You are on page 1of 11

Tadeusz MICHAOWSKI 1, Maria NIZISKAPSTRUSISKA 1 Marcin TOPOREK 1, Maciej RYMANOWSKI 1 Czas. Techn.

, Z1Ch/2004 (101), 72

KALIBRACJA METOD ANALITYCZNYCH: UNIFIKACJA NIELINIOWYCH ALGORYTMW DLA KRZYWEJ KALIBRACYJNEJ I METODY DODATKU WZORCA
Streszczenie. Praca dotyczy zagadnienia kalibracji, ze szczeglnym uwzgldnieniem kalibracji metod analitycznych. Zaproponowano oryginalne, caociowe ujcie problematyki zwizanej z metodami krzywej kalibracyjnej i dodatku wzorca oraz ujednolicone kryterium oceny nieliniowoci otrzymanego modelu funkcyjnego. Abstract. The paper concerns the principles of calibration, with an emphasis put on calibration of analytical methods. An original, generalising approach to the problem of calibration curve and standard addition methods has been presented together with an unified criterion of nonlinearity applied for threeparametric models. 1. Wprowadzenie Kalibracja jest jedn z podstawowych czynnoci objtych pomiarem analitycznym [ 1,2]. Celem kalibracji jest ustanowienie (odwzorowanie [3]) zalenoci funkcyjnej midzy wskazaniami (y) przyrzdu pomiarowego a wartociami ste (x) prbek wzorcowych, w cile okrelonych warunkach wykonywania procedury kalibracyjnej [4]. Pomiar analityczny rni si na og od pomiaru fizycznego [ 5,6]. Rnica ta polega gwnie na tym, e bd pomiaru fizycznego jest zasadniczo uwarunkowany uytym przyrzdem pomiarowym, natomiast czynnoci zwizane ze wstpnymi operacjami dokonywanymi na prbce (tj. obrbk prbki) realizowane w trakcie pomiaru analitycznego wnosz dodatkowe rda niepewnoci do wyniku kocowego [ 7]. Nawizywalno (traceability) [8] wynikw pomiarw analitycznych i fizycznych [9], rozumiana w sensie ich porwnywalnoci ( comparability) i rzetelnoci (reliability), napotyka zasadniczy problem rnicujcy te dwa typy pomiarw; jest nim wanie problem kalibracji. rda bdw tkwice w metodach analitycznych [ 10] powoduj, e przy ocenie niepewnoci pomiarw analitycznych nie mona bezporednio ekstrapolowa pomiarami fizycznymi [7]. rdem niepewnoci (bdw) mog by take fizyczne modyfikacje (zmiany) zachodzce na etapie pomidzy kalibracj a realizacj procesu pomiarowego wykorzystujcego t krzyw. Na przykad, jeli temperatura prbek mierzonych nie jest rwna temperaturze w ktrej dokonano kalibracji, to otrzymane wyniki mog by bdne. Ma to miejsce m.in. w pomieniowej AAS (FAAS), gdzie zmiana warunkw
1

dr hab. Tadeusz Michaowski prof. PK; dr Maria NiziskaPstrusiska, mgr Marcin Toporek, mgr Maciej Rymanowski, Instytut Chemii i Technologii Nieorganicznej, Wydzia Inynierii i Technologii Chemicznej, Politechnika Krakowska

