Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )

Podobné dokumenty
Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )

Úloha 1: Lineární kalibrace

Příloha č. 1 Grafy a protokoly výstupy z adstatu

Kalibrace a limity její přesnosti

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Semestrální práce. 2. semestr

KALIBRACE A LIMITY JEJÍ PŘESNOSTI. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

Tvorba lineárních regresních modelů

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba lineárních regresních modelů. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

Tabulka č. 1 95%ní intervaly Úsek Směrnice model L1 L2 L1 L2 Leco1-0, , , ,15618 OES -0, , , ,21271

2.2 Kalibrace a limity její p esnosti

TVORBA LINEÁRNÍCH REGRESNÍCH MODELŮ PŘI ANALÝZE DAT. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Kalibrace a limity její přesnosti

Kalibrace a limity její přesnosti

Univerzita Pardubice

Kalibrace a limity její přesnosti

Inovace bakalářského studijního oboru Aplikovaná chemie

6. Lineární regresní modely

Semestrální práce. 2. semestr

Licenční studium Galileo: Statistické zpracování dat. Tvorba lineárních regresních modelů při analýze dat. Semestrální práce

Kalibrace a limity její přesnosti

Semestrální práce. 2. semestr

UNIVERZITA PARDUBICE

Tvorba lineárních regresních modelů při analýze dat

KALIBRACE A LIMITY JEJÍ PŘESNOSTI 2015

Fakulta chemicko technologická Katedra analytické chemie

UNIVERZITA PARDUBICE FAKULTA CHEMICKO-TECHNOLOGICKÁ

Tvorba lineárních regresních modelů při analýze dat

Tvorba nelineárních regresních

UNIVERZITA PARDUBICE

Tvorba nelineárních regresních modelů v analýze dat

Semestrální práce. 3.3 Tvorba nelineárních regresních modelů v analýze dat

UNIVERZITA PARDUBICE

FAKULTA CHEMICKO-TECHNOLOGICKÁ KATEDRA ANALYTICKÉ CHEMIE. Semestrální práce z CHEMOMETRE. TOMÁŠ SYROVÝ 4.ročník

III. Semestrální práce

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie

6. Lineární regresní modely

http: //meloun.upce.cz,

Licenční studium Galileo: Statistické zpracování dat. Kalibrace a limity její přesnosti. Semestrální práce

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba nelineárních regresních modelů v analýze dat. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti

PRAVDĚPODOBNOST A STATISTIKA

Aproximace křivek a vyhlazování křivek

Posouzení linearity kalibrační závislosti

Tvorba modelu sorpce a desorpce 85 Sr na krystalických horninách za dynamických podmínek metodou nelineární regrese

Semestrální práce z CHEMOMETRIE I Statistické zpracování jednorozměrných dat

PRAVDĚPODOBNOST A STATISTIKA

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie

Semestrální práce str. 1. Semestrální práce. 2.1 Tvorba lineárních regresních modelů při analýze dat. 2.3 Kalibrace a limity její přesnosti

6. Lineární regresní modely

Tvorba nelineárních regresních modelů v analýze dat

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie

ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

UNIVERZITA PARDUBICE

12. licenční studium Statistické zpracování dat při managementu jakosti. Lenka Hromádková

Úloha E301 Čistota vody v řece testem BSK 5 ( Statistická analýza jednorozměrných dat )

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015

S E M E S T R Á L N Í

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Tvorba nelineárních regresních modelů v analýze dat

POLYNOMICKÁ REGRESE. Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými.

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti

LINEÁRNÍ REGRESE. Lineární regresní model

Lineární regrese. Komentované řešení pomocí MS Excel

Plánování experimentu

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

SEMESTRÁ LNÍ PRÁ CE. Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI. Předmě t KALIBRACE A LIMITY JEJÍ PŘ ESNOSTI

Statistická analýza jednorozměrných dat

Univerzita Pardubice Fakulta chemicko-technologická. Licenční studium Statistické zpracování dat

Regresní a korelační analýza

Analýza rozptylu ANOVA

Regresní analýza. Eva Jarošová

Statistická analýza jednorozměrných dat

SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík

Regresní a korelační analýza

Úlohy. Kompendium 2012, Úloha B8.01a, str. 785, Model y = P1 * exp( P2/(B801x + P3)

UNIVERZITA PARDUBICE

PYTHAGORAS Statistické zpracování experimentálních dat

Posouzení linearity kalibraèní závislosti

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2

vzorek vzorek

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství

Statistická analýza jednorozměrných dat

Regresní a korelační analýza

Statistická analýza jednorozměrných dat

Testování hypotéz o parametrech regresního modelu

Testování hypotéz o parametrech regresního modelu

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Statistika (KMI/PSTAT)

