ESTADÍSTICA EN

QUÍMICA ANALÍTICA`
 IMPORTANCIA DE LA ESTADÍSTICA Y LA
QUIMIOMETRÍA EN LA QUÍMICA ANALÍTICA

 Durante la realización de un análisis

cuantitativo es muy importante tomar en  En el reporte de cualquier análisis

cuenta todas las variables que pueden químico, es importante tomar en

afectar nuestro resultado, dentro de cuenta este tipo de errores , hacer un

estos están los factores provocados por análisis de los resultados y así se podrá

los instrumentos utilizados y los errores concluir.

provocados por quien maneja el material.

 ¿Qué es
estadística?
La estadística son métodos para planificar y
realizar experimentos, obtener datos y
analizar, interpretar, y formular una
conclusión. Es la ciencia encargada de
recopilar, organizar, analizar e interpretar
información numérica o cualitativa, de
manera que pueda llevar a conclusiones
válidas.
 ESTADÍSTICA

DESCRIPTIVA INFERENCIAL

Es la ciencia que Es la ciencia que interpreta

recopila, organiza e información de manera que pueda
interpreta la información llevar a conclusiones válidas.
numérica o cualitativa
La Estadística se utiliza como tecnología al servicio de las ciencias donde la
variabilidad y la incertidumbre forman parte de su naturaleza.

La Estadística es la Ciencia de la

sistematización, recolección, ordenación y presentación de los datos

referentes a un fenómeno que presenta variabilidad o incertidumbre para
su estudio metódico, con objeto de

deducir las leyes que rigen esos fenómenos,

y poder de esa forma hacer previsiones sobre los mismos, tomar decisiones
u obtener conclusiones
Unidad 1: Estadística Descriptiva.
Arturo A. Alvarado S. (ITSY 2006)
 DATOS NO AGRUPADOS

Media aritmética
Mediana
Medidas de tendencia central Moda
Percentiles (posición)

Rango (amplitud)
Medidas de dispersión Rango intercuartílico
Varianza
Coef. de variación
 • Atributo o propiedad que puede ser medida
• Ejemplos de magnitudes : La longitud, la masa, concentración de una solución,
MAGNITUD Absortividad molar volumen de un líquido, absorbancia, etc.

• Magnitud de un objeto específico que estamos interesado en medir

MESURANDO • Es la determinación experimental de la MAGNITUD
O MEDIDA

• Toda MAGNITUD que permite diferenciar entre si a los componentes de una

población
VARIABLE • VARIABLE

• Proceso que nos da una información física o química acerca de los componentes
ANÁLISIS
de una muestr
 Medidas de tendencia central
• Mediana
– En una serie de datos ordenados
(creciente o decreciente) es la
puntuación o valor central de la
• Datos no agrupados
distribución estadística.
– Si el nº de datos es impar: valor
central.
– Si el nº de datos es par: media
aritmética de los 2 puntos
centrales.
 Medidas de tendencia central

• Mediana
– Características
• Menos sensible que la media a la variación de
las puntuaciones.
• Se puede calcular aunque algún intervalo
carezca de límite.
• Más representativa que la media cuando
puntuaciones muy extremas.
 Medidas de tendencia central
• Moda
– Valor de la variable que más veces se repite
en una serie estadística (máxima
frecuencia)
• Distribuciones: Unimodales o
multimodales
• Marca de clase (en intervalos)
– Características:
• Sencilla de calcular
• Se puede calcular si algún intervalo no tiene
límites
• Poco representativa
 Medidas de tendencia central

• Media
–Suma de todos los valores de una variable
dividida por el número total de valores
–Sólo en variables cuantitativas
 Medidas de tendencia central

• Media. Cálculo
– Datos no agrupados: aplicar fórmula
– Datos agrupados

• En tabla de frecuencia: Suma de todos los

valores multiplicados por sus frecuencias y
dividido por el nº total.
 Medidas de tendencia central
• Media
– Características

• La media es sensible a la variación de las

puntuaciones.
• No se puede calcular si algún intervalo es de límite
abierto.
• No es recomendable si valores muy extremos
 Medidas de dispersión

• Reflejan la dispersión, oscilación de los datos, respecto al

fenómeno estudiado.

• Complementan las de tendencia central para la

descripción de una distribución
 Medidas de dispersión
• Amplitud o rango
– Diferencia entre el valor más alto y más bajo de la
distribución.
• Ofrece poca información sobre la agrupación de
los datos.
• Indica el “campo de variabilidad”.

