incertezza di misura prove chimiche

Slides:



Advertisements
Presentazioni simili
ROMA, 10 ottobre 2011.
Advertisements

Test delle ipotesi Il test consiste nel formulare una ipotesi (ipotesi nulla) e nel verificare se con i dati a disposizione è possibile rifiutarla o no.
8) GLI INTERVALLI DI CONFIDENZA
L’Analisi della Varianza ANOVA (ANalysis Of VAriance)
20 – Lincertezza di misura Tecnologie Informatiche per la Qualità Università degli Studi di Milano – Polo di Crema - Dipartimento di Tecnologie dellInformazione.
Intervalli di confidenza
Proprietà degli stimatori
Presupposti alla lezione
RISORSE PER LAMPLIAMENTO DELLOFFERTA FORMATIVA Ufficio Scolastico Regionale per le Marche.Direzione Generale Ufficio Studi Questa presentazione può essere.
Fondamenti della Misurazione
Incertezza di misura.
Espressione dell’incertezza di misura (UNI CEI 9)
Inferenza Statistica Le componenti teoriche dell’Inferenza Statistica sono: la teoria dei campioni la teoria della probabilità la teoria della stima dei.
Lez. 3 - Gli Indici di VARIABILITA’
Validazione di un metodo di analisi
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.
Progetto Pilota 2 Lettura e interpretazione dei risultati
Metodi Quantitativi per Economia, Finanza e Management Lezione n°5
Inferenza statistica per un singolo campione
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA: test sui parametri e scelta del modello (parte 3) Per effettuare test di qualsiasi natura è necessaria.
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA (parte 1)
Caratteristiche metrologiche degli strumenti di misura.
L’evoluzione della terra.
STATISTICA a.a PARAMETRO t DI STUDENT
IL CAMPIONAMENTO NELLA REVISIONE CONTABILE
Incertezza di misura Laboratorio n. 2 a.a
Lezione 8 Numerosità del campione
Lezione 8 Numerosità del campione
Num / 36 Lezione 9 Numerosità del campione.
Lezione 4 Probabilità.
Lezione 1 La trasduzione delle grandezze non elettriche II parte
Parte I (introduzione) Taratura degli strumenti (cfr: UNI 4546) Si parla di taratura in regime statico se lo strumento verrà utilizzato soltanto per misurare.
Grasso, Proteine e Lattosio Strumento Milkoscan FT 6000
METODI E CONTROLLI STATISTICI DI PROCESSO
Guida ISO all’espressione dell’incertezza di misura (GUM) –
Dr. F. Andretta, Dr.sa S. Baldini, Dr.sa S. Ricchi
Le distribuzioni campionarie
TRATTAMENTO DEI DATI ANALITICI
1 Ly-LAB Sistema di gestione dei dati analitici di laboratorio.
Unità 2 Distribuzioni di probabilità Misure di localizzazione Misure di variabilità Asimmetria e curtosi.
Errori casuali Si dicono casuali tutti quegli errori che possono avvenire, con la stessa probabilità, sia in difetto che in eccesso. Data questa caratteristica,
Errori casuali Si dicono casuali tutti quegli errori che possono avvenire, con la stessa probabilità, sia in difetto che in eccesso. Data questa caratteristica,
ASSICURAZIONE DI QUALITÀ NEL LABORATORIO CHIMICO: VALIDAZIONE DEI METODI DI ANALISI E. DESIMONI, B. BRUNETTI Laboratorio di Chimica Analitica, DiProVe,
STATISTICA CHEMIOMETRICA
STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA
Obbiettivo L’obiettivo non è più utilizzare il campione per costruire un valore o un intervallo di valori ragionevolmente sostituibili all’ignoto parametro.
Percorso didattico per l’apprendimento di Microsoft Access Modulo 5
Lez. 3 - Gli Indici di VARIABILITA’
Process synchronization
PROPAGAZIONE DEGLI ERRORI:
Gli indici di dispersione
USR-INRiM-GMEE-CE.SE.DI Formazione&Metrologia Modulo 1 1 Modulo 1 Costruzione di un linguaggio comune Preparazione liste dei termini. Condivisione.
La verifica d’ipotesi Docente Dott. Nappo Daniela
Un insieme limitato di misure permette di calcolare soltanto i valori di media e deviazione standard del campione, ed s. E’ però possibile valutare.
Strumenti statistici in Excell
9) VERIFICA DI IPOTESI L’ipotesi statistica è una supposizione riguardante caratteristiche ignote ignote di una v.c. X. Es.: campionamento con ripetizione,
Test basati su due campioni Test Chi - quadro
Intervallo di Confidenza Prof. Ing. Carla Raffaelli A.A:
UNIVERSITA’ DEGLI STUDI DI PERUGIA
Elaborazione statistica di dati
Cloud Tecno V. Percorso didattico per l’apprendimento di Microsoft Access 4 - Le maschere.
Scelta del metodo analitico:
TRATTAMENTO STATISTICO DEI DATI ANALITICI
Stima dell’incertezza di misura Febbraio 2004Misure Meccaniche e Termiche - Università di Cassino 2 Definizione dell’ incertezza di misura “Parametro,
STATISTICA P IA F ONDAZIONE DI C ULTO E R ELIGIONE C ARD. G. P ANICO Azienda Ospedaliera CORSO DI LAUREA IN INFERMIERISTICA Sr. Margherita Bramato.
Espressione dei risultati e dell’incertezza di misura
1 DISTRIBUZIONI DI PROBABILITÁ. 2 distribu- zione che permette di calcolare le probabilità degli eventi possibili A tutte le variabili casuali, discrete.
Filippo Ciucci Ricerca realizzata nel 2004 con l’Osservatorio delle politiche sociali – Università di Pisa Progettazione e Valutazione delle politiche.
Trattamento dei dati sperimentali
Gli Indici di VARIABILITA’
Transcript della presentazione:

incertezza di misura prove chimiche Questa presentazione può essere utilizzata come traccia per una discussione con gli spettatori, durante la quale potranno essere assegnate delle attività. Per memorizzare le attività durante la presentazione: In visualizzazione Presentazione diapositive fare clic con il pulsante destro del mouse Scegliere Appunti presentazione Scegliere la scheda Attività Immettere le attività a mano a mano che vengono assegnate Per chiudere la finestra, scegliere OK Questa procedura consente di inserire automaticamente le attività assegnate in una diapositiva che verrà visualizzata alla fine della presentazione. incertezza di misura prove chimiche Dicembre 2005

Termini Incertezza (di misura): parametro associato al risultato di una misurazione che caratterizza la dispersione dei valori ragionevolmente attribuibili al misurando. incertezza tipo composta: incertezza tipo del risultato di una misurazione allorquando il risultato è ottenuto mediante i valori di un certo numero di altre grandezze; essa è uguale alla radice quadrata positiva di una somma di termini che sono le varianze di tali grandezze, pesate secondo la variazione del risultato della misurazione al variare di esse. Incertezza estesa: grandezza che definisce, intorno al risultato di una misurazione, un intervallo che ci si aspetta comprendere una frazione rilevante della distribuzione dei valori ragionevolmente attribuiti al misurando.

ripetibilità: se le prove sono eseguite in modo da minimizzare le sorgenti di errore casuale (stesso operatore, stesse apparecchiature, tempi di effettuazione ristretti). La sua formula è r = t  sr  2 in cui t è il t di Student, scelto solitamente con una probabilità del 95% e con un numero di gradi di libertà pari al numero delle repliche meno 1; sr è lo scarto tipo di ripetibilità. Per un elevato numero di ripetizioni (10) si può approssimare il t di Student a 2, che diventa quindi un fattore di copertura costante con livello di probabilità del 95%. - riproducibilità: se le prove sono eseguite , sempre sullo stesso campione, in laboratori diversi (quindi con operatori e apparecchiature differenti). Analogamente la riproducibilità è espressa dalla formula: R = 2  sR  2

