Professional Documents
Culture Documents
, deIinise se kao
standardna devijacija rezultata mjerenja dobijenih u uslovima ponovljivosti. Ona predstavlja
mjeru disperzije pri distribuciji mjernih rezultata u uslovima ponovljivosti. Slicno gore
navedenom 'varijansa ponovljivosti i 'koeIicijent varijacije ponovljivosti mogli bi se deIinisati
i koristiti kao mjera disperzije mjernih rezultata u uslovima ponovljivosti |eurachem, 48|.
Ponovljivost je mjera kratkotrajnih varijacija u mjernim rezultatima i predstavlja vrstu
preciznosti koju je vrlo cesto lahko odrediti. Obicno se koristi za utvrdivanje uskladenosti sa
kriterijima perIormansi metode. Iako je ponovljivost odnosno s
ili s
moguce je
izracunati 'limit ponovljivosti r koji omogucava analiticaru da odluci da li je razlika izmedu
o
|zmedu
|aborator|[a
keproduc|b||nost
|zmedu ser|[a unutar ser|[a
(para|e|ke)
|zmedu
oc|tan[a
ponov|[|vost
paralelnih analiza uzorka, koje se obavljaju u uslovima ponovljivosti, znacajna |eurachem, 26|.
Limit ponovljivosti 'r se deIinise kao vrijednost, za koju se ocekuje sa 95 vjerovatnocom, da
bude manja ili jednaka apsolutnoj razlici izmedu dva rezultata dobijena u uslovima ponovljivosti.
Racuna se pomocu Iormule:
r t
v,u
s
r
(2.7.1.)
gdje je t
v,u
Studentova t- vrijednost za v stepeni slobode a u se odnosi na navedenu vjerovatnocu,
s
- )
2 n
=1
N
( 2.7.6.)
Ova jednacina je striktno primjenljiva samo u slucaju ako se radi o beskonacno velikom broju
mjerenja iste velicine cija je srednja vrijednost . U praksi se, medutim, redovno vrsi ogranicen
broj mjerenja, a srednja vrijednost tog ogranicenog broja mjerenja je , i ne postoji garancija da
ce i biti identicni. Zato se, za razliku od o, kod ogranicenog broja eksperimentalnih mjerenja
za standardnu devijaciju takvog niza mjerenja uvodi drugi znak, s, i ona se izracunava pomocu
jednacine:
s =
_
_ (x
- x)
2 n
=1
n-1
(2.7.7.)
Velicina (n-1) u imeniku u jednacini (2.7.7.) naziva se brojem stepena slobode, uobicajeno
predstavljena u statistickim tablicama parametrom v (grcko slovo, izgovara se 'nu) Savic,
453]. U principu broj stepeni slobode predstavlja broj napravljenih mjerenja (n) koji je umanjen
za broj parametara procijenjih iz tih mjerenja. U slucaju standardne devijacije ogranicenog broja
0.22 c, ukoliko je c 1.2 x 10
-7
0.02 c
0.8495
, ukoliko je 1.2 x 10
-7
_ c _ 0.138 (2.7.5)
0.01 c
0.5
, ukoliko je c ~ 0.138
mjerenja, npr. v n-1 obzirom da je srednja vrijednost ( koja je upotrijebljena u racunanju s) vec
procijenjena iz istih podataka QA, 144]. Standardna devijacija s je, prema tome, samo procjena
prave standardne devijacije o, kao sto je i srednja vrijednost procjena stvarne vrijednosti .
Povecanjem broja napravljenih mjerenja, s o, a . Kada je broj odredivanja veci od 25-
30, izracunata s je izvrsna aproksimacija za o Savic, 453].
2.7.8.2.2. Relativna standardna devijacija (RSD) i KoeIicijent varijacije (CV)
Relativne mjere rasipanja podataka se obicno koriste narocito tamo gdje je, npr. uoceno
povecanje rasipanja rezultata sa koncentracijom analita. Relativna standardna devijacija (RSD) je
mjera rasipanja tih podataka u odnosu na njihovu srednju vrijednost i data je izrazom:
RSD =
s
x
(2.7.8.)
RSD se ponekad naziva i koeIicijentom varijacije (CV) i obicno se izrazava u postotcima:
%RSD = %CV = 100 x
s
x
(2.7.9.)
2.7.8.2.3. Standardna devijacija srednje vrijednosti
Standardna devijacija srednje vrijednosti, s( ) je mjera disperzije srednjih vrijednosti i izrazava
se kao:
s ( ) =
s
n
(2.7.10.)
gdje je s standardna devijacija ogranicenog broja mjerenja, a n je broj izvedenih mjerenja.
Utvrdeno je da standardna devijacija srednjih vrijednosti postaje manja kako se broj mjerenja, n,
za svaki seriju povecava. Standardna devijacija srednje vrijednosti uvijek ce biti manja od s za
J puta, gdje je n broj napravljenih mjerenja QA, 145].
