182 CAPÍTULO 8 Muestreo, estandarización y calibración

pueden ocasionar una respuesta del instrumento que no se distinga fácilmente de la

del analito. Estos efectos interfieren en la determinación del analito. Si las interfe-
rencias son causadas por especies extrañas en la matriz, reciben el nombre de efec-
tos de matriz. Estos efectos pueden ser debidos no sólo a la propia muestra, sino
también a los reactivos y disolventes utilizados en la preparación de la muestra para
su determinación. La composición de la matriz que contiene el analito puede variar
con el tiempo, como sucede cuando los materiales pierden agua por deshidratación
o experimentan reacciones fotoquímicas durante el almacenamiento. Más adelante,
en la Sección 8C, se analizarán los efectos de matriz y otras interferencias en el con-
texto de los métodos de estandarización y calibración.

Las muestras se analizan, pero los Como se explicó en la Sección 1C, las muestras se analizan, pero las especies o
componentes o las concentraciones se concentraciones se determinan. Lo correcto es indicar la determinación de glucosa
determinan. en suero sanguíneo, o bien el análisis de suero sanguíneo para la determinación de
glucosa.

8B MUESTREO Y MANEJO DE LA MUESTRA

En la mayoría de los casos un análisis químico se realiza sólo en una pequeña frac-
ción del material cuya composición es de interés. Para que los resultados sean váli-
dos, es evidente que la composición de la fracción debe reflejar lo mejor posible la
composición media en todo el material. El proceso mediante el que se toma una frac-

Con frecuencia el muestreo es el
aspecto más difícil de un análisis.
ción representativa se denomina muestreo. Con frecuencia el muestreo es el paso más
difícil de todo el proceso analítico y es el que limita la exactitud del procedimiento.
Esta afirmación es particularmente cierta si el material que se va a analizar es una
gran cantidad de un líquido heterogéneo, como puede ser un lago, o un sólido hete-
rogéneo, como un mineral, un suelo o un trozo de un tejido animal.
Para un análisis químico, el muestreo requiere necesariamente el empleo de la es-
tadística ya que, a partir del análisis de una pequeña muestra de laboratorio, se sa-
carán conclusiones sobre una cantidad más grande de material. Éste es el mismo pro-
ceso que se estudió en los Capítulos 6 y 7 al examinar un número finito de partes
tomadas de una población. A partir de la observación de la muestra, se utilizan he-
rramientas estadísticas, como la media y la desviación estándar, para sacar conclu-
siones acerca de la población. El material bibliográfico que trata sobre el muestreo
es muy extenso1; en esta sección se hará únicamente una breve introducción.

8B.1. Obtención de una muestra representativa

El proceso de muestreo debe asegurar que las partes seleccionadas son representati-
vas de todo el material o población. Aquí, los elementos seleccionados para el aná-
lisis se denominan unidades de muestreo o incrementos de muestreo. Por ejem-

La composición de la muestra plo, la población podrían ser 100 monedas y se desea conocer la concentración media
bruta y la de la muestra de de plomo en la colección de monedas. La muestra puede estar formada por cinco mo-
laboratorio deben ser muy cercanas a nedas. Cada moneda es una unidad o un incremento de muestreo. En el sentido es-
la composición media de la masa total tadístico la muestra corresponde a varias porciones pequeñas tomadas de diferentes
del material a analizar. partes del total del material. Para evitar confusiones, por lo general los químicos de-
nominan muestra bruta a la colección de unidades o incrementos de muestreo.

1
Véanse, por ejemplo, J. L. Devore y N. R. Farnum, Applied Statistics for Engineers and Scientists,
pp. 158-166. Pacific Grove, CA: Duxbury Press at Brooks/Cole Publishing Co., 1999; J. C. Miller y
J. N. Miller, Statistics and Chemometrics for Analytical Chemistry, 4.a ed. Upper Saddle River, NJ:
Prentice-Hall, 2000; B. W. Woodget y D. Cooper, Samples and Standards. Londres: Wiley, 1987; F. F.
Pitard, Pierre Gy’s Sampling Theory and Sampling Practice. Boca Raton, FL: CRC Press, 1989.

© ITES-Paraninfo
 8B Muestreo y manejo de la muestra 183

Identifique la
población

Tome la
muestra bruta

Reduzca la muestra
bruta a una muestra
de laboratorio

Figura 8.4. Pasos para obtener la muestra de laboratorio. La muestra de laboratorio

consta de unos cuantos gramos hasta, como mucho, unos cientos de gramos. Puede ser tan
pequeña como una parte en 107 o 108 partes del total del material.

Por lo general, para un análisis en el laboratorio, el tamaño de la muestra bruta se

reduce y se homogeneiza para convertirse en la muestra de laboratorio. En algunos El muestreo es el proceso mediante
casos, como el muestreo de polvos, líquidos y gases, no se dispone de elementos dis- el que se reduce el tamaño de una
población muestral a una cantidad
cretos evidentes. Es posible que estos materiales no sean homogéneos ya que podrían
de material homogéneo que se
consistir en partículas microscópicas de composición diferente o, en el caso de líqui-
pueda manipular de forma adecuada
dos, en zonas de diferente concentración. Con ese tipo de materiales, se asegura una
en el laboratorio y cuya composición
muestra representativa si los incrementos de muestreo se toman de diferentes partes es representativa de la población.
del material completo. En la Figura 8.4 se muestran los tres pasos a seguir en la ob-
tención de la muestra de laboratorio. El paso 1 es directo, pudiendo ser la población
tan diversa como una caja de frascos que contienen vitaminas, un campo de trigo, el
cerebro de una rata o el lodo de un tramo del fondo de un río. Los pasos 2 y 3 pocas
veces son sencillos y pueden requerir un alto grado de esfuerzo e ingenio.
Estadísticamente, los objetivos del proceso de muestreo son:

