Notas técnicas: análisis de datos bajo condiciones de repetibilidad

Technical notes: Analysis of data under repeatability conditions

Aisha Hurtado, Aura Caldera, Balentina Milano, Carlos Ibarra, Alba Díaz, José Camacho, José Elías Villamizar, Omar Verde

Laboratorio de Bioanalítica, Departamento de Química Medicinal, Instituto Venezolano de Investigaciones Científicas (IVIC). Ministerio del Poder Popular para Educación Universitaria, Ciencia y Tecnología. Email: omarverde@gmail.com

Resumen

Se presentan estadísticos para caracterizar un grupo de datos provenientes de una variable continua bajo condiciones de repetibilidad, el cálculo de intervalos de confianza, la detección de valores atípicos y la posibilidad de realizar comparaciones de las varianzas de dos o más grupos para determinar la posible existencia de discrepancias estadísticamente significativas entre ellas y la relación con sus repetibilidades. Se hace mención del término precisión de los resultados, estrechamente asociado al de repetibilidad. Se presentan salidas de cálculos realizados con un programa estadístico para la caracterización de una variable continua.

Palabras clave: Repetibilidad, precisión, intervalos de confianza, comparación de varianzas

Abstract

It is described statistical procedures to characterize a group of data from a continuous variable under repeatability conditions, the calculation of confidence intervals, the detection of outliers and the possibility of comparisons of the variances of two or more groups to determine the possible existence of statistically significant discrepancies between them and the relationship with their repeatability. Mention is made of the accuracy of the results, closely associated with the repeatability. Outputs of calculations performed with a statistical programme for the characterization of a continuous variable are presented.

Key words: Repeatability, accuracy, confidence intervals, variance comparison

Introducción

En el campo de la analítica usualmente se obtienen valores que son utilizados para estimar la condición favorable o desfavorable de una unidad (equipo, persona, parcela de terreno). Dependiendo del tipo de variable, se debe proceder a manipular esos valores para realizar su caracterización estadística y poder inferir con respecto a valores de referencia o realizar, en el caso de dos o más unidades, comparaciones que permitan tomar decisiones para corregir deficiencias o continuar en el proceso de una mejora continua.

En esta Nota Técnica se procederá a presentar aspectos importantes de una variable continua, definir las condiciones de repetibilidad y señalar estadísticos que permitan su caracterización o la comparación entre unidades.

Variable continua y su caracterización

Una variable continua es aquella que puede asumir el infinitamente largo número de valores correspondientes a los puntos en un determinado intervalo y siempre será posible, en teoría, la existencia de un tercer valor intermedio entre dos valores observables. Nunca puede ser medida con exactitud. El valor observado depende, en gran medida, de la precisión de los instrumentos de medición. Ejemplos típicos lo son la altura de las personas, el tiempo de vida de una célula, la cantidad de azúcar en una naranja y la concentración en la sangre de un parámetro farmacocinético.

Un aspecto importante a considerar en las mediciones obtenidas para una variable continua es la necesidad de organizarlas y caracterizarlas de forma tal que se pueda visualizar con facilidad la tendencia de los datos hacia un punto central o medir la variación observada. Entre los estimadores de tendencia central para un grupo de mediciones se tiene la media aritmética o promedio, la mediana y la moda mientras que para la variación se tienen estimadores como la varianza, la desviación estándar y el coeficiente de variación.

La media aritmética o promedio se obtiene sumando todas las observaciones o mediciones y dividiéndolo entre el número de mediciones consideradas. La mediana es el valor central de las observaciones ordenadas en forma creciente o decreciente (o el promedio de los dos valores centrales si se tiene número par de observaciones) y la moda es el valor o los valores que mas se repiten. Por la parte de medición de la variación se tiene la varianza que se calcula a partir de la suma de las desviaciones cuadráticas de las observaciones respecto al promedio dividido entre el número de observaciones menos 1, la desviación estándar que es la raíz cuadrada positiva de la varianza y el coeficiente de variación que expresa la desviación estándar como porcentaje del promedio.

Un ejemplo numérico:

Se realizan 10 mediciones (datos ficticios) que proporcionaron los siguientes valores ordenados en forma creciente:

10.08, 10.09, 10.10, 10.10, 10.12, 10.13, 10.14, 10.14, 10.16, 10.18

Promedio = y = Σyi / n = 101.24 / 10 = 10.124

Mediana = (10.12 + 10.13) / 2 = 10.125

Moda = 10.10 y 10.14

Varianza = s² = Σ(yi - y)² / (n – 1)

= {(10.08 – 10.124)² + (10.09 – 10.124)² + …….. + (10.16 – 10.124)² + (10.18 – 10.124)²} / 9 = 0.00924 / 9 = 0.00102667

Desviación estándar = s = √0.00102667 = 0.03204

Coeficiente de variación = C.V. = 0.03204 . 100 / 10.124 = 0.3165

Estas operaciones aritméticas pueden ser realizadas en una hoja de cálculo o mediante la utilización de programas estadísticos disponibles.

