Escribir
59
La ecuación de la curva normal
viene dada por la expresión
Los valores de x están distribuidos
normalmente con promedio µ y una
varianza σ2
]2/)(exp[2
1)(
22 σµπσ
−−= xxf
),(2σµNx ≈
Distribución normal
Escribir
60
Función de densidad de probabilidad normal para distintos valores de µ2 y σ2.
Distribución normal
Escribir
61
� La desviación estándar, σσσσ, mide la distancia desde la media, µµµµ, hasta elpunto de inflexión de la curva.
���� Un 95% de los valores están comprendidos en el interyalo µµµµ ± 1,9600σσσσ.
���� Un 99% de los valores están comprendidos en el intervalo µµµµ ± 2,576σσσσ.
���� Un 99,7% de Ios valores están comprendidos en el intervalo µµµµ ± 3,290σσσσ.
Distribución normal
Escribir
62
Estandarización de variables
Planillas decálculo, tablas
σ
µ−=
xz
−=
2exp
2
1)(
2z
zfπ
Distribución normal
Escribir
63
Intervalos de confianza
Para una distribución normal el 95 % de los datos cae dentro de los límites z=-1,96 a z=1,96 (µµµµ± 1,96σσσσ)
Los promedios de las muestras tambien se
distribuyen normalmente
Existe un 95 % de probabilidad de que (estimador de µµµµ) este comprendido en ese rango
X
n
σµ 96.1±
Distribución normal
Escribir
64
El teorema del límite central proporciona el fundamento estadísticoque permite esperar dicha tendencia de los datos experimentales.
“Aún cuando la población original no esté distribuidanormalmente, tiende a la distribución normal cuando aumenta n”(valores medios)
Teorema del límite central.
Escribir
65
Para muestras grandes (n>30), los límites de confianza de la media vienen dados por :
nzσµ ±
Donde z depende del nivel de confianza requerido
Para el 95%, z = 1.96
Para el 99%, z = 2.58Para el 99.7%, z = 2.97
Distribución normal
Escribir
66
Para muestras pequeñas (n<20), los límites de confianza de la media vienen dados por :
ntsx ±
Donde t depende del nivel de confianza requerido y los grados de libertad.
Distribución t de Student.
Escribir
67
Distribución t de Student.
Escribir
68
No existen diferencias significativas entre nuestras
observaciones y una referencia o entre conjuntos de datos
Hipótesis Nula (H0) Hipótesis Alternativa (H1)
Si existen diferencias significativas entre nuestras
observaciones y una referencia o entre conjuntos de datos
¿Las diferencias entre nuestras observaciones y una referencia o entre conjuntos de datos son de naturaleza química (por ejemplo) o estadística?
Sistemática a seguir: Comprobación de hipótesis
Validez
Tests Estadísticos
Una decisión no es estrictamente verdadera, sino que, NO puede demostrarse su falsedad
(probabilidades)
Hipótesis estadísticas.
Escribir
69
Tipos de errores en el analisis inferencial de datos
Decisión Tomada
Aceptar H0 Rechazar H0
Resultado verdadero
H0
verdaderaNo existe
errorTipo I (falso positivo, αααα)
H0 falsaTipo II (falso negativo, ββββ)
No existe error
La implementación de los procedimientos estadísticos tienen por objetivo minimizar los errores αααα y ββββ
αααα : β β β β αααα : β β β β αααα : β β β β : n
Tipos de errores en el análisis inferencial.
Escribir
70
Comparación de una media con un valor determinadon < 30
Suposiciones: Distribución Aproximadamente Normal
Hipótesis: Nula: H0: µ = µ = µ = µ = µµµµ0000
Alternativa: H1,
dos colas: µ µ µ µ ≠≠≠≠ µµµµ0000
una cola: µ µ µ µ < µ< µ< µ< µ0 0 0 0 y µ >µ >µ >µ > µµµµ0000
Test estadístico: Distribución t con (n-1) grados de libertad
Decisiones:
H1: µ µ µ µ ≠≠≠≠ µµµµ0000 (test dos colas) -tαααα /2, n-1 < t < -tαααα /2, n-1 H0 aceptada
H1: µ µ µ µ <<<< µµµµ0000 (test una cola) t > -tαααα , n-1 H0 aceptada
H1: µ > µ > µ > µ > µµµµ0000 (test una cola) t < tαααα , n-1 H0 aceptada
ns
xt 0µ−
=
Hipótesis estadísticas.
