Saltar al contenido principal
LibreTexts Español

4.10: Recursos adicionales

  • Page ID
    75544
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    Los siguientes experimentos proporcionan introducciones útiles para el análisis estadístico de datos en el laboratorio de química analítica.

    • Bularzik, J. “El experimento Penny revisitado: una ilustración de figuras significativas, exactitud, precisión y análisis de datos”, J. Chem. Educ. 2007, 84, 1456—1458.
    • Columbia, M. R. “Las estadísticas del café: 1. Evaluación de metales traza para establecer el país de origen de un café con base en una comparación de medias”, Chem. Educador 2007, 12, 260—262.
    • Cunningham, C. C.; Brown, G. R.; St Pierre, L. E. “Evaluación de datos experimentales”, J. Chem. Educ. 1981, 58, 509—511.
    • Edminston, P. L.; Williams, T. R. “Un experimento analítico de laboratorio en el análisis de errores: determinación repetida de glucosa usando glucómetros comerciales”, J. Chem. Educ. 2000, 77, 377—379.
    • Gordus, A. A. “Evaluación Estadística de Datos de Clase para Dos Lecturas de Buretas”, J. Chem. Educ. 1987, 64, 376—377.
    • Harvey, D. T. “Evaluación Estadística de Indicadores Ácidos/Base”, J. Chem. Educ. 1991, 68, 329—331.
    • Hibbert, D. B. “La enseñanza del análisis moderno de datos con el concurso de titulación del Real Instituto Químico Austriaco”, Aust. J. Ed. Chem. 2006, 66, 5—11.
    • Johll, M. E.; Poister, D.; Ferguson, J. “Comparación estadística de múltiples métodos para la determinación de los niveles de oxígeno disuelto en el agua natural”, Chem. Educador 2002, 7, 146—148.
    • Jordon, A. D. “¿Qué método es el más preciso; cuál es el más preciso? ,” J. Chem. Educ. 2007, 84, 1459—1460.
    • Olsen, R. J. “Uso de datos agrupados y visualización de datos para introducir conceptos estadísticos en el laboratorio de química general”, J. Chem. Educ. 2008, 85, 544—545.
    • O'Reilley, J. E. “La longitud de un pilón”, J. Chem. Educ. 1986, 63, 894—896.
    • Overway, K. “Estadísticas de población versus muestreo: un ejercicio de hoja de cálculo”, J. Chem. Educ. 2008 85, 749.
    • Paselk, R. A. “Un experimento para introducir estadística a estudiantes de química analítica y clínica”, J. Chem. Educ. 1985, 62, 536.
    • Puignou, L.; Llauradó, M. “Una Introducción Experimental a los Ejercicios Interlaboratoriales en Química Analítica”, J. Chem. Educ. 2005, 82, 1079—1081.
    • Quintar, S. E.; Santagata, J. P.; Villegas, O. I.; Cortinez, V. A. “Detección de los efectos del método sobre la calidad de los datos analíticos”, J. Chem. Educ. 2003, 80, 326—329.
    • Richardson, T. H. “Datos Malo Reproducible para Instrucción en Métodos Estadísticos”, J. Chem. Educ. 1991, 68, 310—311.
    • Salzsieder, J. C. “Experimento de análisis estadístico para el laboratorio de química de primer año”, J. Chem. Educ. 1995, 72, 623.
    • Samide, M. J. “Comparación Estadística de Datos en el Laboratorio Analítico”, J. Chem. Educ. 2004, 81, 1641—1643.
    • Sheeran, D. “Contenido de Cobre en Carbonato de Cobre Sintético: Una Comparación Estadística de Resultados Experimentales y Esperados”, J. Chem. Educ. 1998, 75, 453—456.
    • Spencer, R. D. “La dependencia de la fuerza en plásticos sobre la longitud de la cadena del polímero y la orientación de la cadena”, J. Chem. Educ. 1984, 61, 555—563.
    • Stolzberg, R. J. “¿Pierden sus conchas los nuevos centavos? Pruebas de Hipótesis en el Laboratorio de Química Analítica de Segundo Año”, J. Chem. Educ. 1998, 75, 1453—1455.
    • Stone, C. A.; Mumaw, L. D. “Experimentos Prácticos en Estadística”, J. Chem. Educ. 1995, 72, 518— 524.
    • Thomasson, K.; Lofthus-Merschman, S.; Humbert, M.; Kulevsky, N. “Aplicando la Estadística en el Laboratorio de Química de Pregrado: Experimentos con Colorantes de Alimentos”, J. Chem. Educ. 1998, 75, 231—233.
    • Vitha, M. F.; Carr, P. W. “Un ejercicio de laboratorio en el análisis estadístico de datos”, J. Chem. Educ. 1997, 74, 998—1000.

