Validación de métodos y determinación de la incertidumbre de la medición: Aspectos generales sobre la validación de métodos

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Validación de métodos y determinación de la incertidumbre de la medición: Aspectos generales sobre la validación de métodos"

Transcripción

1 Validación de métodos y determinación de la incertidumbre de la medición: Aspectos generales sobre la validación de métodos

2

3 Comité Editor Boris Duffau Fabiola Rojas Isabel Guerrero Luis Roa Luis Rodríguez Marcelo Soto Marisol Aguilera Soraya Sandoval Se agradece la colaboración prestada por el Sr. Leonardo Merino de la National Food Administration de Suecia, para la elaboración de esta Guía Coordinación Edición Soraya Sandoval Sección Metrología Ambiental y de Alimentos Departamento de Salud Ambiental Edición Año 2010 Santiago, Diciembre de GUÍA TÉCNICA N º 1 1

4 I: INTRODUCCION El Instituto de Salud Pública de Chile, como Laboratorio Nacional y de Referencia colabora continuamente con la Red de Laboratorios del Ambiente de las SEREMIs de Salud. La presente guía tiene como objetivo, entregar recomendaciones a los laboratorios para realizar la validación de los métodos analíticos e introducir a estos en el concepto de incertidumbre de la medición. GUÍA TÉCNICA N º 1 2

5 CONTENIDO I: INTRODUCCION 2 II: TERMINOLOGÍA 4 II: ESTADISTICA BASICA 8 IV: VALIDACION 21 A) establecer plan de validación 24 B) Desarrollo de pruebas de parámetros de validación 25 C) Evaluación de resultados de la validación 25 D) Informe de validación 26 SELECTIVIDAD 27 LINEALIDAD 28 SENSIBILIDAD 33 LIMITES 34 EXACTITUD 37 ROBUSTEZ 45 APLICABILIDAD 49 V: INCERTIDUMBRE 50 VI: ANEXOS 54 VII: BIBLIOGRAFÍA 66 GUÍA TÉCNICA N º 1 3

6 II: TERMINOLOGÍA: Adecuación al propósito: Es el grado en que la aplicabilidad de un método se ajusta a los criterios o requerimientos acordados entre el analista y el usuario final (cliente) que hace uso de los informes o datos generados a través de un método de ensayo. Es decir es la adaptación de un método para un fin previsto. Analito: Sustancia (química, física o biológica) buscada o determinada en una muestra, que debe ser recuperada, detectada o cuantificada por el método. Aplicabilidad: Los analitos, matrices y concentraciones para los cuales puede utilizarse satisfactoriamente un método de análisis con el fin de determinar su conformidad con una norma. (Referencia: Manual Codex Alimentarius 16º Ed.) Nota: La declaración de aplicabilidad (ámbito o campo de aplicación), además de una declaración del margen de funcionamiento satisfactorio para cada factor, puede incluir también advertencias acerca de la interferencia conocida de otros analitos, o de la inaplicabilidad a determinadas matrices y situaciones. (Referencia: Manual Codex Alimentarius 18º Ed.) Blanco matriz: Matriz que no contiene el analito de interés u objetivo para el método seleccionado. Calibración: Operación que, en condiciones especificadas, establece primero una relación entre los valores con incertidumbres de medición proporcionados por las normas de medición y las indicaciones correspondientes con las incertidumbres de medición asociadas, y utiliza luego esta información para establecer una relación a fin de obtener un resultado de medición a partir de una indicación. (Referencia: VIM, JCGM 200:2008) Nota1 : La calibración se puede expresar por medio de una declaración, una función, un diagrama, una curva o una tabla. En algunos casos puede consistir en una corrección aditiva o multiplicativa de la indicación con la incertidumbre de medición asociada. (Referencia: VIM, JCGM 200:2008) Nota 2: La calibración no debe confundirse con el ajuste de un sistema de medición que a menudo se denomina erróneamente autocalibración, ni tampoco con la verificación de la calibración. A menudo se percibe como calibración solamente el primer paso mencionado en la definición anterior. (Referencia: VIM, JCGM 200:2008) Es decir, es un procedimiento de comparación entre lo que indica un instrumento y su "valor verdadero" de acuerdo a un patrón de referencia con valor conocido. Componente de la Incertidumbre: Cada una de las contribuciones a la incertidumbre. Criterios de aceptabilidad: Exigencias de una característica de funcionamiento o comportamiento en función de las cuales se puede determinar que un método analítico es adecuado para la finalidad perseguida y ofrece resultados confiables. GUÍA TÉCNICA N º 1 4

7 Ensayo: Operación técnica realizada de acuerdo a un procedimiento especifico, que consiste en la determinación cualitativa y/o cuantificación de una o más características (propiedades o analitos) en un determinado producto, proceso o servicio. Error aleatorio: Es aquel error inevitable que se produce por eventos únicos imposibles de controlar durante el proceso de medición. Se contrapone al concepto de error sistemático. Las fuentes de los errores aleatorios son difíciles de identificar o sus efectos no pueden corregirse del todo. Son numerosos y pequeños. Este error ocurre o esta dado por el azar. Ejemplo: Errores de apreciación, tales como el paralaje, que depende del observador y su capacidad en cuanto al límite separador del ojo. Error Sistemático: Es aquel que se produce de igual modo en todas las mediciones que se realizan de una magnitud. El error sistemático esta condicionado por algún factor distinto al azar. Ejemplo: el error de las masas patrón del laboratorio se transfiere sistemáticamente al momento de calibrar la balanza. El VIM, lo define como componente del error de medición que al reiterar las mediciones se mantiene constante o bien varia de manera predecible. Idoneidad para el fin previsto: La medida en que los datos obtenidos en un proceso de medición permiten al usuario adoptar decisiones correctas, tanto desde el punto de vista técnico como administrativo, para alcanzar un fin establecido. Incertidumbre: Parámetro asociado al resultado de una medición que caracteriza la dispersión de los valores que podrían razonablemente ser atribuidos al mensurando. Incertidumbre de la medición: Parámetro no negativo que caracteriza la dispersión de la cantidad de valores que se atribuyen a una mensurando, basándose en la información utilizada. (Referencia: VIM, JCGM 200:2008) Nota: La incertidumbre de medición comprende, en general, muchos componentes. Algunos de estos pueden ser evaluados por tipo de una evaluación de: la distribución estadística de la cantidad de valores de una serie de mediciones y se pueden caracterizar por las desviaciones. Intervalo de trabajo: Es el intervalo entre el nivel más bajo y más alto de concentración que ha sido demostrado que puede ser determinado con la precisión y exactitud requeridas para una determinada matriz. Limite máximo permitido (LMP): Nivel máximo o tolerancia establecida para un analito en una reglamentación. Limite máximo Residual (LMR): Concentración máxima de residuos de una sustancia (plaguicida o medicamento) que se permite legalmente su uso en la superficie o parte interna de un producto alimenticio. Matriz: Es el tipo de sustancia compuesta (liquida, sólida, gaseosa) que puede o no contener al analito de interés, ejemplo: matriz de alimento, matriz ambiental, etc. GUÍA TÉCNICA N º 1 5

8 Material de Referencia Certificado (MRC): Material de referencia acompañado de documentación, emitida por un órgano autorizado, en la que se indican uno a más valores de propiedades especificadas así como la incertidumbre y rastreabilidad asociadas, con el uso de procedimientos válidos. (Referencia: VIM, JCGM 200:2008) Es decir, es un material de referencia, al que se le ha asignado un contenido de analito especificado en un certificado a través de un método trazable. Material de Referencia (MR): Material suficientemente homogéneas y estables con propiedades especificadas, que se ha establecido es idóneo para uso en la medición o en el análisis de las propiedades nominales. (Referencia: VIM, JCGM 200:2008) Nota: Material homogéneo que tiene definidas sus propiedades, a través de un método validado que puede usarse para fines analíticas (calibración de equipos, comprobación de un método, etc.). Mensurando: Cantidad destinada a la medida. (Referencia: VIM, JCGM 200:2008) Método de ensayo validado: Método de ensayo aceptado para el que se han llevado a cabo estudios de validación (desempeño) con el fin de determinar su precisión y fiabilidad para un propósito específico. (Referencia: ICCVAM Guidelines for the nomination and submission of new, revised and alternative test methods, 2003). Método oficial: Es el método especificado por los organismos reglamentarios de un país, con fines de aplicaciones de normas (ejemplo; reglamento sanitario de alimentos) o estipulados por organizaciones comerciales (Referencia: FAO). Método normalizado: Método apropiado para el ensayo dentro de su alcance, publicado por organismos de normalización internacional, nacional o regional (ISO, EN, NM, ASTM, BS, DIN, IRAM, etc.) o por organizaciones reconocidas en diferentes ámbitos ( AOAC, FIL-IDF, EPA, USP etc.) Método cualitativo: Método que permite determinar la presencia o ausencia de un analito en una muestra o matriz. Método cuantitativo: Método que permite determinar la concentración de un analito presente en una muestra o matriz. Metrología: Ciencia de la medición y su aplicación. (Referencia: VIM, JCGM 200:2008), es decir, es la ciencia de las mediciones o campo de los conocimientos relativos a las mediciones. Incluye cualquier tipo de medición del campo científico o tecnológico. Nivel: Es la concentración de una sustancia de interés en una solución estándar o matriz.. generalmente, se habla en términos de nivel de concentración. Plan de Validación: Documento tipo protocolo en el cual se definen las pruebas o parámetros de validación necesarios y el diseño experimental a desarrollar en base a los requerimientos del método. Requerimiento del método: Corresponde a aquellas características del métodos que son esenciales para poder aplicarlo para el fin previsto. Cuando no están establecidas por el cliente o usuario, debe definirlas el responsable del ensayo de manera confiable y científica. GUÍA TÉCNICA N º 1 6