Escribir
71
Hipótesis estadísticas.
Escribir
72
Excel
Hipótesis estadísticas.
Escribir
73
Suposiciones: Dos muestras independientes (1 y 2) de Distribución
Aproximadamente Normal
Hipótesis: Nula: H0: µ = µ = µ = µ = µµµµ0000
Alternativa: H1,
dos colas: µ µ µ µ ≠≠≠≠ µµµµ0000
una cola: µ µ µ µ < µ< µ< µ< µ0 0 0 0 y µ >µ >µ >µ > µµµµ0000
Test estadístico: Depende de que la relación (varianza mayor / varianza menor) sea menor o mayor de 3. (también test F: si Fcalculado >
Fcritico : varianzas diferentes).
Comparación de dos muestrasn < 30
Hipótesis estadísticas.
Escribir
74
21
21
11
nns
xxt
p +
−= ( ) ( )
2
11
21
2
22
2
11
−+
−+−=
nn
snsns p
2
2
2
1
2
1
21
n
s
n
s
xxt
+
−= ( )
( ) ( )11 2
2
2
2
2
1
2
1
2
1
2
2
2
21
2
1
−+
−
+=
n
ns
n
ns
nsnsdf
Varianzasiguales
Varianzasdistintas
Relación de varianzas
Hipótesis estadísticas.
Escribir
75
2_
1_
Varianza
VarianzaFcal =
Varianzasiguales
Varianzasdistintas
Prueba F
2_
1_
Varianza
VarianzaFcal =
crítcal FF <
crítcalFF >
Hipótesis estadísticas.
Escribir
76
Decisiones:
Tener en cuenta los “nuevos” grados de libertad (df)
H1: µ µ µ µ ≠≠≠≠ µµµµ0000(test dos colas) -tαααα/2, df < t < tαααα/2, df H0 aceptada
H1: µ µ µ µ <<<< µµµµ0000(test una cola) t > -tαααα, df H0 aceptada
H1: µ > µ > µ > µ > µµµµ0000(test una cola) t < tαααα, df H0 aceptada
Hipótesis estadísticas.
Escribir
77
Minitab
Hipótesis estadísticas.
Escribir
78
Excel
Hipótesis estadísticas.
Escribir
79
Suposiciones: D, (D = tratamiento 1 – tratamiento 2)se distribuye
aproximadamente en forma normal
Hipótesis: Nula: H0: µµµµD = = = = 0000
Alternativa: H1,
dos colas: µµµµD ≠≠≠≠ 0000
una cola: µµµµD < 0< 0< 0< 0 y µµµµD >>>> 0000
Test estadístico:
Decisiones:
H1: µµµµD ≠≠≠≠ 0000 (test dos colas) -tαααα /2, df < t < -tαααα /2, df H0 aceptada
H1: µµµµD < 0< 0< 0< 0 (test una cola) t > -tαααα , df H0 aceptada
H1: µµµµD >>>> 0000 (test una cola) t < tαααα , df H0 aceptada
Comparación de medias de dos muestras apareadas
ns
Dt
D
=
Hipótesis estadísticas.
Escribir
80
Excel
Hipótesis estadísticas.
Escribir
81
Minitab
Hipótesis estadísticas.
Escribir
82
En el trabajo analítico suelen presentarse a menudo comparaciones en lasque intervienen más de dos medias.
Ejemplos
Comparar la concentración media de proteína en una solución para muestras almacenadas en condiciones diferentes
Comparar los resultados medios obtenidos de la concentración de un mensurando utilizando diferentes métodos
Comparar la media de los resultados en una valoración obtenidos por diferentes operadores que usan los mismos aparatos
Determinar una varianza de muestreo
ANOVA.
