یادگیری نحوه ترسیم یک نمودار منحنی استاندارد

یک فایل زیپ حاوی تمام صفحات گسترده فوق (در هر دو قالب) را بارگیری کنید.

توجه: برای اجرای این صفحات گسترده ، باید Excel یا OpenOffice Calc نصب کنید. من Excel 2013 یا OpenOffice نسخه 4 را توصیه می کنم ( بارگیری از OpenOffice).

زمینهدر شیمی تحلیلی ، اندازه گیری کمی دقیق ترکیب نمونه ها ، به عنوان مثال توسط انواع مختلف طیف سنجی ، معمولاً نیاز دارد که این روش با استفاده از نمونه های استاندارد از ترکیب شناخته شده کالیبره شود. این معمولاً ، اما نه لزوماً ، با نمونه های محلول و استانداردهای حل شده در یک حلال مناسب ، به دلیل سهولت در تهیه و رقیق کردن مخلوط های دقیق و همگن نمونه ها و استانداردها به شکل محلول انجام می شود. در روش منحنی کالیبراسیون ، یک سری از راه حل های استاندارد خارجی تهیه و اندازه گیری می شود. یک خط یا منحنی متناسب با داده ها است و از معادله حاصل برای تبدیل خواندن نمونه های ناشناخته به غلظت استفاده می شود. مزیت این روش این است که خطاهای تصادفی در تهیه و خواندن راه حل های استاندارد به طور متوسط در چندین استاندارد انجام می شود. علاوه بر این ، غیرخطی بودن در منحنی کالیبراسیون را می توان تشخیص داد و از آن جلوگیری کرد (با رقیق شدن در محدوده خطی) یا جبران (با استفاده از روشهای مناسب منحنی غیر خطی). برگه های اینجا برای چندین روش مختلف کالیبراسیون وجود دارد:

یک مرتبه اول (خط مستقیم) از سیگنال اندازه گیری شده A (محور y) در مقابل غلظت C (محور x). معادله مدل A = شیب * C + رهگیری است. این متداول ترین و ساده ترین روش است و اگر می دانید پاسخ ابزار شما خطی است ، از آن استفاده می کنید. این تناسب با استفاده از معادلات شرح داده شده و ذکر شده در http://terpconnect. umd. edu/ انجام می شود~TOH/Spectrum/CurveFiting. html. شما به حداقل دو نقطه در منحنی کالیبراسیون نیاز دارید. غلظت نمونه های ناشناخته توسط (A - رهگیری) / شیب داده می شود که A سیگنال اندازه گیری شده و شیب و رهگیری از تناسب مرتبه اول است. اگر مایل به استفاده از این روش کالیبراسیون برای داده های خود هستید ،بارگیری در قالب اکسل یا OpenOffice Calc.معادلات را برای مربعات حداقل خطی مشاهده کنید.

دستورالعمل ها:

1. برگه کالیبراسیون مورد نظر را از میان موارد ذکر شده در بالا بارگیری و باز کنید.

2. غلظت استانداردها و قرائت ابزار آنها (به عنوان مثال جذب) را در جدول آبی سمت چپ وارد کنید. بقیه میز را خالی بگذارید. شما باید حداقل دو نقطه در منحنی کالیبراسیون (سه امتیاز برای روش درجه دوم یا چهار نقطه برای روش مکعب) داشته باشید ، از جمله خالی (استاندارد غلظت صفر). اگر برای یک استاندارد چندین قرائت ابزار دارید ، بهتر است به جای ورود به میانگین ، هر کدام را به عنوان یک استاندارد جداگانه با همان غلظت وارد کنید. صفحه گسترده به طور خودکار وزن بیشتری به استانداردهایی می دهد که بیش از یک خواندن دارند.

3. خوانش های ابزار (به عنوان مثال جذب) ناشناخته ها را در جدول زرد در سمت راست وارد کنید. شما می توانید هر تعداد ناشناخته تا 20 را داشته باشید. تغییر در خواندن ابزار).

4- غلظت ناشناخته ها به طور خودکار محاسبه و ستون K. نمایش داده می شود. اگر منحنی کالیبراسیون را ویرایش می کنید ، با حذف ، تغییر یا اضافه کردن استانداردهای کالیبراسیون بیشتر ، غلظت ها به طور خودکار محاسبه می شوند.

برای تناسب خطی (CalibrationLinear. xls)، اگر سه یا چند نقطه کالیبراسیون دارید، انحراف استاندارد تخمینی شیب و برش محاسبه شده و در سلول‌های G36 و G37 و انحراف استاندارد حاصل (SD) هر غلظت نشان داده می‌شود. در ردیف های L (SD مطلق) و M (درصد SD نسبی) نمایش داده می شود. این محاسبات انحراف استاندارد تخمین‌هایی از تغییرپذیری شیب‌ها و وقفه‌هایی هستند که اگر کالیبراسیون را بارها و بارها در شرایط یکسان تکرار کنید، احتمالاً به دست خواهید آورد، با این فرض که انحرافات از خط مستقیم به دلیل تغییرپذیری r andom است و نه سیستماتیک. خطای ناشی از غیر خطی بودناگر انحرافات تصادفی باشند، هر چند وقت یکبار اندکی متفاوت خواهند بود و باعث می شود شیب و برش از اندازه گیری به اندازه دیگر متفاوت باشد. اما اگر انحرافات ناشی از غیر خطی بودن سیستماتیک باشد، از اندازه گیری یکسان خواهد بود. برای اندازه‌گیری، در این صورت این پیش‌بینی‌های انحراف معیار مرتبط نخواهد بود، و بهتر است از یک تناسب چند جمله‌ای مانند درجه دوم یا مکعب استفاده کنید. قابلیت اطمینان این برآوردهای انحراف استاندارد نیز به تعداد نقاط داده در برازش منحنی بستگی دارد. آنها با جذر تعداد نقاط بهبود می یابند.