9 Resolución: Parámetro cromatográfico que permite determinar la capacidad de separación entre 2 picos, de manera que se puedan diferenciar adecuadamente de la cromatografía los analitos de interés. Resultado de un ensayo (X): El valor final notificado de una cantidad medida o calculada, tras aplicar un procedimiento de medición, incluidos todos los procedimientos secundarios y las evaluaciones. (Referencia: Manual Codex Alimentarius 16º Ed.) Sistema Internacional de Unidades (SI): Sistema de unidades, basado en el Internacional Sistema de cantidades, sus nombres y símbolos, incluyendo una serie de prefijos y sus nombres y símbolos, así como las normas para su uso, aprobada por la Conferencia General de Pesas y Medidas (CGPM). (Referencia: VIM, JCGM 200:2008) Sub-muestra: Porción de una muestra para análisis. Testigo reactivo o blanco: Es la solución que contiene todos los reactivos usados en los mismos volúmenes y concentraciones, que son utilizados en el procesamiento de la muestra. Este blanco debe seguir todos los pasos indicados en la técnica y ayuda a detectar trazas de contaminación provenientes del material o reactivos usados. Trazabilidad metrológica: Propiedad de un resultado de medición, mediante el cual el resultado puede estar relacionado con una referencia a través de un cadena continua y documentada de calibraciones, cada que contribuyen a la incertidumbre de medición. (Referencia: VIM, JCGM 200:2008) Propiedad del resultado de una medición o del valor con su incertidumbre, que puede a través de una cadena ininterrumpida de comparación relacionarse a una referencia establecida, generalmente patrones de referencia nacionales o internacionales. (Referencia: IUPAC- Nomenclature In Evaluation Of Analytical Methods Including Detection And Quantification Capabilities). Validación: Verificación de determinados parámetros de un método en la que los requisitos especificados para estos, demuestran que el método es idóneo para un uso previsto. (Referencia: VIM, International Vocabulary for Basic and General Terms in Metrology: 2007) Valor verdadero: El grado de concordancia entre la media de un número infinito de valores reiterados de cantidad y un valor de cantidad de referencia. Veracidad: El grado de concordancia entre la expectativa relativa al resultado de un ensayo o de una medición y el valor verdadero. (Referencia: Manual Codex Alimentarius 18º Ed.) Valor de Referencia: Valor cuantitativo que se utiliza como base para la comparación con valores cuantitativos del mismo tipo. (Referencia: VIM, International Vocabulary for Basic and General Terms in Metrology: 2007) Verificación: Suministro de prueba(s) objetiva(s) de que un elemento dado satisface el (los) requisito(s) especificado(s). (Referencia: VIM, JCGM 200:2008) Es decir, es la comprobación experimental de que un método establecido funciona de acuerdo con las especificaciones, en las condiciones disponibles en el laboratorio usuario. Se entiende como verificación a las pruebas realizadas por un laboratorio en la rutina de trabajo que permiten comprobar y documentar la aplicabilidad y uso adecuado del método por parte del laboratorio. GUÍA TÉCNICA N º 1 7

10 II: ESTADISTICA BASICA Para los fines de una validación, se utilizan normalmente ciertas mediciones estadísticas, que nos ayudan a establecer si el método se encuentra dentro de un parámetro aceptable, normalmente se determinan las siguientes: Media: Conocida también como media aritmética o promedio, es la cantidad total de la variable (muestra o medida) distribuida a partes iguales entre cada observación. En términos matemáticos, es igual a la suma de todos sus valores dividida entre el número de sumandos Siendo: x i = valor de una lectura. n = número de lecturas X = n Σ xi n Desviación estándar (σ, S): Es el promedio de lejanía de los valores obtenidos (lecturas) respecto del promedio. S = n Σ i=1 (xi-x) 2 n-1 Siendo: x i = valor de una lectura. X= promedio de la totalidad de lecturas. n = número de lecturas Coeficiente de Variación (CV): Desviación estándar dividida por la media. También es conocida como desviación estándar relativa (RSD). El coeficiente de variación puede ser expresado en porcentaje: %CV = S x100 X Siendo: S = desviación estándar de las lecturas. X = promedio de la totalidad de lecturas. Varianza: Es una medida de dispersión definida como el cuadrado de la desviación estándar. Siendo: x i = valor de una lectura. X= promedio de la totalidad de lecturas. n = número de lecturas S 2 = n Σ i=1 (xi-x) 2 n-1 GUÍA TÉCNICA N º 1 8

11 Coeficiente de Variación de Horwitz (CV h ): Es el coeficiente de variación definido por W. Horwitz, a través de la ecuación obtenida de un estudio estadístico. En dicho estudio, Horwitz después de reunir una serie de datos (provenientes de 150 ensayos de interlaboratorios organizados por AOAC), observó que el coeficiente de variación de los valores medios dados por los diferentes laboratorios aumentaban a medida que disminuía la concentración del analito. Comportándose como muestra la siguiente gráfica, conocida como la trompeta de Horwitz. La ecuación de Horwitz, esta definida como: CV h = 2 (1-0.5.log c) ó σ H = 0.02 x c 0,8495 Dónde: CV h = Coeficiente de variación de Horwitz σ H = Desviación estándar calculada conforme al modelo de precisión de Horwitz. C= concentración del analito expresado en potencia de 10 (Ver tabla Nº 1). Este coeficiente de variación (CV h ) esta expresado en potencia de 2, y la concentración media del analito expresado como potencia de 10, de esta forma independiente del analito y el método utilizado se puede estimar el CV esperado para la precisión. Tabla Nº 1: Concentración Razón Unidad (Potencia de 10) % (100 g/100 g) > > 10 %(10 g/100 g) > > 1 %(1 g/100g) > 0, > 0,1 %(1 mg/g ó 0,1 g/100 g) 0, mg/kg 0, mg/kg 0, mg/kg 0, µg/kg 0, µg/kg 0, µg/kg GUÍA TÉCNICA N º 1 9

12 Distribución Normal: Distribución continua conocida también como distribución Gaussiana, la distribución de una variable normal está completamente determinada por dos parámetros, su media y su desviación estándar, denotadas generalmente por y. La distribución normal se caracteriza por tener una única moda, que coincide con su media y su mediana. Su expresión grafica es una curva normal, cuya forma es similar a los histogramas con forma de campana, es conocida como campana de gauss que es simétrica respecto a su media y asintótica al eje de abscisas, esto hace que cualquier valor entre y es teóricamente posible. El área total bajo la curva es, por tanto, igual a 1. Para este tipo de variables existe una probabilidad de un 50% de observar un dato mayor que la media, y un 50% de observar un dato menor. - 3σ - 2σ -σ µ +σ +2σ +3σ La probabilidad de que X o caiga en el intervalo comprendido entre µ+ σ es aproximadamente 0,687 ó 68,27%. La probabilidad de que X o caiga en el intervalo comprendido entre µ + 2σ es aproximadamente 0,9545 ó 95,45%. La probabilidad de que X o caiga en el intervalo comprendido entre µ + 3σ es aproximadamente 0,9973 ó 99,73%. Nivel de significancia (Alfa, α): Es el nivel de significación utilizado para calcular el nivel de confianza. El nivel de confianza es igual a 100% (1 - α), es decir, un alfa (α) de 0,05 indica un nivel de confianza de 95%. Factor de cobertura: Número mayor que uno por lo que una combinación de incertidumbre en la medición estándar se multiplica a obtener una incertidumbre expandida de medida. Un factor de cobertura suele ser simbolizada k. (Referencia: VIM, JCGM 200:2008) GUÍA TÉCNICA N º 1 10

13 Pruebas de Significancia Es frecuente utilizar pruebas de significancia estadísticas durante el proceso de validación de los métodos analíticos en este sentido, se aplican comúnmente las siguientes: 1. Prueba t- student para identificar errores sistemáticos (sesgo). 2. Prueba F-Fisher para identificar errores aleatorios (precisiones). Al hacer una prueba de significancia se comprueba la veracidad de una hipótesis experimental, llamada hipótesis alternativa (H 1, si hay diferencia,) con respecto a la hipótesis nula (H 0, no hay diferencia). Es la hipótesis alternativa la que determina el número de colas. Si la hipótesis alternativa contiene la frase mayor que ó menor que, la prueba es de una-cola. Si la hipótesis alternativa contiene la frase no es igual que, la prueba es de dos-colas. (Fuente: National Food Administration of Sweden) 1. La media es igual al valor dado (H 0: μ = x 0 ) versus la media no es igual al valor dado (H 1 :μ x 0 ) dos-colas 2. La media es igual al valor dado (H 0: μ = x 0 ) versus la media es menor que el valor dado (H 1 :μ < x 0 ) una-cola 3. La media es igual al valor dado (H 0: μ = x 0 ) versus la media es mayor que el valor dado (H 1 :μ > x 0 ) una-cola Una forma practica de decidir es respondiendo a dos preguntas: t-test 1. Son las medias iguales? Dos-colas 2. Son las medias diferentes (puede una media ser mayor o menor a la otra)? Una-cola F-Test 1. Son las varianzas diferentes? Dos-colas 2. Es la varianza 1 mayor que la varianza 2? Una-cola GUÍA TÉCNICA N º 1 11

14 Prueba t-student Esta prueba permite comparar las medias de dos grupo de datos y determinar si entre estos parámetros las diferencias son estadísticamente significativas. En la prueba t, se procede a determinar el valor t de student calculado, obtenido de la experiencia analítica, y este valor posteriormente se compara con el llamado valor crítico, este valor critico se obtiene de la tabla de t-student para un determinado porcentaje de confiabilidad (normalmente se utiliza el 95% de confianza, es decir, un valor α de 0,05). Si no existen diferencias significativas entre 2 grupos, el t calculado debería ser inferior al t critico (o conocido también como t de tabla). El siguiente ejemplo, trata de explicar la afirmación realizada anteriormente: Un atleta desea realizar un salto con garrocha, para lo cual, él realiza un calculo de con que velocidad y con que fuerza (t calculado) debe realizar la prueba de atletismo, a fin de saltar correctamente la altura establecida para la competencia (t critico). Si el t calculado es inferior al t crítico, entonces, no existirá una diferencias significativa que permita superar al t critico, y el atleta no podrá realizar el salto. GUÍA TÉCNICA N º 1 12

15 Si el valor t calculado es superior al t crítico, entonces, existirá una diferencia significativa que permitirá superar al t crítico, y el atleta podrá realizar el salto. Para explicar de mejor manera la prueba de t-student, hemos incluido los siguientes ejemplos: EJEMPLO 1: Prueba t-student para 2 variables independientes Se realiza el análisis de una muestra de flúor en agua bajo el método de cromatografía iónica en Laboratorio 1 y por EIS en Laboratorio 2. Los resultados obtenidos en mg/l de F -, fueron: Nivel Grupo/Experiencia Observaciones ,5 5,3 2 5,2 6,8 3 5,0 6,9 4 6,4 7,1 5 6,0 7,7 6 7,1 --- Experiencia 1: n 1 =6 Media X 1 =5,70 Desviación estándar S 1 = 0,9716 grados de libertad gl 1 = 5 Experiencia 2: n 2 =5 Media X 2 = 6,76 Desviación estándar S 2 = 0,8877 grados de libertad gl 2 = 4 Se determina el valor t calculado (t calc ): t calc = X 1 - X 2. S 1 2 (n 1-1) + S 2 2 (n 2-1) n 1+ n 2-2 n 1 n 2 GUÍA TÉCNICA N º 1 13

16 t calc = 5,70-6,76. (0,9716) 2 (6-1) + (0,8877) 2 (5-1) t calc = -1,06. (0,93524). (0, ,2) t calc = 1,06 = 3,09. 0,34292 Se desea determinar si son iguales las medias de la experiencia 1 y 2. Para esto se procede luego a determinar el t critico en la tabla t-student para α=0,05. En la intersección se lee: valor crítico para t, que es t crit = 2, colas 80% 90% 95% α/ v Se procede a comparar el t crítico y el t calculado, t calc = 3,09. Se observa. t calc > t crit.concluimos que existen diferencias significativas. Por lo cual el resultado se acepta. GUÍA TÉCNICA N º 1 14

