Professora: Talita A. Camargo Benassi

AQI
Professora: Talita A. Camargo

Benassi
1.1 Algarismos Significativos
Algarismos significativos são todos os dígitos

conhecidos (exatos) mais o primeiro duvidoso (incerto)
10 20 30
Menor divisão: 1 cm
23, 3 cm Duvidoso e significativo

Carrega informação
22,0 23,0 24,0

Menor divisão: 1 mm
23,3 7 cm
Duvidoso e significativo
Carrega informação
•Zeros entre dígitos diferentes de zero são significativos;
•Zeros além do ponto decimal no final de um número são significativos;
•Zeros que precedem o 1° dígito diferente de zero não são significativos
Valor medido Algarismos

significativos
8,80 3
8,08 3
8,008 4
800,80 5
0,008 1
0,00808 3
0,00800 3
8 x 10-3 1
8,12 x 10-2 3
Questões:
1)
2) Informe a quantidade de algarismos significativos nos números ou resultado das
operações a seguir:
a) 0,216
b) 0,00009
c) 9 / 1.000
d) 1,203
e) 222,2
f) 4,2333
g) 4,00005
h) 5,00006
i) 0,3 / 1.000
j) 10000,02
k) 1x10-3
l) 0,0005003
m) 0,0060007
n) 0,0007
o) 0,0004
p) 0,000456
1.2 Arredondamento
Arredondamento: somente no resultado final

Cálculos intermediários devem ser feitos retendo o
máximo de algarismos significativos para evitar erros de
arredondamento
Manual Eurachem = incerteza=2 algarismos

significativos
Regras de Arredondamento
51,24438 = 51,24
51,24738 = 51,25
Valor par = mesma
51,24500 = 51,24 (infinitos zeros após o 5) coisa.
Valor ímpar =
51,23500 = 51,24 (infinitos zeros após o 5) aumenta.
51,24500012 = 51,25
Esse manda
Contas : 4 alg. Sig, 3 alg. Sign., 2 alg. sig
1) Efetue o arredondamento na casa decimal que se pede dos seguintes números
classificados na tabela:
1ª casa decimal 2ª casa decimal 3ª casa decimal

depois da vírgula depois da vírgula
depois da vírgula
3,5676
1,342
2,0154
3,12461
7,8932
2,5555
4,12245
4,7777
Resposta
1ª casa decimal 2ª casa decimal 3ª casa decimal
3,5676 3,6 3,57 3,568
1,342 1,3 1,34 1,342
2,0154 2,0 2,02 2,015
3,12461 3,1 3,12 3,125
7,8932 7,9 7,89 7,893
2,5555 2,6 2,56 2,556
4,12245 4,1 4,12 4,122
4,7777 4,8 4,78 4,778

2) Faça os arredondamentos abaixo para 2 casas
decimais depois da vírgula.
a. 15,4852 ____________ f. 8,3299 ____________

b. 25,3270 ____________ g. 15,0005 ___________
c. 18,0300____________ h. 35,92106___________
d. 15,992_____________ i. 0,890501___________
e. 7,5999 _____________
Resposta
2) Faça os arredondamentos abaixo para 2 casas

decimais.
a. 15,4852 : 15,49 f. 8,3299: 8,33

b. 25,3270: 25,33 g. 15,0005: 15,00
c. 18,0300: 18,03 h. 35,92106: 35,92
d. 15,992: 15,99 i. 0,890501: 0,89
e. 7,5999: 7,60
3) Em uma pesquisa sobre o tempo, em minutos, gasto por crianças para
resolver um teste psicológico observou-se os seguintes dados. Faça os
arredondamentos para 1 decimal depois da vírgula.
a)35,94
b) 18,09
c) 18,009
d) 19,55
e) 19,93
f) 29,97
g) 10,05
h) 10,55
i) 16,66
j) 18,88
l) 10,00
m) 26,06
n) 16,04
o) 17,65
p) 17,75
Resposta
3) Em uma pesquisa sobre o tempo, em minutos, gasto por crianças para
resolver um teste psicológico observou-se os seguintes dados. Faça os
arredondamentos para 1 decimal depois da vírgula.
a)35,94: 35,9
b) 18,09: 18,1
c) 18,009: 18,0
d) 19,55: 19,6
e) 19,93: 19,9
f) 29,97: 30,0
g) 10,05: 10,0
h) 10,55: 10,6
i) 16,66: 16,7
j) 18,88: 18,9
l) 10,00: 10,0
m) 26,06: 26,1
n) 16,04: 16,0
o) 17,65: 17,6
p) 17,75: 17,8
4. Efetue as operações abaixo e apresente o resultado com 2
casas decimais depois da vírgula.
a. 18,0089 + 32,4532
b. 0,0089 + 1,326
c. 0,01 + 0,089
d. 9,989 + 1,1145
e. 4,3578 – 2,1
f. 2,789 – 2,788
g. 25,32 – 2,8588
h. 1,45 x 4,1
i. 2,7 x 2,8
j. 1,3589 x 7,2
k. 1,44 : 1,2
l. 1,024 : 4
m. 2,56 : 6,4
Resposta
4. Efetue as operações abaixo e apresente o resultado com 2 casas

