Baixe o app para aproveitar ainda mais
Prévia do material em texto
Química Analítica V – 2S 2012 Aula 3: 04Aula 3: 04--1212--1212 Estatística Aplicada à Química AnalíticaEstatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química Departamento de Química -- ICEICE rafael.arromba@ufjf.edu.brrafael.arromba@ufjf.edu.br Notas de aula: www.ufjf.br/baccan 1 Conceito de Conceito de PrecisãoPrecisão Dispersão de uma medida em relação à média Desvios das medidas (di) di = Xi di = Xi –– X X Então, o desvio para a medida de 19,219,2 mg/L de Fe, no caso do Exemplo 2Exemplo 2 é de --0,8 mg/L, pois a média das determinações foi de 20,0 mg/L. Exemplo 2Exemplo 2: : Calcular o Calcular o erro da concentração erro da concentração obtida para obtida para Fe em um efluenteFe em um efluente, , no qual a concentração verdadeira é de no qual a concentração verdadeira é de 19,8 19,8 mgmg/L /L e as concentrações e as concentrações encontradas por um analista foram de encontradas por um analista foram de 19,219,2; ; 19,619,6; ; 20,420,4 e e 20,820,8 mgmg/L./L. 2 “Para casa” C2C2-- A “falta de precisão” em uma ou mais medidas é uma razãoA “falta de precisão” em uma ou mais medidas é uma razão possível para a obtenção de resultados anômalos.possível para a obtenção de resultados anômalos. NumaNuma determinaçãodeterminação dede FeFe emem minériominério foramforam obtidosobtidos osos seguintesseguintes resultadosresultados:: 00,,34173417 g,g, 00,,33423342 gg ee 00,,34263426 gg.. CalculeCalcule aa médiamédia ee oo desviodesvio médiomédio ee determinedetermine sese algumalgum destesdestes dadosdados podempodem serser desprezadosdesprezados usandousando oo testeteste QQ comcom 9090%% dede confiançaconfiança.. (média= (média= 0,33950,3395 g; desvio médio= g; desvio médio= 0,00350,0035 g; g; sem valores rejeitadossem valores rejeitados)) 3 ���� Os desvios obtidos para uma medida são expressos como Desvio Médio (slide anterior) OU Estimativa* do desvio-padrão (S) S = Σ(xi – x ) 2 i=1 N N-1 N -1 = Conceito de PrecisãoConceito de Precisão N-1 N -1 = no de graus de liberdade �������� SS22 é chamado de é chamado de VariânciaVariância �������� SSR R é a Estimativa do desvio padrão relativo:é a Estimativa do desvio padrão relativo: SSRR = ( S / X ) x 100= ( S / X ) x 100 �������� SSRR também é chamado de também é chamado de coeficiente de variação coeficiente de variação (CV) (CV) (*) Normalmente existe um (*) Normalmente existe um valor limitado de medidasvalor limitado de medidas. Do contrário é . Do contrário é possível calcular o desviopossível calcular o desvio--padrão propriamente (padrão propriamente (δδ)) 4 Exemplo 3Exemplo 3:: Calcular a Calcular a estimativa do desvio padrão estimativa do desvio padrão e a estimativa do e a estimativa do desvio padrão relativo para as determinações de Fedesvio padrão relativo para as determinações de Fe ((19,219,2; ; 19,619,6; ; 20,420,4 e 20,8 mg/L)e 20,8 mg/L) consideradas no consideradas no Exemplo 2Exemplo 2.. X = X = 20,020,0 Xi Xi XiXi –– X ( Xi X ( Xi –– X )X )22 19,219,2 -- 0,8 0,640,8 0,64 S = S = 1,6 / 31,6 / 3 S = S = ±± 0,73 0,73 mgmg/L/L19,219,2 -- 0,8 0,640,8 0,64 19,619,6 -- 0,4 0,160,4 0,16 20,420,4 0,4 0,160,4 0,16 20,8 0,8 0,6420,8 0,8 0,64 1,61,6 S = S = ±± 0,73 0,73 mgmg/L/L SSRR = = ±± ( 0,73 / 20,0 ) x 100( 0,73 / 20,0 ) x 100 = = ±± 3,6 %3,6 % C C FeFe = ( = ( 19,3 19,3 –– 20,7 20,7 ) ) mgmg/L /L Não existe um valor absoluto para o resultado de uma análise... 