5. می توانید با حذف مقادیر X و Y مربوطه در جدول، هر نقطه ای را از برازش منحنی حذف کنید. برای حذف یک مقدار؛روی سلول کلیک راست کرده و روی "حذف محتوا" یا "پاک کردن محتوا" کلیک کنید. صفحه گسترده به طور خودکار دوباره محاسبه می شود و نمودار دوباره ترسیم می شود. اگر نشد، F9 را فشار دهید تا دوباره محاسبه شود.(توجه: صفحه گسترده کالیبراسیون مکعبی باید دارای نقاط کالیبراسیون به هم پیوسته بدون سلول های خالی یا خالی در محدوده کالیبراسیون باشد).

6. صفحه گسترده کالیبراسیون خطی ضریب تعیین R 2 را نیز محاسبه می کند که نشانگر "خوب بودن تناسب" در سلول C37 است. R 2 1. 0000 است که تناسب کامل است اما کمتر از آن زمانی که تناسب ناقص است. هر چه به 1. 0000 نزدیکتر باشد بهتر است.

7. یک "نقشه باقیمانده" درست در زیر نمودار کالیبراسیون نمایش داده می شود (به جز روش درونیابی). این تفاوت بین منحنی کالیبراسیون مناسب و قرائت واقعی استانداردها را نشان می دهد. هرچه این خطاها کوچکتر باشد، منحنی بیشتر با استانداردهای کالیبراسیون مطابقت دارد.(انحراف معیار آن خطاها نیز محاسبه شده و در زیر نمودار باقیمانده نمایش داده می شود؛ هر چه این انحراف معیار کمتر باشد، بهتر است).

با نگاه کردن به شکل طرح باقیمانده می توانید چیزهای زیادی را بگویید: اگر نقاط به طور تصادفی در بالا و زیر صفر پراکنده شوند ، این بدان معنی است که تناسب منحنی به همان اندازه خوب است که می توان در داده ها سر و صدای تصادفی داده شد. اما اگر طرح باقیمانده شکل صافی داشته باشد ، مثلاً یک منحنی U شکل ، به این معنی است که بین تناسب منحنی و شکل واقعی منحنی کالیبراسیون عدم تطابق وجود دارد. نشان می دهد که ممکن است تکنیک های متناسب با منحنی دیگر (مثلاً ، یک تناسب درجه دوم یا مکعب به جای یک خطی) مورد آزمایش قرار گیرد یا اینکه شرایط آزمایشی اصلاح شود تا یک شکل منحنی کالیبراسیون تجربی کمتر پیچیده تولید شود.

8- اگر از صفحه گسترده برای کالیبراسیون اصلاح شده با رانش استفاده می کنید ، باید دو منحنی کالیبراسیون را اندازه گیری کنید ، یکی قبل و دیگری پس از اجرای نمونه ها ، و تاریخ و زمان را ثبت کنید هر منحنی کالیبراسیون اندازه گیری می شود. غلظت استانداردها را در ستون B وارد کنید. برای اولین بار (قبل) کالیبراسیون در ستون C و تاریخ/زمان آن کالیبراسیون در سلول C5 ، قرائت های سازها را وارد کنید. خوانش های ابزار را برای پس از کالیبراسیون در ستون D و تاریخ/زمان آن کالیبراسیون در سلول D5 وارد کنید. قالب ورود به تاریخ/زمان ساعت های ماهانه است: دقیقه: ثانیه ، به عنوان مثال 6-2-2011 13:30:00 برای 2 ژوئن 2011 ، 1:30 بعد از ظهر (13:30 در 24-ساعت ساعت)توجه: اگر هر دو کالیبراسیون در همان روز اجرا شوند ، می توانید تاریخ را کنار بگذارید و فقط زمان را وارد کنید. در نمودار ، منحنی پیش کالیبراسیون به رنگ سبز نشان داده شده و منحنی پس از کالیبراسیون به رنگ قرمز نشان داده شده است. سپس ، برای هر نمونه ناشناخته اندازه گیری شده ، تاریخ/زمان (در همان قالب) را به ستون K و خواندن ابزار برای آن ناشناخته در ستون L وارد کنید. صفحه گسترده غلظت نمونه تصحیح شده را در ستون M محاسبه می کند. توجه: نسخه 2. 1 این صفحه گسترده (ژوئیه ، 2011) اجازه می دهد تا مجموعه های مختلفی از غلظت های قبل و بعد از کالیبراسیون را انجام دهد. فقط تمام غلظت های او را در ستون "غلظت استاندارد" (B) لیست کنید و قرائت ابزار مربوطه را در ستون های C یا D یا هر دو قرار دهید. اگر برای یکی از کالیبراسیون ها از غلظت خاصی استفاده نمی کنید ، فقط آن ابزار را خالی بگذارید.

