4.11: Resumen de capítulos y términos clave

Resumen

Los datos que recopilamos se caracterizan por su tendencia central (donde se agrupan los valores) y su dispersión (la variación de los valores individuales alrededor del valor central). Reportamos la tendencia central de nuestros datos indicando la media o mediana, y la dispersión de nuestros datos usando el rango, desviación estándar o varianza. Nuestra recopilación de datos está sujeta a errores, incluyendo errores determinados que afectan la exactitud de los datos y errores indeterminados que afectan su precisión. Una propagación de la incertidumbre nos permite estimar cómo estos errores determinados e indeterminados afectan nuestros resultados.

Cuando analizamos una muestra varias veces la distribución de los resultados se describe mediante una distribución de probabilidad, dos ejemplos de los cuales son la distribución binomial y la distribución normal. Conocer el tipo de distribución nos permite determinar la probabilidad de obtener un rango particular de resultados. Para una distribución normal expresamos este rango como un intervalo de confianza.

Un análisis estadístico nos permite determinar si nuestros resultados son significativamente diferentes de los valores conocidos, o de los obtenidos por otros analistas, por otros métodos de análisis, o para otras muestras. Podemos usar una prueba t para comparar valores medios y una prueba F para comparar varianzas. Para comparar dos conjuntos de datos primero debe determinar si los datos están emparejados o no emparejados. Para los datos no emparejados también debes decidir si puedes juntar las desviaciones estándar. Se puede tomar una decisión sobre si conservar un valor lejano usando la prueba Q de Dixon, la prueba de Grubb o el criterio de Chauvenet.

Debes estar seguro de tener precaución si decides rechazar un valor atípico. Finalmente, el límite de detección es una declaración estadística sobre la menor cantidad de analito que podemos detectar con confianza. Un límite de detección no es exacto ya que su valor depende de cuán dispuestos estemos a reportar falsamente la presencia o ausencia del analito en una muestra. Al reportar un límite de detección debes indicar claramente cómo llegaste a su valor.

Términos Clave

hipótesis alternativa parcela de caja intervalo de confianza límite de detección gráfico de puntos Prueba de Grubb Gráfica de densidad de kernel media error de método prueba de significancia de una cola prueba t pareada distribución de probabilidad gama muestra desviación estándar tolerancia error tipo 1 datos desapareados

sesgo teorema del límite central constante, determinado, error determinar el error error histograma límite de identificación mediana distribución normal atípico error personal propagación de la incertidumbre repetibilidad error de muestreo error estándar de la media t -prueba error tipo 2 varianza

distribución binomial Criterio de Chauvenet grados de libertad Prueba Q de Dixon Prueba F error indeterminado límite de cuantificación error de medición hipótesis nula datos emparejados población error proporcional determinado reproducibilidad prueba de significancia Material de referencia estándar prueba de significancia de dos colas incertidumbre