decimais depois da vírgula.
a. 18,0089 + 32,4532 = 50,46

b. 0,0089 + 1,326 = 1,33
c. 0,01 + 0,089 = 0,10
d. 9,989 + 1,1145 = 11,10
e. 4,3578 – 2,1 = 2,26
f. 2,789 – 2,788 = 0,00
g. 25,32 – 2,8588 = 22,46
h. 1,45 x 4,1 = 5,94
i. 2,7 x 2,8 = 7,56
j. 1,3589 x 7,2 = 9,78
k. 1,44 : 1,2 = 1,20
l. 1,024 : 4 = 0,26
m. 2,56 : 6,4 = 0,40
1.3 Operações com algarismos significativos
Adição e/ou subtração
Fator limitante: o número com menor quantidade de

casas decimais ou o número com incerteza na maior
ordem de grandeza
21,452 Algarismos incertos

2,1
23,552
1.3 Operações com algarismos significativos
Multiplicação e/ou divisão
Fator limitante: o número com menor quantidade de

algarismos significativos
1,42 x 0,24 = 0,3408 → 0,34

→
→
3 alg. Sign. 2 alg. Sign. 2 alg. Sign.
Questões:
1) Pensando no fator limitante, efetue as adições e utilize o fator limitante:
a) 3,5 + 0,12 =
b) 9,1 + 0,07 =
c) 4,7 + 12,01 =
d) 2,746 + 0,92 =
e) 6 + 0,013 =
f) 4 + 0,07 + 9,1 =
g) 16.,4 + 1,03 + 0,72 =
h) 5,3 + 8,2 + 0,048 =
i) 0,45 + 4,125 + 0,001 =
j) 5 + 0,6 + 1,2 + 15,7 =
Resposta:
1) Pensando no fator limitante, efetue as adições e utilize o fator limitante:
a) 3,5 + 0,12 = 3,6

b) 9,1 + 0,07 = 9
c) 4,7 + 12,01 = 17
d) 2,746 + 0,92 = 3,7
e) 6 + 0,013 = 6
f) 4,0 + 0,77 + 9,1 = 14
g) 16,4 + 1,03 + 0,72 = 18
h) 5,3 + 8,2 + 0,048 = 14
i) 0,45 + 4,125 + 0,011 = 4,6
j) 5,1 + 0,61 + 1,2 + 15,8 = 23
2) Pensando no fator limitante, efetue as multiplicações e utilize o fator
limitante:
a) 5,7 x 1,4 =
b) 0,42 x 0,3 =
c) 7,14 x 2,3 =
d) 14,5 x 0,5 =
e) 13,2 x 0,16 =
f) 7,04 x 5 =
g) 21,8 x 0,32 =
h) 3,12 x 2,81 =
i) 2,14 x 0,008 =
j) 4,092 x 0,003 =
Resposta:
2) Pensando no fator limitante, efetue as multiplicações e utilize o fator

limitante:
a) 5,7 x 1,4 = 8,0

b) 0,42 x 0,3 = 0,1
c) 7,14 x 2,3 = 16
d) 14,5 x 0,50 = 7,2
e) 13,2 x 0,16 = 2,1
f) 7,04 x 5,1 = 36
g) 21,8 x 0,32 = 7,0
h) 3,12 x 2,81 = 8,77
i) 2,14 x 0,800 = 1,71
j) 4,092 x 0,030 = 0,12
1.4 Precisão e Exatidão
Quando o conjunto de medidas realizadas se afasta muito da média, a
medida é pouco precisa e o conjunto de valores medidos tem alta dispersão
(Figura 1 (a, b)). Quando as mesmas estão mais concentradas em torno da
média diz-se que a precisão da medida é alta (Figura 1 (c, d)), e os valores
medidos tem uma distribuição de baixa dispersão.
a)Baixa precisão b) Baixa c) Alta precisão e d) Alta precisão

e baixa exatidão precisão e alta baixa exatidão e alta exatidão
exatidão
Figura 1: Representação da precisão e exatidão em medidas

experimentais
Qual é melhor b ou c?
Questões:
1) Dois alunos utilizaram 2 protocolos distintos para medir 250 mL de uma solução e
obtiveram os seguintes resultados:
Protocolo A 250,001 mL , 250, 015 , 250,025

Protocolo B 249,001, 249,002 e 249,000
Qual o protocolo mais preciso? Qual o protocolo mais exato? Explique.
2) A cada membro de uma classe pediu-se para medir a temperatura do ar na sala

em °C. Os resultados oferecidos foram os seguintes: 24,9; 24,8; 24,8; 25,0; 22,1;
24,9; 22,0; 22,2; 22,4; 25,0; 22,5; 24,7; 24,8; 22,2; 24,7. Discuta o que pode ser
concluído dos dados acima. Inclua na sua discussão uma menção sobre exatidão e
precisão das medidas.
2. Estatística Básica
2.1 Símbolos
n = Número de repetições; tamanho da amostra.
µ (mi) = Valor verdadeiro do mensurando (teor do

analito).
Média populacional (valor que seria
obtido de um número infinito de repetições).
Valor certificado (material de referência).
Valor de referência (ex. limite legal).
2.1 Símbolos
X = Característica de interesse. (exemplo teor de
íons cloretos Cl-).
xi = cada um dos valores obtidos (x1, x2, x3, ....xn).
Ex.: 5ppm, 4ppm, 2ppm.
 = Média Aritmética.
Estimativa de µ.
(sigma) = Desvio padrão verdadeiro ou
populacional do método analítico.
(valor obtido com 30 ou mais
repetições).
s = desvio padrão calculado com as n repetições.

