Baixe o app para aproveitar ainda mais
Prévia do material em texto
Química Analítica Instrumental UNIJUÍ - UNIVERSIDADE REGIONAL DO NOROESTE DO ESTADO DO RIO GRANDE DO SUL DCVida – Departamento de Ciências da Vida Curso de Farmácia 1Prof. Alessandro Hermann Unidade 2: Erros em Medidas, Tratamento estatístico e Cartas Controle. Erros em Medições ✓ São definidos como a diferença existente entre um valor medido e um valor verdadeiro ou mais provável. ✓ Obs: embora as concentrações reais nunca possam ser exatamente conhecidas para a maioria das medições, é possível informar com bastante certeza o valor verdadeiro ou mais provável. ✓ Exemplos: materiais de referência certificados NIST, IRMM. 2 Erros em Medições ✓ Todas as medidas físicas possuem um certo grau de incerteza associado ao processo de medição. ✓ Todo valor numérico, que é o resultado de uma medida experimental, terá uma incerteza associada. É necessário conhecer e expressar o intervalo de confiabilidade do resultado. 3 Erros em Medições ✓ Não há como evitar incertezas em medições, mas é possível melhorar métodos e técnicas para minimizá- las. ✓ Os erros e incertezas são conhecidos e calculados por meio de tratamento estatístico dos dados experimentais, para que se obtenha o resultado analítico, ou seja, a informação desejada. 4 Erros em Medições ✓ Erros Determinados ou Sistemáticos. ✓ Podem ser medidos, corrigidos ou eliminados. ✓ Em geral, influenciam na exatidão de uma medida, pois afastam o valor medido do valor verdadeiro. ✓ Erros Indeterminados ou Aleatórios. ✓ Não são mensuráveis, são aleatórios e afetam a precisão das medidas. ✓ Em geral, seguem a distribuição gaussiana. 5 Erros em Medições ✓ Erros Pessoais e Operacionais. ✓ São erros que independem de propriedades físicas e químicas do sistema ou de equipamentos e reagentes químicos, mas dependem do conhecimento e da habilidade do analista. ✓ Exemplos: ✓ manter copo de béquer destampado durante as análises; ✓ não regular o nível da balança analítica; ✓ derramar soluções durante transferências; ✓ Ebulir, promovendo a projeção de volumes da amostra. 6 Erros em Medições ✓ Erros Instrumentais e de Reagentes. ✓ São erros determinados ocasionados pela inadequada operação do instrumento analítico (instalação, condições de uso, calibração etc.) e pureza dos reagentes químicos. ✓ Exemplos: ✓ Aparelhos como pipetas, buretas e balões volumétricos sem calibração ou com calibração vencida; ✓ Impurezas em reagentes podem comprometer a massa medida e adicionar interferentes. 7 Erros em Medições ✓ Erros de Método. ✓ A escolha do método deve ser cuidadosa e o procedimento deve ser rigorosamente observado. ✓ Exemplos: ✓ uso de indicador inadequado; ✓ aplicação do método a faixas de concentração inadequadas; ✓ uso de soluções-padrão para volumetria com concentração inadequada. 8 Erros em Medições ✓ Identificação de Erros em Medições. ✓ Utilização de amostras em branco, ou seja, que não contêm o analito a ser determinado, devem ser analisadas usando-se o método escolhido, em paralelo às amostras. ✓ Utilização de diferentes métodos analíticos para determinar uma mesmo analito em determinada amostra. A análise estatística dos dados deve reproduzir resultados equivalentes, do contrário, existem erros determinados. 9 Erros em Medições ✓ Identificação de Erros em Medições. ✓ Amostras de materiais de referência certificados (MRC) por institutos nacionais e internacionais devem ser analisadas utilizando-se o método escolhido. Este método deve reproduzir o valor certificado. (IPT – Instituto de Pesquisas Tecnológicas; NIST – National Institute of Standards and Technology). 