M.Sc. JUAN JOSE QUISPE VARGAS 05/11/2012 1 Es el establecimiento de la evidencia documental de que un procedimien
Views 282 Downloads 8 File size 2MB
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
1
Es el establecimiento de la evidencia documental de que un procedimiento analítico conducirá, con un alto grado de seguridad, a la obtención de resultados precisos y exactos dentro de las especificaciones y atributos de calidad previamente establecidos.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
2
Demostrar que los métodos son adecuados a los análisis propuestos en las condiciones descritas. La validación es la herramienta que permite obtener las pruebas documentales al respecto. Trabajar con métodos que ofrezcan confianza y seguridad, minimiza el número de fallas y repeticiones.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
3
Conocimiento del método analítico. Cumplir con las exigencias legales (registros, BPL), con el fin de asegurar la calidad y eficacia del producto. La validación es un requisito previo de los procesos de transferencia de métodos analíticos.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
4
Ensayos de identificación. Ensayos para determinar el analito en materia prima o en FF. Ensayos para determinar características farmacotécnicas (disolución). Ensayos de límite de impurezas y cuantificación de las mismas. Ensayos microbiológicos.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
5
BPL. › Personal. › Instalaciones. › Equipos, Instrumentos, Materiales. › Productos de Referencia. › Documentación, etc. › Auto inspección.
Reactivos
procedimientos
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
y
escritos,
6
Los métodos de farmacopeas se consideran oficiales. Métodos de Análisis para Materias Primas.
› Se consideran válidos. No es necesario realizar ninguna revalidación a la hora de poner el método en marcha en cualquier laboratorio. › Estos métodos han sido sometidos a ensayos inter-laboratorio para confirmar su buen funcionamiento. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
7
Métodos de Análisis para FF. › FF de composiciones diferentes a nivel cualitativo (excipientes) y/o cuantitativo. › El método se considera parcialmente validado (con el consiguiente ahorro de costes en el desarrollo del método). › Se evalúa que parámetros son necesarios validar (de acuerdo al método), siendo la exactitud y la selectividad los parámetros más frecuentemente afectados. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
8
Métodos desarrollados por el laboratorio, usados por algún tiempo, deben sufrir un proceso de validación. Para validar de manera satisfactoria y sin el uso de recursos innecesarios, es necesario contar con métodos lo suficientemente robustos. Para lo cual todo método analítico no oficial debe seguir una secuencia lógica de fases en su desarrollo, que oriente a una validación exitosa. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
9
La secuencia óptima de experimentos para el desarrollo de un método, depende del método en si mismo. El desarrollo lógico de un método analítico transcurre con las siguientes fases secuénciales: 1. Definición de las características de practicabilidad. 2. Estudios de robustez y estabilidad de la muestra preparada para análisis. 3. Puesta a punto (aptitud del sistema). 4. Características de fiabilidad. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
10
Se debe evaluar: › Precisión exigible. › Sensibilidad deseable. › Grado de selectividad. › Tiempo y costo. › Tamaño de la muestra. › Calificación del personal. › Tipos de equipos y/o instrumentos. › Condiciones de seguridad, etc. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
11
La estabilidad de la muestra preparada para análisis se evalúa durante la fase de desarrollo del método junto con la robustez. La estabilidad se evalúa de acuerdo al tiempo requerido para su análisis. Si la estabilidad de la muestra afecta al resultado en el periodo de tiempo evaluado, se hace constar en el método de análisis.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
12
Ensayos que garantizan el buen funcionamiento del sistema en el momento de análisis. El estudio de robustez se utiliza para optimizar y evaluar la criticidad de los parámetros del método antes de validarlo. A partir de este estudio se define la aptitud del sistema. La comprobación de la aptitud del sistema forma parte integral del método y debe realizarse cada día al inicio del análisis para comprobar el correcto funcionamiento del sistema.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
13
La validación en sí es una fase más del desarrollo del método analítico. Está última etapa permite conocer las características de fiabilidad del método para su aplicación rutinaria. Demuestran la capacidad de un método analítico para mantener los criterios de validación a lo largo del tiempo.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
14
Parámetros
Identificación
Impurezas Cuantitativo
Prueba límite
Valoración disolución
Exactitud
No
Si
No
Si
Precisión
No
Si
No
Si
Repetibilidad
No
Si*
No
Si
Precisión intermedia
No
Si
No
Si*
Si
Si
Si
Si
Linealidad y rango
No
Si
No
Si
LD
No
No
Si
No
LC
No
Si
No
No
Robustez
No
Si
No
No*
Selectividad
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
15
Verificación documentada de que un método analítico (previamente validado) continúa siendo fiable en el tiempo o tras realizar modificaciones al método original. Causas de revalidación.