17 EJEMPLO 2: Prueba t-student para 2 variables correlacionadas o pareadas Se realiza el análisis de una muestra de turbiedad en agua, el método utilizado es el turbidimétrico, la experiencia se realiza en 2 días diferentes: Nivel Grupo/Experiencia Observaciones A B Experiencia : observaciones pareadas n=5 Media X = 2,8 Desviación estándar S = 1,789 grados de libertad gl= 4 Se determina el valor t calculado (t calc ): x X = Σ ( x A x B ) t calc = X. n (S/ n) Se calcula: X = = 2,8 y luego se determina el t calculado; 5 t calc = 2,8.= = 3,48 1,789/ 5 Se desea demostrar si existen diferencias significativas entre la experiencia A y B. Entonces, se procede luego a determinar el t critico en la tabla t-student para α=0,05 para 2 colas. En la intersección se lee: valor crítico para t, que es t crit = 2, colas 80% 90% 95% α/ v Se procede a comparar el t crítico y el t calculado, t calc = 3,48. Se observa que t calc > t crit. Concluimos que existen diferencias significativas. Por lo cual no es aceptable. GUÍA TÉCNICA N º 1 15

18 EJEMPLO 3: Prueba t-student para comparación de muestreal versus un valor de referencia Se analiza de un material de referencia certificado de hierro en cereal, se realizan 4 replicas, el método utilizado es absorción atómica llama, los resultados obtenidos en mg/kg son: Observaciones Valor obtenido 1 5,8 2 6,1 3 6,4 4 6,2 El valor asignado, informado en el certificado del MRC es; µ = 6,3 mg/kg Experiencia : Observaciones pareadas n=4 Media X = 6,05 Desviación estándar S = 0,387 grados de libertad (ν o gl)= 3 Se determina el valor t calculado (t calc ): t calc = X - µ. (S/ n) t calc = 6,05 6,3.= = 1,292 0,387/ 4 Se procede luego a determinar el t critico en la tabla t-student para α=0,05. En la intersección se lee: valor crítico para t, que es t crit = 3, colas 80% 90% 95% α/ v Se procede a comparar el t crítico y el t calculado, t calc = 1,292. Se observa que: t calc < t crit. Concluimos que no existen diferencias significativas. Por lo cual el resultado se acepta. GUÍA TÉCNICA N º 1 16

19 Prueba F (de Fisher) Prueba en la que el estadístico utilizado sigue una distribución F si la hipótesis nula no puede ser rechazada. En estadística aplicada se prueban muchas hipótesis mediante el test F, entre ellas: La hipótesis nula=ho de que las medias de múltiples poblaciones normalmente distribuidas y con la misma desviación estándar son iguales. Esta es, quizás, la más conocida de las hipótesis verificada mediante el test F y el problema más simple del análisis de varianza. Y la hipótesis de que las desviaciones estándar de dos poblaciones normalmente distribuidas son iguales. Para explicar de mejor manera la prueba de Fischer, hemos incluido el siguiente ejemplo: Se realiza la medición de sulfatos en una muestra de agua en dos días diferentes. Nivel Grupo/Experiencia Observaciones C 1,1 C 2,1 2 C 1,2 C 2,2 3 C 1,3 C 2,3 4 C 1,4 C 2,4 5 C 1,5 C 2,5 6 C 1,6 C 2,6 7 C 1,7 C 2,7 8 C 1,8 C 2,8 9 C 1,9 C 2,9 10 C 1,10 C 2, C 2, C 2, C 2, C 2,14 Experiencia 1: n 1 =10 Media 1=14,9 Varianza 1= 26,4 Experiencia 2: n 2 =14 Media 2= 16,2 Varianza 2 = 12,7 Si se intenta un test de t-student con estos valores hay que verificar si las 2 varianzas no son significativamente diferentes; por que si son diferentes, el test de t-student no podrá ser utilizado. Que se hace? 1) Determinar los grados de libertad de la experiencia 1: n-1 = 10-1=9 2) Determinar los grados de libertad de la experiencia 1: n-2 = 14-1=13 GUÍA TÉCNICA N º 1 17

20 3) Dividir la varianza más grande por la más pequeña: F= Varianza mayor = Varianza 1 = 26,4 = Varianza menor Varianza 2 12,7 4) Para saber si 2,079 indica que la varianza obtenida en la experiencia 2 es menor que la obtenida en la experiencia 1, uno va a la Tabla F (Ver Anexo nº 4) y coloca los grados de libertad (gl) del numerador (9) en la fila horizontal, y del denominador (13) en la columna, para un valor de α = 0,05, 1 cola: gl ,51 19,00 19, ,13 9,55 9, ,71 6,94 6, ,61 5,79 5, ,99 5,14 4, ,59 4,74 4, ,32 4,46 4, ,12 4,26 4, ,96 4,10 3, ,84 3,98 3, ,75 3,89 3, ,67 3,81 3, En la intersección se lee: valor crítico para F, que es F crit = 2,71. Se procede a comparar el F crítico y el F calculado, F calc = 2,079, Se observa. F crit > F calc. Concluimos que las dos varianzas no son significativamente diferentes. Por lo tanto, hacer el test de t es una decisión legítima. GUÍA TÉCNICA N º 1 18

21 Análisis de Varianza El análisis de varianza, también conocido como ANOVA, es el análisis estadístico en el cual se compara más de dos medias entre sí. Para ese fin, se debe proceder a comparar las diferencias entre cada grupo y las observaciones realizadas. Ejemplo: N= número de observaciones totales = 3 x 3 = 9 Experiencia n n= Observaciones Método A Método B Método C 1 8,5 9,9 7,4 2 9,2 10,0 8,0 3 7,8 11,1 8,6 Se procede a calcular la sumatoria de las observaciones de experiencia (o grupo): Calculo Método A Método B Método C Σ Σ xi 25,5 31,0 24,0 Σ Σ xi = 25,5 + 31,0+24,0= 80,5 Σ xi 2 217,73 321,22 192,72 Σ Σ xi 2 = 217, , ,72= 731,67 Suma total de los cuadrados es: SC T = Σ Σ xi 2 (Σ Σ x) 2 = 731,67 (80,5) 2 = 11,642 N 9 Grados de libertad totales = gl total = N-1 =9-1 =8 Suma cuadrados entre grupos: SC B = (Σ x A ) 2 + (Σ x B ) 2 + (Σ x C ) 2 - (Σ Σ x) 2 = (25,5) 2 + (31,0) 2 + (24,0) 2 (80,5) 2 = 9,0553 n A n B n C N Grados de libertad entre grupos (ej.: métodos) = gl B = n -1 = 3-1 = 2 GUÍA TÉCNICA N º 1 19

22 Suma cuadrados residuales o dentro del grupo, es decir, dentro de los métodos: Se realiza por simple resta, es decir: SC w = SC T - SDC B = 11,642 9,05553 = 2,58647 Grados de libertad dentro del grupo = gl total - gl B = 8-2 = 6 Resumiendo obtuvimos: Origen de la Varianza Grados de libertad (gl) Sumas cuadráticas (SC) Cuadrados medios (CM) Entre grupos (B) 2 9,0553 4,5278 Dentro del grupo (W) 6 2, ,4311 Total (T) 8 11, Aplicando la prueba F, se obtiene: F calc = ( SC B /gl B ) = ( 9,05553/2) = 4,5278 = 10,5 (SC w / gl w ) ( 2,58647/6) 0,4311 Se determina el valor F crítico de Tabla F (Ver Anexo nº 4) y coloca los grados de libertad (gl) del numerador (2) en la fila horizontal, y del denominador (6) en la columna, para un valor de α = 0,05, 1 cola: gl ,51 19,00 19, ,13 9,55 9, ,71 6,94 6, ,61 5,79 5, ,99 5,14 4, En la intersección se lee: valor crítico para F, que es F crit = 5,14. Se procede a comparar el F critico y el F calculado. F calc = 10,50 Se observa que F calc > F crit. Se concluye que hay diferencias significativas entre los 3 métodos. GUÍA TÉCNICA N º 1 20

23 IV: VALIDACION La validación de un método analítico es un paso fundamental para asegurar que los resultados entregado por dicho método son confiable. Cuando se realiza la validación de un método por parte del laboratorio, lo que se busca es poder determinar con fundamento estadístico que el método es adecuado para los fines previstos. En este sentido, es importante que para el proceso de validación se asigne a un responsable de realizar dicha tarea. De manera que, la validación se efectúe en forma metódica, ordenada, trazable y confiable. Es importante que el laboratorio tenga claridad antes de iniciar la validación de cuales son los requerimientos del método para establecer el alcance de la validación. Es esencial, entonces conocer el método a validar y su aplicabilidad, es decir, el analito, su concentración (nivel, LMP, LMR, etc.) y la matriz (o matrices) en las cuales se desea utilizar. En general, se establece que el laboratorio DEBE validar: 1. Métodos no normalizados: Corresponden a métodos desarrollados por el laboratorio o método nuevos (ejemplo: publicado en revista científica), o bien, a métodos que tradicionalmente se han utilizado en el laboratorio pero que no están normalizados. 2. Método normalizado con una modificación significativa. Cuando se trata de un método empleado tradicionalmente por el laboratorio que no este normalizado, se puede realizar una Validación Retrospectiva, es decir, en base a los datos experimentales que el laboratorio dispone, para la cual se realizará la recopilación de la mayor cantidad de datos históricos disponibles, para luego realizar un proceso de ordenamiento y selección de los datos recopilados, estos datos pueden ser: curvas de calibración, resultados de ensayos, cartas de control, ensayos de aptitud, etc. A través de estos, se deberán determinar los parámetros de validación, y evaluar si los resultados obtenidos para los fines de la son aceptable. En caso de ser un método nuevo (o uno antiguo del que no se dispongan de datos suficientes) se debe realizar una Validación Prospectiva, generando a través de análisis datos experimentales. En algunos casos se puede realizar lo que se conoce como validación menor o verificación cuando se trate de: 1. Métodos normalizados. 2. Métodos normalizados usados fuera de su alcance propuesto. Ejemplo: uso en otra matriz. 3. Ampliaciones y modificaciones menores de métodos normalizados. Ejemplo: uso en otros analitos. 4. Cuando se trate de métodos previamente validados, que haya sufrido alguna alteración significativa por lo cual deben volver a evaluarse. Estas variaciones pueden ser; cambio de equipo, cambio de componentes de equipo como columnas, detectores, cambio analista, cambio de la matriz que contiene la muestra o de nivel de concentración del analito de interés, entre otros. GUÍA TÉCNICA N º 1 21

24 La verificación, tiene generalmente como objetivo, el comprobar que el laboratorio domina el método de ensayo normalizado y lo utiliza correctamente, en caso de tratarse de un método normalizado modificado para la verificación se requiere solo realizar aquellas pruebas que indiquen que la variación realizada no afecta el ensayo. En ocasiones, lo que se busca a través de una validación es demostrar que un método es equivalente a otro. El objetivo de la validación y la verificación, es demostrar que el método utilizado por un laboratorio es adecuado para la aplicación en la que se propone utilizar, así, como también demostrar que las modificaciones que pudieron haberse realizado no afectan su desempeño, ni la confiabilidad de los resultados por este entregado. GUÍA TÉCNICA N º 1 22

