Professional Documents
Culture Documents
2.1. 1 准确度与精 密度
2.1. 2 系统误差和 偶然误差
2.1. 3 误差的传递
2.1. 4 提高分析结 果准确度的 方法
2.1.1.1 准确度和误 差
accuracy and error
• 相对真 值:在分析工作中,常把标准参考物质的
证书上所给出的含量作为相对真值。
标准参 考物质 ( 或标准 样品 或标样 ) :由公 认的
权威机 构发售 的带 有证书 的物 质。
具备条 件:
1. 经公认的 权威 机构鉴 定, 并给 予证书 ;
2. 具有良 好的特 性, 如均匀 性和稳 定性 ;
3. 具有充 当测量 标准 的准确 度水平 ,它 的准确 度至
少要 高于 实际测 量的 3 倍;
4. 能制备 出一定 数量 在全国 范围内 满足 方法验 证、
仪器 校准 、质量 控制 等方面 的需 要。
2.1.1.2 精密度和偏 差
precision and deviation
• 精密度 用偏差 来表 示。
偏差 ( deviation , d ):测量值 与平均 值
之差 。
公式 : d = xi −x
•平均偏 差:各单个 偏差 绝对值 的平 均值。
n
公式: ∑x −x i
d =i=
1
n
公式: d
× 100%
x
说明:
公式 : S =
∑( xi
i=
1
−x ) 2
n−1
n
n
1
∑x i
2
−∑
n
xi 2
S =
i=
1 i =
1
n−1
平均偏
组别 测量数 据 平均值 标准偏 差 S
差
• 1. 精密 度是保证准 确度的先决 条件
1. 特点:
•单向
•重复
•可测
•影响分析的准确度
( 1 )按来源分
方法误 差 :由于分析方法选择不当造成的误差。
仪器或试剂误差 : 仪器不精确和试剂中含被
测
组分或不纯组分产生
操作误 差: 操作方法不当引起
偶然误 差:由某些不确定的、难以控制的原因造成的
误差
特点:
( 1 ) 双向 性(大小、正负不定)
( 2 ) 分布服从统计学规律(正态分布)
( 3 ) 不可消除(原因不定)但可减小(测
定次数↑)
二者 的关系 :
( 1 )系统 误差和偶然 误差的划分不是绝对的。
对于一次测定而言,系统误差和偶然误差可
能同时存在。
( 2 )系统 误差一般对分析结果的影响较大,影
响测定的准确度,应尽量给予消除;偶然 误差一
般对分析结果影响较小,影响测定的精密度。
2.1.3 误差 的传递
2.1.3.1
系统误 差的传递
propagation of error
系统 误差的 传递 规律:
( 1 )和、差的 绝对 误差等于各测量值绝对误差
的和、差。
( 2 )积 、商的 结果 的相对标准偏差的平方是
各测量值相对标准偏差的平方之和。
练习
解 m = m1 − m 2 , ⇒ s m = s12 + s 22 = 2s 2 = 0.14mg
:
2.1 .4 提高 分析准 确度 的方法
(如 何减免 分析 过程中 的误 差)
选择恰 当的分 析方 法
减小测 量误差
减小偶 然误差 的影 响
消除测 量中的 系统 误差
2.1 .4.1 选择恰当的分析 方法
比色法 40.20%
±2.0%×40.20%
2.1.4 .2 减小测量误 差
1 )称量
例: 天平一次的称量误差为 0.0001g ,两次的
称量误差为 0.0002g , RE%≤ 0.1% ,计算最少称
样量?