› › › ›
Paso del tiempo. Cambio en la muestra. Cambio de instrumento y materiales. Cambio de laboratorio. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
16
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
17
La robustez, de un método analítico, es la medida de su capacidad para permanecer inalterado ante pequeñas pero deliberadas variaciones en ciertos parámetros, proporcionando idea de su fiabilidad o “estabilidad” durante su empleo de rutina.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
18
No debe confundirse con el término Ruggedness, que es el grado de reproducibilidad de los resultados en el análisis de las mismas muestras bajo una variedad de condiciones tales como: › Diferentes laboratorios, diferentes analistas, diferentes instrumentos, lotes de reactivos, días, tiempos, diferentes temperaturas, etc.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
19
Permite conocer la estabilidad del método ante pequeñas modificaciones y su independencia frente a éstas. Permite conocer las condiciones de trabajo óptimas en cada paso del procedimiento de análisis. La robustez no se considera como un parámetro de validación, sino como el estudio que permite conocer:
› Las condiciones óptimas de trabajo para las diferentes variables estudiadas. › Las variables críticas que han de ser controladas. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
20
Todos los métodos sea cual sea la técnica empleada, son susceptibles de ser sometidos a un estudio de robustez. Algunos pueden tener muchos parámetros sobre los que actuar y otros menos. La primera etapa es analizar todo el método y definir que factores son los que influyen en el resultado final.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
21
Normalmente se usan dos tipos de diseños factoriales: › Diseños factoriales completos y fraccionados. › Diseños de Plackett – Burman y Youden – Steiner.
Por razones de interpretación estadística, es conveniente que el número de factores a evaluar sea como mínimo de tres y de ocho el número mínimo de experimentos. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
22
El diseño Youden – Steiner es el método clásico para estudiar la robustez. Permite estudiar el efecto de la modificación de 7 factores descritos en el método mediante 8 experimentos. Los valores nominales para cada factor en el método corresponden a las letras mayúsculas (A, B, C, etc.). Los valores alternativos están indicados por letras minúsculas (a, b, c, etc.). M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
23
1. 2.
3. 4.
Determinar los factores (deben ser 7) a ser estudiadas. Si el número de variables es inferior a 7, a los factores que quedan sin variable se las debe asignar una operación sin influencia analítica (“dummy”). Registrar las variables y sus valores (nominal y alternativo). Realizar los 8 experimentos según la matriz de factores especificada. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
24
Para la determinación de la robustez de un método analítico por HPLC, se estudiaron las siguientes variables del método. Factor
Valor Nominal
Factor
Valor Alternativo
Flujo
A
1 ml/min
a
1.5 ml/min
Temperatura
B
40 ºC
b
25 ºC
Precolumna
C
A
c
B
Tipo de columna
D
X
d
Y
pH
E
7.6
e
7.4
[c] de la fase móvil
F
70/30
f
65/35
Tiempo antes de la inyección
G
1 hora
g
12 horas
Variable
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
25
Exp
Factores
Resultados
A/a
B/b
C/c
D/d
E/e
F/f
G/g
1
A
B
C
D
E
F
G
s=
2
A
B
c
D
e
f
g
t=
3
A
b
C
d
E
f
g
u=
4
A
b
c
d
e
F
G
v=
5
a
B
C
d
e
F
g
w=
6
a
B
c
d
E
f
G
x=
7
a
b
C
D
e
f
G
y=
8
a
b
c
D
E
F
g
z=
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
26
Exp
Factores
Eficiencia (N)
A/a
B/b
C/c
D/d
E/e
F/f
G/g
1
A
B
C
D
E
F
G
s=
6540
2
A
B
c
D
e
f
g
t=
6250
3
A
b
C
d
E
f
g
u=
4789
4
A
b
c
d
e
F
G
v=
4890
5
a
B
C
d
e
F
g
w=
4985
6
a
B
c
d
E
f
G
x=
5010
7
a
b
C
D
e
f
G
y=
6589
8
a
b
c
D
E
F
g
z=
6160
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
27
Para cada factor se calcula la diferencia de medias (V) en forma individual según: F a c t o r o V a r ia b le A – a B – b C – c D – d E – e F – f G - g
D if e r e n c ia
t u v w x y z A 4 4 s t w x u v y z VB 4 4 s u w y t v x z VC 4 4 s t y z u v w x VD 4 4 s u x z t v w y VE 4 4 s v w z t u x y VF 4 4 s v x y t u w z VG 4 4 V
M.Sc. JUAN JOSE QUISPE VARGAS
s
05/11/2012
28
Resultados: VA = VB = VC = VD = VE = VF = VG =
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
29
Resultados: VA =
68.75
VB =
89.25
VC =
148.25
VD =
1466.25
VE =
53.75
VF =
15.75
VG =
211.25
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
30
Para decidir si un parámetro tiene influencia significativa sobre el resultado, es necesario conocer la variabilidad (repetibilidad) normal de la respuesta (N).
