Baixe o app para aproveitar ainda mais
Prévia do material em texto
Erros em Análises Químicas 1 Livro Fundamentos de Química Analítica (Skoog): capítulo 5 Aula 1 • “Pedro Solberg sofreu muito antes de poder comemorar sua medalha de bronze no último campeonato mundial de vôlei de praia na Holanda, ao lado de seu parceiro Evandro. Suspenso pela Federação Internacional de Vôlei (FIVB) por suposto uso do esteroide androstane, usado para ganho de massa muscular, ele foi inocentado pela entidade depois de outro exame apontar resultado negativo. Já recuperado, Solberg se prepara para disputar os Jogos Olímpicos, mas fala com o Esporte Espetacular e ainda lamenta a falsa acusação que durante muito tempo pesou sobre seus ombros. ” Globo Esporte 2 http://globoesporte.globo.com/atleta/pedro-solberg.html http://www.globo.com/ee • As medidas invariavelmente envolvem erros e incertezas 3 Apenas alguns deles ocorrem devido a equívocos cometidos pelos analistas. ErrosPadronizações ou calibrações malfeitas Variações aleatórias e incertezas nos resultados Como minimizar???? Calibrações frequentes, padronizações e análises de amostras conhecidas podem ser usadas para minimizar todos esses fatores, exceto os erros e incertezas aleatórios Efeito de erros em dados analíticos Exemplo 1: Seis porções iguais de uma solução aquosa contendo uma concentração conhecida de 20,00 ppm de ferro (III) foram analisadas exatamente da mesma forma. Resultado 4 Média Dispersão dos dados 19,4 ppm 20,3 ppm Toda medida é influenciada por muitas incertezas; As medidas nas incertezas nunca podem ser completamente eliminadas A magnitude provável do erro envolvido em uma medida pode ser frequentemente avaliada Experimentos planejados para revelar a presença de erros podem ser realizados - Análise de padrões de composição conhecidos - Calibração de equipamentos - Aplicação de testes estatísticos aos dados 5 Alguns termos importantes Média Mediana : é o resultado central quando as replicatas de dados são organizadas de acordo com uma sequência crescente ou decrescente Para a determinação de ferro do exemplo 1 tem-se: Média = = 19,4 +19,5 +19,6 + 19,8 + 20,1 + 20,3 6 = 19,78 ≈ 19,8 ppm de Fe Mediana = 19,6 + 19,8 2 = 19,7 ppm de Fe 6 Em experimentos feitos em réplicas (replicatas) é comum expressar o resultado como a média das réplicas Precisão: é a proximidade dos resultados em relação aos demais obtidos exatamente da mesma forma Termos empregados para descrever a precisão de um conjunto de dados de uma amostra: - Desvio-padrão da amostra: - - Desvio-padrão relativo da amostra: - Variância: - Coeficiente de variação: 7 s2 CV = 𝑠 . x 100 % n–1: grau de liberdade do sistema sr = 𝑠 . Exemplo: Suponha que são efetuadas quatro medidas: 821, 783, 834 e 855. Calcule a média aritmética, o desvio-padrão e o coeficiente de variação. Exatidão: indica a proximidade da medida do valor verdadeiro, ou aceito, e é expressa em termos do erro relativo ou absoluto - Erro absoluto: - Erro relativo porcentual: 8 E = xi - xv Onde xi é o valor medido xv é o valor verdadeiro Er = 𝑥 𝑖 − 𝑥 𝑣 𝑥 𝑣 x 100 % Exatidão e Precisão 9 Baixa precisão Baixa exatidão Alta precisão Baixa exatidão Baixa precisão Alta exatidão Alta precisão Alta exatidão Tipos de erros Erro aleatório ou indeterminado: faz que os dados se distribuam de forma mais ou menos simétrica Erro sistemático ou determinado: faz que a média de um conjunto de dados seja diferente do valor aceito Erro grosseiro: normalmente são resultados de erros humanos e levam à ocorrência de resultados marcadamente de todos os outros dados (valores anômalos) 10 Em geral, afetam a precisão Em geral, afetam a exatidão Toda medida possui alguma incerteza que