Replanteamiento de la calibración como problema de estimación estadística para mejorar la precisión de las mediciones

Área de la Ciencia:

• Química analítica
• Modelado estadístico

Sus antecedentes:

• La calibración es esencial para las mediciones químicas analíticas precisas, que tienen un impacto en la investigación y la industria.
• Los métodos convencionales de calibración pueden sufrir variabilidad debido al tamaño limitado de las muestras y a los recursos disponibles.
• La integridad de los datos y la toma de decisiones se ven comprometidas por una calibración inexacta.

Objetivo del estudio:

• Reevaluar la calibración como un problema de estimación estadística, centrándose en reducir la incertidumbre.
• Introducir y validar un enfoque de modelado jerárquico bayesiano (BHM) para una calibración mejorada.
• Demostrar las ventajas de BHM sobre los métodos de regresión tradicionales.

Principales métodos:

• Reevaluación estadística de los métodos de calibración convencionales.
• Aplicación y prueba de un enfoque de modelado jerárquico bayesiano (BHM).
• Análisis de los datos de tres tipos distintos de problemas de calibración.

Principales resultados:

• El tamaño limitado de las muestras en las curvas de calibración estándar contribuye significativamente a la variabilidad.
• El enfoque BHM reduce efectivamente la incertidumbre al agrupar información a través de puntos de datos y curvas similares.
• El aumento de las replicaciones mejora la estimación de la incertidumbre de medición.

Conclusiones:

• El enfoque de modelado jerárquico bayesiano (BHM) ofrece una precisión y consistencia superiores en comparación con la regresión convencional.
• BHM mejora los métodos de medición basados en la calibración mediante el modelado robusto de la incertidumbre.
• Este método mejora la fiabilidad de los datos sin requerir cambios en los procedimientos experimentales.