• Suele acompañar a la moda.

 Medidas de dispersión
• Varianza

– Junto a la desviación típica, la que mejor expresa la variabilidad del

fenómeno
– Media de los cuadrados de las diferencias entre
cada valor de la variable y la media aritmética
 Medidas de dispersión
• Desviación típica

– Es la raíz cuadrada de la varianza

 Medidas de dispersión
• Varianza y desviación típica
– Características
• Ambas toman siempre valores positivos.
• Si todos los datos de una distribución son iguales entre sí,
toman el valor 0.
• Sólo son aplicables a variables cuantitativas

• La que más se suele usar es la

desviación típica.
• Si los datos están muy dispersos, la
desviación típica será muy grande.
 Medidas de dispersión

• Coeficiente de variación de Pearson

– Para poder comparar la dispersión entre
2 ó más variables entre sí, o una misma
variable en 2 ó más grupos estudiados
– Es una medida relativa: Relaciona la
media con la desviación típica
 ¿CUANDO ELEGIR LA MEDIANA EN LUGAR DE LA
MEDIA?:
 CUANDO LA VARIABLE ESTE MEDIDA EN UNA ESCALA ORDINAL.

 LA INTERPRETACION DE LA MEDIA. EJEMPLO: 3,4,8,5,6,124 Media=25 CUANDO

HAYA VALORES EXTREMOS, PUES ESTOS DISTORSIONAN

LA MEDIA ES MUY SENSIBLE A LAS PUNTUACIONES EXTREMAS

 CUANDO HAYA INTERVALOS ABIERTOS, YA QUE ESTOS CARECEN

DE PUNTO MEDIO.
 LAS TRES MEDIDAS DE TENDENCIA CENTRAL
COINCIDEN CUANDO LA DISTRIBUCION ES
UNIMODAL Y SIMETRICA (EJEMPLO: DISTRIBUCION
NORMAL).

CUANTO MAS ASIMETRIA, MAS DIFERENCIAS ENTRE ELLAS.

 La distribución normal

• Datos simétricos: coinciden la media, la

mediana y la moda
 Propiedades de la distribución
normal:
El área bajo la curva aproximado del promedio μ a más o menos una
desviación estándar (1σ) es de 0.68, a más o menos 2σ es de .0 95 y a más o
menos 3σ es de 0.99.
 Propiedades de la distribución
normal:
 La forma de la campana de Gauss depende de los parámetros μ y σ.

 Tiene una única moda que coincide con su media y su mediana.

 La curva normal es asintótica al eje de X.

 Es simétrica con respecto a su media μ . Según esto, 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.
 En resumen…
• Podemos concluir que hay una familia de distribuciones con una forma común, diferenciadas por los
valores de su media y su varianza.
• La desviación estándar (σ ) determina el grado de apuntamiento de la curva. Cuanto mayor sea el
valor de σ, más se dispersarán los datos en torno a la media y la curva será más plana.
• La media indica la posición de la campana, de modo que para diferentes valores de μ la gráfica es
desplazada a lo largo del eje horizontal.
• De entre todas ellas, la más utilizada es la distribución normal estándar, que corresponde a una
distribución de media 0 y varianza 1.
 ERRORES EN LOS ANÁLISIS QUÍMICOS
• análisis químicos totalmente liEs imposible efectuar bres de

errores o incertidumbres.
• La fiabilidad de un resultado se analiza de diferentes maneras.

• Se analizan patrones de composición conocida.

• Se aplican pruebas estadísticas a los datos.

En cienciase ingeniería, el concepto de error tiene un
significado diferente.