این شکل کاربردی از صفحه گسترده کالیبراسیون درجه دوم اصلاح شده را نشان می دهد. در این تظاهرات ، کالیبراسیون ها و اندازه گیری ها در طی یک دوره چند روز انجام شد. پیش کالیبراسیون (ستون C) با شش استاندارد (ستون B) در تاریخ 01/25/2011 ساعت 1 بعد از ظهر انجام شد. هشت نمونه ناشناخته طی پنج روز بعد (ستون L و M) اندازه گیری شد و پس از کالیبراسیون (ستون D) پس از آخرین اندازه گیری در تاریخ 01/30/2011 در 2:45 بعد از ظهر انجام شد. نمودار موجود در مرکز منحنی پیش کالیبراسیون را به رنگ سبز و منحنی پس از کالیبراسیون به رنگ قرمز نشان می دهد. همانطور که مشاهده می کنید ، سنسور (یا ساز) در این دوره زمانی به سمت بالا رفته بود ، حساسیت (شیب منحنی کالیبراسیون) کوچکتر می شود و منحنی به طرز چشمگیری غیرخطی تر می شود (مقعر پایین). با این حال ، هر دو منحنی قبل و بعد از کالیبراسیون ، معادلات کالیبراسیون درجه دوم را به خوبی متناسب می کنند ، همانطور که توسط طرح باقیمانده و ضرایب تعیین نشان داده شده است (R 2 ) در زیر نمودارها ذکر شده است. هشت نمونه "ناشناخته" که برای این آزمایش اندازه گیری شده اند (جدول زرد) در واقع همان نمونه اندازه گیری شده به طور مکرر - استاندارد غلظت 1. 00 واحد - اما می بینید که نمونه هر بار که خواند های ابزار پایین تر (ستون L) می داداندازه گیری شده (ستون K) ، به دلیل رانش. سرانجام ، غلظت های اصلاح شده با رانش محاسبه شده توسط صفحه گسترده (ستون M در سمت راست) همه بسیار نزدیک به 1. 00 هستند ، نشان می دهد که تصحیح رانش به خوبی کار می کند ، در محدوده نویز تصادفی در خوانش سازها و این فرض را بر عهده داردرانش در پارامترهای منحنی کالیبراسیون با زمان بین قبل و بعد از کالیبراسیون خطی است.

سوالات متداول(گرفته شده از نمایش داده های موتور جستجو واقعی)

1. سوال: هدف منحنی کالیبراسیون چیست؟پاسخ: بیشتر ابزارهای تحلیلی سیگنال خروجی الکتریکی مانند جریان یا ولتاژ را تولید می کنند. یک منحنی کالیبراسیون رابطه بین سیگنال ایجاد شده توسط یک ابزار اندازه گیری و غلظت ماده در حال اندازه گیری را تعیین می کند. ترکیبات و عناصر شیمیایی مختلف سیگنال های مختلفی را ارائه می دهند. هنگامی که یک نمونه ناشناخته اندازه گیری می شود ، سیگنال از ناشناخته با استفاده از منحنی کالیبراسیون به غلظت تبدیل می شود.

2سوال: چگونه منحنی کالیبراسیون درست می کنید؟پاسخ: شما یک سری "راه حل های استاندارد" از ماده ای را که قصد اندازه گیری آن را دارید تهیه می کنید ، سیگنال را اندازه گیری می کنید (به عنوان مثال جذب ، اگر در حال انجام اسپکتروفتومتری جذب هستید) ، و غلظت را بر روی محور x و سیگنال اندازه گیری شده برای هر یک ترسیم کنیداستاندارد در محور y. یک خط مستقیم را تا حد ممکن نزدیک کنید تا نقاط روی منحنی کالیبراسیون (یا یک منحنی صاف اگر یک خط مستقیم مناسب نباشد) ، به طوری که هرچه بیشتر نقاط درست باشد یا نزدیک به منحنی باشد.

3سؤال: چگونه از منحنی کالیبراسیون برای پیش بینی غلظت یک نمونه ناشناخته استفاده می کنید؟غلظت از یک نقشه کالیبراسیون غیرخطی را چگونه تعیین می کنید؟پاسخ: این کار را می توان از دو طریق ، از لحاظ گرافیکی و ریاضی انجام داد. از نظر گرافیکی ، یک خط افقی را از سیگنال ناشناخته در محور y بر روی منحنی کالیبراسیون و سپس مستقیم به محور غلظت (x) به غلظت ناشناخته بکشید. از نظر ریاضی ، یک معادله را با داده های کالیبراسیون متناسب کنید و معادله را برای غلظت به عنوان تابعی از سیگنال حل کنید. سپس ، برای هر ناشناخته ، کافی است سیگنال آن را به این معادله وصل کرده و غلظت را محاسبه کنید. به عنوان مثال ، برای یک معادله خطی ، معادله متناسب منحنی سیگنال = شیب * غلظت + رهگیری است ، جایی که شیب و رهگیری توسط یک منحنی حداقل مربعات خطی (مرتبه اول) تعیین می شود. حل این معادله برای غلظت غلظت = (سیگنال - رهگیری) / شیب ، که در آن سیگنال خواندن سیگنال (به عنوان مثال جذب) محلول ناشناخته است.(برای یک صفحه گسترده OpenOffice که این کار را برای شما انجام می دهد ، اینجا را کلیک کنید. مشاهده صفحه نمایش).