temperaturowych wpywa m.in. na napicie powierzchniowe cieczy, a wic i na efektywno jej rozpylania w nebulizerze. Skad prbek wzorcowych musi by podobny do skadu prbek badanych. Dotyczy to przede wszystkim matrycy prbki i wielkoci czstek w niej zawartych [ 11]. Na przykad, analizy prbek surowicy krwi na zawarto pestycydw lub pozostaoci po lekach nie naley dokonywa w oparciu o krzywe kalibracyjne przygotowane na podstawie pomiaru sygnaw dla wodnych roztworw odpowiednich substancji wzorcowych [ 12]. Poniewa skad surowicy krwi nie jest moliwy do odtworzenia w roztworach kalibracyjnych, konieczne jest uycie innej metody [13,14], a zwaszcza metody dodatku wzorca. Definicje IUPAC dotyczce kalibracji wyrniaj [15]: (a) czynnoci kalibracyjne nastawione na identyfikacj i jakociow analiz skadnikw; przykadem jest identyfikacja skadnikw na podstawie chromatograficznych czasw retencji; (b) funkcj kalibracyjn (calibration function) do analizy ilociowej, ktrej gwnym celem jest otrzymanie funkcji umoliwiajcej wyznaczenie stenia (lub zawartoci) skadnika na podstawie sygnau przyrzdu pomiarowego. W wikszoci przypadkw, funkcja kalibracyjna musi uwzgldnia wpyw innych skadnikw, zwaszcza interferentw (tj. skadnikw zakcajcych oznaczenie) danego analitu. Zalenie od zwizku pomidzy wartociami (x) pochodzcymi od materiau odniesienia (reference material, RM) i sygnau (y) przyrzdu pomiarowego, mona wyrni kalibracj (a) bezporedni i (b) poredni. W kalibracji bezporedniej, zwanej rwnie absolutn [ 2], warto x dla standardu, zwana take wartoci porwnawcz, jest wyraona w tych samych jednostkach co warto pomiarowa y przyrzdu, [y] = [x]; przykadem jest kalibracja wagi w oznaczeniach grawimetrycznych, majca na celu ocen odchylenia midzy wskazaniami przyrzdu i wartociami porwnawczymi. Ocena ta pozwala skompensowa bd wskaza przyrzdu i otrzyma warto mierzon (measurand) nie obcion bdem systematycznym [16]. Gdy odchylenie jest stae (niezalene od x), stosuje si pojcie korekty ( correction) miary (), natomiast jeli odchylenie to jest proporcjonalne do wielkoci mierzonej x, wprowadza si pojcie czynnika korekcyjnego (correction factor), . Wartoci i wi si z wartoci dowiadczaln (xexp) i ocen (xest) tej wartoci poprzez zalenoci: xest = xexp + i xest = xexp W kalibracji poredniej, zwanej rwnie kalibracj wzgldn, warto wielkoci mierzonej y wyraa si jednostk miary [y] odmienn od miary [x] standardu x, [y] [x]. Jest to przypadek kalibracji najczciej spotykany w analizie, np. spektrofotometrycznej czy potencjometrycznej. Kalibracj przeprowadza si zwykle w obrbie skoczonego przedziau zmiennej x, za pomoc zalenoci matematycznej (a nie statystycznej) y = y(x), zwanej funkcj kalibracyjn, okrelon empirycznie. Funkcja kalibracyjna: prostoliniowa y = y(x) = a + bx (1) lub krzywoliniowa, umoliwia interpolacj w zakresie x objtym wartociami ste prbek wzorcowych, dla ktrych zmierzono sygnay analityczne. W tym celu, wartoci sygnaw (y) mierzy si dla N prbek o znanych (lub precyzyjnie nastawionych) wartociach x. Na podstawie pomiarw dowiadczalnych okrela si wspczynniki kalibracji, np. a i b w modelu liniowym (1); warto dy/dx = b okrela tu nachylenie linii