2.7.8.2.4. Postupak za procjenu preciznosti u uslovima ponovljivosti
Preciznost u uslovima ponovljivosti (isti analiticar, oprema, laboratorija, kratak vremenski
razmak izmedu ponovljenih mjerenja) odreduje se tako sto se analiziraju: standardi, reIerentni
materijali ili slijepe probe uzorka koje su spajkovane razlicitim koncentracijama analita u odnosu
na radno podrucje. Potrebno je napraviti deset nezavisnih ponavljanja mjerenja a iz dobijenih
podataka izracunati standardnu devijaciju (s) svakog mjerenja. Na taj nacin se odreduje
standardna devijacija ponovljivosti (s
Slika 17. Ilustracija biasa
Ukupni bias se obicno sastoji od nekoliko komponenti. Potencijalni uzroci mjernog biasa mogu
biti: hemijske interIerencije, eIekti matriksa (kao sto su promjene u jacini kiseline ili viskozitetu)
koji mogu povecati ili smanjiti mjerni signal; bias mjerne aparature, kao sto je nerealan odziv
4
8las engleska rl[ec a u prevodu znacl sklonosL prslsLrasnosL predrasuda slsLemaLska greska lLd
8las
RM
x
instrumenta, ili nelinearnost; i nepotpuna ekstrakcija (rikaveri) analita iz matriksa uzorka. Prema
tome, postoji veliki broj eIekata koji mogu uticati na bias, a koji mogu biti pozitivni ili negativni.
Neki od njih mogu biti povezani sa uzorkom koji se analizira dok neki mogu biti povezani sa
metodom a neki sa laboratorijom koja izvodi mjerenje. Za mjernu velicinu koja je deIinisana
metodom mjerenja (empirijska metoda), bias metode je prema deIiniciji jednak nuli, ali bez
obzira na to moze postojati laboratorijski bias. Individualni eIekti mogu biti i odvojeno
razmatrani, ali je uobicajenije da se procjenjuju ukupni eIekti biasa koji zajedno predstavljaju
mjerni bias, kao sto je prikazano na Slici 18. SpeciIicni eIekti biasa, koji mogu biti veliki i koje
treba razumjeti i minimizirati, treba razmatrati tokom razvijanja metode, npr. prisustvo ili
odsustvo interIerirajuce supstance, ili eIekti zbog promjene vremena reakcije. Ovi eIekti trebaju
biti adresirani i tokom validacije metode i to kao dio studije parametra robusnosti metode. Bias
mjerenja se odreduje poredenjem srednje vrijednosti rezultata mjerenja dobijenih za reIerentni
materijal, koristeci metodu koja se validira, sa navedenom vrijednoscu mjerene osobine datog
reIerentnog materijala. Potreban broj ponovljenih mjerenja (n) zavisi od preciznosti metode (s) i
nivoa biasa (o) koji je potrebno detektovati. Korisna aproksimacija prikazana je u sljedecoj
jednacini:
J = (so)
2
+ (2.7.11.)
Na osnovu 'grube procjene prethodne jednacine, potrebno je napraviti najmanje sedam
ponavljanja. Sa ovim brojem ponovljenih mjerenja bias velicine dvostruke standardne devijacije
moze biti otkriven QA, 83].
Slika 18. Tipovi biasa
Napomena . Bias laboratorife i metode u ovom slucafu fe prika:an kao da imafu isti pravac dfelovanfa. U
stvarnosti to nife uvifek slucaf.
2.7.8.3.1.1.1. Racunanfe parametara biasa
Mjerni bias, B, moze biti izracunat kao omjer ( obicno izrazen kao procenat) razlike izmedu
srednje vrijednosti rezultata mjerenja ispitnog uzorka, dobijenih u uslovima ponovljivosti, i
lzm[erena laboraLorl[ska
sredn[a vrl[ednosL
8las meLode
@acna (referenLna)
vrl[ednosL
LaboraLorl[skl blas
ukupnl blas
lnLerlaboraLorl[ska
sredn[a vrl[ednosL
'tacne odnosno prihvacene tacne vrijednosti za taj ispitni uzorak, kao sto je prikazano u
sljedecoj jednacini :
% =
=
(x -x
0
)
x
0
(2.7.12.)
gdje je srednja vrijednost dobijena ponavljanjem mjerenja reIerentnog materijala (obicno
CRM) koristeci metodu koja se ispituje i
b
je srednja vrijednost dobijena iz ponovljenog mjerenja uzorka, prije spajkovanja, i
s
je
izracunato povecanje koncentracije u uzorku nakon dodatka spajka. Tamo gdje postoji statisticki
znacajan bias, rezultat rutinskog mjerenja moze biti ispravljen kako je prikazano u sljedecoj
jednacini:
co
=
C
cbs
%R
(2.7.16.)
gdje je
co
korigovani mjerni rezultat za ispitni uzorak i
obs
je dobijeni mjerni rezultat za
ispitni uzorak QA, 85].