4سوال: چگونه می دانم چه موقع از یک منحنی مستقیم استفاده می کنم و چه موقع از یک خط خمیده مانند یک درجه دوم یا مکعب استفاده می کنم؟پاسخ: یک خط مستقیم را به داده های کالیبراسیون متناسب کنید و به طرح "باقیمانده" (تفاوت بین مقادیر Y در داده های اصلی و مقادیر Y محاسبه شده توسط معادله FIT) نگاه کنید. انحراف از خطی در طرح باقیمانده بسیار مشهود خواهد بود تا در طرح منحنی کالیبراسیون.(برای یک صفحه گسترده OpenOffice که این کار را برای شما انجام می دهد ، اینجا را کلیک کنید. مشاهده صفحه نمایش). اگر باقیمانده ها به طور تصادفی در تمام خط مناسب پراکنده شوند ، این بدان معنی است که انحرافات ناشی از خطاهای تصادفی مانند نویز ابزار یا با خطاهای حجمی یا رویه تصادفی است. در این حالت می توانید از یک خط مستقیم (خطی) متناسب استفاده کنید.اگر باقیمانده ها شکل صافی دارند ، مانند شکل "U" ، این بدان معنی است که منحنی کالیبراسیون منحنی است ، و شما باید از یک منحنی غیر خطی مانند تناسب درجه دوم یا مکعب استفاده کنید. اگر طرح باقیمانده شکل "S" داشته باشد ، احتمالاً باید از یک مکعب استفاده کنید.(اگر در حال انجام اسپکتروفتومتری جذب هستید ، ببینید مقایسه روشهای اتصالات منحنی در طیف سنجی جذب).

5سؤال: اگر منحنی کالیبراسیون من در غلظت های کم خطی باشد اما در بالاترین غلظت منحنی است؟پاسخ: در این حالت نمی توانید از یک منحنی خطی استفاده کنید ، اما اگر انحنای خیلی شدید نباشد ، ممکن است بتوانید با آن مناسب باشید مناسب درجه دوم یا مکعب. اگر اینگونه نباشد ، می توانید دامنه غلظت را به دو منطقه بشکنید و یک منحنی خطی را به ناحیه خطی تحتانی و یک منحنی درجه دوم یا مکعب به غیرخطی بالاتر تنظیم کنید منطقه

6سؤال: تفاوت بین منحنی کالیبراسیون و یک خط از بهترین تناسب چیست؟تفاوت بین تناسب خطی و منحنی کالیبراسیون چیست. پاسخ: منحنی کالیبراسیون یک رابطه تجربی اندازه گیری شده بین غلظت و سیگنال است. شما هرگز منحنی کالیبراسیون واقعی را نمی دانید. شما فقط می توانید با اندازه گیری یک سری راه حل های استاندارد ، آن را در چند نقطه تخمین بزنید. سپس یک خط یا یک منحنی صاف را بکشید که تا حد امکان از طریق نقاط پیش می رود ، با برخی از نقاط کمی بالاتر از خط و برخی نقاط کمی پایین تر از خط است. این همان چیزی است که منظور ما از آن "بهترین تناسب" برای نقاط داده است. منحنی کالیبراسیون واقعی ممکن است کاملاً خطی نباشد ، بنابراین تناسب خطی همیشه بهترین نیست. اگر منحنی کالیبراسیون یک انحنای صاف تدریجی را نشان دهد ، ممکن است یک تناسب درجه دوم یا مکعب بهتر باشد.

7سوال: چرا خط شیب تمام نقاط را در یک نمودار نمی گذرد؟پاسخ: این فقط در صورتی اتفاق می افتد که شما (1) یک آزمایشگر کامل باشید ، (2) یک ابزار کامل دارید و (3) معادله منحنی مناسب را برای داده های خود انتخاب کنید. اون اتفاق نمی افته. همیشه خطاهای کمی وجود دارد. روش متناسب با منحنی کمترین مربع ، بهترین تناسب و نه تناسب کامل را به داده های کالیبراسیون برای یک شکل منحنی معین (خطی. درجه دوم یا مکعب) ارائه می دهد. نقاطی که از منحنی سقوط می کنند به دلیل خطاهای تصادفی این کار را انجام می دهند یا به این دلیل که شکل منحنی کالیبراسیون واقعی با معادله منحنی مناسب مطابقت ندارد.