5 RELAÇÃO ENTRE EXATIDÃO E PRECISÃORELAÇÃO ENTRE EXATIDÃO E PRECISÃO A Exatidão e a Precisão se relacionam de 3 formas principais: Método de análise C preciso preciso ee exato !exato ! B A preciso preciso masmas inexatoinexato impreciso e inexatoimpreciso e inexato Conc. do analitovalor verdadeiro 6 COMPARAÇÃO DE RESULTADOS Testes de HipótesesTestes de Hipóteses Precisão de dois Conjuntos de dados Exatidão de dois Conjuntos de dadosConjuntos de dados Conjuntos de dados 7 TesteTeste FF parapara compararcomparar conjuntosconjuntos de dadosde dados FF = SA2 SB2 �Comparar precisões (ou variâncias) de duas médias (A e B) “A” refere“A” refere--se à média com o maior desviose à média com o maior desvio S2 = Variância “Hipótese nula” : as precisões são semelhantes“Hipótese nula” : as precisões são semelhantes FFcalculadocalculado ≥≥ FFtabeladotabelado parapara 95 %de 95 %de confiançaconfiança ExisteExiste diferençadiferença significativasignificativa entre entre osos conjuntosconjuntos de dadosde dados FFcalculadocalculado < < FFcríticocrítico parapara 95 % de 95 % de confiançaconfiança NãoNão existeexiste diferençadiferença significativasignificativa entre entre osos conjuntosconjuntos de dadosde dados S2 = Variância 8 ((ExEx) Valores críticos para F ao nível de 5% (confiança de 95%)) Valores críticos para F ao nível de 5% (confiança de 95%) 3 4 5 6 12 20 3 4 5 6 12 20 NumerNumer.. 33 9,28 9,12 9,01 8,94 8,74 8,649,28 9,12 9,01 8,94 8,74 8,64 44 6,59 6,39 6,26 6,16 5,91 5,80 6,59 6,39 6,26 6,16 5,91 5,80 55 5,41 5,19 5,05 4,95 4,68 4,565,41 5,19 5,05 4,95 4,68 4,56 Graus Graus lib.lib. ValoresValores de Fde F tabeladotabelado �� Quando as precisões são comparáveisQuando as precisões são comparáveis, pode, pode--se também compararse também comparar as as médiasmédias (avaliar métodos novos ou alternativos): (avaliar métodos novos ou alternativos): Teste Teste tt, de , de StudentStudent 55 5,41 5,19 5,05 4,95 4,68 4,565,41 5,19 5,05 4,95 4,68 4,56 66 4,76 4,53 4,39 4,28 4,00 3,874,76 4,53 4,39 4,28 4,00 3,87 1212 3,49 3,26 3,11 3,00 2,69 2,543,49 3,26 3,11 3,00 2,69 2,54 2020 3,10 2,87 2,71 2,60 2,28 2,123,10 2,87 2,71 2,60 2,28 2,12 Denom.Denom. 9 Para “casa”Para “casa” C3- Comente sobre a diferença na precisão obtida nos laboratórios A e B para a determinaçãodeterminação dede MgMg em uma mesma amostra de leite considerando um nível de confiança de 95%. Dados:Dados: Lab. A : 34,97; 34,85; 34,94 e 34,88 mg L-1 e Lab. B : 35,02; 34,96; 34,99; 35,07 e 34,85 mg L-1. (Precisões semelhantes, comparáveis)(Precisões semelhantes, comparáveis) FOTO: http://saude.abril.com.br/edicoes/0292/nutricao/conteudo_261910.shtml, acessado 02-11-1210 “Entendendo” os erros“Entendendo” os erros Antes de “comparar médias”... TIPOSTIPOS: 1) SISTEMÁTICOS (rastreados e evitados) 2) ALEATÓRIOS 11 Erros de Método : surgem do comportamento químico ou físico não ideal de sistemas analiticos ExEx: : UsoUso de de indicadoresindicadores inadequadosinadequados, , nana titulaçãotitulação Erros Pessoais : resultam da falta de cuidado, Erros Sistemáticos ou Determinados ((PodemPodem ser ser conhecidosconhecidos e e rastreadosrastreados)) afetam a Erros Pessoais : resultam da falta de cuidado, falta de atenção ou limitações pessoais do analista ExEx: : ObservaçãoObservação de de meniscosmeniscos de de ângulosângulos incorretosincorretos Erros Instrumentais: causados pelo comportamento não ideal de um instrumento, por calibrações falhas ou pelo uso de condições inadequadas afetam a exatidão 12 �������� ParaPara detectar um erro sistemáticodetectar um erro sistemático •• Material certificado (CRM)Material certificado (CRM) CCertifiedertified RReferenceeference MMaterialaterial Erros Sistemáticos ou Determinados ((PodemPodem ser ser conhecidosconhecidos e e rastreadosrastreados)) CCertifiedertified RReferenceeference MMaterialaterial •• Método de adição e recuperação (fortificação)Método de adição e recuperação (fortificação) •• Método comparativoMétodo comparativo •• Testes Testes interlaboratoriaisinterlaboratoriais13 Uma vez que TUDO esteja adequado é “só” Uma vez que TUDO esteja adequado é “só” seguir o procedimento seguir o procedimento à risca à risca !! Erros Sistemáticos ou Determinados �� PodemPodem serser conhecidosconhecidos, , rastreadosrastreados e e evitadosevitados!! �� Item Item importanteimportante em em laboratórios credenciadoslaboratórios credenciados (Cumprimento do POP )(Cumprimento do POP ) Procedimento Operacional PadrãoProcedimento Operacional Padrão 14 Medidas flutuam aleatoriamente ao redor da médiaao redor da média Erros Indeterminados (aleatórios ou randômicos) �� NãoNão podempodem serser localizadoslocalizados afetam a precisãoprecisão Variam de acordo com uma distribuição normaldistribuição normal 15 ExEx de uma de uma Distribuição Normal Distribuição Normal (Calibração de uma pipeta)(Calibração de uma pipeta) 50 9.969 9.981 9.9939.9879.975 % d as % d as m ed id as m ed id as 30 10 Curva de GaussCurva de Gauss (Perfil da distribuição)(Perfil da distribuição) volume (mL)volume (mL) 9.969 9.971 9.981 9.983 9.993 9.995 9.987 9989 9.975 9.977 OBS: Transparência preparada a partir de material do OBS: Transparência preparada a partir de material do ProfProf Célio Célio PasquiniPasquini ((IQIQ--UnicampUnicamp) ) volume (mL)volume (mL) HistogramaHistograma mostrandomostrando a a distribuiçãodistribuição de 50 de 50 medidasmedidas do do volume volume escoadoescoado porpor umauma pipetapipeta de 10 de 10 mLmL 16 Característica de Característica de uma uma Distribuição NormalDistribuição Normal Karl F. Gauss Os resultados são alterados ora para Os resultados são alterados ora para menosmenos, ora para , ora para mais,mais, por erros que parecem se dar ao acaso (aleatórios), que é um por erros que parecem se dar ao acaso (aleatórios), que é um comportamento esperado e, por isso, “comportamento esperado e, por isso, “normalnormal” ” 17 Y = 1 σ √2π exp - 1 2 (Xi - µµ)2 σσ2 � Probabilidade de ocorrência de um resultado (Y) Distribuição Normal de Gauss µµ corresponde a corresponde a média da populaçãomédia da população (situação de várias medidas)(situação de várias medidas) OBS: Transparência preparada a partir de material do OBS: Transparência preparada a partir de material do ProfProf Célio Célio PasquiniPasquini ((IQIQ--UnicampUnicamp) ) �� Assim, podeAssim, pode--se