10 Erros em Medições ✓ Identificação de Erros em Medições. ✓ Amostras idênticas do mesmo material podem ser analisadas por analistas diferentes em laboratórios diferentes, utilizando-se os mesmos métodos ou diferentes métodos, desde que validados e reconhecidos. Divergências de resultados além do erro aleatório esperado indicam erros sistemáticos. 11 Erros Indeterminados ✓ Considere que os erros determinados são conhecidos e estão corrigidos ou eliminados. ✓ Ainda assim, os resultados obtidos para repetidas medidas sofrerão flutuações devido aos erros indeterminados. ✓ São intrínsecos ao processo analítico e devem ser estimados por meio do tratamento estatístico de dados. 12 Erros Indeterminados ✓ Admite-se que os erros indeterminados seguem a Lei de Distribuição de Gauss ou Distribuição Normal. ✓ População: É o conjunto de todas as medidas de interesse. Corresponde a um número elevado de medidas. ✓ Amostra: É um subconjunto de medidas selecionadas a partir da população, escolhidas para se fazer estimativas sobre a população. É representativa da população e torna viável o experimento. 13 Erros Indeterminados ✓ Lei de Distribuição de Gauss: ✓ Se um experimento é repetido várias vezes, e se os erros são puramente aleatórios, então os resultados tendem a se agrupar simetricamente sobre o valor médio. ✓ Quanto mais vezes o experimento for repetido, mais perto os resultados se aproximam de um curva ideal chamada distribuição gaussiana 14 Erros Indeterminados ✓ Distribuição de Gauss: 15 Erros Indeterminados ✓ Lei de Distribuição de Gauss: ✓ Uma variável segue a lei de distribuição normal quando, em princípio, pode tornar todos dos valores de - a + , com probabilidades dadas pela equação: 16 2 2 ( )1 1 exp 22 − = − ixy ✓ Média da Amostra: ✓ Soma dos valores medidos dividida pelo número de medidas (n). ✓ Exemplo: Suponha que foram feitas quatro medidas: 821, 783, 834 e 855. Calcule a média aritmética . ✓ Média= (821 + 783+ 834+ 855)/4 = 823 17 Erros Indeterminados ✓ Estimativa do desvio padrão (Desvio padrão da amostra): ✓ Mede a proximidade dos dados agrupados em torno da média. Quanto menor o desvio padrão, mais perto os dados estarão agrupados em torno da média. ✓ Variância da amostra é o quadrado do desvio padrão da amostra, s2. 18 1 2 − − = n x i x s )( Erros Indeterminados ✓ Desvio Padrão da População: ✓ Mede a proximidade dos dados agrupados em torno da média. Quanto menor o desvio padrão, mais perto os dados estarão agrupados em torno da média. ✓ Variância da amostra é o quadrado do desvio padrão da população, s2. 19 n i x − = 2 )( Erros Indeterminados ✓ Desvio padrão relativo (RSD): ✓ Coeficiente de variação (RSD%): 20 x s sr = 100= x s CV Erros Indeterminados Exercícios 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; b) o desvio padrão para o conjunto de dados; c) a variância; d) o desvio padrão relativo; e) o coeficiente de variação. f) avalie os resultados em termos de precisão. 21 Intervalo de Confiança ✓ Com base nos conceitos da distribuição gaussiana, podemos estabelecer um intervalo ou faixa de valores ao redor da média determinada experimentalmente, no qual se espera que a média da população esteja contida, considerando certo grau de probabilidade. ✓ O intervalo de confiança (IC) para a média é a faixa de valores entre os quais se espera que a média da população esteja contida, considerando uma certa probabilidade. 