Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Un principio fundamental: No existen resultados cuantitativos válidos si no van acompañados de alguna estimación de los errores inherentes a ellos. Error Diferencia entre una magnitud obtenida de una medición y la magnitud verdadera o esperada. Error absoluto (Δx) : diferencia entre el valor medido (xi) y el verdadero o aceptado (x) para una magnitud. Dado que no se conoce el valor verdadero, en la práctica se toma como referencia un valor aceptado o el más probable. xxx i −=Δ Error relativo (Er): cociente entre el error absoluto y la medida efectuada. 100% ×Δ= ix xEr i i i x xx x xEr −=Δ= Tipos de errores Tipos de errores Groseros Determinados o sistemáticos: 1. Instrumentales 2. Personales 3. Debidos al comportamiento no ideal de reactivos o reacciones 4. Debidos al método Indeterminados o aleatorios Errores groseros (u operativos) • Se producen en forma ocasional. • Son grandes y son causados por errores importantes debidos a descuido, falta de entrenamiento, de pericia o de buen criterio, etc. • dan lugar a datos atípicos, anormalmente altos o bajos. Errores sistemáticos o determinados • Diferencia entre el valor obtenido luego de múltiples mediciones replicadas del mismo mensurando, llevadas a cabo bajo condiciones de repetibilidad, y el valor verdadero del mensurando. • Afectan la exactitud de los resultados. • Tienen un valor definido. Inducen un sesgo de igual sentido en todos los resultados experimentales. Errores sistemáticos o determinados (cont.) • Pueden muchas veces ser detectados y corregidos. • No pueden detectarse por simple repetición de las medidas. • A menos que se conozca el valor verdadero, grandes errores sistemáticos podrían pasar inadvertidos si no se toman las debidas precauciones. Tipos y fuentes de errores sistemáticos 1. Instrumentales: debidos al comportamiento no ideal de los instrumentos de medida, calibraciones erróneas o uso en condiciones inapropiadas. Ej.: volumen erróneo descargado por pipetas y buretas o contenido en matraces por uso a temperaturas diferentes a la de calibración, por mala calibración original, deformación por calor durante el secado, etc. Pueden evitarse por calibración periódica y correcciones por temperatura. Equipos mal calibrados, variación en la corriente eléctrica, etc. 2. Personales: causados por prejuicios o limitaciones propias del operador, y suelen darse siempre que se requiera que el operador lleve a cabo un juicio. Ej.: determinar el punto final en una titulación, estimar el nivel de líquido entre dos divisiones, etc. 3. Debidos al comportamiento no ideal de reactivos: los constituyentes de una mezcla de reacción pueden mostrar un comportamiento físico o químico inesperado o no ideal. Ej.: lentitud de reacciones, interferencias positivas o negativas, inestabilidad, inespecificidad, etc. 4. Debidos al método: por desacertada elección del método de análisis. Sólo pueden eliminarse o disminuir con la elección de otro método o protocolo de análisis. En general son los más difíciles de detectar y de corregir. Ej.: volumen de valorante en exceso consumido por un indicador, incorrecta detección del punto final por elección de un indicador inadecuado, incorrecta determinación de la concentración de un analito por elección de una reacción no cuantitativa. . El sesgo inducido por un error sistemático sobre las medidas puede ser constante o proporcional a la magnitud de éstas: 1. Constante: su magnitud no varía al modificarse el valor de la cantidad medida. Así, se mantiene constante el error absoluto cometido, pero no así el relativo que naturalmente disminuirá al aumentar la magnitud medida. Ej.: pérdida de un precipitado por disolución al lavar con un volumen constante de líquido: en ese caso, la masa redisuelta es independiente de la masa de precipitado (únicamente depende del volumen de líquido empleado). Ej.: exceso de volumen de valorante necesario para que un indicador cambie de color. 