SI : V A s 2
Existe diferencia significativa M.Sc. JUAN JOSE QUISPE VARGAS
estadísticamente 05/11/2012
31
Supongamos que la repetibilidad es de 95.8, determinar si alguna variable influye significativamente.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
32
Se realizo un estudio de robustez de un método analítico tomando en cuenta las siguientes variables. Variable
Nivel
Código
Nombre
(-)
(+)
A
Analista
X
Y
B
Filtración
Con filtración
Sin filtración
C
Tiempo de análisis
Después de 10 minutos
Después de 60 minutos
D
Blanco
Blanco correspondiente
Agua destilada
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
33
Se usa un diseño estadístico experimental factorial fraccionado 24-1 = 8, solo nos interesa los efectos principales, la matriz del diseño experimental es:
Valores Codificados A B C D
A
B
1
-
-
-
-
X
Con filtración
10 minutos
Correspondiente
8
2
+
-
-
+
Y
Con filtración
10 minutos
Agua (d)
6
3
-
+
-
+
X
Sin filtración
10 minutos
Agua (d)
1
4
+
+
-
-
Y
Sin filtración
10 minutos
Correspondiente
7
5
-
-
+
+
X
Con filtración
1 hora
Agua (d)
3
6
+
-
+
-
Y
Con filtración
1 hora
Correspondiente
4
7
-
+
+
-
X
Sin filtración
1 hora
Correspondiente
5
8
+
+
+
+
Y
Sin filtración
1 hora
Agua (d)
2
Exp
M.Sc. JUAN JOSE QUISPE VARGAS
Valores Reales C
05/11/2012
Orden
D
34
Resultados: Exp
A
B
C
D
AxB
AxC
AxD
Abs
1
+ + + +
+ + + +
+ + + +
+ + + +
+ + + +
+ + + +
+ + + +
0,796
2 3 4 5 6 7 8
0,800 0,801 0,798 0,794 0,796 0,800 0,802
Σ(+) + Σ(-) Σ(+) – Σ(-) Efectos = texp = Valor P =
s= M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
35
(0.00175) 2 (0.00075) 2 (0.00225) 2 s 3
Resultados: Exp
A
B
C
D
AxB
AxC
AxD
Abs
1
+ + + +
+ + + +
+ + + +
+ + + +
+ + + +
+ + + +
0,796
8
+ + + +
Σ(+) + Σ(-)
6,387
6,387
6,387
6,387
6,387
6,387
6,387
Σ(+) – Σ(-)
0,005
0,015
-0,003
0,007
-0,007
0,003
0,009
Efectos =
0,0013
0,0038
-0,0008
0,0018
-0,00175
0,00075
0,00225
texp =
0,7346
2,2037
-0,4407
1,0284
Valor P =
0,5033
0,0923
0,6822
0,3619
2 3 4 5 6 7
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
0,800 0,801 0,798 0,794 0,796 0,800 0,802
s=
0,001702 36
Entonces:
t( 0.05,3) 3.182
Gráf ico de Pareto para los Ef ectos Principales, Estandarizados (response is ABSORBANCIA, Alpha = ,05)
FILT RACIÓN
BLANCO
ANALIST A
MPO DE ANÁLISIS
0
1
M.Sc. JUAN JOSE QUISPE VARGAS
2
05/11/2012
37
Con un 95% de confianza se asegurar que ninguna de las variables en estudio afectan de manera significativa a los resultados. El método de análisis propuesto posee buenas características para poder ser validado. Se puede predecir que el método no depende del analista y que la solución preparada es muy estable. La filtración de la solución resulto no significativa, no hay retención del analito en el filtro, ni contaminación por parte del filtro, sin embargo tiene el mayor efecto, mantener la filtración. Usar como blanco agua destilada no afecta significativamente los resultados. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
38
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
39
Se prepara suficiente cantidad de una muestra homogénea y se almacena en diferentes condiciones ambientales: Tiempo
Condiciones normales
Temperatura de 40 ºC
Luz solar directa
Oscuridad
0 horas
0.N
-----
-----
-----
1 hora
1.N
1.T
1.L
1.O
2 horas
2.N
2.T
2.L
2.O
4 horas
4.N
4.T
4.L
4.O
20 horas
20.N
20.T
20.L
20.O
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
40
Resultados después de 1 hora. Replica
Tiempo cero
Condiciones Normales
Temperatura (40 ºC)
Luz solar
Oscuridad
1
0.772
0.772
0.779
0.762
0.771
2
0.777
0.775
0.778
0.766
0.778
3
0.775
0.769
0.781
0.766
0.777
4
0.779
0.778
0.777
0.761
0.778
5
0.777
0.777
0.78
0.764
0.78
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
41
Resultados después de 2 horas. Replica
Condiciones Normales
Temperatura (40 ºC)
Luz solar
Oscuridad
1
0.774
0.779
0.751
0.777
2
0.776
0.78
0.748
0.775
3
0.777
0.779
0.749
0.781
4
0.777
0.777
0.749
0.778
5
0.778
0.78
0.752
0.775
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
42
Resultados después de 4 horas. Replica
Condiciones Normales
Temperatura (40 ºC)
Luz solar
Oscuridad
1
0.777
0.781
0.747
0.777
2
0.778
0.774
0.743
0.778
3
0.778
0.783
0.741
0.775
4
0.78
0.771
0.74
0.773
5
0.772
0.78
0.747
0.777
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
43
Resultados después de 20 horas. Replica
Condiciones Normales
Temperatura (40 ºC)
Luz solar
Oscuridad
1
0.777
0.776
0.738
0.779
2
0.778
0.77
0.739
0.779
3
0.78
0.775
0.741
0.778
4
0.777
0.774
0.735
0.777
5
0.775
0.776
0.738
0.773
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
44
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
45
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
46
Selectividad. › Capacidad de un método analítico para medir y/o identificar simultáneamente los analitos de interés, de forma inequívoca, en presencia de otras sustancias químicas que pueden estar en la muestra (precursores de síntesis o subproductos de la misma, impurezas, excipientes, productos de degradación, etc.)
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
47
La selectividad se debe determinar antes de iniciar el estudio de cualquier otro parámetro de validación. Debe conocerse en que grado la respuesta del método es únicamente proporcionada por el analito sin interferencias de otras sustancias relacionadas (falsos positivos).
Especificidad y selectividad. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
48
Ensayos de identificación.