ERROR: es la medida del sesgo en

el resultado de una medición.
En ciencia e ingeniería, el error,
está más bien asociado al INCERTIDUMBRE: es el intervalo o rango de los
concepto de INCERTIDUMBRE, valores posibles de una medida. Incluye tanto
en la determinación del los errores sistemáticos como aleatorios.
resultado de una medición.
La incertidumbre de un resultado es bien
diferente de la precisión, ésta da una medida
del error aleatorio.
 Más
Incertidumbre: La incertidumbre
Error: Es la precisamente,
Es el rango de los de un resultado
medida del lo que
valores de una es diferente de la procuramos en
sesgo en el medida. Incluye precisión, ésta da toda medición
resultado de errores una medida del es conocer los
una medición aleatorios como error aleatorio. límites de las
sistemáticos
incertidumbres
  Accidentales. Son errores importantes Y ERROR
 Aleatorios.ES
HAT que abandonar el experimento y
empezar de nuevo por completo. Provocan que los
resultados difieran uno del otro
de manera que caigan a ambos
 Sistemáticos Provocan que todos los
lados del valor medio. Estos
resultados sean erróneos, son demasiado
errores afectan la precisión de
grandes y se denominan también sesgo de la
un experimento. Son los que
medida. Este tipo de error es responsabilidad
comete el operador del
del material empleado y de su origen y
instrumento utilizado.
fabricación.
 Errores experimentales
• Error absoluto.- Nos indica si medimos u obtuvimos mas o menos que el
valor experimental, y en qué cantidad excedimos del valor real o qué
cantidad nos faltó; esto según el signo de la sustracción.

EA = valor experimental – valor teórico

• Error relativo.- Es una forma de conocer el porcentaje de error que obtuvimos en

nuestros resultados.
ER = (valor experimental – valor teórico) x 100
(valor teórico)
 Los errores presentes en un estudio analítico
modifican:

• Precisión
Es el grado de confianza con que se puede repetir un experimento y este puede
dar los mismo resultados. Es utilizado como sinónimo de repetibilidad.

• Exactitud
Es el grado de concordancia entre el resultado de un ensayo y el valor de
referencia aceptado.
 TÉRMINOS IMPORTANTES

Media, Media aritmética y promedio (X) son términos sinónimos. Es la

medida de tendencia central mas utilizada .Se obtiene dividiendo la suma de
los valores de una serie y dividiendo por el numero de medidas

Mediana es el resultado alrededor del cual se reparten los satos. Si la serie es

un numero impar la mediana es el numero de la mitad. Si la serie es un
numero par se toma el promedio del par central después de haber ordenado
la serie de menor a mayor.
TÉRMINOS IMPORTANTES
 CIFRAS SIGNIFICATIVAS
Es el numero necesario de dígitos para expresar los resultados de una
medición congruente con la precisión de medida.

El número de cifras significativas incluye todos los dígitos que se conocen

más el primer digito incierto.
El numero de cifras significativas en una medición es
independiente de la colocación del punto decimal.

En el numero 727.0 el cero no se usa para

localizar el punto decimal es significativo.

Por ejemplo el numero 92.067: Este numero tiene cinco cifras

significativas independiente donde se coloque el punto decimal. En
este caso el cero si es una cifra significativa.
Términos importantes
Precisión.
El término precisión describe la reproducibilidad de los resultados y se
puede definir como la concordancia que hay entre los valores numéricos
de dos o más mediciones que se han realizado de idéntica manera.

La precisión sólo depende de la distribución de

los errores aleatorios y no se relaciona con el
valor verdadero ni con el valor especificado.
 PRECISIÓN

• Para describir la precisión de un conjunto de datos

repetidos se utilizan tres términos muy conocidos:
• La desviación estándar, la varianza y el coeficiente de
variación.
 La desviación estándar (DS/DE) es una medida de dispersión
usada en estadística que dice cuánto tienden a alejarse los
valores puntuales del promedio en una distribución.
 Así la varianza es la media de los cuadrados de las
diferencias entre cada valor de la variable y la media
aritmética de la distribución. Aunque esta fórmula es
correcta, en la práctica interesa realizar inferencias
poblacionales, por lo que en el denominador en vez de n,
se usa n-1
• Desviación estándar relativa (DER) : se calcula al dividir
la desviación estándar entre la media del conjunto de
datos.
• DER se expresa en partes por mil o en %.

• DER * 100% = CV.

• Dispersión (W): Es la diferencia entre el valor mas alto y

el valor mas bajo del conjunto
• EXACTITUD: El término denota el grado de coincidencia del
resultado de una medición con el valor verdadero o aceptado de la
misma y se expresa en función del error. La exactitud implica una
comparación con el valor verdadero o aceptado como tal.

• Cuando no se conoce el valor verdadero se debe usar un valor

aceptado.
 • METODOS PARA MEDIR LA EXACTITUD

• Error absoluto: Es la diferencia entre el valor experimental

y el valor real.

• Error relativo: Es el error absoluto dividido por la cantidad

medida.

