Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 UNIVERSIDADE FEDERAL DO PARÁ - UFPA CAMPUS UNIVERSITÁRIO DE BELÉM INSTITUTO DE TECNOLOGIA - ITEC FACULDADE DE ENGENHARIA QUÍMICA - FEQ FERRAMENTAS DE MATEMÁTICA APLICADAS NA QUÍMICA ANALÍTICA Belém - PA Fev/2021 2 MIGUEL FERNANDO SARAIVA MAIA FERRAMENTAS DE MATEMÁTICA APLICADAS NA QUÍMICA ANALÍTICA. Belém - PA Fev/2021 3 SUMÁRIO 1. INTRODUÇÃO……………………………………………………..4 2. ALGARISMOS SIGNIFICATIVOS………...…………………….5 3. ERRO DE UMA MEDIDA…………………………..…………….5 4. DESVIO………………..………..................................................6 5. EXATIDÃO E PRECISÃO………………………………………...6 6. TIPOS DE ERRO……………..…………………………………...6 6.1. ERROS INSTRUMENTAIS…………………………………...…7 6.2. ERROS DE MÉTODO………………………………………......7 6.3. ERROS PESSOAIS…………………………………………......7 6.4. ERROS INDETERMINADOS………………………………......7 7. LIMITE DE CONFIANÇA………….……………………….……..8 8. DISTRIBUIÇÃO GAUSSIANA…………………………….…...10 9. USO DE PLANILHAS……………..…………………………….10 10. INTERVALO DE CONFIANÇA………………………………….10 11. DESVIO PADRÃO………………………………………………..11 12.CONCLUSÃO……………………………………………………..11 13.REFERÊNCIAS BIBLIOGRÁFICAS…………………………...12 4 1. INTRODUÇÃO A química analítica é o ramo da química que atua na separação, análise, identificação e determinação qualitativa e quantitativa de uma amostra e seus componentes através do desenvolvimento de métodos e procedimentos para que essa determinação seja possível. Trata-se de uma ciência de medições que envolve um conjunto de métodos e procedimentos para a caracterização e identificação da quantidade de elementos e substâncias que estão presentes em uma amostra. Estas técnicas e métodos são utilizados na indústria, medicina,geologia, engenharia e em diversos outros segmentos. Neste trabalho serão abordadas as ferramentas matemáticas utilizadas nos processos de quantificação da química analítica. 5 2. ALGARISMOS SIGNIFICATIVOS De acordo com Baccan(1979), quando uma medida é feita busca-se manter os níveis de incerteza toleráveis e baixos, ao passo que se mantenha uma aceitável confiabilidade no resultado da medida. Os algarismos significativos são essenciais para a apresentação de uma medida obtida experimentalmente. Os algarismos significativos de um número são os dígitos que representam um resultado experimental de uma medida, sendo que apenas o último algarismo é tido como duvidoso, enquanto a quantidade de algarismos significativos representa a precisão da medida. Um exemplo de algarismo significativo seria um objeto de 21,123 g , sendo pesado em uma balança com incerteza de + 0,1 g o resultado da medição seria de 3 casas decimais, o algarismo significativo seria 21,1 g, na qual o algarismo duvidoso seria o da primeira casa decimal. É importante ressaltar que a quantidade de algarismos significativos independe da quantidade de casas decimais. Ainda de acordo com Baccan(1979), na subtração ou na adição de medidas o resultado da diferença ou da soma deve conter a mesma quantidade de casas decimais do componente com menor número de casas decimais. Analogamente, no produto ou na divisão de medidas o resultado deve conter o mesmo número de casas decimais do componente com menor número de casas decimais. 3. ERRO DE UMA MEDIDA Erro absoluto de uma medida é definido, segundo Vasconcelos(2019), como a diferença entre o valor de uma medida e o valor verdadeiro ou aceito, expresso por: E = Xi- Xv. onde: E = Erro absoluto. X = Valor de uma medida Xv = Valor verdadeiro ou aceito É geralmente escrito, em termos relativos, como: Er= E/Xv . 6 O erro relativo é adimensional e é comumente expresso em porcentagem, isto é, partes por cem, (E/Xv)*100, ou em partes por mil (E/Xv)*1000 (Baccan,1979) 4. DESVIO Segundo Vasconcelos(2019), O desvio absoluto de uma medida é um parâmetro que independe do valor verdadeiro. O desvio absoluto (d) de uma medida é também denominado erro aparente, definido matematicamente como: Já o desvio relativo (d r ) é comumente expresso em porcentagem ou em partes por mil. Ainda de acordo com Vasconcelos(2019), o desvio relativo é uma medida de precisão, ou seja, desvios relativos pequenos indicam boa precisão. 