در واقع ، یک روش مصنوعی وجود دارد که می توانید منحنی را در تمام نقاط طی کنید ، و آن استفاده از استانداردهای کالیبراسیون بسیار کمی است: به عنوان مثال ، اگر فقط از دو نقطه برای یک خط مستقیم استفاده می کنید ، سپس بهترین خط مناسب است. بدون توجه به آنچه در این دو نقطه پیش خواهد رفت. به همین ترتیب ، اگر فقط از سه امتیاز برای تناسب درجه دوم استفاده کنید ، منحنی مناسب ترین درجه دوم از طریق آن سه امتیاز درست می شود و اگر فقط از چهار امتیاز برای یک مکعب استفاده کنید ، منحنی بهترین مناسب مکعب به درستی پیش می روداز طریق این چهار نقطهاما این واقعاً توصیه نمی شود ، زیرا اگر یکی از نقاط کالیبراسیون شما واقعاً با یک خطای بزرگ خاموش باشد ، تناسب منحنی هنوز هم عالی به نظر می رسد ، و هیچ سرنخی از این اشتباه ندارید. شما واقعاً باید از استانداردهای بیشتری استفاده کنید که به طوری که می دانید چه موقع اشتباه پیش رفته است.

8سؤال: چه اتفاقی می افتد که خواندن جذب بالاتر از هر یک از راه حل های استاندارد باشد؟پاسخ: اگر از یک معادله متناسب با منحنی استفاده می کنید ، باز هم مقدار غلظت محاسبه شده برای هر سیگنالی که در آن قرار داده اید ، حتی بالاتر از بالاترین استاندارد محاسبه می شوید. با این حال ، انجام این کار خطرناک است ، زیرا شما واقعاً نمی دانید که شکل منحنی کالیبراسیون بالاتر از بالاترین استاندارد است. این می تواند مستقیم ادامه یابد یا می تواند به شکلی غیر منتظره منحنی شود - چگونه مطمئناً می دانید؟بهتر است استاندارد دیگری را در انتهای بالای منحنی کالیبراسیون اضافه کنید.

9سوال: تفاوت استفاده از یک استاندارد واحد در مقابل استانداردهای چندگانه و یک نمودار چیست؟پاسخ: روش استاندارد واحد ساده ترین و سریعترین روش است ، اما فقط اگر منحنی کالیبراسیون خطی باشد ، دقیق است. استفاده از استانداردهای متعدد این مزیت را دارد که هرگونه غیرخطی در منحنی کالیبراسیون را می توان تشخیص داد و از آن جلوگیری کرد (با رقیق شدن در محدوده خطی) یا جبران (با استفاده از روشهای مناسب منحنی غیر خطی). همچنین ، خطاهای تصادفی در تهیه و خواندن راه حل های استاندارد به طور متوسط بر روی چندین استاندارد انجام می شود ، که بهتر از "قرار دادن تمام تخم های شما در یک سبد" با یک استاندارد واحد است. از طرف دیگر ، یک نقطه ضعف آشکار از روش استاندارد چندگانه این است که به زمان بسیار بیشتری نیاز دارد و از مواد استاندارد تر از روش استاندارد واحد استفاده می کند.

10سؤال: رابطه بین حساسیت در تجزیه و تحلیل و شیب منحنی استاندارد چیست؟پاسخ: حساسیت به عنوان شیب منحنی استاندارد (کالیبراسیون) تعریف می شود.

11 . سوال: چگونه می توان منحنی کالیبراسیون را در اکسل یا اپن آفیس ایجاد کرد؟پاسخ: غلظت استانداردها را در یک ستون و سیگنال های آنها (مثلاً جذب) را در ستون دیگر قرار دهید. سپس یک نمودار پراکندگی XY ایجاد کنید، تمرکز را روی محور X (افقی) قرار دهید و در محور Y (عمودی) سیگنال دهید. نقاط داده را فقط با نمادها ترسیم کنید، نه خطوط بین نقاط. برای محاسبه برازش منحنی حداقل مربعات، می‌توانید معادلات حداقل مربعات را در صفحه‌گسترده خود قرار دهید، یا می‌توانید از تابع LINEST داخلی در Excel و OpenOffice Calc برای محاسبه برازش‌های چند جمله‌ای و سایر برازش‌های حداقل مربعات منحنی استفاده کنید. برای نمونه‌هایی از صفحات گسترده OpenOffice که نمودارها و منحنی‌های کالیبراسیون را متناسب می‌کنند، به کاربرگ‌های منحنی کالیبراسیون تحلیلی مراجعه کنید. 12 . سوال: تفاوت استفاده از منحنی کالیبراسیون در طیف سنجی جذب در مقایسه با سایر روش های تحلیلی مانند طیف سنجی فلورسانس یا انتشار چیست؟پاسخ: تنها تفاوت در واحدهای سیگنال است. در طیف‌سنجی جذبی از جذب استفاده می‌کنید (زیرا از نظر غلظت نزدیک‌ترین خطی است) و در طیف‌سنجی فلورسانس (یا گسیل) از شدت فلورسانس (یا انتشار) استفاده می‌کنید که معمولاً با غلظت خطی است (به جز گاهی اوقات در غلظت‌های بالا). روش های برازش منحنی و محاسبه غلظت اساساً یکسان است.

