UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE INGENIERIA QUIMICA

DEPARTAMENTO DE QUIMICA

DOCENTE: José Canales Mairena

ASIGNATURA: Química Analítica

UNIDAD II: Química Analítica Cuantitativa

SUMARIO:
1) Principios Generales
2) Etapas de un Análisis Químico
3) Clasificación de los Métodos Cuantitativos
4) Evaluación de los datos Analíticos. Precisión y Exactitud
5) Error. Tipos de errores: Determinados e indeterminados. Fuentes de error.

OBJETIVOS:
1- Conocer los principios generales que rigen a los métodos cuantitativos
2- Caracterizar las etapas de un análisis
3- Analizar las clasificación de los métodos cuantitativos
4- Interpretar la evaluación de los datos analíticos en términos de error.

DESARROLLO:
PRINCIPIOS GENERALES: La Química Analítica a través de los métodos de
análisis rigen el comportamiento de los analitos cuando estos son sometidos a los
al análisis cuantitativos. El análisis cuantitativo informa que cantidad de un analito
o una especie química está contenida en una cantidad dada de muestra. Estos
resultados por lo general se expresan en términos relativos como tanto por ciento,
tanto por mil, partes por millón, partes por billón de la muestra dada. También los
resultados se pueden expresar en términos que incluyan el peso del analito o el
volumen del mismo por unidad de volumen de la muestra, a si también en
términos de fracción molar. Todos los métodos cuantitativos tanto volumétricos
como gravimétricos utilizaran algunas o todas estas formas o maneras de análisis.

ETAPAS DE UNA ANALISIS QUIMICO:

Casi todos los análisis químicos están precedidos por unas series de pasos
preliminares que debemos de seguir para llevar el análisis a los resultados
esperados. Continuación detallamos estas etapas:
Definición del problema: Primero debemos de saber cuál es la exactitud
requerida para de esta manera elegir el método a emplear. Un método que sea
incapaz de dar datos fiables, supone una pérdida de tiempo, lo mismo que realizar

1
un análisis con demasiada exactitud. La exactitud también se relaciona con el
tiempo disponible para realizar el análisis.
Muestreo: En este caso es fundamental la obtención de una muestra
representativa. En general entre más pulverizada y homogénea sea la sustancia,
más fácil será obtener una muestra. La muestra puede ser liquida, sólida o
gaseosa, lo importante es que deba ser representativa de toda el área de muestro
o del lugar donde se tomó la muestra
Preparación de las muestras para el análisis: Si las muestras son sólidas se
deben pulverizar con el objetivo de disminuir el tamaño de la partícula después de
debe de mezclar para asegurar su homogeneidad. Además la absorción o
eliminación de agua contribuirá a que el porcentaje en la composición de una
muestra dependa de la humedad ambiental. Esta dificultad se supera sometiendo
a la muestra a desecación
Disolución de la muestra: Muchos a análisis se llevan a cabo en disolución de la
muestra. Idealmente los disolventes deberían disolver toda la muestra
rápidamente y en las condiciones adecuadas para que no haya pérdida del
compuesto.
Separación de posibles interferencias: Las interferencias se deben de eliminar
para que no interfieran en el desarrollo del análisis químico a aplicar. Existen muy
pocas propiedades físicas o químicas que sean específicas de una sola especie,
por lo que las reacciones utilizadas y propiedades medidas son compartidas por
varios elementos o compuestos. Esta falta de especifica dificulta el análisis, ya que
se hace necesario emplear un algoritmo para a aislar las especies de interés.
Terminación del análisis: Por ultimo todas las etapas preliminares del análisis
tienen como objetivo la medida final que nos indique la cantidad verdadera del
analito en la muestra objeto de análisis

CLASIFICACION DE LOS METODOS CUANTITATIVOS DE ANALISIS:

