Definizione dell informazione desiderata
|
|
- Gianmaria Pala
- 8 anni fa
- Visualizzazioni
Transcript
1 Università Ca Foscari di Venezia Dipartimento di Chimica Fisica VALUTAZIOE DEL DATO AALITICO Dr. Ligia Maria Moretto AA. 006/07 1
2 Definizione dell informazione desiderata Scelta del metodo di analisi (necessità di esperimenti preliminari?) Campionamento appropriato Determinazione della quantità di campione in: massa, volume, superficie Preparazione al fine di ottenere il campioni nella forma idonea per l analisi Solido omogeneizzazione Liquido solubilizzazione Gas vaporizzazione Eliminazione dei possibili interferenti Eseguire l analisi chimica: Standard di calibrazione e campione Convertire i dati in risultati numerici Eseguire un analisi statistica Corredare le risposte numeriche con i relativi limiti di errore Interpretare i risultati per risolvere il problema
3 L importanza della valutazione del dato analitico ottenuto in laboratorio 3
4 Grafico dei risultati dello studio interlaboratorio sulla determinazione dell aflatossina nei semi di cacao [Aflatossina] aggiunta Laboratorio Aflatossina totale (ppb) 4 Horwitz, W., Anal.Chem.54 (198) 67A-76A.
5 Valutazione dei dati analitici Replicati: campioni identici analizzati esattamente nello stesso modo. Media: la media di due o più misure si identifica con la media aritmetica. x i= = 1 x i Mediana: la mediana è il valore centrale di un set di dati che sono stati ordinati in ordine di grandezza. E usata spesso quando un set contiene un outlier, cioè un valore che differisce significativamente del resto dei dati. Un outlier può avere un effetto marcato sulla media, ma non sulla mediana.. 5
6 ACCURATEZZA: grado di concordanza tra valore misurato e valore vero. Viene espresso il termini di ERRORE - normalmente errore percentuale. Valore vero di una misura: in generale è sconosciuto. Per determinare l accuratezza di un metodo analitico si può ricorrere a: -materiali di riferimento certificati -confronto con altri metodi d analisi standard - intercalibrazione tra laboratori diversi 6
7 PRECISIOE: grado di concordanza tra misurazioni diverse di un campione eseguite nello stesso modo. Si determina mediante analisi replicata. E espressa mediante la DEVIAZIOE STADARD. 7
8 Ripetibilità e riproducibilità sono due tipi di precisione: RIPETIBILITA : analisi replicata del campione nelle stesse identiche condizioni all interno di un set di misure (within-run precision) RIPRODUCIBILITA : analisi replicata del campione in condizioni diverse (es. diverso giorno, diverso operatore, diverso reagente, etc) (between-run precision) 8
9 A: buona precisione, buona accuratezza B: buona precisione, scarsa accuratezza C: buona accuratezza, scarsa precisione D: scarsa accuratezza, scarsa precisione valore vero valore misurato 9
10 Cifre significative Dato analitico Risultato di una prova Da misura sperimentale umero ottenuto dopo elaborazioni, calcoli, ecc Cifre significative Prestazioni degli strumenti (incertezza della misura) Dal metodo usato Riportare le cifre significative note con la certezza più la prima cifra incerta indicando l intervallo di incertezza. 10
11 Esempio di grandezze e relative incertezze: Bilancia digitale con precisione di ± 0.1 mg ± g Bilancia digitale con precisione di ± 0.0 g 4.00 ± 0.0 g Potenziometro digitale con precisione di ± 1mV 434 ± 1 mv Potenziometro analogico con precisione di ± 5mV 434 ± 5 mv Buretta con divisioni da 0.05 ml e tolleranza di ± 0.03 ml 5.5 ± 0.03 ml Spettrofotometro con precisione di ± A ± A Massa molare di a C O ±
12 Calcoli e arrotondamento Addizione e sottrazione Risultato: deve avere tante cifre decimali quante ne possiede il termine che ne ha di meno incertezza: uguale alla radice quadrata della somma dei quadrati delle singole incertezze (10.1 ± 0.)+ (3.3 ± 0.01)+ ( ± 0.05) = Incertezza: ( 0.) + ( 0.01) + ( 0.05) = ± 0. 1
13 Moltiplicazione e divisione Calcoli e arrotondamento Risultato: deve avere tante cifre decimali quante ne possiede il termine che ne ha di meno incertezza: radice quadrata della somma dei quadrati delle singole incertezze, espresse come percentuale rispetto al valore cui si riferiscono. ( 56 ± 1) ( ± 0.00) ( 15.0 ± 0.5) ( 39.7 ± 0.15) = Incertezza: = % = ±
14 Errore assoluto di una misura è la differenza, compreso il segno, tra il valore misurato (x i ) e il valore vero (x t ) E= x x i t Errore relativo di una misura è dato dall errore assoluto diviso per il valore vero E r = x i x t x t 100% Tipi di errori nei dati sperimentali 1. errori sistematici (o determinati): influenzano l'accuratezza. errori casuali (o indeterminati): influenzano la precisione 3. errori grossolani (responsabili per gli outliers) 14
15 1. Errori sistematici: Errori strumentali: causati da malfunzionamento degli strumenti, strumenti starati, instabilità sorgenti di energia, ecc. controllo: calibrazione periodica degli strumenti, ecc Errori di metodo: sono i più difficili da identificare e correggere. Es: incompletezza di reazioni, perdita per evaporazione, adsorbimento di analita, interferenti, ecc. Rivelazione: analisi di campione standard, analisi indipendenti, determinazione del bianco, usare metodo analitico diverso. Errori personali: es: stima posizione indicatore, colore di una soluzione, livello del menisco di un liquido, ecc. Minimizzazione:attenzione e autodisciplina, controllo dati di partenza, calcoli, ecc. 15
16 . Errori casuali: Errore casuale o errore indeterminato: Deriva dall effetto prodotto dalla presenza di variabili incontrollate (o incontrollabili) nelle misure. L errore casuale ha identiche probabilità di essere positivo o negativo. La statistica fornisce strumenti utili per decidere di accettare conclusioni che hanno elevata probabilità di essere corrette e rifiutare altre che non ne hanno. 16
17 Tabella 1. Dati replicati per la calibrazione di una pipetta da 10 ml (dati riportati nell ordine ottenuto) prova Volume (ml) prova Volume (ml) prova Volume (ml) 1 9, , ,976 9, , , , , , , , , ,975 9, , ,98 3 9, , , , , ,98 5 9, ,98 9 9, , , , , , , , , , , , , , , , , , ,98 3 9, , , , , , ,983 Distribuzione di frequenza dei dati della tabella 1. Volume in ml nell'intervallo umero di prove a a a a a a a a a % Volume medio = 9.98 ml Volume mediano = 9.98 ml Range o dispersione = 0.05 ml Deviazione standard = ml 17
18 Curva Gaussiana o curva normale degli errori La Gaussiana rappresenta la frequenza relativa y di varie deviazioni dalla media in funzione della deviazione dalla media. Data: Data9_Count Model: Gauss 0 15 Chi^ = R^ = y ± xc ± w ± A ± frequenza intervallo dei valori misurati 18
19 y = e ( x µ ) / σ σ π Dove: µ = media σ = deviazione standard 1.0 µ frequenza relativa 0.5 σ curva gaussiana normale : è una curva gaussiana in cui µ = 0 e σ = z=(x-µ)/σ 19
20 Intervallo percentuale misure µ ± 1σ 68.3 % La probabilità di ottenere un valore di z compreso in un certo intervallo equivale all area di quell intervallo. µ ± σ 95.5 % µ ± 3σ 99.7 % 0
21 Trattamento statistico dell errore casuale Proprietà di una curva Gaussiana Espressa in termini di: media della popolazione µ e deviazione standard della popolazione σ. POPOLAZIOE: il numero infinito di dati viene definito una popolazione o universo di dati. µ = media lim i= 1 x i σ = Deviazione standard i= 1 ( x µ) i CAMPIOE: un numero finito di osservazioni sperimentale viene definito un campione di dati media Deviazione standard x i= = 1 x i s = i= 1 ( x ( i x) 1) (-1) = numero di gradi di libertà 1
22 Misura della precisione Deviazione standard del campione: s = i= 1 ( x ( i x) 1) Varianza: s = i= 1 ( x i x) 1 Deviazione standard relativa: RSD = ) 1000 ( x s s Coefficiente di variazione: CV = ( ) 100 x