• Ejemplo:

• Una muestra tiene 20.34% de Fe y un analista encuentra que

es 20.44%.
• Error Absoluto = 20.44-20.34 = 0.10%
• Error relativo = 0.1/20.34 = 0.0049 = 4.9 partes por mil
 Esquema gráfico para comprender la
relación entre exactitud y precisión

En C existe buena precisión, pero no buena exactitud; en A buena

exactitud y precisión, y en B mala exactitud y precisión.
EVALUACIÓN
DE LOS
DATOS
ANALÍTICOS
EVALUACIÓN
DE LOS
DATOS
ANALÍTICOS
 TIPOS DE ERRORES EN DATOS
EXPERIMENTALES
Bruto
Ocurre de manera Ocasional . suele ser
Grandes. Dan como resultado valores
atípicos que difieren mucho de los demás Sistemáticos
- Determinados
- Afectan la exactitud o sea la
Aleatorios proximidad al valor verdadero.
- Indeterminados - Todos los resultados son
-Afectan la precisión o la reproducibilidad erróneos en el mismo sentido.
- Los resultados caen a lado y lado de la X
 ERRORES DETERMINADOS O
SISTEMÁTICOS
FUENTES DE ERRORES SISTEMÁTICOS

• Errores instrumentales: Calibraciones deficientes

• Errores del método: Difíciles de identificar

• Errores personales: Descuido, Falta de atención

 EFECTO DE ERRORES SISTEMÁTICOS EN
RESULTADOS ANALÍTICOS

 Los errores sistemáticos pueden ser constantes o proporcionales.

 En los errores constantes, el error absoluto es invariable con el

tamaño de la muestra, mientras en el error relativo cambia al
modificar el tamaño de la muestra.

 Los errores proporcionales aumentan o disminuyen según el

tamaño de la muestra; con estos errores el error absoluto varia con
el tamaño de la muestra en cambio el error relativo permanece
constante.
 EVALUACIÓN DE LOS DATOS ANALÍTICOS
KAl(SO4)2.12H2O Al2O3 Al2O3 Diferencia Al2O3 Diferencia
g tomados g Encontra en g Encontra en g
tomad dos con el dos con el
os NH3 NH3 Nuevo
almacenado

1 0.1077 0.1288 0.0211 0.1087 0.001

2 0.2154 0.2384 0.0230 0.2187 0.0024
3 0.3231 0.3489 0.0258 0.3258 0.0027
4 0.4308 0.4588 0.0280 0.4352 0.0044
 EVALUACIÓN DE LOS DATOS ANALÍTICOS

• Los errores ocasionados por el amoniaco envasado durante mucho

tiempo fueron constantes por que se utilizo el mismo volumen y el
aporte de Si fue el mismo. El NH3 del envase recién utilizado
fueron muy pequeños y proporcionales al tamaño de muestra.
 ERRORES ALEATORIOS

• Son la principal fuente de incertidumbre en una determinación.

• Muchas variables no controladas y de no fácil identificación causan

errores aleatorios.
• El efecto acumulativo de las incertidumbres, aunque estas sean
muy pequeñas, hace que las mediciones por duplicado de una serie
fluctúen al azar.
 FUENTES DE LOS ERRORES
ALEATORIOS
Los errores aleatorios obedecen una curva normal de error o curva de gauss.
 Distribución normal

• Al iniciar el análisis estadístico de una serie de datos, y después de la etapa de

detección y corrección de errores, un primer paso consiste en describir la
distribución de las variables estudiadas y, en particular, de los datos numéricos.

• Un modo es con la curva de distribución normal que muestra la frecuencia con

que se repiten los datos.
TRATAMIENTO ESTADÍSTICO DEL
ERROR ALEATORIO
TRATAMIENTO ESTADÍSTICO DEL
ERROR ALEATORIO
• Las curvas gaussianas se pueden representar
por medio de una ecuación que tiene la
media de la población µ, y la desviación
estándar de la población σ.

• La media de la población es µ y la media de

la muestra es X.
EVALUACION DE MÉTODOS
ANALÍTICOS
• Ejemplo 2. La N de una solución se calculo con 4
titulaciones por separado y los resultados fueron 0.2041,
0.2049, 0.2039, y 0.2043. Calcular la X, la Mediana, El rango ,
La S. la desviación relativa y el C.V.
• X = (0.2041+0.2049+0.2039+0.2043)/4 = 0.2043
• Mediana M= (0.2041+0.2043)/2 = 0.2042
• Rango R = 0.2049-0.2039 = 0.001
• La desviación relativa= Sumatoria de (Xi-X)/4=0.0003
• S= 0.0004
• C.V = (0.0004/0.2043)*100 = 0.2%
PRESENTACIÓN DE LOS DATOS CALCULADOS

• Siempre es necesario indicar el nivel de confianza de los datos.