2. Proporcional: su magnitud varía en forma proporcional a la cantidad medida. Así, el error absoluto se incrementa al aumentar la cantidad medida, pero el relativo es constante. Ej.: presencia de interferentes positivos en la muestra. 0 4 8 12 16 20 0 4 8 12 16 20 Valor teórico Va lo r e xp er im en ta l Error constante pos. Error constante neg. Error proporcional pos. Error proporcional neg. Relación entre el valor teórico de una medida y el obtenido experimentalmente con métodos afectados por diferentes tipos de error sistemático Detección de errores sistemáticos del método: a. Análisis de materiales de referencia. b. Análisis en paralelo con un método independiente y confiable. c. Participación en programas de control de calidad. d. Ensayos blanco. e. Variación del tamaño de la muestra a. Análisis de estándares: Material de referencia: material o sustancia que tiene una o varias de sus propiedades suficientemente bien establecidas que permita su uso para: - calibrar un equipo o instrumento - evaluar un método analítico - asignar valores a un material o sistema Estándares primarios (materiales de referencia certificados): Pueden comprarse a diferentes instituciones gubernamentales como el National Institute of Standards and Technology (NIST, de EE.UU.) Estándares secundarios: Son aquellos empleados o preparados por el propio laboratorio para su control de calidad. La composición cuali-cuantitativa del estándar pudo haber sido obtenida empleando : 1) un método de referencia ya validado y confiable, 2) varios métodos confiables e independientes, o 3) análisis por una red de laboratorios en cooperación, técnicamente competentes. b. Análisis mediante un segundo método independiente y confiable (método de referencia): En forma paralela al método evaluado, idealmente basado en un principio diferente. c. Participación en programas de control de calidad: Una institución organizadora reconocida (en general gubernamental) envía a los laboratorios participantes un cierto número de muestras a analizar periódicamente como una muestra más de rutina. Los resultados son remitidos a dicha institución y luego del tratamiento estadístico de los datos se devuelve un informe donde se muestra el desempeño del laboratorio en cuanto a la calidad de sus resultados y una comparación con el resto de los participantes. d. Blancos: Contienen todos los reactivos y solvente en las cantidades empleadas en la determinación, pero no poseen analito. También es aconsejable incluir una matriz similar a la de las muestras (conjunto de componentes de la muestra que acompañan al analito). Sirven para poner en evidencia interferentes o contaminantes en los recipientes o reactivos (no en la muestra), determinar el volumen de valorante consumido para producir el viraje de un indicador. Así, son útiles para corregir errores sistemáticos constantes pero no los proporcionales. e. Variación del tamaño de la muestra: ayuda a determinar si el error es constante o proporcional. Errores aleatorios o indeterminados • Diferencia entre una magnitud individual medida y el promedio de múltiples medidas del mensurando llevadas a cabo en las mismas condiciones (condiciones de repetibilidad). • Causados por múltiples variables no controladas ni identificables con certeza. • No pueden eliminarse completamente y suelen ser la principal fuente de incertidumbre de una medición. • Afectan la precisión de los datos, haciendo que éstos se dispersen en mayor o menor medida en forma aproximadamente simétrica respecto del valor más probable. Definiciones Precisión • Proximidad entre valores obtenidos por réplicas de mediciones de una magnitud, bajo condiciones especificadas. • Expresada numéricamente por medidas de la imprecisión como el desvío estándar, la varianza o el coeficiente de variación. • Depende únicamente de la distribución de errores aleatorios. Veracidad • Proximidad entreel promedio de un número infinito de valores de una magnitud, obtenidos bajo condiciones específicas de medición, y el valor verdadero o aceptado del mensurando. • Inversamente relacionada al error sistemático (únicamente). Exactitud • Proximidad entre una medida individual y el valor de referencia aceptado o valor verdadero del mensurando. • Inversamente relacionada con el error sistemático y el error aleatorio. Reproducibilidad • Proximidad entre resultados de mediciones del mismo mensurando llevadas a cabo bajo condiciones cambiadas de medición: • Ensayos independientes •Mismo método • Distintos operadores • Distinto equipamiento •Diferentes laboratorios • Aunque incluye necesariamente la variabilidad a corto plazo, está especialmente influida por la variabilidad a largo plazo y entre instrumentos, laboratorios, etc. Definiciones fundamentales y objetivo: • El resultado arrojado por una medida cualquiera es aleatorio. • El conjunto de todos los resultados posibles se conoce como población. • Las “n” medidas obtenidas en el laboratorio constituyen un subconjunto de la población, el cual es conocido como muestra estadística. El objetivo final del tratamiento estadístico será obtener información sobre la población a partir de la muestra obtenida, junto con el error asociado a esta información. Determinación de cobre en vinos Histograma y función de distribución de resultados Distribución de frecuencias de datos experimentales •En la mayor parte de los análisis cuantitativos se aproxima a una curva de Gauss o curva normal de error. • En general, el tratamiento estadístico de los datos supone que eso se cumple. Frecuencias relativas μ μ + σμ − σ x f(x) ( ) ( ) 2 2 2 2 1 σ μ− − πσ = x x ef μ: media poblacional σ: desvío estándar poblacional Comentarios •El error aleatorio hará que los resultados individuales se alejen más o menos del valor más frecuente. • En ausencia de error sistemático, μ es el verdadero valor de la magnitud. • La dispersión se producirá con igual probabilidad hacia valores mayores o menores. • Las desviaciones más pequeñas serán más probables que las grandes. La probabilidad de que una medida experimental esté comprendida entre dos valores dados está determinada por el área bajo la curva de Gauss calculada entre dichos valores. Por ejemplo: 1. La probabilidad de obtener un resultado entre μ – σ y μ + σ será 0,683 o 68,3%: 2. La probabilidad de obtener un resultado entre μ – 2σ y μ + 2σ será 0,954 o 95,4%. 3. La probabilidad de obtener un resultado entre μ – 3σ y μ + 3σ será 0,997 o 99,7%. 68,3% μ – σ μ + σ 95,4% μ – 2σ μ +2σ 99,7% μ – 3σ μ +3σ ¿Por qué es conveniente realizar más de una medición? Primero, el valor central o el promedio son más fiables que cualquiera de los resultados. Segundo, el análisis de la variación de los datos permite estimar la incertidumbre relacionada con el resultado central. Estimador del valor más probable de la población (μ), que en ausencia de error sistemático coincide con el valor verdadero de la cantidad medida. Mayor número de datos mejor estimación Cálculo del valor más probable a partir de medidas replicadas: 1. Media, media aritmética o promedio de “n” datos: n x x n i i∑ == 1 2. Mediana: • Resultado central de un conjunto impar de datos ordenados en forma creciente o decreciente. Cuando el conjunto es par, se toma el promedio de los dos valores centrales. • En general no difiere significativamente de la media cuando el número de datos es grande. • Útil cuando existe un dato atípico, que podría tener una gran influencia sobre el valor de la media, pero no de la mediana Ejemplos: 1. La mediana de 11,56; 11,67; 11,96; 12,04; 12,22 y 12,74 es el promedio de 11,96 y 12,04 (12,00) ya que n = 6. 2. La mediana de 1687; 1703; 1708; 1712 y 1781 (n = 5) es 1708, mientras que el promedio es de 1718 debido a la presencia del valor 1781. Cálculo de la precisión de una serie de medidas replicadas: 1. Dispersión (w): diferencia entre el resultado más alto y el más bajo de una serie de replicados: w = xmayor – xmenor. 