Escribir
83
ANOVA se utiliza para “analizar medidas que dependen de varios tipos de efectos que actuan
simultáneamente con el doble fin de decidir cuales de ellos son importantes y de poder estimarlos”
(Scheffé, 1953)
Compara medias de diversos conjuntos, a través de sus varianzas
ANOVA.
Escribir
84
Es posible separar la variación debida al error aleatorio de cualquier otra variación provocada al cambiar el factor de control. Podemos así evidenciar si una modificación del factor de control generadiferencias significativas entre los valores medios obtenidos.
Es posible separar la variación debida al error aleatorio de cualquier otra variación provocada al cambiar el factor de control. Podemos así evidenciar si una modificación del factor de control generadiferencias significativas entre los valores medios obtenidos.
Posibles fuentes de variación
Errores aleatorios Factor controlado
Para los ejemplos anteriores
Condiciones bajo las cuales se almacenó la solución
Método de análisis empleado
Operadores que realizaron la titulación
ANOVA.
Escribir
85
ANOVA puede emplearse en situaciones donde existe más de unafuente de variación aleatoria
Por ejemplo: Una situación de muestreo
Las muestras se toman al azar
ANOVA.
Escribir
86
Ambos tipos de análisis estadísticos, en donde hay un factor,ya sea controlado o aleatorio, además del error aleatorio de
las medidas, se conoce como ANOVA de un factor
Este tipo de analisis, con mayor grado de dificultad, tambien esaplicable a situaciones más complejas en las que existen dos omás factores, posiblemente interactuando entre sí
ANOVA.
Escribir
87
Ejemplo:
Ejercicio interlaboratorio: Se comparan k laboratorios que determinan nj veces la concentración de una determinada especie en una misma muestra con un mismo método.
Quien patrocina el ejercicio intentará detectar si alguno de los laboratorios genera resultados estadísticamente diferentes al resto
Hipótesis a cumplirse
• Los conjuntos de datos son independientes entre si
• La distribución de los datos obtenidos para cada conjunto es normal
• Las varianzas de cada conjunto de datos no difieren significativamente
ANOVA.
Escribir
88
Labs ResultadosMedia
aritmética
1 X11 X12 X13… X1i X1
2 X21 X22 X23 X2i…X2n X2
3 X21 X22 X23 X2i…X2n X3
j Xj1 Xj2 Xj3…Xji…Xjn Xj
k Xk1 Xk2 Xk3…Xki…Xkn Xk
ANOVA.
Escribir
89
Medida de dispersión
dentro de los laboratorios
Medida de dispersión entre los
laboratorios
( ) ( ) ( )∑∑∑∑∑ −+−=−i
ii
k
iy
ii j
y xxnxxxx222
TSS
RSS labSS
)(
)1(
kNSS
kSSF
R
labcal
−
−=
ANOVA.
Escribir
90
cal tab Si Fcal > Ftab
Al menos uno de los laboratorios genera valores diferentes del
resto
ANOVA.
Escribir
91
ANOVA no nos indica cuantos laboratorios difieren entre si ni cuales son
ANOVA evidencia o no la existencia de diferencias significativas entre laboratorios
Pero ...
ANOVA.
Escribir
92
Excel
ANOVA.
Escribir
93
Hora de almorzar
Escribir
94
Métodos ampliamente utilizados en el campo del análisis instrumental
Se calculan los resultados y se evalúan los errores aleatorios de una manera diferente a la que se utiliza cuando se repite una solamedición varias veces
Permite trabajar en un intervalo amplio de concentraciones
Curva de calibración (señal vs
[mensurando])
Comparación de dos métodos analíticos
RL puede aplicarse en:
Regresión lineal.
Escribir
95
•Grado de linealidad en nuestro intervalo de trabajo.•Límites de confianza para la pendiente y la ordenada en el origen de la recta.•Errores y límites de confianza para la concentración determinada de una muestra incógnita.•Límite de detección del método (menor concentración de mensurando que se puede detectar con un nivel de confianza predeterminado).
y = bx + a
Pendiente
Ordenada al origen
Parámetros a tener en cuenta
Regresión lineal.