1. Obtener el valor medio que sea una estimación sin sesgo de la media poblacio-
nal. Este objetivo se logra sólo si todos los miembros de la población tienen la
misma probabilidad de estar incluidos en la muestra.
2. Obtener una varianza que sea una estimación sin sesgo de la varianza poblacio-
nal de manera que se puedan encontrar límites de confianza válidos para la me-
dia, y se puedan aplicar varias pruebas de hipótesis. Este objetivo se logra sólo
si cada muestra posible tiene la misma probabilidad de ser extraída.

Ambos objetivos requieren la obtención de una muestra aleatoria. Aquí, el tér-

mino muestra aleatoria no significa que la selección de las muestras sea al azar. En
lugar de ello, se aplica un procedimiento aleatorio para obtener la muestra. Por ejem-
plo, suponga que la muestra consiste en 10 tabletas farmacéuticas tomadas de 1000
tabletas fuera de una línea de producción. Una manera de asegurar una muestra ale-
atoria es seleccionar las tabletas a analizar por medio de una tabla de números ale-
atorios. Éstos se pueden generar convenientemente a partir de una tabla de números
aleatorios o de una hoja de cálculo, como se muestra en la Figura 8.5. En este caso,
a cada una de las tabletas se le asignaría un número del 1 al 1000 y se usarían los
números aleatorios de la columna C de la hoja de cálculo para escoger las tabletas
37, 71, 171 y sucesivas para el análisis.

8B.2. Incertidumbres de muestreo

En el Capítulo 5, se vio que los errores sistemáticos y aleatorios de los datos analí-
ticos pueden tener su origen en el instrumento, en el método y o en causas persona-

© ITES-Paraninfo
184 CAPÍTULO 8 Muestreo, estandarización y calibración

Hoja de cálculo para generar números aleatorios entre 1 y 1000

Números aleatorios Números ordenados

Documentación de la hoja de cálculo

Figura 8.5. Generación de 10 números aleatorios del 1 al 1000 mediante el uso de una
hoja de cálculo. La función de números aleatorios en Excel [=ALEATORIO()] genera
números aleatorios entre 0 y 1. El multiplicador que se muestra en la documentación asegura
que los números generados en la columna B estarán entre 1 y 1000. Para obtener números
enteros se utiliza el comando Formato/Celdas... de la barra de menú, se selecciona Número y
a continuación 0 posiciones decimales. Para que los números no cambien con cada nuevo
cálculo, los números aleatorios de la columna B se copian y luego se pegan como valores en
la columna C usando el comando Edición/Pegado especial de la barra de menú. En la
columna C, los números se disponen en orden ascendente usando el comando de Excel
Datos/Ordenar de la barra de menú.

les. La mayor parte de los errores sistemáticos pueden eliminarse mediante un tra-
bajo cuidadoso, mediante calibración y mediante un empleo adecuado de estánda-
res, blancos y materiales de referencia. Los errores aleatorios, que se reflejan en la
precisión de los datos, por lo general se mantienen en un nivel aceptable mediante
el control preciso de las variables que influyen en las medidas. Los errores debidos
al muestreo erróneo son únicos en el sentido de que no se controlan con el uso de
blancos y estándares o mediante un control estricto de las variables experimentales.
Por esta razón, los errores de muestreo se tratan normalmente por separado de otras
incertidumbres asociadas con un análisis.
Para las incertidumbres aleatorias e independientes, la desviación estándar total
so de una medida analítica se relaciona con la desviación estándar del proceso de
muestreo ss y con la desviación estándar del método sm mediante la relación

s 2o  s 2s  s 2m (8.1)

En muchos casos la varianza del método se conocerá a partir de medidas repetidas

Cuando sm  ss /3, no tiene sentido de una sola muestra de laboratorio. En este caso, ss se calcula a partir de medidas de
tratar de mejorar la precisión de la so de una serie de muestras de laboratorio, cada una de ellas obtenida de varias mues-
medida. En la Ecuación 8.1 se tras brutas. Un análisis de varianza (véase la Sección 7C) puede revelar si la varia-
muestra que, en estas circunstancias, ción entre las muestras (varianza del muestreo más varianza de la medida) es mu-
so queda determinada en buena parte cho más grande que la variación dentro de las muestras (varianza de la medida).
por la incertidumbre del muestreo. Youden demostró que una vez reducida la incertidumbre de la medida a un ter-
cio o menos con respecto a la incertidumbre del muestreo (es decir, sm  ss /3), no
resulta fructífero mejorar la incertidumbre de la medida2. Como consecuencia, si la

2
W. J. Youden, J. Assoc. Off. Anal. Chem., 1981, 50, 1007.

© ITES-Paraninfo
 8B Muestreo y manejo de la muestra 185

incertidumbre del muestreo es grande y no se puede mejorar, es preferible recurrir a

un método de análisis menos preciso pero más rápido de modo que se analicen más
muestras en el mismo tiempo. Como la desviación estándar de la media es menor en
un factor 1N , analizar más muestras puede mejorar la precisión.

