Saltar al contenido
Omnikalc

Calculadora de concentración por curva de calibrado: concentración de una incógnita y su intervalo de confianza

Introduce la recta de calibrado, la señal de la incógnita y los estadísticos de la regresión para obtener la concentración, su incertidumbre y un intervalo de confianza.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

%

Valor fuera de rango

Resultados

Concentración de la muestra incógnita

29,9200

Incertidumbre típica de la concentración
0,4741
Valor crítico de t
3,1824
Límite inferior del intervalo de confianza
28,411
Límite superior del intervalo de confianza
31,429

Una recta de calibrado transforma una señal en una concentración, pero el resultado conlleva una incertidumbre. La calculadora de concentración por curva de calibrado toma la recta, la señal de la incógnita y los estadísticos de la regresión, y devuelve la concentración, su incertidumbre típica, el valor crítico de t y el intervalo de confianza.

Cómo se hace el cálculo

  • A partir de tu regresión de calibrado, introduce la pendiente m, la ordenada en el origen b, el número de patrones n, la desviación típica residual s y/x, la señal media de los patrones y Sxx, la suma de los cuadrados de las desviaciones de las concentraciones de los patrones.
  • Introduce la señal media y0 de la incógnita y el número de lecturas repetidas k. La concentración es x0 = (y0 − b) ÷ m.
  • Su incertidumbre típica es s(x0) = (s y/x ÷ m) × √(1 ÷ k + 1 ÷ n + (y0 − ȳ)² ÷ (m² × Sxx)).
  • El intervalo de confianza es x0 ± t × s(x0), con t tomado de la distribución t de Student con n − 2 grados de libertad.

Ejemplo

Una recta de calibrado tiene m = 150, b = 12, n = 5 patrones, s y/x = 85, ȳ = 4512 y Sxx = 1000. Una incógnita leída dos veces da una media de 4500. La concentración es (4500 − 12) ÷ 150 = 29,92, y su incertidumbre típica es de 0,4741. Con t = 3,182 para 3 grados de libertad, el intervalo al 95 % va de 28,41 a 31,43.

Por qué es útil

Los químicos analíticos, los laboratorios ambientales y los responsables del control de alimentos deben comunicar una concentración junto con su incertidumbre. Es la fórmula clásica de predicción inversa para un calibrado lineal, y evita el error habitual de dar una cifra sin más.

Conviene saber

La fórmula supone una recta, una varianza constante en todo el intervalo y patrones sin error. Si la recta es curva o si la varianza aumenta con la concentración, utiliza un ajuste ponderado o no lineal. La incógnita debe caer dentro del intervalo de los patrones.

Cómo interpretar el resultado

El intervalo de confianza indica entre qué valores se encuentra la concentración real con el nivel de confianza elegido, siempre que se cumplan las hipótesis anteriores. Un intervalo estrecho refleja un buen ajuste, varias lecturas de la incógnita y una señal próxima al centro de la curva. Si el intervalo resulta demasiado ancho para tu aplicación, revisa primero el número de patrones y su reparto antes de cambiar de método.

Herramientas relacionadas

La calculadora de regresión lineal proporciona la pendiente, la ordenada y la dispersión residual, y la de Beer-Lambert relaciona la absorbancia con la concentración.

Preguntas frecuentes

¿Cómo se halla la concentración de una incógnita con una curva de calibrado?

Mide patrones de concentración conocida, ajusta una recta de la señal en función de la concentración y después lee la incógnita invirtiendo la recta. La concentración es la señal medida menos la ordenada en el origen, dividida entre la pendiente.

¿Por qué depende la incertidumbre de la media de los patrones?

Una recta de calibrado es más precisa cerca del centro de los datos. Cuanto más se aleja la señal de la incógnita de la señal media de los patrones, mayor es la incertidumbre, de ahí el término de distancia al cuadrado respecto a la media.

¿Cómo se reduce la incertidumbre?

Lee la incógnita varias veces, usa más patrones, repártelos en un intervalo más amplio y mantén la incógnita cerca del centro de la curva. Mejorar el ajuste reduciendo la desviación típica residual también ayuda.

¿De dónde salen Sxx y la desviación típica residual?

La mayoría de las herramientas de regresión dan el error típico residual del ajuste. Sxx es la suma de los cuadrados de las diferencias entre la concentración de cada patrón y la concentración media, o también la varianza de las concentraciones multiplicada por n − 1.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.