Los medos analíticos se clasifican de la siguiente manera:
Volumétricos: Medir el volumen de una solución que contenga suficiente reactivo
para que reaccione completamente con el analito.
Gravimétricos: La medida final implica la determinación de la masa del analito en
la muestra
Métodos Electro analíticos: Están basados en la medida de alguna magnitud
eléctrica como voltios, amperios, ohmios y culombios.
Métodos Espectroscópicos: Se basan en la medida de la interacción de la
radiación electromagnética con la materia entre ellos tenemos, rayos x,
ultravioleta, visible, infrarrojo, microondas, ondas de radios producidos por átomos
o moléculas del analito

EVALUACION DE LOS DATOS ANALITICOS: PRECISION Y EXACTITUD:

El aseguramiento de la calidad en las mediciones analíticas. Principio básico de
las técnicas analíticas más comunes. La ley de la propagación de la incertidumbre.
2
Leyes de distribución de errores en las mediciones de las masa, volumen,
temperatura etc. Cada medida física está sujeta a un grado de incertidumbre que,
en el mejor de los casos solo puede ser reducida a un nivel aceptable. Determinar
la magnitud de esta incertidumbre es a veces difícil y requiere un esfuerzo
adicional, ingenio y buen criterio por parte del analista. Sin embargo la evaluación
de la incertidumbre es una tarea que no puede desestimarse porque una medida
cuya exactitud sea totalmente desconocida es inútil.
Precisión: El termino precisión se usa para describir la reproducibilidad de los
resultados. Puede definirse como la concordancia entre los valores numéricos de
dos o más mediciones que se han obtenido de idéntica forma. Existen varios
métodos para evaluar la precisión de los datos.
Método Absoluto para determinar la Precisión: Un método común para
expresarla es la desviación respecto a la media (x1 – x) y consiste, simplemente,
en la diferencia numérica, sin tener en cuenta el signo, entre un valor experimental
y la media de la serie
Por ejemplo. En un análisis de cloruro de una muestra proporciona los siguientes
datos:
Muestra Cloruros Desviación Desviación
respecto a la respecto a la
̅)
media(xi - 𝒙 mediana (𝑥̃)
x1 24.39 0.077 0.03
x2 24.19 0.123 0.17
x3 24.36 0.047 0
total 72.94 0.247 0.20
Promedio 24.313 0.082 0.07

La media para esta serie es 24.31 por 100 de Cl-. La desviación del segundo
resultado respecto a la media es 0.12; siendo 0.17 respecto a la mediana. La
desviación promedio respecto a la media es 0.08 por 100 de Cl -. Los datos de la
tercera columna se calcularon usando el valor de 24.313 como valor de la media
en vez del dato redondeado 24.31 esto se hace con fin de disminuir los errores
aleatorios en los resultados finales.
El intervalo o recorrido (w) en una serie de datos es también una medida de la
precisiciòn, y es simplemente la diferencia numérica entre el resultado mayor y el
menor. En el ejemplo anterior el intervalo es de 0.20 por 100 de Cl-

La desviación estándar y la varianza son otras medidas de la precisión más

significativas.
Métodos Relativos para Expresar la Precisión: Frecuentemente es conveniente
indicar la desviación relativa respecto a la media o (mediana) en términos de tanto

3
por ciento o por mil. Para el ejemplo anterior, la desviación relativa de la muestra
x1 respecto a la media es:
(0.077/24.313)* 100 = 0.32% = 0.3%
La desviación promedio de la serie respecto a la mediana, en tanto por mil es:
(0.067/24.36)* 1000 = 2.8 ≈ 3 0/00
Exactitud: El termino exactitud indica la proximidad de una medida a su valor
aceptado y se expresa en términos de error. Es preciso destacar la diferencia
fundamental que existe entre precisión y exactitud. Exactitud supone una
comparación con un valor verdadero o aceptado como tal, mientras que la
precisión indica la concordancia entre las medidas que han sido realizadas de la
misma forma.
El error Absoluto: EA. De una medida es la diferencia entre el valor observado xi
y el valor aceptado xt:

E = xi - xt
En contraste con la precisión donde el único interés es una diferencia numérica, el
signo asociado con el error es tan importante como el mismo valor numérico,
porque el analista necesita conocer si el efecto del error ha provocado un aumento
o disminución de los resultados.
El valor aceptado puede estar sujeto a un error apreciable; consecuentemente es
difícil establecer una estimación real de la exactitud de una medida. Supóngase
que en el ejemplo anterior el valor aceptado para el porcentaje de cloruro en la
muestra es 24.35por 100. El error absoluto de la medida es:
24.31 – 24.35 0 0.04% de Cl-
El error absoluto de la mediana es
24.36 – 24.35 = +0.01 % de Cl-
En este caso el pequeño error asociado con la mediana para esos datos es
posiblemente fortuito
A menudo una medida de la exactitud más útil que el error absoluto, es el error
relativo, expresado como porcentaje o tanto por mil. Para el ejemplo anterior.

Error relativo de la media = (-0.04/24.35)* 100 = -.2%

Error relativo de la mediana = (0.01/24.35)* 1000 = 0.4 0/00

Error: Tipos de errores: Resulta adecuado dividir en dos categorías a los
fenómenos de la incertidumbre de las medidas analíticas: 1) Errores
determinados, 2) errores indeterminados o aleatorios
Errores Determinados: Tienen causas concretas y valores definidos, los cuales
en principio pueden ser calculados y tenidos en cuenta. Estos errores a menudos
son unidireccional en el sentido de que causa que todos los resultados de una

4
serie de mediciones repetidas sean o bien altos, o bien bajos, pero no altos y
bajos a la vez.
Errores Indeterminados: Los errores indeterminados se manifiestan siempre que
un sistema de medida se utiliza con máxima sensibilidad. Bajo estas
circunstancias, los resultados no son constantes y fluctúan al azar alrededor de un
valor medio. Las fuentes de estas fluctuaciones nunca se pueden identificar
porque están constituidas de innumerables incertidumbres, que son
individualmente tan pequeñas que nunca pueden detectarse. Lo que se observa
es una suma de un gran número de incertidumbres insignificantes y no
observables. Si, por casualidad, los signos de la mayoría de las incertidumbres
individuales son positivos en cualquier instante, se observa una fluctuación neta
positiva. Si por el contrario las mayorías son negativas, al sumarse se detectara un
error indeterminado negativo. La situación más probable resulta cuando el número
y tamaño de las incertidumbres positivas y negativas son aproximadamente
iguales. Entonces la fluctuación neta se aproxima a cero.
Fuentes de Error: no se puede clasificar todas las fuentes de errores imaginables
que pueden afectar las medidas analíticas. Sin embargo podemos reconocer, que
las limitaciones en la precisión y exactitud se pueden asociar a tres fuentes
generales: 1) errores instrumentales, que se atribuyen a imperfecciones de los
aparatos de medida, 2) errores del método, que son causados por la conducta
física o química no ideal del sistema de análisis, 3) errores personales, que
resultan de las limitaciones físicas o psicológicas del analista.
Preguntas Sobre el Tema: 1) mencione brevemente las etapas de un análisis
2) Cuantos métodos analíticos existen según su clasificación, 3) Cual es la
diferencia si existe entre precisión y exactitud, 4) Mencione los tipos de errores
que podemos encontrar en una serie de medidas, 5) Clasifique las fuentes de
errores.

5
 UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERIA QUIMICA
DEPARTAMENTO DE QUIMICA

DOCENTE: José Canales Mairena

ASIGNATURA: Química Analítica
SUMARIO:
1) Definición de términos: Media y mediana.
2) Desviación Estándar, coeficiente de variación, varianza.
3) Intervalos de confianza
4) Rechazo de datos: Prueba Q.
5) Aplicaciones de las estadísticas a series: Prueba F de Fisher.

OBJETIVOS:
 Conocer los términos media y mediana
 Analizar la desviación estándar, el coeficiente de variación y la varianza de una
serie de resultado.
 Caracterizar los intervalos de confianza según su nivel
 Analiza la Prueba Q y la prueba F de Fisher.