calcular uma se calcular uma faixa para um resultado faixa para um resultado RR supondo que os desvios observados seguem uma distribuição normalsupondo que os desvios observados seguem uma distribuição normal 18 0,2 0,3 0,4 +1σ+2σ-2σ -1σ µ F re q u ên ci a re la ti v a ExpressãoExpressão de de resultadosresultados ee LimitesLimites de de confiançaconfiança dada médiamédia µ = x ± tt S √ N 0 0 0,1 0,2 + _ F re q u ên ci a re la ti v a Distribuição Normal de GaussDistribuição Normal de Gauss OBS: Transparência preparada a partir de material do OBS: Transparência preparada a partir de material do ProfProf Célio Célio PasquiniPasquini ((IQIQ--UnicampUnicamp) ) 19 Graus de liberdade 95% 99% 1 12,71 63,66 2 4,30 9,93 3 3,18 5,84 4 2,78 4,60 5 2,57 4,03 6 2,45 3,71 Valores críticos para Valores críticos para tt nos níveis de nos níveis de 9595 e e 9999%% (P=(P=0,0250,025 e e P=P=0,0050,005 na distribuição unilateralna distribuição unilateral)) 6 2,45 3,71 7 2,37 3,50 8 2,31 3,36 9 2,26 3,25 10 2,23 3,17 . . . . . . ∞∞∞∞ 1,96 2,58 �� Testes estatísticos são válidos quando os erros envolvidos são aleatóriosTestes estatísticos são válidos quando os erros envolvidos são aleatórios20 Quando as precisões são comparáveis, podeQuando as precisões são comparáveis, pode--se também se também comparar as médias: comparar as médias: Teste Teste tt, de , de StudentStudent �� Permite Permite avaliar métodos diferentes, p. avaliar métodos diferentes, p. exex SSpp corresponde a S “agrupado”corresponde a S “agrupado” nn é o número das medidasé o número das medidas x1 - x2 Sp t = n1 n2 n + n nn é o número das medidasé o número das medidas para cada médiapara cada média (n1-1) S12 + (n2 -1) S22 n1 + n2 - 2 Sp= SESE ttcalculadocalculado < < ttcríticocrítico parapara o o nívelnível de de confiançaconfiança desejadodesejado:: NãoNão existeexiste diferençadiferença significativasignificativa entre as entre as médiasmédias Sp n1 + n2 21 Limites de confiança da média ? Comparação de uma média com um valor de referência quando não se tem o desvio do valor de referência e não Se pode calcular Sp µ = x ± tt S √ N µ - x S √ Nt = √ N S √ Nt = 22 x1 - x2 Sp t = n1 n2 n1 + n2 ExemploExemplo 44:: Um indivíduo fez quatroquatro determinações de ferro em uma liga metálica, encontrando um valor médio de 31,40% m/m e uma estimativa do desvio padrão de 0,11% m/m. Qual o intervalo em que deve estar a média da população, com um grau de confiança de 9595%%? µ = ?µ = ? µ = 31,40 ± (3,18 x 0,11) / 4 µ = 31,40 ± 0,17� CC FeFe == ((3131,,2323 –– 3131,,5757)) %% m/mm/m µ = x ± tt S √ N √ 23 Tópicos Complementares - Propagação de erros - Regressão linear 24 PropagaçãoPropagação de de erroserros parapara um um resultadoresultado R: R: algunsalguns exemplosexemplos ((ErrosErros e e incertezsasincertezsas emem cadacada etapaetapa do do processoprocesso)) R = A + B – C (soma e sub.)