2.7.8.3.2. Uslovi za eksperimente utvrdivanja biasa/istinitosti
Bias se moze pojaviti na razlicitim nivoima analitickog sistema u laboratoriji, kao sto je npr. bias
tokom izvodenja analize, laboratorijski bias, i bias metode. Vrlo je vazno zapamtiti koji je od
navedenih biasa treba tretirati adresirati odgovarajucom metodom. Posebno treba znati da:
Srednja vrijednost serije mjerenja, koja su potpunosti sprovedena za svaku seriju po jedno
mjerenje, da je inIormacije o eIektima metode, laboratorije, i eIektima koji se javljaju tokom
izvodenja mjerenja samo za to izvedeno mjerenje. Obzirom da se eIekti tokom mjerenja
mijenjaju od mjerenja do mjerenja, rezultat ce prema tome takode varirati od mjerenja do
mjerenja vise nogo sto se ocekuje od dobijene disprzije rezultata, i to treba uzeti u obzir tokom
procjene rezultata (npr. provjerom izmjerenog biasa u odnosu na standardnu devijaciju izmedu
mjerenja koja je odvojeno razmatrana. Srednja vrijednost ponovljenih mjerenja reIerentnog
materijala iz nekoliko serija, procjenjuju se kombinovani eIekti laboratorijskog i biasa metode u
datoj laboratoriji (osim gdje je ta vrijednost utvrdena koristeci odredenu metodu) |iupac, 847|.
2.7.8.3.3. Referentne vrijednosti za eksperimente istinitosti/biasa
2.7.8.3.3. 1. CertiIicirani reIerentni materijal (CRM)
CRM-i su sljedivi do internacionalnih standarda sa poznatom nesigurnoscu i prema tome mogu
biti koristeni za utvrdivanje svih aspekata biasa (metode, laboratorije, i unutar laboratorije)
istovremeno, pretpostavljajuci da ne postoji neuskladenost matriksa. Idealan CRM je onaj koji je
certiIiciran i koji najblize odgovaraju uzorku u odnosu na njegovu Iormu, sastav matriksa i
koncentraciju analita. CRM-i trebaju u skladu stim biti koristeni, u validaciji istinitosti/biasa gdje
god je to prakticno. Vrlo je vazno osigurati da je certiIicirana vrijednost nesigurnosti dovoljno
mala da bi se omogucila detekcija biasa vazne velicine. Gdje to nije slucaj, upotreba CRM-a se i
dalje preporucuje, ali dodatne potrebe treba sprovesti. Tipicni eksperimenti istinitosti generiraju
srednju vrijednost rezultata mjerenja dobijenih za reIerentni materijal. Pri interpretaciji rezultata,
nesigurnost povezana sa certiIiciranom vrijednosti trebaju biti uzeti u obzir zajedno sa
nesigurnoscu proizasla iz statistickih varijacija u laboratoriji. Kasniji moze se bazirati na
standardnoj devijaciji unutar mjerenja, izmedu mjerenja, ili izmedu laboratorija u zavisnosti od
svrhe eksperimenta. Gdje je certiIicirana vrijednost nesigurnosti mala, studentov t test se obicno
sprovodi koristeci odgovarajuci nivo preciznosti. Gdje je neophodno i prakticno, broj
odgovarajucih CRM-a, sa odgovarajucim matriksom i koncentracijom analita treba biti ispitan.
Gdje je ovo uradeno, i gdje su nesigurnosti certiIiciranih vrijednosti manje od nesigurnosti
analitickih rezultata, prilicno je sigurno koristiti jednostavnu regresiju za procjenu rezultata. Na
ovaj nacin, bias moze biti izrazen kao Iunkcija koncentracije, i moze biti predstavljen kao
odsjecak koji je razlicit od nule ('tranzicionalni ili konstantni bias) nonunity nagib
('rotacionalni ili proporcionalni bias)
2.7.8.3.3.2. ReIerentni materijali
Tamo gdje CRM-i nisu dostupni, mogu se koristiti bilo kakvi materijali koji su dovoljno dobro
okarakterisani za datu svrhu (reIerentni materijali), imajuci uvijek na umu da je nemoguce
dokazati da je zanemarljivi bias jednak nepostojanju biasa, znacajan bias bilo kojeg materijala
ostaje uzrok zbog kojeg se to istrzuje. Primjeri reIerentnih materijala ukljucuju: materijale koji su
okarakterisani od strane reIerentnoog proizvodaca, ali cije vrijednosti nisu pracene izjavom o
sigurnosti ili koje nisu na bilo koji nacin kvaliIikovane, materijali okarakterisani od strane svog
proizvodaca, materijali okarakterisani u nutar laboratorije za upotrebu kao reIernih materijala, i
materijali koristeni u testovima strucnosti laboratorija. Iako je sljedivost ovih materijala mozda
upitna, bolje je i njih koristiti nego da se ne sprovedu nikakve procjene biasa. Ovi materijali
trebaju biti koristeni na isti nacin kao i CRM-i, s obzirom da nemaju navedenu nesigurnost bilo
kakvi znacajni testovi oslanjaju se u potpunosti na dobijenu preciznost rezultata.
2.7.8.3.3.3. Upotreba reIerentnih metoda
ReIerentna metoda u principu moze biti koristena za testiranje biasa druge metode koja se
validira. Ovo je korisna opcija kada provjeravamo alternativnu, ili modiIiciranu metodu u odnosu
na ustanovljenu standardnu metodu koja je vec validirana i koja se rutinski primjenjue u
laboratoriji. Obje takve metode se koriste da bi se analizirao odredeni broj tipicnih ispitnih
materijala, koji po mogucnosti obuhvataju odgovarajuce podrucje koncentracija sto
vjerodostojnije. Komparacija rezultata dobijenih za navedeno koncentracion podrucje upotrebom
odgovarajucih statistickih metoda( npr. uporedni t-test, zajedno sa provjerom homogenosti
varijansi i normality (normalnost) moze demonstrirati bias izmedu metode koja se evaluira i
reIerentne metode sa poznatim biasom |iupac, 848|.