22 = s X t N IC para a Nível de Confiança ✓ O nível de confiança é a probabilidade de que a média verdadeira esteja localizada em um certo intervalo. ✓ Esta certa probabilidade é chamada nível deconfiança, NC. ✓ Muitas vezes é expresso em termos porcentuais. 23 Teste t - student ✓ O teste estatístico t é muitas vezes chamado teste t de Student. ✓ Gosset foi contratado pela Cervejaria Guinness para analisar estatisticamente os resultados de determinações do conteúdo alcoólico em seus produtos. Como resultado desse trabalho, ele descobriu o agora famoso tratamento estatístico de pequenos conjuntos de dados. ✓ Para evitar a descoberta de qualquer segredo comercial de seu empregador, Gossett publicou o artigo sob o nome de Student. 24 Teste t - student 25 Exercício 1) Um analista obteve os resultados para o teor alcoólico em uma amostra de sangue, %C2H5O = 0,084; 0,089 e 0,079. Calcule o intervalo de confiança para a média, com nível de confiança de 95%, considerando que s = 0,005 %. a) X = 0,084 b) da tabela, t = 4,30 para dois graus de liberdade e nível de confiança de 95%. c) IC, 95% = 0,084 (4,30 X 0,005)/ 3 R: 0,084 0,012% 26 Exercício 27 Exemplo Teste t de Student para cálculos de IC. Um analista fez quatro determinações de ferro em uma certa amostra e encontrou um valor médio de 31,40 e uma estimativa de desvio-padrão, s, de 0,11% m/v. Qual o intervalo em que deve estar a média da população, com um nível de confiança de 95%? 28 a) Consultando a tabela t para N = 4 (três graus de liberdade) e 95 % de nível de confiança, t = 3,18. b) N s tX = = (31,40 0,17) % m/v ✓ A hipótese nula H0 :1 = 2 ✓ O valor crítico de t para N = 10 – 2, 8 graus de liberdade, em um nível de confiança de 95%, é 2,31. ✓ Como 1,771 < 2,31, aceitamos a hipótese nula em um nível de confiança de 95% e concluímos que não há diferença no teor médio dos vinhos, para as duas médias. 29 Teste t – Comparação de duas médias 𝑡 = ҧ𝑥1− ҧ𝑥2 𝑆𝑐𝑜𝑚𝑏 (𝑁1 + 𝑁2)/𝑁1. 𝑁2 Exercício Teste t para comparação entre duas médias Dois barris de vinho foram analisados quanto ao seu teor de álcool para se determinar se eles eram provenientes de fontes distintas. Com base em seis análises, o teor médio do primeiro barril foi estabelecido como 12,61% de etanol. Quatro análises do segundo barril forneceram uma média de 12,53% de álcool. As dez análises geraram um desvio padrão combinado scomb de 0,070%. Os dados indicam uma diferença entre os vinhos? 30 Teste t – Comparação de duas médias 31 Exemplo: Teste t para Comparação entre dois métodos. Um novo procedimento automático para a determinação de glicose em soro sanguíneo (método A) será comparado com o método estabelecido (método B). Ambos os métodos são realizados em amostras de sangue dos mesmos pacientes para eliminar variabilidades entre os pacientes. Os resultados que seguem confirmam uma diferença entre os dois métodos em um nível de confiança de 95%? 32 Teste t – Comparação de dois métodos 33 Teste t – Comparação de dois métodos Paciente1 Paciente2 Paciente3 Paciente4 Paciente5 Paciente6 Glicose pelo método A, mg/L 1.044 720 845 800 957 650 Glicose pelo método B, mg/L 1.028 711 820 795 935 639 Diferença, mg/L 16 9 25 5 22 11 A hipótese nula H0: µd = zero t = ҧ𝑑 − 0 ൗ 𝑠𝑑 𝑁 34 Teste t – Comparação de dois métodos ✓ É utilizado para comparar a precisão entre dois grupos de dados analíticos. ✓ Para tanto, estabelece uma razão entre as variâncias s2 de dois grupos de dados analíticos. ✓ Permite comparar a precisão de resultados obtidos por dois métodos analíticos diferentes. ✓ Baseia- se na hipótese nula de que as variâncias de duas populações ou amostras estatísticas sejam iguais. 