› Demostrar que el método es capaz de discriminar entre el analito y sustancias de composición similar u otros productos que pueden estar presentes en la muestra.
Ensayos de pureza.
› Garantizar que el método permite una evaluación de las impurezas y los productos de degradación.
Determinación cuantitativa.
› El método debe evitar la interferencia de excipientes, productos de degradación y/o impurezas en la respuesta proporcionada. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
49
Adición de interferencias. › Prueba la selectividad de un método en análisis de rutina como también para métodos utilizados en pruebas de estabilidad.
Aplicación de técnicas confirmatorias con muestras sometidas a estrés. › Si no se cuenta con las interferencias se puede degradar la molécula por exposición a condiciones extremas de estrés. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
50
Muestras sometidas a estrés. › Se prepara las muestras a la concentración de trabajo teórica. Analito Analito + Matriz Matriz › Se determina las posibles rutas de degradación y metabolitos (estructura química y bibliografía). › Someter las muestras preparadas a condiciones de estrés. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
51
MUESTRA
TERMÓLISIS
HIDRÓLISIS
ACUOSA
ÁCIDA
FOTÓLISIS
OXIDACIÓN
BÁSICA
JOSE QUISPE VARGAS HCl 0.1 NM.Sc. JUANNaOH 0.1 N 05/11/2012
52
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
53
Muestra del fármaco XX
estándar
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
54
Muestra del fármaco XX bajo condiciones forzadas
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
55
No se observan picos en los tiempos de retención del componente principal y las impurezas.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
56
Las impurezas conocidas deben estar separadas entre sí y del pico principal (Resolución 1,5)
M.Sc. JUAN JOSE QUISPE VARGAS 57 de 69
05/11/2012
Cromatograma de la muestra no sometida a condiciones forzadas de degradación
M.Sc. JUAN JOSE QUISPE VARGAS 58 de 69
05/11/2012
Cromatograma de la muestra sometida a condiciones forzadas: los productos de degradación están separados del pico principal, R 1,5
M.Sc. JUAN JOSE QUISPE VARGAS 59 de 69
05/11/2012
La determinación de selectividad de un método analítico muestra los siguientes resultados:
Replica 1
A Analito sin excipientes (Absorbancia) 0.782
B Analito con excipientes (Absorbancia) 0.771
Replica 2
0.775
0.778
Replica 3
0.770
0..777
Replica 4
0.789
0.787
Replica 5
0.778
0.782
Replica 6
0.788
0.789
Nº de replicas
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
60
Para determinar si existe diferencia significativa entre las medias de dos grupos de datos, se recurre a la prueba “t de student”. Antes se debe verificar:
› La normalidad de la distribución muestral para cada grupo. › Homogeneidad de varianzas (prueba F).
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
61
Homogeneidad de varianzas. › Planteamiento de hipótesis: H0 → s²A = s²B H1 → s²A ≠ s²B
Fexp
2 1 2 2
s s
s s 2 1
2 2
Fexp Ftab se acepta H 0
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
62
Resultados.
Fexp 1 .2308
F( 0.05 , 5 , 5 ) 5 .0503
Se acepta la H0, la prueba F demuestra homogeneidad de varianzas. Prueba “t de student”.
H 0 → µA = µB H 1 → µA ≠ µB M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
63
Para varianzas homogéneas. s
nn 1s 2A nb 1sB2 nA nB 2
x
t s
A
x
s
s
2 A
s 2
2 B
B
1 1 nA nB M.Sc. JUAN JOSE QUISPE VARGAS
gl nA nB 2
05/11/2012
64
Resultados.
t exp 0 . 0814
t ( 0 . 05
, 10 )
2 . 2281
Se acepta la H0, el método analítico es selectivo
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
65
Para varianzas heterogéneas.
t
x A xB 2 A
2 B
s s n A nB M.Sc. JUAN JOSE QUISPE VARGAS
2
s s nA nB gl 2 2 2 2 sA sB n A nB n A 1 nB 1 2 A
05/11/2012
2 B
66
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
67
Rango.
› Intervalo entre la concentración superior e inferior de analito para el cual se ha demostrado la correcta precisión, exactitud y linealidad del método descrito.
Linealidad.
› Es la capacidad del método de producir resultados directa o indirectamente proporcionales a la concentración o cantidad de analito en una muestra, dentro de un intervalo determinado. › En algunos casos se requiere de una transformación matemática de la respuesta. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
68
Dos tipos de estudios de linealidad:
› Linealidad del Sistema, donde se realizan los ensayos con la presencia única del analito. › Linealidad del Método, en la cual los ensayos se realizan en presencia del analito y la matriz correspondiente.
El rango debe definirse antes de realizar cualquier prueba, por lo general se deriva de las especificaciones del producto. Debe incluir el rango de especificaciones completo y extenderse ligeramente en ambas direcciones. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
69
El rango no debe extenderse más halla de las concentraciones que se consideran dentro de las posibilidades.
› “r” equivocadamente aceptables › Concentraciones extremas podrían rebasar los límites de linealidad
Siempre que sea posible se busca una respuesta lineal que facilite su trazado, interpolación e interpretación. Pero si las respuestas son no lineales, pero proporcionales a la concentración, se usan otros ajustes matemáticos. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
70
Comparar la linealidad del sistema con la linealidad del método, si no corresponden, esto evidencia un efecto de la matriz. MULTIPLICATIVO ADITIVO
ANALITO
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
71
Aplicación. › Valoración del contenido de p.a. › Prueba de disolución. › Cuantificación de impurezas.