8B.3. Muestra bruta

Idealmente, la muestra bruta es una réplica en miniatura de todo el material a anali-  La muestra bruta es el conjunto de
zar. Ésta debe corresponderse con el material en su composición química y, si éste unidades de muestreo individuales.
está formado por partículas, en la distribución del tamaño de las partículas. Debe ser representativa del total en
cuanto a composición y distribución
del tamaño de las partículas.
Tamaño de la muestra bruta
Desde el punto de vista de comodidad y economía, es deseable que el peso de la
muestra bruta no sea mayor del necesario. Básicamente, el peso de la muestra bru-
ta queda determinado por (1) la incertidumbre tolerable entre la composición de
la muestra bruta y la del total, (2) el grado de heterogeneidad del total y (3) el ni-
vel de tamaño de partícula en el que comienza la heterogeneidad3.
El último punto garantiza el desarrollo. Una solución homogénea, bien mezclada,
de un gas o un líquido es heterogénea sólo a escala molecular y el peso de las molé-
culas mismas determina el peso mínimo de la muestra bruta. Un sólido formado por
partículas, como un mineral o suelo, representa la situación contraria. En estos mate-
riales, las piezas individuales del sólido difieren entre sí en composición. En este caso,
la heterogeneidad se desarrolla en las partículas que pueden tener dimensiones del or-
den de un centímetro o más y podrían pesar varios gramos. Como intermedio entre es-
tos extremos se encuentran los materiales coloidales y los metales solidificados. En el
primer caso, la heterogeneidad se encuentra en el intervalo de 10
5 cm o menos. En
una aleación, la heterogeneidad ocurre en los granos cristalinos.
Para obtener una muestra bruta representativa se debe tomar un determinado número  El número de partículas que se
N de partículas. La magnitud de este número depende de la incertidumbre que se pue- requiere en una muestra bruta varía
da tolerar y de la heterogeneidad del material. El número podría variar desde unas cuan- desde unas cuantas partículas hasta
tas partículas hasta tantas como 1012. En el caso de los gases y líquidos homogéneos, 1012.
no resulta necesario tomar un gran número de partículas ya que la heterogeneidad en-
tre éstas se observa a nivel molecular. Por tanto, incluso un peso muy pequeño de mues-
tra contiene más partículas que las requeridas. Cada una de las partículas de un sólido
podría pesar un gramo o más, lo que a veces da lugar a que la muestra bruta pese va-
rias toneladas. El muestreo de este tipo de materiales es un procedimiento costoso y len-
to en el mejor de los casos. Para reducir el costo es importante determinar el peso mí-
nimo de material que se requiere para obtener la información deseada.
Las leyes de la probabilidad rigen la composición de una muestra bruta tomada
de manera aleatoria del total del material. Como consecuencia, es posible predecir
la probabilidad de que una fracción seleccionada sea similar al total. Como primer
ejemplo se puede tomar un caso ideal de una muestra de dos componentes. Una
muestra farmacéutica contiene dos tipos de partículas, las partículas tipo A, que con-
tienen el principio activo, y las partículas de tipo B, que contienen un material de re-
lleno inactivo. Todas las partículas son del mismo tamaño. Se desea tomar una mues-
tra bruta que permita determinar el porcentaje de partículas que contienen el principio
activo en el total del material.
Suponga que la probabilidad de sacar al azar una partícula tipo A es p y que la pro-
babilidad de extraer una partícula B es (1
p). Si se toman de la mezcla N partículas,

3
Para un artículo sobre el peso de la muestra en función del tamaño de partícula, véase G. H. Fricke,
P. G. Mischler, F. P. Staffieri y C. L. Housmyer, Anal. Chem., 1987, 59, 1213.

© ITES-Paraninfo
186 CAPÍTULO 8 Muestreo, estandarización y calibración

el valor más probable para el número de partículas tipo A es pN, en tanto que el núme-
ro más probable de partículas de tipo B es (1
p)N. Para este tipo de poblaciones bi-
narias, se puede usar la ecuación de Bernoulli4 para calcular la desviación estándar del
número de partículas de tipo A extraídas, sA.

sA  2Np(1
p) (8.2)

Se utiliza el símbolo sr para La desviación estándar relativa sr5 de tomar partículas tipo A es sA/Np.
indicar la desviación estándar relativa,
de acuerdo con las recomendaciones sA 1
p
de la Internacional Union of Pure and sr   (8.3)
Applied Chemistry (IUPAC) (véase el Np A Np
pie de página 5). Se debe recordar que
sr es una relación. A partir de la Ecuación 8.3 se puede obtener el número de partículas necesarias para lo-
grar una determinada desviación estándar relativa, como se muestra en la Ecuación 8.4.