Regresní analýza 1. Regresní analýza

Statistická analýza jednorozměrných dat

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté

6. Lineární regresní modely

Tabulka 1 Příklad dat pro kalibraci

Charakteristika datového souboru

Statistická analýza. jednorozměrných dat

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT

UNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE

Transkript:

Příklad č. 1 Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace ) Zadání : Stanovení manganu ve vodách se provádí oxidací jodistanem v kyselém prostředí až na manganistan. (1) Sestrojte kalibrační model y = f(x) pro naměřená data obsah x a absorbance y a určete míry přesnosti kalibrace. (2) Neznámé roztoky vykazovaly absorbance y * = 0,005; 0,020; 0,115. (3) Jsou v datech vybočující hodnoty? Data : Obsah x [µg. ml -1 Mn] 2,5 5,0 8,0 10,0 13,0 15,0 17,0 20,0 absorbance y 0,026 0,052 0,082 0,102 0,132 0,150 0,173 0,200 Řešení : Program ADSTAT : modul Lineární regrese Regresní diagnostika modul Kalibrace Přímka R e g r e s n í d i a g n o s t i k a V S T U P 1. ZVOLENÁ STRATEGIE REGRESNÍ ANALÝZY : Omezení, P : 1.0000. 10-34 Transformace : Ne Váhy : Ne Absolutní člen zahrnut : Ano 2. PODMÍNKY A KVANTILY PRO STATISTICKÉ TESTY : Hladina významnosti, α : 0.050 Počet bodů, n : 8 Počet parametrů, m : 2 Kvantil Studentova rozdělení t ( 1 - α / 2, n m ) : 2.447 Kvantil rozdělení χ 2 ( 1 α, m ) : 5.991 Lineární kalibrace Strana č. 1 z 10

V Ý S T U P 3. PŘEDBĚŽNÁ STATISTICKÁ ANALÝZA : Proměnná Průměr Směrodatná odchylka Párový korelační koeficient Spočtená hladina významnosti x 11.3130 6.029300 0.9998 0.000 y 0.11463 0.060059 1.0000 ----- Párový korelační koeficient se jen minimálně liší od čísla 1, což ukazuje mimořádně významnou a těsnou lineární závislost a je v souladu s fyzikálním principem metody. 4. ODHADY PARAMETRŮ A TESTY VÝZNAMNOSTI: Parametr Odhad Směrodatná odchylka t kriterium Test H 0 : b j = 0 vs. H A : b j <> 0 hypotéza H 0 je Hladina významnosti β 0 1.9557. 10-3 8.9106. 10-4 2.1948 Akceptována 0.071 β 1 9.9597. 10-3 7.0493. 10-5 141.29 Zamítnuta 0.000 5. STATISTICKÉ CHARAKTERISTIKY REGRESE : Vícenásobný korelační koeficient, R : 0.99985 Koeficient determinace, R 2 : 0.99970 Predikovaný korelační koeficient, Rp 2 : 0.99970 Střední kvadratická chyba predikce, MEP : 1.9081. 10-6 Akaikeho informační kritérium, AIC : -106.95 6. ANALÝZA KLASICKÝCH REZIDUÍ : Reziduální součet čtverců, RSC : 7.5871. 10-6 Průměr absolutních hodnot reziduí, Me : 8.3912. 10-4 Průměr relativních reziduí, Mer : 0.94401 Odhad reziduálního rozptylu, s 2 (e) : 1.2645. 10-6 Odhad směrodatné odchylky reziduí, s (e) : 1.1245. 10-3 Odhad šikmosti reziduí, g1 (e) : 0.12069 Odhad špičatosti reziduí, g2 (e) : 2.0463 Lineární kalibrace Strana č. 2 z 10

7. TESTOVÁNÍ REGRESNÍHO TRIPLETU ( DATA + MODEL + METODA ) : Fisher-Snedocorův test významnosti regrese, F : 19962.0 Tabulkový kvantil, F (1 α, m 1, n m) : 5.98740 Závěr : Navržený model je přijat jako významný. Spočtená hladina významnosti : 0.000 Scottovo kriterium multikolinearity, M : 5.3671. 10-14 Závěr : Navržený model je korektní. Cook-Weisbergův test heteroskedasticity, Sf : 11.387 Tabulkový kvantil, χ 2 ( 1 α, 1 ) : 3.8415 Závěr : Rezidua vykazují heteroskedasticitu. Spočtená hladina významnosti : 0.001 Jarque-Berraův test normality reziduí, L(e) : 0.32262 Tabulkový kvantil, χ 2 ( 1 α, 2 ) : 5.99150 Závěr : Normalita je přijata. Spočtená hladina významnosti : 0.851 Waldův test autokorelace, Wa : 11.319 Tabulkový kvantil, χ 2 ( 1 α, 1 ) : 3.8415 Závěr : Rezidua jsou autokorelována. Spočtená hladina významnosti : 0.001 Znaménkový test, Dt : -0.20597 Tabulkový kvantil, N (1 α / 2 ) : 1.6449 Závěr : Rezidua nevykazují trend. Spočtená hladina významnosti : 0.418 8. INDIKACE VLIVNÝCH BODŮ VÝPOČTEM : Podezřelé body stanovené podle výpočtů : č. 6, 7, 8 9. INDIKACE VLIVNÝCH BODŮ GRAFICKY : Graf predikovaných reziduí : O bod 1, 6, 8 dole; 7 nahoře Williamsův graf : žádný O nebo E Pregibonův graf : žádný O nebo E McCulloh Meeterův graf : O bod 7 O, E 6, 8, 1 L R graf : O bod 7, 8 Lineární kalibrace Strana č. 3 z 10