23 Esempio: el corso di una analisi replicata relativa al contenuto di piombo nel sangue, sono stati ottenuti i seguenti risultati: ,756 0, ppm di Pb Calcolare la media e la deviazione standard di questo insieme di dati. Eq. 3.4 : riarrangiamento dell equazione di s s = i= 1 x i ( i= 1 x 1 i ) Fare con foglio excell o origin! 3
24 Per l insieme dei dati dell esempio precedente, calcolare: a) la varianza b) la deviazione standard relativa in parti per mille c) il coefficiente di variazione d) la dispersione X = ppm Pb s = ppm Pb 0,75 0,756 A) s = (0.0038) = 1.4x10-5 0,751 B) RSD = (0.0038/0.754)x1000 = 5.0 ppt c) CV = (0.0038/0.754)x100 = 0.5% media sdt dev varianza 0,760 0,75 0,754 0, , D) w = =
25 Si esegue un analisi per la determinazione delle proteine in un lotto di proteina nitrogenasi ferro-molibdeno in soluzione 0.1 M acl ph 7.35 con tampone tris. I valori trovati per i cinque campioni sono: 7.5, 8.3, 9.0, 8.5 e 8. mg di proteina per ml. Calcolare il valore medio della concentrazione della proteina e la mediana delle misure, la deviazione standard, la deviazione standard relativa e la dispersione. Media: x xi ( ) i = x = = 8.3mg/L 5 Dati ordinati: 7.5, 8., 8.3, 8.5, 9.0 Mediana: 8.3 mg/l Deviazione standard: s = i= 1 ( x i ( x) 1) 0.54 mg/l Deviazione standard relativa: RSD = (s/x)100 = (8.3/0.54)x100= 1.9% Dispersione: w = = 1.5 mg/l 5
26 L affidabilità di s come misura della precisione Raccolta di dati per aumentare l affidabilità di s Deviazione standard cumulata s cumulata = 1 ( xi x ) + 1 i= 1 j= ( x j +... x t ) +... Dove: 1 è il numero di dati nell insieme 1, è il numero di dati nell insieme, ecc. t è il numero degli insiemi di dati che sono campionati. 6
27 E stato determinato il mercurio in sette pesci pescati nella Baia di Chesapeake con un metodo basato sull assorbimento di una radiazione da parte del mercurio gassoso elementare. Calcolare una stima accumulata della deviazione standard per il metodo utilizzato, basata sulle prime tre colonne di dati: Campione campioni analizzati [Hg] (ppm) [Hg] Media (ppm) Somma quadrati deviazione dalla media Calcolo della media (4 colonna): X= ( )/3= Somma dei quadrati della deviazione della media: misure ,1.58, , 0.98, 1.0, , , 1.93,.1,.16, 1.89, ,0.58, 0.64, ,.44,.70,.48, , 1.15, 1., Somma dei quadrati ( ) +( ,58) +( ) = s s cum cumulata = = 1 ( xi x1 ) + i= 1 j= S cum = 0.10 ppm Hg ( x Si noti che viene perso un grado di libertà per ognuno dei sette campioni. Poiché restano più di 0 gradi di libertà, comunque il valore calcolato di s può essere considerato una buona Approssimazione di σ, ovvero s σ = 0.10 ppm Hg. 7 j x t ) +...
28 LIVELLI DI FIDUCIA O DI COFIDEZA Limiti di fiducia: definiscono un intervallo intorno a xche con una certa probabilità contiene µ. Intervallo di fiducia: è definito dai limiti di fiducia ed si riferisce alla probabilità che la vera media µ si trovi ad una certa distanza della media misurata x. Livello di fiducia: fissa i limiti entro cui deve trovarsi il valore vero. LF per µ = x ± zσ LF per µ = x ± zσ Livelli di fiducia, % z
29 ITERVALLO DI FIDUCIA QUADO σ O E E OTA: la t di Student Un singolo insieme di misure replicate non solo deve fornire una media, ma anche consentire una stima della precisione. Il valore di s calcolato da un piccolo insieme di dati può essere piuttosto incerto. quindi: i limiti di fiducia sono necessariamente più ampi! Parametro t: tiene in considerazione la variabilità di s t = x µ s Livello di fiducia per la media x di misure replicate: µ = x ± ts 9
30 t di Student Valori per t per vari livelli di fiducia Gradi di libertà Fattore relativo all'intervallo di fiducia 80% 90% 95% 99% 99,9%
31 Il test t viene utilizzato per confrontare fra loro due serie di misure, al fine di decidere se esse sono o non sono in accordo. Ipotesi nulla: i valori medi non differiscono tra loro Statistica: fornisce una stima della probabilità che la differenza osservata sia dovuta semplicemente a errori casuali. Decisione arbitraria: Si rifiuta l ipotesi nulla nel caso in cui le probabilità di ottenere la differenza osservata a causa di errori casuali siano inferiore al 5%. In base a questo criterio vi è il 95% di probabilità che le relative conclusioni siano vere. t calc > t tab : risultati sono diversi t calc < t tab : risultati sono statisticamente identici 31
32 Caso esempio 1: COFROTO TRA RISULTATO MISURATO E VALORE VERO Campione di riferimento (materiale certificato): carbone con 3.19% di zolfo Risultati ottenuti con un nuovo metodo analitico: 3.9%, 3.30 %, 3.% e 3.3% media = 3.6% deviazione standard = 0.04 Il nuovo metodo è valido? Calcoliamo il valore di t per questo set di misure e lo confrontiamo con il valore tabulato: µ = x ± ts t calc t calc = = x x " vero" s = 3.4 Dalla tabella: al 95% con 3 gradi di libertà: t tab = 3.18 t calc > t tab il risultato ottenuto è diverso dal valore vero 3
33 Considera l esempio della determinazione del mercurio nei pesci visto prima. Calcolare i limiti di fiducia all 80% e al 95% per (a) il primo dato (1.80 ppm di Hg) e (b) il valore medio (1.67 ppm di Hg) per il campione 1. Assumere in ogni caso che s σ=0.1. Dalla tabella t si ricava:t=1.9 per LF 80% t=1.96 per LF 95% Per una misura: 1.9x0.10 LF80 % = 1.80 ± = 1.80 ± x0.10 LF95 % = 1.80 ± = 1.80 ± Osservando questi dati, si conclude che ci sono 80 probabilità su 100 che µ, la media della popolazione (ovvero, in assenza di errori sistematici, il valore vero) abbia un valore compreso tra 1.67 e 1.93 ppm di Hg. Inoltre, c è una probabilità del 95% che essa abbia un valore compreso tra 1.60 e.00 ppm Hg. Per tre misure: 1.9x0.10 LF80 % = 1.67 ± = 1.67 ± x0.10 LF95 % = 1.67 ± = 1.67 ± Cosi, la probabilità che la media della popolazione sia compresa tra 1.60 e 1.74 ppm di Hg è 80 su 100, mentre è di 95 su 100 che la media sia compresa tra 1.56 e 1.78 ppm. 33
34 Confronto tra due metodi Si vuole valutare un nuovo metodo di preparazione del campione per la determinazione della concentrazione di acido palmitico nell olio di semi di lino mediante gascromatografia, previa esterificazione del campione. ella seconda e terza colonna della tabella vengono riportati i risultati ottenuti dall analisi di campioni di olio provenienti da diversi fornitori. Ci si chiede, al livello di probabilità del 95% e del 99%, se i risultati dei due metodi possono ritenersi diversi. Campione Metodo Standard uovo metodo d i d i =differenza tra i valori nei due metodi A B D: media dei valori di d i = C D E s D ( d = i D) 1 s D = F Valore medio =D D 0.07 ± t = ± = 6 = s t calc D Dalla tabella t, per =6, t 95 =.57 e t 99 =4.03; dal confronto con t calc =1.13 si conclude che i due metodi danno risultati si conclude che i due metodi danno risultati statisticamente coincidenti sia al 95% che al 99% di probabilità. Ricordare che più grande è il valore di t calc, più si è certi che due risultati siano diversi! 34
35 E stato determinato il mercurio in sette pesci pescati nella Baia di Chesapeake con un metodo basato sull assorbimento di una radiazione da parte del mercurio gassoso elementare. Calcolare una stima accumulata della deviazione standard per il metodo utilizzato, basata sulle prime tre colonne di dati: Campione campioni analizzati [Hg] (ppm) [Hg] Media (ppm) Somma quadrati deviazione dalla media Calcolo della media (4 colonna): X= ( )/3= Somma dei quadrati della deviazione della media: misure ,1.58, , 0.98, 1.0, , , 1.93,.1,.16, 1.89, ,0.58, 0.64, ,.44,.70,.48, , 1.15, 1., Somma dei quadrati ( ) +( ,58) +( ) = s s cum cumulata = = 1 ( xi x1 ) + i= 1 j= S cum = 0.10 ppm Hg ( x Si noti che viene perso un grado di libertà per ognuno dei sette campioni. Poiché restano più di 0 gradi di libertà, comunque il valore calcolato di s può essere considerato una buona Approssimazione di σ, ovvero s σ = 0.10 ppm Hg. 35 j x t ) +...