Estimativa de .
2.1 Símbolos
2 ou V = Variância verdadeira do método analítico.
s2 ou V = Variância calculada com as n repetições.
 ou Md = Mediana.
GL ou  (ni) = número de graus de liberdade.

2.2 Conceitos
Exemplo:
X = teor de cloreto em uma solução com valor

verdadeiro (µ) = 5,0 g/L.
Amostra: x1 = 4,9; x2 = 5,1; x3 = 4,8; x4 = 5,0 g/L.
Medições, mesmo corretas, podem dar resultados


que diferem entre si e em relação a µ.
A média obtida pode ser igual a µ ou não.

Erro = - µ = -0,05
Obtido Real
2.2 Conceitos
O que queremos é o valor de µ.
Como sabemos que esse valor pode não ser atingido

pela estimativa  , precisamos conhecer o desvio
padrão  do sistema de medição (metodologia), que
permite calcular a incerteza da estimativa.
Com poucas repetições (n30) temos uma estimativa

s (DP amostral), que geralmente subestima .
2.2 Conceitos
O papel da estatística
Só podemos chegar perto da verdade (µ)

com um bom sistema de medição (que
garanta exatidão) e com um grande número
de repetições (para ter precisão).
A Estatística ajuda a ter maior confiabilidade

com menor esforço.
2.2 Conceitos
Média
Ex: x1 = 2,0; x2 = 3,0; x3 = 2,5; x4 = 3,0
2 algarismos significativos = resultado 3 algarismos significativos =

direito da média
Questões:
1) Calcule a média em cada um dos seguintes casos:

a) 15 ; 48 ; 36
b) 80 ; 71 ; 95 ; 100
c) 59 ; 84 ; 37 ; 62 ; 10
d) 1 ; 2 ; 3 ; 4 ; 5 ; 6 ; 7 ; 8 ; 9
e) 18 ; 25 ; 32
f) 91 ; 37 ; 84 ; 62 ; 50
2) No laboratório foi analisado uma amostra em triplicata e foi obtido os

seguintes resultados: 33,2 / 33,1 / 33,4
Qual é a média?
3) Qual é a média dos seguintes valores:

a)20, 22, 24, 26, 28, 25, 23, 24, 27, 28
b)50, 51, 53, 56, 53, 52, 54, 55, 58, 53
c)44, 42, 43, 41, 44, 43, 42, 41, 46, 47
d)33, 32, 35, 34, 33, 32, 35, 34, 35, 32
e)60, 62, 61, 63, 64, 65, 63, 64, 64, 63
f)81, 82, 82, 83, 83, 84, 85, 84, 85, 86
g)91, 92, 94, 91, 92, 93, 94, 93, 94, 94
2.3 Medidas de Posição
Mediana
Posição central dos dados ordenados
Valor Central Mediana

2.3 Medidas de Posição
Mediana
Exemplos
n ímpar: 4; 3; 2; 3; 1
Ordenando os dados: 1; 2; 3; 3; 4
Mediana = 3
n par: 4; 3; 2; 5; 4; 2
Ordenando os dados: 2; 2; 3; 4; 4; 5
Mediana = média aritmética de 3 e 4 = 3,5
A moda é o valor mais frequente.

Questões:
1) Os resultados das análises foram os seguintes:

22, 24, 27, 27, 25, 25, 25, 23, 24, 32 e 28 ml
a) Determine a média das análises.

b) Indique a mediana.
c) Indique a moda.
d) Indique o erro (µ= 25 ml)
2) Determine à média, a mediana e a moda dos
dados abaixo, referente a sete amostras
avaliadas (em ml):
187,3 181,8 180,0 169,3 162,2

158,1 155,7
3) Uma pesquisa realizada sobre análises de amostras químicas, revelou
os seguintes valores:
17 17 17 18 18 18 18 18
18 18
18 18 18 18 18 18 18 18
18 18
18 19 19 19 19 19 19 19
19 19
19 19 19 19 19 19 19 19
20 20
20 20 20 20 20 20 21 21
21 21
Determine a média, a mediana e a moda.