1
p
N (8.4)
ps2r

Por ejemplo, si un 80% de las partículas son de tipo A (p  0.8) y se desea una des-
viación estándar del 1% (sr  0.01), el número de partículas que compongan la
muestra bruta debe ser

1
0.8
N  2500
0.8(0.01)2

En este caso, se debe tomar una muestra aleatoria que contenga 2500 partículas. Para
una desviación estándar relativa de 0.1% se necesitarían 250 000 partículas. Un núme-
ro tan grande de partículas se debe determinar obviamente por peso y no por conteo.
Hagamos más real el problema y supongamos que ambos componentes de la
mezcla contienen el principio activo (analito), pero en diferente porcentaje. Las par-
tículas de tipo A contienen un porcentaje mayor de analito, PA, y las partículas de
tipo B contienen una cantidad menor, PB. Además, la densidad media d de las par-
tículas difiere de las densidades dA y dB de estos componentes. Se quiere decidir el
número de partículas y, por tanto, el peso necesario para asegurar una muestra con
el porcentaje medio total del ingrediente activo P, con una desviación estándar rela-
tiva de muestreo de sr. La Ecuación 8.4 se puede ampliar de modo que incluya es-
tos requisitos:

N  p(1
p) a 2 b a b
dAdB 2 PA
PB 2
(8.5)
d sr P

En esta ecuación, se observa que las demandas de precisión son costosas, en cuan-
to al tamaño de muestra requerido, debido a la relación inversa y elevada al cuadra-

4
A. A. Benedetti Pichler, en Physical Methods in Chemical Analysis, W. G. Berl, Ed., Vol. 3, pp. 183-
194. Nueva York: Academic Press, 1956; A. A. Benedetti-Pichler, Essentials of Quantitative Analysis,
Capítulo 19, Nueva York, Ronald Press, 1956.
5
Compendium of Analytical Nomenclature: Definitive Rules, 1997, Interantional Union of Pure and Applied
Chemistry, elaborado por J. Inczedy, T. Lengyel y A. M. Ure, pp. 2-8. Malden, MA: Blackwell Science, 1998.

© ITES-Paraninfo
 8B Muestreo y manejo de la muestra 187

do entre la desviación estándar permisible y el número de partículas extraídas.

También, se puede observar que, a medida que el porcentaje medio P del principio
activo disminuya, será necesario tomar un mayor número de partículas.
El grado de heterogeneidad, medido como PA
PB, tiene una gran influencia en
el número de partículas requeridas, debido a que N aumenta con el cuadrado de la
diferencia entre las composiciónes de los dos componentes de la mezcla.
La Ecuación 8.5 se puede modificar para calcular la desviación estándar relativa
del muestreo sr.

ƒ PA
PB ƒ dAdB p(1
p)
sr   2 (8.6)
P d A N

Si se asume que la masa de la muestra m es proporcional al número de partículas y

que las demás cantidades de la Ecuación 8.6 permanecen constantes, entonces el pro-
ducto de m y sr debe ser constante. dicha constante se representa por Ks y se deno-
mina constante de muestreo de Ingamells6. Así,

Ks  m  (sr  100%)2 (8.7)

donde el factor de 100% convierte sr en la desviación estándar relativa expresada en

porcentaje. Así, cuando sr  0.01, sr  100%  1% y Ks es igual a m. De esta ma-
nera, se puede interpretar la constante de muestreo Ks como la mínima masa de
muestra necesaria para reducir la incertidumbre de muestreo a 1%.
El problema de decidir el peso de la muestra bruta para una sustancia sólida es
comúnmente más difícil que este ejemplo, ya que la mayoría de los materiales no
sólo contienen más de dos componentes sino que también constan de tamaños de par-
tícula diversos. En muchos casos el primero de estos problemas se soluciona al di-
vidir la muestra en un sistema imaginario de dos componentes. De esta manera, con
una mezcla compleja real de sustancias, uno de los componentes consistiría en las  Para simplificar el problema de
diversas partículas que contienen analito y el otro en todos los componentes resi- definir el peso de la muestra bruta de
duales que contienen poco o nada de analito. Después de asignar a cada parte las den- una mezcla de varios componentes,
sidades medias y los porcentajes de analito, el sistema se trata como si sólo tuviera suponga que la muestra es una mezcla
dos componentes. hipotética de dos componentes.
El problema del tamaño de partícula variable se puede manejar calculando el nú-
mero de partículas que se necesitarían si la muestra estuviera formada por partícu-
las de un solo tamaño. Entonces el peso de la muestra bruta se determina teniendo
en cuenta la distribución del tamaño de partículas. Una forma de hacerlo es calcular
el peso necesario suponiendo que todas las partículas tienen el tamaño de los más
grande. Sin embargo, este procedimiento no es muy eficaz, ya que normalmente re-
quiere eliminar un mayor peso de material del necesario. Benedetti-Pichler propo-
nen otros métodos alternativos para calcular el peso de la muestra bruta que debe se-
leccionarse7.
Una conclusión interesante de la Ecuación 8.5 es que el número de partículas en
la muestra bruta es independiente del tamaño de partícula. El peso de la muestra au-
menta directamente con el volumen (o como el cubo del diámetro de partícula), de
forma que la reducción en el tamaño de la partícula de un determinado material tie-
ne un efecto grande en el peso requerido de la muestra bruta.

6
C. O. Ingamells y P. Switzer, Talanta, 1973, 20, 547-568.
7
A. A. Benedetti-Pichler, en Physical Methods in Chemical Analysis, W. G. Berl (ed.), Vol. 3, p. 192,
Nueva York: Academic Press, 1956.

© ITES-Paraninfo
188 CAPÍTULO 8 Muestreo, estandarización y calibración

Es evidente que para utilizar la Ecuación 8.5 es necesario tener mucha informa-
ción sobre la sustancia. Afortunadamente, a menudo es posible hacer estimaciones
razonables de varios parámetros de la ecuación. Estas estimaciones pueden basarse
en un análisis cualitativo de la sustancia, una inspección visual e información ya pu-
blicada acerca de sustancias de origen similar. También pueden ser necesarias me-
didas sin tratamiento de la densidad de los componentes de la muestra.