13 . سوال: اگر محلول از قانون بیر پیروی می کند، آیا بهتر است از منحنی کالیبراسیون استفاده شود تا یک استاندارد واحد؟پاسخ: در هر دو صورت ممکن است تفاوت چندانی نداشته باشد. اگر از اندازه‌گیری‌های قبلی مشخص شد که محلول دقیقاً بر روی همان اسپکتروفتومتر و تحت شرایط مورد استفاده از قانون بیر پیروی می‌کند، می‌توان از یک استاندارد واحد استفاده کرد (اگرچه بهتر است آن استاندارد سیگنالی نزدیک به حداکثر سیگنال نمونه مورد انتظار بدهد یا بههر سیگنالی که بهترین نسبت سیگنال به نویز را می دهد - جذبی نزدیک به 1. 0 در طیف سنجی جذبی). تنها مزیت واقعی استانداردهای چندگانه در این مورد این است که خطاهای تصادفی در تهیه و خواندن راه‌حل‌های استاندارد بر روی چندین استاندارد میانگین می‌شوند، اما همان اثر را می‌توان با ساختن چندین نسخه از یک استاندارد واحد به سادگی به دست آورد. خطاهای حجمی تصادفی) و خواندن هر یک به طور جداگانه (برای میانگین گیری خطاهای تصادفی خواندن سیگنال). و اگر خطاهای خواندن سیگنال بسیار کوچکتر از خطاهای حجمی باشد، می توان یک راه حل استاندارد واحد را به طور مکرر اندازه گیری کرد تا خطاهای اندازه گیری تصادفی را به طور میانگین اندازه گیری کرد.

14 . سوال: اگر تک رنگی کامل نباشد چه تاثیری بر اندازه گیری غلظت دارد؟پاسخ: اگر کالیبراسیون طول موج کمی خاموش باشد، تا زمانی که تنظیم تک رنگ بین اندازه گیری استانداردها و نمونه ناشناخته دست نخورده باقی بماند، تأثیر قابل توجهی نخواهد داشت. شیب منحنی کالیبراسیون متفاوت خواهد بود، اما غلظت های محاسبه شده خوب خواهد بود.(اما اگر چیزی باعث تغییر طول موج بین زمان اندازه گیری استانداردها و زمان اندازه گیری نمونه ها شود، خطا ایجاد می شود). اگر طول موج دارای درجه بندی نور سرگردان ضعیفی باشد یا اگر وضوح ضعیف باشد (باند گذر طیفی خیلی بزرگ است)، منحنی کالیبراسیون ممکن است تأثیر منفی بگذارد. در طیف‌سنجی جذبی، نور سرگردان و قدرت تفکیک ضعیف ممکن است منجر به غیرخطی بودن شود که به روش برازش منحنی غیر خطی نیاز دارد. در طیف سنجی انتشار، نور سرگردان و وضوح ضعیف ممکن است منجر به تداخل طیفی شود که می تواند منجر به خطاهای تحلیلی قابل توجهی شود.

15 . سوال: اگر فاصله منحنی کالیبراسیون من صفر نباشد به چه معناست؟پاسخ: در حالت ایده‌آل فاصله محور y منحنی کالیبراسیون (سیگنال در غلظت صفر) باید صفر باشد، اما دلایل متعددی وجود دارد که ممکن است اینطور نباشد.(1) اگر پراکندگی تصادفی قابل توجهی در نقاط کالیبراسیون در بالا و پایین خط مناسب وجود داشته باشد، احتمالاً وقفه غیر صفر فقط به دلیل خطای تصادفی است. اگر مجموعه جداگانه دیگری از استانداردها را تهیه می کردید، آن منحنی استاندارد دارای فاصله های متفاوتی بود، مثبت یا منفی. هیچ کاری نمی توانید در این مورد انجام دهید، مگر اینکه بتوانید خطای تصادفی استانداردها و نمونه ها را کاهش دهید.(2) اگر شکل منحنی کالیبراسیون با شکل برازش منحنی مطابقت نداشته باشد، احتمال اینکه هر بار یک رهگیری غیر صفر داشته باشید بسیار زیاد است. به عنوان مثال، اگر منحنی کالیبراسیون با افزایش غلظت خم شود، و شما از یک منحنی خطی (خطی) استفاده کنید، نقطه قطع مثبت خواهد بود (یعنی خط برازش منحنی یک قطع محور y مثبت خواهد داشت، حتی اگرمنحنی کالیبراسیون واقعی از صفر عبور می کند). این یک مصنوع از انتخاب مناسب منحنی ضعیف است. اگر می بینید که این اتفاق می افتد، یک شکل منحنی متفاوت (مربع یا مکعب) را امتحان کنید.(3) اگر ابزار به درستی "صفر" نشده باشد، به عبارت دیگر، اگر ابزار هنگام اندازه گیری محلول خالی، قرائت غیر صفر بدهد. در این صورت شما سه انتخاب دارید: می توانید ابزار را صفر کنید (اگر این امکان وجود دارد). می توانید سیگنال خالی را از تمام قرائت های استاندارد و نمونه کم کنید. یا فقط می‌توانید اجازه دهید منحنی برازش را برای شما کم کند (اگر روش برازش منحنی شما وقفه را محاسبه می‌کند و شما آن را در محلول آن معادله نگه می‌دارید، به عنوان مثال تمرکز = (شب سیگنال) / شیب).