2. Desviación estándar (s) y varianza (s2): para una muestra de tamaño “n” se calculan como: Estos parámetros estiman la magnitud del desvío estándar (σ) y varianza (σ2) poblacionales. ( ) 1 2 1 − −Σ = = n xx s i n i ( ) 1 2 12 − −Σ = = n xx s i n i Al valor (n-1) se lo llama número de grados de libertad de la varianza s2 e indica que de las “n” diferencias , sólo “n -1” son independientes. ( )xxi − 3. Coeficiente de variación (CV) o porcentaje de desviación estándar relativa (%DER): ( ) 100% ×== xsDERCV Su ventaja es que proporciona una visión más clara de la calidad de los datos y del proceso de medida ya que expresa la magnitud de “s” en forma relativa a la magnitud del promedio. • En la práctica es usual estimar la precisión de un valor calculado a partir de una combinación de datos experimentales, cada uno de los cuales posee una precisión propia. • La forma de estimar el desvío estándar de un resultado calculado depende del cálculo que se haya realizado. Ejemplos: 1. Varianza de sumas o restas: La varianza de una suma o una resta de variables independientes es igual a la suma de las varianzas de dichas variables. Así, para f = a ×X1( ± sX1) + b ×X2( ± sX2) – c ×X3( ± sX3), la varianza (si a, b y c son constantes) viene dada por: s2(f) = a2 × s2X1 + b2 × s2X2 + c2 × s2X3 Si aplicamos la fórmula anterior: f = V1 – V2 s2V1 = (0,06)2 mL2 s2V2 = (0,03)2 mL2 .1 12 21 =⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ ∂ ∂ =⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ ∂ ∂ VV V f V f ( ) mL mLmLs f 07,0 )03,0(1)06,0(1 222222 ≈ ≈+= Ej. 2: V1 = 6,45 (±0,04) mL V2 = 20,12 (±0,08) mL ( ) ( ) ( )( ) ( )mL mLmLmLVV 1,02,7 04,0208,045,6212,202 22212 ±= =−+±×−=×− 2. Varianza de productos o divisiones: el desvío estándar relativo de un producto o de un cociente puede calcularse como la raíz cuadrada de la suma de los cuadrados de los desvíos estándar relativos de las variables que intervienen en el cálculo: si Ej. 1: X1 = 14,10 (±0,06); X2 = 0,0949 (±0,0005); X3 = 9,95 (±0,04) ( ) ( ) ( )33 2211 X XX sX sXsXf ± ±×± = ( ) 2 3 3 2 2 2 2 1 1 ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ +⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ +⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ ≈ X s X s X s f s XXXf ( ) ( ) ( ) ( )( )fsX XXf ±= ± ±×± = × = ...13448,0 04,095,9 0005,00949,006,010,14 3 21 ( ) 001,095,9 04,0 0949,0 0005,0 10,14 06,0 95,9 0949,010,14 222 =⎟ ⎠ ⎞ ⎜ ⎝ ⎛+⎟ ⎠ ⎞ ⎜ ⎝ ⎛+⎟ ⎠ ⎞ ⎜ ⎝ ⎛× × =fs Entonces, f = 0,134 (± 0,001). 3. Varianza de cálculos exponenciales: para un cálculo del tipo f = Xa, donde a es una constante y X está sujeta a un error caracterizado por un desvío estándar sX, se deduce empleando la fórmula general que: Así, cuando a = 2, el DER del resultado será el doble del de X, cuando a = 3 será el triple, etc. Debe tenerse en cuenta que, aunque X2 = X × X, en este caso no puede aplicarse la fórmula para productos ya que ambos factores no son independientes. ( ) ⎟ ⎠ ⎞ ⎜ ⎝ ⎛= X sa f s Xf 4. Varianza de logaritmos y antilogaritmos: Si f = log(X), El desvío estándar absoluto del logaritmo de una variable es igual al desvío estándar relativo de esa variable multiplicado por 1/ln10. Ej.: ( ) ⎟ ⎠ ⎞ ⎜ ⎝ ⎛≈⎟ ⎠ ⎞ ⎜ ⎝ ⎛= X s X s s XXf 434,010ln 1 ( )004,0699,3 1000,2 100,02 10ln 13,6990 ]10 0,02)( [2,00 log 4 4 4- ±−= =⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ × × ×±…−=×± − − Si f = antilog(X) = 10X, el desvío estándar relativo del antilogaritmo de una variable es igual al desvío estándar absoluto de esa variable multiplicado por ln 10. Ej.: Como puede verse, se asocia un desvío estándar grande al antilogaritmo de un número con pocos decimales, sin importar la cantidad de números a la izquierda de la coma. ( ) XX f ss f s 303,210ln ≈×= ( )[ ] ( ) ( ) 5 5 1023 103,010ln...51188,2...51188,23,04,5log ×±= =×××±=±anti ( )[ ] ( ) ( ) 10 10 1023 103,010ln...51188,2...51188,23,04,10log×±= =×××±=±anti Siempre es necesario acompañar los resultados de medidas experimentales o de cálculos derivados de ellas con algún indicador de la precisión y el nivel de confianza de dichas magnitudes. En general: 1) indicar la precisión mediante el número de cifras significativas; 2) informar el desvío estándar absoluto (s) o el coeficiente de variación (CV) de los datos (indicando el tamaño de la muestra utilizada para orientar acerca de la fiabilidad de s y del promedio); 3) informando los resultados como un intervalo de confianza. Nunca redondear los resultados parciales. 