Principali approcci - metrologico (bottom-up)    - olistico o decostruttivo (top-down) - relazione di Horwitz

approccio metrologico definizione del misurando Identificazione dei contributi all’incertezza distinzione dei contributi tipo A e tipo B semplificazione dei contributi che ricadono nella ripetibilità quantificazione dei contributi calcolo dell’incertezza composta calcolo dell’incertezza estesa

altri approcci: metodi normalizzati che riportano dati di precisione prove di ripetibilità confronto fra lo scarto tipo ottenuto in laboratorio con lo scarto tipo del metodo il rapporto deve rientrare nei valori tabulati MU 179/1 (probabilità 95%) calcolo dell’incertezza estesa (riproducibilità per il fattore di copertura k=2)

altri approcci: metodi normalizzati che non riportano dati di precisione partecipazione a circuiti interlaboratorio per la prova in questione utilizzo dei dati di ritorno dal circuito con i criteri precedenti calcolo dell’incertezza estesa con i criteri precedentemente indicati

altri approcci: metodi normalizzati che non riportano dati di precisione utilizzo di dati di circuiti interlaboratorio per la prova in questione nei quali sono stati utilizzati metodi diversi per ottenere lo stesso misurando calcolo dell’incertezza estesa

altri approcci: metodi normalizzati che non riportano dati di precisione utilizzo di un materiale di riferimento che riporti sul certificato dati di ripetibilità e riproducibilità, per il materiale stesso, ottenuti da un circuito interlaboratorio calcolo dell’incertezza estesa con i criteri precedentemente indicati

NB ii dati debbono essere sottoposti ad idonei test statistici (es. distribuzione normale Shapiro-Wilks; anomalia Dixon; significatività ANOVA) Ii circuiti interlaboratorio debbono vedere un numero congruo di partecipanti Ii circuiti interlaboratorio debbono essere correttamente gestiti (guide ISO 43 e ILAC G13)

altri approcci: relazione di Horwitz prove di ripetibilità confronto fra il rapporto dello lo scarto tipo ottenuto in laboratorio con lo scarto tipo calcolato con la relazione di Horwitz (< = al rapporto di Horrat 0,66) calcolo dell’incertezza estesa (scarto tipo di riproducibilità calcolato per il fattore di copertura k=2)

approccio metrologico - generalmente utilizzabile (es. metodi interni dei quali spesso rappresenta la base della validazione) - spesso i singoli contributi quantificati per una prova sono utilizzabili anche per altre prove - si opera quantificando i singoli contributi ottenendo informazioni su quali sono rilevanti (possibilità di scegliere su quali agire per minimizzare l’incertezza, minimizzare i costi, ecc.)

approccio metrologico contro - complesso richiede la conoscenza e quantificazione di tutti i fattori di influenza alto costo di implementazione (necessarie a questo fine impiego di risorse economiche quali partecipazione a corsi sull’incertezza, impiego di risorse umane dedicate alla stima dell’incertezza)

approccio olistico o decostruttivo (top-down) - semplice - basso costo di implementazione (non necessarie a questo fine importanti risorse economiche per partecipazione a corsi sull’incertezza, impiego di risorse umane dedicate alla stima dell’incertezza)

approccio olistico o decostruttivo (top-down) contro - richiede un’analisi dell’applicabilità ai singoli casi (es. metodi interni, metodi normati con dati di precisione o senza dati di precisione) non offre il legame fra i fattori di influenza ed il risultato finale se confrontato con il metrologico di solito fornisce valori più elevati di incertezza

approccio di Horwitz pro - semplice - basso costo di implementazione (non necessarie a questo fine partecipazioni a ring-tests, impiego di risorse economiche quali partecipazione a corsi sull’incertezza, impiego di risorse umane dedicate alla stima dell’incertezza)

approccio di Horwitz contro - è applicabile solamente a tracce in alimenti non offre il legame fra i fattori di influenza ed il risultato finale se confrontato con il metrologico di solito fornisce valori più elevati di incertezza

Ulteriori riflessioni e proposte verificare l’applicabilità della relazione di Hortwiz anche per risultati che non rappresentano analiti in tracce (es. Reg CE 128:2004 e Reg CE 355:2005 validazione e recepimento TAV nei vini con bilancia idrostatica e densimetria elettronica a frequenza di risonanza)

Ulteriori riflessioni e proposte stimolare sempre più la revisione/produzione di metodi di prova normati contenenti i dati di precisione

Ulteriori riflessioni e proposte considerare sempre più estesamente l’utilizzo dei dati di ritorno dai ring-tests per la stima dell’incertezza di misura.

Ringrazio i partecipanti per la pazienza mostrata: nei riguardi dell’argomento trattato nei riguardi di chi lo presenta. Massimo Radicchi