ns x t / µ− = 59 � Teste “t” de Student ⇒ Desenvolvido por W.S. Gosset (Student) em 1908 para compensar as diferenças existentes entre “µ” e “x” , além de levar em conta que “s” é simplesmente uma aproximação de σ � Intervalo de confiança da média (IC)⇒ para N réplicas N ts xIC ±= Graus de liberdade 80% 90% 95% 99% 99,9% 1 3,08 6,31 12,7 63,7 637 2 1,89 2,92 4,30 9,92 31,6 3 1,64 2,35 3,18 5,84 12,9 4 1,53 2,13 2,78 4,60 8,61 Valores de t para vários níveis de probabilidade Determinação do IC quando σσσσ não for conhecido 4 1,53 2,13 2,78 4,60 8,61 5 1,48 2,02 2,57 4,03 6,87 6 1,44 1,94 2,45 3,71 5,96 7 1,42 1,90 2,36 3,50 5,41 8 1,40 1,86 2,31 3,36 5,04 9 1,38 1,83 2,26 3,25 4,78 10 1,37 1,81 2,23 3,17 4,59 60 Lembre-se de que o número de graus de liberdade para pequenos conjuntos de dados é igual a N -1 e não N. Um químico obteve os seguintes dados para o teor alcoólico de uma amostra de sangue: Exemplo Replicatas % C2H5OH 1 0,084 2 0,089 3 0,079 61 Calcule o intervalo de confiança a 95% para a média considerando: (a) Que os três resultados obtidos são a única indicação da precisão do método Exemplo N ts xIC ±= %0050,0 13 3/)252,0(021218,0 021218,0006241,0007921,0007056,0 252,0079,0089,0084,0 2 2 = − − = =++= =++= ∑ ∑ s x x i i 62 N OHHCde N ts xIC 52%012,0084,03 0050,0*30,4084,0%)95( ±=±=±= (b) Considere que, a partir de experiências prévias com Exemplo (b) Considere que, a partir de experiências prévias com centenas de amostras, sabe-se o desvio padrão do método (s=0,005%) e que ele é uma boa estimativa de σ OHHCde N z xIC 52%006,0084,03 0050,0*96,1084,0%)95( ±=±=±= σ 63 Testes de hipóteses (significância) �Hipótese nula (H0) ⇒ cita que duas ou mais quantidades observadas são estatisticamente iguais, ou seja: µ = µ0 �Teste z para grandes amostras: 64 � Comparar a média de uma série de resultados com um valor de referência e exprimir o nível de confiança associado ao significado de comparação � Também usado para testar a diferença entre as médias de dois Teste T 65 conjuntos de resultados � Se tcalculado> ttabelado: � O valor encontrado difere significativamente do valor de referência. Nesse caso não se pode adotar a hipótese nula (H0) que há erro sistemático na análise Teste F - Comparação da Precisão � Muitas vezes torna-se necessário comparar as variâncias (ou desvios padrão) de duas populações. � O teste F, pode ser utilizado para avaliar essa 66 � O teste F, pode ser utilizado para avaliar essa consideração sob a condição de que as populações sigam uma distribuição normal (gaussiana). Teste F - Comparação da Precisão � O teste F, que é definido como a razão entre as duas variâncias das amostras (F = s12/ s22). 67 � O valor calculado de F é comparado com o valor crítico de F em um determinado nível de confiança. Teste F - Comparação da Precisão � Os valores críticos de F em um nível de significância de 0,05 são valores tabelados. � Observe que são fornecidos dois graus de liberdade, um 68 associado ao numerador e outro associado ao denominador. � A variância de um procedimento supostamente mais preciso é colocada no denominador e a variância do procedimento menos preciso é colocada no numerador. Teste F - Comparação da Precisão � Amaior variância sempre aparece no numerador. � O maior valor de s é sempre colocado no