1) Cifras significativas. • Las cifras significativas de un número incluyen todos los dígitos ciertos y el primero incierto. • El número de cifras significativas de un dato indica la precisión del método con el que fue obtenido. • Si la expresión de la medida en ciertas unidades requiere usar cifras que no serían significativas, debe emplearse la notación científica y sólo las cifras significativas. Ej.: si un recipiente tiene una capacidad de 2,0 L (2 cifras significativas), para expresar este valor en mL no puede informarse 2000 mL (4 cifras) sino 2,0×103 mL. • Cuando el desvío estándar es conocido, éste indicará cuántas cifras son significativas. Ej.: La media de 10,09; 10,11; 10,09; 10,10 y 10,12 es 10,102 y su desvío estándar 0,01304. Como se ve existe incertidumbre en la segunda cifra decimal y el resultado debe expresarse como 10,10 ± 0,01 (n = 5). • Otras veces, la incertidumbre solo puede ser estimada y no se informa explícitamente, sino con el número de cifras del dato. Así se da a entender que la precisión estimada está en el orden de la última cifra conservada. Estimación del número de cifras significativas de resultados calculados con datos de incertidumbre desconocida: 1. Reglas generales a. Sumas y restas. Deben conservarse en el resultado un número de decimales igual al que posea el sumando que menos decimales presente. b. Productos y cocientes. El resultado final debe redondearse de forma que posea tantas cifras significativas como el factor con menor número de cifras significativas. c. Logaritmos y antilogaritmos. En el logaritmo de un número deben conservarse tantos decimales como sea el número de cifras significativas de dicho número. Ej.: Si un ácido tiene una Ka = 1,8×10-5, su pKa = 4,74. En el antilogaritmo deben conservarse tantas cifras significativas como sea el número de decimales en el número original. Ej.: Si pH = 7,20, entonces [H+] = 10-7,20 = 6,309…×10-8 = 6,3×10-8 M 2. Propagación de la incertidumbre • Propagando la incertidumbre de las medidas empleadas en el cálculo, cuya precisión se desconoce y solamente se indica por el número de cifras significativas. • La incertidumbre corresponde, entonces, a ±1 unidad en la última cifra significativa, aunque en casos particulares la experiencia o el buen criterio pueden indicar otro valor (para volúmenes descargados de una bureta debe usarse 0,03 mL). • Esa propagación se realiza con las fórmulas antes vistas para la propagación de la varianza y dará idea de la cantidad de decimales que debería poseer el resultado final. • La expresión final no siempre coincide con la que se obtiene al aplicar las reglas generales enunciadas. Ej.: Supongamos los cálculos y Las reglas generales dicen que los resultados deberían expresarse como 1,1 y 0,96. Sin embargo, si planteamos: 0848,1 0,100 52,424 = × 9648,0 0,100 02,424 = × ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )05,008,10417,00848,10848,1 001,0...002212,06041,00848,10848,1 0,100 1,0 52,4 01,0 24 10848,10848,1 1,00,100 01,052,4124 222 222 ±=×±= =⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ++×±= = ⎟⎟ ⎟ ⎠ ⎞ ⎜⎜ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ +⎟ ⎠ ⎞ ⎜ ⎝ ⎛ +⎟ ⎠ ⎞ ⎜ ⎝ ⎛×±= ± ±×± ) ( ) ( ) ( ) ( ) ( )04,096,00418,09648,09648,01,00,100 01,002,4124 ±=×±= ± ±×± En ambos casos la incertidumbre relativa del resultado es muy similar a 1/24, la incertidumbre de la medida con mayor error, y ambos deberían redondearse al segundo decimal, expresando el primer resultado con 3 cifras significativas (1,08 ± 0,05) y con dos el segundo (0,96 ± 0,04). 