• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Muestreo  Farmacia
 

Muestreo Farmacia

on

  • 15,638 views

Técnicas de muestreo

Técnicas de muestreo

Statistics

Views

Total Views
15,638
Views on SlideShare
13,318
Embed Views
2,320

Actions

Likes
2
Downloads
340
Comments
0

4 Embeds 2,320

http://www.unemi.edu.ec 2292
http://www.slideshare.net 25
http://farmaciaaguilar.blogspot.com 2
http://webcache.googleusercontent.com 1

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Muestreo  Farmacia Muestreo Farmacia Presentation Transcript

    • Introducción a la Estadística Técnicas de Muestreo
    • Técnicas de Muestreo
      • Conceptos básicos
      • Factores que determinan la representatividad de la muestra.
      • Errores de muestreo.
      • Determinación del tamaño de la muestra.
      • Principales tipos de muestreos estadísticos.
      • Conjunto de pasos que garantizan que un experi-mento genere datos que permita llegar a conclusio-nes válidas en un estudio
      Diseño de Experimento Muestreo Conjunto de técnicas que se basan en el principio de equiproba-bilidad y garantizan la representatividad de la muestra. ≠ Diseño de experimentos
    • Universo estadístico
      • Es el conjunto finito o infinito de seres vivos, elementos o entes, sobre las cuales están definidas las características o variables que interesa analizar.
    • Población estadístico
      • Colección de todas las posibles mediciones que pueden hacerse de una característica en estudio.
      Universo Poblaciones Vermicompost de Santa Rosa Textura pH Composición proximal
    • Lote
      • Es una cantidad de material que se asume como una población única por lo que respecta a la toma de muestra.
      • Es una fracción discreta e identificable de una población o lote que conforma una muestra.
      Porción
    • Muestra
      • Es una parte o porción de la población. Por tanto, es un subconjunto de medidas de la característica de estudio.
      Muestra Primaria Muestra primaria bruta o individual. Muestra compuesta.
    • Errores de muestreo
      • Error sistemático. Conducen a pérdida de exactitud.
        • Contaminación de la muestra.
        • Pérdida de analito por volatilización, oxidación, adsorción, etc .
      • Error aleatorio, afecta la precisión de los resultados.
        • Falta de representatividad por heterogeneidad espacial o variabilidad estacional.
    • Precisión y exactitud Error sistemático Error aleatorio Precisión Precisión y exactitud Exactitud
    • Distribuciones de muestreo Error sistemático Error sistemático y aleatorio Error aleatorio
    • Errores de muestreo
      • Error sistemático
      Error aleatorio Ajustando protocolo Técnicas de muestreo
    • Plan de toma de muestra
      • Delimitación el problema a resolver.
      • Selección y delimitación de la población y el analito a estudiar.
      • Definición del método operativo para la toma de muestra bajo criterios estadísticos.
      • Descripción de protocolo de pretratamiento.
      • Redacción de protocolo de toma de muestra.
    • Aspectos que influyen en la representatividad de una muestra
      • Estado físico de la muestra.
      • Heterogeneidad espacial y temporal.
      • Tamaño y número de porciones que conforman la muestra primaria.
      • Condiciones de transporte y almacenamiento.
    • ¿ Qué cantidad de muestra?
    • Tamaño de muestra (masa)
      • Depende tanto de la matriz de la muestra como de la distribución del analito. Específicamente de:
        • Heterogeneidad del material.
        • Concentración del analito.
        • Magnitud del error tolerado.
        • Nivel de confianza requerido.
        • Costos y cantidad de material disponible.
    • Tamaño de muestra. Caso 1: Aproximación Binomial
      • Suponiendo que el lote está formado por dos partículas, A y B.
      • La desviación estándar par una población finita de n partículas, la desviación estándar será:
      (1)
    • Tamaño de muestra. Caso 1: Aproximación Binomial
      • El error relativo para determinar el número de partículas de A, (S A ), es:
      (2)
    • Tamaño de muestra. Caso 1: Aproximación Binomial
        • Resolviendo el sistema de ecuaciones (1) y (2), se puede calcular el número de partículas para satisfacer un determinado error mediante la expresión:
        • Para densidad constante, se puede establecer una relación directa entre número de partículas y masa .
      (3)
    • Tamaño de muestra. Caso 2: Aproximación multinomial
        • El analito de interés está asociado a dos partículas, pero está en concentraciones diferentes en cada una. La desviación estándar de la concentración media del analito se estima por:
      (4)
    • Tamaño de muestra. Caso 2. Aproximación multinomial.
        • El número de partículas necesario para que la determinación del analito esté asociado a un error relativo dado, S rc , viene dada por:
      (5)
    • ¿Cuántas muestras necesito?
    • Número de muestras
      • Depende tanto de la matriz de la muestra como de la distribución del analito .
        • Heterogeneidad del material (variabilidad temporal y espacial).
        • Concentración del analito.
        • Magnitud del error tolerado.
        • Nivel de confianza requerido.
        • Costos y cantidad de material disponible.
    • Número de muestras. Caso 1: Aproximación Normal
      • Partiendo que la concentración del analito, Y , se distribuye normal, esto es:
      Se puede calcular el intervalo de confianza para la media (6)
    • Número de muestras. Caso 1: Aproximación Normal.
      • Si definimos el error máximo tolerable,
