А.В. Гармаш, Н.М. Сорокина - Метрологические основы аналитической химии (DOC) (1060728), страница 2

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

Погрешности и неопределенности измерений. Точность и ее составляющие

Любой измерительный процесс подвержен влиянию множества факторов, искажающих результаты измерения. Отличие результата измерения от истинного значения измеряемой величины называется погрешностью. Ввиду того, что любой результат измерения в общем случае содержит погрешность, точное значение измеряемой величины никогда не может быть установлено. Однако возможно указать некоторый диапазон значений, в пределах которого может с той или иной степенью достоверности находиться истинное значение. Этот диапазон называется неопределенностью результата измерения. Оценка неопределенности результатов химического анализа является важнейшей задачей химической метрологии.

В суммарную неопределенность результата измерения вносят вклад погрешности двух различных типов. Пусть в результате однократного измерения некоторой величины получено значение x^*, отличающееся от истинного значения x⁰ (рис. 2, а). Повторим измерение еще несколько раз. Возможные варианты взаимного расположения серии измеренных значений и истинного значения показаны на рис. 2, б и 2, в. В первом случае (рис. 2, б) имеет место смещение всей серии данных (и ее среднего) относительно истинного значения. Соответствующая составляющая неопределенности называется систематической погрешностью. Во втором случае (рис. 2, в) наблюдается разброс данных относительно среднего значения из результатов измерения. Такая составляющая неопределенности называется случайной погрешностью. Разумеется, в реальном случае мы всегда имеем и систематическую, и случайную составляющую. Так, на рис. 2, б наряду со значительным смещением данных мы видим и некоторый их разброс, а на рис 2, в - на фоне большого разброса незначительное смещение среднего относительно истинного. Происхождение систематических и случайных погрешностей связано с различной природой факторов, воздействующих на измерительный процесс. Факторы постоянного характера или мало изменяющиеся от измерения к измерению вызывают систематические погрешности, быстро и

Рис. 2. Иллюстрация понятий систематическая и случайная погрешность. Точки и звездочки - результаты единичных измерений, вертикальные отрезки - средние значения, прочие пояснения даны в тексте.

зменяющиеся факторы - случайные погрешности.

С понятиями систематической и случайной погрешностей тесно связаны два важнейших метрологических понятия - правильность и воспроизводимость (или, по современной терминологии, прецизионность). Правильностью называется качество результатов измерения (или измерительной процедуры в целом), характеризующее малость (близость к нулю) систематической погрешности, воспроизводимостью (прецизионностью) - качество, характеризующее малость случайной погрешности. Иными словами, правильность результатов - это их несмещенность, а воспроизводимость - их стабильность. Обобщающее понятие, характеризующее малость любой составляющей неопределенности, как систематической, так и случайной, - называется точностью. Мы назовем результаты точными только в том случае, если для них мала как систематическая, так и случайная погрешность. Таким образом, правильность и воспроизводимость - это две составляющие точности, называемые поэтому точностными характеристиками.

В химической метрологии традиционно принято оценивать точностные характеристики по отдельности. Рассмотрим основные способы количественной оценки воспроизводимости и правильности результатов химического анализа.

Случайная погрешность: численные характеристики воспроизводимости

Воспроизводимость характеризует степень рассеяния данных относительно среднего значения. Поэтому для оценки воспроизводимости необходимо предварительно вычислить среднее из серии результатов повторных (параллельных) измерений x₁, x₂, ... x_n:

. (9)

Отметим, что в обрабатываемой серии должны отсутствовать промахи - отдельные значения, резко отличающиеся от остальных и, как правило, полученные в условиях грубого нарушения измерительной процедуры (методики анализа). Поэтому прежде всего (еще до вычисления среднего) следует с помощью специальных статистических тестов (с. 23) и, если возможно, путем детального изучения условий эксперимента проверить серию данных на наличие промахов и, при обнаружении таковых, исключить их из рассмотрения.

В качестве меры разброса данных относительно среднего чаще всего используют дисперсию

(10)

и производные от нее величины - (абсолютное) стандартное отклонение

(11)

и относительное стандартное отклонение

. (12)

По смыслу дисперсия - это усредненная величина квадрата отклонения результата измерения от своего среднего значения. Несмотря на то, что числитель выражения (10) содержит n слагаемых, знаменатель равен n-1. Причина состоит в том, что среди n слагаемых числителя только n-1 независимых (поскольку по n-1 значениям x_i и среднему всегда возможно вычислить недостающее n-е слагаемое). Величина знаменателя в выражении (10) обозначается f (или ) и называется числом степеней свободы дисперсии s²(x). Оно играет очень важную роль при статистической проверке различных гипотез (с. 17).

В химическом анализе для характеристики воспроизводимости обычно используют не дисперсию, а абсолютное или, чаще всего, относительное стандартное отклонение. Это объясняется соображениями практического удобства. Размерности s(x) и x совпадают, поэтому абсолютное стандартное отклонение можно непосредственно сопоставлять с результатом анализа. Величина же s_r(x) - безразмерная и потому наиболее наглядная. С помощью относительных стандартных отклонений можно сравнивать между собой воспроизводимости не только конкретных данных, но и различных методик и даже методов в целом.