Desarrollo:
Media: Es el valor numérico que se obtiene dividiendo la suma de una serie de
medidas repetidas por el número de resultados individuales en la serie. Ejemplo.
Calcular la media de las siguientes medidas: 10.06 + 10.20 + 10.08 + 10.10 =
40.44
40.44
Media =  10.11
4
Mediana: La mediana de una serie de resultados, es el resultado alrededor del
cual se distribuyen los demás por igual, la mitad son numéricamente más pequeño
y la otra mitad numéricamente mayores. La mediana de una serie que consiste de
un número impar de medidas se puede evaluar directamente. Para una serie con
número par de medidas, se toma el promedio del valor central.
Ejemplo calcule la mediana para las medidas anteriores.
10.06 + 10.20 + 10.08 + 10.10
20.18
Mediana = 10.09
2
Idealmente la media y la mediana deberán ser numéricamente idénticas, pero
frecuentemente no lo son, en particular cuando el número de medidas individuales
de la serie es pequeño.

6
Desviación Estándar: La desviación estándar de un conjunto de mediciones
individuales es la raíz cuadrada de la media de los cuadrados de las diferencias
entre los valores medidos individualmente y la media de las mediciones.
∑ 𝑥𝑖−𝑥̅ )2
S= √ 𝑁

Si el número de mediciones 10 o menor, se obtendrá una mejor medición de S

como sigue:
∑ 𝑥𝑖−𝑥̅ )2
S= √ 𝑁−1

La desviación estándar es una mejor medida de la precisión que la desviación

promedio, porque da más importancia a las desviaciones mayores. Cuando N es
grande y la frecuencia de la desviación sigue una curva de desviación normal.
Ejemplo. Dado la siguiente serie de datos calcular la desviación estándar de los
valores individuales y la desviación estándar de la media. 29.8, 30.2, 28.6, 29.7
xi ̅
xi-𝒙 ̅)2
(xi - 𝒙
29.8 0.2 0.04
30.2 0.6 0.36
28.6 1 1
29.7 0.1 0.01
Σ 118.3 Σ 1.9 Σ 1.41

118.3
𝑥̅ =  29.6
2
1.41
S=  0.69
4 1
Coeficiente de Variación: El coeficiente de variación no es más que la desviación
estándar dividido entre la raíz cuadrada del número total de medidas N.
0.69
Sm =  0.34
4
Varianza: La varianza es el cuadrado de la desviación estándar. La gran virtud de
la varianza como una estimación de la precisión es la de ser una magnitud aditiva.
Si existe n fuentes independientes de errores indeterminados en un sistema, la
varianza total,  2T   21   1  ...   2 n
2

La desviación estándar tiene las mismas unidades que la cantidad medida, por
eso la mayoría de los científicos analistas prefieren utilizar  en lugar de  2 .
A si para las medidas del ejemplo anterior la varianza viene dada como sigue:
 2  (0.69) 2 = 0.4761

7
Intervalos de Confianza:
El Verdadero valor de la media  , en una determinación es una constante que
nunca se conoce, sin embargo con la ayuda de la teoría estadística, se pueden
establecer los límites alrededor de la media determinada experimentalmente, 𝑥̅ ,
dentro de los cuales cabe esperar encontrar la media verdadera, con un cierto
grado de probabilidad. Estos límites se denominan límites de confianza o
intervalos de confianza.
Las propiedades de los límites de confianza, para una serie de datos dadas, el
tamaño del intervalo depende, en parte del nivel de exactitud deseada.
Evidentemente para que una suposición sea absolutamente correcta, se tendría
que elegir un intervalo alrededor de la media lo suficientemente grande para que
incluyera todos los valores posibles que Xi, pueda tomar. Dicho intervalo no tiene
un valor predecible. Por otra parte, el intervalo no necesita ser tan grande si se
está dispuesto a aceptar la probabilidad de que sea correcto 99 veces de cada
100; puede ser incluso más pequeño, si se acepta una probabilidad del 95 por
100. En resumen cuanto menos favorable es la probabilidad de hacer una
predicción correcta, el intervalo determinado por los límites de confianza se hace
más pequeño.
El LC para una determinación depende no solo de la desviación estándar, S, sino
también de la certeza con que esta se conoce.
En algunas situaciones, el analista tendrá razón para creer que el valor
experimental para S es una excelente aproximación para  ; en otras, S puede
conocerse con una certeza considerablemente menor. Cuanto mayor sea la
incertidumbre en S para la misma probabilidad de exactitud el intervalo de
confianza será mayor.
Ejemplo:
Se determinó Hg en una muestra de 7 pescados del lago Xolotlán, mediante un
método basado en la absorción de radiación por el Hg elemental gaseoso. Calcule
una desviación ponderada de la desviación estándar basados en los siguientes
datos y calcule los límites de confianza al 50 por 100 y al 95 por 100 para el primer
resultado (1.80ppm de Hg.)

