Videoconferencia CSL 26/03 | Mediateca de EducaMadrid

Bueno, os he abierto la unidad de trabajo 1 de medidas de seguridad en el laboratorio porque, bueno, como me habéis contado, vamos, algunos preferís ir teniendo la información para poneros al día. 00:00:00

ahora llegan las vacaciones y demás, vacaciones escolares, que no vamos a tener clase hasta el próximo día, creo que es 9 de abril, entonces ya tenéis la unidad 1. 00:00:17

La unidad 1 ya os comenté que es una unidad que conceptualmente es mucho más sencilla y es más, entre comillas, de estudiar, entonces os subí la videoconferencia con los puntos más importantes 00:00:31

y ya tenéis todo abierto. También tenéis abierto la actividad y el test, por si lo queréis ir haciendo, tenéis un mes para hacerlo. 00:00:43

Se abre hoy, que es 26 de marzo, y se cierra el 26 de abril. 00:00:53

Nos va a pasar un poco lo mismo con la unidad de trabajo 4, la de sistemas de gestión ambiental, 00:00:59

que como las videoconferencias están para explicar los puntos que son más complejos, para hacer ejercicios y demás, 00:01:03

tenemos solo una hora y media a la semana en vez de las tres que tenemos en presencial, 00:01:16

entonces tenemos que elegir un poco en qué nos centramos más. 00:01:21

Entonces, yo os he grabado esta videoconferencia, vamos, os he subido la videoconferencia de la unidad 1 00:01:25

y voy a hacer lo mismo con la 4. Esto no significa que si alguien tiene dudas, que quiere profundizar en algo, pues lo diga y demos otra sesión, busquemos un rato o una tutoría individual o lo que sea. 00:01:30

Pero bueno, yo creo que con el vídeo que tenéis subido y con el material que tenéis aquí no vais a tener ningún problema. 00:01:45

Vamos a navegarlo un poco, eso sí. Tenemos aquí nuestros apuntes como siempre, que sabéis que los tenemos en todos los temas en tres formatos. 00:01:59

Este que es el navegable, que puede ser el más cómodo para estudiarlo en el ordenador y luego tenéis dos descargables en PDF por si lo queréis llevar en móvil, tablet o lo que sea o porque queréis trabajar sin estar conectados a internet. 00:02:09

Entonces, tenemos aquí medidas de seguridad en el laboratorio y se desglosa en distintos apéndices que yo os he ido desglosando también en la videoconferencia. 00:02:27

Tenemos el sistema de prevención de riesgos laborales, la normativa, que puede ser lo que más información tiene, cómo clasificamos los productos químicos y cómo los almacenamos. 00:02:53

la prevención de riesgos del trabajo con productos químicos, porque esto es una cosa que tenemos que tener en cuenta, 00:03:09

que nosotros, el trabajo de técnico de laboratorio, además de los riesgos asociados a cualquier otro tipo de trabajo, 00:03:19

tenemos unos riesgos muy específicos que están relacionados con trabajar con productos que son peligrosos, 00:03:28

con cierta maquinaria, incluso en ensayos físicos trabajamos con maquinaria que puede ser peligrosa, estamos sometidos a concentraciones de sustancias que pueden ser tóxicas y hay que evaluarlas, etc. 00:03:35

Por eso es muy importante en todas las profesiones tener un control del riesgo, pero en el caso de analista de laboratorio incluso más. 00:03:51

Tenemos otro apartado de la seguridad en el laboratorio, en el que tenemos básicamente que tener un laboratorio bien organizado y gestionado para que sea seguro, etc. 00:04:03

Todo esto, simplemente estoy bajando los epígrafos, pero tenéis todo en la videoconferencia y en una presentación que os he subido también. Las medidas preventivas, el diseño y organización de laboratorios, los equipos de protección personal, los EPIs, cómo se gestionan y cómo se clasifican y el plan de emergencia. 00:04:19

Esto, bueno, lo hemos pasado así muy rápido, pero lo he dicho, tenéis ya subida la videoconferencia de la semana pasada y para cualquier duda me comentáis, ¿vale? A ver, que esto para salir hay que ir para atrás. 00:04:42

Entonces, eso respecto a la unidad 1, que vuelvo a ella por aquí, perdonadme, aquí, ¿vale? 00:04:55

Y tenemos también, como siempre, un foro que yo normalmente os diría que escribieseis, a no ser que sea algo muy específico en el foro general, pero bueno, si escribís por unidades también estupendo. 00:05:11

Las dos versiones, un mapa conceptual, que este vamos a verlo también, que nos dice un poco las medidas preventivas, tenemos que tener un plan de emergencia para evitar daños, tenemos los elementos de protección colectiva e individual, cuáles son cada uno de ellos y de qué nos protegen. 00:05:23

También, como medidas preventivas, tenemos que tener una información. Nosotros, al final, cuando trabajamos con productos químicos, nuestro pasaporte para que no nos pase nada es conocer perfectamente con qué estamos trabajando y protegernos de acuerdo a la peligrosidad del producto con el que estemos trabajando. 00:05:45

No es lo mismo que vengáis aquí y la práctica que hicisteis conmigo, que era una muestra de oxálico con glucosa que no tiene mayor peligrosidad, o la sosa con la que estuvimos valorando, que aunque no fuese muy concentrada, hay que tener ciertas precauciones porque si nos cae en la piel nos puede causar un daño. 00:06:05

Toda esa información la tenemos en nuestras etiquetas de los productos químicos y las fichas de seguridad. 00:06:28

¿Vale? Entonces, bueno, este es el mapa conceptual de esta unidad de riesgos que lo he dicho, me repito un poco, pero esto lo habéis visto también los que habéis dado ya el módulo de análisis químico y, bueno, si venís de grado medio o de otro ciclo lo habéis visto también. 00:06:35

Entonces, bueno, lo he dicho, es una unidad que es muy importante, pero que le dedicamos menos tiempo de videoconferencia para hacer más ejercicios y dedicarnos más a las que suelen dar más problema. 00:06:55

Os he puesto también un par de vídeos, este de seguridad básica en el laboratorio, que estoy casi segura de que esto os lo puse antes de hacer las prácticas, pero bueno, si no os lo podéis ver, son 10 minutos. 00:07:09

Y luego tenéis aquí una página de la European Chemical Science, que aquí tenéis, es una página muy útil porque podéis navegar por toda la legislación de una manera muy visual. Tenemos todos los pictogramas, está ahora mismo, bueno, vais directos a los pictogramas, pero está todo muy bien explicado y muy visual por si queréis navegarla. 00:07:22

Por ejemplo, si queremos saber este pictograma que significa, el inflamable, que el símbolo es una llama, nos metemos dentro y nos explica que es un indicativo de que el recipiente que tiene este símbolo contiene un gas que es extremadamente inflamable, o un gas inflamable, o un aerosol extremadamente inflamable, etc. 00:07:45

Nos dice ejemplos donde lo podemos encontrar, por ejemplo, en la gasolina, en el quitasmalte, ¿vale? Todos los pictogramas, si cogéis cualquier producto que tengáis por casa, si estáis en casa, de limpieza, cualquier, bueno, si tenéis desodorantes o cualquier tipo de spray o lacas para el pelo, etc., vais a ver pictogramas. 00:08:10

Sobre todo en los productos de limpieza vais a ver muchos de estos corrosivos, inflamables. También si tenéis, por ejemplo, algún insecticida o algún producto menos recomendable, productos que son muy tóxicos, aparte de la toxicidad, vais a tener el de peligro para la salud, toxicidad aguda, peligro para la salud, peligro para el medioambiente. 00:08:31