Escribir
96
Análisis de regresión: Curva de Calibración
La concentración de muestras incógnita se determina generalmente porinterpolación y no por extrapolación
Inclusión de muestra blanco
Utiliza dos suposiciones básicas
Los errores en la calibración sólo ocurren en los valores de ordenadas (señal)
La magnitud de los errores en ordenadas es constante (homocedasticidad) e independiente de la concentración de mensurando
Regresión lineal.
Escribir
97
Para y = bx + a
El método de los cuadrados mínimos encuentra la recta de regresión de y sobre x que mejor se ajusta a nuestros puntos experimentales
La obtención de rectas de regresión ponderadas se adaptan mejor al problema pero requieren informacion adicional respecto a los errores en distintos niveles de concentración
Regresión lineal.
Escribir
98
y = bx + a
Error típico
Regresión lineal.
Escribir
99
y = bx + a
Errores en la pendiente y ordenada al origen
Regresión lineal.
Escribir
100
Es posible obtener los límites de confianza para la pendiente y la ordenada al origen de nuestra recta de ajuste
b ±±±± tSb a ±±±± tSa
Para un nivel de confianza deseado y (n-2) grados de libertad
y = bx + a
Regresión lineal.
Escribir
101
Comparación de métodos analíticos
Identificación de errores sistemáticos
Se utilizan para intervalos relativamente grandes de concentración
En cada eje se representan los resultados de cada método a analizar
Si se utiliza el método de los cuadrados mínimos debe colocarse en el eje x el método analítico mas preciso (referencia), (este método no admite error en el eje de abscisas)
Recientemente se ha desarrollado el test conjunto para la ordenada al origen y la pendiente considerando errores en ambos métodos analíticos (RIU 1996)
Si los dos métodos comparados producen resultados que no difierensignificativamente a un nivel de significancia αααα la ordenada de la recta de regresión no ha de ser estadísticamente diferente de 0 y la pendiente no ha de serlo de 1
Supone que los errores en el eje de ordenadas son constantes
Regresión lineal.
Escribir
102
Situación ideal: a = 0, b = r= 1 curva a
Un error sistemático proporcional: b ≠≠≠≠ 1 curva b
Un error sistemático constante: a ≠≠≠≠ 0 curva c
Error sistemático constante + error sistemático proporcional + errores aleatorios: curva d
Regresión lineal.
Escribir
103
Ensayos prácticos y simulaciones muestran que esta aproximación conduce a resultados fiables
siempre y cuando:
El método mas preciso se represente en el eje x
Se comparen al menos 10 puntos
El rango de concentración de interés esté cubierto uniformemente por
puntos experimentales
Regresión lineal.
Escribir
104
Escribir
105
Detector � Medio nutriente en su recipiente
Líquidos(P/A – MPN)
Sólidos(Recuento de Colonias)
Enfoque de la Validación en Microbiología
Comparación de Detectores
Detectores
Escribir
106
Deben ser cuantificables y evaluables
�Alcance�Precisión
�Linealidad�Recuperación
�Límites de trabajo (inferior y superior)�Selectividad�Especificidad
�Robustez
Siempre y cuando apliquen
Características de Performance del
Método de Ensayo
Escribir
107
Método de Referencia
Ha sido investigado a
fondo
Ha demostrado poseer la exactitud y precisión apropiadas
para el uso pretendido
Es un método normalizado (nacional o
internacional)
Métodos de referencia
Escribir
108
En validación primaria:
�Identificación morfológica del target (presuntivo)
�Declaraciones respecto de condiciones de incubación y
características del medio.
�Declaraciones de límites de trabajo fiables (colonias o número de placas por detector si es posible)
�Expresión de la incertidumbre dentro de los límites fiables.
�Alcance y limitaciones
Expresiones numéricas o cualitativas de características de
performance o de límites de trabajo derivadas de ellas
Especificaciones del Método de Ensayo
Escribir
109
�Imposibilidad de conocer la cantidad exacta de unidades formadoras de colonia (CFU), partículas formando colonias, gérmenes, propágulos.