EJEMPLO 8.1

El material de empaquetamiento de una columna cromatográfica consiste en

una mezcla de dos tipos de partículas. Suponga que la partícula promedio del
lote en el que se realiza el muestreo es casi esférica, con un radio aproximado
de 0.5 mm. Alrededor de un 20% de las partículas parecen ser de color rosa y
se sabe que contienen cerca de un 30% en peso de una fase estacionaria poli-
mérica (analito). Las partículas rosas tienen una densidad de 0.48 g/cm3. Las
partículas restantes tienen una densidad alrededor de 0.24 g/cm3 y contienen
poco o nada de la fase estacionaria polimérica. ¿Qué masa del material debe
contener la muestra bruta para que la incertidumbre relativa de muestreo se
mantenga por debajo de un 0.5%?
Primero se calculan los valores para la densidad media y el porcentaje del po-
límero.

d  0.20  0.48  0.80  0.24  0.288 g/cm3

(0.20  0.48  0.30) g polímero/cm3
P  100%  0.10%
0.288 g muestra/cm3

Al sustituir en la Ecuación 8.5, se obtiene.

N  0.20(1
0.20) c d a b
0.48  0.24 2 30
0 2

(0.288)2 0.005  10.0

 1.11  105 partículas requeridas
4 cm3 0.288 g
Peso de la muestra  1.11  105 partículas  p(0.05)3 
3 partícula cm3
 5.3 g

Muestreo en disoluciones homogéneas de líquidos y gases

Las disoluciones de líquidos y En disoluciones de líquidos o gases, la muestra bruta puede ser relativamente pe-
gases bien mezcladas requieren sólo queña ya que, por lo general, la heterogeneidad ocurre a nivel molecular, e incluso
una muestra muy pequeña porque son volúmenes pequeños de muestra contienen un mayor número de partículas que
homogéneas a nivel molecular.
el que se obtiene de la Ecuación 8.5. Siempre que sea posible, el líquido o gas a
analizar se debe agitar bien antes de hacer el muestreo a fin de asegurar la ho-
mogeneidad de la muestra bruta. Con volúmenes grandes de disoluciones, mez-
clar podría ser imposible; en estos casos es mejor muestrear varias porciones del
contenedor empleando un «ladrón de muestra», un frasco que se puede abrir y lle-
nar en cualquier lugar de la disolución. Este tipo de muestreo es importante, por
ejemplo, en la determinación de los componentes de líquidos expuestos a la at-
mósfera. Así, el contenido de oxígeno del agua de un lago podría variar en un fac-
tor de 1000 o más en diferencias de profundidad de unos cuantos metros.
Recientemente, con el desarrollo de sensores portátiles, llevar el laboratorio a la
muestra en lugar de llevar la muestra al laboratorio se ha convertido en una práctica

© ITES-Paraninfo
 8B Muestreo y manejo de la muestra 189

común. Sin embargo, la mayoría de los sensores sólo miden concentraciones loca- Identifique la población
les y no promedian o detectan concentraciones remotas. que se va a analizar
En los procesos de control y en otras aplicaciones, las muestras de líquidos se to-
man sobre un flujo de corriente. Se debe cuidar que la muestra tomada represente
una fracción constante del flujo total y que se lleve a cabo un muestreo en todas las Tome al azar N partículas
(Ecuación 8.5) para obtener
porciones de la corriente. la muestra bruta
El muestreo de gases se puede hacer por distintos métodos. En algunas ocasiones
basta con abrir una bolsa de muestreo y llenarla con el gas. En otros casos los gases
se atrapan en un líquido o se absorben en la superficie de un sólido. Reduzca el tamaño de
partícula de la muestra bruta
y homogeneíce
Muestreo de sólidos particulados
Con frecuencia es difícil obtener una muestra aleatoria de un material particula-
No
do a granel. El muestreo aleatorio se lleva a cabo mejor si se realiza mientras se Tome N partículas
está transfiriendo el material. Existen dispositivos mecánicos para el manejo de
muchos tipos de materias particuladas. Los detalles sobre el muestreo de estos ma-
teriales están fuera del alcance de este libro. ¿La
muestra es de
un tamaño adecuado
Muestreo de metales y aleaciones para el
Las muestras de metales y aleaciones se obtienen al cortar, moler o perforar el me- laboratorio?
tal. Por lo general, no resulta seguro suponer que los trozos de metal tomados de
la superficie son representativos del total del material, por lo que también se debe
Si
muestrear material sólido del interior. Con algunos materiales se puede obtener
una muestra representativa al cortar la pieza en intervalos aleatorios y tomar como Almacene la muestra
muestra el «serrín». De manera alternativa, se podría perforar la muestra, de nue- de laboratorio
vo en lugares espaciados de manera aleatoria, y recolectar los trozos como mues-
tra. La perforación debe atravesar todo el material o llegar a la mitad desde los
Tome porciones de la
dos lados. Los trozos obtenidos de las perforaciones pueden romperse y mez- muestra de laboratorio
clarse o fundirse en un crisol especial hecho de grafito. Al introducir el material para el análisis
fundido en agua destilada se puede obtener una muestra granular.
Figura 8.6. Pasos en el muestreo
de un sólido particulado.
8B.4. Preparación de una muestra de laboratorio
Para los sólidos heterogéneos, la muestra bruta puede pesar desde cientos de gramos
hasta kilogramos o más; por tanto, es necesario reducirla hasta obtener una muestra
de laboratorio finamente molida y homogénea que pese a lo sumo unos cientos de gra-
mos. Como se refleja en la Figura 8.6, este proceso implica un ciclo de operaciones
que comoprenden triturar y moler, tamizar, mezclar y dividir la muestra (frecuente-  La muestra de laboratorio debe
mente en mitades) para reducir su peso. Durante cada división se retiene un peso de tener el mismo número de partículas
muestra que contenga el número de partículas calculado mediante la Ecuación 8.5. que la muestra bruta.