Este es muy visual porque parece un pez muerto. Y lo mismo, si queremos saber más información sobre este pictograma, nos metemos aquí y nos dice que es muy tóxico para los organismos acuáticos con efectos nocivos duraderos. 00:09:00

tóxico para los organismos acuáticos con efectos nocivos duraderos. 00:09:21

Estas dos categorías están incluidas dentro de este pictograma. 00:09:25

¿Por qué son tan útiles los pictogramas? 00:09:30

Pues porque si yo veo esto, da igual que yo sepa español, que sepa francés, que sepa chino, 00:09:32

que da igual, lo voy a entender. 00:09:38

Son muy visuales, son rápidos, universales y nos dan una información muy concentrada en muy poco espacio. 00:09:41

¿Dónde lo podemos encontrar? En plaguicidas, en biocidas, en gasolinas, etc. 00:09:48

Ejemplos de consejos de prudencia, pues evitar su liberación al medioambiente. 00:09:54

Siempre que, si alguna vez utilizamos insecticidas, por ejemplo, 00:09:58

que es una cosa que es muy poco recomendable, pero si tienes el típico bote de insecticida, 00:10:05

luego, idealmente, tú eso lo tienes que desechar en un punto limpio. 00:10:09

Idealmente no, todos deberíamos porque si no eso llega de alguna manera y es tremendamente contaminante. 00:10:12

Entonces, bueno, tenéis aquí esta página que es muy interesante y tenéis también, aparte de los pictogramas, tenéis en relación al REACH y a CLP, tenéis mucha información. 00:10:22

¿Vale? Entonces, bueno, ahora mismo está puesta en español, ¿vale? La tenéis en un montón de idiomas y lo mismo, podéis navegar por aquí, tenéis incluso algún test para hacer si os apetece ampliar información. 00:10:39

Entonces, bueno, ahí os lo dejo. 00:10:59

Y luego tenéis el cuestionario, que igual que el que hicisteis para la anterior unidad, 00:11:01

lo tenéis abierto un mes, tenéis dos intentos. 00:11:07

Y luego la tarea, que es una tarea relacionada con almacenamiento y normas de limpieza. 00:11:10

Y lo mismo, tenéis un mes para subirla, tenéis todas las indicaciones. 00:11:15

Y os recuerdo que todo lo que hagáis adicional al examen nunca os puede perjudicar. 00:11:20

O sea, si ahora mismo tú haces esta tarea y sacas un 2 porque la haces fatal, porque yo qué sé, porque pones todo al revés, que no va a pasar, si en el examen sacas mejor nota, esto no se te cuenta. 00:11:26

Si en el examen sacas peor nota y aquí tienes un 8 y en el examen has tenido un 5 y haciendo la media, obviamente sacas mejor nota con esta tarea, se te hace la media del 80-20. 00:11:40

Y tener en cuenta que el 80% siempre va a ser el examen o el 100% si no habéis hecho actividades o tenéis peor nota que en el examen. 00:11:52

Que en el examen siempre hay que sacar un 5, no vale hacer media si tienes un 10 en todas las tareas y en el examen tienes un 4, no vale hacer media. 00:12:02

Y que son todas las tareas las que son ese 20%, todas las tareas y los cuestionarios. 00:12:10

Entonces, dicho todo esto, no sé si tenéis alguna duda o algo que decir. A ver que vea el chat. Vale. Pues vamos a continuar entonces con lo que nos quedaba de los ensayos de significancia y luego vamos a empezar con la parte de recta de calibrado, que es ya la última parte de estos tres bloques de estadística. 00:12:18

El primero, si os acordáis, fue estadística descriptiva. El segundo fue los ensayos de significancia, que es con lo que estamos ahora. Y el tercero es el de la regresión. 00:12:46

Entonces, solo nos quedaba esta última parte de ensayos de significancia, la comparación de dos series de medidas emparejadas. 00:12:59

¿Por qué? Vamos a poner esto. Si os acordáis, habíamos visto lo primero, cómo eliminar datos anómalos de una serie de datos y teníamos duda de si un dato tenía que estar en una serie de datos o no. 00:13:07

Lo evaluábamos con estos métodos, con los métodos basados en tablas o basados en el intervalo de confianza. Acordaos que el más importante es el de la Q de Dixon y el de Gruss. Estos se utilizan menos. 00:13:28

y que, como otro recordatorio, si utilizamos estos métodos de aquí, el valor del que dudamos siempre lo vamos a utilizar en nuestros cálculos 00:13:40

y si utilizamos este de aquí, ese valor lo quitamos, ¿vale? O sea, si tenemos que calcular la media, el resultado del que tenemos duda no lo utilizamos, ¿vale? 00:13:53

Y luego, como en todos los test estadísticos, si el valor que nosotros hemos calculado, nuestra Q, es menor que la que está en las tablas, aceptamos el dato. 00:14:02

Me dijo un compañero que en uno de los ejercicios, creo que lo digo bien pero lo escribo mal, así que voy a ver si me está escuchando ese compañero que me recuerde por favor en qué videoconferencia era. 00:14:12

y os lo voy a corregir, pero que os quede claro que siempre lo que nosotros evaluamos es un estadístico. 00:14:24

Ese estadístico lo comparamos con la tabla y siempre que el mío, el que yo he calculado, sea menor, acepto la hipótesis nula. 00:14:33

En este caso, si es menor, me quedo con mi dato. 00:14:42

el caso contrario, imaginaos que yo he calculado 00:14:44

mi Q de Dixon y me sale mayor que la que está en las tablas 00:14:51

pues rechazo el dato, ese dato lo tengo que eliminar 00:14:54

para hacer la media y todo lo que tenga que hacer 00:14:58

habíamos visto Dixon, groups 00:15:00

basados en intervalos de confianza 00:15:05

y nos habíamos ido a la comparación 00:15:07

de dispersión de dos series de medidas. Comparábamos la precisión de dos métodos 00:15:12

usando las varianzas. Y acordaos que utilizábamos nuestras hipótesis, que eran la hipótesis 00:15:18

nula, que las varianzas son iguales, varianza es S al cuadrado, y la alternativa, que son 00:15:24

distintas, que una es mayor que la otra. Calculábamos nuestra S como S cuadrado, o sea, varianza 00:15:30

del primero entre varianza del segundo, siempre poniendo arriba la varianza más grande que 00:15:38

tengamos, ¿vale? Porque este número siempre tiene que ser mayor que 1. Y luego buscamos 00:15:43

en la tabla, buscamos en la tabla por grados de libertad del numerador y grados de libertad 00:15:49

del denominador, ¿vale? O sea, el que he puesto arriba porque tenía una varianza mayor, el 00:15:55

que he puesto abajo porque tenía una varianza menor y grados de libertad n-1. O sea, que 00:16:00

si en el numerador yo había puesto el que son ocho valores, porque tenía ocho datos 00:16:05

de mi serie, tendré que buscar aquí, ¿vale? Y tendré que ver los grados de libertad del 00:16:10

que he puesto abajo porque su varianza era más pequeña. Luego habíamos visto la comparación 00:16:15

de un resultado con un valor de referencia, ¿vale? Tenemos nuestro valor de referencia 00:16:21

que puede ser, el ejemplo más claro, una referencia legal, que el agua potable solo puede tener un contenido concreto de nitratos o que en un control de alcoholemia podemos dar como máximo un contenido de alcohol en sangre o alcohol expirado. 00:16:30

Entonces, lo que hacemos es comparar el valor de referencia, por ejemplo, imaginaos, es que no me acuerdo, siempre lo pregunto porque siempre se me olvida, me suena que para conducir son 15 miligramos, bueno, imaginemos que es 15 miligramos litro el valor de referencia y yo tengo una serie de medidas que son 15,1, 15,2, 14,9, 15,3, que de media da 15,2. 00:16:49

Y yo quiero saber si legalmente ese valor lo estoy superando, puedo asumir que lo estoy superando o realmente no puedo saberlo porque se debe a fluctuaciones del método, que no sea muy preciso, etc. 00:17:15