Determinación. 1. Determinar el rango de estudio. 2. Dentro del rango se define por lo menos 5 niveles de concentración (k = 5). 3. Realizar por lo menso 3 replicas para cada k. 4. Mínimo total de determinaciones, n = 15. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
72
Lo correcto es analizar las muestras de forma aleatoria, pero, se establece como criterio práctico analizarlas en sentido creciente de concentración. Lo ideal es hacer pesadas independientes (15 pesadas), ya que a sí se elimina el posible error sistemático que se podría arrastrar partiendo de una sola pesada. No obstante, se acepta una pesada madre y posteriores diluciones si se asegura una precisión y exactitud en la pesada madre y en las posteriores diluciones. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
73
En las pruebas de linealidad de un p.a. que se determina a 100 µg/ml, se adopto como rango el intervalo entre 80% - 120%. Se trabajo a 5 niveles de concentración (80, 90, 100, 110 y 120 µg/ml) por triplicado. Los resultados obtenidos se muestran en la siguiente Tabla. Determinar si el método de análisis cumple con los requisitos de linealidad.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
74
[c] µg/ml
Replica 1
Replica 2
Replica 3
80
6439.77
6433.33
6440.72
90
7244.74
7237.49
7245.81
100
8066.01
8093.94
8071.58
110
8858.93
8896.66
8821.48
120
9699.63
9651.66
9638.78
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
75
Pruebas a realizar. › Regresión lineal. › Prueba de hipótesis para “r” y “r2”. › Prueba de hipótesis para la pendiente (b). › Prueba de hipótesis para la ordenada al origen “a”. › Homogeneidad de varianzas. › ANOVA.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
76
x (μg/mL)
y (área)
80 80 80 90 90 90 100 100 100 110 110 110 120 120 120
6439.77 6433.33 6440.72 7244.74 7237.49 7245.81 8066.01 8093.94 8071.58 8858.93 8896.66 8821.48 9699.63 9651.66 9638.78
∑x
∑y
x²
y²
xy
∑x²
∑y²
∑xy
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
77
x (μg/mL)
y (área)
x²
y²
xy
80 80 80 90 90 90 100 100 100 110 110 110 120 120 120
6439.77 6433.33 6440.72 7244.74 7237.49 7245.81 8066.01 8093.94 8071.58 8858.93 8896.66 8821.48 9699.63 9651.66 9638.78
6400 6400 6400 8100 8100 8100 10000 10000 10000 12100 12100 12100 14400 14400 14400
41470637.65 41387734.89 41482874.12 52486257.67 52381261.5 52501762.56 65060517.32 65511864.72 65150403.7 78480640.74 79150559.16 77818509.39 94082822.14 93154540.76 92906079.89
515181.6 514666.4 515257.6 652026.6 651374.1 652122.9 806601 809394 807158 974482.3 978632.6 970362.8 1163955.6 1158199.2 1156653.6
∑x
∑y
∑x²
∑y²
∑xy
1500
120840.53
153000
993026466.2
12326068.3
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
78
Regresión lineal. b
xy
x2
r
x
y
n x 2
y b x a n
n x y xy n
2 2 x y x 2 y 2 n n
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
79
Regresión lineal. › a = -11.14133333. › b = 80.67176667. › r = 0.999818604. › r2 = 0.9996.
Prueba de hipótesis para “r” H0 → No hay correlación entre x e y. H1 → Existe correlación entre x e y.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
80
Prueba de hipótesis para “r”.
texp
r n 2 1 r
2
› Resultados: texp = 189.27 t(0.05, n-2) = 2.16 › Existe correlación significativa entre x e y.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
81
Prueba de hipótesis para “b”. H0 → b = 0 H1 → b ≠ 0
t exp
b
sb
x
sb s2 xy
s 2 xy
x
2
2
n
2 y ay bxy
n2
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
82
Prueba de hipótesis para “b”. › sb = 0.4262239 › s2xy =545.0004469 › texp = 189.27 › t(0.05,n-2) = 2.16 › Se rechaza H0, entonces “b” significativamente diferente de cero.
es
Límites de confianza para “b”.
b ' b t Sb M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
83
Límites de confianza para “b”. › No deben incluir al cero. › t(0.05,n-2) = 2.16. › 79.75 < b < 81.59.
Prueba de hipótesis para “a”. H0 → a = 0 H1 → a ≠ 0
t exp
a Sa
M.Sc. JUAN JOSE QUISPE VARGAS
Sa Sb 2
05/11/2012
2 x
n 84
Prueba de hipótesis para “a”. › Sa = 43.046504 › texp = 0.2588 › t(0.05,n-2) = 2.16 › Se acepta la H0, “a” no es significativamente diferente de cero.