8
 Suma de los
cuadrados de
las
Contenido Media desviaciones
No. De No. De Muestra de Hg en (ppm de respecto a la
Muestra medidas ppm Hg 𝑥̅
1 3 1.8,1.58,1.64 1.673 0.0259
2 4 .96,.98,1.02
1.1 1.015 0.0115
3 2 3.13,3.35 3.24 0.0242
2.06, 1.93,
4 6 2.12,
2.16, 1.89,
1.95 2.018 0.0611
.57, .58, .64,
5 4 .49 0.57 0.0114
2.35, 2.44,
6 5 2.70
2.48, 2.44 2.482 0.0685
1.11, 1.15,
7 4 1.22
1.04 1.13 0.017
medidas 28 0.2196
Los valores para la muestra 1 de la columna 5 se obtuvieron como sigue:

xi │(xi - 𝒙
̅)│ ̅)2
(xi - 𝒙
1.8 0.127 0.0161
1.58 0.093 0.0087
1.64 0.033 0.0011
suma de
suma 5.02 cuadrados 0.0259

5.02
𝑥̅ =  1.673
3
Los otros datos de la columna se obtuvieron de forma similar. Entonces:
0.0259  0.0115  0.0242  0.0611  0.0114  0.0685  0.0170
SP =  0.10 ppm
28  7
Dado que el número de grados de libertad es superior a 20, esta estimación de S,
puede considerarse como una buena aproximación de 
Para calcular los límites de confianza al 50 por 100 y al 95 por 100 para el primer
resultado (1.80ppm de Hg)

9
S ponderada 0.10 está basada en suficientes datos para suponer que S   .
Según datos de la tabla. z =  0.67 y  1.96, para los dos niveles de confianza
LC (50%) = 1.80  0.67 * 0.10 = 1.80  0.07 ppm de Hg
LC (95%) = 1.80  1.96 *0.10 = 1.80  0.2 ppm de Hg
La probabilidad es de que 50 veces de cada 100,  , la media verdadera ( y en
ausencia de error determinado, el valor verdadero), se encontrara en el intervalo
comprendido entre 1.73 y 1.87 ppm de Hg.
Puede demostrarse que el intervalo de confianza esta disminuido por N para el
promedio de N medidas repetidas. De este modo, una forma más general para
z
calcularlo es  = 𝑥̅ 
N
Rechazo de Datos Prueba Q:
Cuando una serie de datos contiene un dato discordante que difiere
excesivamente del promedio, debe de tomarse la decisión de aceptarlo o
rechazarlo.
De los numerosos criterios estadísticos propuestos para ayudar a decidir la
oportunidad de retener o rechazar un dato sospechoso, el criterio Q es el
preferido.
Para aplicarlo se divide la diferencia entre el resultado dudoso y el más próximo a
él, por el intervalo de la serie completa. La relación resultante, Qexp. Se compara
con unos valores de rechazo que son críticos para un grado de confianza
determinado. Si Qexp  Qcrit, no se rechaza el resultado, lo contrario si se
rechaza el resultado
Ejemplo.
El análisis de una muestra de plomo se obtuvieron los siguientes resultados:
55.95, 56.08, 56.04, 56.00 y 56.23. El último valor parece ser anormalmente alto.
¿Debería aceptarse o rechazarse? A un nivel de confianza del 90 por 100.
La diferencia entre 56.23 y su contiguo más próximo, 56.08 es de 0.015 por 100, el
intervalo para la serie (56.23 – 55.95) es 0.28 por 100
0.15
Qexp =  0.54 Para 5 medidas y a un 90 por 100 de confianza, Qcrit, es 0.64,
0.28
como 0.54 es más pequeña que Qcrit, el resultado no se rechaza.
Prueba F de Fisher:
Esta es una prueba diseñada para indicar si existe una diferencia significativa
entre dos métodos, basándose en sus desviaciones estándares. F se define en
términos de las variancias de los dos métodos, en donde la variancia es el
cuadrado de la desviación estándar.