Entonces, planteamos nuestras hipótesis igual y lo que hacemos es calcular nuestra T de student, como siempre, la T calculada. 00:17:29

La calculamos con esta fórmula en la que es x de referencia es ese valor legal menos la media de nuestra serie de valores dividido entre la desviación de nuestra serie de valores dividido a su vez entre raíz de n, el número de medidas que tengamos. 00:17:41

Esto es lo mismo que poner la n aquí arriba. Luego buscamos en la tabla, como siempre, y si nuestra t calculada es más pequeña que la t de la tabla, aceptamos la hipótesis nula y si no, la rechazamos. 00:18:03

Tenéis este ejemplo que lo podéis hacer en casa 00:18:16

Y estoy yendo muy rápido porque esto ya lo hemos visto 00:18:21

Es que para recapitular 00:18:25

Luego, comparación de las medias de dos series de medidas 00:18:27

Que es lo que hemos hecho en el laboratorio 00:18:33

Hemos cogido los resultados que obteníamos con nuestro valorador manual 00:18:35

Haciendo una valoración manual de las de toda la vida 00:18:43

y luego hemos hecho un análisis de la misma muestra con un valorador automático 00:18:45

y lo que hemos comprobado o lo que hemos evaluado es si la precisión de los dos métodos se puede decir que es igual, 00:18:51

lo hemos hecho con una prueba F y luego si la media que nos dan los dos métodos también es igual, si son igual de exactos. 00:19:01

Entonces, ¿cómo hacemos eso? Lo primero, para comparar las medias, paso previo, comparar las varianzas. Sin comparar varianzas no se pueden comparar medias. 00:19:08

Lo digo porque si en un ejercicio de examen os ponen que comparéis la media de dos series de valores, pues eso, con dos métodos, dos analistas o lo que sea, no podéis compararlas hasta que no hayáis hecho la prueba F, porque no sabéis qué fórmula tenéis que utilizar para compararlas hasta que no sepáis si son homocedásticas, o sea, que sus varianzas se pueden considerar homogéneas, o heterocedásticas. 00:19:19

¿Vale? Entonces, ¿qué hacemos? La prueba F y luego calculamos la T. Si son homogéneas, esta es la fórmula para calcular la T. Y buscamos en la tabla de la T de Student para este número de grados de libertad, ¿vale? 00:19:45

Y, como siempre, si la T que hemos calculado es mayor que la T de la tabla, se rechaza. Si la T que hemos calculado es menor que la T de la tabla, se acepta. 00:20:03

Y acordaos que en todos los casos, para mirar en una tabla, tenemos que saber en qué tabla mirar. 00:20:14

Lo primero, ¿a qué alfa, o sea, qué nivel de significación, qué porcentaje de fiabilidad, entre comillas, queremos? Puede ser al 95, puede ser al 99. Si es al 95 es alfa 0,05. Si es al 99 es alfa 0,01. 00:20:20

Y tenemos que saber en qué fila miramos, cuántos son los grados de libertad. Cuando tenemos una serie de valores solamente es muy fácil, porque es n-1, pero cuando tenemos dos, aquí tenemos x1 y x2, tenemos dos series de valores que intervienen. 00:20:40

lo calculamos con esta fórmula para varianzas homogéneas, ¿vale? 00:20:59

¿Qué tercera cosa tenemos que saber para mirar en la tabla de la TED Student? 00:21:07

Tenemos que saber si nuestro estudio es de una cola o de dos colas, ¿vale? 00:21:11

¿Por qué? Porque si nosotros estamos diciendo que si la media es igual o es distinta, 00:21:17

simplemente queremos saber si es la misma media la que nos da, 00:21:24

si son igual de exactos o no, utilizamos las dos colas. 00:21:29

Pero si queremos demostrar que uno de los métodos es más exacto que el otro, 00:21:33

utilizamos la de una cola. 00:21:38

Si la hipótesis es unidireccional, tiene que ser o mayor o menor, 00:21:41

depende de lo que estemos evaluando, una cola. 00:21:47

Si es bidireccional, simplemente digo que es diferente y me da igual que sea mayor o menor. Estoy evaluando que sea diferente. Dos colas. Y el caso 1 era cuando nuestra prueba F nos dice que las varianzas son homogéneas y el caso 2 es el que nos ha dicho que las varianzas no son homogéneas. 00:21:49

Pues hacemos lo mismo, calculamos la T y comparamos la T calculada con la T de las tablas. ¿Cómo calculamos la T? Con esta fórmula de aquí. 00:22:12

Y ahora, ¿dónde tenemos que mirar en la tabla en qué fila por número de grados de libertad? Pues lo tenemos que calcular con esta fórmula de aquí. 00:22:22

Y esto nos va a dar un número para que nosotros sepamos dónde mirar en la tabla. 00:22:33

Una vez que tengamos esto calculado y que sepamos dónde mirar, vemos el t tabulado y vemos cuál de los dos es mayor. 00:22:40

Si el calculado es mayor que el tabulado, se rechaza. 00:22:49

Si el calculado, o sea, el que he calculado yo con esta fórmula, es menor que el que está en las tablas, se acepta. 00:22:53

La hipótesis nula, ¿vale? Y diríamos que las medias sí que son iguales estadísticamente. 00:23:02

Hasta aquí es lo que habíamos visto, ¿vale? Hasta este punto. 00:23:11

¿Y nos queda alguna duda de esto? 00:23:14

Vale. 00:23:23

Y nos queda un último tipo de ensayo, de comparación, 00:23:25

Que es comparar dos series de medidas emparejadas. Este es más sencillo los cálculos, pero lo que es un poco más difícil, en mi opinión, de este tipo de ensayo es saber cuándo aplicarlo, saber cuándo las medidas están emparejadas. 00:23:31

Entonces, lo más fácil para mí es pensar en un estudio clínico. 00:23:50

Imaginaos que los ocho que estamos conectados ahora mismo, nueve, nos toman la tensión, después nos dan una pastilla que es para bajar la tensión y luego a la hora nos vuelven a tomar la tensión. 00:24:00

¿Vale? Para evaluar si esa pastilla ha sido efectiva o no, tendrán que comparar mi dato de mi tensión antes de la pastilla y mi dato de mi tensión después. 00:24:12

El dato de Pepito antes y después. 00:24:24

Lo que no tiene sentido es que compares mi dato de antes con el dato de otra persona de después. 00:24:28

Y tampoco tiene sentido que compares las medias, porque de primeras yo puedo tener una tensión de 5 y la baja, y otra persona puede tener una tensión de 8. 00:24:34

Entonces, lo que tiene sentido es comparar si el antes y el después de cada una de esas personas ha variado. 00:24:45

Para mí ese es el caso más fácil de visualizar. 00:24:55

Pero, ¿qué más puede ser? Por ejemplo, comparación de los resultados de dos métodos distintos sobre muestras independientes que nos dan apareja de resultados. Comparación de los resultados de varias muestras distintas antes y después de aplicar sobre ellas una operación. 00:25:00

Ejemplos de esto, pues yo tengo, por ejemplo, una serie de disoluciones, bueno, una serie de muestras que he cogido de un río, 00:25:15

les he echado un, he medido el pH de cada una de esas muestras y he tenido, pues, unos valores. 00:25:26

Para la muestra 1, el pH 1, para la muestra 2, el pH 2, para la muestra 3, el pH 3. 00:25:31

Luego he añadido un reactivo y he vuelto a medir. Y ahora tendré otro pH para la muestra 1, otro pH para la muestra 2, que habrá aumentado o disminuido en función de lo que sea el reactivo que he echado. 00:25:37

Yo tengo que comparar cada una de las muestras, su antes y su después. ¿Cómo se hace esto? Como siempre, calculamos una t. Calculamos nuestra t de student y luego la comparamos con la de la tabla. 00:25:53