Límites de confianza para “a”.
a ' a t Sa M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
85
Límites de confianza para “a”. › Deben incluir al cero. › t(0.05,n-2) = 2.16. › -104.14 < a < 81.86
Homogeneidad de varianzas. s12 s22 ... sK2
G ex p
s m2 á x i m o s m2 á x i m o 2 2 2 2 s i s 1 s 2 ... s i
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
86
y
y-a
f ((y-a)/x)
Promedio f
s
s²
6439.77 6433.33 6440.72 7244.74 7237.49 7245.81 8066.01 8093.94 8071.58 8858.93 8896.66 8821.48 9699.63 9651.66 9638.78
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
87
y
y-a
f ((y-a)/x)
6439.77 6433.33 6440.72 7244.74 7237.49 7245.81 8066.01 8093.94 8071.58 8858.93 8896.66 8821.48 9699.63 9651.66 9638.78
6450.91 6444.47 6451.86 7255.88 7248.63 7256.95 8077.15 8105.08 8082.72 8870.07 8907.80 8832.62 9710.77 9662.80 9649.92
80.636 80.556 80.648 80.621 80.540 80.633 80.772 81.051 80.827 80.637 80.980 80.297 80.923 80.523 80.416
M.Sc. JUAN JOSE QUISPE VARGAS
Promedio f
s
s²
80.614
0.0503
0.0025
80.598
0.0503
0.0025
80.883
0.1478
0.0219
80.638
0.3417
0.1168
80.621
0.2672
0.0714
05/11/2012
88
Homogeneidad de varianzas. › Gexp = 0.5429 › G(0.05,k,n-1) = 0.6838 › Si Gexp < G(0.05,k,n-1), entonces se acepta la H0.
ANOVA. Fv Regresión Error Desvio Dentro Total
gl 1 n-2 k-2 n-k n-1
SC
CM
Fexp
Ft
SCr SCE SCl SCep SCt
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
89
ANOVA (SCr). SC r
x Sxx x
2
2
n
S xy 2 S xx
xy Sxy xy n
› Sxx = 3000 › Sxy = 242015.3 › SCr = 19523801.81 M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
90
ANOVA (SCep y SCl).
y SCep y m
2
j
2
y y SCec 2
2
j
mj
j
n
SCl SCec SCr › SCep = 5392.941 › SCl = 1692.06481
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
91
ANOVA (SCE).
y y SCec 2
2
j
mj
SC E SC l SC ep
n
› SCec = 19525493.88 › SCE = 7085.00581
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
92
ANOVA.
Fv
gl
SC
CM
Fexp
Ft
Regresión Error Desvio Dentro Total
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
93
ANOVA.
Fv Regresión Error Desvio Dentro Total
gl
SC 1 19523801.81 13 7085.00581 3 1692.06481 10 5392.941 14 19530886.82
CM 19523801.81 545.0004469 564.0216034 539.2941
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
Fexp
Ft
35823.5
4.667
1.046
3.708
94
ANOVA (SCE). › Si F1exp > F1tab, esto demuestra la existencia de una pendiente diferente de cero, entonces, la regresión es estadísticamente significativa. › Si F2exp > F2tab, esto demuestra la linealidad entre los resultados obtenidos.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
95
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
96
La exactitud de un método analítico es el grado de concordancia o la diferencia entre la media de los resultados del ensayo obtenidos por el método y el verdadero valor aceptado como correcto. Se conoce también como error sistemático o sesgo.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
97
No deben confundirse exactitud y precisión. › La precisión esta relacionada con la dispersión de una serie de mediciones pero no da ningún indicativo de lo cerca que está del valor verdadero. › Se puede tener mediciones muy precisas pero poco exactas, sin embargo, para que un método sea exacto se requiere un cierto grado de precisión.
No siempre se obtienen valores de recuperación cercanos al 100 %, ya que esta depende de la matriz de la muestra, de la efectividad del método de preparación y extracción, y de la concentración del analito. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
98
La desviación de la exactitud por exceso se produce: › Cuando
existen interferencias y la selectividad del método no es adecuada, se obtienen resultados superiores al valor verdadero.
La desviación de la exactitud por defecto suele producirse cuando:
› La matriz de la muestra es compleja y la extracción del
analito requiere varios recuperaciones bajas.
pasos,
obteniéndose
Si la exactitud obtenida es repetible (precisión elevada) y además es homogénea en todos los niveles de concentración, puede aplicarse un factor de corrección en el cálculo final para compensar los resultados. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
99
Aplicación. › Determinación cuantitativa cuantificación de impurezas.
de
p.a.
y
Determinación. › La exactitud debe demostrarse en todo el rango especificado para el método, se debe realizar como mínimo 9 determinaciones, sobre 3 niveles de concentración (concentraciones nominal y en los extremos del rango). M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
100
Preparación de muestras. › Se prepara la matriz. Sobre la matriz se añaden cantidades conocidas del analito patrón a tres niveles de concentración dentro del rango a estudiar.
Realizar como mínimo 3 replicas para cada nivel (se tiene un total de 9 ensayos). Determinar el analito en cada muestra y calcular el porcentaje de recuperación.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
101
La exactitud se expresa como porcentaje de recuperación en la valoración de una cantidad conocida de analito añadida sobre la muestra.