é chamada de erro experimental. Exemplo: Determinação de nitrogênio em dois compostos 11 Erro aleatório: são mais significativos para o analista 2 e analista 4 Erro sistemático: são mais significativos para o analista 3 e analista 4 Erros sistemáticos Possuem um valor definido e uma causa identificável e são da mesma ordem de grandeza para réplicas de medidas realizadas de maneira semelhante. Existem três fontes de erros sistemáticos: - Erros instrumentais: causados pelo não comportamento ideal de um instrumento, por calibrações inadequadas ou pelo uso de condições inadequadas Exemplos: • decréscimo de voltagem da bateria de um instrumento devido ao uso • pipetas, buretas e frascos volumétricos descalibrados 12 - Erros de método: causados pelo comportamento químico ou físico não ideal de reagentes e de reações Exemplos: • Lentidão de uma reação • Reações incompletas • Ocorrência de reações laterais - Erros pessoais: causados de devido a demanda de julgamentos pessoais Exemplos: • Uma pessoa pode estimar a posição de um ponteiro de maneira consistentemente mais alta. • Um analista que é insensível a mudanças de cor tende a usar excesso de reagente em uma análise volumétrica • Tendência de estimar leituras de escalas na direção da melhoria da precisão em um conjunto de resultados 13 Detecção e correção de erros sistemáticos instrumentais e pessoais: • Alguns erros sistemáticos instrumentais podem ser determinados e corrigidos pela calibração periódica. • A maioria dos erros pessoais pode ser minimizada por meio de cuidado e disciplina • Os erros devido a limitações do analista podem ser evitados pela escolha cuidadosa do método analítico. Detecção e correção de erros sistemáticos de método • Análise de amostras padrão (materiais de referência padrão) • Uso de um segundo método analítico independente e confiável • A análise de branco para correções das medidas feitas com a amostra 14 Erros Aleatórios Todas as medidas contém erros aleatórios Os erros aleatórios são provocados por muitas variáveis incontroláveis Exemplo: Na calibração de uma pipeta uma variação no volume obtido é observada Algumas fontes de incerteza: - Flutuações na temperatura que afeta a viscosidade do líquido e o desempenho da balança - Vibrações e correntes de ar que causam pequenas variações na leitura da balança - Variações no tempo de escoamento do líquido e no ângulo da pipeta 15 16 • Considerando uma situação na qual apenas quatro erros aleatórios se combinem para gerar um erro global 17 18 quatro incertezas aleatórias dez incertezas aleatórias número grande de erros individuais: os resultados tendem a se agrupar simetricamente em torno de um valor médio Esta curva é denominada curva gaussiana ou curva normal de erro Tratamento estatístico de erros aleatórios • O termo estatística refere-se à estimativa de um parâmetro que é feita a partir de uma amostra de dados • A média da amostra e seu desvio padrão são exemplos de estatísticas que estimam os parâmetros μ e σ 19 μ = média da população σ = desvio padrão da população Equação de uma curva gaussiana Média da população: μ Desvio padrão da população: σ • O desvio padrão da população é uma medida da precisão de uma população 20 As duas populações de dados representadas nas curvas A e B diferem apenas em seus desvios A precisão do conjunto de dados que gera a curva A é melhor que de B As leis da estatística têm sido desenvolvidas para as populações; Muitas vezes essas leis precisam ser substancialmente modificadas quando aplicadas a pequenas amostras, uma vez que poucos dados não representam a população inteira Diferença entre população e amostra • População: é a coleção de todas as medidas de interesse • Amostra: é o subconjunto de medidas selecionadas a partir da população 21 Exemplo: Análise de cálcio em uma amostra de caixa d’água • Análise populacional: análise de toda a água presente na caixa • Análise amostral: análise de alíquotas de água retirada da caixa d’água • Em muitos casos encontrados na química analítica, a população é conceitual 22 Amostra Exemplo: Na análise de glicose no sangue somente uma parte do sangue é analisada. • Nestes casos, características da populaçãosão inferidas a partir da amostra 23 Média da população: μ Média da amostra: Desvio padrão da população: σ Desvio-padrão da amostra: s Na maioria dos casos não conhecemos μ e o seu valor é inferido a partir de Os valores de e s aproximam-se de μ e σ com o aumento do número de medidas, se não houver erro sistemático. Desvio padrão a partir de resultados calculados • Muitas vezes é preciso estimar o desvio padrão de um resultado que tenha sido calculado a partir de dois ou mais dados experimentais, cada qual com um desvio padrão da amostra conhecida A maneira pela qual essas estimativas são feitas depende do tipo de cálculo: Soma ou subtração: Multiplicação ou divisão: 24 Exemplo Desvio padrão de y Exemplos Soma ou subtração O volume transferido por uma bureta é a diferença entre a leitura final e a leitura inicial. Se o desvio-padrão em cada leitura é ±0,02, qual é desvio padrão do volume transferido, considerando a leitura inicial de 0,05 ±0,02 mL e a final de 17,88 ±0,02? Subtração: 17,88 – 0,05 = 17,83 mL Desvio-padrão: Sy = 0,02 2 + 0,022 = 0,028 Resposta: 17,83 (± 0,03) 25 • Multiplicação ou divisão A massa de NaCl pesada (0,6580 ± 0,0003) g foi dissolvida em água e transferida para um balão volumétrico de 100,00 mL, que teve seu volume completado com água. Adotando o desvio padrão da aferição do balão de 0,08 mL, calcule a concentração de NaCl (g/mL) C = 0,6580𝑔 100𝑚𝐿 𝑠 6,580𝑥10−3 = 0,0003 0,6580 2 + 0,08 100 2 = 9,20798x10-4 S = 9,20798x10-4 x 6,580𝑥10−3 = 0,000006 26 Resposta: 0,006580 (±0,000006) Apresentação dos resultados calculados Um resultado numérico não tem qualquer utilidade para os usuário dos dados, a menos que eles saibam alguma coisa sobre sua qualidade Formas de indicar a confiabilidade dos dados: • Intervalo de confiança (umas das melhores maneiras) • Desvio-padrão absoluto ou o coeficiente de variação dos dados • Algarismos significativos (menos satisfatório, porém mais comum) 27 Algarismos Significativos • Muitas vezes indicamos a provável incerteza associada a uma medida experimental pelos algarismos significativos Algarismos significativos: são todos os dígitos de um número conhecidos como certos mais o primeiro dígito incerto. Exemplo 28 Como saber a quantidade de algarismos significativos??? 1,25 = 3 algarismos significativos 4,8976 = 5 algarismos significativos O zero é considerado um algarismos significativo? 4,90 = ? 3,081 = ? 0,0056 = ? 29 • 4,90 = 3 algarismos significativos • 3,081 = 4 algarismos significativos • 0,0056 = 2 algarismos significativos Algarismos significativos em cálculos numéricos • Soma e subtração A quantidade de casas decimais é considerada para expressar o resultado Exemplo: • Multiplicação e divisão A quantidade de algarismos significativos é considerada para expressar o resultado Exemplo: 30 Regra real para algarismos significativos O primeiro algarismo da incerteza absoluta é o último algarismo significativo na resposta Exemplo 1: 0,002364 ± 0,000003 0,02500 ± 0,00005 = 0,09456 (±?) = 0,0946 (± 0,0002) Exemplo 2: 0,821±0,002 0,803±0,002 = 1,022 ± 0,004 É especialmente importante postergar o arredondamento até que o cálculo seja completado para evitar erros de arredondamento! 31
Compartilhar