    Una discusión más completa del análisis de datos, que incluye todos los temas considerados en este capítulo así como material adicional, se encuentra en muchos libros de texto sobre estadística o análisis de datos; varios de estos textos se enumeran aquí.

    • Anderson, R. L. Estadísticas prácticas para químicos analíticos, Van Nostrand Reinhold: Nueva York; 1987.
    • Graham, R. C. Análisis de Datos para las Ciencias Químicas, VCH Publishers: Nueva York; 1993.
    • Mark, H.; Workman, J. Statistics in Spectroscopy, Academic Press: Boston; 1991.
    • Mason, R. L.; Gunst, R. F.; Hess, J. L. Diseño estadístico y análisis de experimentos; Wiley: Nueva York, 1989.
    • Massart, D. L.; Vandeginste, B. G. M.; Buydens, L. M. C.; De Jong, S.; Lewi, P. J.; Smeyers-Verbeke, J. Handbook of Chemometrics and Qualimetrics, Elsevier: Amsterdam, 1997.
    • Miller, J. C.; Miller, J. N. Estadística para Química Analítica, Ellis Horwood PTR Prentice-Hall: Nueva York; 3a Edición, 1993.
    • Manual electrónico de métodos estadísticos del NIST/SEMATECH, http://www.itl.nist.gov/div898/handbook/, 2006.
    • Sharaf, M. H.; Illman, D. L.; Kowalski, B. R. Chemometrics, Wiley-Interscience: Nueva York; 1986.

    La importancia de definir términos estadísticos se aborda en los siguientes artículos.

    • Comité de Métodos Analíticos “Terminología—la clave para entender la ciencia analítica. Parte 1: Exactitud, precisión e incertidumbre”, Resumen Técnico AMC No. 13, septiembre de 2003.
    • Goedart, M. J.; Verdonk, A. H. “El Desarrollo de Conceptos Estadísticos en un Curso de Laboratorio Orientado al Diseño en Medición Científica”, J. Chem. Educ. 1991, 68, 1005—1009.
    • Sánchez, J. M. “Enseñanza de la Estadística Aplicada Básica en Cursos de Química Universitaria: Conceptos erróneos de los estudiantes”, Chem. Educador 2006, 11, 1—4.
    • Thompson, M. “Hacia un modelo unificado de errores en las mediciones analíticas”, Analyst 2000, 125, 2020—2025.
    • Treptow, R. S. “Precisión y Exactitud en Mediciones”, J. Chem. Educ. 1998, 75, 992—995.

    La detección de valores atípicos, particularmente cuando se trabaja con un pequeño número de muestras, se discute en los siguientes artículos.