2.7.8.3.3.4. Upotreba metode spajkovanja/rikaverija
U odsustvu odgovarajuceg CRM-a kombinacija najboljeg dostupnog matriks reIerentnog
materijala i 'eksperimenti spajkovanja su najbolja opcija procjene biasa. Eksperimenti
spajkovanja obuhvataju analizu realnih uzoraka prije i poslije dodavanja, 'spajka, tj. poznate
kolicine cistog analita. Rikaveri predstavlja kolicinu analita od interesa koju je moguce
ekstrahovati iz matriksa i izmjeriti. Kod metoda koje su oslobodene od biasa, razlika izmedu dva
rezultata bi bila jednaka dodatoj kolicini analita, zajedno sa nesigurnostima mjerenja, kao sto je
prikazano na Slici 19.
Ukoliko je R
4
dodata kolicina spajka, R
4
R
3
= bias (B)
Slika 19. Odredivanje biasa koristenjem gravimetrijskog spajkovanja
Medutim, gravimetrijsko spajkovanje daje realnu procjenu biasa samo onda kada su analit sa
kojim se spajkuje uzorak i prirodno prisutni analit u datom matriksu u ravnotezi. Npr. prirodni
analit koji je vec prisutan u matriksu, moze biti cvrsce vezan unutar matriksa, dok spajkovani
analit moze biti samo slabo adsorbovan na povrsini cestica uzorka. Osim toga, iako je ravnotezu
mozda moguce uspostaviti pri visim koncentracijama, to ne mora biti situacija kada je u pitanju
koncentracija analita na nivou tragova. Ta situacija nije problem u koliko su uzorci u potpunosti
rastvoreni, bias se moze pojaviti ukoliko je ekstrakcija analita iz cvrstog stanja sastavni dio
metode. Posebnu paznju treba posvetiti tome da se sastav matriksa ne mijenja znatno tokom
spajkovanja i da je koncentracija materijala za spajkovanje bliska koncentraciji analita u
8ezulLaL 8
1
lzm[erena
kollclna spa[ka
8
3
8ezulLaL 8
2
uzorak
+ spa[k
M[eren[e
M[eren[e
8
2
8
1
uzorak
uzorcima koji ce se analizirati. Uspostavljanje ravnoteznih uslova je vazno i oni mogu biti
postignuti ostavljanjem rastvora za spajkovanje u kontaktu sa uzorkom nekoliko sati, a ako je
moguce i preko noci, i kontrolisanjem svojstava kao sto je velicina cestica. Kada god je moguce
rastvarac koristen za dodavanje spajka treba biti razlicit od rastvaraca koristenog u bilo kojoj
prethodnoj ili naknadnoj ekstrakciji. Takode je potrebno procijeniti uticaj koncentracije analita
na bias, kao i bilo koji koncentracijski uticaj na ponasanje prisutnog i spajkovanog materijala .
Spajkovanje/rikaveri studije se danas intenzivno razmatraju i dok dobar rikaveri nije garancija
istinitosti, slab rikaveri je zasigurni indikacija slabe istinitosti metode QA, 83].
2.7.8.3.4. Postupak za procjenu tacnosti i istinitosti odnosno biasa metode
Bias se odreduje tako sto se analiziraju: standardi, reIerentni materijali ili slijepe probe uzorka
koje su spajkovane razlicitim koncentracijama analita u odnosu na radno podrucje. Potrebno je
napraviti deset nezavisnih ponavljanja mjerenja a iz dobijenih podataka izracunati standardnu
devijaciju (s) svakog mjerenja. Na taj nacin se odreduje standardna devijacija ponovljivosti (s
)
svakog mjerenja, koja se racuna prema jednacini (2.7.7.) |eurachem, 26|.
(EC Direktiva)Procedura za procjenu istinitosti.
U ovom pararafu opisano je odredivanje istinitosti(koja je jedna komponenta tacnosti). stinitost
je jedino mouce odrediti sredstvima kao sto je CRMa. Zbo toa CRM treba koristiti dje je
od to mouce. Primjer je naveden ispod:
O analiziraj sest paralelki CRM u skladu sa procedurom metode
O odredi koncentraciju analita prisutnu u svakoj paralelki
O izracunaj srednju vrijednost, stan. dev. i CV (%) za svaku koncentraciju
O izracunaj istinitost dijeljenjem dobijene srednje vrijednosti sa certificiranom
vrijednoscu(mjerena kao koncentracija) i pomnozi sa 100 da bi rezultat izrazili u
procentima.
O stinitost (%) = srednja vrijednost rikaverija koriovana dobijena konc. x 100/
certificirana vrijednost
Ukoliko CRM nije dostupan, umjesto istinitosti, rikaveri moze biti odreden.