16 . سوال: چگونه می توانم پراکندگی تصادفی نقاط کالیبراسیون را در بالا و پایین خط مناسب کاهش دهم؟پاسخ: خطاهای تصادفی مانند این می تواند به دلیل خطاهای حجمی تصادفی باشد (خطاهای کوچک در حجم های مورد استفاده برای تهیه محلول استاندارد با رقیق کردن محلول پشته یا افزودن معرف ها) یا ممکن است به دلیل خطاهای تصادفی خواندن سیگنال دستگاه باشد. یا به هر دوبرای کاهش خطای حجمی، از تجهیزات حجمی دقیق تری استفاده کنید و تکنیک خود را تمرین کنید تا آن را کامل کنید (مثلاً از تکنیک خود برای تحویل آب خالص استفاده کنید و آن را روی یک ترازوی تحلیلی دقیق وزن کنید). برای کاهش خطای خواندن سیگنال، شرایط ابزار (مانند طول موج، طول مسیر، عرض شکاف، و غیره) را برای بهترین نسبت سیگنال به نویز تنظیم کنید و چندین قرائت هر نمونه یا استاندارد را به طور میانگین تنظیم کنید.

17 . سوال: تداخل چیست؟تداخل ها چه تأثیری بر منحنی کالیبراسیون و دقت اندازه گیری غلظت دارند؟پاسخ: هنگامی که یک روش تحلیلی برای نمونه های پیچیده دنیای واقعی اعمال می شود، به عنوان مثال تعیین دارو در سرم خون، ممکن است به دلیل تداخل، خطای اندازه گیری رخ دهد. تداخل ها خطاهای اندازه گیری هستند که توسط اجزای شیمیایی موجود در نمونه ها ایجاد می شوند که بر سیگنال اندازه گیری شده تأثیر می گذارند، به عنوان مثال با کمک سیگنال های خود یا با کاهش یا افزایش سیگنال از آنالیت. حتی اگر روش به خوبی کالیبره شده باشد و بتواند محلول های آنالیت خالص را با دقت اندازه گیری کند، خطاهای تداخل ممکن است زمانی رخ دهد که این روش برای نمونه های پیچیده دنیای واقعی اعمال شود. یکی از راه‌های تصحیح تداخل، استفاده از "استانداردهای ماتریس تطبیقی" است، محلول استانداردی که آماده شده است تا حاوی همه چیزهایی باشد که نمونه‌های واقعی حاوی آن هستند، به جز اینکه غلظت‌های مشخصی از آنالیت دارند. اما انجام این کار دقیقاً بسیار دشوار و پرهزینه است، بنابراین تمام تلاش ها برای کاهش یا جبران تداخل ها به روش های دیگر انجام می شود. برای اطلاعات بیشتر در مورد انواع تداخل ها و روش های جبران آنها، به مقایسه روش های کالیبراسیون تحلیلی مراجعه کنید.

18 . سوال: منابع خطا در تهیه منحنی کالیبراسیون چیست؟پاسخ: منحنی کالیبراسیون نمودار سیگنال تحلیلی (مثلاً جذب، در اسپکتروفتومتری جذب) در مقابل غلظت محلول‌های استاندارد است. بنابراین، منابع اصلی خطا، خطا در غلظت های استاندارد و خطا در سیگنال های اندازه گیری شده آنها است. خطاهای تمرکز عمدتاً به دقت ظروف شیشه ای حجمی (فلاسک های حجمی، پیپت ها، دستگاه های تحویل محلول) و به دقت استفاده از آنها توسط افرادی که محلول ها را تهیه می کنند بستگی دارد. به طور کلی، دقت و صحت جابجایی حجم های بزرگ بالای 10 میلی لیتر بیشتر از حجم های پایین تر زیر 1 میلی لیتر است. ظروف شیشه ای حجمی را می توان با وزن کردن آب بر روی یک ترازوی تحلیلی دقیق کالیبره کرد (شما می توانید چگالی آب را در دماهای مختلف جستجو کنید و بنابراین حجم دقیق آب را از وزن اندازه گیری شده آن محاسبه کنید). این به شما امکان می دهد تا هر یک از فلاسک ها و غیره را با حجم واقعی آنها برچسب بزنید. اما دقت ممکن است همچنان یک مشکل باشد، به خصوص حجم کمتر، و بسیار وابسته به اپراتور است. برای اینکه در کنترل حجم های کوچک خوب شوید، باید تمرین کنید. خطای اندازه گیری سیگنال به شدت به روش ابزاری مورد استفاده و غلظت آنالیت بستگی دارد. می تواند از نزدیک به 0. 1٪ در شرایط ایده آل تا 30٪ در نزدیکی حد تشخیص روش متفاوت باشد. میانگین اندازه گیری های تکراری می تواند دقت را با توجه به نویز تصادفی بهبود بخشد. برای بهبود نسبت سیگنال به نویز در غلظت‌های پایین، ممکن است شرایط را تغییر دهید، مانند تغییر عرض شکاف یا طول مسیر، یا استفاده از روش ابزاری دیگر (مانند اتمی‌ساز کوره گرافیتی به جای جذب اتمی شعله‌ای).