kalibracyjnej, a = y(0) jest odcit odpowiadajc nieobecnoci analitu, a wic pochodzc od ta. 2. Kalibracja w aspekcie metodologicznym Kalibracj mona rozpatrywa z punktu widzenia liczby wzorcw uytych do kalibracji oraz sposobw ich uycia. 2.1. Liczba uytych wzorcw W pomiarach analitycznych, kalibracj wykonuje si przy uyciu jednego ( singlepoint calibration) lub wicej (doublepoint calibration, multiplepoint calibration) wzorcw chemicznych. 2.1.1. Kalibracja jednopunktowa Kalibracja ta zakada zaleno midzy zmiennymi dan wzorem y = b x, z ktrego wynika, e linia kalibracyjna przechodzi przez pocztek ukadu wsprzdnych (0,0) oraz to, e odpowied y jest proporcjonalna do x. Zaoenia te s czsto nieprawdziwe, tote niekiedy kwestionuje si [17] nawet okrelanie kalibracji jednopunktowej jako czynnoci kalibracyjnej i dostrzega ujemne konsekwencje jej stosowania [ 18]. Pomimo tych zastrzee, kalibracj jednopunktow wykonuje si czsto tam, gdzie oczekiwany zakres mierzonych ste jest wski. Dotyczy to m.in. pomiarw w laboratoriach klinicznych, gdzie zautomatyzowane analizatory stosuj tylko jeden RM, a take pomiarw chromatograficznych. 2.1.2. Kalibracja dwupunktowa Kalibracja z zastosowaniem co najmniej dwch punktw jest konieczna w obecnoci ta, tzn. wtedy, gdy odcita a w rwnaniu (1) jest wyranie rna od zera, y(0) = a 0; umoliwia to uniknicie bdu systematycznego w ocenie wielkoci mierzonej x. Konieczno kalibracji dwupunktowej zachodzi take w sytuacji czasowego dryfu wskaza przyrzdu pomiarowego, spotykanego m.in. w pomiarach chromatograficznych. Nieprawidowo przeprowadzona kalibracja dwupunktowa moe dostarcza bdne informacje; np. przy kalibracji pehametrw ma to miejsce wwczas, gdy jeden lub oba wzorce pH przypadaj na zakres nieliniowoci odpowiedniej charakterystyki E = E(pH). 2.1.3. Kalibracja wielopunktowa Zalecanym [19](cho z pewnymi zastrzeeniami [20]) rozwizaniem w kalibracji metod analitycznych jest uycie serii (N 3) wzorcw zawierajcych analit o rnych steniach. Rwnanie krzywej kalibracyjnej jest wwczas otrzymywane metod najmniejszych kwadratw lub z zastosowaniem innego algorytmu dopasowywania krzywej, np. filtru Kalmana [21]. W szczeglnym przypadku, krzyw t moe by prosta okrelona rwnaniem (1). 2.2. Sposoby uycia wzorcw W procesie kalibracji, RM mona uy jako wzorzec (1) zewntrzny (external standard), mierzony oddzielnie, (2) dodany (standard added) do prbki badanej; mierzy si wtedy sygna dla prbki wzbogaconej w analit [2]; (3) wewntrzny (internal standard), uyty cznie z wzorcem gwnym. 2.2.1. Kalibracja wzorcem zewntrznym (EC)

Jest to jeden ze sposobw oznaczania stenia analitu w prbce i wie si z koniecznoci oceny moliwych strat analitu(w) w trakcie procesu analitycznego (obrbka prbki). Jeli suszne s zaoenia, e (1) w trakcie analitycznych procesw pomiarowych, odpowiednio dobrane standardy podlegaj tym samym procedurom co analit(y) i (2) straty te dotycz w jednakowej mierze analitu i wzorca, mona w ten sposb dokona korekty eliminujcej bd systematyczny. Gwne ograniczenie EC wynika z konsekwencji zaoenia, e efekt rnicy midzy matrycami wzorca (ktrym jest zwykle rozpuszczalnik roboczy) i matryc prbki jest zaniedbywalnie may. 2.2.2. Kalibracja metod dodatku wzorca (SAM) Metoda dodatku wzorca (standard addition method, SAM) polega na dodaniu (spiking) do prbki substancji wzorcowej zawierajcej skadnik identyczny z oznaczanym analitem i pomiarze cznego sygnau pochodzcego z analitu, tj. prbki i wzorca. T metod kalibracyjn mona stosowa wszdzie tam, gdzie matryca prbki jest nieznana lub zbyt zoona. SAM jest jednak stosowalna tam, gdzie metoda oznaczania analitu jest dostatecznie selektywna czyli wtedy, gdy zmian odpowiedzi wywoanej dodatkiem wzorca mona przypisa wycznie analitowi. SAM mona przeprowadzi metod pojedynczego lub wielokrotnego dodatku wzorca. Przykady obu tych opcji, zastosowanych w potencjometrii, zamieszczono w p. 3.1 i 3.2. W SAM, wzorzec dodaje si czsto w porcjach roztworu nieznacznych w porwnaniu z objtoci prbki analizowanej t metod. W tych przypadkach, mona zaniedba zmian objtoci mieszaniny, a wic i efekt rozcieczenia analitu zawartego w prbce. Przy tym wzorzec naley dodawa w takich ilociach, by wzrost sygnau pochodzcego z dodatku wzorca by wyrany. SAM przeprowadza si dla okrelonych prbek, a wic kada prbka wymaga oddzielnej kalibracji; stanowi to wad tej metody w aspekcie jej rutynowego stosowania. 2.2.3. Kalibracja wzorcem wewntrznym (IC) W tym przypadku, jako wzorzec wewntrzny naley uy substancj w okrelony sposb zwizan z analitem. W szczeglnoci, rol wzorca wewntrznego peni moe reagent kompleksujcy, uyty w procedurze analitycznej, nastawionej na wyznaczanie staych trwaoci kompleksw w ukadach kwasowozasadowych. Rol wzorca peni tu np. roztwr NaOH, dodawany do titranda w procedurze miareczkowania. Zastosowanie IC umoliwia tu uzyskanie nieobcionych estymatorw odpowiednich staych rwnowagi, po zastosowaniu analizy korelacyjnej, opartej na liniowych [ 2226] i nieliniowych [27] rwnaniach regresji. Metodologia IC zastosowana w GC, ma na celu skompensowanie bdw systematycznych zwizanych z wprowadzaniem (wstrzykiwaniem) prbek na kolumn. 3. Metoda dodatku wzorca w analizie potencjometrycznej Stosuje si tu jednokrotny dodatek wzorca, w ktrym C 0 wyznacza si z pomiarw napicia (E) dla prbki bez i z dodatkiem wzorca; C 0 oblicza si tu z rozwizania prostego ukadu rwna. W przypadku wielokrotnego dodatku wzorca, C 0 wyznacza si zwykle metod najmniejszych kwadratw. Otrzymany std wynik jest na og obarczony mniejszym bdem przypadkowym ni w metodzie jednokrotnego dodatku. Metody jednokrotnego i wielokrotnego dodatku wzorca wymagaj jednak uprzedniej znajomoci rzeczywistej wartoci nachylenia () charakterystyki elektrody wskanikowej. 3.1. Pojedynczy dodatek wzorca