numerador, o que faz com que o valor de F seja sempre maior do que a 69 que faz com que o valor de F seja sempre maior do que a unidade. Teste F - Comparação da Precisão 70 Erros Grosseiros �Diferem dos erros indeterminado e determinado. �Ocorrem, normalmente, apenas de forma ocasional, são freqüentemente grandes e podem causar resultados tanto altos quanto baixos. �São, com freqüência, resultado de erros humanos. • Por exemplo, se uma parte de um precipitado for perdida antes da 71 pesagem, os resultados analíticos serão mais baixos. • Tocar um pesa-filtro com os dedos quando sua massa vazia já foi determinada fará a leitura da massa de um sólido pesado no frasco contaminado ser mais alta. � Levam à ocorrência de valores anômalos, resultados que diferem marcadamente de todos os outros dados de um conjunto de réplicas de medidas. Teste Q : Critério de rejeição de valores suspeitos para cálculo da média a um determinado nível de confiança : Rejeição de Valores – Teste Q 72 Critério: Se Qexp. ≥≥≥≥ Qcrítico (tabelado) para um número de resultados (n) de 3 a 10 , o valor suspeito deve ser rejeitado. Determinação do teor Hg (µg/L) na urina de garimpeiros 95% Rejeição de Valores – Teste Q Resultados, µg/L 78,24 73,37 75,61 73,08 74,42 Substituindo 78,24 por 85,20 no conjunto de dados. 95% Q95 = 0,710 Q95 = 0,710 Qexp = (|78,24 – 75,61|) / (|78,24 – 73,08|) Qexp = 0, 509 Média = 74,94 µg/L s = 2,09 Qexp = (|85,20 – 75,61|) / (|85,20 – 73,08|) Qexp = 0, 791 Média = 74,03 µg/L s = 1,08 73 Critério: Se Qexp. ≥≥≥≥ Qcrítico (tabelado) para um número de resultados (n) de 3 a 10 , o valor suspeito deve ser rejeitado. Determinação do teor Hg (µg/L) na urina de garimpeiros 95% Rejeição de Valores – Teste Q Resultados, µg/L 78,24 73,37 75,61 73,08 74,42 Substituindo 78,24 por 85,20 no conjunto de dados. 95% Q95 = 0,710 Q95 = 0,710 Qexp = (|78,24 – 75,61|) / (|78,24 – 73,08|) Qexp = 0, 509 Média = 74,94 µg/L s = 2,09 Qexp = (|85,20 – 75,61|) / (|85,20 – 73,08|) Qexp = 0, 791 Média = 74,03 µg/L s = 1,08 74 Em um experimento parase determinar o tempo gasto por um móvel para percorrer determinada distância, foram realizadas três leituras: Leitura 1 2 3 Erro relativo a) Qual o valor mais provável do tempo gasto? b) Qual o erro absoluto médio? c) Escreva corretamente o resultado; d) Qual o erro relativo da medida? Leitura 1 2 3 Valor (s) 5,67 5,58 5,61 75 5,62 s Ea = 0,03 5,62 ± 0,05 s Er= 0,53% 1) Os seguintes resultados foram obtidos para réplicas da determinação de chumbo em uma amostra de sangue: 0,752; 0,756; 0,752; 0,751 e 0,760 mg L-1 de Pb. Calcule: a) a média dos valores; Exemplo a) a média dos valores; b) a variância; c) o desvio padrão relativo; d) o coeficiente de variação. e) avalie os resultados em termos de precisão. 76 Respostas 1) Os seguintes resultados foram obtidos para réplicas da determinação de chumbo em uma amostra de sangue: 0,752; 0,756; 0,752; 0,751 e 0,760 mg L-1 de Pb. Calcule: a) média, x = 0,754 b) variância, s2 = 0,00001 Exemplo b) variância, s = 0,00001 c) o desvio padrão relativo, DPR = 0,005 d) o coeficiente de variação, CV = 0,500 e) os resultados são precisos, pois o conjunto de dados apresenta baixos valores para desvio padrão e variância. O teor de chumbo na amostra de sangue corresponde a 0,754 ± 0,004 mg L-1. 77