4: Оцінка аналітичних даних
- Page ID
- 24863
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)
Коли ми використовуємо аналітичний метод, ми робимо три окремі оцінки експериментальної помилки. По-перше, перш ніж почати аналіз, ми оцінюємо потенційні джерела помилок, щоб переконатися, що вони не будуть негативно впливати на наші результати. По-друге, під час аналізу ми контролюємо наші вимірювання, щоб переконатися, що помилки залишаються прийнятними. Нарешті, в кінці аналізу ми оцінюємо якість вимірювань і результатів, і порівнюємо їх з нашими оригінальними критеріями проектування. У цьому розділі наведено введення в джерела помилок, до оцінки помилок в аналітичних вимірах, а також до статистичного аналізу даних.
- 4.1: Характеристика вимірювань та результатів
- Один із способів охарактеризувати дані з декількох вимірів/пробігів полягає в тому, щоб припустити, що вимірювання випадково розкидані навколо центрального значення, яке забезпечує найкращу оцінку очікуваного або «справжнього» значення. Охарактеризовано розподіл цих результатів шляхом повідомлення про її центральну тенденцію та поширення.
- 4.2: Характеристика експериментальних помилок
- З будь-якого набору даних виникають два найважливіших питання. По-перше, чи погоджується наша міра центральної тенденції з очікуваним результатом? По-друге, чому в окремих результатах так багато мінливості? Перше з цих питань стосується точності наших вимірювань, а друге стосується точності наших вимірювань. У цьому розділі ми розглянемо типи експериментальних помилок, які впливають на точність і точність.
- 4.3: Поширення невизначеності
- Поширення невизначеності дозволяє оцінити невизначеність в результаті невизначеностей у вимірах, що використовуються для обчислення результату.
- 4.4: Розподіл вимірювань та результатів
- Щоб порівняти два зразки один з одним, нам потрібно більше, ніж міри їх центральних тенденцій та їх розворотів на основі невеликої кількості вимірювань. Нам також потрібно знати, як передбачити властивості більш широкої популяції, з якої були взяті зразки; в свою чергу, це вимагає, щоб ми розуміли розподіл зразків всередині популяції.
- 4.5: Статистичний аналіз даних
- Довірчий інтервал є корисним способом повідомити про результат аналізу, оскільки він встановлює обмеження на очікуваний результат. За відсутності детермінантної похибки довірчий інтервал, заснований на середньому вибірці, вказує діапазон значень, в якому ми очікуємо знайти середнє значення популяції. У цьому розділі ми представимо загальний підхід до статистичного аналізу даних. Конкретні статистичні тести представлені в наступному розділі.
- 4.6: Статистичні методи для нормальних розподілів
- Найпоширенішим розподілом для наших результатів є нормальний розподіл. Оскільки площа між будь-якими двома межами нормальної кривої розподілу чітко визначена, побудова та оцінка тестів на значущість є простою.
- 4.7: Межі виявлення
- Міжнародний союз чистої та прикладної хімії (IUPAC) визначає межу виявлення методу як найменшу концентрацію або абсолютну кількість аналіту, який має сигнал значно більший за сигнал із відповідної заготовки.
- 4.8: Використання Excel та R для аналізу даних
- Хоча розрахунки в цьому розділі відносно прості, це може бути нудно працювати проблеми, використовуючи не що інше, як калькулятор. І Excel, і R включають функції для багатьох загальних статистичних обчислень. Крім того, R надає корисні функції для візуалізації ваших даних.
- 4.9: Проблеми
- Проблеми в кінці глави, щоб перевірити ваше розуміння тем в цьому розділі.
- 4.10: Додаткові ресурси
- Збірник ресурсів для супроводу тем у цьому розділі.
- 4.11: Підсумок розділів та ключові терміни
- Короткий зміст основних тем глави та перелік ключових термінів, представлених у цій главі.