25 Definición del método a Validar: Cuali o Cuantitativo-Analito-matriz-Concentración-Principio Tipo de Método Sí Se trata de un método normalizado? No Normalizado No Normalizado Modificado Tiene una modificación significativa? Sí No Normalizado: Nuevo o Desarrollado por el laboratorio recientemente No Normalizado Tradicional : usado por el Laboratorio hace años Verificación Validación Prospectiva Validación Retrospectiva Establecer Parámetros a Evaluar Establecer Pruebas Experimentales Establecer Criterios de Aceptabilidad Comparar resultados versus criterios Desarrollar Pruebas Experimentales Evaluar resultados INFORME DE VALIDACIÓN REVISIÓN DE INFORME GUÍA TÉCNICA N º 1 23

26 En relación a los parámetros de validación o verificación estos deberán determinarse de acuerdo al tipo de método. Para este fin la siguiente tabla puede ser utilizada como guía: Tabla Nº 2 PARAMETRO A EVALUAR SELECTIVIDAD LINEALIDAD SENSIBILIDAD LIMITES PRECISION VERACIDAD ROBUSTEZ CARACTERISTICA(S) Identificación analito Interferencia de matriz Rango lineal Pendiente Critico (LC) Detección (LOD) Cuantificación (LOQ) Repetibilidad Reproducibilidad Sesgo (s) Recuperación (R) Test de Youden y Steiner APLICABILIDAD METODO METODO CUANTITATIVO CUALITATIVO NORMALIZADO MODIFICADO NUEVO Sí No Sí Sí No Sí Sí Sí No Sí o No Sí Sí Sí Sí o No No Sí Sí Sí No No Sí o No No Sí Sí o No Sí o No Sí Sí Sí Sí Sí Sí Sí De acuerdo a los antecedentes anteriormente mencionados, el responsable de la validación o verificación deberá así elaborar el Plan de Validación que se va a realizar. a) ESTABLECER PLAN DE VALIDACIÓN Se entiende como Plan de Validación, a un documento (tipo protocolo) en el cual se definen previamente a la experiencia; las pruebas o parámetros de validación necesarios y el diseño experimental a desarrollar en base a los requerimientos del método. El Plan de Validación deberá contener a lo menos: Alcance de la validación (método, analito, matrices y requerimientos del método Diseño experimental: Establecer la(s) muestra(s) a ser analizada(s): testigos reactivos, blanco matriz, material certificados, material control, material(es) de referencia certificado, matrices de las muestras, muestras sin fortificar, muestras fortificadas, etc. El (los) parámetro(s) y pruebas a desarrollar, en caso, de que la prueba no sea una convencional, sino diseñada por el responsable, también deberá indicarse en el documento. Número de análisis requeridos para cada prueba y/o parámetro. Criterios de aceptabilidad para cada parámetro de validación. Analista(s) responsable de realizar la(s) prueba(s) analítica(s). GUÍA TÉCNICA N º 1 24

27 Materiales, insumos y equipos necesarios para desarrollar la validación. Responsable de la Validación, fecha o tiempo programado para realizar la validación y fecha de elaboración del plan. Cualquier modificación realizada al plan de validación, durante el proceso, debe quedar debidamente documentada. En anexo Nº 1, Se muestra un formato de plan de validación. En el anexo Nº 6, se incluye un ejemplo de esquema de trabajo de cómo se desarrolla un plan de validación para un método normalizado. b) DESARROLLO DE PRUEBAS DE PARÁMETROS DE VALIDACIÓN Para el desarrollo de las pruebas de validación, los analistas a cargo deberán conocer el procedimiento de método de ensayo y el número de ensayos o mediciones a realizar de acuerdo a lo establecido en el plan de validación. (IMPORTANTE: El personal responsable de realizar los análisis se encuentre debidamente calificado, y los equipos asociados al método deberían encontrarse calibrados o controlados antes de su uso.) Los resultados obtenidos en cada prueba deben ser debidamente registrados y almacenados. Los ensayos o mediciones realizadas serán con el fin de poder realizar las siguientes pruebas de parámetros de validación: Selectividad Linealidad Sensibilidad Limites Exactitud Precisión Robustez Aplicabilidad El analista o responsable de la validación deberá con los resultados obtenidos de cada prueba realizar los cálculos matemáticos, comparativos y/o estadísticos correspondientes a cada ensayo para lo cual podrá utilizar para ese fin un software estadístico, calculadora o una planilla de cálculo (ejemplo: Excel). C) EVALUAR RESULTADOS DE LA VALIDACIÓN Se deberá evaluar para cada parámetro de validación, si los resultados de las pruebas son satisfactorios, es decir, si cumplen con los criterios de aceptabilidad establecidos en el plan, se considera que el método es aceptable. GUÍA TÉCNICA N º 1 25

28 D) INFORME DE VALIDACIÓN El responsable de la validación, deberá realizar un informe en el cual presentará los resultados obtenidos y conclusiones. El informe debe contener la declaración de la aplicabilidad del método. En el anexo Nº 2, se entrega un modelo tipo de informe de validación. El laboratorio debe tener disponible el procedimiento usado para la validación, y una declaración acerca de que el método se ajusta para el uso propuesto. Este informe deberá ser revisado por una tercera persona que tenga conocimiento en el área, y que no haya formado parte del proceso de validación. En dicha revisión se deberá establecer si los criterios de aceptabilidad establecidos en el plan son aceptables, y si el método es idóneo para el fin previsto. GUÍA TÉCNICA N º 1 26

29 SELECTIVIDAD La selectividad es el grado en que un método puede cuantificar o cualificar al analito en presencia de interferentes. Estos interferentes normal o frecuentemente se encuentran en la matriz de interés. La prueba de selectividad puede diseñarse de acuerdo al método, en el caso de cromatografía la resolución entrega información sobre la selectividad del método, en el caso de espectrofotometría el espectro de absorción o un espectro de masas entrega información al respecto, en especial cuando es comparado en presencia de una interferencia. Una prueba de Selectividad comúnmente utilizada, consiste en analizar un mínimo de tres testigo reactivos, tres blancos de matriz y tres muestras o estándares de concentración conocida del analito de interés. Se deben comparar las lecturas (señales de medición) obtenidas para cada caso, y observar si existen variaciones entre los testigos reactivos, blancos de matrices y estándares o muestras con analito. Si se encuentran diferencias significativas deberán ser identificadas y en lo posible eliminadas. GUÍA TÉCNICA N º 1 27

30 LINEALIDAD La linealidad es la capacidad de un método de análisis, dentro de un determinado intervalo, de dar una respuesta o resultados instrumentales que sean proporcionales a la cantidad del analito que se habrá de determinar en la muestra de laboratorio. Con el fin de determinar el rango lineal se puede realizar mediante un gráfico de concentración versus respuesta, que se conoce como Función Respuesta (normalmente llamada recta de calibrado). Ésta se establece cada día con una cierta cantidad de valores formados por un blanco y los patrones de trabajos limpios de valor teórico conocido, que cubran el intervalo de trabajo. En este sentido se recomienda abarcar valores desde cercano al cero y valores superiores al LMP o al valor de interés. El número de puntos a analizar deberá ser establecido por el analista (en general, se utiliza un mínimo de 4 valores). Luego de realizar el grafico se puede observar el comportamiento de la curva y establecer cualitativamente el rango lineal (fig.1). Después de establecer el comportamiento lineal del método se deberá realizar la Curva de trabajo o curva de calibración (fig.2). Graficar los datos de concentración de los estándares de calibración estimados (X) v/s la lectura observada (Y). Fig. 1 Fig.2 Evaluar los estimadores de regresión lineal del gráfico: la pendiente (m), el coeficiente de correlación (r ó ϒ) y el punto de corte (intercepto) con el eje de las Y (L 0 ). Y= X x m + L o GUÍA TÉCNICA N º 1 28

31 En general el criterio de aceptación cualitativo que se usa para determinar la linealidad es el coeficiente de correlación: El coeficiente de correlación indica el grado de relación entre la variable concentración (X) y la variable respuesta (Y) de la curva de calibración. Los valores máximos que puede alcanzar son 1 y 1. El valor máximo de 1 indica una correlación positiva perfecta (entre X e Y) con una pendiente positiva. Cuando r=0, no existe correlación alguna, independencia total de los valores X e Y En la práctica si r tiene un valor cercano a uno (1), esto significa que existe correlación con una probabilidad elevada. Para una curva de calibración o trabajo, es recomendable que el coeficiente de correlación obtenido sea mayor o igual a 0.999, aunque para el caso de trazas se admite un valor igual o mayor que r = _S xy S x S y S xy = i=1 Σ n x i y i - (x prom y prom ) n S x = ((Σ x i 2 /n) - (x prom 2 )) S y = ((Σ y i 2 /n) - (y prom 2 )) Coeficiente de correlación (γ o r): r > 0.99 Coeficiente de correlación al cuadrado r 2 > Se puede realizar una evaluación de curva de calibración global (construida con más de una curva de calibración de las mismas características) en la cual se puede realizar una evaluación estadística de prueba t-student, como un mejor indicador del modelo lineal. Se calcula un valor de t con n-2 grados de libertad y se compara con el valor tabulado de t para el nivel de confianza requerido (α = 0.05), dos-colas, en este caso para un n que depende de los niveles de calibración. Se desea probar si existe entonces una correlación significativa: La hipótesis nula H 0 es que no existe correlación entre X e Y. Si el valor observado de t r es mayor que t cri, se rechaza la hipótesis nula H 0, siendo la correlación lineal significativa con la probabilidad calculada. Donde: t r = r (n-2) (1- r 2 ) t r = Valor del estimador t Student obtenido para el coeficiente de correlación r = Valor absoluto del coeficiente de correlación n 2 = Número de grados de libertad r 2 = Valor del coeficiente de determinación GUÍA TÉCNICA N º 1 29

32 Ejemplo: Nivel Conc Área Área Área A Desviación Estándar CV % Varianza mg/l Promedio S 1 13,4 43,8 44,2 44,1 44,0 0,2 0,4 0,0 2 26,6 86,2 86,1 87,6 86,7 0,8 1,0 0,7 3 40,8 131,2 132,7 133,6 132,5 1,2 0,9 1,4 4 54,7 181,7 180,7 178,6 180,3 1,6 0,9 2,5 5 68,6 221,6 224,2 221,8 222,5 1,4 0,6 2,0 n= Nº de niveles= 5 r= coeficiente de correlación= 0,99985 r= coeficiente de determinación= 0,9997 sustituyendo los valores: t r = r (n-2) = I 0,99985 I* (5-2)= I 0,99985 I* 3 = (1- r 2 ) (1-0,9997) 0,0003 GUÍA TÉCNICA N º 1 30