2.4 Medidas de Dispersão
Amplitude (R)
Variabilidade, espalhamento (indica quão espalhado

estão os dados.
Depende do dado final e inicial
Meio = também é importante
R = x maior – x menor
Ex: 4; 3; 2; 3; 1
R=4–1=3
Variância (2)
Variância: soma dos quadrados dos desvios de cada

valor xi em relação à média, dividida pelo número de
graus de liberdade.
Para população com n elementos e média µ:

Variância Amostral (s2)
Para amostra de n elementos: variância calculada

com números de graus de liberdade igual a n-1.
Variância Amostral (s2) é a estimativa de 2

Número de graus de liberdade 
Para entender:
As idades de três crianças são:
2 anos
3 anos 2 anos 3 anos 4 anos
4 anos
A média da idade destas crianças é 3 anos. Então, a probabilidade da idade destas

crianças são 2 anos, a outra terá 3 anos e a outra necessariamente deverá ter 4 anos. É
obrigatório, não tenho liberdade de escolha. Assim, o grau de liberdade será n -1, ou
seja, 3 (dados) – 1 (não tenho escolha) = 2
Um conjunto de quatro dados, A, B e C. Quais as possíveis combinações?

AB
AC
? (não tenho escolha deverá ser BC)
Assim, o graus de liberdade será n -1, ou seja, 3 (dados) – 1 (não tenho escolha) = 2
Imagine que, em uma titulação ácido-base, Joãozinho fez cinco titulações
para uma mesma amostra. O valor dos volumes (em mL), obtidos foram:
9, 7, 5, 3, 2.
x1 = 9,0
x2 = 7,0
x3 = 5,0
x4 = 3,0
X5 = 2,0
Média = 5,2
Note que a média não é igual a
nenhum dos volumes. É um
número que mostra, mais ou
menos, como foi o volume obtido
das titulações.
Muitas vezes, a média não é suficiente
para avaliar um conjunto de dados.
Volume (mL) Média Desvio

9,0 5,2 3,8
7,0 5,2 1,8
5,0 5,2 - 0,2
3,0 5,2 - 2,2
2,0 5,2 - 3,2
Volume - média = desvio

Outro dado importante em estatística é obtido pela
soma dos desvios ao quadrado. Cada desvio é
elevado ao quadrado e, em seguida, somados:
Quadrado dos
Volumes (mL) Média Desvio
desvios
9,0 5,2 3,8 14,44
7,0 5,2 1,8 3,24
5,0 5,2 - 0,2 0,04
3,0 5,2 - 2,2 4,84
2,0 5,2 - 3,2 10,24
Soma dos quadrados dos desvios 32,8
Qual é a soma dos desvios?

A soma dos quadrados dos desvios dividida pelo
número de ocorrências é chamada de variância.
s2 = 32,8/5 - 1
s2 = 32,8/4
s2 = 8,2
Outro valor que pode ser obtido a partir da média e da variância é o desvio padrão.
Como os desvios foram elevados ao quadrado, deve-se tirar a raiz quadrada da
variância e achar o desvio padrão:
No exemplo anterior pode-se interpretar que os volumes (mL), no geral,
variaram entre
(5,2 + 2,8) = 8,0 e (5,2 – 2,8) = 2,4
ou seja, o volume obtido por Joãozinho nas titulações foi regular.

No exemplo anterior pode-se interpretar que os volumes
(mL), no geral, variaram entre
(5,2 + 2,8) = 8,0 e (5,2 – 2,8) = 2,4
ou seja, o volume obtido por Joãozinho nas titulações foi

regular.
Quadrado dos
Volumes (mL) Média Desvio
x1 = 7 desvios
7,0 5,3 1,7 2,89
x2 = 6
6,0 5,3 0,7 0,49
x3 = 5 5,0 5,3 - 0,3 0,09
x4 = 4,5 4,5 5,3 - 0,8 0,64
X5 = 4,0 4,0 5,3 -1,3 1,69
Média = 5,3
s2 = 5,8/4 (5,3 + 1,2) = 6,5 e
s2 = 1,45 s = 1,2 (5,3 –1,2) = 4,1
9,0 8,0 7,0 6,0 5,0 4,0 3,0 2,0
Média = 5,2
(5,2 + 2,8) = 8,0 (5,2 – 2,8) = 2,4
9,0 8,0 7,0 6,0 5,0 4,5 4,0 3,0 2,0
Média = 5,3
(5,3 + 1,2) = 6,5 (5,3 – 1,2) = 4,1
1. O desvio-padrão é sempre não negativo.
2. Quanto maior for o desvio-padrão maior

será a dispersão dos dados em relação
à média.
3. Se o desvio-padrão é igual a zero é

porque não existe variabilidade, isto é, os
dados são todos iguais.
2.4 Medidas de Dispersão Variância
= 14
Cálculo de Desvio Padrão (s)
s2 = 4,67 4-1
Amostra: 2; 4; 7; 3 ( = 4)
Desvio Padrão (s):
s= = 2,16
xi xi (xi
2 -2 4
4 0 0
7 3 9
3 -1 1
Soma 16 0 14
S
2
= porque ao quadrado, porque sempre zero
Desvio Padrão Relativo
DPR ou RSD (relative standard deviation)
DPR =
Coeficiente de Variação (CV)