2) Informar el desvío estándar absoluto (s) o el coeficiente de variación (CV) de los datos. Cuando se conoce el desvío estándar de los datos que conforman el cálculo final, se aplican las fórmulas vistas antes para estimar el desvío del resultado y éste se redondea de forma que solamente contenga dígitos significativos. Ejemplo 1: Se debe informar un resultado de 6398,7 (±30). No puede informarse el resultado redondeado 6400±30, sino que debe usarse 6,40 (±0,03)×103. Ejemplo 2: Se determinó el porcentaje de Cl- en una muestra de agua mediante titulación con AgNO3 0,01385±0,00005 F y detección del punto final por el método de Mohr. Se debe informar correctamente el resultado del análisis sabiendo que cuatro titulaciones sobre alícuotas de 9,96 mL dieron los siguientes resultados: Muestra Blanco V(AgNO3) ± s 18,32 ± 0,06 mL (n = 4) 0,10 ± 0,03 mL (n = 4) ( ) ...%0898238,0 96,9 100035453,001385,010,032,18% = = ×××− =− mL mmolgmLmmolmLClVP Cálculo del desvío estándar del resultado: El porcentaje de Cl- en la muestra es 0,0898 (± 0,0005) % (n = 4) ( ) ( ) ( ) ( ) ( ) ( ) 0005,00898,0 01385,0 00005,0 22,18 06,0 089823,0089823,0 96,9 100035453,000005,001385,006,022,18 06,022,1803,006,022,1803,010,006,032,18 22 71 71 71 22 ±=⎟ ⎠ ⎞ ⎜ ⎝ ⎛+⎟ ⎠ ⎞ ⎜ ⎝ ⎛±= = ××±×± ±=+±=±−± KK Se supone que el PA tiene un error despreciable El error en la toma de la alícuota está incluido en el error del volumen descargado de la bureta 3) Expresión de resultados mediante un intervalo de confianza para la media. El intervalo de confianza para la media es un intervalo numérico alrededor de la media de un conjunto de replicados. Este intervalo se construye de forma que incluya la media poblacional μ, con cierta probabilidad llamada nivel de confianza del intervalo. Un resultado debe ser rechazado a priori y eliminado del análisis siempre que se sepa que se cometió un error operativo durante su obtención. Ante un dato dudoso, se aconseja repetir el análisis si se cuenta con tiempo y muestra suficientes: los nuevos datos ayudarán a decidir si el dato es o no atípico, y de no haber sustento para eliminarlo, su efecto sobre el promedio será menor por haber aumentado el número de datos. Si no puede repetirse el análisis, puede recurrirse al test Q para evaluar si el dato que parece atípico puede ser descartado. En el test Q se divide el valor absoluto de la diferencia entre el valor en duda, xatípico, y el más cercano a él, xn, por la dispersión del conjunto de datos, w (= xmáx – xmín): Este cociente es luego comparado con los valores tabulados de Qcrít para un dado nivel de confianza. Si el cociente supera este número, puede rechazarse el dato con ese nivel de confianza. Si de acuerdo al test se decide conservar el dato, debería emplearse la mediana y no la media del conjunto de datos como estimador de la media poblacional. * Dado que Qcrítico es siempre menor a 1, no puede emplearse para muestras de tres datos donde dos de ellos coinciden, ya que sería Q = 1 para el tercero y siempre habría rechazo. Valores de Qcrítico para diferente número de observaciones Nivel de confianza al rechazar un dato cuando Q > Qcrít Número de observaciones 0,90 0,95 0,99 3* 0,941 0,970 0,994 4 0,765 0,829 0,926 5 0,642 0,710 0,821 6 0,560 0,625 0,740 7 0,507 0,568 0,680 8 0,468 0,526 0,634 9 0,437 0,493 0,598 10 0,412 0,466 0,568 El rechazo o conservación de un dato dudoso basándose tanto en esta como en otras pruebas, en muestras de pocos datos, no es muy diferente a tomar una decisión arbitraria y la mejor opción suele ser realizar un juicio fundado en la experiencia y conocimiento del comportamiento y precisión del método usado. Validación de métodos analíticos Parámetros analíticos a evaluar: •Selectividad/especificidad •Linealidad/rangolineal •Sensibilidad •Límite de detección •Límite de cuantificación •Exactitud •Precisión •Robustez Tetraedro representativo del trabajo en un laboratorio analítico de control. Bibliografía •Harris DC, Análisis Químico Cuantitativo, Reverté, 2006. •Valcárcel M, Ríos A., “La calidad en los labratorios analíticos”, Reverté,1992. •Miller JC, Miller JN, Estadística para Química Analítica, Addison-Wesley, 1993. •Skoog DA, West DM, Holler FJ, Fundamentos de Química Analítica, Mc Graw-Hill, 2004. •Christian G, Analytical Chemistry, John Wiley & Sons, 1994.
Compartir