Polega on na pomiarze (1 o) napicia E1 midzy elektrod selektywn wzgldem jonu X i elektrod porwnawcz, zanurzonymi w V0 ml prbki badanej o nieznanym steniu C0 = CX analitu X. Nastpnie, po dodaniu V ml C mol/l X (roztwr wzorcowy), mierzy si (2 o) napicie E2. Na podstawie rwna: E1 = a + log C0 (2) E2 = a +log{(C0V0+CV)/(V0+V)} (3) znajdujemy E = E2E1 = log{V0+CV/C0)/(V0+V)} i ostatecznie C0 = C(V/V0)/[(1+V/V0)10E/ 1] (4) 3.2. Wielokrotny dodatek wzorca Polega on na pomiarze napicia midzy elektrodami po kadorazowym dodatku kilku porcji wzorcowego roztworu skadnika X do ukadu przedstawionego w p.3.1. Pierwszy pomiar napicia (E1) dotyczy zwykle roztworu bez dodatku (V 1=0). Zbir punktw dowiadczalnych {(Vj ,Ej ) j=1,...,N} jest podstaw wyznaczenia C0. Korzystamy przy tym ze wzoru E = a + log{(C0V0+CV)/(V0 +V)} (5) o ksztacie identycznym ze wzorem (3); dla V=0, wzr (4) przyjmuje posta (2). Wzr (5) mona przeksztaci do postaci E/ + log(V0+V) = a/ + log(C0V0 +CV) a nastpnie, korzystajc z tosamoci x log(10x), y = (V0+V)10E/ = (C0V0 +CV)10a/ y = A + BV (6) a/ a/ gdzie A = C0V010 i B = C10 . Wspczynniki A i B w (6) mona wyznaczy metod najmniejszych kwadratw, na podstawie par wartoci {(V j,yj) j=1,...,n} otrzymanych z N punktw dowiadczalnych{(Vj,Ej) j=1,...,N}. Std wyznaczamy C0 = CX = (C/V0)(A/B) (7) gdzie A i B minimalizuj sum kwadratw SS = j=1N (A + BVj yj)2 gdzie yj = (V0+Vj)10Ej/ Std C0 = (C/V0){ j=1N yj j=1N Vj2 (j=1N Vj)(j=1N yjVj)}/{Nj=1N yjVj (j=1N yj)(j=1N Vj)} (8) Gdy roztwr wzorcowy dodaje si w jednakowych porcjach, V, wwczas Vj = (j1)V. Przy tym E = E1 odpowiada V = V1 = 0, tj. pierwszy odczyt E dokonuje si na prbce badanej. W tym przypadku, wzr (8) przyjmuje posta (N1)CV j=1N (2N+23j)yj C0 = (9) 3V0 j=1N (2j+N1)yj gdzie yj = (V0+(j1)V)10Ej/ Ze wzorw (4) i (7) (9) wynika, e do oceny stenia konieczna jest uprzednia znajomo