CV = DPR expresso em porcentagem
CV = X 100%
= 0,53 x 100 = 53% = 0,22 x 100 = 22%
s2 = 32,8/100
s2 = 32,8/100 s = 0,57 = 0,11 x 100 = 11%
s2 = 0,32 (aumento da precisão)
Variância Ponderada
Onde  são os graus de liberdade

dos K conjuntos de dados
Desvio Padrão Ponderado
Símbolo:
sp = raiz quadrada da variância ponderada
Ex: 2 analistas analisaram índices de proteínas. Qual a incerteza de um

analista em relação ao outro? Usa-se desvio padrão ponderado para os 2
analistas e não média dos dois desvios padrão.
Resolver os exercícios 2, 3 e 4
Rejeição de Valores Dispersos
A dispersão dos resultados de um conjunto de

dados pode ser estimada pelo desvio padrão.
Este termo, no entanto, NÃO indica como os

resultados estão distribuídos.
Curva Normal
µ
Curva Normal µ é considerada zero e
desvio padrão 1.
Exemplo
Outro Exemplo: exercício 2
Resultados Média Desvio Quadrado dos desvios
7,08 7,13 -0,05 0,0025

7,21 7,13 0,08 0,0064
7,12 7,13 -0,01 0,0001
7,09 7,13 -0,04 0,0016
7,16 7,13 0,03 0,0009
7,14 7,13 0,01 0,0001
7,07 7,13 -0,06 0,0036
7,14 7,13 0,01 0,0001
7,18 7,13 0,05 0,0025
7,11 7,13 -0,02 0,0004
Desvio padrão
s =  0,045
Desvio padrão
68% s =  0,045
95%
- 0,045 + 0,045
- 0,090 7,3 + 0,090
média
Supondo que os resultados 95% (9,5 em cada 10), no intervalo 0,090%

seguem a distribuição normal, em torno do valor médio.
então, 68% (aproximadamente 7 Isto significa que existe 5% de probabilidade
em cada 10 resultados) se (1 em 20) do resultado diferir da média por
encontram no intervalo 0,045% . mais de 0,090%.
Confiabilidade dos Resultados
O cálculo de parâmetros estatísticos a partir de um conjunto

de dados tem, por si só, pouco valor. Na análise dos
resultados deves-se levar em conta:
(a)A confiabilidade dos resultados e
(b) sua comparação com o valor verdadeiro ou outros
conjuntos de dados.
Um ponto importante é poder rejeitar certos resultados de

forma sensata, que só ocorre através de um tratamento
estatístico.
Evite a tentação!!!!!
Exemplo: a análise de cádmio em poeira deu como resultados:
4,3; 4,1; 4,0 e 3,2 µg.g-1.
Deve-se eliminar o resultado 3,2?
Podemos aplicar o teste Q para resolver esta questão.
Q=
Q=
Se Q calculado for maior do que o valor crítico obtido da tabela, o valor

suspeito pode ser rejeitado.
Qcalculado > Qcrítico  o valor pode ser rejeitado.
Qcalculado < Qcrítico  o valor não pode ser rejeitado.
0,727 < 0,829
Conclusão: o valor 3,2 não pode ser rejeitado
Tabela Teste Q
142 - ANALYTICAL CHEMISTRY, VOL. 63, NO. 2, JANUARY 15, 1991

Table I. Critical Values of Dixon's r10 ( Q ) Parameter As Applied to a Two-
Tailed Test at Various Confidence Levels, Including the 95% Confidence Level
 = nível de significância
Teste de Grubbs
Tipo 1 G1 : para um valor discrepante
Tipo 2 G2 : para dois valores discrepantes
Tipo 3 G3 : para dois valores discrepantes consecutivos
Se Gcalculado > Gtabelado = rejeitar

Resolver o exercício 5 e 6
Intervalo de Confiança (IC)
Quando o número de medidas é pequeno, o valor do
desvio padrão s não é, por si mesmo, uma medida de
proximidade da média das amostras, à média
verdadeira. É possível, porém , calcular um intervalo de
confiança que permite estimar a faixa na qual a média
verdadeira poderá ser encontrada.
Em que t é um parâmetro que depende do número de

graus de liberdade  e do nível de confiança desejado
Exemplo
A média de 4 determinações do conteúdo de cobre de uma liga foi de

8,27 e seu desvio padrão, s = 0,17. Calcule o limite de confiança a 95%
do valor verdadeiro.
Valor t = tabela distribuição T de Student

Graus de liberdade = n-1 = 4-1 = 3
95%
5% = 2,5% para cada lado

= 0,025
7,0 9,0
Média =
8,27
(8,27 – 0,27) = 8,0
(8,27 + 0,27) = 8,54
Isto significa que existe 95% de confiança de que o valor verdadeiro da

concentração de cobre na liga está entre 8,0% e 8,54%.
Calcule rapidamente para um número de

determinações de 12.
Qual é a conclusão?
Resolver o exercício 7,8
Escore Z
Para Z = 2
Nível de  /2 Z/2
confiança
90% 0,10 0,05 1,65