(Eurachem)Procedura za procjenu tacnosti i istinitosti
Analiziraj
Broj
ponavljanja
zracunaj Komentari
a) Slijepu probu
reaenata i referentni
materijal upotrebom
kandidatske metode
10
Srednju vrijednost slijepe
probe koja je oduzeta od
srednje vrijednosti analita za
referentni materijal
Usporedi sa stvarnom
vrijednoscu ili prihvacenom
stvarnom vrijednoscu za
referentni materijal
Predmet je nesiurnosti
slijepe probe kao
stvarne slijepe probe,
karakterizacija
referentno materijala
b) Slijepu probu
reaenasa i
refrentni/ispitni
materijal upotrebom
kandidatske metode i
nezavisne (po
moucnosti) primarne
metode
10
Srednju vrijednost slijepe
probe koja je oduzeta od
srednje vrijednosti analita za
referentni/ispitni materijal
Dobijena vrijednost
predstavlja mjeru biasa
metode
Usporedi sa slicnim
mjerenjima napravljenim sa
nezavisnom/primarnom
metodom
Dobijena vrijednost
predstavlja mjeru biasa
metode u odnosu na
nezavisnu/primarnu metodu
Nezavisna metoda
moze imati vlastiti bias
pa stoa nije apsolutna
mjera tacnosti
Primarna metoda u
idealnom slucaju nema
bias pa je stoa bolja
mjera tacnosti
(QA 86) Tokom validacije, uspostavlja se odnos izmedu odziva (odovora) instrumenta i
mjerene koncentracije. Potrebno je napraviti odovarajuce provjere kako bi se osiurali da
linearnost metode ne predstavlja preveliki doprinos mjernoj nesiurnosti ( proistekla iz
kalibracije treba imati doprinos ukupnoj nesiurnosti manji od 20% u odnosu na najvecu
komponentu nesiurnosti). Kalibracioni raspored kalendar koji se izvodi tokom rutinske upotrebe
metode se takode uspostavlja u svakodnevnoj praksi. Vrlo je mudro napraviti dovoljan broj
provjera na nekim ili na svim sljedecim parametrima performansi, kako bi ustanovili da njihove
vrijednosti zadovoljavaju specificirane ranice.
xxx Limit Detekcije (LOD)
(eurachem) Termini "limit detekcije ili "detekcioni limit nisu eneralno prihvaceni iako su u
upotrebi u nekim dokumentima. SO kao opcu definiciju ovo pojma koristi izraz "minimalna
mjerljiva (stvarna) vrijednost. UPAC predlaze oprez pri upotrebi termina "limit detekcije,
preferirajuci termin "minimalna mjerljiva koncentracija. U ovm radu ce se zbo uvrijezenosti
izraza limita detekcije (LOD) koristiti u daljnem tekstu, imajuci u vidu prethodno navedeno.
Dakle, (QA 56)limit detekcije (LOD) individualne analiticke procedure predstavlja najmanju
kolicinu analita u uzorku koja moze biti detektovana a koja ne mora biti kvantifikovana sa
prihvatljivom nesiurnoscu. (IUPAC COMPENDIUM. 1985) Limit detekcije izrazen kao
koncentracija c
L
ili velicina q
L
izvedena je iz najmanje koncentracije x
L
, koja moze biti
detektovana sa razumnom siurnoscu za datu analiticku proceduru. Kod te koncentracije
metoda ce indicirati prisustvo odredene kolicine analita, za navedeni nivo znacaja, ali ta kolicina
nece moci biti specificirana. Vrijednost x
L
data je jednacinom (xx):
=
+ s
bI
(ii)
dje je
srednja vrijednost rezultata dobijenih mjerenjem rastvora slijepe probe, s
bI
je
standardna devijacija tih mjerenja i je numericki factor izabran na osnovu zahtjevano nivoa
povjerenja. (QA 56) Za mnoe svrhe, potrebna je samo priblizna vrijednost limita detekcije i on
je izracunat koristenjem jednacine (ii) ili (oo). Ukoliko je omjer sinala i suma dobijen kao odziv
instrumenta potrebno a je prevesti u odovarajuce koncentracione jedinice:
H = s
bI
(ii)
H = or sJII I (oo)
(eurachem ) Ova aproksimacija je vjerovatno adekvatna tokom validacije metode jer daje
indikaciju koncentracije ispod koje detekcija postaje problematicna. (QA56)Ona indicira da
mjerni sinal za s
bI
puta veci od vrijednosti sinala slijepe probe uzorka moze poticati samo
od slijepe probe u manje od 5% mjerenja pa se zbo toa sa 95% pretpostavkom tvrdi da je taj
sinal posljedica prisustva analita koji se mjeri (mjerne velicine). Kada se ne moze upotrijebiti
rastvor slijepe probe, umjesto njea moze se uzeti rastvor koji sadrzi nisku koncentraciju
analita. Limit detekcije je posebno vazan u analizama traova, kada je potrebno odluciti da li je
kontaminant ispod ili iznad zakonski utvrdene ranice. dealno bi bilo, LOD izabrane metode
iznosi barem (najmanje) jednu desetinu koncentracije koja predstavlja zakonsku ranicu. Npr.
ako je zakonski utvrdena ranica za olovo u vodi sa slavine 50.00 L
1
upotrijebljena analiticka
metoda treba da bude u moucnosti izmjeriti prisustvo olova u koncentraciji do 5.0 L
1
.