Estadística descriptiva

Precisión y Repetibilidad

Cuando se realizan análisis físicos o químicos, conviene obtener mas de una medición y, así, obtener replicas que permitirá observar el grado de concordancia que existe entre ellas. Este grado de concordancia se denomina precisión. La repetibilidad es definida como la desviación estándar obtenida al analizar una misma muestra varias veces, en un periodo de tiempo corto, sin cambiar de equipo de medida, reactivos o analista. En otras palabras, la repetibilidad permite cuantificar la variación de uno o más conjuntos de valores obtenidos bajo condiciones de repetibilidad.

Los términos precisión de los resultados y repetibilidad son muy utilizados en la evaluación de la confiabilidad de los resultados en programas de comparación interlaboratorio y reflejan el grado de seguridad de los resultados emitidos.

A manera de ejemplo, si los 10 valores previamente utilizados corresponden a 10 mediciones realizadas bajo condiciones de repetibilidad, se tiene que existe una variación de 0.00102667 ó de 0.03204 ó de 0.3165%, dependiendo del estimador que se utilice (varianza, desviación estándar o coeficiente de variación).

El valor del coeficiente de variación es frecuentemente utilizado como un indicador de la repetibilidad y precisión, aunque esto depende del método utilizado para obtener las mediciones. Valores muy bajos (inferiores a 1%) reflejan my buena precisión. Valores superiores a 2 % pudieran ser indicadores de baja precisión.

Las mediciones bajo condiciones de repetibilidad se espera que presenten variaciones pequeñas ya que provienen de condiciones homogéneas. La variación observada en ellas se denomina “error puro” pues no se tienen fuentes de variación conocidas. Se puede representar la varianza poblacional para repetibilidad por s²_rep y la desviación estándar poblacional para repetibilidad por s_rep.

Con el promedio y la desviación estándar obtenidos bajo condiciones de repetibilidad, es posible obtener el intervalo de confianza para las mediciones. La amplitud de este intervalo depende de la precisión de los valores individuales, lo que depende de la desviación estándar y del número de observaciones en la muestra.

El intervalo de confianza de la media está dado por la expresión:

y ± t.s /√n

donde los valores de t están relacionados con los grados de libertad (n – 1) y el nivel de seguridad con que se desea trabajar.

En el presente ejemplo, el intervalo de confianza al 95% será:

10.124 ± 2.262 .0.03204 /√10 o

10.124 ± 0.023 o

10.101 a 10.147

valores iguales a los previamente presentados en la salida del computador, mientras que el intervalo al nivel 99 % estará ubicado entre:

10.124 ± 3.250 .0.03204 /√10 o

10.124 ± 0.033 o

10.091 a 10.157

Valores atípicos:

Un aspecto importante a considerar en la evaluación de los datos obtenidos bajo condiciones de repetibilidad lo constituye la posible presencia de valores muy alejados de la media aritmética, lo que se denomina “valores atípicos”. Con la obtención de un intervalo de confianza se tendrá posibilidad de detectar su presencia. En el ejemplo que se ha presentado, el intervalo de confianza al nivel 99% se extiende desde un valor mínimo de 10.091 hasta un valor máximo de 10.157. Esto implica que hay una probabilidad muy baja (menos de 1%) de tener valores menores a 10.091 o valores superiores a 10.157. La revisión de los datos originales permite observar la presencia de valores menores al límite inferior y valores mayores al límite superior, por lo que se puede afirmar que en los resultados evaluados existen valores atípicos.

Comparación de dos o más grupos de datos:

Cuando se dispone de un solo grupo de datos obtenidos bajo condiciones de repetibilidad, con los estimadores que se obtienen se podrá tener una idea bastante clara sobre ellos en cuanto a la variabilidad y presencia de valores atípicos. Con solo dos mediciones, es imposible detectar diferencias significativas entre ellas pues la relación (y₁ – y₂) /√2 . s²_rep nunca superará el valor de 1.96 si se asume distribución normal y 95 % de confianza. Pero para mayor número de datos, se hace factible detectar diferencias entre mediciones. En el ejemplo con las 10 mediciones, los valores 10.08 y 10.09 difieren significativamente del valor 10.18, ya que las diferencias superan el valor 1.96 . √2 . 0.00103, valor cercano a 0.0896.

En la práctica se asume que 1.96 . √2 toma el valor de 2.8, por lo que se indica que el valor crítico de repetibilidad es 2.8 . s_rep.

Sin embargo, con más de un grupo de datos o mediciones que pudieran provenir de varios analistas o equipos, se estará en posibilidad de realizar comparación entre grupos y determinar si se tiene evidencias estadísticas para aceptar o rechazar la hipótesis que señale igual repetibilidad entre ellos.

Comparar valores de repetibilidad equivale a comparar varianzas. Se reduce a un problema de prueba de hipótesis con una Hipótesis nula (Ho) que señala estar ante una condición de ausencia de evidencias estadísticas para concluir que hay diferencias significativas entre las varianzas de los grupos en estudio, contra una hipótesis alternativa (Ha) que señala la existencia de suficientes evidencias estadísticas de diferencias entre las varianzas de los grupos.