33 El valor t critico obtenido de la tabla para: 3 grados de libertad, un α = 0.05 y 2 colas es: 2 colas 80% 90% 95% α/ v t crit = 3,182 Se observa que el valor observado de t r (es decir el t calculado) es mayor que t crit (99,85 > 3,182), por lo cual se rechaza la hipótesis nula H o, siendo la correlación lineal significativa con la probabilidad calculada. En cuanto al rango de aplicabilidad, el Codex Alimentarius ha establecido que respecto al LMP el Intervalo mínimo aplicable es: Respecto de un LMP 0,1 ppm, [LMP - 3 S R, LMP + 3 S R ]. Respecto de un LMP < 0,1 ppm, [LMP - 2 S R, LMP + 2 S R ]. Siendo S R la desviación estándar de la reproducibilidad. Ejemplo: El LMP para mercurio en sal es de 0,1 mg/kg, por lo cual se aplicaría la ecuación de Horwitz para determinar la S R prevista a este nivel que es igual a 10-7 Al despejar la ecuación obtendríamos lo siguiente: CVR (%) = 100 S R = 2 C 0,1505 c S R = c 2 C 0, c= Es el LMP en mg/kg es decir; 0,1 C= Es cociente de concentración es decir la concentración expresada en potencia de 10. GUÍA TÉCNICA N º 1 31

34 Sustituyendo obtendríamos: S R = 0,1 2 (0, ) 0,1505 = 0, Entonces: Para un LMP 0,1 ppm se aplica el criterio: [LMP - 3 S R, LMP + 3 S R ]. Es decir: LMP + 3 S R = 0,1 + (3 0,0233) = 0,1 + (0,07) 0,1 + 0,07 = 0,17 mg/kg 0,1 0,07 = 0,03 mg/kg Entonces el rango que se requería del método para que fuera aceptable debería estar a lo menos entre 0,03 y 0,17 mg/kg. Para coeficientes de concentración < 10-7, se aplica la teoría de Thompson, esto es, CV R % = 22 % por lo tanto, S R = 0,22 LMP Ejemplo: El Codex Alimentarius señala que para un LMP = 0,01 mg/kg, es decir, para una concentración de 10-8, es decir < 10-7 : El rango de aceptabilidad seria: LMP + 2 S R = 0,01 ± 2 S R = 0,01 ± 2 (0,22 LMP) = 0,01 ± 0,44 0,01 = 0,01 ± 0,0044 mg/kg El rango mínimo aplicable para un LM de 0,01 mg/kg es, por lo tanto, 0,006-0,014 mg/kg. GUÍA TÉCNICA N º 1 32

35 SENSIBILIDAD La sensibilidad es el cociente entre el cambio en la indicación de un sistema de medición y el cambio correspondiente en el valor de la cantidad objeto de la medición. En una regresión lineal la sensibilidad corresponde a la pendiente (m) de la recta de calibración. Se calcula como: m = ΣX i Y i - (Σ X i ΣY i / n) ΣX 2 i - ((ΣX i ) 2 /n) El valor de sensibilidad obtenido [m] debe permitir una adecuada discriminación de los valores de concentración en base a la lectura. En figura Nº 3, se puede observar que mientras más próxima al eje de las Y esté la recta, significa que a ligeros cambios en las concentraciones esperadas habrá grandes variaciones en los resultados de las lecturas observadas [m 2 ] En el caso de [m 3 ] grandes cambios en la concentración no son significativos para la lectura. Fig. 3 Se dice, que un método es sensible cuando una pequeña variación de concentración determina una gran variación de respuesta. La sensibilidad permite observar la capacidad de respuesta instrumental frente a una determinada cantidad de analito. En el tiempo, visualiza como se comporta el instrumento. GUÍA TÉCNICA N º 1 33

36 LIMITES Se debe tener en consideración los siguientes parámetros: Valor critico, limite detección (LOD) y limite de cuantificación (LOQ). Valor critico (LC): El valor de la concentración o cantidad neta que en caso de superarse da lugar, para una probabilidad de error dada α, a la decisión de que la concentración o cantidad del analito presente en el material analizado es superior a la contenida en el material testigo (Referencia: Codex Alimentarius). Se recomienda para su cálculo a lo menos seis mediciones de blanco matriz o testigo reactivo. LC = t (1-α;ν) x S o Sí : t ( 0.05, ) 1,645 LC = 1,645 x S o Donde: t = t-student 1-α= probabilidad b v= Grados de libertad S o = Desviación estándar de las lecturas del blanco matriz o testigo reactivo. Un resultado inferior al LC que determine la decisión no detectado no deberá interpretarse como demostración de que el analito está ausente. No se recomienda notificar tal resultado como cero o como < LOD. Deberá hacerse constar en todo los casos el valor estimado y su incertidumbre. Límite de detección (LOD): Concentración o cantidad real del analito presente en el material objeto de análisis que llevará, con una probabilidad (1-β), a la conclusión de que la concentración o cantidad del analito es mayor en el material analizado que en el material testigo (Referencia del Manual del Codex Alimentarius ). Se recomienda para su cálculo a lo menos seis mediciones de blanco matriz, testigo reactivo o concentración estimada cercana al blanco. LOD = 2 t (1-α;ν) x S o Sí : t ( 0.05, ) 1,645 LOD = 3,29 x S o LOD = 3,29S o, cuando la incertidumbre del valor medio (esperado) del material testigo es insignificante, α=β = 0,05 y el valor estimado tiene una distribución normal con una varianza constante conocida. Un criterio de aceptación adecuado es LC < LOD < LMP. En general también se sugiere, para un LMP > 0,1 ppm un LOD < 1/10 LMP y para un LMP <0,1 ppm un LOD < 1/5 LMP. Límite de cuantificación (LOQ): Una característica del funcionamiento del método que suele expresarse como señal del valor (verdadero) de la medición que producirá estimaciones con una desviación estándar relativa (RSD) generalmente de 10 % (o 6 %). El LOQ se calcula mediante la siguiente fórmula: LOQ = 10 S o GUÍA TÉCNICA N º 1 34

37 Se recomienda para su cálculo a lo menos seis mediciones de blanco matriz, testigo reactivo o concentración estimada cercana al blanco. En este caso, el LOQ es exactamente 3,04 veces el límite de detección, dada la normalidad y α= β = 0,05. En el LOQ es posible lograr una identificación positiva con un nivel de confianza razonable. Un criterio de aceptación adecuado es LC < LOD<< LOQ <LMP. En general también se sugiere, para un LMP > 0,1 ppm un LOQ < 1/5 LMP y para un LMP <0,1 ppm un LOQ < 2/5 LMP. Ejemplo ejercicio de límites: Para el analito mercurio en marisco fresco el limite máximo permisible es 0,5 mg/kg. Se realiza la experiencia de medir 10 veces el blanco matriz: Resultado Medición mg/kg 1 0,05 2 0,05 3 0,03 4 0,04 5 0,05 6 0,03 7 0,01 8 0,05 9 0, ,04 La desviación estándar obtenida para los blancos: S o = 0,013 Por lo cual el LC seria: LC = 1,645 x 0,013 = 0,022 mg/kg Por lo cual el LOD seria: LOD = 3,29 x 0,013 = 0,044 mg/kg Se puede observar que se cumple que el LC es inferior al LOD, ya que 0,022 < 0,044. El LMP establecido por el analito es de 0,5 ppm es decir es > 0,1 ppm, por lo cual el LOD debe ser < 1/10 del LMP, es decir, debe ser inferior o igual a una décima parte de 0,5. (0,5 mg/l/10) = 0,05 mg/kg 0,044 mg/l es inferior a 0,05 mgkgl, por lo cual se estaría aceptando el LOD calculado de acuerdo al criterio de aceptación establecido. Si el LOQ seria: LOD = 10 x 0,013 = 0,13 mg/kg GUÍA TÉCNICA N º 1 35

38 Para un LMP de 0,5 ppm un LOQ < 1/5 LMP, es decir, se debe determinar el (LMP/5), que es : 0,5/5 de 0,1 mg/kg. Por lo cual no se estaría cumpliendo el criterio pues 0,13mg/Kg es mayor 0,1 mg/kg. El LOQ no sería aceptable para el campo de aplicabilidad que le quiere dar al método. En este sentido se pude tomar la decisión de buscar otro método que cumpla con estos requisitos para este fin previsto o aceptar su aplicabilidad, considerando en la declaración de la aplicabilidad estas reservas u observaciones en cuanto a su LOQ. Es importante realizar posteriormente la experiencia analítica de la determinación del analito en el nivel de concentración determinado para el LOD o LOQ, es decir evidenciar resultados experimentales, que demuestren la validez del resultado obtenido. GUÍA TÉCNICA N º 1 36

39 EXACTITUD El manual del Codex Alimentarius define la exactitud como el grado de concordancia entre el resultado de un ensayo y el valor de referencia. El término exactitud, esta aplicado a un conjunto de resultados de un ensayo, y supone una combinación de componentes aleatorios y un componente común de error sistemático o sesgo. Cuando se aplica a un método de ensayo, el término exactitud se refiere a una combinación de veracidad y precisión. En el siguiente esquema de Tiro al Blanco, ampliamente utilizado para ejemplificar esto, los punto u orificios equivaldrían a los resultados analíticos y el circulo rojo al centro el rango en el cual se espera este el valor de referencia (o verdadero). Como se puede observar entre más veraz y preciso sea un resultado analítico, es más exacto. GUÍA TÉCNICA N º 1 37

Validación de métodos de ensayo

Validación de métodos de ensayo Validación de métodos de ensayo Validación verificación de que los requisitos especificados son adecuados para un uso determinado Ejemplo: Un procedimiento de medición ordinariamente usado para la medición

Más detalles

Validación y verificación de métodos de examen cuantitativos

Validación y verificación de métodos de examen cuantitativos Temas selectos de Calidad en Serología (aplicación en el banco de sangre) Validación y verificación de métodos de examen cuantitativos Ignacio Reyes Ramírez entidad mexicana de acreditación, a.c. Introducción

Más detalles

CRITERIOS ESPECÍFICOS PARA EVALUAR LA INCERTIDUMBRE EN PROCESOS DE MEDICIÓN EN LABORATORIOS QUIMICOS

CRITERIOS ESPECÍFICOS PARA EVALUAR LA INCERTIDUMBRE EN PROCESOS DE MEDICIÓN EN LABORATORIOS QUIMICOS Página 1 de 6 TITULO: CRITERIOS ESPECIFICOS PARA EVALUAR LA INCERTIDUMBRE DE UN PROCESO DE MEDICIÓN EN LABORATORIOS QUÍMICOS Resumen: El presente documento contiene los criterios en lo referente a la evaluación

Más detalles

Validación de Métodos

Validación de Métodos Validación de Métodos Francisco Rojo Callejas Validación de Métodos Definiciones Parámetros básicos Requisitos Validación de Métodos El proceso de definir las condiciones analíticas y confirmar que el

Más detalles

LA MEDIDA Y SUS ERRORES

LA MEDIDA Y SUS ERRORES LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger

Más detalles

INCERTIDUMBRE Y PRECISIÓN

INCERTIDUMBRE Y PRECISIÓN INCERTIDUMBRE Y PRECISIÓN Alicia Maroto, Ricard Boqué, Jordi Riu, F. Xavier Rius Departamento de Química Analítica y Química Orgánica Instituto de Estudios Avanzados Universitat Rovira i Virgili. Pl. Imperial

Más detalles

Lo que usted debe saber para Validar o Verificar sus métodos de ensayo Subdirección de Gestión de Calidad de Laboratorios de Salud Pública Septiembre

Lo que usted debe saber para Validar o Verificar sus métodos de ensayo Subdirección de Gestión de Calidad de Laboratorios de Salud Pública Septiembre Lo que usted debe saber para Validar o Verificar sus métodos de ensayo Subdirección de Gestión de Calidad de Laboratorios de Salud Pública Septiembre 2015 AGENDA 1 Definición 2 Por qué validar? 3 Previo

Más detalles

Curso Comparabilidad de resultados

Curso Comparabilidad de resultados Curso Comparabilidad de resultados Director: Gabriel A. Migliarino. Docente: Evangelina Hernández. Agenda Introducción. n. Protocolos iniciales de comparación de métodos. m * EP9-A2. CLSI. * Comparación

Más detalles

ASEGURAMIENTO DE LA CALIDAD EN LABORATORIO

ASEGURAMIENTO DE LA CALIDAD EN LABORATORIO FUNDACION NEXUS ASEGURAMIENTO DE LA CALIDAD EN LABORATORIO Marzo de 2012 CALIDAD, CONTROL DE LA CALIDAD Y ASEGURAMIENTO DE LA CALIDAD El laboratorio de análisis ofrece a sus clientes un servicio que se

Más detalles

Son las dispersiones diferentes?

Son las dispersiones diferentes? ESTADÍSTICA BÁSICA II Prueba de significancia 2: F-test Análisis de Varianza (ANOVA) Identificación de valores anómalos (outliers) - Cochran y Grubbs test Taller 3 Leonardo Merino Science Department Swedish

Más detalles

Validación de un Método Instrumental

Validación de un Método Instrumental Validación Validación de un Método Instrumental Un Proceso de Validación Consiste de al menos las siguientes etapas: Validación del Software Validación del Hardware ( Instrumento) Validación del Método

Más detalles

Control interno de los métodos de análisis

Control interno de los métodos de análisis Aseguramiento de la Calidad Control interno de los métodos de análisis Universidad Nacional Sede Medellín Facultad de Ciencias Escuela de Geociencias Orlando Ruiz Villadiego, Químico MSc. Coordinador Laboratorio

Más detalles

Requerimientos sobre Validación de Métodos en el marco de la Acreditación de Laboratorios según la norma ISO 17025

Requerimientos sobre Validación de Métodos en el marco de la Acreditación de Laboratorios según la norma ISO 17025 Requerimientos sobre Validación de Métodos en el marco de la Acreditación de Laboratorios según la norma ISO 17025 Disertante: Lic. Pablo Álvarez Calidad y Competitividad INTI-Química Guías de referencia

Más detalles

Control Estadístico del Proceso. Ing. Claudia Salguero Ing. Alvaro Díaz

Control Estadístico del Proceso. Ing. Claudia Salguero Ing. Alvaro Díaz Control Estadístico del Proceso Ing. Claudia Salguero Ing. Alvaro Díaz Control Estadístico del Proceso Es un conjunto de herramientas estadísticas que permiten recopilar, estudiar y analizar la información

Más detalles

Validación de los métodos microbiológicos PROTOCOLO DE VALIDACIÓN

Validación de los métodos microbiológicos PROTOCOLO DE VALIDACIÓN Validación de los métodos microbiológicos PROTOCOLO DE VALIDACIÓN Norma ISO 17025 Bqca. QM Alicia I. Cuesta, Consultora Internacional de la FAO Objetivos a desarrollar Validación de métodos: Intentamos

Más detalles

Control de Calidad en Laboratorios

Control de Calidad en Laboratorios Metodos de control de calidad en laboratorios Funcionar bien en las pruebas de suficiencia (homologación). Funcionar bien en los ensayos de colaboración Un aspecto importante del sistema de gestión de

Más detalles

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se

Más detalles

COMPARACION DE DOS METODOLOGIAS PARA LA DETERMINACION DE NITROGENO TOTAL EN ABONOS O FERTILIZANTES

COMPARACION DE DOS METODOLOGIAS PARA LA DETERMINACION DE NITROGENO TOTAL EN ABONOS O FERTILIZANTES COMPARACION DE DOS METODOLOGIAS PARA LA DETERMINACION DE NITROGENO TOTAL EN ABONOS O FERTILIZANTES El método comunitario 2.6.1. para la determinación del nitrógeno total en los abonos, descrito en el anexo

Más detalles

Evaluación de la capacidad óptima de medida y alcance de la acreditación de un laboratorio de calibración

Evaluación de la capacidad óptima de medida y alcance de la acreditación de un laboratorio de calibración Evaluación de la capacidad óptima de medida y alcance de la acreditación de un laboratorio de calibración Fernández Pareja, Mª Teresa te_fer@topografia.upm.es Departamento de Ingeniería Topográfica y Cartografía

Más detalles

1.4.- D E S I G U A L D A D E S

1.4.- D E S I G U A L D A D E S 1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y

Más detalles

Gestión de Calidad de laboratorio clínico

Gestión de Calidad de laboratorio clínico Gestión de Calidad de laboratorio clínico T.M. Luis Valenzuela Andrade Magíster en Aseguramiento de calidad en Laboratorio Clínicos, UNAB 2007 Product Manager Sistemas de Gestión de calidad Tecnigen Sistemas

Más detalles

Equipos de medición. Intervalos de calibración e interpretación de Certificados de Calibración

Equipos de medición. Intervalos de calibración e interpretación de Certificados de Calibración Equipos de medición. Intervalos de calibración e interpretación de Certificados de Calibración Equipos de Medición. Intervalos de calibración e interpretación de Certificados de Calibración Disertante:

Más detalles

ANÁLISIS DE DATOS NO NUMERICOS

ANÁLISIS DE DATOS NO NUMERICOS ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas

Más detalles

Covarianza y coeficiente de correlación

Covarianza y coeficiente de correlación Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también

Más detalles

Decisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama.

Decisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama. Diagrama de Flujo La presentación gráfica de un sistema es una forma ampliamente utilizada como herramienta de análisis, ya que permite identificar aspectos relevantes de una manera rápida y simple. El

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

Calibración y control de calidad de instrumentos de análisis

Calibración y control de calidad de instrumentos de análisis Calibración y control de calidad de instrumentos de análisis cĺınico. María Cecilia San Román Rincón Monografía vinculada a la conferencia del Dr. Horacio Venturino sobre Instrumental para laboratorio

Más detalles

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión... Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación

Más detalles

Modelos estadísticos aplicados en administración de negocios que generan ventajas competitivas

Modelos estadísticos aplicados en administración de negocios que generan ventajas competitivas Modelos estadísticos aplicados en administración de negocios que generan ventajas competitivas Videoconferencias semana de estadística Universidad Latina, Campus Heredia Costa Rica Universidad del Valle

Más detalles

MANUAL DE ASEGURAMIENTO DE LA CALIDAD

MANUAL DE ASEGURAMIENTO DE LA CALIDAD PÁGINA: 1 de 12 1 Objetivos: Dar a conocer los controles que se realizarán a los procedimientos de ensayos analíticos con el fin de obtener resultados de precisión y sesgo conocidos, de tal forma que sean

Más detalles

CAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION

CAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION CAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION Como hemos dicho anteriormente, los instrumentos de medición hacen posible la observación de los fenómenos eléctricos y su cuantificación. Ahora

Más detalles

Elementos requeridos para crearlos (ejemplo: el compilador)

Elementos requeridos para crearlos (ejemplo: el compilador) Generalidades A lo largo del ciclo de vida del proceso de software, los productos de software evolucionan. Desde la concepción del producto y la captura de requisitos inicial hasta la puesta en producción

Más detalles

Lección 16. INTRODUCCIÓN AL ANÁLISIS CUANTITATIVO.

Lección 16. INTRODUCCIÓN AL ANÁLISIS CUANTITATIVO. Lección 16. INTRODUCCIÓN AL ANÁLISIS CUANTITATIVO. Análisis cuantitativo: Conceptos básicos. Propiedades analíticas de interés. Trazabilidad. Materiales de referencia. Calibración instrumental y metodológica.

Más detalles

LISTA DE CHEQUEO NORMA NTC ISO 9001:2000 No. REQUISITOS EXISTE ESTADO OBSERVACIONES D: Documentado I: Implementado M: Mejorar SI NO D I M

LISTA DE CHEQUEO NORMA NTC ISO 9001:2000 No. REQUISITOS EXISTE ESTADO OBSERVACIONES D: Documentado I: Implementado M: Mejorar SI NO D I M No. REQUISITOS EXISTE ESTADO OBSERVACIONES 4. SISTEMA DE GESTION DE LA CALIDAD 4.1 Requisitos Generales La organización debe establecer, documentar, implementar y mantener un S.G.C y mejorar continuamente

Más detalles

CORRELACIÓN Y PREDICIÓN

CORRELACIÓN Y PREDICIÓN CORRELACIÓN Y PREDICIÓN 1. Introducción 2. Curvas de regresión 3. Concepto de correlación 4. Regresión lineal 5. Regresión múltiple INTRODUCCIÓN: Muy a menudo se encuentra en la práctica que existe una

Más detalles

COMO IMPLEMENTAR UN PROGRAMA DE ASEGURAMIENTO DE CALIDAD ANALÍTICO Dirección Redes en Salud Pública Subdirección Gestión de Calidad de LSP 2015-09-24

COMO IMPLEMENTAR UN PROGRAMA DE ASEGURAMIENTO DE CALIDAD ANALÍTICO Dirección Redes en Salud Pública Subdirección Gestión de Calidad de LSP 2015-09-24 COMO IMPLEMENTAR UN PROGRAMA DE ASEGURAMIENTO DE CALIDAD ANALÍTICO Dirección Redes en Salud Pública Subdirección Gestión de Calidad de LSP 2015-09-24 NTC-ISO/IEC17025:2005 ASEGURAMIENTO DE LA CALIDAD El

Más detalles

DD4B. ANEXO B CRITERIOS PARA LA ACREDITACIÓN DE LABORATORIOS QUE REALIZAN ENSAYOS FÍSICO-QUÍMICOS 2012 rev02

DD4B. ANEXO B CRITERIOS PARA LA ACREDITACIÓN DE LABORATORIOS QUE REALIZAN ENSAYOS FÍSICO-QUÍMICOS 2012 rev02 Introducción DD4B QUE REALIZAN ENSAYOS FÍSICO-QUÍMICOS El presente anexo es una guía auxiliar, para los laboratorios y los evaluadores, de requisitos específicos que deben garantizarse al realizar ensayos

Más detalles

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6

Más detalles

Rosamil Rey, Ph.D. CHEM 4160

Rosamil Rey, Ph.D. CHEM 4160 Rosamil Rey, Ph.D. CHEM 4160 Los métodos analíticos se pueden clasificar en: Métodos Clásicos Métodos Instrumentales Métodos Clásicos Precipitación Extracción Destilación Medidas gravimétricas Medidas

Más detalles

ONARC POL 2 POLÍTICA SOBRE LA TRAZABILIDAD DE LAS MEDICIONES. 2013 rev. 03

ONARC POL 2 POLÍTICA SOBRE LA TRAZABILIDAD DE LAS MEDICIONES. 2013 rev. 03 ONARC POL 2 POLÍTICA SOBRE LA TRAZABILIDAD DE LAS MEDICIONES 2013 rev. 03 1. Introducción Esta política establece los requisitos del Órgano Nacional de Acreditación de la Republica de Cuba (ONARC) para

Más detalles

Otras medidas descriptivas usuales

Otras medidas descriptivas usuales Tema 7 Otras medidas descriptivas usuales Contenido 7.1. Introducción............................. 1 7.2. Medidas robustas.......................... 2 7.2.1. Media recortada....................... 2 7.2.2.