Obr.1 Graf predikovaných reziduí Možné vybočující body : 1, 6, 8 dole, 7 nahoře Obr.2 Williamsův graf Graf neindikuje žádný vybočující bod nebo extrém Lineární kalibrace Strana č. 4 z 10

Obr.3 Pregibonův graf Graf neindikuje žádný vlivné ani silně vlivné body Obr.4 McCulloh Meeterův graf Zřejmé obojí vlivné body ( E, O ) č. 1, 6 a 8; možný vybočující O : 7 Lineární kalibrace Strana č. 5 z 10

Obr.5 L R graf Jako silně vlivné vycházejí body č. 7 a 8 K a l i b r a c e Obr.6 Graf kalibrační přímky Lineární kalibrace Strana č. 6 z 10

Výsledky : Kalibrace byla provedena přímkou metodou nejmenších čtverců : V S T U P 1. PODMÍNKY Hladina významnosti, α : 0.050 Počet bodů, n : 8 Kvantil Studentova rozdělení t ( 1 - α, n m ) : 2.447 V Ý S T U P 1. STATISTICKÉ CHARAKTERISTIKY PROMĚNNÝCH : Proměnná Průměr Směrodatná odchylka x 11.313 6.02930 y 0.11463 0.06006 Korelační koeficient : 0.99985 2. PARAMETRY KALIBRACE : Parametr Odhad Směrodatná odchylka t kriterium hypotéza H 0 Úsek 1.9557. 10-3 8.9106. 10-4 2.1948 Akceptována Směrnice 9.9597. 10-3 7.0493. 10-5 141.29 Zamítnuta 3. ANALÝZA REZIDUÍ : Reziduální součet čtverců, RSC : 7.58710. 10-6 Průměr absolutních hodnot reziduí, Me : 8.39120. 10-4 Průměr relativních reziduí, Mer [%] : 0.94401 Odhad reziduálního rozptylu, s 2 (e) : 1.26450. 10-6 Odhad směrodatné odchylky reziduí, s (e) : 1.12450. 10-3 Lineární kalibrace Strana č. 7 z 10

4. KALIBRAČNÍ MEZE : Kritická úroveň y c : 4.1360. 10-3 x c : 0.21892 Limita detekce y d : 6.2501. 10-3 x d : 0.43118 Mez stanovitelnosti y s : 1.4347. 10-2 x s : 1.24420 5. KALIBRAČNÍ TABULKA : Absorbance Odhad c [µg. ml -1 ] L D L H 0.005 0.31-0.04 0.66 0.020 1.81 1.48 2.15 0.115 11.35 11.06 11.64 6. GRAFICKÉ ZOBRAZENÍ PRO NAMĚŘENÉ ABSORBANCE : Obr.7 Kalibrační přímka pro hodnotu Absorbance 0.115 Lineární kalibrace Strana č. 8 z 10

Obr.8 Kalibrační přímka pro hodnotu Absorbance 0.020 Obr.9 Kalibrační přímka pro hodnotu Absorbance 0.005 Lineární kalibrace Strana č. 9 z 10

Závěr : Z naměřených hodnot byl sestrojen kalibrační model. Nejlépe vyhovoval model přímkový, jehož proložení bylo těsnější než u modelu kvadratického. Hodnoty koncentrací Mn [ µg. ml -1 ] odpovídající naměřeným absorbancím jsou uvedeny v kalibrační tabulce výše. Hodnota limity detekce je x d = 0.431 a y d = 0.00625. Z toho plyne, že pokud hodnota absorbance je pod touto limitou, výsledek koncentrace není korektní. Zde jde o naměřenou hodnotu A = 0.005 a z toho plynoucí koncentraci c = 0.31 µg. ml -1. Minimální koncentrace, kterou lze odlišit od nuly je 0.431 µg. ml -1 a odpovídající úroveň signálu (absorbance) je 0.00625. Kritická úroveň stanovení je x c = 0,21892 µg. ml -1. Odlehlé body nebyly detekovány potřebným počtem metod. Lineární kalibrace Strana č. 10 z 10