    • Comité de Métodos Analíticos “Estadísticas robustas: cómo no rechazar valores atípicos Parte 1. Conceptos básicos”, Analista 1989, 114, 1693—1697.
    • Comité de Métodos Analíticos “Estadísticas robustas: cómo no rechazar valores atípicos Parte 2. Ensayos Interlaboratorios,” Analista 1989, 114, 1699—1702.
    • Comité de Métodos Analíticos “Los pícaros y sospechosos: cómo abordar los valores atípicos”, AMCTB 39, 2009.
    • Comité de Métodos Analíticos “Estadísticas robustas: un método de afrontamiento con valores atípicos”, AMCTB 6, 2001.
    • Comité de Métodos Analíticos “Uso de las pruebas Grubbs y Cochran para identificar valores atípicos”, Anal. Meth- ods, 2015, 7, 7948—7950.
    • Efstathiou, C. “Cálculo estocástico de los valores críticos de la prueba Q para la detección de valores atípicos en mediciones”, J. Chem. Educ. 1992, 69, 773—736.
    • Efstathiou, C. “Estimación de probabilidad de error tipo 1 a partir del parámetro Q de Dixon experimental en pruebas de valores atípicos dentro de conjuntos de datos pequeños”, Talanta 2006, 69, 1068—1071.
    • Kelly, P. C. “Detección de valores atípicos en estudios colaborativos”, Anal. Chem. 1990, 73, 58—64.
    • Mitschele, J. “Estadísticas de muestra pequeña”, J. Chem. Educ. 1991, 68, 470—473.

    Los siguientes artículos proporcionan información adicional sobre el error y la incertidumbre, incluyendo la propagación de la incertidumbre.

    • Comité de Métodos Analíticos “Optimizando su incertidumbre: un estudio de caso”, AMCTB 32, 2008.
    • Comité de Métodos Analíticos “Incertidumbre Oscura”, AMCTB 53, 2012.
    • Comité de Métodos Analíticos “¿Qué causa más errores en el análisis químico?” AMCTB 56, 2013.
    • Andraos, J. “Sobre la Propagación de Errores Estadísticos para una Función de Varias Variables”, J. Chem. Educ. 1996, 73, 150—154.
    • Donato, H.; Metz, C. “Un método directo para la propagación de errores usando un programa de hoja de cálculo de computadora personal”, J. Chem. Educ. 1988, 65, 867—868.
    • Gordon, R.; Pickering, M.; Bisson, D. “Análisis de incertidumbre por el método del 'peor caso'”, J. Chem. Educ. 1984, 61, 780—781.
    • Guare, C. J. “Error, precisión e incertidumbre”, J. Chem. Educ. 1991, 68, 649—652.
    • Guedens, W. J.; Yperman, J.; Mullens, J.; Van Poucke, L. C.; Pauwels, E. J. “Análisis Estadístico de Errores: Un Enfoque Práctico para un Laboratorio de Química de Pregrado Parte 1. El concepto”, J. Chem. Educ. 1993, 70, 776—779
    • Guedens, W. J.; Yperman, J.; Mullens, J.; Van Poucke, L. C.; Pauwels, E. J. “Análisis Estadístico de Errores: Un Enfoque Práctico para un Laboratorio de Química de Pregrado Parte 2. Algunos ejemplos trabajados”, J. Chem. Educ. 1993, 70, 838—841.
    • Heydorn, K. “Detectando Errores en Micro y Análisis de Traza mediante el Uso de Estadísticas”, Anal. Chim. Acta 1993, 283, 494—499.
    • Hund, E.; Massart, D. L.; Smeyers-Verbeke, J. “Definiciones operativas de incertidumbre”, Tendencias Anal. Chem. 2001, 20, 394—406.
    • Kragten, J. “Cálculo de desviaciones estándar e intervalos de confianza con una técnica de hoja de cálculo de aplicación universal”, Analyst 1994, 119, 2161—2165.
    • Taylor, B. N.; Kuyatt, C. E. “Lineamientos para Evaluar y Expresar la Incertidumbre de los Resultados de Mea- surement del NIST”, Nota Técnica del NIST 1297, 1994.
    • Van Bramer, S. E. “Una breve introducción a la distribución gaussiana, la estadística muestral y la estadística t del estudiante”, J. Chem. Educ. 2007, 84, 1231.
    • Yates, P. C. “Un método simple para ilustrar el análisis de incertidumbre”, J. Chem. Educ. 2001, 78, 770—771.

    Consulte los siguientes recursos para una discusión más a fondo sobre los límites de detección.