�Imposibilidad de obtener recuperación absoluta
�Puede medirse la recuperación relativa (comparando entre diferentes detectores)
Recuperación del analito
Limitaciones y Características del Método
Microbiológico
Escribir
110
�Distribuciones desiguales.
�La varianza de muestreo no es característica del método
�Si puede serlo la varianza de sub-muestreo en el laboratorio
�Algunas características de performance necesitan evaluarse para diferentes matrices.
Varianza de la muestra
Limitaciones y Características del Método
Microbiológico
Escribir
111
�La variación aleatoria debido a la distribución desigual de partículas entre muestras paralelas, aun en suspensiones perfectamente mezcladas, es una propiedad característica del
método microbiológico .
�La variación aleatoria se rige por la distribución de Poisson
�Las imperfecciones técnicas y muchas otras causas generan variación adicional a la explicada por la distribución de Poisson. A esto se denomina “sobre-dispersión”.
�Muchos otros modelos se basan en la distribución binomialnegativa para explicar la sobre-dispersión.
Distribución de partículas y sobre-dispersión
Limitaciones y Características del Método
Microbiológico
Escribir
112
�Se generan dificultades considerables desde interacciones entra factores bióticos y abióticos.
�Los detectores líquidos son afectados por posibles
cohabitaciones de una variedad de micro flora en el mismo tubo
�Los detectores de colonias son afectados por “crowding” y enmascaramientos de colonias target por desechos y crecimientos de colonias no target
Interacciones en el detector
Limitaciones y Características del Método
Microbiológico
Escribir
113
�Los métodos microbiológicos son muy poco robustos
�Las pérdidas de robustez se deben a: la muestra, la competencia del personal, la preparación de la muestra, las
condiciones de incubación y el medio de detección (estas 3 últimas deben estar estandarizadas).
�La validación primaria debe establecer los limites generales dentro de los cuales se espera un buen comportamiento del método.
�En normas estandarizadas generalmente se da poca importancia a la sensibilidad de estos métodos respecto del tiempo.
Robustez
Limitaciones y Características del Método
Microbiológico
Escribir
114
�La posición o el apilamiento de los platos dentro de la estufa de cultivo debilita la robustez (efectos de la temperatura)
�El stress por enfriamiento que sufren las muestras, en la etapa
de almacenamiento puede no ser importante para las cuentas totales pero si para métodos altamente selectivos.
Robustez
Limitaciones y Características del Método
Microbiológico
Escribir
115
�Alta predisposición a problemas inesperados, con frecuencia en un solo plato (colonia perturbadoras simples, humedad, ∆T, sólidos y otras impurezas, contaminación)
�Los cultivos líquidos son menos susceptibles
�Estos error son impredecibles por los modelos matemáticos, si son frecuentes pueden considerarse como fuente adicional de incertidumbre.
Errores espurios
Limitaciones y Características del Método
Microbiológico
Escribir
116
�Posibilidades limitadas
�No aplican los controles que se emplean en los PMQ
�Dificultad en establecer los fuera de control (no son
determinantes)
�Mas utilizadas en controles, por ejemplo, de temperaturas de incubación
Cartas de control
Limitaciones y Características del Método
Microbiológico
Escribir
117
La probabilidad de variación entre alícuotas de prueba paralelas en el rango óptimo de trabajo de los detectores microbiológicos es considerable aun si la mezcla es perfecta (completamente
aleatoria) y no son incluidas incertidumbres técnicas de medición.
Variación Básica – La Distribución de Poisson
Modelos Matemáticos de Variación
Escribir
118
�Se expresa a la precisión en términos de la Desviación Estándar
�La varianza (s2) de la distribución de Poisson es numéricamente
igual a la media (m)
Tenemos que
cc
c
c
s 1RSD ===
Precisión de detectores para cuentas de colonias
Modelos Matemáticos de Variación
Escribir
119
Modelos Matemáticos de Variación
Escribir
120
�Es útil para calcular la incertidumbre estadística teórica
�Permite inferir el límite de trabajo inferior
�Presenta acuerdo con argumentos estadísticos respecto de
estimaciones MPN
Precisión de detectores para cuentas de colonias
Modelos Matemáticos de Variación
Top Related