19 . چگونه می توانم خطا را در یک کمیت خاص با استفاده از روش برازش حداقل مربع پیدا کنم؟چگونه می توانم خطا را در شیب و قطع محاسبه شده تخمین بزنم؟هنگام استفاده از یک برازش حداقل مربعات ساده خط مستقیم ( مرتبه اول)، بهترین خط برازش تنها با دو کمیت مشخص می شود: شیب و فاصله. خطای تصادفی در شیب و قطع (به طور خاص، انحراف معیار آنها) را می توان به صورت ریاضی از میزان انحراف نقاط کالیبراسیون از بهترین خط برازش تخمین زد. معادلات انجام این کار در اینجا آورده شده و در آن پیاده سازی شده است"صفحه گسترده برای کالیبراسیون خطی با محاسبه خطا". این مهم است که بدانیم این محاسبات خطا فقط تخمین می زنند ، زیرا آنها بر این فرضیه مبتنی بر این فرضیه هستند که مجموعه داده های کالیبراسیون نماینده تمام مجموعه های کالیبراسیون است که اگر تعداد زیادی از کالیبراسیون را تکرار کنید - در موارد دیگر - در موارد دیگ ر-کلمات ، فرض این است که خطاهای تصادفی (خطاهای اندازه گیری حجمی و سیگنال) در مجموعه داده های خاص شما معمولی هستند. اگر هنگام اجرای منحنی کالیبراسیون خود ، خطاهای تصادفی شما کوچک باشد ، یک منحنی کالیبراسیون فریبنده خوب دریافت خواهید کرد.، اما برآوردهای شما از خطای تصادفی در شیب و رهگیری خیلی کم خواهد بود. اگر خطاهای تصادفی شما بزرگ باشد ، یک منحنی کالیبراسیون فریبنده و بد را دریافت خواهید کرد و تخمین های شما از خطای تصادفی در شیب ورهگیری خیلی زیاد خواهد بود. این تخمین های خطا می تواند به ویژه ضعیف باشد که تعداد نقاط در یک منحنی کالیبراسیون اندک باشد ؛ صحت تخمین ها در صورت افزایش تعداد نقاط داده در آن افزایش می یابدچین و چروک ، اما البته تهیه تعداد زیادی از راه حل های استاندارد وقت گیر و گران است. نکته آخر این است که شما فقط می توانید انتظار داشته باشید که این پیش بینی های خطا از یک منحنی کالیبراسیون واحد بسیار خشن باشد. آنها به راحتی می توانند با یک عامل دو یا بیشتر خاموش شوند ، همانطور که توسط شبیه سازی "انتشار خطا در روش منحنی کالیبراسیون خطی" نشان داده شده است (نسخه OpenOffice را بارگیری کنید).

20. چگونه می توان خطای غلظت محاسبه شده ناشناخته ها را تخمین زد؟برای محاسبه غلظت یک محلول ناشناخته با اندازه گیری سیگنال و محاسبات آن (سیگنال - رهگیری) / شیب ، می توانید از شیب و رهگیری استفاده کنید. خطاهای موجود در این غلظت محاسبه شده می تواند توسط قوانین معمول برای انتشار خطا تخمین زده شود: ابتدا ، خطا در (سیگنال - رهگیری) توسط قانون برای افزودن و تفریق محاسبه می شود. دوم ، خطا در (سیگنال - رهگیری) / شیب توسط قانون برای ضرب و تقسیم محاسبه می شود. معادلات برای انجام این کار در اینجا آورده شده و در "اجرا شده است"صفحه گسترده برای کالیبراسیون خطی با محاسبه خطا "واداین مهم است که بدانیم این محاسبات خطا فقط برآورد می شود ، به همین دلیل در شماره 19 در بالا ذکر شده است ، به خصوص اگر تعداد نقاط در یک منحنی کالیبراسیون اندک باشد ، همانطور که توسط شبیه سازی "انتشار خطا در روش منحنی کالیبراسیون خطی" نشان داده شده است "(بارگیری نسخه OpenOffice).

21. حداقل مقدار قابل قبول ضریب تعیین (R 2) چیست؟بستگی به صحت مورد نیاز دارد. به عنوان یک قاعده خشن ، اگر به دقت حدود 0. 5 ٪ نیاز دارید ، به R نیاز دارید2از 0. 9998 ؛اگر خطای 1 ٪ به اندازه کافی خوب باشد ، R2از 0. 997 انجام خواهد داد ؛و اگر خطای 5 ٪ قابل قبول باشد ، R2از 0. 97 انجام خواهد داد. نکته آخر این است که R2برای نتایج کمی در شیمی تحلیلی ، باید نزدیک به 1. 0 باشد.(ج) 2008 ، 2021 پروفسور تام اوهور ، استاد برجسته ، دانشگاه مریلند در کالج پارک. نظرات ، پیشنهادات و سؤالات باید به پروفسور اوهور در [email protected]. edu هدایت شود. تعداد بازدیدهای منحصر به فرد از 17 مه 2008. آخرین به روز شده اکتبر 2021