36 Quante misure replicate del campione 1 dell esempio del Hg sono necessarie per ridurre l intervallo a ± 0.07 ppm di Hg ad un livello di fiducia del 95%? L intervallo di fiducia (IF) è dato dal secondo termine sulla destra dell equazione: IF = ± zσ quindi: IF = 0.07 = ± zσ = ± = 7.8 Con otto misure e di conseguenza una probabilità leggermente superiore al 95% si potrebbe ottenere una media della popolazione compresa nell intervallo ±0.07 ppm rispetto alla media sperimentale. 36
37 Un chimico ha ottenuto i seguenti risultati relativi al contenuto di alcol in un campione di sangue: 0.084%, 0.089% e 0.079%. Calcolare i limiti di fiducia della media al 95% assumendo che: a) on si ha alcuna conoscenza aggiuntiva sulla precisione del metodo; b) Sulla base di esperienza precedenti, si sa che s σ= 0.005% di alcol. a) s x ( i x = 1 i ) / s = % C H 5 OH In questo caso, la media è 0.5/3= Dalla tabella t=4.30 per due gradi di libertà e al livello di fiducia del 95%. Cosi: 95% LF b) ts = x ± = ± 3 Poiché è disponibile un valore accettabile di σ: =0.084±0.01% C H 5 OH 95% LF = x ± ts = ± 3 =0.084±0.006% C H 5 OH Si nota che l intervallo di fiducia decresce notevolmente quando σ è nota. 37
38 Confronto tra la media sperimentale e il valore vero BIAS (errore sistematico) µ A =µ v µ B BIAS 38
39 ESEMPIO Si desidera valutare l esattezza di un nuovo metodo di analisi elettrochimica del cobalto nelle ceneri di inceneritori comunali. Allo scopo, un operatore analizza ripetutamente il materiale di riferimento certificato CRM176 (cenere di inceneritore cittadino contenente la concentrazione di analita C Co = 30,9 mg/kg). I risultati delle 11 analisi sono i seguenti : C Co (mg/kg) : 8,9; 9,8; 9,9; 30,6; 8,5; 31,; 3,1; 30,6; 30,9; 31,7; 30,0 Il risultato del bianco non è significativamente diverso da zero. Valutare l esattezza del risultato fornito dal nuovo metodo (P = 95%). Calcolo del valore medio e stima della deviazione standard: C mco = 30,38 mg/kg s = 1,103 mg/kg t 1-α/,10 =,8 Intervallo di fiducia: s t1 α /, 10 = Risultato: C exp = 30,38 ± 0,74 mg/kg (α = 0,05; ν = 10) L intervallo di fiducia comprende il valore certificato, 30,9 mg/kg, e quindi non si ha evidenza di bias nei limiti del livello di fiducia prescelto. 39
40 E stata verificata una nuova procedura per la rapida determinazione dello zolfo nei cheroseni; è noto è noto dal suo metodo di preparazione cheil campione analizzato contiene lo 0.13% (x v =0.13) di S. I risultati sono stati: %S: Sulla base di questi dati è possibile affermare che il metodo presenta un errore sistematico? xi = = x = 0.464/4 = % S x x v = = %S xi = = s = (0.464) 4 1 / 4 = Per LF 95% e tre gradi di libertà, t=3.18. Quindi: ts 4 = = ± Ci si può aspettare che una media sperimentale presenti deviazioni di ± o maggiori non più frequentemente di 5 volte su 100. Cosi, se concludiamo che x x è una differenza significativa e che un errore v = sitematico è presente, ci sbaglieremo, in media, meno di 5 volte su
41 Confronto tra due medie sperimentali x 1 x = ± ts cumulata E stato analizzato il contenuto di alcool di due botti di vino, per determinare se essi avessero origine diversa. Sulla base di sei analisi, è stato stabilito che il contenuto medio in etanolo della prima botte è 1,61%. Per la seconda botte, la media di quattro analisi è risultata 1.53% di alcool. Le dieci analisi hanno prodotto un valore cumulato di s pari allo 0.070%. Sulla base di questi dati, è possibile affermare che c è una differenza tra i due vini? In questo caso è possibile impiegare l equazione sopra, utilizzando t per otto gradi di libertà (10-). Al livello di fiducia del 95%: ± ts = ± = 0.10% 6 4 ± 1 La differenza osservata è: x x = % 1 = Con una media di 5 volte su 100 l errore casuale causerà una differenza pari a 0.10%. Al livello di fiducia del 95% dunque, non è stata 41 dimostrata alcuna differenza tra i contenuti di alcool nei due vini!
42 DETERMIAZIOE DI ERRORI GROSSOLAI Quando un insieme di dati contiene un risultato che sembra differire eccessivamente dalla media (outlier), bisogna adottare dei criteri opportuni per decidere se scartalo o meno. Gli outliers o dati anomali sono il risultato di errori grossolani on esiste una regola universale che consenta di decidere di scartare o di accettare un outlier! Il test Q: Qsper = xq xn / X q : risultato dubbio w x n : risultato più vicino al risultato dubbio w : dispersione (differenza tra il valore più grande e quello più piccolo dell insieme) Confrontare Q sper con Q crit dalla tabella: Se Q sper > Q crit : SCARTARE CO L ITERVALLO DI FIDUCIA IDICATO ELLA TABELLA. 4
43 Il test Q: d x 1 x x 3 x 4 x 5 x 6 w d = x 6 x 5 w = x 6 x 1 Q sper = d/w Se Q sper > Q crit allora si scarta x 6 43
44 CIFRE DI MERITO PER VALUTARE LA PRECISIOE DEI METODI AALITICI Termini Definizione Deviazione standard assoluta Deviazione standard relativa (RSD) s = i= 1 ( x RSD = i x) 1 s x Deviazione standard della media (S m ) s m = s Coefficiente di variazione (CV) CV 100% = x s Varianza s xi = valore numerico dell iesima misura x i= = 1 x i = media di misure 44
45 Applicazione della statistica alle misure effettuate nell analisi chimica METODO DI TARATURA Curva di taratura Metodo delle aggiunte standard Standard interno 45
46 DETERMIAZIOE QUATITATIVA: Curva di calibrazione (retta di taratura) La curva di calibrazione ricavata sperimentalmente riporta una quantità misurata, y, (segnale - variabile dipendente) in funzione della concentrazione nota, x, (serie di standard - variabile indipendente). 0.5 La composizione degli standard deve essere quanto più possibile vicina a quella del campione incognito! 0.4 Absorbance [Pb] / mg L -1 Concentrazione nel campione trovata per interpolazione Retta di calibrazione per l analisi del piombo tramite AAS. Un campione che presenta una assorbanza di 0.3 dovrebbe avere una concentrazione di Pb di 1 mg L-1. 46
47 Retta di taratura Determinare l equazione di regressione della retta di taratura. Controllare che il coefficiente di determinazione (R ) sia il più possibile vicino a 1. Controllare ed eventualmente scartare i punti aberranti. Controllare che l intercetta sia significativamente diversa da zero. Se questo non si verifica, indagare sulle cause. Determinare le concentrazioni incognite, magari su campioni replicati più volte, con il relativo intervallo di fiducia. Riutilizzare la retta in più sessioni analitiche, fino a quando i reagenti con i quali è stata determinata non sono terminati. Per sicurezza si possono preparare ogni volta uno o più standard di controllo, verificando che i segnali misurati cadano entro l intervallo di fiducia della misura attesa. 47
48 Sensibilità di un metodo La sensibilità (S) di un metodo è data dal rapporto tra la variazione del segnale (dy) in funzione della corrispondente variazione della concentrazione (dx), che esprime la variazione del segnale per ogni variazione di concentrazione unitaria S = dy dx Corrisponde alla pendenza della retta di calibrazione 48
49 Il metodo dei minimi quadrati per la realizzazione di curve di calibrazione A causa degli errori indeterminati associati al processo di misurazione, non tutti i dati si trovano esattamente sulla retta. Per cercare di derivare la migliore retta che interpoli i punti si usa la tecnica statistica chiamata analisi di regressione - essa consente di ottenere tale retta in maniera obiettiva e di specificare le incertezza associate. Useremo il metodo dei minimi quadrati. La retta di calibrazione viene definita algebricamente come: dove: Y i = mx i + b Y i è il risultato analitico X i è la concentrazione dell analita corrispondente a Y i m è la pendenza della retta (ossia la sensibilità del metodo) b è una costante chiamata intercetta, che rappresenta il valore di Y i quando X i = 0. (non considerare questo valore contribuisce all errore sistematico del metodo). 49