35 Comparação da precisão – Teste F 36 Comparação da precisão – Teste F F = s1 2 / s2 2 (s1 2 > s2 2) Um método oficial usado para a determinação dos teores de monóxido de carbono, CO, em misturas gasosas possui desvio padrão de 0,21 mg L-1 de CO, obtido a partir de um número elevado de medidas. Um pesquisador propõe uma melhoria no método e encontro um desvio padrão de 0,15 mg L-1 de CO, para 12 graus de liberdade. Uma modificação posterior, também com 12 graus de liberdade apresenta um desvio padrão de 0,12 mg L-1 de CO. Os métodos modificados são estatisticamente mais precisos do que o método original? Os dois métodos modificados têm precisões equivalentes? 37 Comparação da precisão – Teste F 38 Comparação da precisão – Teste F Exercício - solução H0: s1 2 = s2 2 F = s1 2 / s2 2 a) F = (0,21)2 / (0,15)2 F = 1,96 1,96 < 2,30 * A hipótese nula é aceita, não há melhoria na precisão do método modificado em relação ao original. (s1 2 > s2 2) 39 Comparação da precisão – Teste F Exercício - solução F = s1 2 / s2 2 b) F = (0,21)2 / (0,12)2 F = 3,06 3,06 > 2,30 *Aqui a hipótese nula é rejeitada, a precisão do método modificado é estatisticamente melhor do que a do método original. (s1 > s2) 40 Comparação da precisão – Teste F 41 Comparação da precisão – Teste F Exercício - solução F = s1 2 / s2 2 c) F = (0,15)2 / (0,12)2 F = 1,56 1,56 < 2,69 *Aqui a hipótese nula é aceita, as precisões dos métodos modificados são estatisticamente equivalentes. (s1 > s2) 42 Comparação da precisão – Teste F Em que situação um dado analítico deve ser rejeitado? ✓ Somente quando o analista identificar algum problema evidente durante a realização da análise química, que resulte em perdas do analito. ✓ Em qualquer outra situação ou condição, a rejeição de um dado experimental deve ser decidida com base em testes estatísticos. ✓ O teste Q é uma ferramenta estatística para esse fim! 44 Rejeição de Dados – Teste Q 45 Rejeição de Dados – Teste Q Teste Q Q = valor suspeito – valor mais próximo maior valor – menor valor Se o valor de Q calculado for maior que o valor de Q tabelado, o dado pode ser rejeitado. Caso contrário, o dado será considerado estatisticamente válido. ✓ Teste Q - Exemplo ✓ Uma análise de latão, envolvendo dez determinações, resultou nos seguintes valores porcentuais de cobre: ✓ Cu, %(m/m): 15,4; 15,5; 15,3; 15,5; 15,7; 15,4; 15,0; 15,5, 15,6; 15,9. ✓ Determinar quais resultados podem ser rejeitados, considerando nível de confiança de 90%. 46 Exemplo 47 Exemplo a) Em primeiro lugar, ordenar os valores em ordem crescente: 15,0 15,3 15,4 15,4 15,5 15,5 15,5 15,6 15,7 15,9 Menor valor Maior valor 48 Calcular o valor de Q Q = valor suspeito – valor mais próximo maior valor – menor valor Qc = 15,0 – 15,3 Qc = 0,3 Qc = 0,333 15,9 – 15,0 0,9 Rejeição de Dados – Teste Q 49 Rejeição de Dados – Teste Q Comparar com o valor Q tabelado, 90% de confiança. Algarismos Significativos ✓ Os algarismos de um número que são necessários para expressar a precisão da medida são denominados algarismos significativos. ✓ São os dígitos que representam uma medida experimental e que possuem significado físico, sendo que o último algarismo é duvidoso. ✓ O número de algarismo significativos expressa a precisão de uma medida. 50 Algarismos Significativos ✓ Exemplo: ✓ Medida de massa em balança analítica que possui quatro casas decimais. ✓ Considere a massa medida igual a 2,1546 g. ✓ Este resultado nos informa que a massa da amostra é maior do que 2,1545 g e menor do que 2,1547 g. ✓ *Precisão em décimo de miligrama! ✓ ** Incorreto expressar o resultado como: ✓ 2,15 g, pois informa precisão menor! ✓ 2,15460 g, pois informa precisãomaior! 