En el caso de dos grupos, la prueba mas fácil de realizar es la de F, obteniendo el cociente entre la varianza mayor y la varianza menor, para luego proceder a comparar con el valor de F tabulado para el nivel de seguridad que se desee utilizar y con grados de libertad n₁ -1 y n₂ -1, rechazando Ho si el valor calculado es mayor al valor tabulado.

A manera de ejemplo, si una unidad reportó un valor de varianza de 0.001027 para 10 mediciones realizadas bajo condiciones de repetibilidad y otra unidad reporta un valor de 0.001835 para 8 mediciones, se tendrá que el valor de F calculado es de 1.787 y se procede a comparar con el valor tabulado para 7 grados de libertad del numerador, 9 grados de libertad del denominador y, por ejemplo, nivel de seguridad 95% (F_t = 3.29), que permite concluir que no hay evidencias de discrepancias estadísticamente significativas.

Para el caso con mas de dos grupos de datos, se recomienda utilizar, entre otras, la prueba de Barlett, que se basa en el cálculo de un estadístico que se aproxima a una distribución de c² con grados de libertad k – 1 grupos.

c² calculado = 2.3026 {Σ(ni – 1).log(s² promedio) - Σ(ni -1) log s_i²}

Ejemplo: 4 unidades en evaluación

Datos originales más cálculos:

Sumas 32    591.5     36.4850

s² promedio = 591.5 / 32 = 18.4844

log(s² promedio) = 1.2668

c² calculado = 2.3026. {Σ(n_i – 1).log(s² promedio) - Σ(n_i -1) log s_i²}

c² calculado = 2.3026 . {32 .1.2668 - 36.4850}

= 2.3026 .{40.5377 - 36.4850}

= 2.3026 .{4.053}

= 9.3323

c² tabulado para 95 % de nivel de confianza y 3 grados de libertad = 7.8147

Se concluye que hay suficiente evidencia estadística para concluir que las varianzas difieren significativamente, por lo que las repetibilidades se comportan diferente.

Si se detallan las varianzas del ejemplo, se observa que dos unidades presentan valores altos, en comparación con las otras dos. La prueba de Barlett no realiza la separación de varianzas pero existe la prueba de Cochran para detectar que varianzas son significativamente diferentes, de gran utilidad en los programas de confiabilidad de resultados. Es una prueba que se realiza en forma iterativa, calculando el cociente de la varianza mayor con relación a la suma de las varianzas y se compara con el valor de la tabla asociado con un nivel de confianza, el número de unidades en evaluación y el número de observaciones o mediciones por cada unidad. Si el valor calculado es superior al correspondiente valor de la tabla, se concluye que esa unidad tiene una varianza muy alta. Se procede a separar esa unidad y se va a la siguiente unidad con varianza más alta y se realiza de nuevo la evaluación. Se concluye la prueba cuando la varianza evaluada produzca un cociente inferior al tabulado.

Los valores críticos de la tabla de Cochran para 5 valores por unidad, 8 unidades y nivel 95% de confianza son:

Unidades	Valor crítico
2	0.906
3	0.745
4	0.629
5	0.544
6	0.480
7	0.431
8	0.391

Si los resultados obtenidos en las evaluaciones fueron:

Unidades	s2
1	0.024
2	0.101
3	0.025
4	0.020
5	0.184
6	0.022
7	0.031
8	0.010
Suma	0.417

Se tendrá que:

Varianza mayor = 0.184 y el cociente es 0.184 / 0.417 = 0.441, valor superior al asociado a 8 unidades (0.391), por lo que se descarta esta unidad, quedando 7 en evaluación.

La nueva suma de varianzas es 0.233 y el nuevo cociente es 0.101 / 0.233 = 0.433, superior al asociado para 7 unidades (0.431), procediéndose a descartar esta unidad.

Pero con las 6 unidades que permanecen, los valores son de 0.132 y 0.235, inferior este último al asociado para 6 unidades (0.480), indicando que no se puede descartar esta unidad y se da por finalizada la prueba.

Es decir, existen dos unidades, las identificadas como 2 y 5, con varianzas significativamente superiores al resto, indicando poca repetibilidad y poca confiabilidad en sus datos.

Referencias

1. COVENIN.2972-2. 1997. Exactitud (Veracidad y Precisión) de Métodos de Medición y Resultados. Parte 2: Método Bási­co para la Determinación de Repetibilidad y Reproducibilidad de un Método Estándar de Medición.        [ Links ]

2. Mendenhall, W. 1975. Introduction to Probability and Statistics. Cuarta edición. Duxbury Press. 460 pp        [ Links ]

3. Miller, N. J. y Miller J. C. 2002. Estadística y Quimiometría para Química Analítica. Cuarta edición. Prentice Hall. 296 pp        [ Links ]

4. Portuondo, Y. y J. Portuondo. 2010. La Repetibilidad Y Reproducibilidad en el Aseguramiento de la Calidad de los Procesos de Medición. Tecnología Química. Vol. XXX, No. 2, 117 – 121.        [ Links ]

5. Sokal, R. R. y F. J. Rohlf. 1981. Biometría: los Principios y la Práctica de Estadísticas en la Investigación Biológica. Segunda edición. WH Freeman and Co. 400 pp.        [ Links ]