prawdziwej wartoci nachylenia charakterystyki elektrody, ktre czsto rni si istotnie od wartoci (RT/F)ln10 wynikajcej z rwnania Nernsta [22]. Z podobn sytuacj mamy do czynienia przy realizacji metody II Grana [ 28]. Sposobem na ominicie tego problemu jest zastosowanie zmodyfikowanej metody I Grana [29,30], opartej na przyblieniu ln(1+x) x/(1 + x/2) (10) w miejsce oryginalnej metody I Grana [31], opartej de facto na przyblieniu ln(1+x) x rodzcym bdy sigajce kilkudziesiciu procent, na co wskazano w [ 32], bd po zastosowaniu procedury przedstawionej w [22]. 2. Aproksymacja nieliniowa W wikszoci procedur analitycznych, tak w metodzie krzywej kalibracyjnej jak i w metodzie dodatku wzorca stosuje si regresj liniow, bez waonych punktw dowiadczalnych [33]. Natomiast krzywoliniowa funkcja kalibracyjna ma najczciej posta wielomianu stopnia drugiego (lub wyszego). Modelowanie nieliniowe dotyczy dokadnego opisu zalenoci empirycznych midzy rnymi zmiennymi w pomiarach fizykochemicznych i analitycznych [3436]. W dalszym cigu zajmiemy si trzema typami funkcji nieliniowych, a mianowicie rodzin krzywych trjparametrowych [ 37], ktr tworz: * funkcja kwadratowa (paraboliczna) y = a0 + a1x + a2x2 (11) * odwrcona parabola x = b0 + b1y + b2y2 (12) * funkcja hiperboliczna [38,39] y = (c0 + c1x)/(1 + c2x) (13) Zauwamy, e dla a2 = b2 = c2 = 0, kada z tych funkcji sprowadza si do linii prostej, okrelonej zalenoci (1). Dla krzywych danych funkcjami (11) (13) wykaemy w dalszym cigu pracy, e odnone wzory odpowiadajce rnym technikom, jakimi s metoda krzywej kalibracyjnej i metoda dodatku wzorca, staj si identyczne w znormalizowanym ukadzie wsprzdnych. Umoliwia to zastosowanie ujednoliconego kryterium porwnawczego dla obu tych metod oceny ste (zawartoci) analitw w prbce badanej. Rozwaajc funkcje jednej zmiennej, x, wyrnimy funkcje wielomianowe i wymierne. Przy modelowaniu, w praktyce stosuje si czsto twierdzenie aproksymacyjne Weierstrassa stwierdzajce, e funkcj cig okrelon na zwartym przedziale x mona przyblia wielomianem, z odpowiednim stopniem dokadnoci. Wynika to z oczywistego faktu, e dowoln funkcj cig wraz z pochodnymi w kadym obszarze zmiennoci mona wyrazi w postaci szeregu Maclaurina lub Taylora. Ponadto, dla funkcji monotonicznej, istnieje relacja odwrotna, w okrelonym przedziale zmiennoci zmiennej y. Inny typ aproksymacji reprezentuj funkcje wymierne typu x = x(y, n, m) = i=0n fiyi / j=0m gjyj (ai, bj R) (14) w ktrych po prawej stronie wystpuje zmienna zalena. Rzecz w tym, e zaleno (14) ma czsto ksztat prostszy ni zaleno odwrotna, y = y(x). Na og uwaa si, e funkcje wymierne maj wiksz moc aproksymacyjn ni funkcje wielomianowe, o tej samej liczbie parametrw [40]. Przykadem s tu funkcje typu Pad [ 41,42], z m=n+1, stosowane szeroko w modelowaniu pempirycznym [4348]. W szczeglnym przypadku pH metrycznego miareczkowania V0 ml titranta za pomoc V ml titranta mamy y = 10 pH, x =