Y si la T calculada es mayor que la T tabulada, se rechaza la hipótesis nula. Si la que yo he calculado es menor que la tabulada, se acepta la hipótesis nula. 00:26:12

¿Cómo se calcula esta TED Student? Pues muy fácil, tenemos que hacer la media de las diferencias entre cada par, que es la diferencia media, dividido entre la desviación de estas diferencias y todo ello dividido entre raíz de n y en valor absoluto, porque esto tiene que ser positivo, no puede ser negativo. 00:26:27

Entonces, lo más fácil para hacerlo es hacernos una tablita, ¿vale? Entonces, imaginaos que yo tengo, vamos a poner el ejemplo de los valores de pH, ¿vale? 00:26:52

Yo tengo mis muestras, este está muy gordo, tengo mi número de muestra, muestra la 1, la 2, la 3 y la 4. 00:27:07

Ahora tengo el pH antes y me voy a inventar datos, ¿vale? 7,1, 7,2, 6,9 y 7,1 otra vez, ¿vale? 00:27:41

Aquí hago cualquier tipo de tratamiento y vuelvo a medir el pH de cada una de mis muestras, ¿vale? 00:27:59

el pH después del tratamiento. Y voy a decir que aquí obtengo un 6,9, aquí 7,1, aquí 00:28:07

un 6,8 y aquí un 7,0. ¿Cómo calculo la diferencia media? Esto de aquí, que es la 00:28:16

parte de arriba de mi denominador. Pues tengo que hacer la suma de las diferencias y dividirlo 00:28:29

entre n, ¿vale? Entonces hago 7 con 1 menos 6 con 9, que son la diferencia, ¿vale? 0,2, 00:28:36

¿no? 0,2, sí. 7,2 menos 7,1, 0,1. 6,9 menos 6,8, 0,1. Y 7,1 menos 7,0, 0,1 también, ¿vale? 00:28:49

Ya tengo mi diferencia de cada par. Ahora, tengo que sumar todas y dividirlas entre el número total. Tengo que hacer una media de estos valores simplemente, ¿vale? De estos valores hacer la diferencia media, que no es más que 0,2 más 0,1 más 0,1 más 0,1 dividido entre 4. 00:29:02

Que esto, pues ¿cuánto me da? A ver, 0,2, 0,3, 0,4, 0,5 entre 4. Me va a dar 0,125, ¿no? 0,5 entre 4. 00:29:29

Lo hago aquí con la calculadora para no liarme que luego de cabeza. 0,5 dividido entre 4 es 0,125. Ya tengo esto de aquí, ¿no? 0,125. 00:29:44

Y ahora tengo que hacer la desviación, que ¿cómo es? ¿Acordas qué es? El de antes entre el de después elevado al cuadrado, ¿vale? Entonces me podría hacer aquí otra columna que es este menos este elevado al cuadrado, o sea, esto de aquí elevado al cuadrado, ¿vale? 00:30:11

Me hago esta diferencia elevada al cuadrado y tengo 0,2 al cuadrado es por 2, 4, 0,1, 0,1, 0,1, 0,4 más 0,01. 00:30:33

no me comí un cero en todas, perdonadme. 0,1 más 0,01 más 0,01 más 0,01 aquí, ¿vale? 00:30:56

Y 0, más 0,2 al cuadrado es esto de aquí, lo tengo que sumar todo y dividir entre n-1, 00:31:13

que es 3, ¿no? 4 menos 1, 4 datos que tengo en total, menos 1, 3, entonces tengo que hacer la suma de todo esto, 00:31:29

sin comerme los ceros, 0,04 más 1,05, 0,06, 0,07, es la suma de esto de aquí, ¿vale? Tengo esto de aquí, 00:31:38

Lo tengo que dividir entre n-1, que es 3, esto entre 3 y hacer la raíz cuadrada, ¿vale? 00:31:55

Y ya tengo SD, ¿vale? Ya he calculado la diferencia media y la desviación de las diferencias. 00:32:07

Tengo que dividir entre, tengo que dividir aquí abajo, o sea, que es lo mismo que multiplicar aquí arriba, 00:32:16

por raíz de n, que lo mismo es raíz de 4, porque tengo 4 pares de valores, y con eso obtengo la t. 00:32:21

¿Veis que simplemente es ir calculando con una tablita? 00:32:32

Con esta t de student me voy a mi tabla y busco para n-1 grados de libertad, o sea, para 3, 00:32:36

y comparo la T que yo he calculado con la T de las tablas. 00:32:44

Si la mía es menor, acepto la hipótesis nula y si no, la rechazo. 00:32:52

Todas estas fórmulas, la de la comparación con un valor de referencia, 00:33:04

La comparación de dos medias, cuando tenemos varianzas homogéneas y cuando no tenemos varianzas homogéneas. 00:33:13

La comparación de dos series de medidas emparejadas, que es este caso. Todas estas fórmulas las tenéis en el examen. Tenéis una hoja de fórmulas, que es la que tenéis en el aula virtual, y luego tenéis la tabla de la distribución normal, la de la TED-STUDENT, con una y dos colas y con todos los niveles de significación. 00:33:23

Tenéis la de la F al 95 y al 99 y tenéis la de Dixon y Grubbs también al 95 y al 99, ¿vale? 00:33:43

O sea, todas las tablas que tenéis subidas al aula virtual y la hoja de fórmulas, ¿vale? 00:33:54

Entonces, el último caso que nos queda, que este solo lo vamos a ver de manera teórica y haremos algo en la clase de Excel, ¿vale? 00:34:01

¿Por qué no vamos a hacer nada manual? Porque son una cantidad de cálculos muy tediosos y no tiene sentido que lo hagamos a mano porque no se hace a mano. 00:34:13

Se hace todo con programas informáticos o programas que están ya con un programa metido para hacerlo directamente o con hojas de cálculo como Excel o LibreOffice Calc, que es la que utilizo yo y la que vamos a utilizar en la sesión de Excel. 00:34:25

que la había dejado para el final del tema, pero bueno, a lo mejor viene bien que la hagamos antes de las rectas de regresión. 00:34:42

Entonces, os recomiendo a todos los que podáis que os descarguéis el libre Office, porque es gratuito. 00:34:50

Si alguien tiene el Excel porque tiene pagado Office, funciona exactamente igual, no hace falta que se lo descargue, 00:34:58

pero si no tenéis ninguna hoja de cálculo, que os la descarguéis. 00:35:03

Las que son online, la de Google, Google Sheets y hay otra más, no funcionan igual de bien. Te hacen un apaño y te salvan si necesitas usarlas para un apuro, pero no tienen todas las funcionalidades que tiene el programa. 00:35:06

Entonces, LibreOffice os lo descargáis desde la fuente oficial y ahí tenéis todos los programas que son los mismos que los del paquete Office, el Word, el PowerPoint, el Excel, pero la versión gratuita, la versión libre, que son el Calc para hojas de cálculo y luego el Impress, que es como el PowerPoint, el GoodWriter, que es como el Word. 00:35:25

Entonces, bueno, si os lo vais descargando para después de Semana Santa, para que podáis ir haciéndolo a la vez que veis la clase. Podéis ir practicando a la vez que yo voy haciéndolo con el Excel. 00:35:46

Entonces, análisis de la varianza ANOVA, ¿qué es ANOVA? 00:36:01

Pues bueno, lo que hemos estado viendo hasta ahora es cómo comparar dos series de datos 00:36:06

Teníamos dos operadores que están haciendo el mismo ensayo 00:36:10

Dos muestras que están siendo analizadas por métodos diferentes 00:36:14

La misma, bueno, o dos muestras por el mismo método 00:36:20

O la misma muestra por dos métodos distintos, ¿vale? 00:36:25

Estábamos haciendo una comparación de dos 00:36:27

¿Qué pasa si queremos hacer una comparación de tres? 00:36:30

Que los métodos que hemos utilizado hasta ahora, esos ensayos de significación, no nos valen. 00:36:32

