Identificación del problema analitico_Diego_Jimenez

Vista previa del material en texto

Química analítica e instrumental
Paso 1 – identificación del problema analítico
Diego armando Jiménez Buelvas 
Código: 1066729863
Grupo: 301102_3
Docente: Sindy Johana Escobar 
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA 
UNAD
Montelibano – Córdoba 
19/03/2023
Identificación de la problemática asociada 
	Diego Armando Jiménez Buelvas
	Maíz
	Micotoxinas
	Producidos por varias especies de hongos (mico) que colonizan algunos cultivos en el campo o durante el transporte o almacenamiento de los mismos.
	0,02
Micotoxinas:
Las Micotoxinas son toxinas producidas por hongos que pueden contaminar los alimentos y causar problemas de salud en humanos y animales. Estos hongos pueden crecer en diversos alimentos, incluyendo granos, nueces, frutas y vegetales, así como en alimentos procesados como la cerveza y el vino. Las Micotoxinas pueden afectar el sistema nervioso, el sistema inmunológico, el hígado, los riñones y otros órganos, y pueden provocar enfermedades como cáncer, problemas reproductivos y trastornos neurológicos. Algunas de las Micotoxinas más comunes son la aflatoxina, producida por el hongo Aspergillus flavus y que puede encontrarse en alimentos como el maíz y los cacahuetes; la ocratoxina, producida por el hongo Aspergillus ochraceus y que puede encontrarse en alimentos como el café y el vino; y la fumonisina, producida por el hongo Fusarium moniliforme y que puede encontrarse en alimentos como el maíz y la soja. Para reducir el riesgo de exposición a las micotoxinas, se recomienda almacenar los alimentos en lugares secos y frescos, revisar los alimentos en busca de signos de moho y desechar cualquier alimento que parezca estar contaminado. También se recomienda evitar el consumo excesivo de alimentos que se sabe que son propensos a la contaminación por micotoxinas, como los cacahuetes y el maíz.
· 1.1 Considere la siguiente situación: Se desea preparar una muestra de cloruro de bario, BaCl2, para el análisis de la respiración de alimentos con la mayor exactitud posible, para lo cual se cuenta con 3 balones aforados de 300 mL, de los cuales se busca determinar la incertidumbre. En la siguiente tabla se muestra la determinación de los volúmenes en ml de cada uno de los balones aforados:
Remplazamos:
· Balón 1
· Balón 2
· Balón 3
Remplazamos:
Desviación estándar:
Realizada en Excel 
=DESVEST.M(Datos)
Coeficiente de Variación 
Realizado en Excel
=Desviación estándar/ promedio 
El intervalo de confianza empleando un análisis t-student a dos colas con un nivel de confianza de 98%
Datos:
Desviación estándar= S =27227699
Numero de datos= n=21
t=2,518
=INTERVALO.CONFIANZA.T(0,025;Desviacion estándar; número de datos)
· 1.2: Para el ejercicio anterior, calcule el error relativo y absoluto teniendo en cuenta el volumen nominal correspondiente (300 m) y realice un análisis de acuerdo con las diferencias entre errores y dispersión de los datos brindados entre cada balón, y determine el balón que es más preciso y exacto.
Formulas:
Error absoluto =ABS(Valor real –Valor aproximado)
Error relativo =ABS((Valor real – Valor aproximado)/Valor real)*100
Análisis: 
Según los resultados obtenidos y el análisis basado en los datos, podemos concluir que las diferencias de errores son mínimas, de esta manera también podemos observar que el balón más impreciso es el balón numero 1 debido a que los valores de error son más dispersos, de esta manera también podemos afirmar que el balón más preciso es el numero 2 ya que solo presenta en promedio un margen de error de 0,03 y 0,01 en errores absolutos y relativos respectivamente.
· 1.3: El análisis cuantitativo es un enfoque de investigación que se basa en el uso de datos numéricos para analizar una determinada población o muestra. Este tipo de análisis se utiliza para medir y cuantificar fenómenos sociales o de cualquier otra clase. 
Un ejemplo sería; si se quisiera analizar el efecto de la educación en el salario de los trabajadores, se podría llevar a cabo un análisis cuantitativo. Para esto, se podría recopilar información sobre el nivel de educación y el salario de un grupo de trabajadores. Luego, se podría utilizar un software estadístico para analizar los datos recopilados y obtener una serie de estadísticas que permitan determinar si existe una relación entre el nivel de educación y el salario.
· 1.4: Un plan de muestreo aleatorio es una estrategia de recolección de datos que se utiliza para obtener una muestra representativa de una población. Los aspectos que se deben contemplar en un plan de muestreo aleatorio son:
1. Definición de la población: se debe definir claramente la población objetivo para que la muestra sea representativa de ella.
2. Tamaño de la muestra: se debe determinar el tamaño de la muestra que se va a recolectar. Esto dependerá del nivel de precisión que se desee y del tamaño de la población.
3. Selección de la muestra: se debe seleccionar la muestra de forma aleatoria, para evitar sesgos o preferencias.
4. Diseño de la muestra: se debe diseñar la forma en que se recogerán los datos, por ejemplo, mediante encuestas, entrevistas, observación, entre otros.
5. Análisis de los resultados: se deben analizar los resultados obtenidos de la muestra para hacer inferencias sobre la población.
Un ejemplo de plan de muestreo aleatorio podría ser el siguiente: se desea conocer la opinión de los estudiantes de una universidad sobre la calidad de la enseñanza. Para ello, se define la población como todos los estudiantes de la universidad. Se decide que el tamaño de la muestra será de 500 estudiantes seleccionados al azar. Para seleccionar la muestra, se puede utilizar un generador de números aleatorios o una tabla de números aleatorios. Se diseña una encuesta para recolectar los datos, que se realizará de forma presencial o en línea. Finalmente, se analizarán los resultados obtenidos para hacer inferencias sobre la opinión de todos los estudiantes de la universidad sobre la calidad de la enseñanza.
Referencias bibliográficas
Chang, R. (2010). Química (10a. ed). (pp. 38-67). México DF: McGraw-Hill Interamericana. http://www.ebooks7-24.com.bibliotecavirtual.unad.edu.co/?il=5202&pg=69
Mora, J., Gras, L., Maestre, S., & Todolí, J. L. (2005). Introducción a la experimentación en química analítica (pp. 185-192). Alicante, España: Publicaciones de la Universidad de Alicante. https://bibliotecavirtual.unad.edu.co/login?url=https://search-ebscohost-com.bibliotecavirtual.unad.edu.co/login.aspx?direct=true&db=nlebk&AN=318149&lang=es&site=ehost-live&ebv=EB&ppid=pp_185 
Martínez Bencardino, C. (2019). Estadística y muestreo (pp. 112-197). Ecoe Ediciones. https://www-ebooks7-24-com.bibliotecavirtual.unad.edu.co/?il=9278&pg=112
Mora Pastor, J. (2005). Introducción a la Experimentación en Química Analítica (pp. 26-31). Alicante: Digitalia. https://bibliotecavirtual.unad.edu.co/login?url=https://search-ebscohost-com.bibliotecavirtual.unad.edu.co/login.aspx?direct=true&db=nlebk&AN=318149&lang=es&site=ehost-live&ebv=EB&ppid=pp_185
Escobar Luján, S. (2022). Fundamentos de Química Analítica e Instrumental. Repositorio institucional UNAD. https://repository.unad.edu.co/handle/10596/50543