V0+V [47]. Przykadem funkcji wymiernej jest funkcja okrelona zalenoci (13). Nieco prostsze modele, tj. x = a y/(1+by) i x = a/(b+y), okazay si stosowalne w analizach wykonywanych technikami fotometrii pomieniowej [49] i w miareczkowaniach kwasowo zasadowych, w ktrych zastosowano uoglnione stae Simmsa [ 47,48]. W zoonych zagadnieniach interpolacyjnych zaleca si niekiedy stosowanie splajnw [ 50], czyli wielomianw lokalnych rozdzielonych wzami. 3. Kryterium dopasowania 3.1. Uwagi oglne Do oceny adekwatnoci modelu naley sformuowa odpowiednie kryterium dopasowania. Biorc pod uwag fakt, e modele nieliniowe stosuje si w rnych metodach instrumentalnej analizy chemicznej, a w obrbie danej metody w rnych zakresach ste zastosowane kryterium powinno by niezalene od tych uwarunkowa. Dotyczy to w szczeglnoci (a) zakresu ste objtego kalibracj, (b) zakresu rejestrowanych sygnaw oraz (c) czuoci metody. Wszystkie te wymagania s spenione po wprowadzeniu znormalizowanych zmiennych. Procedura ta skada si z dwch etapw: (1o) obliczania parametrw rwnania regresji w jego pocztkowej lub przeksztaconej postaci oraz (2o) obliczenie powierzchni wyraajcej stopie dopasowania w ukadzie znormalizowanych zmiennych. Kryterium dopasowania mona wprowadzi dla metody krzywej kalibracyjnej i metody dodatku wzorca. 3.2. Metoda krzywej kalibracyjnej Jak stwierdzono wyej, otrzymanie porwnywalnych danych wymaga normalizacji obu zmiennych (x i y). Tak wic dla uporzdkowanego, nadmiarowego zbioru danych dowiadczalnych (xj, yj), j = 1,...,N (xj xj+1, yj yj+1), wprowadzamy zalenoci: u = (x x1)/(xN x1) = (x x1)/x (15) v = (y y1)/(yN y1) = (y y1)/y (16) gdzie u <0,1>, v <0,1> dla rwna (11) (13). Std otrzymujemy wzory: v = u (1)u2 (17) u = v + (1)v2 (18) v = u/(1 + (1)u) (19) gdzie: = (a1 + 2a2x1)/s (20a) = (b1 + 2b2y1)s (20b) = [(c1 c0c2)/(1 + c2x1)2]/s (20c) oraz s = y/x jest redni czuoci. Na warto s wpywa, w pewnym stopniu, zakres < x1, xN > zmiennej x wybrany do wyznaczenia odnonej krzywej kalibracyjnej. 3.3. Metoda dodatku wzorca Wprowadmy now zmienn z, zwizan z x przez zaleno x = x0 + z, gdzie x0 jest pocztkowym steniem analitu X w prbce badanej. Niech y0 jest sygnaem odpowiadajcym x = x0 (tj. z = z0 = 0), natomiast N jest liczb dodatkw wzorca, czyli liczba zarejestrowanych punktw dowiadczalnych {(z j, yj) j=0,1,...,N} wynosi N+1. Z (11) otrzymujemy

y = y0 + a1*z + a2z2 gdzie:

(21)

y0 = a0 + a1x0 + a2x02 (22) a1* = a1 + 2a2x0 a nastpnie a1 = a1* 2a2x0. Podobnie, z (13) otrzymujemy y = y0 + c1*z/(1 + c2*z) (23) gdzie: y0 = (c0+c1x0)/(1+c2x0) (24) c1* = (c1 c0c2)/(1+ c2x0)2 (25) c2* = c2/(1+ c2x0) (26) Przed zastosowaniem metody najmniejszych kwadratw, wzr (23) naley przepisa do postaci y = y0 + d1z c2*yz (27) gdzie d1 = c1* + c2*y0; wwczas c1* = d1 c2*y0. Wprowadzajc v* = (y y0)/(yN y0) = (y y0)/y* w* = (z z0)/(zN z0) = z/zN = z/z* do zalenoci (11) i (13), mamy, w ukadzie znormalizowanych zmiennych (w*, v*): v* = *w* + (* 1)(w*)2 (17a) v* = *w*/(1 + (* 1)w*) (19a) gdzie: * = a1*/s* * = [(c1 c0c2)/(1 + c2x0)2]/s* oraz s* = y*/z* jest czuoci redni. Zauwamy, e wzory dla *, *, s*, w* i v* zawieraj x0, natomiast x1 jest najmniejsz z wartoci x wchodzcych w skad wzorw dla , , s, u i v, odnoszcych si do metody krzywej kalibracyjnej. Zwraca uwag formalne podobiestwo wzorw (17) i (19) oraz (17a) i (19a), co stanowi podstaw zastosowania ujednoliconego kryterium cakowego, okrelajcego nieadekwatno modelu liniowego (1). Liczba parametrw wewntrznych zwizanych w odpowiednich rwnaniach regresji, tj. a0, a1, a2 i x0 lub c0, c1, c2 i x0 przewysza o 1 liczb parametrw zewntrznych: {y 0, a1*, a2} lub {y0, d1, c2*}) wyznaczonych w rwnaniach (21) i (27). Zmusza to do uproszczenia bardziej oglnych modeli. Kadc a0 = 0 we wzorze (23) i c 0 = 0 w (24) I (25) otrzymujemy [36]: x0 = 0.5{a1* [(a1*)2 4a2y0]1/2}/a2* (28) x0 = y0/d1 (29) Stosujc rwnoodlege wartoci dla zj, tj. zj+1 zj = z dla j=0,...,N1, otrzymujemy zj = (j/N)z*. Podobnie, przy xj+1 xj = x dla j=1,...,N1, mamy xj = x1 + (j1)/(N1)x. Parametry zewntrzne odpowiednich rwna regresji mona wtedy obliczy z uyciem nastpujcych wzorw: j=1N j = N(N+1)/2 = 1 ; j=1N j2 = N(N+1)(2N+1)/6 = 2 j=1N j3 = 12 ; j=1N j4 = 2(3N2+3N1)/5 Porwnania midzy modelami (11) (13), wiadczce na korzy modelu hiperbolicznego (13), przedstawiono w [37].