50 Metodo dei minimi quadrati: Si considera che: -ci sia una relazione lineare tra y e x - ai valori di x non viene associato errore Y i 10 8 Ŷ i Y (segnale) 6 4 Linear Regression for Data1_B: Y = A + B * X X (concentrazione) Parameter Value Error A B R SD P <
51 segnale 4,0 3,5 3,0,5,0 1,5 1,0 06/03/007 1:06 "/Graph1" (454165)] Linear Regression for Data1_B: Y = A + B * X Parameter Value Error A 0,5674 0,1583 B,0951 0, Deviazione standard dell intercetta Deviazione standard della pendenza 0,5 0,0 0,0 0, 0,4 0,6 0,8 1,0 1, 1,4 1,6 1,8 Conc analita Y = 0,5674 +,0951 X R SD P , , ,8034E Deviazione standard della retta di regressione ± ts È analoga alla deviazione standard di dati monodimensionali 51
52 DETERMIAZIOE QUATITATIVA: Metodo dell aggiunta standard Si basa su la relazione lineare tra segnale e concentrazione. È particolarmente indicato quando la composizione del campione è incognita o difficile da riprodurre. [Cu] campione Altezza del picco / cm lettura del campione incognito Retta delle aggiunte standard. La concentrazione nel campione è determinata per estrapolazione alla ascissa. In questo caso la concentrazione di rame nel campione è di 3.3 mg L [Cu] aggiunto /mg L -1 5
53 Aggiunta standard Effetto matrice 53
54 Metodo dell aggiunta standard o multipla Determinare l equazione di regressione della retta dei risultati delle aggiunte Controllare che il coefficiente di determinazione (R ) sia il più possibile vicino a 1. Controllare ed eventualmente scartare i punti aberranti. Controllare che l intercetta sia significativamente diversa da zero. Se l intercetta non è diversa da zero, esprimere un responso negativo (analita assente o inferiore ai limiti di rivelabilità o di quantificazione). Determinare la concentrazione incognita ponendo y (segnale) = 0 e calcolare l intervallo di fiducia. 54
55 L analisi dell acido ascorbico presente in una soluzione campione con il metodo dell aggiunta multipla, mediante la tecnica della voltammetria differenziale ad impulsi ha fornito il seguente risultato: Determinare la concentrazione incognita e l intervallo di fiducia. [AA] aggiunto µg/l 0 (Campione) I p (µa) Equazione della retta di regressione: Ip = C Ip (ma) [AA] (µg/l) Coefficiente di determinazione: R = Valore della concentrazione incognita: si trova in corrispondenza di Ip = 0. C = 1.6 µg/l di AA Intervallo di fiducia del valore della concentrazione incognita: Per α= 0.05 (p= 0.95) e v = si ha: t= Intervallo di fiducia = 7.4 b 0 ± t α ; ν. n 1 ( s n b s 1 ) + n x ( xi ) n y 1 x xi Si puo affermare con 95% di possibilità di non sbagliare che la retta passa per lo zero, cioè, si puo ragionevolmente affermare che il campione O 55 COTIEE ACIDO ASCORBICO.
56 Ip (ma) y = 15,57x + 4,85 R = 0,995 Fiducia al 95% per l intercetta [AA] (µg/l) ts ± = ± = B DATA1B UCL LCL 800 Y Axis Title X Axis Title Linear Regression for DATA1_B: Y = A + B * X Parameter Value Error A 4,85 9,15163 B 15,57 0, R SD P , , ,
57 RAGE DIAMICO E LIEARE Il range è l intervallo di concentrazione esplorato nel corso delle misurazioni. Il range dinamico è l'intervallo di concentrazione nel quale il segnale varia con la concentrazione: i limiti inferiore e superiore del range dinamico corrispondono, rispettivamente, al limite di rivelabilità ed alla più alta concentrazione alla quale un incremento di concentrazione produce ancora un incremento di segnale. Il range lineare esprime l'intervallo di concentrazione nel quale il segnale varia linearmente con la concentrazione. La costruzione del diagramma di calibrazione implica l adozione di un metodo di regressione. Quello più generalmente adottato è il metodo di regressione lineare ordinaria dei minimi quadrati (OLLSR). 57
58 [Analita]/mg/L ABS 1 0,03 0, , , , ,11 8 0, , ,51 0 0,3 5 0, , ,5 40 0, ,6 50 0,64 ABS 0,7 0,6 0,5 0,4 0,3 0, 0,1 0, [analita] /mg/l 58
59 DETERMIAZIOE QUATITATIVA: Metodo dello standard interno Lo standard interno è una specie chimica diversa dall analita, che viene aggiunta in quantità nota al campione incognito. La quantificazione viene fatta dal confronto tra il segnale dell analita con il segnale dello standard interno Quando si usa: Sono piu usati in cromatografia. quando la quantità di campione varia da una prova all altra in condizioni difficili da controllare; Per aiutare a identificare un evento di perdita del campione durante il processo analitico Lo standard interno deve avere proprietà note e stabili. 59
60 Metodo dello standard interno: è il metodo di quantificazione più usato nell analisi gascromatografica, in quanto consente di ottenere risultati più accurati ed affidabili, soprattutto se applicato al metodo della retta di taratura. In pratica, non si fa riferimento al picco dell analita, ma al rapporto dell area di questo e l area di un componente (lo standard interno), aggiunto in quantità nota alla miscela da analizzare. In questo modo si prepara la retta di taratura ovviando a problemi tecnici quali la riproducibilità del sistema di iniezione ed eventuali derive della sensibilità del rivelatore. La sostanza scelta come standard interno deve obbedire ad una serie di requisiti: non essere presente nel campione da analizzare; Essere stabile termicamente; Fornire un picco cromatografico ben risolto (non sovrapposto) da quello degli altri componenti Avere un tempo di ritenzione simile a quello dei componenti da determinare; Essere strutturalmente simile a questi ( e quindi avere un fattore di risposta simile) Essere sufficientemente pura e non reagire con i componenti del campione. 60
61 segnale del rivelatore Campione incognito Standard interno Le aree relative ai segnali dell analita e dello standard interno consentono di ricavare la quantità di campione incognito. Tempo (min) E necessario conoscere la risposta strumentale del rivelatore allo standard interno nei confronti di quella dell analita. 61
62 Segnale misurato Zona di quantificazione Segnale dovuto al solo analita Zona di rivelazione Segnale al Limite di quantificazione: sf+10σb 10σ b Valore medio del segnale del fondo sf 3σ b Segnale al Limite di rivelabilità: sf+3σ b zero Probabilità di ottenere il segnale 6
63 LIMITE DI RIVELABILITÀ E DI QUATIFICAZIOE Il limite di rivelabilità, o minima quantità rivelabile, ldr o lod (limit of detection) o DL (detection limit), è la concentrazione di analita che produce un segnale significativamente diverso da quello del bianco, ovvero la concentrazione corrispondente al minimo segnale significativo, S s. S s è un segnale vicino a quello del bianco (soluzione in cui l'analita è virtualmente assente) ma da esso significativamente differente, e quindi assegnabile all'analita sulla base di un criterio specifico. La definizione del DL discende dal criterio usato per accertarsi che il segnale sia significativamente diverso da quello del bianco. Il DL espresso in unità di concentrazione si ricava da S s tramite la curva di calibrazione. DL = 3σ b Segnale ldr S s. m Concentrazione 63
64 Stabilire il limite di rivelabilità e il limite di quantificazione per la determinazione del rame in voltammetria di stripping anodico a impulsi differenziali. Determinare la concentrazione incognita e l intervallo di fiducia. Misure del bianco (na) [Cu] aggiunto µg/l 0 (Campione) I p (na) I (na) [Cu] agg (µg/l) Equazione della retta di regressione: Coefficiente di determinazione: R = Ip = C + 9 Deviazione standard del bianco: s b = 30.4 Valore della concentrazione incognita: si trova in corrispondenza di Ip = 0. C = 51.5 (± )µg/l di AA Limite di rivelabilità: Limite di quantificazione: DL = 3σ b /m QL = 10σ b /m DL = µg/l QL = µg/l