10
 2
S1
F= 2
S2
En donde S21  S22. Existen dos distintos grados de libertad, v1 y v2, y estos
grados de libertad se definen como N-1, el número de mediciones menos 1.
Cuando el valor calculado para F, mediante la ecuación anterior, excede el valor
tabulado para F en el nivel de confianza elegido, existe una diferencia significativa
entre los dos métodos.
Ejemplo:
Se trata de desarrollar un nuevo método espectrofotométrico para determinar el
contenido de glucosa en el suero sanguíneo. Los resultados del experimento se
comparan con la prueba del Folin-Wu, empleando los siguientes conjuntos de
datos de réplicas de análisis realizadas con las mismas muestras, determinar si la
varianza de este método difiere significativamente del método estándar.

Método Folin-Wu
Nuevo Método mg/dl) (mg/dl)
127 130
125 128
123 131
130 129
131 127
126 125
129

𝑥̅ = 127 𝑥̅ = 128

( Xi1  X 1 ) 2 50
S12 =   8.3
N1  1 7 1

( xi2  x) 2 24
S2 2 =   4.8
N2 1 6 1
8 .3
F=  1 .7
4 .8
Las variancias se han ordenados de modo que el valor de F es mayor que 1. El
valor tabulado de F para v1 = 6 y v2 = 5 es 4.95. Como el valor calculado es menor,
se llega a la conclusión, de que no existe diferencia significativa en la precisión de
los dos métodos.

11
 UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERIA QUIMICA
DEPARTAMENTO DE QUIMICA

DOCENTE: José Canales Mairena

ASIGNATURA: Química Analítica
SUMARIO: CLASE PRÁCTICA
- Desviación Estándar
- Límites de Confianza
- Prueba Q.
- Prueba F de Fisher

Competencia:

- Vincula la teoría con la practica

- Adquiere habilidad en la resolución de problemas relacionados.

DESARROLLO:
Ejercicio Numero 1:
Suma de los
cuadrados
de las
Contenido Media desviaciones
No. De No. De Muestra de Hg en (ppm de respecto a la
Muestra medidas ppm Hg ̅
𝒙
1 3 1.8,1.58,1.64 1.673 0.0259
2 4 .96,.98,1.02
1.1 1.015 0.0115
3 2 3.13,3.35 3.24 0.0242
2.06, 1.93,
4 6 2.12,
2.16, 1.89,
1.95 2.018 0.0611
.57, .58, .64,
5 4 .49 0.57 0.0114
2.35, 2.44,
6 5 2.70
2.48, 2.44 2.482 0.0685
1.11, 1.15,
7 4 1.22
1.04 1.13 0.017

12
 medidas 28 0.2196

Para las siguientes series de medidas, encuentre la desviación estándar para las
muestras 1, 2, y 3. Calcule los límites de confianza a 50 y al 90 por 100, para el
primer resultado de 3.13 de la tercera muestra.

( Xi  Xm) 2 (0.0259  0.0115  0.0242)

S= = = 0.0877
N 1 9 1
S = 0.0877 supongamos que está basada en suficientes datos para suponer que S
  . Según datos de la tabla. z =  0.67 y  1.96, para los dos niveles de
confianza dados.
LC (50%) = 3.13  0.67 * 0.0877 = 3.13  0.0588 ppm de Hg
LC (95%) = 3.13  1.96 *0.0877 = 3.13  0.171 ppm de Hg
Ejercicio Número 2:
Para los datos de las series del 4 al 7 determine su desviación estándar y límites
de confianza al 80 y 90 por 100 para la muestra 4 segunda medida 1.89 ppm de
Hg. Suponer que S es una buena aproximación de 