%R
X
m
100
Xm = valor medio hallado. µ = valor aceptado como verdadero M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
102
Se prepararon muestras con una concentración teórica mostrada a continuación: Concentración Teórica (%) Ensayo 1
Ensayo 2
Ensayo 3
Nivel 1
80
80
80
Nivel 2
100
100
100
Nivel 3
120
120
120
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
103
Después de la encontraron los experimentales:
determinación se siguientes valores
Concentración Experimental (%) Ensayo 1
Ensayo 2
Ensayo 3
Nivel 1
78,5
80,1
79,4
Nivel 2
100,5
100,2
100,7
Nivel 3
119,2
120,6
119,7
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
104
Primero, se debe determinar si el factor concentración tiene alguna influencia en los resultados. Se usa el test de Cochran de igualdad de varianzas para varios grupos muestrales del mismo tamaño. 2 2 2 s1 s2 ... sK
G ex p
s
2 m á xi m o 2 i
s
2 m á xi m o 2 2
s 2 s1 s ... s i2
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
105
Homogeneidad de varianzas. › Gexp = 0.5317 › G(0.05,k,n-1) = 0.8709 › Si Gexp < G(0.05,k,n-1), entonces se acepta la H0. › Existe homogeneidad de varianzas, el factor concentración no influye en los resultados.
Recuperación media. % R
X
M.Sc. JUAN JOSE QUISPE VARGAS
m
100
05/11/2012
106
Resultados Ensayo 1 (%)
Ensayo 2 (%) Ensayo 3 (%)
Nivel 1 Nivel 2 Nivel 3 Promedio =
M.Sc. JUAN JOSE QUISPE VARGAS
CV (%) =
05/11/2012
107
Resultados Ensayo 1 (%)
Ensayo 2 (%) Ensayo 3 (%)
Nivel 1
98,1250
100,1250
99,2500
Nivel 2
100,5000
100,2000
100,7000
Nivel 3
99,3333
100,5000
99,7500
Promedio =
99,8315
CV (%) =
0,8211
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
108
Planteamiento de hipótesis. H0 → Recuperación media = 100 H1 → Recuperación media ≠ 100
100 %R n texp CV texp = 0.6157 t(0.05,n-1) = 2.306
Exactitud adecuada. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
109
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
110
Precisión. › Expresa el grado de concordancia (grado de dispersión) entre una serie de medidas a partir de una misma muestra homogénea. › La precisión engloba diferentes tipos de estudios: Repetibilidad, Precisión Intermedia y Reproducibilidad.
Repetibilidad. › Estudia la variabilidad del método efectuando una serie de análisis sobre la misma muestra en las mismas condiciones operativas (mismo analista, mismos aparatos y reactivos, etc.), en un mismo laboratorio y en un periodo de tiempo corto. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
111
Precisión Intermedia. › Estudia la variabilidad del método en una serie de análisis sobre la misma muestra pero en condiciones operativas diferentes (diferentes analistas, aparatos, días, etc.) y en un mismo laboratorio.
Reproducibilidad. › Estudia la variabilidad del método bajo condiciones operativas diferentes y en distintos laboratorios. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
112
El objetivo del estudio de precisión es conocer la variabilidad del método de ensayo. Esta variabilidad se debe a errores aleatorios inherentes a todo método de ensayo. Los factores que pueden influir sobre los resultados no pueden ser siempre controlados (analista, equipo, reactivos, tiempo, etc.), de ahí la importancia del estudio de precisión. La precisión de un método analítico se expresa con el coeficiente de variación (CV) de una serie de medidas.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
113
Aplicación. › Para las determinación cuantitativa principios activos y cuantificación impurezas.
Determinación.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
114
de de
Repetibilidad Instrumental. › Estudia la variabilidad debida únicamente al instrumento. 1. Se prepara suficiente cantidad de una muestra a concentración nominal que contenga sólo el analito. 2. Se realiza por lo menos 10 medidas consecutivas de la misma muestra (respuestas del instrumento). 3. Se determina el coeficiente de variación (CV) de las 10 medidas. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
115
Repetibilidad del Método. › Determina la repetibilidad de todo el proceso de análisis (desde la pesada, preparación de la muestra hasta el resultado final del análisis). 1. Se prepara por lo menos 6 muestras por separado, a la concentración nominal, a partir de una muestra (analito + matriz) única homogénea. 2. Se realiza las medidas correspondientes y se determina el coeficiente de variación (CV).