3.5. Cakowe kryterium nieliniowoci Linia prosta czca punkty (0, 0) i (1, 1) we wsprzdnych (u, v) ma posta v=u (30) Pola powierzchni midzy wykresami funkcji (17) (19) i (30) s nastpujce: 1 F1 = {[u + (1)u2] u}du = (1)/6 (31) 0 1 F2 = {[v + (1)v2] v}dv = (1)/6 (32) 0 1 F3 = {[u/(1 + (1)u)] u}du = [ 1 ln)]/(1)2 1/2 (33) 0 W metodzie dodatku wzorca (wzory 17, 19) otrzymujemy w szczeglnoci F1* = (* 1)/6 (31a) F3* = (* 1 + ln*)*/(* 1)2 0.5 (33a) Stosujc przyblienie (10), wzory: (33) i (33a) mona przeksztaci do postaci: F3 = (1)/(+1) oraz F3* = (*1)/(*+1) (34) Tak wic w wyniku zastosowania procedury normalizacyjnej do metody krzywej kalibracyjnej i metody dodatku wzorca otrzymuje si formalnie identyczne zalenoci funkcyjne. Wynika std rwnie moliwo zastosowania ujednoliconego kryterium aproksymacji metodami: ekstrapolacyjn i interpolacyjn. W kalibracji z zastosowaniem funkcji zmiennej niezalenej x regresja liniowa jest czsto naduywana [50]. Zastosowanie modelu nieliniowego do celw analitycznych i fizykochemicznych jest w wielu przypadkach koniecznoci [51,52]. 4. Literatura cytowana 1. International Vocabulary of Basic and General Terms in Metrology (VIM), ISO, Geneva, 1995. 2. L. CuardosRodriguez, L. GamizGracia, E. AlmansaLopez, Trends in Anal.Chem., 20(11) (2001) 620 3. P. Kocielniak, w.: Nowe horyzonty i wyzwania w analityce i monitoringu rodowiskowym; (red. J. Namienik, W. Chrzanowski, P. Szpinek), CEEAM, 2003, s. 98 4. Metrology in Chemistry and Biology: A Practical Approach, European Commission, Report EUR 184405 EN, 1998 5. M. Valcarcel, A. Rios, E. Maier, Accred. Qual. Assur., 4 (1999) 143 6. M. Valcarcel, A. Rios, Trends Anal. Chem., 18 (1999) 168 7. W. Horwitz, R. Albert, Analyst, 122 (1997) 1615 8. ILACG2. Traceability of Measurements , International Laboratory Accreditation, 1996 9. W. Richter, Fresenius J.Anal.Chem.,365 (1999) 569 10. L. CuardosRodriguez, L. GamizGracia, E. AlmansaLopez, Trends in Anal.Chem., 20(4) (2001) 195 11. B. Bouveresse, D.L. Massart, Vibrational Spectroscopy, 11 (1996) 3 12. A. Fagelj, M. Parkany (eds), The Use of Matrix Reference materials in Environmental Analytical Processes, The Royal Society of Chemistry, Cambridge, 1999