( Xi  Xm) 2 (0.0611  0.0114  0.0685)

S= = = 0.10
N 1 15  1

LC (80%) = 1.89  1.29 * 0.10 = 1.89  0.129 ppm de Hg

LC (90%) = 1.89  1.64 *0.10 = 1.89  0.164 ppm de Hg
Ejercicio Número 3:
Para las series de datos de la muestra 7 determine su desviación estándar y
límites de confianza para la primera medida a un nivel de confianza del 95 y 99 por
100. Suponer que S es una buena aproximación de  . Para esos límites de
confianza z =  1.96 y 2.58 respectivamente.

( Xi  Xm) 2 0.017
S= = = 0.0752
N 1 4 1
LC (95%) = 1.11  1.96*0.0752 = 1.11  0.147
LC (99%) = 1.11  2.58*0.0752 = 1.11  0.194
Ejercicio Número 4:
El análisis de una muestra de As dio los siguientes resultados en ppm. 10.22,
10.23, 10.24, 10.25, 10.254 y 10.50, respectivamente. El último dato parece
discordante, por consiguiente se debe tener o rechazar el dato dudoso?, a un nivel
de confianza del 90 por 100.

13
La diferencia entre 10.50 y su contiguo más próximo es 10.50-10.254 = 0.246
La de la serie es 10.50- 10.22 = 0.28
0.246
Qexp = = 0.878. Para 6 medidas a un nivel de confianza del 90 por 100 Qcrit
0.28
= 0.560
Como Qexp  Qcrit. El dato se rechaza en base al criterio de la prueba Q.
Ejercicio Número 5:
Los datos siguientes corresponden al análisis de una muestra de Cr en agua.
15.16ppm, 15.18ppm, 15.19ppm, 15.20ppm y 15.30ppm. En base a la prueba Q,
debe aceptarse o rechazarse el último dato a un nivel de del 99 por 100.
1-15.30-15.20 = 0.10. La diferencia entre el dato discordante y su más próximo
15.30 -15.16 = 0.14. La diferencia de la serie el dato discordante menos el menor
de los datos.
0.10
Qexp = = 0.714. Para 5 medidas y a un nivel de confianza del 99 Qcrit =
0.14
0.821
Como Qexp  Qcrit. El dato se debe conservar.
Ejercicio Número 6:
Se desarrolla un método para el análisis de agua basado en el índice de refracción
de la sustancia y los resultados se comparan con un método estándar de la EPA.
Método nuevo
mg/L Método de la
EPA. mg/L
55 57
56 56
57 58
59 60
55 58
58
𝑥̅ = 57 58

La relación se encuentra en términos de varianza

S 21
F= 2
S1

( Xi  Xm) 2 14 2 .8
S21 = =  2 .8 , F =  1.24
N 1 5 2.25

14
 ( Xi  Xm) 2 9
S2    2.25
2

N 1 4
El valor tabulado para v1 = 5 y v2 = 4, es de 6.26. Como el valor calculado es
menor que el valor tabulado llegamos a la conclusión de que no existe diferencia
significativa entre los dos métodos, por lo tanto el método probado se acepta.

Ejercicio Número 7:
Se realiza un método en el laboratorio para el análisis de agua, para probar la
dispersión por partículas pequeñas un método turbidimétrico y se compara con los
resultados de un método estándar ya probado por la Standard Métodos.
Método Método
turbidimetrico estándar
Nuevo. mg/L mg/L
100 102
101 103
102 99
101 102
103 102
104 103
103
Xm = 102 Xm = 102

La relación entre los dos métodos se encuentra en términos de varianza

2
S1
F= 2
S2

( Xi  Xm) 2 12
S1    2.00
2

N 1 6

( Xi  Xm)2 11
S2    2.2
2

N 1 5

2.00
F=  0.90
2 .2
El valor tabulado para v1 = 6 y v2 = 5. Es 4.95. Como el valor calculado es menor
que el valor tabulado. El método nuevo se acepta.

15
16