EJEMPLO 8.2

Se desea tomar muestras de una carga de mineral de plomo que contiene galena
(
70% Pb) y otras partículas con poco o nada de plomo. A partir de las densida-
des (galena  7.6 g/cm3, otras partículas  3.5 g/cm3, densidad media  3.7 g/cm3)
y del porcentaje aproximado de plomo, la Ecuación 8.5 indica que se requieren
8.45  10 partículas para mantener el error de muestreo por debajo de 0.5%. Las
partículas parecen esféricas con un radio de 5 mm. Un cálculo del peso requeri-
do, semejante al del Ejemplo 8.1, indica que la muestra bruta debe pesar alrede-
dor de 1.6  106 g (1.8 toneladas). Se desea reducir esta muestra bruta hasta una
muestra de laboratorio que pese alrededor de 100 g. ¿Cómo se puede hacer?
(continúa)

© ITES-Paraninfo
190 CAPÍTULO 8 Muestreo, estandarización y calibración

La muestra de laboratorio debe contener el mismo número de partículas que

la muestra bruta, es decir, 8.45  105. Para cada partícula,

100 g
peso medio por partícula   1.18  10
4 g/partícula
8.45  105 partículas

El peso medio de una partícula se relaciona con su radio por medio de la ecuación

p 3 r(cm)3 4 
4 3.7 g
peso medio por partícula 
3 cm3

Si se igualan estas dos relaciones y se despeja r, se obtiene

r  a1.18  10
4 g  b  1.97  10
2 cm, o 0.2 mm

3 cm3 1/3

4p 3.7 g

Así, la muestra se tiene que pulverizar, mezclar y dividir repetidamente hasta que
las partículas tengan un diámetro aproximado de 0.2 mm.

En el Capítulo 35 y en la bibliografía8 se podrá encontrar más información acer-

ca de los detalles de cómo preparar la muestra de laboratorio.

8B.5. Número de muestras de laboratorio

Una vez preparadas las muestras de laboratorio, la pregunta que queda es la de cuán-
tas muestras se deben tomar para el análisis. Si se ha reducido la incertidumbre de
la medida hasta menos de la tercera parte de la incertidumbre de muestreo, esta úl-
tima limita la precisión del análisis. Por supuesto, el número de muestras depende
del intervalo de confianza que se desea obtener para el valor medio y la desviación
estándar relativa deseada del método. Si ya se conoce, por experimentos previos, la
desviación estándar de muestreo ss, se pueden utilizar los valores de z de las tablas
(véase la Sección 7A.1).

zss
CI para m  x 
2N

En la mayoría de los casos se emplea un estimador de ss y, entonces, se deben

usar las tablas de t (véase la Sección 7A.2).

tss
CI para m  x 
2N

El último término de esta ecuación representa la incertidumbre absoluta que se

puede tolerar en un determinado nivel de confianza. Si se divide este término entre

8
Standard Methods of Chemical Análisis, F. J. Welcher, Ed., Vol. 2, Parte A, pp. 21-55. Princeton, NJ:
Van Nostrand, 1963. Bibliografía extensa con información específica sobre muestreo se puede encontrar
en la compilación de C. A. Bicking, en Treatise on Analytical Chemistry, I. M: Kolthoff y P. J. Elving,
Eds., 2.a. ed., Vol. 1, p. 299. Nueva York: Wiley, 1978.

© ITES-Paraninfo
 8B Muestreo y manejo de la muestra 191

el valor de la media x , es posible calcular la incertidumbre relativa sr que se puede

tolerar a cierto nivel de confianza.

tss
sr  (8.8)
x 2N

Al resolver la Ecuación 8.8 para el número de muestras N, se obtiene

t 2s 2s
N (8.9)
x 2sr

El uso de t en lugar de z en la Ecuación 8.9 conlleva una complicación debido a

que el valor de t depende de N. Sin embargo, por lo general se puede resolver la ecua-
ción por iteración, como se muestra en el Ejemplo 8.3, y se obtiene el número de
muestras deseado.

EJEMPLO 8.3

La determinación de cobre en una muestra de agua de mar dio un valor medio de

77.81 g/L y una desviación estándar ss de 1.74 g/L. (Nota: se mantienen las
cifras no significativas porque estos resultados se utilizarán más adelante en un
cálculo.) ¿Cuántas muestras se deben analizar para obtener una desviación es-
tándar relativa en los resultados de 1.7% con un nivel de confianza del 95%?
Se empieza suponiendo un número de muestras infinito, que da un valor de
t de 1.96 para un nivel de confianza del 95%. Como sr  0.017, ss  1.74 y
x  77.81, la Ecuación 8.9 da

(1.96)2  (1.74)2
N  6.65
(0.017)2  (77.81)2

Si se redondea este resultado a siete muestras, se encuentra que el valor de t

para 6 grados de libertad es 2.45. Entonces se puede calcular un segundo va-
lor para N por medio de este valor de t, con el que se obtiene N  10.38. Si se
usan 9 grados de libertad y t  2.26, el siguiente valor es N  8.84. Las ite-
raciones convergen con un valor de N cercano a 9. Observe que sería una bue-
na estrategia reducir la incertidumbre del muestreo de modo que sean necesa-
rias menos muestras.