Entonces, lo hacemos con análisis de la varianza ANOVA, que en inglés es una contracción del inglés Analysis of Variance. 00:36:38

Entonces, nos permite comparar datos entre más de dos grupos y consiste en la comparación de las medias de diversos conjuntos de resultados. 00:36:48

Se llevan a cabo análisis de repeticiones con distintas técnicas y ANOVA proporciona información sobre la existencia de discrepancias entre laboratorios y entre técnicas. 00:36:56

Y lo que os he comentado, desde el punto de vista práctico, existen programas de ordenador que ejecutan rápidamente los cálculos. 00:37:07

Si estos cálculos los hacemos de manera manual, es muy fácil que nos equivoquemos. 00:37:14

La hipótesis nula de ANOVA es que las poblaciones que se comparten tienen las mismas medias. 00:37:21

Nuestra hipótesis nula es la de siempre, que la media es igual entre nuestras tres series de datos, nuestras cuatro series de datos. 00:37:26

Imaginaos que yo tengo una muestra y la he mandado a un laboratorio en Alemania, a otro en Francia, a otro en Italia y a otro en España. 00:37:33

Y quiero saber si realmente todos los métodos son igual de exactos en cada uno de los sitios. 00:37:49

Pues ese test lo hago mediante un análisis de la variación. 00:38:00

Se consideran dos tipos de variación. 00:38:05

Las variaciones que hay entre los valores de cada grupo, porque yo tengo a lo mejor cinco medidas, 00:38:07

y entre las muestras, ¿vale? 00:38:12

Y luego tendré que ver la variación que hay entre la media de esos cuatro laboratorios que yo he elegido. 00:38:17

Esto repito que es un poco complejo hacerlo manualmente, que lo vamos a hacer con Excel, 00:38:24

pero lo que importa es que os quedéis con la idea de que es para comparar cuando tenemos más de dos series de grupos, 00:38:28

más de dos conjuntos de resultados, ¿vale? 00:38:36

en donde se utiliza para comparar la media de tres o más grupos. 00:38:38

Y te ayuda a saber si hay una diferencia en la media entre los grupos que estás comparando 00:38:43

o si cualquier diferencia que observas entre los grupos se debe simplemente al azar. 00:38:47

La hipótesis nula, H0, no hay diferencia. 00:38:52

Hipótesis alternativa, H1 o HA, sí que existe una diferencia significativa. 00:38:55

O sea, las medias no son iguales. 00:39:02

Entonces, se utilizan experimentos controlados para ver los efectos. Tenemos que evaluar un factor fijo y tenemos que dejar el resto estáticos para poder compararlo. 00:39:04

¿Vale? Aquí tendríamos, por ejemplo, en este gráfico de aquí, tenemos una serie de lotes, ¿vale? Cinco y de cada uno de esos lotes tenemos X medidas. Entonces, antes, con los otros ensayos que estábamos haciendo, estábamos comparando esto de aquí, como si tuviésemos este resultado y este resultado. 00:39:24

Hacíamos nuestra t con la media y la varianza de esta serie de datos y esta serie de datos. Esto de aquí simboliza la media, pero ahora tenemos otros tres grupos de resultados más. 00:39:45

Pues ya no nos vale con los estudios anteriores. Entonces, tenemos ANOVA unidireccional y bidireccional. El que más se utiliza es el unidireccional, ¿vale? Que tenemos una sola variable independiente y que se utiliza para comparar las medias de grupos que no están relacionados entre sí utilizando la F. 00:39:59

O sea, nos dice si la distribución FDFis es la que vimos antes y nuestra hipótesis nula es que las medias sean iguales. 00:40:17

Y este es el ANOVA bidireccional, que es una extensión de este, pero tenemos no solo una, sino dos variables independientes. 00:40:27

¿Cuál es la diferencia entre ANOVA y TED-STUDENT? 00:40:36

Las utilizamos para lo mismo, pero la TED-STUDENT la utilizamos cuando tenemos dos grupos y ANOVA cuando tenemos tres o más. 00:40:38

¿Y qué requisitos tiene que tener nuestra serie de datos para que podamos hacer este análisis de la varianza con ANOVA? 00:40:48

Las observaciones tienen que ser independientes entre sí, las varianzas dentro de cada grupo deben ser homogéneas y se debe comportar como una distribución normal. 00:40:56

Que acordaos que la distribución normal es la que tiene esta forma, ¿vale? 00:41:10

Que es la que más vamos a utilizar nosotros, acordaos que tiene esta forma así, ¿vale? 00:41:17

Es totalmente simétrica, es asintótica al infinito, o sea, esto de aquí nunca va a cortar el eje, ¿vale? 00:41:26

O sea, nosotros, ya está volviéndose loco, tenemos esto de aquí y por mucho que yo esto lo extienda, lo extienda, lo extienda, se va a ir acercando, acercando, acercando al infinito, pero nunca va a cortar el eje de las X, ¿vale? 00:41:38

Tenemos aquí una media porque es una distribución perfectamente simétrica. Sabemos que debajo de esta distribución tenemos el 100% de los datos, ¿vale? Entre menos infinito y más infinito y si os acordáis, gracias a la tabla de Z, podemos saber qué porcentaje de datos tenemos en un trozo de la distribución normal, ¿vale? 00:41:57

entonces tiene que tender a la normalidad 00:42:22

tiene que ser una distribución normal 00:42:30

que son la mayoría de los fenómenos con los que nos encontramos 00:42:32

y para calcularla tenemos dos varianzas 00:42:37

la varianza intraseries, o sea la media de la varianza de cada una de las series 00:42:42

y la interseries, que es la varianza de las medias de cada serie 00:42:47

¿Vale? Esto sí que lo entendéis, ¿no? Tenemos cinco grupos de datos. Cada uno de esos grupos de datos tiene una varianza. Y luego, si hacemos la media de todos esos datos, de todos esos grupos y la varianza de todos esos grupos, podemos calcular la varianza interseries. 00:42:52

¿Vale? Y se compara mediante un TSF. Y estas son las fórmulas que podemos utilizar para hacerlo a mano. ¿Vale? Las dejo aquí aunque no las vayamos a utilizar. 00:43:12

y los grados de libertad, en el caso de la varianza intraserie, es Q menos 1, siendo Q el número de series, 00:43:24

y el de interseries es Q por N menos 1, siendo N el número de medidas que constituye cada serie. 00:43:34

Esto contando con que estamos haciendo un análisis con cada uno de nuestros grupos de datos tiene el mismo número de valores. 00:43:42

¿Vale? Se puede hacer también, obviamente, con distintos números de valores. Esto es una simplificación, es el caso más sencillo. ¿Vale? Pero repito eso, que os quedéis con el concepto de que es para series de tres o más datos y que haremos un ejemplo con Excel. 00:43:51

¿Vale? Entonces, con esto hemos terminado con la parte de ensayos de significancia. A ver si alguien quiere comentar algo en relación a esto. 00:44:09

Vale, pues vamos a hacer una pequeña introducción de la siguiente parte, que eso ya es la última de esta unidad 5, de la unidad larga, de la unidad más gorda, que son los métodos de calibración analítica y expresión de los resultados. 00:44:27

¿Pero esto todavía es del tema 5? 00:44:56

Todo esto es del tema 5, sí. El tema 5 es el más largo. 00:44:58

El tema 5 son tres partes. Una es la parte de estadística descriptiva, 00:45:02

en la que vimos cómo son las medidas de dispersión, descentralización, media, moda, mediana. 00:45:08