95% 0,05 0,025 1,96
99% 0,01 0,005 2,58

Intervalo de Confiança (IC) para uma população (e)
Resolver o exercício 9
No exercício 9 não quero um erro maior que 0,1, pois o
cliente exige isso, como resolver – verificar a quantidade
do tamanho da amostra.
Comparação de resultados
Testes de hipóteses ou testes de significância são testes

estatísticos que permitem fazer comparações e
interpretações objetivas a partir de dados experimentais,
permitindo tomadas de decisão sem subjetividades.
Devem ser usados sempre que houver necessidade de

tomar decisões ou responder a perguntas com base na
comparação de duas ou mais coisas.
Analista 1 Analista 2 Analista 3
Perguntas:
Precisão do analista 2 é significativamente
0,35 0,45 0,36 pior do que 1 e do 3?
0,36 0,45 0,33
Analistas 1 e 3 têm precisão homogênea?
0,33 0,42 0,33
0,37 0,42 0,35 Medida do analista 2 é estatisticamente
diferente das médias de 1 e 3?
0,35 0,35 0,38
0,36 0,36 0,35 Médias dos analistas 1 e 3 são
estatisticamente iguais?
0,40 0,36 0,33
É usado para amostras pequenas.
Seu propósito é comparar a média de É usado para comparar as precisões
uma série de resultados com um de dois grupos de dados como, por
valor de referência e exprimir o nível exemplo, os resultados de dois
de confiança associado ao significado métodos de análise diferentes ou
de comparação. É também usado resultados de dois laboratórios
para testar a diferença entre as diferentes.
médias de dois conjuntos de
resultados.
Teste t de Student e Teste F

Teste t de Student
Exemplo: Teste t quando o valor verdadeiro é conhecido.
A média de 12 determinações, , é 8,37 e o valor verdadeiro é  = 7,91.

verifique se este valor é significativo para um desvio padrão igual a 0,17%.
Da tabela de valores de t, com 11 graus de liberdade (um a menos que os 12 usados

nos cálculos), temos:
Para P = 0,10 (10%) 0,05(5%) (0,01)(1%)

t = 1,80 2,20 3,11
E como o valor calculado de t é 9,4, o resultado é muito significativo. Há erro

sistemático no procedimento do laboratório. A diferença do valor da média verdadeiro e
das determinações é 0,46, significa que a chance de acerto é menor do que 1 em 100.
E se o valor t fosse menor que 1,80?
Resolver o exercício 10, 11 e 12
Teste F
É usado para comparar as precisões de dois grupos de dados como, por

exemplo, os resultados de dois métodos de análise diferentes ou
resultados de dois laboratórios diferentes.
O maior valor de s sempre é colocado no numerador, o que faz com que

o valor de F seja sempre maior do que a unidade. A significância do
valor obtido para F é então verificada por comparação com valores da
tabela F determinados pela distribuição F, levando-se em consideração o
número de graus de liberdade de ambos os conjuntos de dados.
Exemplo
O desvio padrão de um conjunto de 11 determinações é sA = 0,210 e o

desvio padrão de outras 13 determinações é sB = 0,641. Existe alguma
diferença significativa entre as precisões destes dois conjuntos de
resultados?
Para
P= 0,10 0,05
F= 2,91 3,62
A diferença é altamente significativa.
Existe menos de 5 chances em 100 das precisões serem semelhantes. Valor

de 0,01 (1%) = 4,71. Piorou 1 chance em 100!!!!!!!
Comparações entre as médias de duas amostragens
Quando um novo método analítico está sendo desenvolvido é comum

comparar-se a média e a precisão do novo método (que está sendo
testado) com as do método tradicional (de referência). O valor de t
quando se comparam duas médias é dado pela expressão:
Em que sp é o desvio padrão agrupado, é determinado pelos desvios

padrões das duas amostras, s1 e s2 , como sendo
Exemplo
Os seguintes resultados foram obtidos durante a comparação entre um
método novo e um método tradicional de determinação da percentagem
de níquel em um aço especial:
Método Novo Método tradicional

Média
Desvio padrão s1 = 0,130 s2 = 0,095
Número de n1 = 5 n2 = 6
amostras
Verifique, com a probabilidade de 5%, se a média dos resultados obtidos com o
novo método novo é significativamente diferente da média obtida com o método
tradicional.
Deve-se aplicar o teste F para comprovar que não existe diferença significativa entre
as precisões dos dois métodos
O valor de F (tabelado) (P = 5%) = 5,19, (unilateral), quando variâncias diferentes,

melhora precisão, portanto maior do que o calculado, logo as precisões dos métodos
(desvios padrões) são comparáveis e o teste t pode ser aplicado com segurança.
Bilateral www2.mat.ua.pt/pessoais/ahall/Bioestatística/TH2006.pdf
Unilateral
Resumindo:
Lateralidade
Teste Unilateral ou unicaudal
1.Quando se quer testar se o valor obtido é “maior que” ou “menor que” um

determinado valor de referência.
2.Quando se sabe, antes de coletar os dados, que o valor obtido só pode ser
maior que o outro (ou o contrário), no caso de não serem iguais. Ex:
medicamento.
Teste bilateral ou bicaudal
1.Quando se quer definir se uma coisa é igual a ou diferente de outra coisa.