5. EXATIDÃO E PRECISÃO De acordo com Skoog(2006), a exatidão pode ser definida como a indicação da proximidade da medida do valor verdadeiro (ou aceito), sendo expressa pelo erro(absoluto ou relativo), ou seja, é a medida da concordância entre o valor aceito e o resultado. É válido destacar que, frequentemente a exatidão é mais difícil de ser determinada por conta de o valor verdadeiro ser geralmente desconhecido e por isso um valor aceito é usado comumente em seu lugar A precisão, no entanto, é o que descreve a concordância entre diversos resultados obtidos da mesma maneira,ou seja, está relacionada com a concordância entre si das medidas, isto é, quanto maior a diferença entre os valores, menor a precisão(Baccan,1979). 6. TIPOS DE ERRO 7 Os erros de uma medida podem ser classificados em dois tipos: Os erros sistemáticos ou determinados e os erros indeterminados. De acordo com Skoog(2006), os erros sistemáticos ou determinados podem ser divididos em 3 grupos, sendo esses: erros instrumentais; erros de método e erros pessoais. 6.1. ERROS INSTRUMENTAIS Segundo Skoog(2006),todos os instrumentos de medida estão sujeitos a potenciais erros instrumentais sistemáticos. Por exemplo, pipetas e frascos volumétricos podem dispensar quantidades com pequenas diferenças volumétricas das que deveriam de acordo com suas graduações por conta de deformações nas paredes dos recipientes quando submetidos a temperaturas diferentes das quais foram calibrados, outro exemplo são dispositivos eletrônicos que apresentam erros sistemáticos devido ao decréscimo da voltagem de suas baterias, entre outros. 6.2. ERROS DE MÉTODO O comportamento físico ou químico não ideal dos reagentes de uma solução ou as reações nos quais uma análise está baseada, comumente, causam erros de método sistemáticos.Isso inclui fatores como a instabilidade de algumas espécies químicas, a ocorrência de reações laterais, a lentidão de uma reação, entre outros. Os erros de método são comumente difíceis de serem encontrados e por esse motivo são os mais sérios entre os erros sistemáticos(Skoog,2006). 6.3. ERROS PESSOAIS Estes erros provêm do julgamento pessoal, uma fonte comum de erros pessoais é o pré-julgamento ou preconceito, ocorre quando o analista analisa e faz leituras de forma tendenciosa, o que o induz ao erro(Skoog,2006). 6.4. ERROS INDETERMINADOS Estes erros são percebidos por conta de pequenas variações nos resultados que ocorrem mesmo na ausência de erros determinados, são chamados de erros indeterminados e não podem ser localizados e corrigidos. No entanto, podem ser tratados estatisticamente o que permite saber qual o 8 valor mais provável. É admitido que esses erros seguem a lei da distribuição normal a distribuição de Gauss(Baccan,1979). 7. LIMITE DE CONFIANÇA De acordo com Vasconcelos(2019), é conveniente verificar o quanto o valor médio obtido experimentalmente aproxima-se da média da população, isto é, é importante conhecer a probabilidade de ocorrência dos desvios. Estatisticamente, essa constatação ocorre através da estimação intervalar que estabelece uma faixa de valores no qual um parâmetro populacional provavelmente estará.Consiste na determinação de um intervalo de confiança, no qual, com um grau de confiança, a média esteja situada. Os intervalos de confiança mais comumente usados são os de 95% e 99% de probabilidade.É comum em química analítica trabalhar-se com um número de medidas pequeno , ou seja, o desvio padrão é determinado a partir de n finito e a distribuição dos desvios da média não segue uma distribuição normal Admite-se, portanto, que os desvios seguem a chamada Lei de Distribuição t de Student. Assim, exprime-se o intervalo de confiança da média através do uso do parâmetro t. O teste t pode ser feito nos níveis de confiança de 95% significante e 99% altamente significante. Ainda de acordo com Vasconcelos(2019), em síntese, os limites de confiança da média são os intervalos ao redor de , nos quais está contida com um certo grau de confiança. Considerando-se o número de medidas, esses intervalos são dados pela função abaixo: Vasconcelos(2019) As tabelas a seguir, apresentam os valores dos parâmetros estatísticos z e t, respectivamente: 9 Vasconcelos(2019) Vasconcelos(2019) 10 8. DISTRIBUIÇÃO GAUSSIANA Segundo Skoog(2006), a distribuição gaussiana é uma distribuição teórica de resultados na forma de sino que é obtida a partir de medidas repetidas, que