Vimos la distribución normal y los cálculos de la distribución normal. 00:45:14

La segunda parte son los ensayos de significancia, que hemos visto, lo que hemos repasado hoy. 00:45:18

los de eliminar un dato anómalo, comparar la precisión y la exactitud de métodos, etc. 00:45:23

Y la tercera parte, que es esta de aquí, es la de la recta de calibrado. 00:45:30

Como este tema es tan sumamente largo, por eso os he intercalado y os he metido la unidad 1, 00:45:35

por si queréis un poco desengrasar e ir avanzando con eso, 00:45:40

pero bueno, si os sirve de consuelo, cuando acabemos con esto ya hemos acabado con toda la parte así más compleja. 00:45:45

Nos queda este tercer bloque que es el de calibración que también si estáis matriculados de otros módulos como por ejemplo instrumental o ampliación de instrumental lo habréis visto seguro o si los tenéis de otros años o lo que sea. 00:45:51

Y en algún otro módulo es muy probable que lo hayáis visto, porque es algo que se utiliza muchísimo. 00:46:13

Entonces, antes de nada, vamos a ubicar esto en nuestro módulo, que nuestro módulo es calidad, calidad y seguridad en el laboratorio. 00:46:22

Vamos a ver qué tiene que ver todo esto con la calidad. 00:46:29

Entonces, tenemos unos parámetros de calidad que definen un método analítico que los podemos separar en distintos... 00:46:32

esto no sé si lo hemos visto ya, pero bueno, lo vamos a repetir porque es muy importante, ¿vale? 00:46:40

Los podemos clasificar según diferentes parámetros. Tenemos parámetros estadísticos y parámetros complementarios. 00:46:44

Así, explicado un poco a ojillo, los estadísticos son los que podemos evaluar con números y los complementarios normalmente no, ¿vale? 00:46:52

Entonces, dentro de los estadísticos tenemos los supremos, que son aquellos que tienen que cumplirse sí o sí 00:47:02

para que un método analítico sea fiable, son los más importantes, que son la exactitud, que significa que el dato que nos está dando nuestro método 00:47:08

es realmente el dato que tiene que ser, y la representatividad, que es lo mismo, que nuestro método nos está arrojando un resultado representativo del estudio que estamos haciendo. 00:47:17

Tenemos los básicos, que también son muy importantes, que son la precisión, que ya hemos visto lo que es, la sensibilidad, que no sé si lo hemos visto, pero bueno, luego vamos a desglosar todo lo que es. 00:47:32

Límite de detección y límite de cuantificación, intervalo lineal y dinámico, la selectividad, la robustez, esto dentro de los básicos. 00:47:44

Luego tenemos otros parámetros que son complementarios y que son parámetros operativos. La rapidez de un método, si un método es muy exacto pero tarda cinco días en darnos el resultado, a lo mejor no nos sirve para nuestro propósito. 00:47:53

La complejidad instrumental, lo mismo, depende un poco de los medios que tengamos y de un ensayo que se hace de una manera más sencilla, más rápida, más barata, siempre va a ser preferible a uno que sea más complejo. 00:48:08

El grado de automatización, ligado totalmente a esto, de higiene y seguridad también muy ligado. Si tenemos un método que requiere estar expuesto a unas concentraciones muy elevadas de una sustancia que sea nociva, es un método que nos va a valer mucho menos, por mucho que nos dé un resultado muy exacto y muy preciso, que un método que sea inocuo para el operador. 00:48:24

Y luego los económicos, lo de siempre, coste de inversión, coste de aplicación. El coste de inversión, lo que nos cuesta inicialmente poder arrancar ese método y el de aplicación, lo que nos cuesta cada vez que utilizamos ese método. 00:48:48

El ejemplo típico, cuando compramos una impresora, te puede costar la impresora 20 euros, porque son muy baratas, pero luego cada vez que compras un cartucho de tinta, igual son, me lo invento, 50 euros, ¿no? Entonces, bueno, coste de inversión bajo, pero bueno, cada vez que yo quiero aplicarlo, es muy caro. 00:49:03

Otro ejemplo más aplicado a la química, no sé si habéis hecho alguna vez mediciones. 00:49:20

Hola, perdonad, estoy aquí dando clase. 00:49:26

No sé si habéis utilizado alguna vez, por ejemplo, tubos colorimétricos, o bueno, si habéis hecho prácticas. 00:49:31

Se utilizan mucho para ambientar, son una serie de tubos que les hacemos pasar el aire a través con una bomba 00:49:41

Y que esa bomba, la bomba Dreger, es algo muy barato porque es un fuelle, es como un fuelle de los de darle aire a la chimenea, pero con una conexión, ¿vale? Y más chiquitito. 00:49:49

Entonces, el coste de inversión, pues muy barato, nos lo llevamos a cualquier sitio, es todo muy fácil, pero cada vez que tienes que comprar tubos, los tubos cuestan carísimos y se utilizan una vez y se tiran. 00:50:02

Entonces, el coste de aplicación, pues ya cambia, ¿vale? 00:50:11

Entonces, la exactitud. ¿Por qué se ve afectada? Tanto por errores sistemáticos como aleatorios. No sé si os acordáis de los tipos de errores que ya los vimos, lo que eran los errores sistemáticos, los errores aleatorios, los tipos que teníamos. 00:50:14

Si no, eso os lo podéis repasar. Luego, la representatividad, que es ofrecer un resultado coherente con el problema analítico planteado. Tiene una evaluación que es complicada, lo evaluamos a través de otros parámetros y está muy influenciada por un muestreo adecuado. 00:50:32

¿Por qué? Porque si nosotros no tomamos una muestra que sea representativa, es muy difícil que obtengamos un resultado que sea de calidad, que sea representativo. 00:50:51

¿Cómo es un muestreo adecuado? Un muestreo que tiene en cuenta todas las características. Si yo tengo una disolución que es totalmente homogénea, da un poco de igual en qué punto tome mi muestra porque me va a arrojar el mismo resultado. 00:51:03

¿Qué pasa si yo quiero tomar un agua de un río? De cualquier muestra que hagamos en exterior. Si no tomo una muestra que de verdad represente la totalidad de mi sistema, estoy quitando una información y mis datos van a ser de poca calidad. 00:51:17

Luego, la precisión que se evalúa, los parámetros que están relacionados son la repetibilidad y la reproducibilidad, que son relativamente similares. 00:51:34

¿A qué se refieren? Cuando algo es reproducible, que se puede reproducir. Si yo hago una receta de cocina, que luego la vuelvo a hacer y me quede igual de rica. 00:51:46

O que si yo hago una receta de cocina, luego se la pase a otra persona y otra persona distinta la pueda hacer. Ese es el concepto un poco. Repetibilidad está relacionado con tener poca variabilidad. 00:52:00

O sea, yo cocino y al día siguiente hago un plato y al día siguiente vuelvo a hacer el mismo plato y que me quede igual de sabor. 00:52:15

Reproducibilidad está relacionado con más variabilidad. 00:52:26

Es que yo haga una receta y que esté muy rica, que se la pase a otra persona que la haga en su casa con sus ingredientes y le quede también muy rica, ¿vale? 00:52:29

Y le quede igual. 00:52:35

Entonces, repetibilidad es la capacidad de obtener resultados consistentes al repetir el mismo experimento en las mismas condiciones. 00:52:36

¿Vale? Mismo equipo, mismo operador. Tiene una variabilidad mínima. Reproducibilidad se refiere a la capacidad de obtener los mismos resultados cuando el experimento se repite en condiciones diferentes, ya sea por otros equipos, otros laboratorios, otras personas y verifica que los resultados no dependan de un conjunto específico de circunstancias o de un operador particular. ¿Vale? Esto significa que mi método es reproducible. 00:52:45