13. T. Dean, T. Isaksson, NIR News, 4(2) (1993) 8; idem. ibid., 4(4) (1993) 14 14. O.E. De Noord, Chemom.Intell.Lab.Syst., 25 (1994) 85 15. Guidelines for Calibration in Analytical Chemistry, Part I: Fundamentals and Single Component Calibration, IUPAC Recommendation, Pure Appl.Chem., 70 (1998) 1699. 16. International Vocabulary of Basic and General Terms in Metrology (VIM), ISO, Geneva, 1993 17. P. De Bievre, Accred. Qual. Assur., 4 (1999) 273 18. I.C. Sellars, Metal Finishing, 93 (1995) 26 19. J.C. Miller, J.N. Miller, Statistics for Analytical Chemists, Ellis Horwood, Chichester, UK, 1992 20. L. Renman, D. Jagner, Anal.Chim.Acta, 357 (1997) 157 21. K.N. Andrew, S.C. Rutan, P.J. Worsfold, Anal.Chim.Acta, 388 (1999) 315 22. T. Michaowski, R. Stpak, Anal.Chim.Acta, 172 (1985) 207 23. D. Janecki, K. Doktr, T. Michaowski, Talanta, 48, 1191 (1999); idem., ibid. 49, 943 (1999) 24. D. Janecki, T. Michaowski, Chem.Anal. (Warsaw), 44, 611 (1999) 25. D. Janecki, K. Styszko-Grochowiak, T. Michaowski, Talanta, 52, 555 (2000) 26. D. Janecki, T. Michaowski, M. Zieliski, Chem.Anal.(Warsaw), 45, 659 (2000) 27. T. Michaowski, M. Toporek, M. lusarska, Materiay II Konferencji Chemometria: Metody i zastosowania, Zakopane, 2003, s. 427 28. G. Gran, Analyst, 77 (1952) 661 29. T. Michaowski, Chem.Anal.(Warsaw), 26 (1981) 799 30. T. Michaowski, A. Baterowicz, A. Madej, J. Kochana, Anal.Chim.Acta, 442 (2001) 287 31. G. Gran, Acta Chem.Scand., 4 (1950) 559 32. T. Michaowski, M. Toporek, M. lusarska, Materiay II Konferencji Chemometria: Metody i zastosowania, Zakopane, 2003, s. 436 33. L. Renman, D. Jagner, Anal.Chim.Acta, 357 (1997) 157 34. K.S. Booksh, B.R. Kowalski, Anal.Chim.Acta, 348 (1997) 1 35. N. Brauner, M. Shacham, Math. Comp. Simul., 48 (1998) 75 36. J.F. Rusling, T.F. Kurnosinski, Nonlinear computer modeling of chemical and biochemical data, Acad. Press, London, 1996 37. T. Michaowski, M. Rymanowski, Materiay II Konferencji Chemometria: Metody i zastosowania, Zakopane, 2003, s. 444 38. P. Kocielniak, Anal.Chim.Acta, 278 (1993) 177 39. P. Vankeerberghen, J. SmeyersVerbeke, R. Leardi, C.L. Karr, D.L. Massart, Chemom. Intell.Labor.Syst., 28 (1995) 73 40. Warburton P.R., Pagano M.P., Hoover R., Logman M., Crytzer K., Warburton Y.J., Anal.Chem., 70, 998 (1998) 41. A. Ambroladze, H. Wallin, J.Approximation Theory, 86 (1996) 310 42. P. Zhou, J.Approximation Theory, 93 (1998) 201 43. T. Michaowski, A. Rokosz, A. Tomsia, Analyst, 112, 1739 (1987) 44. T. Michaowski., Analyst, 113, 833 (1988) 45. T. Michaowski, A. Rokosz, E. Negrusz-Szczsna, Analyst, 113, 969 (1988) 46. T. Michaowski, A. Rokosz, P. Kocielniak, J.M. agan, J. Mrozek, Analyst, 114, 1689 (1989)

10

47. T. Michaowski, Talanta, 39, 1127 (1992) 48. T. Michaowski, E. Gibas, Talanta, 41, 1311 (1994) 49. P. Kocielniak, A. Parczewski, Anal.Chim.Acta, 153, 103, 111 (1983); idem. ibid., 177, 197 (1985) 50. M. Meloun, J. Militky, K. Kupka, R.G. Brereton, Talanta, 57 (2002) 721 51. N. Brauner, M. Shacham, Math. Comp. Simul., 48 (1998) 75 52. J.F. Rusling, T.F. Kurnosinski, Nonlinear Computer Modelling of Chemical and Biochemical Data, Acad. Press, London, 1996

11

You might also like