51 Algarismos Significativos 52 Algarismos Significativos ✓ Quantos algarismo significativos temos? ✓ 24,95 mL possui QUATRO algarismos significativos ✓ 6,450 g possui QUATRO algarismos significativos ✓ 1,1215 g possui CINCO algarismos significativos ✓ 0,0108 g possui apenas TRÊS algarismos significativos porque os zeros à esquerda servem apenas para indicar a posição da casa decimal! ✓ * Este número pode ser expresso como 1,08 x 10-2 g. ✓ 0,0025 kg possui apenas DOIS algarismos significativos, pois pode ser facilmente expresso como 2,5 g ou 2,5 x 10-3 kg. 53 Algarismos Significativos ✓ Algarismo zero: ✓ Zero não é significativo quando serve apenas para localizar o ponto decimal zeros à esquerda!!! ✓ 0,0670 quantos A.S.? ✓ b) Zero é significativo quando: ✓ Encontra-se entre dois algarismos: 1,203 g. ✓ Encontra-se no final do número, à direita: 15,20 mL. 54 Algarismos Significativos ✓ Um zero é significativo quando está entre dígitos não-zeros. 55 401 3 Algarismos Significativos Algarismos Significativos ✓ Um zero é significativo no fim de um número que inclui uma vírgula decimal. 56 5 Algarismos Significativos 000,55 5 Algarismos Significativos 0391,2 Algarismos Significativos ✓ Um zero não é significativo quando está no final de um número sem vírgula decimal. 57 2 Algarismos Significativos 00025 4 Algarismos Significativos 01786 Algarismos Significativos ✓ Exercícios: ✓ 1,427 x 102 ✓ 1,4270 x 102 (significa que o dígito zero após o 7 é conhecido) ✓ 6,302 x 10-6 pode ser escrito como 0,000006302 ✓ 9,00 ✓ 1,0 ✓ 0,01 pode ser escrito como 1 x 102 58 Arredondamento de Dados ✓ Para que um resultado analítico seja expresso com número adequado de algarismos significativos, é comum ser necessário realizar o arredondamento do número. ✓ IMPORTANTE: o arredondamento deve ser feito somente no resultado final. Não deve ser aplicado a cálculos e resultados parciais, pois acarreta erros de arredondamentos. 59 Arredondamento de Dados ✓ 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: ✓ Adicionar uma unidade ao algarismo anterior. ✓ Exemplo: 44,8 será adicionado para 45. 60 Arredondamento de Dados ✓ 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. 61 Arredondamento de Dados ✓ Exercício: ✓ A) 9,47 ✓ B) 9,43 ✓ C) 9,55 ✓ D) 0,625 62 ✓ E) 0,635 ✓ F) 12,5 ✓ G) 7,5 ✓ H) 26,95 ✓ I) 2,339 FUNÇÃO DO INSTRUMENTO Traduzir a composição química em uma informação diretamente observável pelo operador. Os instrumentos transformam um sinal analítico que usualmente não é diretamente detectável ou entendido pelo ser humano em um sinal que pode ser medido. O instrumento atua direta ou indiretamente como um COMPARADOR, no sentido de que se avalia a amostra desconhecida em relação a um padrão. FUNÇÃO DO ANALISTA Ter conhecimento do que está realmente medindo! Cartas Controle ✓ É um gráfico sequencial com algum critério de qualidade. Mostra os limites estatísticos de variações que são permitidos, para os valores obtidos experimentalmente. ✓ Limite de controle superior (LCS ou LSC) ✓ Limite de controle inferior (LCI ou LIC) 64 Cartas Controle ✓ Limite superior de 95% : + 2 s → LSA (Limite superior de Alerta); ✓ Limite superior de 99% : + 3 s → LSC (Limite superior de Controle); ✓ Limite inferior de 95% : - 2 s → LIA (Limite inferior de Alerta); ✓ Limite inferior de 99% : - 3 s → LIC (Limite inferior de controle). 65 Cartas Controle 66 Cartas Controle 67
Compartilhar