Profe, que sepas que yo me voy a acordar 00:53:12

de lo de la receta 00:53:15

Si me preguntas eso yo voy a decir 00:53:16

Yo me acuerdo de la receta 00:53:20

Una dijo, era si le hacías 00:53:22

la misma receta en tu casa 00:53:24

varias veces de la misma forma y la otra 00:53:26

era si le pasas la receta 00:53:29

Al final es que son dos conceptos que son 00:53:30

relativamente parecidos 00:53:36

pero eso, lo que tenemos que tener en la cabeza 00:53:38

es que eso, que uno es variando poco las condiciones y otro variándolas más, ¿vale? 00:53:40

Y esto nos evalúa la precisión, ¿no? 00:53:46

Si estamos cambiando las condiciones pero obtenemos los mismos resultados, 00:53:48

es que nuestro método está funcionando bien, ¿vale? 00:53:51

Luego, la sensibilidad, ¿qué es la sensibilidad? 00:53:55

La sensibilidad es la capacidad que tiene un método para discriminar entre valores muy parecidos, ¿vale? 00:53:57

¿Esto qué quiere decir? 00:54:04

Pues que si yo tengo una disolución que tiene una concentración de 5 ppm y luego tengo otra que tiene una concentración de 6 ppm, 00:54:05

si yo tengo un método que no es capaz de distinguir entre esas dos cantidades, me va a dar un resultado que no es exacto, que no es una media entre las dos. 00:54:19

Los voy a explicar con una gráfica, ¿vale? Que es mucho más fácil. Imaginaos que yo tengo... A ver, que yo tengo... Vale, yo tengo aquí mi recta, tengo aquí la concentración. 00:54:30

perdonad, no sé por qué ya no me deja escribir otra vez 00:54:59

bueno, pues no puedo hacerlo 00:55:03

otra vez me pasa lo mismo 00:55:21

a ver, lo voy a dibujar así 00:55:22

uno 00:55:25

y así otro 00:55:25

imaginaos que estos son dos métodos diferentes 00:55:28

y 00:55:30

esto de aquí abajo es la concentración 00:55:32

a ver si me deja escribirlo ahora 00:55:35

pues no 00:55:36

no, me rindo 00:55:37

Aquí tenemos la concentración y aquí tenemos la señal. Aquí la señal de lo que estemos midiendo y aquí la concentración. 00:55:43

En el eje de las X, concentración. En el eje de las Y, señal. Concentración, pues la concentración que sea que yo estoy midiendo. Y señal, pues depende del instrumento que esté utilizando. Puede ser absorbancia o lo que sea. 00:55:58

Entonces, imaginaos que yo tengo esta concentración de aquí y esta concentración de aquí, ¿vale? Y he medido con este método y con este método. 00:56:14

Si yo tengo esta concentración X1 y esta concentración X2, cuando mida con este método de aquí, 00:56:28

x sub 1 se va a corresponder con esto más o menos 00:56:49

y x sub 2 se va a corresponder con esto más o menos, ¿vale? 00:56:55

Ahora, si lo mido con este método de aquí 00:57:02

x sub 1 se va a corresponder con esto 00:57:04

y x sub 2 se va a corresponder con esto, ¿vale? 00:57:08

Entonces, este trocito de aquí es mucho más difícil de distinguir que este trozo de aquí, ¿vale? 00:57:14

Cuanto mayor sea la pendiente de mi recta de calibrado, más fácil va a ser distinguir entre dos valores que están muy cerca, ¿vale? 00:57:24

Si ahora nos ponemos en otro caso en el que yo tenga una recta que sea así, ¿vale? Con menos pendiente todavía, si yo quiero distinguir entre este valor y este valor, es que ni siquiera se distinguen, ¿vale? 00:57:34

Es tan pequeñita la diferencia de señal que yo no voy a ser capaz de distinguir entre este valor y este valor. 00:57:56

Eso es la sensibilidad. La sensibilidad es la capacidad que tiene mi método de distinguir, 00:58:03

o sea, de darme una señal distinta para que yo pueda reconocerla de dos muestras o dos medidas que sean muy similares entre sí. 00:58:07

Si un método es muy sensible me va a distinguir dos disoluciones que tengan una concentración muy parecida, 00:58:17

Pero si el método es poco sensible, me va a dar el mismo resultado para las dos y no voy a poder distinguir la una de la otra. Esto lo vamos a ver mucho más con más profundidad cuando veamos las rectas de calibrado, cuando las hagamos. 00:58:23

pero bueno 00:58:40

lo que nos tiene que quedar claro es que es la capacidad 00:58:43

de un método para distinguir 00:58:47

entre valores que sean muy parecidos 00:58:50

entre ellos 00:58:51

entonces esto es lo mismo 00:58:52

que os he intentado dibujar yo 00:58:55

con poco éxito, si tenemos aquí por ejemplo 00:58:57

imaginaos esto con datos ya reales 00:58:59

tenemos estos dos métodos 00:59:02

de aquí y tenemos 00:59:04

que discernir entre 00:59:05

dos ppm y cuatro ppm 00:59:07

En el caso de este de aquí, la diferencia va a ser muy poquita diferencia de señal. Va a ser este trocito de aquí que estoy señalando con el ratón. 00:59:09

En cambio, en esta de aquí, para 2 ppm tenemos más o menos aquí 3 y para 4 tenemos 6. Hay 3 de diferencia. 00:59:20

O sea, la señal va a ser muy distinta, siendo la concentración muy parecida. Aquí la señal va a ser casi la misma, siendo para esa misma diferencia de concentración. Una diferencia de 0,5 a una diferencia de 3 unidades. 00:59:31

Entonces, cuanto mayor sea la pendiente, o sea, más inclinado esté, pensad en pendiente eso, subir una montaña, pues cuanto más inclinado esté esto hacia arriba, mayor pendiente tiene, más sensible es el método. 00:59:46

cuanto más planito sea, o sea, más esté tendiendo a estar tumbado, la sensibilidad va a ser más baja, porque para diferencias del eje de las X va a haber poca distancia, entre comillas, en el eje de las Y. 00:59:58

Ahora, el intervalo de linealidad. ¿Qué es el intervalo de linealidad? Es el intervalo en el que nuestro método se comporta de manera lineal. 01:00:17

O sea, podemos trazar una línea recta entre nuestra concentración y nuestra señal. 01:00:27

Pero os digo una cosa, esto lo vamos a ver mejor cuando hayamos visto las rectas de calibrado, 01:00:32

porque no sé si las sabéis todos lo que son o las tenéis un poco en la cabeza. 01:00:37

Entonces, bueno, os lo voy a contar ahora muy rápido y luego lo vamos a volver a ver después de hacer ejemplos de rectas. 01:00:42

¿Vale? Yo tengo aquí mi analito a distintas concentraciones y tengo aquí la señal que mido de esas concentraciones. 01:00:48

Mientras sea una línea recta, yo sé cómo se comporta y puedo hacer una ecuación que me diga cómo se comporta una muestra que esté dentro de este intervalo. 01:00:58

¿Vale? ¿Qué pasa? Que llega un punto en el que se desvía y yo ya no sé si es línea recta, si se va para abajo, si se va para arriba. 01:01:08

Entonces, este es el intervalo que yo puedo considerar bien para una recta de cálculo, intervalo de linealidad. 01:01:16

Luego, la selectividad, que no confundir con la sensibilidad. 01:01:23

La selectividad es la capacidad que tiene el método de proporcionar una señal analítica que esté originada por el analito de interés y sin que se vea afectada por otros compuestos presentes. 01:01:27

¿Esto qué significa? Pues que si yo tengo un método para analizar hierro, pero ese método, además del hierro, me está dando señal con el cadmio, 01:01:41

pues no está siendo selectivo, porque no está separando la señal que yo quiero analizar, que es la del hierro. 01:01:50