65 In teoria, per valutare il ldr (lod) è quindi necessario eseguire un numero adeguato di misurazioni replicate del bianco, in modo da stimare la distribuzione del segnale ad esso relativo (per ipotesi affetto da rumore Gaussiano). È quindi possibile individuare il minimo segnale significativo, S s. Avendo scelto come limite decisionale un segnale a nostro giudizio maggiore di quello medio del bianco. Frequenza relativa µ B -4σ µ B -σ µ B µ B +σ µ B +4σ Segnale ammettiamo di poter individuare la presenza dell analita ogni volta che il segnale del campione in esame risulta maggiore del segnale prescelto. 65
66 Riportando in grafico i punti sperimentali, si può notare che la sensibilità (segnale/concentrazione) è circa uguale a 15 u.a. (stima grafica), ed è costante fino a livelli di concentrazione dell ordine di 70 nl/l. Il range dinamico sembra estendersi da 0,1 nl/l a circa di 90 nl/l Segnale (u.a.) Concentrazione (nl/l) Il range lineare si estende, approssimativamente, fino a C = nl/l. 66
67 CRITERI UMERICI PER LA SCELTA DI U METODO AALITICO Precisione Accuratezza Criterio Cifra di merito Deviazione standard assoluta, deviazione standard relativa, coefficiente di variazione, varianza Errore sistematico assoluto, errore sistematico relativo Sensibilità Sensibilità di calibrazione, sensibilità analitica Limite di rivelabilità Intervallo di concentrazione Bianco più tre volte la deviazione standard Dalla concentrazione relativa al limite di misurazione quantitativa (LOQ) alla concentrazione limite di risposta lineare (LOL) Seletività Coefficiente di selettività 67
68 L importanza dell incertezza di misurazione è stata pienamente recepita dalla norma UI CEI E ISO/IEC Stima dell'incertezza di misura (dalla UI CEI E ISO/IEC 1705) Un laboratorio di taratura, o un laboratorio di prova che esegue le proprie tarature, deve avere e deve applicare una procedura per stimare l'incertezza di misura per tutte le tarature e tipi di taratura I laboratori di prova devono avere e devono applicare procedure per stimare l'incertezza delle misure. In certi casi la natura dei metodi di prova può escludere il calcolo dell'incertezza di misura rigoroso e valido dal punto di vista metrologico e statistico. In questi casi il laboratorio deve almeno tentare di identificare tutte le componenti dell'incertezza e fare una stima ragionevole, e deve garantire che l'espressione del risultato non fornisca un'impressione errata dell'incertezza. Una stima ragionevole deve essere basata sulla conoscenza del metodo e sullo scopo della misura e deve far uso, per esempio, delle esperienze precedenti e della validazione dei dati. 68
69 (dalla UI CEI E ISO/IEC 1705) ota 1 Il livello di rigore necessario in una stima dell'incertezza di misura dipende da fattori come: - i requisiti dei metodo di prova; - i requisiti dei cliente; - l'esistenza di limiti stretti su cui sono basate le decisioni della conformità ad una specifica. ota In quei casi in cui un metodo di prova ben conosciuto specifica i limiti delle maggiori sorgenti di incertezza e specifica la forma di presentazione dei risultati calcolati, si ritiene che il laboratorio abbia soddisfatto questo punto, seguendo i metodi di prova e le istruzioni per la presentazione dei risultati (vedere 5.10). 69
70 (dalla UI CEI E ISO/IEC 1705) Quando si stima l'incertezza di misura, devono essere prese in considerazione, utilizzando appropriati metodi di analisi, tutte le componenti dell'incertezza che sono di rilievo in una data situazione. ota 1 Le fonti che contribuiscono all'incertezza di misura includono, in modo non esaustivo, i campioni di riferimento e i materiali di riferimento utilizzati, i metodi e le apparecchiature utilizzate, le condizioni ambientali e le condizioni degli oggetti da provare o da tarare, e l'operatore. ota Il comportamento previsto a lungo termine dell'oggetto sottoposto a prova e/o taratura non è, di regola, preso in considerazione quando si stima l'incertezza di misura. ota 3 Per ulteriori informazioni vedere ISO 575 e la Guida all'espressione dell'incertezza di misura (vedere bibliografia). 70
71 (dalla UI CEI E ISO/IEC 1705) Rapporti di prova In aggiunta a quanto indicato in 5.10., i rapporti di prova devono includere, se necessario per l'interpretazione dei risultati, quanto segue: c) quando applicabile, una dichiarazione circa l'incertezza di misura stimata; informazioni circa l'incertezza sono necessarie nel rapporto di prova quando ciò influisce sulla validità o sull'applicazione dei risultati di prova, quando le istruzioni dei cliente lo richiedono, o quando l'incertezza ha influenza sulla conformità con un limite specificato; 71
72 Dai primi anni 80 sono stati proposti numerosi modelli per la stima dell incertezza di misurazione. Un primo modello, proposto da Wernimont [1], prevedeva la valutazione dell UOM per mezzo delle stime di precisione eseguite in prove di confronto interlaboratorio (method-performance inter- laboratory studies). Successivamente, ISO ha proposto un modello completamente differente, noto come bottom-up (o o error-budget, o component-by by- component ), basato sui principi di propagazione degli errori. Le linee guida del modello sono descritte nella Guide to the expression of uncertainty in measurement [], (nota come GUM). Il modello bottom-up è stato poi adottato da EURACHEM [3]. 1. G.T. Wernimont, Use of statistics to develop and evaluate analytical methods, AOAC, Arlington, VA, 1. G.T. Wernimont, Use of statistics to develop and evaluate analytical methods, AOAC, Arlington, VA, (1985) (1985). ISO, Guide to the expression of uncertainty in measurement, Geneva (1993). ISO, Guide to the expression of uncertainty in measurement, Geneva (1993) 3. EURACHEM, Quantifying uncertainty in analytical measurement, 1st Ed. (1995) 3. EURACHEM, Quantifying uncertainty in analytical measurement, 1st Ed. (1995) 7
73 In seguito alle perplessità avanzate da numerosi operatori, l Analytical Methods Committee (AMC) della Royal Society of Chemistry (RSC) ha proposto un modello [4], noto come top-down, basato su quello di Wernimont. Due anni dopo MKL (ordisk Metodik Komité for Levnedsmidler), giudicando il modello bottom-up più adatto a misurazioni fisiche che a misurazioni chimiche, ha sviluppato un modello alternativo più semplice e, allo stesso tempo, utile alla stima dell incertezza complessiva connessa con l intera procedura analitica totale [5]. Almeno in linea di principio, la norma UI CEI E ISO/IEC 1705 ha adottato il modello bottom-up, riferendosi esplicitamente alla GUM nelle sue linee guida. 4. Analytical Methods Committee, Uncertainty of Measurement: Implications of Its Use in Analytical 4. Analytical Methods Committee, Uncertainty of Measurement: Implications of Its Use in Analytical Science, Analyst, 19 (1995) 303 Science, Analyst, 19 (1995) MKL Procedure. 5, Estimation and expression of measurement uncertainty in chemical analysis, 5. MKL Procedure. 5, Estimation and expression of measurement uncertainty in chemical analysis, MKL (1997) MKL (1997) 73
74 Successivamente, la seconda edizione della Guida EURACHEM [6] e la IUPAC [7] hanno proposto, per la stima dell incertezza di misurazione, di usare anche i dati acquisiti nel corso di studi di validazione (modello bottom-up integrato). Infine, Barwick ed Ellison [8] hanno predisposto un protocollo per utilizzare i risultati degli studi di validazione nella stima dell incertezza di misura. In pratica l approccio, sempre del tipo bottom-up integrato, descrive come i dati ottenuti nei test di robustezza permettano di valutare opportunamente tutte le sorgenti d incertezza non considerate dagli studi di esattezza e precisione. 6. EURACHEM, Quantifying 6. EURACHEM, Quantifying uncertainty uncertainty in in analytical measurement, nd Ed. (000) analytical measurement, nd Ed. (000) 7. Report on the FAO, 7. Report on the FAO, IAEA, IAEA, AOAC AOAC Int., Int., IUPAC IUPAC International International Workshop Workshop on on Principles Principles and and Practices Practices of of Method Validation, Budapest (1999) Method Validation, Budapest (1999) 8. V.J. Barwick, S.R.L. Ellison, VAM Project 3..1 Development 8. V.J. Barwick, S.R.L. Ellison, VAM Project 3..1 Development and and Harmonisation Harmonisation of of Measurement Measurement Uncertainty Principles. Part d. Protocol for uncertainty evaluation from validation data. Version 5.1 Uncertainty Principles. Part d. Protocol for uncertainty evaluation from validation data. Version 5.1 (000) (000) 74