2.Quando não se sabe, antes de coletar os dados, qual dos valores
comparados será maior (ou menor), no caso de não serem iguais.
Método Novo Método tradicional
Média
Desvio padrão s1 = 0,130 s2 = 0,095
Número de n1 = 5 n2 = 6
amostras
Para 9 graus de liberdade t(tabelado) (5%) = 2,26
Assim:
Tcalculado > ttabelado
2,66 > 2,26
Há diferença significativa entre a média dos resultados dos dois métodos.

Teste t emparelhado
Um outro método de validar um novo procedimento é comparar os
resultados obtidos usando amostras de composição variável com os
resultados obtidos por um método já aceito.
Exemplo
Dois métodos diferentes, A e B, foram usados na análise de cinco
compostos diferentes de ferro. O conteúdo percentual de ferro em cada
uma das amostras, tabelado para os métodos A e B, é
1 2 3 4 5
MÉTODO A 17,6 6,8 14,2 20,5 9,7
MÉTODO B 17,9 7,1 13,8 20,3 10,2
Neste caso, calculam-se as diferenças d entre cada par de resultados e

obtém-se a média das diferenças . Avalia-se o desvio padrão, sd, das
diferenças. Os resultados tabelados são:
Assim, calcula-se o valor de t pela equação:
O valor tabelado de t é 2,776 (P = 5%). O valor calculado é menor que o tabelado,

não existe diferença significativa entre os dois métodos. Pode-se utilizar este
método.
Comparação de duas Médias
A comparação de duas média é uma situação comum na analítica. Pode ser útil
comparar, por exemplo, a média dos resultados obtidos em diferentes
espectrofotômetros e a mesma amostra analítica ou desempenho de vários
analistas que usam o mesmo método de titulação. Imagine que três analistas
fazem quatro titulações repetidas cada um usando o mesmo método. Existem
neste caso, duas fontes de erro possíveis: o erro aleatório associado às medidas
da amostra e a variação dos resultados devido aos diferentes analistas. Estas
variações podem ser calculadas e seus efeitos estimados pelo método estatístico
conhecido como análise de variância (ANOVA), em que o quadrado do desvio
padrão, s2, é a variância, V. Assim, F = s21/s22, onde s21>s22 pode ser escrito como F
= V1/V2 onde V1>V2
Exemplo
Pediu-se a três analistas que fizessem titulações quadruplicadas com a mesma solução. Os
volumes (mL) são:
Analista A Analista B Analista C

22,53 22,48 22,57
22,60 22,40 22,62
22,54 22,48 22,61
22,62 22,43 22,65
Para simplificar os cálculos, é prática corrente subtrair um valor comum, neste caso, por
exemplo, 22,50, de cada valor. Determinas-se, então, a soma de cada coluna. Isto não afeta o
resultado final.
22,53 - 22,50 22,48- 22,50 22,57- 22,50
22,60- 22,50 22,40- 22,50 22,62- 22,50
22,54- 22,50 22,48- 22,50 22,61- 22,50
22,62- 22,50 22,43- 22,50 22,65- 22,50

0,03 -0,02 0,07
0,10 -0,10 0,12
0,04 -0,02 0,11
0,12 -0,07 0,15
Soma= 0,29 Soma= -0,21 Soma= 0,45
As seguintes etapas de cálculos devem ser executadas:
a)Obtenha o total geral
T = 0,29 - 021 + 0,45 = 0,53
b) Obtenha o fator de correção (CF)
CF = T2/N = (0,53)2 /12 (quantidade total de medidas) = 0,0234
c) Obtenha a soma total dos quadrados elevando cada coluna e subtraindo o fator de
correção (CF).

0,0009 0,0004 0,0049
0,0100 0,0100 0,0144
0,0016 0,0004 0,0121
0,0144 0,0049 0,0225
Soma= 0,0269 Soma= 0,0157 Soma= 0,0539
Soma total dos quadrados = (0,0269 + 0,0157 + 0,0539 - CF) = 0,0731

d) Para obter a soma dos quadrados intermediária (dos analistas), tome a soma dos
quadrados de cada coluna, dividida pelo número de resultados em cada coluna e,
então, subtraia o fator de correção:
0,03 -0,02 0,07
0,10 -0,10 0,12
0,04 -0,02 0,11
0,12 -0,07 0,15
Soma= 0,29 Soma= -0,21 Soma= 0,45
e) Para obter a soma dos quadrados das análises repetidas, subtraia da soma dos
quadrados total a soma dos quadrados intermediária.
0,0731 – 0,0593 = 0,0138

f) Obtenha o número de graus de liberdade  como descrito a seguir:
O número de graus de liberdade total = 12 (análises) -1 = 11

