Instituto Tecnolgico de Pachuca Anlisis Instrumental 1.5 Calibracin de los mtodos instrumentales 1.6 Curvas de Calibracin Ing. Ma.

Juana Arriaga Gmez Enero Junio 2013

ngeles Franco Linda Roslin Alvarado Snchez Yuritzin Esperanza Arteaga Ortiz Ana Andrea Vargas Ledezma Aldo Francisco Vizueto Cruz Mara Monserrat

Anlisis qumico

Medicin DIRECTA

Medicin INDIRECTA

Medicin directa ( como la masa, el volumen y el voltaje) rara vez proporciona medida del contenido. Las concentraciones qumicas se hallan a travs de mediciones indirectas con calibraciones.

Calibracin

En el contexto del anlisis qumico calibrar significa:

Determinar la relacin entre la concentracin del analito y la respuesta tcnica de la medida.

Casi todos los mtodos analtico requieren algn tipo de calibracin segn normas qumicas. Los mtodos gravimtricos y algunos mtodos coulombimetricos estn entre pocos mtodos absolutos que no se basan en la calibracin de acuerdo con normas qumicas.

Curvas de Calibracin
Qu son?
Grficos que muestran la respuesta de un mtodo analtico (seal) en funcin de cantidades conocidas de analito (concentraciones).

Mtodos de Calibrado
Calibrado directo Adicin patrn Patrn interno

Calibrado directo
Adicin Patrn

Se obtiene la funcin analtica midiendo los patrones y calculando la concentracin de analito por interpolacin.

Adicin a una muestra de cantidades crecientes de patrn y clculo de la concentracin de analito por extrapolacin

Patrn interno

Similar al calibrado directo, pero aadiendo una cantidad conocida de patrn interno

Calibrado Directo

Tipos de Disoluciones

Patrn o Estndar

Contiene cantidades conocidas de analito

Blanco

Contiene todos los reactivos y disolventes usados en el anlisis (matriz), pero sin el analito Mide la respuesta del procedimiento analtico a las impurezas o interferencias que existan en los reactivos

Construccin de una curva

Mtodo adicin Estndar

Mtodo de Adicin patrones internos

Cantidad conocida de un compuesto (diferente al analito) que se aade a la muestra desconocida
Cundo se utiliza? 1. La seal del analito varia en un experimento y otro 2. Hay perdidas de la muestra durante su preparacin.

Estndares
Son sustancias puras, mezclas, disoluciones, gases o materiales como aleaciones o sustancias biolgicas que se usan para calibrar o validar toda o parte de la metodologa de un anlisis qumico Se utilizan para para determinar factores de recuperacin y para la etapa de calibracin

Tipos de Estndares

Externos

Calibracin externa

Estndares
Internos

Los que utilizan estndares externos

Analiza separadamente de la rplica desconocida que se est ensayando. Contiene distintas concentraciones conocidas de analito ,junto a la matriz que es similar o idntica a la de la muestra

Clasificacin de los mtodos de calibracin

Los que utilizan estndares aadidos a la muestra . Las dos requieren aadir una cantidad conocida de estndar a cada muestra que se analiza

La tcnica del estndar interno : requiere adcionar el patrn a la muestra as como la disolucin blanco

Adicion estndar :son cantidades fijas de analito que se aade a cada muestra despus de una medida inicial ;la medida se vuelve a reralizar despus de cada adicin.

Puntos sospechosos y limites de confianza

Si un conjunto de datos contiene un valor que apreciablemente es distinto de todos los dems, hay una gran posibilidad de que este equivocado, y que sea el resultado de un error grande. Por otra parte, naturalmente existe la posibilidad de que el valor dudoso sea valido en realidad y simplemente sea inesperado; en este caso puede ser que la precisin del procedimiento analtico sea menor que la esperada. Desafortunadamente no hay un mtodo garantizado para rechazar o conservar los valores de datos individuales. Sin embargo, existen varias pruebas estadsticas para rechazar valores dudosos de datos, que permiten calcular limites de confianza para rechazar valores. Cada mtodo tiene en cuenta la dispersin de todo el conjunto de datos.