      (7) (8) Se puede estimar el número de muestras con un determinado nivel de confianza, a partir de (6) y (7)
    • Número de muestras. Caso 2: Distribución t.
      • Como generalmente no se conoce la varianza de la muestra, ésta se puede estima a partir de la descomposición de la varianza total,
      En poblaciones finitas (9) (10)
    • Número de muestras. Caso 2: Distribución t.
      • Por lo que empleamos la distribución t de Student para estimar el número de muestras
      (11)
    • Número de muestras. Caso 3: Distribución Poisson.
      • Si la distribución del analito en la muestra es Poisson, el número de muestras puede estimarse mediante
      Donde R es la desviación estándar relativa, expresada en porcentaje, asocia-da al error de estimación del valor real.
    • Número de muestras. Caso 4: Varianza mayor que la media.
      • Si la varianza es mayor que la media, se incorpora el índice de agrupamiento en el cálculo del número de muestras.
      Donde R es la desviación estándar relativa, expresada en porcentaje, y k es el índice de agrupamiento
    • Número de muestras. Caso 4: Muestras compuestas.
      • Se justifica cuando el costo del análisis es muy alto.
      • Conduce a una pérdida significativa de información.
    • Estrategia general para la toma de muestra
    • Representatividad
      • Un un ambiente heterogéneo se puede obtener a muestra representativa mediante un muestreo estadístico.
      Muestra Representativa Por conveniencia
    • Muestreo estadístico
      • Conjunto de técnicas que satisfacen las siguientes condiciones:  
        • Se conoce a priori el conjunto de posibles muestras distintas que se pueden obtener.
        • Cada muestra tiene una probabilidad p i de ser elegida.
        • Las muestras se seleccionan aleatoriamente.
        • Los estimadores están definidos y conducen a una única estimación. Son únicos y se conocen a priori.
    • Muestreo estadístico Tipos de muestreo Aleatorio Simple Sistemático Estratificado Conglomerado Mixtos Adaptativo
    • Muestreo aleatorio simple
      • Se debe conocer a priori el marco muestral.
      • Todas las muestras tienen la misma probabilidad de ser escogidas:
      • Se emplea cuando se desea efectuar análisis multivariantes
    •  
    • Muestreo aleatorio simple
      • Se pude calcular el tamaño de muestras par poblaciones finitas a partir de la siguiente ecuación:
      donde
    • Muestreo aleatorio simple
      • Se determina el tamaño de muestra n=10.
      • Se define el marco muestral, N=100.
      • Se seleccionan aleatoriamen-te 10 unidades: 1, 71, 96, 78, 7, 15, 32, 38, 53 y 47.
      • Se toman las muestras co-rres pondientes
    • Estimadores de varianza La varianza en un muestreo aleatorio simple debe calcularse
    •  
    • Muestreo sistemático
      • La probabilidad de selección de una unidad es
      • No requiere de marco muestral.
      • Permite estimar tamaños de muestras para poblaciones finitas bajo muestreo sistemático repetido.
      • Su representatividad se ve comprometida cuando existen gradientes
    • Muestreo sistemático
      • Se determina el tamaño de muestra n=10.
      • calcula k = N/n=100/12  8
      • Se seleccionan aleatoriamen-te una unidad inicial: 3.
      • Las restantes unidades se determinan j = U. inicial+k(i) 3, 11, 19, 27, 35, 43, 51, 69, 77, 85, 93, 1 y se toman las muestras correspondientes
    • Muestreo sistemático. Casos particulares. Muestreo de canteros
    • Muestreo sistemático. Casos particulares. Muestreo de agentes contaminantes
    • Estimadores de la varianza La varianza en un muestreo aleatorio simple debe calcularse, en el caso de muestreos repetidos, mediante
    •  
    • Muestreo estratificado.
      • Estratos: segmentos uniformes internamente, heterogéneos entre si.
      • Se delimitan los estratos.
      • Se determina el número de muestras de muestra total y el número de muestra por estrato mediante:
        • Asignación igual.
        • Asignación proporcional.
        • Asignación óptima.
    • Muestreo estratificado. Asignación igual Asignación proporcional
    •  
    • Muestreo por conglomerados
      • Conglomerados: heterogéneos internamente y homogéneos (equivalentes) entre sí.
      • Seleccionar conglomerados.
      • Muestrear dentro de conglo-merados por cualquier método
    •  
    • Muestreo polietápico
      • Involucran varios pasos de muestreo.
        • Selección de conglomerados, definición de estratos y muestreo sistemático
    • 23 de febrero de 1993
    • Muestreo adaptativo Distribución agregada del analito
    • Muestreo adaptativo. Primera etapa
    • Muestreo adaptativo. Segunda etapa
    • Muestreo adaptativo. Tercera etapa.
    • Muestreo adaptativo Cuarta etapa.
    • Muestreo adaptativo. Quinta etapa. Distribución teórica del analito
    • Estrategia general en el laboratorio
    • Conservación de la muestra
      • Depende del analito o propiedad de interés.
        • Propiedades físicas. Relativamente estables.
        • Propiedades químicas, variable.
        • Actividad biológica, muy susceptible a degradación.
    • Muestra reducida
      • Se obtiene a partir de una o varias porciones iguales de muestra primaria.
      Muestra primaria Muestra reducida Muestra de laboratorio Muestra de análisis Homogeneización Reducción
    • Análisis de la muestra
      • Límite de detección:
      • Límite de identificación:
      • Límite de cuantificación:
      Para que los datos sea confiables, la técnica debe estar bajo control estadístico de calidad. + Al menos se debe conocer :