(QA 87) LOD predstavlja minimalnu koncentraciju analita koja se moze detektovati sa
statistickom siurnoscu(povjerenjem), baziranoj na konceptu dovoljno nisko rizika neuspjeha
detekcije analita(determinanta). Samo je jedna vrijednost prikazana na slici xx ali postoje razliciti
nacini procjene vrijednosti LOD i izbor odovarajuce nacina zavisi od kvaliteta nivoa koji treba
definisati. (iupac 850) Bez o kakvom pristupu je rijec svi oni se baziraju na procjeni preciznosti
na ili blizu nulte koncentracije, ali jos nije sasvim jasno da li se ona treba odredivati u uslovima
ponovljivosti ili u druim uslovima odredivanja. Odreduje se ponovljanim analiziranjem slijepe
probe ili ispitne porcije koja sadrzi malu kolicinu analita. zmjereni sinal koji je tri puta veci od
standardne devijacije sinala slijepe probe ( s
bI
) se vjerovatno nece dooditi slucajno i obicno
se uzima kao pribliznom procjenom LOD. Ovakav pristup je obicno adekvatan ukoliko su svi
analiticki rezultati znatno iznad te vrijednosti. Upotrijebljena vrijednost s
bI
treba da predstavlja
standardnu devijaciju rezultata dobijenih iz veliko broja serije slijepih proba ili rastvora
spajkovanih niskim koncentracijama. Zatim, aproksimacija se jedino odnosi na rezultate koji
imaju normalnu distribuciju i koji su navedeni sa nivoo povjerenja od 95%. ndustrija vode
Velike Britanije koristi H = s
w
, dje je s
w
"unutarserijska standardna devijacija rezultata
za slijepu probu, i t je Studentov koeficijent koji se odnosi na statistiku za broj stepena slobode
dodijeljenih standardnoj devijaciji. To je Priblizno 4.65 s
w
i zahtjeva da se jedna korekcija slijepe
probe primjeni na odzive za ispitne uzorke iz jedne serije. LOD dobijen tokom validacionih
studija predstavlja indikaciju "svrsishodnosti metode. Treba a redovno provjeravati tokom
upotrebe metode kako bi se osiurali da nije doslo do kakvih sustinskih promjena.
Slika xxx. lustracija nekih kljucnih parametara performansi
Neki od nacina utvrdivanja limita detekcije prikazani su sledecim jednacinama:
H
1
=
3 x S
b
m
(xx)
H
2
=
3 x S
lc
m
(yy)
H
3
=
I
+
Ic
(ii)
H
=
sb
+
b
(oo)
dje je LOD detekcioni limit,
b
standardna devijacija slijepe probe,
Ic
standardna devijacija
najnize koncentracije, naib kalibracione krive,
sb
koncentracija slijepe probe, a
I
najniza
koncentracija analita u standardnom rastvoru.
(IUPAC 850 str) Medutim treba imati na umu da limit detekcije koji je utvrden tokom razvoja
metode, mozda nece biti identican konceptu ili numerickoj vrijednosti koji je koristen za
karakterizaciju kompletne analiticke metode. Na primjer, "instrumentalni limit detekcije, kako je
naveden u literature ili u brosurama instrumenta koji je koriovan za razblazenja, je cesto
znatno manji od "prakticno limita detekcije i nije prikladan za validaciju metode. (QA
87)Razlika izmedu limita detekcije instrumenta (LD) i limita detekcije metode (LDM) je u tome
na sta se oni odnose. LD je parametar instrumenta i predsatavlja najnizu koncentraciju analita
0
02
04
06
08
1
12
0 02 04 06 08 1 12 14 16
d
g
o
v
o
r
(
o
d
z
|
v
)
koncentrac|[a
LCC
8adno podruc[e
Llnearno podruc[e
LCu
koj rezultira pouzdanim odzivom na instrument. Ovo moze biti dobijeno mjerenjem cisto
analita. Za razliku od LD, LDM bazira se na mjerenju slijepe probe stvarno uzorka ili male
kolicine spajka koji je sproveden kroz sve faze metode. Jasno je, da je drui relevantniji ta
ispitne uzorke. LD moze takode biti odreden iz omjere sinala i suma; i i priblizno je tri puta veci
od to omjera.
Tabela xx Odzivi iz deset ponovljenih mjerenja za razlicite koncentracione nivoe
Koncentracija (
1
) Pozitivan/neativan
200
100
75
50
25
0
10/0
10/0
5/5
1/9
0/10
0/10
Za testove koji su dizajnirani za detektovanje prisustva ili odsustva analita (kvalitativna
mjerenja), ranicna koncentracija koja moze biti detektovana moze biti odredena ponovljanjem
mjerenja kroz raspon koncentracija. Takvi podaci mou posluziti za donosenje odluke o
koncentraciji pri kojoj je mouce napraviti razliku izmedu pouzdane detekcije i nedetekcije. Za
svaki koncentracijski nivo, moze biti neophodno napraviti izmjeriti priblizno deset ponavljanja
mjerenja. Ta odluka moze zavisiti od broja neativnih rezultata koji mou biti tolerisani. U tabeli
xx se to jasno vidi da za dati primjer pozitivna identifikacija analita nije pouzdana ispod 100
1
.