• Es un rango de valores en los que con una probabilidad determinada está un valor
verdadero poblacional.
• Generalmente son del 95% o 99%.

• La probabilidad de equivocarnos se llama nivel de significancia y se simboliza α

 PRUEBA DE SIGNIFICANCIA

• Se utiliza para comparar el resultado de un análisis realizado por

dos métodos diferentes. Se trabaja con las X

• Se aplica el T de student. Plantea la hipótesis de que las dos X son

iguales. La prueba T da una respuesta si o no a la hipótesis nula
con cierta exactitud como del 95 o 99%
PRUEBA DE SIGNIFICANCIA
 Cuando se escoge el nivel de
significación 0,05 (ó 5%), tenemos un
95% de confianza de que hemos adoptado
la decisión correcta y una probabilidad
0,05 de ser falsa.
Cómo determina si un valor es realmente un valor atípico y cómo
decide si debe continuar o no con el análisis de datos?

 Uno de los problemas en el análisis de datos es manejar los valores

atípicos dentro de un grupo de datos.

 Un valor atípico es una observación con un valor que no parece

corresponderse con el resto de los valores en el grupo de datos.

Por lo general surgen dos preguntas:

1) ¿Es este valor realmente un valor atípico?

2) ¿Puedo eliminar este valor y continuar con el análisis de
datos?
 DATOS ATÍPICOS

Con respecto a la pregunta 2, debe saberse que las pruebas

estadísticas se utilizan para identificar valores atípicos, no para
retirarlos del grupo de datos.

Técnicamente, una observación no debe retirarse a menos que una

investigación halle una causa probable para justificar esta acción
 DATOS ATÍPICOS
Si en la investigación no se encuentra una causa probable, ¿qué debe
hacerse?

 Un enfoque sería realizar un análisis de datos con el valor atípico y sin

él. Si las conclusiones son diferentes, entonces se considera que el
valor atípico tiene influencia y esto debería indicarse en el informe.

 Otra opción es utilizar estimadores rigurosos para caracterizar los

grupos de datos, tal como la mediana de la muestra en lugar de la
media.
 Dos de las pruebas estadísticas
utilizadas con mayor frecuencia en un
grupo de datos son la prueba de Dixon
y la prueba de Grubbs.
RECHAZO DE
 La prueba de Dixon utiliza relaciones de DATOS
las diferencias entre datos que parecen
atípicos comparados con los valores
del grupo de datos.
 Estas técnicas están diseñadas para detectar un
único valor atípico en un grupo de datos, y por lo
tanto no son adecuadas para la detección de
múltiples valores atípicos. RECHAZO DE
DATOS
 Una técnica rigurosa y amplia para identificar
eficazmente múltiples valores atípicos es el
procedimiento para muchos valores atípicos con
generalización extrema de la desviación de Student.
 DIXON
Por ejemplo, tomemos los datos 5.3, 3.1, 4.9, 3.9, 7.8, 4.7 y 4.3
Ordenando los datos: 3.1, 3.9, 4.3, 4.7, 4.9, 5.3, 7.8

El tamaño de la muestra es 7, y la relación utilizada es el espacio entre el valor atípico

(7.8) y su vecino más próximo (5.3) dividido por el espacio entre los valores más
grandes y más pequeños en el grupo.

Por lo tanto, el índice de Dixon es:

(7.8 – 5.3)/(7.8 – 3.1) = 2.5/4.7 = 0.532

 RECHAZO DE DATOS
Este valor se compara con un valor crítico de una tabla, y el valor se declara valor atípico si supera
ese valor crítico.

El valor tabulado depende del tamaño de la muestra, n, y de un nivel de confianza elegido, que es
el riesgo de rechazar una observación válida. La tabla por lo general utiliza niveles de baja
confianza tal como 1% o 5%.

Para un n = 7 y un riesgo del 5%, el valor en la tabla es

0.507. El índice de Dixon 0.532 excede este valor crítico, indicando que el valor 7.8 es un valor
atípico.
 DIXON

La prueba de Dixon se usa en un número pequeño de observaciones

(menor a 26) y detecta elementos que se encuentren sesgados o que son
extremos.