0.0002
RE % = × 100% ≤ 0.1%
w
⇒ w ≥ 0.2000 g
2.1 .4.3 减小偶然误差的 影响
1. 做对 照实验
( 1 )标样 对照: 用已知含量的标准样品验证
方法。
( 2 )标 准方法 对照 :国家标准局颁布的标准
方法、如药典方法等。
2. 做回 收试验 :向已测定试样中加入被测组分的
纯品(定量分析用对照品),然后用同一种方法进
行测定,由测得的增加值与加入量之差,估算系统
误差。
加入纯品后的测得量-加入前 的测得量
回收率%= ×100
纯品加入量
3. 做空 白试验 :用与测定样品相同的方法、条件
和步骤对不加试样的空白样品进行定量分析,所
得结果作为空白值,从分析结果中扣除。
可以消除溶剂、蒸馏水、试剂不纯或实验器皿等
造成的系统误差。
4. 校准 仪器:消除由仪器不准确引起的误差。计
算结果时采用校正值。
2.2 有效数字及其运算法则
2.2. 1 有效数字
2.2. 2 数字的修约 规则
2.2. 3 有效数字的 运算规则
2.2.1 有效数 字
• 有效数 字 (significant figure )
( 1 )以 0 开头的小数,数字前面的“ 0” 不是有
效数字,是定位用的; 0.005 4g
( 2 )以“ 0” 结尾的整数,有效数字难以确定。
按科学计数法表达,才能判断他的位数。
• 例如: 250 0 写为 2.5 ×10 3 或 2.50 ×10 3
2. 首位 数是 8 或 9 的大数 ,有效 数字 多记一
位
例如: 8.96ml , 0.940mg
3. 很小 的数字 或很 大的数 字, 定位不 方便 ,
可用 10 的乘 方表示 。
4. 变换 单位 时,有 效数 字的位 数必 须保持 不
变。 例如: 23.4mg=0.0234g
5. pH 、 pM 、 pK 等值的有效数字仅取决于小数
部分数字的位数。因为整数代表原值的方次。
pH=5.68 表示 [H+]=2.1×10-6
2.2. 2 有效数字的 修约规则
( 1 ). 四舍六 入五 留双
例: 0.37456 , 0.3745 均修约至三位有效数
字 0.375 0.374
( 2 ). 只能对 数字 进行一 次性 修约
例: 6.549 , 2.451 一次修约至两位有效数
字 2.5
6.5
( 3 )在大量 数据 运算时 ,对 参加运 算的 数据
可先多 保留一 位有 效数字 。
为防止误差迅速累加,运算后再将结果修约成与
最大误差数据相当的位数。
加减法 运算法 则 :
几个数据相加减时,以绝对误差最大(小
数点后位数最少)的数据为准,修约其它数据
,使各数据的绝对 误差 一致后再进行加减运
算。
• 几个数据相乘除时,以参加运算的数据中相对
误差最 大(有效数字位数最少)的那个数据为
准进行修约后再运算。
• eg . 0.012 1×1.0 5782 × 25 .64= 0.328
2.3 有限量测量数据的统计处理
2.3. 1 偶然 误差的 正态 分布
2.3. 2 t 分布
2.3. 3 平均 值的精 密度 和置信 区间
2.3. 4 显著 性检验
2.3. 5 可疑 数据的 取舍
2.3. 6 相关 与回归
2.3. 1 偶然误差的 正态分布
1 1 x −µ 2
y = f ( x) = exp − ( )
σ 2π 2 σ
y— 概率 密度 , x— 测定 值
— 总体平均值, σ— 总体 标准 偏差
正态分 布曲 线
正态分布的两个重要参数
( 1 ) μ 为无限次测量的
总体均值,表示无限个数
据的 集中趋势(无系统误
差时即为真值)
( 2 ) σ 是总体标准差,
表示数据的离散程度
图: 两组 数据的正 态分 布曲
y— 测量值 出现的 频率 线
标准 正态分 布( u 分
布) :
x−µ
u=
σ
以总体标准偏差 σ 为偏差
单位的正态分布曲线,称
为(标准)正态分布曲线
。
将正态分布曲线,标准化成为标准正态分布曲线。
正态分布曲线与横坐标所夹的总面积代表所有测量
值出现的概率总和,其值为 1 。
预测测 量值( 或偶 然误差 )出 现在某 区间 内的
概率
偶然误 差出现 测量 值出 现的 概率
的区间 区间
u=±1 x=µ ±1 σ 68.3%
u=±1.96 x=µ ±1.96 σ 95.0 %
u=±2 x=µ ±2 σ 95.5%
u=±2.58 x=µ ±2.58 σ 99.0%
u=±3 x=µ ±3 σ 99.7%
2.3. 2 t 分布
纵坐标仍然是
概率密度 y ,
横坐标是统计
量t。
x−µ
t=
S
• 平均值的精密度可用平均值的标准偏差 S x表示。
• 公式:
sx
sx =
n
• 平均值的标准偏差与测定次数的平方根成反比。
意义:增加测定次数,可使平均值的标准偏差减小。
置信水平越高,置信区间就越大,估计的精度越差
。
在分析中通常用 P 为 95 %或 90 %
平均 值的置 信区 间:
( 1 )用 多次 测量的 样本 平均值 ,估 计 值的 范围:
µ = x ± uσ x = x ± u σ n
µ 〉 x − tS n 或 µ 〈 x + tS n
•例5 用 8 -羟基喹啉 测定铝含量 , 9
次测定的标准偏 差为 0.042 %,平 均
值为 10.7 9 %。估计真 实值在 95 %和
99 %置信水平时应 是多大?