La Prueba Q
Si se sospecha que existe un punto dudoso, la prueba Q permite calcular un cociente Qexp, y compararlo con una tabla, para decidir si se debe rechazar o conservar el valor. La prueba no produce un resultado definido, pero da alguna idea de la confianza que se puede asociar al rechazar un valor de dato. Qexp se calcula con la ecuacin:

Donde xq representa al valor dudoso, xn es el valor vecino mas cercano, xh es el dato con valor maximo y x1 es el dato con el valor mnimo. Entonces, (xq-xn) representa la diferencia entre el punto dudoso y su vecino mas cercano, y (xh-x1) representa la dispersin o intervalo de los valores de datos.

Habiendo calculado el valor de Qexp debemos compararlo con los valores de la tabla que correspondan a la cantidad de datos replicados que se midieron. Si Qexp < los valores de la tabla, no se pueden rechazar los datos con la certeza indicada en esta tabla. Si Qexp > un valor de Q que aparezca en la tabla, se puede rechazar ese valor.

Desviacin estndar muestral

La desviacin estndar muestral, s, describe la dispersin de los datos respecto al punto medio de sus valores, para un conjunto de mediciones replicadas. La desviacin estndar muestral de un conjunto de datos se define con la ecuacion siguiente y se usa para calcularla con un conjunto de 10 valores de datos o menos:

La Prueba T
Otra prueba para evaluar si se debe rechazar un punto dudoso es la prueba Tn o solamente prueba T. De nuevo se calcula un parmetro, que en este caso se representa por Tn:

Donde xq es el valor dudoso en cuestin, xn es la media de los datos y s es la desviacin estndar de los datos. En este caso, el valor de Tn tambin se compara con una tabla estndar de la prueba T, para la cantidad adecuada de medidas replicadas.

Limite de Confianza
Los limites de confianza definen un intervalo de valores a cada lado de la media calculada, que describe la probabilidad de encontrar all la media verdadera. Los limites de confianza para un conjunto de datos se definen con la ecuacin:

Donde x es el promedio, s es la desviacin estndar de la muestra, N es el tamao de la muestra y t es la distribucin t que se ve en la tabla. La figura muestra como se distribuye la poblacin de datos en torno a un valor medio y la probabilidad de encontrar e promedio verdadero dentro de un conjunto de lmites de confianza en torno a los valores

Procedimiento de ajuste por mnimos cuadrados, para curvas de calibracin

Muchos procedimientos analticos utilizan mediciones instrumentales de un parmetro fsico que es directamente proporcional a la concentracin de la analita. Se prepara una serie de soluciones de concentracin conocida y se mide la respuesta del instrumento para cada una de estas soluciones estndar. Luego la respuesta se grafica contra la concentracin para obtener una curva estndar o curva de calibracin. En muchos casos existe una relacin lineal , es decir, la grafica es una lnea recta.

Sin embargo, los puntos experimentales rara vez caen exactamente sobre la lnea recta debido a los errores indeterminados en las lecturas del instrumento. El problema es trazar la mejor lnea recta a travs de los puntos, para as minimizar el error al determinar la concentracin de una muestra desconocida utilizando la curva de calibracin. Por fortuna, la estadstica provee una relacin matemtica que se le llama anlisis de regresin y cuando se le aplica a la relacin en lnea recta, se le llama mtodo de mnimos cuadrados. Al utilizar la curva de calibracin, no solo se puede determinar la mejor lnea recta, sino que tambin se pueden especificar las inexactitudes.

Ilustraremos el mtodo aplicndolo a un caso simple; En esta figura los nmeros en el eje de las x representan la concentracin de las soluciones estndar y los nmeros en el eje de las y representan la respuesta del instrumento. Una suposicin que se hace es que la relacin es lineal, y escribimos la ecuacin para una lnea recta como:

Donde m es la pendiente y b la ordenada al origen.

La tabla contiene no solo los valores de x y y que estn en la grafica, sino tambin los valores de x2, y2, xy y de la suma de todos estos trminos. La cantidad C se define por conveniencia para presentar formulas subsecuentes. El termino n es el numero de puntos obtenidos de los datos y en este ejemplo son 5.