são afetadas por erros aleatórios. É comum a ocorrência de erros durante uma análise qualquer, isso causa incertezas ao resultado da medição. Portanto, qualquer medida é associada a um certo grau de incerteza, esse grau de incerteza é a probabilidade de que um resultado seja confiável, isto é, uma aceitável faixa de incerteza, é estabelecida estatisticamente. A confiabilidade de dados analíticos pode ser avaliada através de tratamentos estatísticos que podem ser aplicados para erros indeterminados que seguem a Lei de Distribuição de Gauss. Sabe-se que o objetivo de toda medida é encontrar-se o valor verdadeiro que corresponde na prática ao valor mais provável obtido pela aplicação das regras ou leis da probabilidade que fornecem a confiabilidade das medidas. As leis, traduzidas pela curva de distribuição gaussiana, estabelecem que: desvios grandes ocorrem raramente; desvios pequenos são altamente prováveis, ocorrendo com muita frequência; desvios positivos e desvios negativos são igualmente prováveis; o valor mais provável é dado pela média aritmética dos valores medidos. Essas leis ou regras só se aplicam somente em casos de grande número de amostras(Vasconcelos,2019). 9. USO DE PLANILHAS Na química analítica, e em diversas outras áreas da ciência, o uso de planilhas eletrônicas de cálculos proporcionam um meio de armazenagem, análise e organização de dados textuais e numéricos. O que na prática facilita tanto a organização quanto a divulgação, acesso e manipulação desses dados produzidos no laboratório, um exemplo desse tipo de programa é o Microsoft Excel(Skoog,2006). 10. INTERVALO DE CONFIANÇA Na maioria dos casos encontrados em análises químicas, o verdadeiro valor da média não pode ser determinado porque um grande número de medições (aproximadamente infinito) deve ser executado. Porém, com o auxílio de informações estatísticas, podemos estabelecer um intervalo em torno do valor médio determinado pelo experimento, no qual se espera conter a média geral com uma certa probabilidade. Esse intervalo é chamado de intervalo de confiança e esses limites são chamados de limites de confiança(Skoog,2006). 11 A amplitude do intervalo de confiança, que é calculado a partir do desvio padrão da amostra, depende de quão bem o desvio padrão da amostra estima o desvio padrão da população. Se for uma boa aproximação, o intervalo de confiança pode ser significativamente mais estreito do que se a estimativa se basear em apenas alguns valores medidos(Skoog,2006). 11. DESVIO PADRÃO Segundo Vasconcelo(2019), desvio padrão s é um parâmetro empregado para avaliar a precisão de uma medida, definido pela expressão matemática: Vasconcelos(2019) O desvio padrão s é superior em todos os casos que o desvio médio. Por levar em conta o quadrado dos desvios, é uma estimativa melhor da precisão que o desvio médio.A variância é dada pelo quadrado do desvio padrão, ou seja, s^2 .Em química analítica é comum expressar-se o desvio médio e o desvio padrão em termos relativos(Vasconcelos,2019). (Vasconcelos,2019) 12.CONCLUSÃO A química analítica fornece métodos para determinar quais elementos e substâncias estão presentes em uma determinada amostra e em quais quantidades ou proporções. Seu caráter interdisciplinar é um grande indicativo de sua importância, desse modo, é essencial para a aplicação da química analitica quantitativa, em qualquer área das ciências, a utilizaçãodos métodos matemáticos, seja porque o uso desses métodos implicam em um maior controle sobre o processo de análise, seja pela confiabilidade que a utilização dos métodos matemáticos agregam ao processo químico analitico. 12 13. REFERÊNCIAS BIBLIOGRÁFICAS Skoog, D.A.; West, D.M.; Holler F.J.; Crouch, S.R., Fundamentos de Química Analítica, Tradução da 8ª edição Norte-Americana, Thomson Learning, São Paulo, 2006 BACCAN, N.; ANDRADE, J.C.; GODINHO, O.E.S.; BARONE, J. S. Química Analítica Quantitativa Elementar. 3ª Edição, Editora Blücher, São Paulo, 2011. SKOOG, D. A.; WEST, D. M.; HOLLER, F.J.; CROUCH, S. R. Fundamentos de Química Analítica.9. Ed. Editora Cengage Learning, São Paulo, 2018. VASCONCELOS, N. M. S.; Fundamentos da Química Analítica Quantitativa. 2° Edição, Editora da Universidade Estadual do Ceará - EdUECE, Fortaleza, 2019.
Compartilhar