Más detalles

Actualización de la Norma ISO 9001:2008

Actualización de la Norma ISO 9001:2008 Actualización de la Norma ISO 9001:2008 Porqué se actualiza la norma? Existe un ciclo para revisar las normas ISO para mantener las normas actualizadas. Se debe mantener la actualización con desarrollos

Más detalles

CAPITULO III MARCO METODOLÓGICO. Desde la perspectiva de Hurtado de Barrera (2008), el tipo de

CAPITULO III MARCO METODOLÓGICO. Desde la perspectiva de Hurtado de Barrera (2008), el tipo de CAPITULO III MARCO METODOLÓGICO 1. TIPO DE INVESTIGACIÓN Desde la perspectiva de Hurtado de Barrera (2008), el tipo de investigación que propone soluciones a una situación determinada a partir de un proceso

Más detalles

1.1. Introducción y conceptos básicos

1.1. Introducción y conceptos básicos Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................

Más detalles

Guía de Preparación de Muestras para PLASTICOS para el Software de Formulación de Datacolor

Guía de Preparación de Muestras para PLASTICOS para el Software de Formulación de Datacolor Guía de Preparación de Muestras para PLASTICOS para el Software de Formulación de Datacolor 1. Generalidades 2. Qué se necesita para comenzar? 3. Qué hacer para sistemas opacos y translúcidos? 4. Qué hacer

Más detalles

Módulo 9 Sistema matemático y operaciones binarias

Módulo 9 Sistema matemático y operaciones binarias Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional

Más detalles

Sistemas de Gestión de Calidad. Control documental

Sistemas de Gestión de Calidad. Control documental 4 Sistemas de Gestión de Calidad. Control documental ÍNDICE: 4.1 Requisitos Generales 4.2 Requisitos de la documentación 4.2.1 Generalidades 4.2.2 Manual de la Calidad 4.2.3 Control de los documentos 4.2.4

Más detalles

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases. BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades

Más detalles

Jornada informativa Nueva ISO 9001:2008

Jornada informativa Nueva ISO 9001:2008 Jornada informativa Nueva www.agedum.com www.promalagaqualifica.es 1.1 Generalidades 1.2 Aplicación Nuevo en Modificado en No aparece en a) necesita demostrar su capacidad para proporcionar regularmente

Más detalles

TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.

TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son

Más detalles

ESTADÍSTICA BÁSICA en LABORATORIOS (Físico - Químicos)

ESTADÍSTICA BÁSICA en LABORATORIOS (Físico - Químicos) ESTADÍSTICA BÁSICA en LABORATORIOS (Físico - Químicos) (Aplicaciones de Microsoft Excel ) Curso a distancia (EDICIÓN Junio 2012) ASECAL, S.L. MADRID-ESPAÑA RONDA DE TOLEDO, 8, LOCAL 1º- 28005 MADRID. Teléfono:

Más detalles

TRAZABILIDAD EN MEDIDAS FÍSICAS MEDIANTE CALIBRACIÓN DIRECTA: CALIBRACIÓN DE UNA BALANZA

TRAZABILIDAD EN MEDIDAS FÍSICAS MEDIANTE CALIBRACIÓN DIRECTA: CALIBRACIÓN DE UNA BALANZA TRAZABILIDAD EN MEDIDAS FÍSICAS MEDIANTE CALIBRACIÓN DIRECTA: CALIBRACIÓN DE UNA BALANZA Jordi Riu, Ricard Boqué, Alicia Maroto, F. Xavier Rius Departamento de Química Analítica y Química Orgánica Instituto

Más detalles

2. MÉTODOS, INSTRUMENTOS Y ESTRATEGIAS

2. MÉTODOS, INSTRUMENTOS Y ESTRATEGIAS 2. MÉTODOS, INSTRUMENTOS Y ESTRATEGIAS Objetivo específico: El alumno conocerá la importancia de la investigación en psicología industrial/organizacional, su proceso y limitaciones. Asimismo entenderá

Más detalles

Eduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS

Eduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos

Más detalles

La selectividad en análisis químico

La selectividad en análisis químico La selectividad en análisis químico Ricard Boqué Grupo de Quimiometría y Cualimetría Universidad Rovira i Virgili (Tarragona) El concepto de selectividad en análisis químico ha sido objeto de una redefinición

Más detalles

Validation. Validación Psicométrica. Validation. Central Test. Central Test. Centraltest CENTRAL. L art de l évaluation. El arte de la evaluación

Validation. Validación Psicométrica. Validation. Central Test. Central Test. Centraltest CENTRAL. L art de l évaluation. El arte de la evaluación Validation Validación Psicométrica L art de l évaluation Validation Central Test Central Test Centraltest L art de l évaluation CENTRAL test.com El arte de la evaluación www.centraltest.com Propiedades

Más detalles

REGRESION simple. Correlación Lineal:

REGRESION simple. Correlación Lineal: REGRESION simple Correlación Lineal: Dadas dos variable numéricas continuas X e Y, decimos que están correlacionadas si entre ambas variables hay cierta relación, de modo que puede predecirse (aproximadamente)

Más detalles

Detergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16

Detergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16 3. DISEÑO EN BLOQUES ALEATORIZADOS En muchos experimentos además de que interesa investigar la influencia de un factor controlado sobre la variable de respuesta, como en la sección anterior, existe una

Más detalles

ANÁLISIS DESCRIPTIVO CON SPSS

ANÁLISIS DESCRIPTIVO CON SPSS ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:

Más detalles

ANÁLISIS DE DATOS CONTROL DE CALIDAD. Ing. Carlos Brunatti

ANÁLISIS DE DATOS CONTROL DE CALIDAD. Ing. Carlos Brunatti ANÁLISIS DE DATOS CONTROL DE CALIDAD Ing. Carlos Brunatti Montevideo, ROU, junio 2015 Control de calidad No resulta sorprendente que el hormigón sea un material variable, pues hay muchos factores involucrados

Más detalles

IMPLEMENTACIÓN DEL SISTEMA PARA LA VALIDACIÓN DE LOS MÉTODOS DE ANÁLISIS Y MEDICIONES DE LABORATORIO EN SUELOS Y LODOS.

IMPLEMENTACIÓN DEL SISTEMA PARA LA VALIDACIÓN DE LOS MÉTODOS DE ANÁLISIS Y MEDICIONES DE LABORATORIO EN SUELOS Y LODOS. IMPLEMENTACIÓN DEL SISTEMA PARA LA VALIDACIÓN DE LOS MÉTODOS DE ANÁLISIS Y MEDICIONES DE LABORATORIO EN SUELOS Y LODOS. Universidad de Concepción Facultad de de Agronomía Chillán. Erick Zagal 1, Angélica

Más detalles

Características de funciones que son inversas de otras

Características de funciones que son inversas de otras Características de funciones que son inversas de otras Si f es una función inyectiva, llamamos función inversa de f y se representa por f 1 al conjunto. f 1 = a, b b, a f} Es decir, f 1 (x, y) = { x =

Más detalles

Mantenimiento de Sistemas de Información

Mantenimiento de Sistemas de Información de Sistemas de Información ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 1 ACTIVIDAD MSI 1: REGISTRO DE LA PETICIÓN...4 Tarea MSI 1.1: Registro de la Petición... 4 Tarea MSI 1.2: Asignación de la Petición... 5 ACTIVIDAD

Más detalles

Inter American Accreditation Cooperation ACREDITACIÓN DE LABORATORIOS O CERTIFICACIÓN ISO 9001?

Inter American Accreditation Cooperation ACREDITACIÓN DE LABORATORIOS O CERTIFICACIÓN ISO 9001? Este documento es una traducción al español preparada y endosada por IAAC del folleto de ILAC Laboratory Accreditation or ISO 9001 Certification? CLASIFICACIÓN Este documento está clasificado como un Documento

Más detalles

Medidas de tendencia central o de posición: situación de los valores alrededor

Medidas de tendencia central o de posición: situación de los valores alrededor Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas

Más detalles

Estadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL

Estadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL 1. Introducción ESTADÍSTICA CO EXCEL La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en

Más detalles

Cuantificación de compuestos por cromatografía: Método del Patrón Externo

Cuantificación de compuestos por cromatografía: Método del Patrón Externo Cuantificación de compuestos por cromatografía: Método del Patrón Externo Apellidos, nombre Departamento Centro Fernández Segovia, Isabel (isferse1@tal.upv.es) García Martínez, Eva (evgarmar@tal.upv.es)

Más detalles

Fecha Cargo Nombre Firma

Fecha Cargo Nombre Firma Código: OUADOC014 Revisión Nro. 10 Página 1 de 8 1. OBJETIVO Establecer los requisitos de carácter interpretativo de la UNIT- (equivalente a la ISO/IEC 17025) que los laboratorios de ensayo y calibración

Más detalles

MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL

MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL Las medias de tendencia central o posición nos indican donde se sitúa un dato dentro de una distribución de datos. Las medidas de dispersión, variabilidad o variación

Más detalles

Optimizar recursos y asegurar cumplimiento metrológico Buenos Aires 7 de Agosto 2015 EXPOFYBI

Optimizar recursos y asegurar cumplimiento metrológico Buenos Aires 7 de Agosto 2015 EXPOFYBI Optimizar recursos y asegurar cumplimiento metrológico Buenos Aires 7 de Agosto 2015 EXPOFYBI Operación que establece, una relación entre los valores y sus incertidumbres de medida asociadas obtenidas

Más detalles

TALLER: CALIFICACIÓN DE EQUIPOS Y SISTEMAS

TALLER: CALIFICACIÓN DE EQUIPOS Y SISTEMAS TALLER: CALIFICACIÓN DE EQUIPOS Y SISTEMAS QFB. ELIZABETH MARTÍNEZ FLORES TERRA FARMA S.A DE C.V. Documento propiedad de su autor. Prohibida su reproducción por cualquier medio para fines distintos a la