Entonces, que un método sea selectivo significa que no le afectan los interferentes, no tiene interferencias, no está afectado por otros compuestos presentes. 01:01:57

Y los interferentes nos añaden un error sistemático y los errores proporcionales están asociados al efecto matriz. El efecto matriz lo vamos a ver cuando veamos cómo elegimos el tipo de calibrado, pero es el efecto que tiene en nuestra disolución todo lo que no es el analito. 01:02:05

Por ejemplo, si yo mi analito es, estoy en el laboratorio y tengo agua y voy a echarle sal, mi analito es sal en agua destilada, pues ahí tengo una situación ideal, porque lo único que tengo es sal, imaginando que es pura, y yo lo que mida va a ser la señal que me dé la sal y fuera. 01:02:26

Ahora, imaginaos que yo quiero analizar algo en sangre, en suelos, en cualquier muestra que sea compleja. Yo quiero analizar el hierro en la sangre y sí, pero tengo un montón de cosas más ahí, ¿vale? 01:02:48

Que no son el analito que yo quiero analizar, pero que están dentro de esa misma disolución y van a tener un efecto, ¿vale? Eso lo llamamos efecto matriz. El efecto de la matriz que es todo lo que tengo en mi disolución, que no es ni mi disolvente ni sobre todo el analito que yo quiero analizar, ¿vale? 01:03:04

Y aquí venimos a los errores que ya los habíamos visto, estoy casi segura, pero bueno, esto ya lo habíamos visto, pero vamos a repetirlo porque es muy importante. 01:03:25

Este de aquí vamos a considerar que es nuestro valor real, el valor que está punteado, nuestro valor real, nuestra recta sin ningún tipo de interferente. 01:03:38

Y aquí tenemos distintos tipos de errores. Tenemos error sistemático proporcional negativo. ¿Por qué es sistemático? Porque, si os dais cuenta, tiene un sentido y es proporcional porque va aumentando a medida que vamos aumentando la concentración. 01:03:51

Es negativo porque nos da un valor menor. Ahora, el C, error sistemático constante. ¿Por qué es constante? Porque nos da igual la concentración que tengamos que siempre va a estar a una distancia exactamente igual. 01:04:17

O sea, para cero este nos va a dar uno, para uno este nos va a dar dos, para dos este nos va a dar tres. Es constante. Y luego tenemos el de, que tenemos un error sistemático constante y proporcional. ¿Por qué? Porque siempre empezamos, no empezamos en el cero, empezamos un poco más arriba, o sea, un error constante, pero además se va alejando de nuestro valor real. 01:04:35

¿Vale? Si tuviésemos un error aleatorio, ¿cómo sería? Pues estaría así, ¿no? Aleatoriamente hacia arriba y hacia abajo, no tendría un sentido determinado. 01:04:58

Pues aquí estos errores siempre tienen la misma dirección, ¿vale? Cuando, si el A es el que consideramos el valor de referencia, cuando, o sea, sin errores de ningún tipo, 01:05:12

Pero cuando tenemos B, siempre midamos la concentración que midamos, nos va a dar de menos. Y cuando midamos T y D, nos van a dar de más. Un error aleatorio nos podría dar a veces de más, a veces de menos. 01:05:23

¿Vale? Robustez, aquí voy a decir que no está aquí escrito. ¿Qué es la robustez? La robustez es la capacidad que tiene un método analítico de tolerar pequeñas modificaciones en las condiciones experimentales sin que la calidad de los resultados se vea alterada. 01:05:35

¿Esto qué significa? Que si yo tengo un método que es muy exacto, pero cuando cambia un poquito la temperatura, ese método cambia mucho el resultado, es un método que es poco robusto. 01:05:57

Un método robusto es un método en el que cuando se alteran ligeramente, obviamente no podemos alterar muchísimo las condiciones experimentales, 01:06:09

pero cuando se alteran las condiciones experimentales, el método nos va a dar unos resultados que no se vean muy afectados por esas condiciones externas. 01:06:18

Robustez, otro ejemplo, un árbol que es muy robusto, un roble con un tronco enorme, sopla el viento y no se mueve. 01:06:30

En cambio, un árbol poco robusto, un árbol finito, en cuanto hay un poco de viento, se mueve, fluctúa, cambia. 01:06:38

¿Vale? Un poco lo mismo. Robusto, que es capaz de mantenerse en su sitio. Aunque tú le cambies las condiciones, te va a seguir dando los mismos resultados. Que es un método que es inamovible, digamos, entre comillas. Esa es la robustez de un método. 01:06:44

¿Cómo se evalúa? Pues si tenemos un método y una muestra de referencias, o sea, una muestra de la cual sabemos el valor esperado y variamos un factor y vemos que los resultados obtenidos son similares, decimos que nuestro método es robusto. 01:06:59

Y esto sí que sí lo vamos a parar para empezar con las rectas de calibrado y hacerlo a la vez porque si no va a ser un poco complejo. 01:07:20

Os hago un avance, pero el límite de detección es el límite a partir del cual yo puedo detectar que tengo algo en mi muestra. 01:07:32

Yo tengo una disolución, tengo un instrumento para medir una propiedad y por debajo de un valor yo no sé si ahí hay algo. Solo lo puedo saber a partir del límite de detección, es el límite en el que se empieza a detectar. 01:07:41

Si yo tengo una disolución que está muy, muy, muy, muy, muy diluida, probablemente ciertos métodos no me detecten el analito que tenga. 01:07:56

Tendré que aumentar un poco la concentración porque a partir de un cierto valor es cuando yo voy a poder saber si tengo o no tengo analito. 01:08:07

Ese es el límite de detección. 01:08:17

Y el de cuantificación es el límite a partir del cual yo puedo decir cuánto tengo. 01:08:19

¿Vale? Límite de detección. Por debajo del límite de detección, yo no sé si tengo analito o no tengo analito, 01:08:26

porque no soy capaz de saberlo, porque mi método no es lo suficientemente, no es capaz de detectar esa señal. 01:08:33

Entre el límite de detección y el límite de cuantificación, yo puedo saber si tengo o no tengo analito, positivo o negativo, 01:08:40

como un test de embarazo, sí o no, ¿vale? Pero no sé cuánto. 01:08:47

y a partir del límite de cuantificación 01:08:50

puedo cuantificar y dar un 01:08:53

resultado de qué 01:08:55

concentración tengo, ¿vale? Puedo decir 01:08:57

que tengo 3 ppm 01:08:59

o 5 gramos por litro o la unidad 01:09:00

que sea, pero es a partir del límite 01:09:03

de cuantificación, por debajo de eso no lo puedo 01:09:05

cuantificar, ¿vale? Entonces, bueno, 01:09:07

os lo dejo ahí como concepto, pero esto el próximo 01:09:09

día lo... 01:09:11

Profesor, es algo como que 01:09:13

no lo sé, 01:09:15

yo lo he visto creo como 01:09:17

con las balanzas 01:09:19

que por debajo 01:09:20

de cierto 01:09:23

bueno, no, con las balanzas 01:09:23

no sería el ejemplo 01:09:27

yo vi algo 01:09:28

en farmacia que era como la sensibilidad 01:09:31

que por debajo de cierta cosa 01:09:33

no 01:09:34

la balanza como que no te 01:09:35

la sensibilidad 01:09:39

es la capacidad 01:09:41

que tenemos de distinguir 01:09:43

entre dos valores que sean muy cercanos 01:09:45

vale el límite de detección es justo lo que estás diciendo que por debajo de cierto valor no se detecta claro por ejemplo 01:09:46

Videoconferencia CSL 26/03 - Contenido educativo

Del mismo autor…

Competencia Digital Area 2

GENÉTICA 2.- CÓDIGO GENÉTICO

García_Enrique_EvidenciaArea_3

García_Enrique_EvidenciaArea_4

MRU26

Lo que más me gusta de mi colegio.