Среди всех существующих методов химического анализа наилучшие воспроизводимости (т.е. наименьшие s_r) характерны прежде всего для "классических" химических методов анализа - титриметрии и, особенно, гравиметрии. В оптимальных условиях типичные величины s_r для них составляют порядка n^.10^-3 (десятые доли процента). Среди инструментальных методов такой же (а в ряде методик - и более высокой) воспроизводимостью обладает кулонометрия, особенно в прямом варианте (до n^.10^-4). Большинство прочих инструментальных методов характеризуются величинами s_r от 0.005 до 0.10. Методы с еще более низкой воспроизводимостью относятся к полуколичественным. Несмотря на невысокую точность, они часто обладают другими достоинствами: исключительной простотой, экспрессностью, экономичностью (тест-методы). Они бывают очень полезны, например, для быстрой оценки состояния окружающей среды.

Подчеркнем, что любые величины s_r, приводимые для методик (тем более методов) в целом, являются лишь ориентировочными и обычно относятся лишь к оптимальным условиям их выполнения. В иных условиях, особенно при понижении содержания определяемого компонента (с. 32), эти величины могут быть значительно (на порядок и более) выше.

Условия анализа и воспроизводимость результатов

Как отмечено выше, случайные погрешности вызваны действием различных (обычно очень многих) факторов, часто неизвестной природы, быстро и непредсказуемо изменяющихся во времени. Поэтому решающую роль в улучшении воспроизводимости результатов анализа играет строгий контроль условий эксперимента. Очевидно, что при выполнении серии анализов одного и того же образца в одной и той же лаборатории и на одном и том же приборе воспроизводимость будет выше, чем при работе с тем же образцом в разных лабораториях, на разных приборах. Поэтому любые численные характеристики воспроизводимости, вообще говоря, имеют смысл только тогда, когда указано, к каким условиям анализа они относятся.

Принято различать три основных типа таких условий, различающихся по степени строгости их контроля.

1. Работа в максимально строго контролируемых условиях. Это означает выполнение серии анализов в одной и той же лаборатории, на одной и той же аппаратуре, одним и тем же человеком и, что немаловажно, в течение как можно более короткого промежутка времени (максимум в течение одного дня). Воспроизводимость, рассчитанная применительно к таким условиям, носит специальное название сходимость.

2. Выполнение серии анализов в одной лаборатории, на одном оборудовании, но, возможно, разными операторами и в разные дни. В этом случае воспроизводимость называется внутрилабораторной (по современной терминологии – промежуточной прецизионностью). Внутрилабораторная воспроизводимость ниже, чем сходимость (соответствующее значение s_r выше).

3. Выполнение серии анализов в разных лабораториях, на разном оборудовании, разными людьми и в разное время. Иными словами, это – варьирование условий выполнения методики в максимально широких пределах. Соответствующая воспроизводимость называется межлабораторной (по современной терминологии – просто воспроизводимостью). Если методику предполагается применять повсеместно, то очевидно, что именно межлабораторная воспроизводимость (а не внутрилабораторная и уж тем более не сходимость!) является реальной характеристикой возможного разброса результатов анализа. Поэтому для всех официально рекомендуемых или предписываемых (аттестуемых, стандартизуемых) методик обязательно проводится межлабораторное исследование – испытание методики в различных лабораториях и оценка ее межлабораторной воспроизводимости.

В силу большого практического значения межлабораторной воспроизводимости в современных нормативных документах именно этот вид воспроизводимости именуется просто воспроизводимостью (без какого-либо дополнительного определения). Что же касается термина "воспроизводимость" в широком смысле слова (т.е. характеристики случайной погрешности результатов безотносительно к условиям, в которых они получены), то во избежание путаницы сейчас рекомендуется в этом случае использовать упомянутый выше синоним "прецизионность". Однако термин "воспроизводимость" в обобщенном его значении глубоко укоренился в научном обиходе, а из контекста обычно бывает понятно, о какой воспроизводимости идет речь – о воспроизводимости "вообще" или конкретно о межлабораторной. Поэтому в данном пособии мы будем продолжать использовать термин "воспроизводимость" в широком смысле слова (как и делали до сих пор).

Случайная погрешность: интервальная оценка

Вклад случайной погрешности в общую неопределенность результата измерения можно оценить с помощью методов теории вероятностей и математической статистики.

Ввиду наличия случайной погрешности одна и та же величина x при каждом последующем измерении приобретает новое, непрогнозируемое значение. Такие величины называют случайными. Случайными величинами являются не только отдельные результаты измерений x_i, но и средние (а также дисперсии s²(x) и все производные от них величины). Поэтому может служить лишь приближенной оценкой результата измерения. В то же время, используя величины и s²(x), возможно оценить диапазон значений, в котором с заданной вероятностью P может находиться результат. Эта вероятность P называется доверительной вероятностью, а соответствующий ей интервал значений - доверительным интервалом.

Строгий расчет границ доверительного интервала случайной величины возможен лишь в предположении, что эта величина подчиняется некоторому известному закону распределения. Закон распределения случайной величины - одно из фундаментальных понятий теории вероятностей. Он характеризует относительную долю (частоту, вероятность появления) тех или иных значений случайной величины при ее многократном воспроизведении. Математическим выражением закона распределения случайной величины служит ее функция распределения (функция плотности вероятности) p(x). Например, функция распределения, изображенная на рис. 3, означает, что для соответствующей ей случайной величины x наиболее часто встречаются значения вблизи x=10, а большие и меньшие значения встречаются тем реже, чем дальше они отстоят от 10.

В качестве примера не случайно приведена колоколообразная, симметричная функция распределения. Именно такой ее вид наиболее характерен для результатов химического анализа. В большинстве случаев закон распределения результатов химического анализа можно удовлетворительно аппроксимировать так называемой функцией нормального (или гауссова) распределения:

Характеристики

Список файлов книги