O número de graus de liberdade intermediários = 3(analistas) – 1 = 2
O número de graus de liberdade das análises repetidas = (12 – 1) – (3 -1) = 9
e) Estabeleça a tabela de análise de variância (ANOVA).
Fonte de Variação Soma dos quadrados  Variâncias
Entre analistas 0,0593 (passo d) 2 0,0593/2 = 0,0297
Entre titulações 0,0138 (passo e) 9 0,0138/9 = 0,00153
Total 0,0731 11
h) Use o teste F para comparar as duas variâncias.
Das tabela de valores de F (0,05%) = 4,26. O valor calculado 19,51 é maior, portanto
existe uma diferença significativa entre os resultados obtidos pelos 3 analistas.
Tendo verificado isto, a próxima etapa seria determinar se o resultado médio é

diferente dos outros, ou se todas as médias são significativamente diferente
umas das outras.
a) Calcule as médias das titulações feitas por cada analista. Os valores médios são:
b) Calcule a quantidade definida como “menor diferença significativa”, dada por:
Onde s é a raiz quadrada da variância residual, isto é, a variação entre titulações.
Fonte de Variação Soma dos quadrados  Variâncias
Entre analistas 0,0593 (passo d) 2 0,0593/2 = 0,0297
Entre titulações 0,0138 (passo e) 9 0,0138/9 = 0,00153
Total 0,0731 11
n é o número de resultados em cada coluna (neste caso 4) e t é o valor a 5% ( =
0,025), obtido nas tabelas t, com o mesmo número de graus de liberdade dos
resíduos, isto é, entre titulações. Neste caso é 9, logo a menor diferença significativa
é calculada por:
Se a média das titulações for organizada for organizada em ordem crescente, então,
22,61 - 22,45 = 0,21

e
22,57 - 22,45 = 0,12

São maiores do que 0,06, enquanto
22,61 - 22,57 = 0,04
É menor. Isto significa que não existe diferença significativa entre os
analistas A e C, mas os resultados dos analistas B são
significativamente diferentes dos obtidos pelos analistas A e C.

Professora: Talita A. Camargo Benassi

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Professora: Talita A. Camargo Benassi

Enviado por

Direitos autorais:

Formatos disponíveis

AQI

Professora: Talita A. Camargo

Algarismos significativos são todos os dígitos

23, 3 cm Duvidoso e significativo

22,0 23,0 24,0

Valor medido Algarismos

Arredondamento: somente no resultado final

Manual Eurachem = incerteza=2 algarismos

1ª casa decimal 2ª casa decimal 3ª casa decimal

1ª casa decimal 2ª casa decimal 3ª casa decimal

3,5676 3,6 3,57 3,568

1,342 1,3 1,34 1,342

2,0154 2,0 2,02 2,015

3,12461 3,1 3,12 3,125

7,8932 7,9 7,89 7,893

2,5555 2,6 2,56 2,556

4,12245 4,1 4,12 4,122

4,7777 4,8 4,78 4,778

a. 15,4852 ____________ f. 8,3299 ____________

2) Faça os arredondamentos abaixo para 2 casas

a. 15,4852 : 15,49 f. 8,3299: 8,33

4. Efetue as operações abaixo e apresente o resultado com 2 casas

a. 18,0089 + 32,4532 = 50,46

Adição e/ou subtração

Fator limitante: o número com menor quantidade de

21,452 Algarismos incertos

Multiplicação e/ou divisão

Fator limitante: o número com menor quantidade de

1,42 x 0,24 = 0,3408 → 0,34

1) Pensando no fator limitante, efetue as adições e utilize o fator limitante:

1) Pensando no fator limitante, efetue as adições e utilize o fator limitante:

a) 3,5 + 0,12 = 3,6

2) Pensando no fator limitante, efetue as multiplicações e utilize o fator

a) 5,7 x 1,4 = 8,0

a)Baixa precisão b) Baixa c) Alta precisão e d) Alta precisão

Figura 1: Representação da precisão e exatidão em medidas

Protocolo A 250,001 mL , 250, 015 , 250,025

Qual o protocolo mais preciso? Qual o protocolo mais exato? Explique.

2) A cada membro de uma classe pediu-se para medir a temperatura do ar na sala

n = Número de repetições; tamanho da amostra.

µ (mi) = Valor verdadeiro do mensurando (teor do

s = desvio padrão calculado com as n repetições.

2 ou V = Variância verdadeira do método analítico.

s2 ou V = Variância calculada com as n repetições.

GL ou  (ni) = número de graus de liberdade.

X = teor de cloreto em uma solução com valor

Amostra: x1 = 4,9; x2 = 5,1; x3 = 4,8; x4 = 5,0 g/L.

Medições, mesmo corretas, podem dar resultados

O que queremos é o valor de µ.

Como sabemos que esse valor pode não ser atingido

Com poucas repetições (n30) temos uma estimativa

Só podemos chegar perto da verdade (µ)

A Estatística ajuda a ter maior confiabilidade

Ex: x1 = 2,0; x2 = 3,0; x3 = 2,5; x4 = 3,0

2 algarismos significativos = resultado 3 algarismos significativos =

1) Calcule a média em cada um dos seguintes casos:

2) No laboratório foi analisado uma amostra em triplicata e foi obtido os

3) Qual é a média dos seguintes valores:

Posição central dos dados ordenados

Valor Central Mediana

A moda é o valor mais frequente.

1) Os resultados das análises foram os seguintes:

a) Determine a média das análises.

a. 15,4852 f. 8,3299