(Eurachem)Procedura za procjenu LOD
Limit detekcije (LOD)
Analiziraj
zracunaj iz dobijenih podataka
a) 10 nezavisnih slijepih proba uzorka svaka
izmjerena jedanput
ili
b) 10 nezavisnih slijepih proba uzorka koje su
oboacene sa najmanjom prihvatljivom
koncnetracijom i svaka je izmjerena po
jedanput
Standardnu devijaciju "s prema formuli za
oranicen broj mjerenja a) vrijednosti slijepih
proba uzorka, ili b) vrijednosti slijepih proba sa
uzorka standardnim dodatkom(fortified)
zrazi LOD kao koncentraciju analita na
odovarajuci nacin kao a) srednja vrijednost
slijepe probe uzorka + 3s ili b) 0 + 3s
Ovakav pristup pretpostavlja da sinal cija je vrijednost veca od 3s vrijednosti slijepe probe
uzorka moze jedino proizaci iz slijepe probe samo u mnoo manje od 1% vremena, pa je prema
tome velika vjerovatnoca da je taj sinal proistekao iz nece druo, kao sto je analit. Nacin a)
je jedino koristan tamo dje se standardna devijacija slijepe probe uzorka razlikuje od nule.
Dobijanje postojanje odovarajuce slijepe probe uzorka moze biti tesko.
c) 10 nezavisnih slijepih proba uzorka koje su
oboacene sa najmanjom prihvatljivom
koncnetracijom i svaka je izmjerena po
jedanput
Standardnu devijaciju, prema formuli za
oranicen broj mjerenja "s, vrijednosti slijepih
proba uzorka sa standardnim
dodatkom(fortified)
zrazi LOD kao koncentraciju analita kojoj
odovara vrijednost slijepe probe uzorka +
4.65s (proizilazi iz testirane hipoteze)
"Najmanja prihvatljiva koncentracija predstavlja najmanju koncentraciju za koju je mouce
postici odovarajuci stepen nesiurnosti.
Pretpostavka je da se tokom normalne prakse uzorak i slijepa proba odreduju odvojeno i
koriuju za slijepu probu oduzimanjem koncentracije analita koja odovara sinal slijepe probe
od koncnentracije koja odovara sinal uzorka.
Ukoliko je mjerenje izvedeno u uslovima ponovljivosti, ovo takode predstavlja mjeru preciznosti
u uslovima ponovljivosti.
(EC Direktiva za LOD o sprovodenju LOD navesti kasnije)
xxx Limit kvantifikacije (LOQ)
(QA 57)U nekim slucajevima, potrebno je razmotriti limit kvantifikacije, tamo dje je neophodno
ne samo detektovati prisustvo analita neo i odrediti prisutnu kolicinu analita sa prihvatljivom
statistickom siurnoscu. (eurachem 43) Limiti kvantifikacije predstavljaju karakteristike
performansi koje oznacavaju sposobnost hemijsko mjerno procesa da adekvatno
"kvantifikuje(izmjeri) analit. Ta sposobnost kvantifikovanja se eneralno izrazava u odnosu na
dobijeni sinal ili (stvarnu) vrijednost analita u uslovima kada je specificna standardna devijacija
(RSD), obicno 10%. Prema tome: H
, dje je H
kvantifikacioni limit,
standardna
devijacija za datu tacku,
=
sb
+
sb
(oo)
dje je LOQ limit kvantifikacije,
b
standardna devijacija slijepe probe,
Ic
standardna devijacija
najnize koncentracije, naib kalibracione krive,
sb
koncentracija slijepe probe, a
I
najniza
koncentracija analita u standardnom rastvoru. Loq je idikativna vrijednost i ne bi trebala biti
koristena pri odlucivanju.
Limit detekcije (LOD)
Analiziraj
zracunaj iz dobijenih podataka
a) 10 nezavisnih slijepih proba uzorka svaka
izmjerena jedanput
Nabavljanje stvarne slijepe probe uzorka
moze biti tesko
Standardnu devijaciju "s prema formuli za
oranicen broj mjerenja za vrijednosti slijepih
proba uzorka
zrazi LOQ kao koncentraciju analita koja
odovara vrijednosti slijepe probe uzorka plus
ili: i) 5s ii) 6s, iii) 10s
b) dodaj u alikvote slijepih proba uzorka
razlicite koncentracije analita LOD
Standardnu devijaciju "s vrijednosti svake
koncentracije analita. Plot s aainst
concentracion and put assin value to the LOQ
by inspection
Napravi za svaku koncentraciju 10 nezavisnih zrazi LOQ kao najmanju koncentraciju analita
ponavljanja mjerenja koja moze biti odredena sa prihvatljivim nivoom
nesiurnosti
Naravno LOQ predtsavlja dio studija za utvrdivanje radno podrucja. Ne treba se odredivati
ekstrapolacijom ispod najmanje koncentracije standardno dodatka slijepe probe
Ukoliko su mjerenja izvedena u uslovima ponovljivosti, mjera preciznosti u uslovima
ponovljivosti je takode dobijena za ovu koncentraciju.