(soma e sub.) EERR = E= EAA + E+ EBB -- EECC R = AB C EERR == EEAA EEBB EECC ++ -- Erros determinados: (multiplicação e divisão)(multiplicação e divisão) EERR = E= EAA + E+ EBB -- EECC SSRR == √ SSAA22 + S+ SBB22 + S+ SCC22 RR == AA BB CC ++ -- SSRR RR == ±± SSAA AA 22 SSBB BB 22 SSCC CC 22 Erros indeterminados (considera-se as incertezas): + + 25 CASO DE MÉTODOS INSTRUMENTAISCASO DE MÉTODOS INSTRUMENTAIS O TRATAMENTO ESTATÍSTICO INCLUE TAMBÉM:O TRATAMENTO ESTATÍSTICO INCLUE TAMBÉM: �������� Estimativa dos Limites de detecção e quantificaçãoEstimativa dos Limites de detecção e quantificação ���� Cálculos baseados na Estimativa do desvio padrão do branco para prever a detectabilidade do métododo branco para prever a detectabilidade do método � Regressão linearRegressão linear ���� Curva de calibração (ou analítica) Tipos: Tipos: -- univariadaunivariada (“convencional”)(“convencional”) -- multivariada (métodos multivariada (métodos quimiométricosquimiométricos)) 26 Para lembrar...Para lembrar... REGRESSÃO LINEAR REGRESSÃO LINEAR É a reta que melhor representa a relação entre a propriedade medida (Abs, p. ex) e a concentração dos padrões: A b so rb â n ci a PadrõesPadrões A b so rb â n ci a PadrõesPadrões AbsAbs= 48,3x + 0,24= 48,3x + 0,24 r= 0,9987 Concentração (mg L-1)00 11 A b so rb â n ci a BrancoBranco Concentração (mg L-1)00 11 A b so rb â n ci a BrancoBranco - O coeficiente de correlação (r) varia entre -1 e +1 - Quanto mais próximo da “unidade”, melhor é a correlação 27 REGRESSÃO LINEAR �� Uma Uma Curva analítica linear Curva analítica linear nem sempre é possívelnem sempre é possível e uma e uma RregressãoRregressão nãonão--linear pode ser usada desde que apresente “linear pode ser usada desde que apresente “boa boacorrelaçãocorrelação”” �� As As Regressões lineares são as mais usuaisRegressões lineares são as mais usuais e podem ser obtidas e podem ser obtidas por meio de por meio de softwaressoftwares, que usam o Método dos mínimos quadrados: , que usam o Método dos mínimos quadrados: Para Para y= y= axax + b+ b, com , com coefcoef. correlação “. correlação “rr”:”: n= nn= noo de pontos (xde pontos (x11;y;y11) da calibração) da calibração Para Para y= y= axax + b+ b, com , com coefcoef. correlação “. correlação “rr”:”: aa = ______________n Σx.y – Σx.Σy n Σx2 – (Σx)2 bb = y - x rr = _______________________________n Σxy – ΣxΣy { [nΣx2 – (Σx)2] [nΣy2 – (Σy)2] } 1/2 28 REGRESSÃO LINEAR “Para casa”“Para casa”:: ParaPara determinardeterminar quitinaquitina porpor fluorescênciafluorescência molecularmolecular utilizouutilizou--sese padrõespadrões dede quitinaquitina nasnas seguintesseguintes concentraçõesconcentrações:: 00,,1010;; 00,,2020;; 00,,3030 ee 00,,4040 µgµg mLmL--11 ee queque resultaramresultaram nosnos seguintesseguintes valoresvalores dede emissão,emissão, respectivamenterespectivamente:: 55,,2020;; 99,,9090;; 1515,,3030 ee 1919,,1010,, CpsCps sendosendo queque oo brancobranco gerougerou leituraleitura dede 00,,0000 CpsCps.. ConsiderandoConsiderando--sese queque umum coeficientecoeficiente dede correlaçãocorrelação linearlinear superiorsuperior aa 00,,9999 éé satisfatório,satisfatório, calculecalcule aacorrelaçãocorrelação linearlinear superiorsuperior aa 00,,9999 éé satisfatório,satisfatório, calculecalcule aa concentraçãoconcentração dede quitinaquitina dede umauma amostraamostra cujocujo sinalsinal analíticoanalítico foifoi dede 1616,,1010 CpsCps.. (r= 0,9987 e C quitina = 0,32 µg mL(r= 0,9987 e C quitina = 0,32 µg mL--11) ) Vide ex. 4.9 e 4.10 do “Vide ex. 4.9 e 4.10 do “VogelVogel –– Análise Química Quantitativa”, 6ª Ed.Análise Química Quantitativa”, 6ª Ed. 29
Compartilhar