8B.6. Manejo automatizado de muestras

Una vez realizado el muestreo y seleccionado el número de muestras y réplicas, se
inicia el tratamiento de la muestra (recuerde la Figura 1.2). Debido a su fiabilidad y
rentabilidad, muchos laboratorios utilizan métodos automatizados para el tratamiento  El tratamiento automatizado de
de muestras. En algunos casos, el tratamiento automatizado de muestras se emplea muestras puede originar una mayor
únicamente para algunas operaciones específicas, como la disolución de la muestra productividad (más análisis por
y la eliminación de interferencias; en otros casos todos los pasos del procedimiento unidad de tiempo), mayor fiabilidad y
analítico están automatizados. Aquí se describen dos métodos diferentes de trata- menor coste que el tratamiento
miento automatizado de muestras: el método discreto o por lotes y el método de manual de las muestras.
flujo continuo.

© ITES-Paraninfo
192 CAPÍTULO 8 Muestreo, estandarización y calibración

Métodos discretos
Los sistemas de tratamiento de muestra de forma discreta imitan con frecuencia las
operaciones que se efectuarían de manera manual. Cuando existe la posibilidad de
riesgo para los humanos o cuando se tienen que hacer muchos pasos rutinarios se uti-
lizan robots de laboratorio para tratar las muestras. Desde mediados de la década de
1980 existen en el mercado pequeños robots de laboratorio9. Una computadora pro-
gramada por el usuario controla el sistema robotizado. Los robots de laboratorio se
pueden utilizar para diluir, filtrar, dividir en partes, pulverizar, centrifugar, homoge-
neizar, extraer y tratar las muestras con reactivos. También se los puede preparar para
calentar y agitar muestras, para dispensar volúmenes medidos de líquidos, para in-
yectar muestras en columnas cromatográficas, para pesar muestras y transportarlas
hacia el instrumento adecuado para su medida.
Algunos sistemas de tratamiento de muestra discretos sólo automatizan la etapa
de medida del procedimiento o algunos pasos químicos además de la etapa de me-
dida. Un tipo de sistema de tratamiento de muestra, basado en el uso de la fuerza cen-
trífuga, mezcla las muestras con los reactivos y los transfiere a un instrumento foto-
métrico para su medida. Otro tipo, basado en la tecnología de película multicapa,
efectúa una serie de reacciones químicas o de procesos físicos de una forma se-
cuencial10.

Métodos de flujo continuo

En los métodos de flujo continuo la muestra se inserta en una corriente, donde se
pueden realizar varias operaciones antes de transportarla a un detector de flujo.
Por consiguiente, estos sistemas se comportan como analizadores automatizados
en cuanto que pueden llevar a cabo no sólo las operaciones del tratamiento de las
muestras sino también el paso final de medida. Las operaciones de tratamiento de
muestra, como adición de reactivos, dilución, incubación, mezclado, diálisis, ex-
tracción y muchas otras, se pueden realizar entre el punto de introducción de la
muestra y el detector. Hay dos tipos diferentes de sistemas de flujo continuo: los

Los dos tipos de sistemas de flujo sistemas o analizadores de flujo segmentado y los sistemas o analizadores de in-
continuo son el sistema de flujo yección en flujo.
segmentado y el sistema de inyección Como se expone en la Figura 8.7a, el sistema de flujo segmentado divide la
en flujo. muestra en segmentos discretos o «bolos» separados por burbujas de gas. Según
se ilustra en la Figura 8.7b, las burbujas del gas forman barreras para evitar que
la muestra se extienda a lo largo del tubo como consecuencia de los fenómenos
La dispersión es un fenómeno de de dispersión. De esta forma, las burbujas confinan la muestra y disminuyen la
ensanchamiento o mezcla de
contaminación entre muestras. También favorecen la mezcla de las muestras con
bandas que resulta del
los reactivos. En la Figura 8.7c se muestran los perfiles de concentración del ana-
acoplamiento del flujo de líquido
con la difusión molecular. La
lito. Las muestras se introducen en el muestreador en porciones (izquierda). En
difusión es el transporte de masa el momento que las muestras llegan al detector ocurre un cierto ensanchamiento
debido a un gradiente de debido a la dispersión. Por lo tanto, el tipo de señales que se utilizan para obte-
concentración. ner información cuantitativa del analito son las que se muestran a la derecha. Las
muestras se analizan a una velocidad de 30 o 120 muestras por hora.