解:
P = 0.95;α = 1 − P = 0.05;f = 9 − 1 = 8;
查表得 t0.05,8 = 2.306
根据:µ= x ± t0.05,8 S n ,将数据代人得:
µ=10.79 ± 2.306 × 0.042 9 = 10.79 ± 0.032(%)
P = 0.99;α = 1 − P = 0.01;f = 9 − 1 = 8;
查表得 t0.01,8 = 3.355
将数据代人得:
µ=10.79 ± 3.355 × 0.042 9 = 10.79 ± 0.047(%)
2. 3.4 显著性 检验
在定量分析中,经常要判断两个分析结果
的差异是由偶然误差引起来的还是由系统
误差引起的。这类问题都属于统计检验的
内容,称为显著性检验、差别检验等。
t 检验
F 检验
2.3. 4.1 t 检验
1. 样本平均值与标准值间的比较;
2. 两组有限量测量数据的样本平均值间的比较
(不同测定人员或不同的试验条件);
1. 样本平 均值与 标准 值的 t 检验
• 即已知标准值的 t 检验——准确度显著性检验。
• 检验目的:用基准物质、标准试样或理论真值
(约定真值或相对真值)来评价分析方法或分析
结果。
原理:
x−µ
µ = x ± tS n t= n
S
具体做 法:
• 先将数据代入公式求出 t 值,
• 从表 2 - 2 查出指定了置信水平和测定次数的
相应的 tα,f 临界值。
• 将计算值和查表值比较。
若计算的 t ≥ tα , f ,说明样本平均值和标
准值之间存在显著性差异;
若计算的 t ≤ tα , f ,说明样本平均值和标
准值之间不存在显著性差异。
2. 两个样 本均值 的 t 检验
检验目 的
( 1 )一个样品不同分析人员或同一人员采用不同
的分析方法、不同仪器或不同时间,分析所得两
组数据平均值间的显著性检验。
( 2 )两个样品含有同一成分,用相同分析方法得
到两组数据均值间的显著性差异检验。
原理:
x1 − x 2 n1 × n 2
t=
SR n1 + n 2
• 其中, SR 为合并标准偏差或组合标准偏差,
n1 , n2 为两组数据的测定次数, n1 , n2 可以不
等,但相差不能悬殊。
• 若已知 S1 和 S 2,可以求出 S R
(n1 − 1) S + (n2 − 1) S
2 2
SR = 1 2
n1 + n2 − 2
n1 n2
• 或 ∑ (x 1 − x1 ) + ∑ ( x 2 − x 2 )
2 2
SR = i =1 i −2
(n1 − 1) + (n 2 − 1)
• 检验方法:
• 将数据代入上面公式,求出 t 。
• 指定了置信水平和自由度(注意这里 f=n1+n2–
2 ) , 查表 2-2 得到 tα , , f 临界值。
• 计算值和查表值比较:
t ≥ tα , f
若计算的 ,说明两组数据的平均值间
存在显著性差异 , 即两组平均值间存在着系统误
差;说明两个平均值不属于同一总体;
若计算的
t 〈t α, f ,说明两组数据的平均值间
不存在显著性差异,可以认为两个均值属于同一总
体,即 µ1 = µ 2 。
2.3.4. 2 F 检验
• 注意:大的方差作分子,小的方差作分母 。
( 2 )与表中给出的方差比的单侧临界值(
F)进行比较
α , f1 , f 2
• 若 F 〈Fα, f , f
1 2
,则说明两组数据的精密度
不存在显著性差异;
• 若 F 〉 Fα , f1 , f 2 ,则说明两组数据的精密度存在
显著性差异。
检测两个(两组)分析结果是否存在显著性差
异时,用双侧检验;若检验某分析结果是否明显
高于(或低于)某值,则用单侧检验。
t 检验要根据要求选择,不是特别要求,多为
双侧检验。 F 检验多用单侧检验,检验结论一般
是 S1 是否明显高于 S2 。
( 3 )置信 度 ( 或显著 性水平 ) 的选 择
F 和 t 的临界 值随 P 的不同 而不同 ,因 此 P
的选择 必须适 当。
检验过 程:
x1 , x 2 , x 3 , , x n −1 , x n ⇒ x和s
x异常 − x
G=
s
判断:
一定P下,若G > Gα,N ,则异常值舍弃;否则保留
小结
1. 比较:
t 检验— —检验 方法 的系统 误差
F 检验— —检验 方法 的偶然 误差
G 检验— —异常 值的 取舍
2. 检验顺序 :
G 检验 → F 检验 → t 检验
准确度 或系统
异常值 的 精密度 显著
误差显 著性检
取舍 性检 验
验
2.3.6 相关和回归
Correlation and regression
相关 系数 r :为了定量地描述两个变量的相
关性,引入相关系数。
• 设两个变量为 x 和 y , n 次测量值……
( xn , yn )
n
• 公式: ∑ (x i − x)( y i − y )
• r= i =1
n n
∑ i
( x
i =1
− x ) 2
• ∑ i
( y − y ) 2
i −1
物理意 义:
• 当 r 在 0 和 1 之间 时,表 示 y i 和 x I 之间 存
在相关 性, r 越接 近 1 ,表 明线性 关系 越好
。
• 通常情 况下:
• y = a + bx
• 用线性 回归— —最 小二乘 法, 找出对 各数 据
点误差 最小的 直线 。
• 通过测 量点确 立最 能反映 其真 实分布 状况 的
最佳直 线,解 出回 归系数 a (直线 的截距 )
和 b (直线 的斜率 ) 就可 以确 定回归 方程 式
。