75 ICERTEZZA DI MISURAZIOE La norma ISO 5, Guide to the Expression of Uncertainty in Measurement (ISO, Geneva, 1993), definisce l incertezza di misurazione (UOM)* come un parametro, associato al risultato di una misurazione, che caratterizza la dispersione dei valori che possono essere ragionevolmente attribuiti al misurando qualora siano state considerate tutte le sorgenti d errore. Il risultato di una misurazione rappresenta la migliore stima del valore del misurando e l incertezza, valutata considerando tutte le sorgenti d errore, quantifica la qualità del risultato. Una misura non completata dalla sua incertezza non può essere confrontata né con altre misure né con valori di riferimento o con limiti legali o composizionali. * * Sebbene Sebbene Uncertainty Uncertainty of of measurement measurement debba debba essere essere correttamente correttamente tradotto tradotto in in Incertezza Incertezza di di misurazione, misurazione, è è frequente frequente l uso l uso di di Incertezza Incertezza di di misura. misura. 75
76 Procedura per la valutazione della ripetibilità: analizzare 10 () standard, o materiali di riferimento o bianchi fortificati indipendenti a diversi livelli di concentrazione entro il range dinamico (stesso operatore, strumento, laboratorio; tempo limitato); determinare la deviazione standard e calcolare il limite di ripetibiltà: r = α, υ t 1 σ r dove t 1-α/,ν è la t di Student per il livello di fiducia desiderato e ν = (-1) gradi di libertà. In pratica, si accetta come possibile l uso di ν = e quindi, per 1-α = 0,95, si usa t 1-α/, = 1,96 ); σ r è la deviazione standard della ripetibilità. 76
77 L attuale coesistenza di diversi modelli per la valutazione dell incertezza di misurazione, e l aumento dei costi e tempi di analisi derivante dalla loro applicazione, hanno trasformato la stima dell incertezza di misurazione in uno dei maggiori problemi affrontati dai laboratori che vogliono introdurre un sistema di controllo qualità, o che hanno come obiettivo l accreditamento dei loro metodi di analisi. 77
Breve ripasso di statistica
Breve ripasso di statistica D.C. Harris, Elementi di chimica analitica, Zanichelli, 1999 Capitolo 4 1 Il protocollo analitico Campionamento: 1. estrazione del campione dal lotto 2. conservazione e trasporto
DettagliCorso Di CHIMICA ANALITICA II
Corso Di CHIMICA ANALITICA II CHIMICA ANALITICA QUANTITATIVA: determinazione di una specie chimica in funzione della sua concentrazione. CHIMICO ANALITICO: sviluppare nuovi metodi X analita (CAMPIONE):
DettagliUniversity of Messina, Italy
TRATTAMENTO E VALUTAZIONE DI DATI STATISTICI Applicazione della statistica alla valutazione dei dati Le applicazioni più comuni della statistica alla chimica analitica sono: Definire l intervallo numerico
DettagliCALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO
CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO In chimica analitica un settore importante riguarda il calcolo dell errore e la valutazione della significatività di una misura. Generalmente nell
DettagliGLI ERRORI NELLE ANALISI CHIMICHE. University of Messina, Italy. Chimica Analitica 5
GLI ERRORI NELLE ANALISI CHIMICHE Valutazione dei dati analitici Ogni misura fisica è affetta da un certo grado di incertezza. Non esistono metodi semplici e generalmente applicabili per stimare con certezza
DettagliUniversity of Messina, Italy
ERRORI CASUALI ELL AALISI CHIMICA Errori casuali Gli errori casuali si incontrano tutte le volte che un sistema di misura viene usato al massimo della sua sensibilità. In queste circostanze i risultati
DettagliOgni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.
Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Misure ripetute forniscono dati numerici distribuiti attorno ad un valore centrale indicabile con un indice (indice
DettagliGLI ERRORI NELLE ANALISI CHIMICHE. University of Messina, Italy. Analitica 5 16/17
GLI ERRORI NELLE ANALISI CHIMICHE 1 Valutazione dei dati analitici Ogni misura fisica è affetta da un certo grado di incertezza. Non esistono metodi semplici e generalmente applicabili per stimare con
DettagliUniversity of Messina, Italy
ERRORI CASUALI NELL ANALISI CHIMICA 1 Errori casuali Gli errori casuali si incontrano tutte le volte che un sistema di misura viene usato al massimo della sua sensibilità. In queste circostanze i risultati
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliSignificatività ed analisi degli errori
Significatività ed analisi degli errori Quanto il valore sperimentale è vicino al valore vero? Campioni replicati: si esclude a priori che venga eseguita una sola misurazione Quanto il valore sperimentale
DettagliIntervallo di fiducia del coefficiente angolare e dell intercetta L intervallo di fiducia del coefficiente angolare (b 1 ) è dato da:
Analisi chimica strumentale Intervallo di fiducia del coefficiente angolare e dell intercetta L intervallo di fiducia del coefficiente angolare (b 1 ) è dato da: (31.4) dove s y è la varianza dei valori
DettagliESERCIZI TRATTAMENTO DEI DATI ANALITICI
ESERCIZI TRATTAMENTO DEI DATI ANALITICI A SPUNTI DI RIFLESSIONE l. Qual è la differenza fra varianza e deviazione standard? Qual è la loro utilità pratica ai fini analitici? 2. Stabilire quante cifre significative
DettagliQUALITA DEL DATO ANALITICO
QUALITA DEL DATO ANALITICO L'affidabilità caratterizza complessivamente un risultato analitico e dipende da diversi fattori tra cui: 1) PRECISIONE 2) ESATTEZZA 3) SENSIBILITÀ 4) LIMITE DI RILEVABILITÀ
DettagliS = f(c) c x = f -1 (s x )
CHIMICA ANALITICA SI INTERESSA DI METODI STRUMENTI PER DETERMINARE LA COMPOSIZIONE CHIMICA DI UN SISTEMA. LESSICO ANALITA = SOSTANZA DA DETERMINARE (SPECIE). MATRICE = TUTTO IL RESTO DEL CAMPIONE INTERFERENTE
DettagliOsservazioni e Misura. Teoria degli errori
Osservazioni e Misura ella misura di una grandezza fisica gli errori sono inevitabili. Una misura non ha significato se non viene stimato l errore. Teoria degli errori La teoria degli errori cerca di trovare
DettagliTOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo
TOPOGRAFIA 2013/2014 L operazione di misura di una grandezza produce un numero reale che esprime il rapporto della grandezza stessa rispetto a un altra, a essa omogenea, assunta come unità di misura. L
DettagliIl protocollo analitico
PRESENTAZIONE dei RISULTATI di un ANALISI: cifre significative D.C. Harris, Elementi di chimica analitica, Zanichelli, 1999 Capitolo 3 1 Il protocollo analitico Campionamento: 1. estrazione del campione
DettagliParametri di qualità dei dati analitici
Parametri di qualità dei dati analitici 1 Ogni misurazione è affetta da incertezze che possono essere minimizzate ma mai eliminate. I dati di una misurazione possono fornire solo una stima del valore vero
DettagliProcedura operativa per il calcolo dell incertezza
Procedura operativa per il calcolo dell incertezza 1 Le procedure di seguito riportate vengono utilizzate per stimare l incertezza della preparazione dei materiali di riferimento da parte di ULTRA Scientific
DettagliOgni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.
Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Corso di laurea in Tossicologia Misure ripetute forniscono dati numerici distribuiti attorno ad un valore centrale
DettagliValidazione di un metodo di analisi. Dott. Lorenzo Catani
Validazione di un metodo di analisi Dott. Lorenzo Catani Argomenti trattati Introduzione alla validazione dei metodi analitici Parametri che caratterizzano un metodo analitico esempio pratico Validazione
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliPAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore
PAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore medio, Errore quadratico medio (eqm), Deviazione standard,
DettagliSviluppo e convalida di un metodo analitico
Sviluppo e convalida di un metodo analitico Sviluppo del metodo analitico Esistono molteplici ragioni per lo sviluppo di un nuovo metodo analitico tra cui: mancanza di un metodo per l analisi di un determinato
DettagliUniversity of Messina, Italy
TRATTAMENTO E VALUTAZIONE DI DATI STATISTICI 1 Applicazione della statistica alla valutazione dei dati Le applicazioni più comuni della statistica alla chimica analitica sono: Definire l intervallo numerico
DettagliINCERTEZZA DI MISURA SECONDO NORME CEI
CORSO DI FORMAZIONE AMBIENTALE TECNICHE DI MISURA DEI CAMPI ELETTROMAGNETICI IN ALTA E BASSA FREQUENZA INCERTEZZA DI MISURA SECONDO NORME CEI Ing. Valeria Canè Servizio Agenti Fisici 1 UNA MISURA E un
DettagliProposte per l armonizzazione delle stime di LOD/LOQ
Proposte per l armonizzazione delle stime di LOD/LOQ Silvia Ciardullo, Marina Patriarca LNR Metalli pesanti negli alimenti Dipartimento di Sanità pubblica veterinaria e sicurezza alimentare Istituto Superiore
DettagliCorso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E
Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali A.A 2009-2010 Esercitazione E Scopo dell esercitazione Applicazioni del teorema del limite centrale. Rappresentazione delle incertezze
DettagliELABORAZIONE STATISTICA DEI DATI NMR NEL PRIMO CONFRONTO INTERLABORATORIO RETELAB
Bari, 11 Novembre 2013 ELABORAZIONE STATISTICA DEI DATI NMR NEL PRIMO CONFRONTO INTERLABORATORIO RETELAB Dott.ssa Innovative Solutions S.r.l. Società Spin Off del Politecnico di Bari qualita@innovative-solutions.it
DettagliAVVERTENZE PER LA VALUTAZIONE DELL INCERTEZZA NEL CAMPO DELL'ANALISI CHIMICA
SISTEMA NAZIONALE PER L'ACCREDITAMENTO DI LABORATORI DT-0002/3 AVVERTENZE PER LA VALUTAZIONE DELL INCERTEZZA NEL CAMPO DELL'ANALISI CHIMICA INDICE parte sezione pagina 1. Introduzione 2 2. Contributi all
DettagliSTATISTICHE, DISTRIBUZIONI CAMPIONARIE E INFERENZA
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 STATISTICHE, DISTRIBUZIONI CAMPIONARIE
DettagliTRATTAMENTO DEI DATI ANALITICI
TRATTAMENTO DEI DATI ANALITICI I compiti del chimico analista vanno oltre la corretta esecuzione di una metodica analitica. Sono altrettanto importanti i passi successivi: Registrazione accurata dei dati
DettagliPRESENTAZIONE dei RISULTATI di un ANALISI: cifre significative. D.C. Harris, Elementi di chimica analitica, Zanichelli, 1999 Capitolo 3 1
PRESENTAZIONE dei RISULTATI di un ANALISI: cifre significative D.C. Harris, Elementi di chimica analitica, Zanichelli, 1999 Capitolo 3 1 La presentazione dei risultati e la redazione di un rapporto finale
DettagliSTIMA INCERTEZZA AMMONIO
Pagina 1 di 6 REVISIONE NUMERO DATA REDATTA DA DIR (firma) VERIFICATA DA RAQ (firma) APPROVATA DA AMM (firma) PARAGRAFO REVISIONATO NUMERO 00 07/.2/13 / / MOTIVO Pagina 2 di 6 INDICE DELLA PROCEDURA 1.
DettagliRANGE DINAMICO E LINEARE
RANGE DINAMICO E LINEARE Il range è l intervallo di concentrazione esplorato nel corso delle misurazioni. Il range dinamico è l'intervallo di concentrazione nel quale il segnale varia con la concentrazione:
DettagliIncertezza di misura concetti di base. Roberto Olmi IFAC-CNR
Incertezza di misura concetti di base Roberto Olmi IFAC-CNR Certezza dell incertezza Il display mostra: Inferenza sulla la massa, basata sulla lettura: La massa ha un valore tra 83.35 e 83.45 g La massa
DettagliGestione del risultato e della sua incertezza: confronto con limiti
Istituto Superiore di Sanità Organismo di Riconoscimento dei Laboratori Gestione del risultato e della sua incertezza: confronto con limiti P. Stacchini, A. Menditto Convegno L ACCREDITAMENTO DEI LABORATORI
DettagliCifre significative delle misure di grandezze fisiche
Cifre significative delle misure di grandezze fisiche Si definiscono grandezze fisiche tutte quelle entità con cui vengono descritti i fenomeni fisici e che sono suscettibili di una definizione quantitativa,
DettagliElaborazione statistica di dati
Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 2
Sperimentazioni di Fisica I mod. A Statistica - Lezione 2 A. Garfagnini M. Mazzocco C. Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Statistica Lezione 2: 1. Istogrammi
DettagliRiproducibilità. R = 2! 2! s R
Riproducibilità R = 2! 2! s R La definizione di riproducibilità implica tutti i possibili contributi all incertezza: effetti dovuti a differenti operatori, apparecchi, materiali di riferimento, etc. Lo
DettagliMisure meteorologiche in ambito urbano
Misure meteorologiche in ambito urbano 3 - L incertezza delle misure in ambito urbano G. Frustaci Osservatorio Cavanis Venezia L incertezza delle misure in ambito urbano Definizione dell incertezza di
DettagliLaboratorio di Chimica Fisica. Analisi Statistica
Università degli Studi di Bari Dipartimento di Chimica 9 giugno F.Mavelli- Laboratorio Chimica Fisica - a.a. 3-4 F.Mavelli Laboratorio di Chimica Fisica a.a. 3-4 Analisi Statistica dei Dati Analisi Statistica
DettagliTEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE
TEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE Errore di misura è la differenza fra l indicazione fornita dallo strumento e la dimensione vera della grandezza. Supponendo che la grandezza vera
DettagliDeterminazione dell azoto totale e ammoniacale in spettrofotometria: modalità di calibrazione e confrontabilità nel tempo
UNIVERSITÀ DEGLI STUDI DI PAVIA CORSO DI LAUREA INTERFACOLTÀ IN BIOTECNOLOGIE Determinazione dell azoto totale e ammoniacale in spettrofotometria: modalità di calibrazione e confrontabilità nel tempo Relatore:
DettagliErrore casuale, o indeterminato (influenza la precisione) Deriva dall effe9o prodo9o dalla presenza di variabili incontrollate nelle misure.
Errore sperimentale Errore casuale, o indeterminato (influenza la precisione) Deriva dall effe9o prodo9o dalla presenza di variabili incontrollate nelle misure. Errore sistema0co o determinato (influenza
DettagliIL PALLINOMETRO SCOPO
IL PALLINOMETRO SCOPO Verifica del fatto che gli errori casuali nella misura di una grandezza fisica ripetuta molte volte nelle stesse condizioni sperimentali seguono la distribuzione normale di Gauss.
DettagliERRORI. L'errore è presente in ogni metodo analitico e può essere dovuto a cause diverse.
ERRORI L'errore è presente in ogni metodo analitico e può essere dovuto a cause diverse. L errore può essere definito come la differenza tra il valore ottenuto ed il valore vero. I risultati delle misure
DettagliIstituto Superiore di Sanità Organismo di Riconoscimento dei Laboratori
Istituto Superiore di Sanità Organismo di Riconoscimento dei Laboratori Rapporti di prova ed espressione dell incertezza: il dato e il limite di legge Giornata di formazione Validazione dei metodi e incertezza
DettagliTutorato di Chimica Analitica 2016/2017
Tutorato di Chimica Analitica 2016/2017 Friendly reminder La notazione scientifica Modo per indicare un risultato con numerose cifre decimali come prodotto di una potenza di 10 esempio Cifre significative
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
Dettaglii) Si tratta di uno studio di osservazione V F ii) Quale delle seguenti affermazioni è corretta? a b c
I COMPITO (3 crediti) ESERCIZIO 1 E stata effettuata una ricerca per studiare se il raccolto di una particolare specie di cereale Y (t/ha) è correlato linearmente con la quantità di fertilizzante applicato
DettagliTutta la scienza è fondata sulle misure (Helmholtz)
Tutta la scienza è fondata sulle misure (Helmholtz) L acquisizione di una osservazione come DATO SCIENTIFICO richiede che : osserviamo un fenomeno lo quantifichiamo correttamente lo confrontiamo con altri
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DettagliSTIME STATISTICHE. Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 2/2
p. 1/1 INFORMAZIONI Prossime lezioni Giorno Ora Dove 10/02 14:30 P50 11/02 14:30 Laboratorio (via Loredan) 17/02 14:30 P50 23/02 14:30 P50 25/02 14:30 Aula informatica (6-7 gruppi) 02/03 14:30 P50 04/03
DettagliIL PALLINOMETRO SCOPO
IL PALLINOMETRO SCOPO Verifica del fatto che gli errori casuali nella misura di una grandezza fisica ripetuta molte volte nelle stesse condizioni sperimentali seguono la distribuzione normale di Gauss.
