评价分析方法分析结果的表达(一)
时间:2019-02-09 20:34:31 来源: 2019时时彩十大平台最新排行榜 作者:匿名


分析数据的表示方式,具体取决于数据的特征和用途。无论数据的表示方式如何,基本要求都是准确,清晰且易于应用的。在分析测试中,常用的数据表示方法有:1列表方法; 2图形表示; 3数值表示。这三种方法中的每一种都有自己的特点和应用。 list方法是以表格形式表示数据。优点是所包含的数据是原始数据,并且可以清楚地看到数据变化的过程。将来检查和审查计算结果也很方便;并且可以同时列出多个参数的值。可以方便地同时检查多个变量之间的关系,但它占用更多空间。图形表示的优点在于它简洁直观,并且可以在同一图像上同时绘制多条曲线以进行比较。绘图时,坐标轴的索引应与所用测量工具和仪器的精度一致。索引应该基于从图中读取任何点的数据的原则;通常x轴代表严格可控或实验。具有小误差的自变量(例如浓度或含量),y轴表示因变量(仪器响应值)。使用数值分析测量结果的优点是简洁的,并且大量的测量数据可以通过一些特征参数来表征,例如平均值,标准偏差和测量数量。无论使用何种表示方法,都必须标准化。在编写实验和研究报告时,您可以根据当地条件同时使用表示方法或多种表示方法。

1,曲线拟合

在仪器分析中,在大多数情况下,进行相对测量并需要校准。通过基于平方偏差的最小二乘原理将函数拟合到若干对应数据(x1,y1),(x2,y2),...,(xn,yn)来建立校准曲线。 。从绘图的角度来看,它基于平面上的一组离散点,并且选择适当的连续曲线以近似离散点的集合,以尽可能多地表示仪器响应值和测量值之间。关系。

基于最小二乘原理,回归曲线用于建立仪器分析校准曲线。仪器响应值是具有概率分布(因变量)的随机变量,并且测量的量是没有概率分布的固定变量(自变量)。从校准曲线可以理解因变量和自变量之间的相关性,并且可以根据相应变量的值来预测和控制因变量。回归方程由最小二乘原理拟合,斜率和截距分别由公式(3.16)和(3.17)计算:拟合回归方程和建立的曲线是否具有统计显着性可以通过相关系数来检验。相关系数r是表征变量之间的相关程度的参数。如果r大于表3.9中的临界值R0.05.f,则意味着建立的回归方程和由回归方程建立的校准曲线是有意义的。另一方面,如果r小于r0.05,f,则意味着建立的回归方程和由回归方程建立的校准曲线没有意义。 r的绝对值在0到1之间变化,r值越大,变量之间的相关性越接近。当y随x增加时,可以说y与x正相关,r是正值;当y随x增加而减小时,y被认为与x负相关,r为负。相关系数根据公式(3.18)计算:

2.定义测量值的置信区间

仪器响应值是具有概率分布的随机变量。它具有波动性,即测量相同的量值。仪器的每次测量的响应值不相同,即,每个响应值的平均值用于校正测量值。曲线,因为仪器响应值仅与测量值相关,每个实验点不一定落在校准曲线上,而是离散地分布在由回归方程建立的校准曲线周围。也就是说,根据实验点绘制的校准曲线不是线,而是具有以中心线为中心的特定分布宽度的带,以由回归方程建立的校准曲线为中心。该带的宽度取决于实验点沿中心线的分布的分散程度,其由校准曲线的标准偏差sr表示,其表征正在构建的校准曲线的精度。 Sr根据公式(3.19)计算:

参考文献:现代仪器分析实验和技术

[关键词]分析数据,评价分析,分析结果,曲线拟合,国家标准物质网络

>

下一页:酸碱缓冲溶液(1)