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
116
Precisión intermedia. › Tiene como objetivo determinar la variabilidad del método efectuando una serie de análisis sobre la misma muestra, en un mismo laboratorio pero en condiciones operativas diferentes (día, analista e instrumento). › Se prepara muestras independientes a concentración nominal (100 %) por triplicado, según la siguiente matriz. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
117
Instrumento
Analista Analista X
A Analista y Analista x B Analista y
Día 1
Día 2
Día 3
Análisis 1 Análisis 2 Análisis 3 Análisis 1 Análisis 2 Análisis 3 Análisis 1 Análisis 2 Análisis 3 Análisis 1 Análisis 2 Análisis 3
Análisis 1 Análisis 2 Análisis 3 Análisis 1 Análisis 2 Análisis 3 Análisis 1 Análisis 2 Análisis 3 Análisis 1 Análisis 2 Análisis 3
Análisis 1 Análisis 2 Análisis 3 Análisis 1 Análisis 2 Análisis 3 Análisis 1 Análisis 2 Análisis 3 Análisis 1 Análisis 2 Análisis 3
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
118
La evaluación estadística de la precisión se basa en la comparación de los CV% con datos estándar obtenidos de tablas. Intervalo de Aceptación (%) 98.5 – 101.5 97.0 – 103.0 95.0 – 105.0 90.0 – 110.0 85.0 – 115.0 75.0 – 125.0
CV (%) de Repetibilidad Método 0.58 1.16 1.94 3.88 5.81 9.69
CV (%) de Repetibilidad Instrumental 0.41 0.82 1.37 2.74 4.11 6.85
C V % Método C V % Sistem a 2 M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
119
Los resultados del estudio de repetibilidad instrumental para un p.a. con intervalo de aceptación de 95 – 105% son: 19.06 μg/ml (100%) Absorbancia a 511 nm 0.778 0.776 0.776 0.775 0.779 Promedio = s= CV (%) =
M.Sc. JUAN JOSE QUISPE VARGAS
0.779 0.776 0.780 0.777 0.777
05/11/2012
120
La repetibilidad del método para un p.a. con intervalo de aceptación de 95 – 105% son: 19.06 μg/ml (100%) Absorbancia a 511 nm 0.778 0.777 0.771 0.791 0.782 0.787 Promedio = s= CV (%) =
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
121
Los resultados de precisión intermedia para el p.a. son: Analista
Analista X
Analista y
Absorbancia a 511 nm 9.53 μg/ml (50%) Día 1 Día 2 Día 3 0.787 0.795 0.769 0.771 0.802 0.778 0.782 0.796 0.768 0.777 0.785 0.771 0.77 0.806 0.777 0.781 0.782 0.782
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
122
La precisión intermedia es aceptable si su CV% es menor al doble del CV% del método.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
123
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
124
Límite de Cuantificación. › Es la mínima cantidad de analito presente en la muestra que se puede cuantificar, bajo las condiciones experimentales descritas con una adecuada precisión y exactitud.
Límite de Detección. › Es la mínima cantidad de analito en la muestra que se puede detectar aunque no necesariamente cuantificar bajo las condiciones experimentales. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
125
Entre el LC y LD se encuentra un rango de concentraciones en el que, si bien no puede cuantificarse el analito con razonable certeza, si puede detectarse sin incurrir en falsos positivos. No deben confundirse con la sensibilidad, › Sensibilidad. Capacidad de un método para discriminar pequeñas diferencias en concentración o masa del analito. › La sensibilidad es la pendiente de la curva de calibración obtenida al representar la respuesta frente a la concentración. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
126
Aplicación. › El LD, en la evaluación de impurezas mediante ensayos límite. › El LC, en métodos destinados a la determinación cuantitativa de impurezas. › Para métodos de análisis que se empleen en la determinación de impurezas o trazas de p.a. › Permite un mejor conocimiento del método, saber cuales son los LD y LC es útil en el ensayo de disolución, determinación de trazas de p.a. y en la validaciones de limpieza. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
127
El método propuesto esta basado en la extrapolación de la recta de calibrado a concentración cero. Se trata de un procedimiento aplicable a métodos analíticos Instrumentales que proporcionan resultados numéricos. El procedimiento a seguir se describe a continuación.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
128
Se determinar la pendiente (b) de la curva de calibrado (Concentración vs. Respuesta) en el rango apropiado. Determinar una nueva curva de calibración a bajas concentraciones. Se prepara 3 muestras a concentraciones que se suponen cercanas al LC. Se realiza 3 replicas para cada concentración y se las analiza en las condiciones descritas en el método. M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
129
Pico B LC
Pico A LD Línea basal
ruido
Cromatograma que muestra el ruido de línea base M.Sc. JUAN JOSE QUISPE130 VARGAS de 69
05/11/2012
La curva de calibración (rango 2.4 – 13.6 g inyectados) de un método analítico es representada por la siguientes ecuación.
y 857.6 x 27.9
Se efectúan 3 mediciones por triplicado en la zona inferior de la curva para el cálculo de los LD y LC. Las áreas halladas son: M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
131
x (µg iny.) 0,25 0,25 0,25 0,5 0,5 0,5 0,75 0,75 0,75
M.Sc. JUAN JOSE QUISPE VARGAS
y (Area) 242 254 230 460 465 447 671 667 679
05/11/2012
132
Ybl 10 Sbl LC b
Ybl 3 Sbl LD b
› Ybl = Señal ruido. › Sbl = Desviación estándar de la señal ruido. › b = Pendiente de la recta del estudio de linealidad
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
133
Resultados de regresión lineal a bajas concentraciones.
y 860.67 x 26.89 › Ybl = a (ordenada al concentraciones). › Ybl = 26.89 (señal ruido).
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
origen a bajas
134
Desviación estándar de la señal ruido (Sbl). x (µg) 0.25 0.25 0.25 0.5 0.5 0.5 0.75 0.75 0.75
y (Area) 242 254 230 460 465 447 671 667 679
Area Media
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
s
X
135
Desviación estándar de la señal ruido (Sbl). x (µg) 0.25 0.25 0.25 0.5 0.5 0.5 0.75 0.75 0.75
y (Area) 242 254 230 460 465 447 671 667 679
Area Media
s
X
242
12
0.25
457.3333333 9.291573243
0.5
672.3333333 6.110100927
0.75
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
136
Regresión lineal (Concentración Desviación Estándar).
vs.
y 11.78 x 15.02 › Sbl = a (ordenada al origen de concentración vs. Desviación estándar). › Sbl = 15.02 (“s” de la señal ruido).
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
137
Ybl 3 Sbl LD b › LD = 0.084 µg.
Ybl 10 Sbl LC b
› LC = 0.206 µg.
M.Sc. JUAN JOSE QUISPE VARGAS
05/11/2012
138