Más detalles

SUBCOMITÉ DE AMBIENTE LABORAL - LISTA DE VERIFICACIÓN DE MEDICIONES FÍSICAS NOM-022-STPS-2008 Pruebas Físicas

SUBCOMITÉ DE AMBIENTE LABORAL - LISTA DE VERIFICACIÓN DE MEDICIONES FÍSICAS NOM-022-STPS-2008 Pruebas Físicas Nombre del Evaluado: No de referencia: Rama: Nivel 1 Técnica: Nivel 2 Método: Nivel 3 Procedimiento: Inciso de la Norma AMBIENTE LABORAL - METODO Descripción del requisito Cumple Si No NA Observaciones

Más detalles

CALIBRACIÓN Y CALIDAD

CALIBRACIÓN Y CALIDAD CALIBRACIÓN Y CALIDAD La preocupación por la calidad de los datos que se obtienen con la química analítica es responsabilidad de los científicos y técnicos. Éstos deben mantener en todo momento una actitud

Más detalles

Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1

Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1 Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1 TEMA 11: MÉTODOS DINÁMICOS DE SELECCIÓN DE INVERSIONES ESQUEMA DEL TEMA: 11.1. Valor actualizado neto. 11.2. Tasa interna

Más detalles

Pronósticos. Pronósticos y gráficos Diapositiva 1

Pronósticos. Pronósticos y gráficos Diapositiva 1 Pronósticos Pronósticos Información de base Media móvil Pronóstico lineal - Tendencia Pronóstico no lineal - Crecimiento Suavización exponencial Regresiones mediante líneas de tendencia en gráficos Gráficos:

Más detalles

Estándares para planes de calidad de software. Escuela de Ingeniería de Sistemas y Computación Desarrollo de Software II Agosto Diciembre 2008

Estándares para planes de calidad de software. Escuela de Ingeniería de Sistemas y Computación Desarrollo de Software II Agosto Diciembre 2008 Estándares para planes de calidad de software Escuela de Ingeniería de Sistemas y Computación Desarrollo de Software II Agosto Diciembre 2008 DIFERENCIA ENTRE PRODUCIR UNA FUNCION Y PRODUCIR UNA FUNCION

Más detalles

Funciones, x, y, gráficos

Funciones, x, y, gráficos Funciones, x, y, gráficos Vamos a ver los siguientes temas: funciones, definición, dominio, codominio, imágenes, gráficos, y algo más. Recordemos el concepto de función: Una función es una relación entre

Más detalles

ARQUITECTURA TÉCNICA ASIGNATURA: MATERIALES DE CONSTRUCCIÓN II CURSO: 2009-2010 APUNTES TEMA 1: CONTROL DE CALIDAD

ARQUITECTURA TÉCNICA ASIGNATURA: MATERIALES DE CONSTRUCCIÓN II CURSO: 2009-2010 APUNTES TEMA 1: CONTROL DE CALIDAD ARQUITECTURA TÉCNICA ASIGNATURA: MATERIALES DE CONSTRUCCIÓN II CURSO: 2009-2010 APUNTES TEMA 1: CONTROL DE CALIDAD. CONCEPTO. EVOLUCIÓN CON EL TIEMPO. NORMA UNE EN ISO 9001:2000 Profesor: Victoriano García

Más detalles

Plan de Mantenimiento Preventivo de Aparatos y Equipos. Loles Franco Jose Manuel Cebrián

Plan de Mantenimiento Preventivo de Aparatos y Equipos. Loles Franco Jose Manuel Cebrián Plan de Mantenimiento Preventivo de Aparatos y Equipos Loles Franco Jose Manuel Cebrián 1 1. Conceptos generales: Mantenimiento, Verificación y Calibración 2. Por qué se requiere el control de los equipos?

Más detalles

Análisis de Sistemas de Medición MSA. Ing. Victor Reyes - TRAINix ASQ Ambos Nogales

Análisis de Sistemas de Medición MSA. Ing. Victor Reyes - TRAINix ASQ Ambos Nogales Análisis de Sistemas de Medición MSA Ing. Victor Reyes - TRAINix ASQ Ambos Nogales Agenda Sistemas de Medición Qué son? Uso de los datos de la medición Calidad de los datos El MSA y las normas de gestión

Más detalles

Análisis y cuantificación del Riesgo

Análisis y cuantificación del Riesgo Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el

Más detalles

Norma Internacional ISO 9001:2008: Sistemas de Gestión de la Calidad- Requisitos. 4. Sistema de Gestión de la Calidad

Norma Internacional ISO 9001:2008: Sistemas de Gestión de la Calidad- Requisitos. 4. Sistema de Gestión de la Calidad Norma Internacional ISO 9001:2008: Sistemas de Gestión de la Calidad- Requisitos 4. Sistema de Gestión de la Calidad Figura N 1. Estructura del capítulo 4, Norma ISO 9001:2008. La Norma ISO 9001: 2008

Más detalles

REPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.

REPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL. REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer

Más detalles

Curso TURGALICIA SISTEMA DE GESTIÓN DE SEGURIDAD Y SALUD EN EL TRABAJO OHSAS 18001:2.007

Curso TURGALICIA SISTEMA DE GESTIÓN DE SEGURIDAD Y SALUD EN EL TRABAJO OHSAS 18001:2.007 Curso TURGALICIA SISTEMA DE GESTIÓN DE SEGURIDAD Y SALUD EN EL TRABAJO OHSAS 18001:2.007 C/Fernando Macías 13; 1º izda. 15004 A CORUÑA Tel 981 160 247. Fax 981 108 992 www.pfsgrupo.com DEFINICIONES: RIESGOS

Más detalles

MEDICION DE TSH NEONATAL, SU INCERTIDUMBRE Y CONTROL INTERNO

MEDICION DE TSH NEONATAL, SU INCERTIDUMBRE Y CONTROL INTERNO MEDICION DE TSH NEONATAL, SU INCERTIDUMBRE Y CONTROL INTERNO Dra. LINA VALLEJOS ROJAS BOGOTÁ, NOVIEMBRE 2009 El laboratorio de procesamiento de TSH NEONATAL tiene la responsabilidad de garantizar que los

Más detalles

Química Biológica I TP 1: ESPECTROFOTOMETRIA

Química Biológica I TP 1: ESPECTROFOTOMETRIA Química Biológica I TP 1: ESPECTROFOTOMETRIA OBJETIVOS: - Reforzar el aprendizaje del uso del espectrofotómetro. - Realizar espectro de absorción de sustancias puras: soluciones de dicromato de potasio.

Más detalles

Procedimiento de gestión de auditorias internas de calidad

Procedimiento de gestión de auditorias internas de calidad Procedimiento de gestión de auditorias internas de calidad Procedimiento de gestión de auditorias internas de calidad Procedimiento de gestión de auditorias internas de calidad PROCEDIMIENTO DE GESTIÓN

Más detalles

EMPLEO DEL CONTROL ESTADISTICO DE PROCESO COMO PARTE DE UN PLAN DE ASEGURAMIENTO DE LA CALIDAD Acosta, S. 1, Lewis, C. 2 RESUMEN

EMPLEO DEL CONTROL ESTADISTICO DE PROCESO COMO PARTE DE UN PLAN DE ASEGURAMIENTO DE LA CALIDAD Acosta, S. 1, Lewis, C. 2 RESUMEN EMPLEO DEL CONTROL ESTADISTICO DE PROCESO COMO PARTE DE UN PLAN DE ASEGURAMIENTO DE LA CALIDAD Acosta, S. 1, Lewis, C. 2 1,2 Autoridad Regulatoria Nuclear Buenos Aires, Argentina sacosta@arn.gob.ar RESUMEN

Más detalles

1 Ejemplo de análisis descriptivo de un conjunto de datos

1 Ejemplo de análisis descriptivo de un conjunto de datos 1 Ejemplo de análisis descriptivo de un conjunto de datos 1.1 Introducción En este ejemplo se analiza un conjunto de datos utilizando herramientas de estadística descriptiva. El objetivo es repasar algunos

Más detalles

1. Fundamento teórico

1. Fundamento teórico 1 1. Fundamento teórico Los métodos espectroscópicos atómicos y moleculares figuran entre los métodos analíticos instrumentales más utilizados. La espectroscopia molecular basada en la radiación ultravioleta,

Más detalles

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL Objetivo terminal: Calcular e interpretar medidas de tendencia central para un conjunto de datos estadísticos. Objetivos específicos: 1. Mencionar las características

Más detalles

global trust Razones por las cuales debería emplearse un Laboratorio Acreditado? International Laboratory Accreditation Cooperation

global trust Razones por las cuales debería emplearse un Laboratorio Acreditado? International Laboratory Accreditation Cooperation International Laboratory Accreditation Cooperation Razones por las cuales debería emplearse un Laboratorio Acreditado? Qué deberia considerar al seleccionar un laboratorio? Al seleccionar un laboratorio

Más detalles

Elementos para evaluar la calidad de los servicios de calibración. David Avilés Castro

Elementos para evaluar la calidad de los servicios de calibración. David Avilés Castro Elementos para evaluar la calidad de los servicios de calibración David Avilés Castro Calibración Qué es? Error = Vmed Vref U( Error) Uesp U A URES 2 2 2 Porqué es necesaria? Porque la incertidumbre de

Más detalles

Introducción a la Firma Electrónica en MIDAS

Introducción a la Firma Electrónica en MIDAS Introducción a la Firma Electrónica en MIDAS Firma Digital Introducción. El Módulo para la Integración de Documentos y Acceso a los Sistemas(MIDAS) emplea la firma digital como método de aseguramiento

Más detalles

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD

Más detalles

Una ventana a los cambios de la norma ISO/IEC 17025

Una ventana a los cambios de la norma ISO/IEC 17025 Una ventana a los cambios de la norma ISO/IEC 17025 Mi ventana Otra ventana Relatividad Etapas Normalización NWIP WD CD DIS FDIS Disculpas NO ESTÁN TODOS LOS CAMBIOS, ALGUNOS SIGUEN EN DISCUSIÓN Capítulos

Más detalles

Control Estadístico de Procesos

Control Estadístico de Procesos Control Estadístico de Procesos Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Básicamente, una Carta de Control

Más detalles

La relación entre la altura de caída y el tiempo que tarda en rebotar 6 veces una pelota

La relación entre la altura de caída y el tiempo que tarda en rebotar 6 veces una pelota La relación entre la altura de caída y el tiempo que tarda en rebotar 6 veces una pelota INTRODUCCIÓN En este experimento voy a relacionar el tiempo que tarda una pelota en rebotar 6 veces desde distintas

Más detalles

CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS. En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de

CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS. En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de inventarios para lograr un control de los productos.

Más detalles

MODELACIÓN DE LA CALIDAD DE PROCESOS

MODELACIÓN DE LA CALIDAD DE PROCESOS MODELACIÓN DE LA CALIDAD DE PROCESOS CALIDAD EN EL PROCESO DE MEDIDA Un indicador de la calidad debe proporcionar información en cuanto a que un producto o servicio que cae frente a un estándar del sistema.

Más detalles