DettagliMetodi analitici normati e non normati, Limiti di Rilevabilità. Incertezza di Misura
Metodi analitici normati e non normati, Limiti di Rilevabilità Incertezza di Misura Dr. Patrizio Nuti UNI-EN-ISO 17025 Metodi di prova e di taratura e validazione dei metodi 5.4.1 Generalità Il laboratorio
DettagliMisure di dispersione (o di variabilità)
14/1/01 Misure di dispersione (o di variabilità) Range Distanza interquartile Deviazione standard Coefficiente di variazione Misure di dispersione 7 8 9 30 31 9 18 3 45 50 x = 9 range=31-7=4 x = 9 range=50-9=41
Dettagli5 DETERMINAZIONE DELL'INCERTEZZA TIPO COMPOSTA Grandezze d'ingresso incorrelate Grandezze d'ingresso correlate...
INDICE PREMESSA 1 0 INTRODUZIONE 3 1 SCOPO E CAMPO DI APPLICAZIONE 4 DEFINIZIONI 5.1 Termini metrologici generali... 5. Il termine "incertezza"... 6.3 Termini specifici della presente Guida... 6 3 CONCETTI
DettagliCapitolo 2. La misura
Capitolo 2 La misura 1 Gli strumenti di misura Possono essere digitali o analogici: la risposta di uno strumento digitale varia con discontinuità (a scatti) al variare della grandezza misurata e appare
DettagliLABORATORIO DI FISICA I
UNIVERSITA DEGLI STUDI DI PALERMO CORSO DI LAUREA IN SCIENZE FISICHE A.A. 2018/2019 13 Dicembre 2018 LABORATORIO DI FISICA I RELAZIONE TERZA ESPERIENZA DI LABORATORIO GRUPPO 1 Nigrelli Giulia Valenti Giuseppe
DettagliMatematica Lezione 22
Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 22 Sonia Cannas 14/12/2018 Indici di posizione Indici di posizione Gli indici di posizione, detti anche misure di tendenza centrale,
DettagliAggiornamenti in tema di incertezza di misura
Aggiornamenti in tema di incertezza di misura Marina Patriarca Dipartimento di Sanità Pubblica Veterinaria e Sicurezza Alimentare, ISS 2 Workshop del Laboratorio Nazionale di Riferimento per gli IPA ISS,
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliQuesti appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai
Questi appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai necessari chiarimenti forniti a lezione. 1 MISURA DI UNA
DettagliProgrammazione con Foglio di Calcolo Cenni di Statistica Descrittiva
Fondamenti di Informatica Ester Zumpano Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva Lezione 5 Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di
DettagliErrori sistematici e casuali
Errori sistematici e casuali Errori Casuali Tempo di reazione nel far partire o fermare l orologio: Può essere sia in eccesso che in difetto (ad esempio partenza e arrivo), quindi l errore può avere segno
DettagliDistribuzione Gaussiana - Facciamo un riassunto -
Distribuzione Gaussiana - Facciamo un riassunto - Nell ipotesi che i dati si distribuiscano seguendo una curva Gaussiana è possibile dare un carattere predittivo alla deviazione standard La prossima misura
DettagliVerifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
DettagliLaboratorio di Fisica I Anno Accademico
Laboratorio di Fisica I Anno Accademico 018-019 Relazione terza esperienza di Laboratorio Giorgio Campione Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico
DettagliElementi di Psicometria (con laboratorio software 1)
Elementi di Psicometria (con laboratorio software 1) 05-La verifica delle ipotesi con le medie dei campioni (v. 1.0, 15 aprile 2019) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliTest delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
DettagliChimica Analitica e Laboratorio 2. Modulo di Spettroscopia Analitica
Chimica Analitica e Laboratorio 2 Modulo di Spettroscopia Analitica Determinazione della costante di dissociazione di un acido debole 2 Metodi di determinazione del pk d Potenziometria K d = + [ H ][ A
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Indici di forma Descrivono le
DettagliUlteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie.
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it I risultati di un esperimento
DettagliValutazione dell incertezza di categoria A e B
Valutazione dell incertezza di categoria A e B Il metodo per stimare l incertezza associata ad una misurazione è sancito dalla normativa UNI CEI ENV 13005 Guida all espressione dell incertezza di misura.
DettagliStatistica. Capitolo 12. Regressione Lineare Semplice. Cap. 12-1
Statistica Capitolo 1 Regressione Lineare Semplice Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare il significato del coefficiente di correlazione lineare
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Correlazione. Regressione Lineare
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica Correlazione Regressione Lineare Corso di laurea in medicina e chirurgia - Statistica Medica Correlazione
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
DettagliTRACCIA DI STUDIO. Indici di dispersione assoluta per misure quantitative
TRACCIA DI STUDIO Un indice di tendenza centrale non è sufficiente a descrivere completamente un fenomeno. Gli indici di dispersione assolvono il compito di rappresentare la capacità di un fenomeno a manifestarsi
DettagliGUIDA ALL ESPRESSIONE DELL INCERTEZZA DI MISURA
GUIDA ALL ESPRESSIONE DELL INCERTEZZA DI MISURA Workshop Validazione dei metodi e incertezza di misura nei laboratori di prova: le linee guida delle Agenzie Ambientali Ancona 7 ottobre 003 ARPA-FVG RGQ
Dettaglip. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali.
p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica
DettagliStatistica. Capitolo 10. Verifica di Ipotesi su una Singola Popolazione. Cap. 10-1
Statistica Capitolo 1 Verifica di Ipotesi su una Singola Popolazione Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Formulare ipotesi nulla ed ipotesi alternativa
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Indici di posizione e di variabilità Prof. Livia De Giovanni lstatistica@dis.uniroma1.it Esercizio 1 Data la seguente distribuzione unitaria del carattere X: X : 4 2 4 2 6 4
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliL errore percentuale di una misura è l errore relativo moltiplicato per 100 ed espresso in percentuale. Si indica con e p e risulta: e ( e 100)%
UNITÀ L ELBORZIONE DEI DTI IN FISIC 1. Gli errori di misura.. Errori di sensibilità, errori casuali, errori sistematici. 3. La stima dell errore. 4. La media, la semidispersione e lo scarto quadratico
DettagliParametri statistici
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Parametri statistici 24/1/2005 Deviazione standard della media La variabilità di una distribuzione può quindi essere espressa da un indice
Dettaglitecniche e procedure per la descrizione sintetica delle informazioni fornite da insiemi di dati
Bibliografia: Doebelin, Strumenti e metodi di misura - MCGRAW-HILL - Ed008 pagg. 6-83 UI_CEI_EV_3005-000 Guida all espressione dell incertezza di misura JCGM 00:008 GUM-inglese/francese aggiornamento 008
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliPrestazioni di accuratezza e precisione del sistema Accu-Chek Active. Introduzione. Metodo
Prestazioni di accuratezza e precisione del sistema Accu-Chek Active I. ACCURATEZZA L'accuratezza del sistema è stata valutata in conformità con ISO 15197. Introduzione Lo scopo dello studio era di determinare
DettagliIl test (o i test) del Chi-quadrato ( 2 )
Il test (o i test) del Chi-quadrato ( ) I dati: numerosità di osservazioni che cadono all interno di determinate categorie Prima di tutto, è un test per confrontare proporzioni Esempio: confronto tra numero
DettagliTutta la scienza è fondata sulle misure (Helmholtz)
Tutta la scienza è fondata sulle misure (Helmholtz) L acquisizione di una osservazione come DATO SCIENTIFICO richiede che : osserviamo un fenomeno lo quantifichiamo correttamente lo confrontiamo con altri
DettagliERRORE SPERIMENTALE. D.C. Harris, Chimica Analitica Quantitativa, Zanichelli Editore
ERRORE SPERIMENTALE D.C. Harris, Chimica Analitica Quantitativa, Zanichelli Editore 1 Cifre significative ed errore sperimentale Il numero di cifre significative di una misura è il numero di cifre necessario
DettagliTeorema del limite centrale TCL
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliProblemi metodologici e metrologici nella valutazione degli indicatori di inquinamento acustico in ambito abitativo
Problemi metodologici e metrologici nella valutazione degli indicatori di inquinamento acustico in ambito abitativo Daniele Sepulcri ARPAV Dipartimento Provinciale di Venezia dsepulcri@arpa.veneto.it ARGOMENTI
DettagliGiornata di formazione Validazione dei metodi e incertezza di misura nei laboratori di prova addetti al controllo di alimenti e bevande
Giornata di formazione Validazione dei metodi e incertezza di misura nei laboratori di prova addetti al controllo di alimenti e bevande Bologna 5 Novembre 004 RELAZIONE INTERVENTO APPLICAZIONE DEI DIVERSI
Dettagli