    • Boumans, P. W. J. M. “Límites de Detección e Interferencias Espectrales en Espectrometría de Emisiones Atómicas”, Anal. Chem. 1984, 66, 459A—467A.
    • Currie, L. A. “Límites para la Detección Cualitativa y Determinación Cuantitativa: Aplicación a la Radioquímica”, Anal. Chem. 1968, 40, 586—593.
    • Currie, L. A. (ed.) Detección en Química Analítica: Importancia, Teoría y Práctica, American Chemical Society: Washington, D. C., 1988.
    • Ferrus, R.; Egea, M. R. “Límite de discriminación, límite de detección y sensibilidad en sistemas analíticos”, Anal. Chim. Acta 1994, 287, 119—145.
    • Fonollosa, J.; Vergara, A; Huerta, R.; Marco, S. “Estimación del límite de detección mediante medidas de teoría de la información”, Anal. Chim. Acta 2014, 810, 1—9.
    • Glaser, J. A.; Foerst, D. L.; McKee, G. D.; Quave, S. A.; Budde, W. L. “Análisis de trazas para aguas residuales”, Environ. Sci. Tecnol. 1981, 15, 1426—1435.
    • Kimbrough, D. E.; Wakakuwa, J. “Nivel de control de calidad: una introducción a los niveles de detección”, Environ. Sci. Tecnol. 1994, 28, 338—345.

    Los siguientes artículos ofrecen reflexiones sobre las limitaciones del análisis estadístico basado en pruebas de significancia.

    • Comité de Métodos Analíticos “Importancia, Importancia y Poder”, AMCTB 38, 2009.
    • Comité de Métodos Analíticos “Una introducción a la estadística no paramétrica”, AMCTB 57, 2013.
    • Berger, J. O.; Berry, D. A. “El análisis estadístico y la ilusión de la objetividad”, Am. Sci. 1988, 76, 159—165.
    • Kryzwinski, M. “Importancia de ser incierto”, Nat. Métodos 2013, 10, 809—810.
    • Kryzwinski, M. “Importancia, valores de P y pruebas t”, Nat. Métodos 2013, 10, 1041—1042.
    • Kryzwinski, M. “Potencia y tamaño de muestra”, Nat. Métodos 2013, 10, 1139—1140.
    • Puerro, J. T.; Peng, R. D. “¿Cuál es la pregunta? ,” Ciencia 2015, 347, 1314—1315.

    Los siguientes recursos proporcionan información adicional sobre el uso de Excel, incluyendo reportes de errores en su manejo de algunos procedimientos estadísticos.

    • McCollough, B. D.; Wilson, B. “Sobre la exactitud de los procedimientos estadísticos en Microsoft Excel 2000 y Excel XP”, Comput. Estatista. Datos Anal. 2002, 40, 713—721.
    • Morgon, S. L.; Deming, S. N. “Guía de Microsoft Excel para cálculos, estadísticas y datos de trazado”,
    • (http://www.chem.sc.edu/faculty/morga...ide_Morgan.pdf).
    • Kelling, K. B.; Pavur, R. J. “Un estudio comparativo de la fiabilidad de nueve paquetes de software estadístico”, Comput. Estatista. Datos Anal. 2007, 51, 3811—3831.

    Para obtener más información sobre el uso de R, consulte los siguientes recursos.

    • Chambers, J. M. Software para Análisis de Datos: Programación con R, Springer: Nueva York, 2008.
    • Maindonald, J.; Braun, J. Análisis de datos y gráficos usando R, Cambridge University Press: Cambridge, Reino Unido, 2003.
    • Sarkar, D. Lattice: Visualización Multivariada de Datos Con R, Springer: Nueva York, 2008.

    Los siguientes artículos proporcionan información sobre la visualización de datos.

    • Comité de Métodos Analíticos “Representando distribuciones de datos con estimaciones de densidad kernel”, Resumen Técnico AMC, marzo de 2006.
    • Frigge, M.; Hoaglin, D. C.; Iglewicz, B. “Algunas implementaciones de la Boxplot”, The American Statistician 1989, 43, 50—54.

    This page titled 4.10: Recursos adicionales is shared under a CC BY-NC-SA license and was authored, remixed, and/or curated by David Harvey.