La estadstica proporciona las siguientes ecuaciones para la pendiente y la ordenada de origen:

En consecuencia, la ecuacin para nuestra lnea es:

Coeficientes de Correlacin
Ya hemos visto que la precisin de mediciones replicadas se puede evaluar calculando valore de desviacin estndar. En forma parecida, los datos que deben corresponder a una grafica de calibracin de lnea recta se pueden evaluar en trminos de un coeficiente de correlacin, que describe lo cerca que el conjunto de datos esta de una lnea recta perfecta. El coeficiente de correlacin de Pearson (r) se usa con mas frecuencia y tiene valores que van de 0 a 1. Un valor de 1 corresponde a cada valor para cada dato, cae en una lnea recta perfecta; un valor de 0 quiere decir que no hay correlacin alguna entre los valores.

El coeficiente de correlacin de Pearson, r, se calcula con la ecuacin:

En la practica, muchos datos determinados experimentalmente producen valores de r > 0.9, y en consecuencia es muy comn citar a r2. Mientras mas cerca esta r de 1, r2 quedara mas cerca de 1. En contraste, a medida que r se aparta de 1, r2 disminuir alejndose del cuadrado de r.

Sistemas de control y aseguramiento de calidad

Con frecuencia hay mucha confusin entre control de calidad y aseguramiento de calidad, asi en la practica se usan con frecuencia indistintamente, y por consiguiente de manera incorrecta. Control de calidad significa solo la regulacion de la calidad y el mecanismo con el que se alcanza. Puede ser, por ejemplo, rechazar ciertos analisis (puede hacerse con las pruebas Q o Tn) y usar medidas replicadas. Sin embargo, el aseguramiento de calidad abarca un concepto diferente.

Un sistema de aseguramiento de calidad consiste en un conjunto de procedimientos vigentes para asegurar que se lleven a cabo las actividades del control de calidad. En muchos pases se pueden acreditar numerosos procedimientos analticos a travs de, por ejemplo, el Servicio Nacional de Acreditacin de Medicin (NAMAS, por sus siglas en ingls) de Estados Unidos, adems de organismos internacionales como la Organizacin Internacional de Normas (ISO, por sus siglas en ingls). Dos pasos clave en un sistema de aseguramiento de la calidad deben ser: a) La prueba de competencia del laboratorio y b) el uso de materiales de referencia certificados.

Materiales de referencias certificados

Los materiales de referencia certificados, o sustancias patrn, son muestras preparadas especialmente por un tercero, las cuales contienen un analito a una concentracin predeterminada, con un alto grado de exactitud y precisin. Esas muestras se suministran con un certificado en el que se detalla el analito y se pueden usar como referencia contra la que se vaya a juzgar la eficiencia analtica de otro

Grficos de control de Calidad

Muchas veces una representacin grafica indica con maxima eficacia los comportamientos anormales, y sirve como registro del comportamiento de un proceso durante cierto tiempo. Los grficos de control de calidad se usan con frecuencia como parte de un proceso de control de calidad, para mantener y registrar el desempeo de un sistema durante cierto tiempo. Si el proceso permanece dentro de los limites predefinidos, se dice que el proceso est bajo control. En contraste, si el proceso sale de los limites impuestos al sistema, se dice que est fuera de control. En el caso tpico se usan dos tipos principales de grficos, como son los de Shewhart y de CUSUM (de suma acumulada) .

Grficos de Shewhart
Tiene por objeto realizar el grafico de un proceso para determinar si permanece bajo control, y para ayudar a inicial la accin correctiva que regrese dicho proceso al control. Para ello se requiere anotar peridicamente una variable adecuada. Si una observacin cae fuera de los limites externos, significa que el proceso esta fuera de control y que se requieren acciones.

Grficos CUSUM
Los grficos CUSUM son sencillos, porque se pueden trazar con facilidad y con un mnimo de clculos, tan pronto se determina un valor de dato. Si los datos se distribuyen en forma aleatoria respecto a T, y si se ve que hay poca desviacin en el valor de la suma acumulada de las variables medidas, que tiendan hacia valores mayores o menores