Para aplicar la prueba de Dixon se requiere de un número de observaciones igual o

mayor a 10. En el caso que las observaciones sean menores a 10 se utiliza como valor
esperado el valor de preparación.
 GRUBBS
La prueba de Grubbs utiliza una estadística de prueba, T, que es la diferencia absoluta
entre el valor atípico, XO, y el promedio de la muestra (X) dividida por la desviación
estándar de la muestra, s.

Para el ejemplo anterior, el promedio de la muestra es = 4.86 y la desviación estándar de

la muestra es = 1.48. La estadística calculada de la prueba es:
 GRUBBS

Para un n = 7 y un riesgo del 5%, el valor tabulado es

1.938 y el TCalculado = 1.99 excede este valor crítico,
indicando que el valor 7.8 es un valor atípico.
TEST DE GRUBB PARA DATOS
SOSPECHOSOS
Recomendado por las normas ISO

G= Valor Sospechoso – X
S
(Con el valor sospechoso
incluido)

Si Gcalculada > Gtabulada el valor

sospechoso se rechaza
 TEST Q DE DATOS
SOSPECHOSOS
Aceptar o rechazar un resultado anómalo (outlier)
Normalmente se producen al cometer errores o fallos en la
metodología aplicada.

Se ordenan los datos en forma creciente y se calcula Q

 DESCARTE DE DATOS
1. Definir que tan grande es la Diferencia entre el valor
sospechoso y los otros datos.
2. Aplicar Prueba Q.
a) Ordenar los datos
b) Calcular el rango

c) Encontrar la diferencia entre el resultado sospechosos y su vecino mas cercano

3. Dividir la diferencia obtenida en el paso 2 entre el Rango. Así se obtiene el coeficiente de

descartacion Q.

4. Consultar la tabla de valores Q. Si el valor calculado es mayor que el de latabla el resultado se

puede descartar con un 90% de confianza de que si se podia.
 DESCARTE DE DATOS
• EJEMPLO
• 4 Resultados de N de una solución fueron 0.1014, 0.1012,
0.1019, 0.1016. Se podrá descartar 0.1019?
• X sin el 0.1019 = 0.1014 0.1019-0.01014
=0.0005
• Q = 0.1019 - 0.1016 =0.43
0.1019 – 0.1012
• 0.43 es menor que 0.76. NO SE DESCARTA
 PRESENTACIÓN DE LOS DATOS
CALCULADOS
• Un indicador de la calidad de los datos es la utilización de las cifras
significativas.
• Cifras significativas: Son todos los dígitos que se conocen con certeza y
el primer digito incierto. Por ejemplo 30.24 tiene 4 cifras significativas
(4, el ultimo digito, es incierto)
PRESENTACIÓN DE LOS
DATOS CALCULADOS
PRESENTACIÓN DE LOS DATOS CALCULADOS
PRESENTACIÓN DE LOS DATOS CALCULADOS
• Redondeo de datos:

• Se debe aproximar al numero mayor si el ultimo es mayor de 5 y

al menor si el ultimo es menor de 5.
• 61.555 se aproxima al numero par mas cercano
. Queda 61.56
• De todas maneras el resultado debe expresarse con la desviación
estándar calculada.
 OBJETIVOS DEL MUESTREO

Estadísticamente los objetivos del proceso de muestreo

son:

• Obtener el valor medio

• Obtener una varianza que sea una estimación de la

varianza poblacional con limites de confianza validos
para la media.
 VALIDACIÓN DE MÉTODOS
ANALÍTICOS
Calidad de resultados
• Selectividad Analito en medio de interferencias
• Limite de detección Promedio de bcos +3(desviación)
• Limite de cuantificación 5 ò 10 L.D.
• Intervalo de trabajo Rango en que el método es exacto y preciso.
• Rango lineal
• Exactitud. Valor de referencia
• Precisión Desviación y CV
• Sensibilidad Pendiente
• % Recuperación. Adición de cantidades conocidas
• GRÁFICOS DE CONTROL.
 VALIDACIÓN DE
MÉTODOS ANALÍTICOS
• Curvas de calibración
• Linealidad
• Pendiente
• Sensibilidad
• Residuales
• Coeficiente de correlación
VALIDACIÓN DE MÉTODOS ANALÍTICOS
 VALIDACIÓN DE MÉTODOS ANALÍTICOS

• Variables transformadas.

• Transformaciones para linealizar las

funciones.