9
Para una descripción acerca de los robots de laboratorio, véanse G. J. Kost, Ed., Handbook of Clinical
Automation, Robotics and Optimization. Nueva York: Wiley, 1996; J. R. Strimaltis y G. L. Hawk, Advances
in Laboratory Automation-Robotics. Hopkinton, MA: Zymark Corp, 1998; V. Berry, Anal. Chem., 1990,
62, 33A7; J. R. Strimaltis, J. Chem. Educ., 1989, 66, A8; 1990, 67, A20; W. J. Hurst y J. W. Mortimer,
Laboratory Robotics, Nueva York: VCH Publishers, 1987.
10
Para un estudio más detallado acerca de los analizadores automáticos basados en películas multicapa,
véase D. A. Skoog, F. J. Holler y T. A. Nieman, Principles of Instrumental Análisis, 5.a ed., pp. 845-849.
Belmont, CA: Brooks/Cole, 1998.

© ITES-Paraninfo
 8B Muestreo y manejo de la muestra 193

Aire Serpentín Eliminador

mezclador de burbujas Detector
Muestra Registrador

Reactivo

Desecho Desecho
Bomba

(a)

Segmento inicial
Aire de la muestra

#2 #1 #0

Dirección del flujo

Líquido
(b)

Muestra
Concentración
de analito

#2 Líquido de lavado

#1 #3 #1 #2 #3
Tiempo
(c)

Figura 8.7. Analizador de flujo segmentado. (a) Las muestras son aspiradas de los
contenedores del muestreador y bombeadas hacia el sistema, donde se mezclan con uno o más
reactivos. En este caso, también se inyecta aire para segmentar las muestras con burbujas y por
lo general se utiliza un sistema para eliminar las burbujas antes de que la corriente llegue al
detector. La muestra segmentada se ilustra con mayor detalle en (b). Las burbujas disminuyen la
dispersión de la muestra, que podría ocasionar ensanchamiento de las zonas y contaminación
entre muestras. Los perfiles de concentración del analito en el muestreador y el detector se
muestran en (c). Normalmente, la altura del pico se relaciona con la concentración del analito.

El análisis por inyección en flujo (FIA) es de desarrollo reciente11. Como se mues-

tra en la Figura 8.8a, en este proceso las muestras se inyectan desde un bucle en una
corriente que contiene uno o más reactivos. En este caso, tal y como se puede ver en
la Figura 8.8b, se permite una cierta dispersión controlada de la muestra antes de lle-
gar al detector. La inyección de la muestra en la corriente de reactivo produce el tipo
de respuestas que se muestran a la derecha. En los sistemas FIA de mezcla de zo-
nas, tanto la muestra como el reactivo se inyectan en corrientes portadoras que con-
vergen en un mezclador en T. Tanto en FIA normal como en mezcla de zonas, la dis-
persión de la muestra se controla por el tamaño de la muestra, la velocidad del flujo
y la longitud y el diámetro del tubo. También es posible detener el flujo cuando la
muestra llega al detector para permitir la medida de los perfiles de concentración-
tiempo por métodos cinéticos (véase el Capítulo 29).
Los sistemas de inyección en flujo también pueden incorporar varias unidades de
tratamiento de muestras, como módulos de extracción con disolventes, módulos de
diálisis, módulos de calentamiento y otros.

10
Para más información sobre el FIA véanse J. Ruzicka y E. H. Hansen, Flow Injection Analysis, 2.a ed.
Nueva York: Wiley, 1988; M. Valcarcel y M. D. Luque de Castro, Flow Injection Analysis: Principles and
Applications. Chichester, Inglaterra: Ellis Horwood, 1987; B. Karlberg y G. E. Pacey, Flow Injection Analysis:
A Practical Guide, Nueva York: Elsevier, 1989; J. P. Smith y V. Hinson-Smith, Anal. Chem., 2002, 74, 385A.

© ITES-Paraninfo
194 CAPÍTULO 8 Muestreo, estandarización y calibración

Reactivo 1 Válvula de
inyección Detector
Registrador
Reactivo 2
Serpentín Serpentín
mezclador mezclador
Muestra

Bomba
Bucle Desecho

(a)

Respuesta
Dispersión por: del detector

Difusión

Muestra inyectada
inicialmente como
«bolo» cuadrado

Convección

Convección y
difusión

Dirección del flujo

(b)

Figura 8.8. Analizador de inyección en flujo. En (a) la muestra se transfiere del

muestreador a un bucle de una válvula de inyección. La válvula, representada en posición
de carga, tiene una segunda posición de inyección, mostrada en línea discontinua. Cuando
se cambia a la posición de inyección, la corriente que contiene el reactivo fluye por el
bucle de muestra. La muestra y el reactivo se mezclan y reaccionan en el serpentín de
mezcla antes de llegar al detector. En este caso, se permite la dispersión de la de muestra
antes de llegar al detector. (b) El perfil de concentración resultante (respuesta del detector)
depende del grado de dispersión.

Con el FIA la velocidad de muestreo puede variar de 60 a 300 muestras por hora.
En la actualidad, los sistemas FIA se han miniaturizado hasta dimensiones de capi-
lares (con diámetros internos de 20 a 100 m) o de microchips (véase el Recuadro
8.1)12. Estos analizadores en miniatura ofrecen la posibilidad de realizar el trata-
miento y la medida en muestras tan pequeñas como una célula y disminuyen la can-
tidad de reactivo consumido en el análisis.

12
Se pueden encontrar ejemplos de sistemas de FIA miniaturizados en D. M. Spence y S. R. Crouch, Anal.
Chem., 1997, 69, 165; A. G. Hadd, D. E. Raymond, J. W. Halliwell, S. C. Jacobson y J. M. Ramsey, Anal.
Chem., 1997, 69, 3407.

© ITES-Paraninfo