(EC Direktiva) za LOQ
xxx Radno (mjerno) podrucje
(eurachem46) Prema definiciji radno podrucje predstavlja seriju vrijednosti mjerene velicine za
koju reska mjerno instrumenta lezi unutar specificiranih ranica. (eurachem 20) Za bilo koju
kvantitativnu metodu, neophodno je odrediti podrucje koncentracije analita ili vrijednosti osobine
unutar koje metoda se moze primjenjivati. Pomenuto podrucje odnosi se na podrucje
koncentracija ili vrijednosti osobina unutar rastvora koji se zapravo mjere radije neo na
podrucja u oriinalnom uzorku. Pri dnu koncnentracijsko podrucja limitirajuci faktori su
vrijednosti limita detekcije i/ili kvantifikacije. Na vrhu to koncentraciono podrucja limitirajuci
faktori ce biti nametnuti od strane razlicitih efekata ovisno od sistema odziva odovora
instrumenta. Evaluacija radno i linearno podrucja je korisnai u slucajevima planiranja stepena
potrebne kalibracije pri svakodnevnom koristenju metode. Preporucljivo je ispitati variranje koje
se javlja unutar radno podrucja. Unutar linearno podrucja, jedna kalibraciona tacka je
dovoljna, da bi se utvrdio naib kalibraciono pravca. Bilo dje drudje unutar radno podrucja
neophodno je vise kalibracionih tacaka ( vise od 6). Veza izmedu odziva instrumenta i
koncentracije nemora biti perfektno linearna da bi metoda bila efektivna ali kalibraciona kriva
treba biti ponovljiva iz dana u dan. Takode radno i linearno podrucje mou biti razliciti za
razlicite matrikse sto je u skladu sa efektima interferencija koji poticu iz matriksa. (QA 86)
Linearnost i radno podrucje metode se odreduju analiziranjem uzoraka sa razlicitom
koncentracijom analita i odredivanjem koncentraciono podrucja unutar koje su postinuta
prihvatljiva kalibraciona linearnost i mjerna nesiurnost. Kalibracioni odovor ne mora biti
perfektno linearan da bi metoda bila upotrebljiva. Ono sto je neophodno jeste jednacina koja
povezuje odziv sa koncentracijomsto je poznato kao kalibraciona funkcija. Dakle, radno
podrucje je reion dje rezultati imaju prihvatljivu nesiurnost i moze biti vece od linearno
podrucja. Donji kraj radno podrucja definisano je limitom kvantifikacije (LOQ) a ornji kraj
tackom u kojo je nedovoljna promjena odziva u odnosu na jedinicnu promjenu koncentracije kao
sto je prikazanao na Slicixxx.
xxx OsjetIjivost
(eurachem 49) Osjetljivost se definise kao promjena u odovoru (odzivu) mjerno instrumenta
podijeljena sa odovarajucom promjenom u pobudi. Pobuda moze biti npr. koncentracija
prisutno analita. ako se ova definicija jasno odnosi instrument ona takode moze biti
primjenjena in a analiticku metodu u cjelini, uzimajuci u ozir i drue faktore kao sto su efekti
koncentracionih koraka.(QA 86) Osjetljivost je, prema tome, mjera promjene odovora
instrumenta pri promjeni koncentracije. Ovo je bolje poznato kao naib kalibraciono rafika.
Dakle, sto je veca osjetljivost, to metoda ima vecu moucnost razlikovanja izmedu slicnih
koncentracija, obzirom da ce mala razlika u koncentraciji voditi do vecih razlika u posmatranom
odovoru.Osjetljivost se moze mijenjati sa koncentracijom, kao sto je prikazano na Slici 4.9, ali
za kalibracioni rafik se cesto moze ocekivati da bude linearan za sire koncentraciono podrucje.
Slika xxx prikaz osjetljivosti
xx Linearnost
(eurachem 43)Linearnost, prema definiciji, je mjera sposobnosti metode za dobijanje mjernih
rezultata(odovora) koji su proporcionalni koncentraciji analita koji se mjeri. Linearno podrucje
je, prema definiciji, podrucje koncentracija analita unutar koje metoda daje mjerne sinale koji
su proporcionalni koncentraciji analita. Linearnost moze biti utvrdena vizuelnim preledom
rafika zavisnosti mjerno sinala od koncentracije standarda, ili statistickim mjerama.
(QA88)Kvantitativna evaluacija linearnosti moze biti dobijena iz razlicitih statistika koje se
odnose na odabir linearne ili vece funkcije za podatke????. Pri uspostavljanju linearnosti
potrebno je vise standarda (i vise ponavljanja mjerenja svake koncentracije) neo sto je to
tipicno za kalibraciju validiranih metoda u normalnoj upotrebi. Medutim, treba imati na umu da
prilikom uspostavljanja linearnosti rastvori sa poznatom koncentracijom ne moraju biti nezavisni.
Linearnost treba da obuhvati podrucje na koje se odnosi metoda u smislu i kombinacije matriksa
i treba da obuhvati koncentraciono podrucje koje je vece od ocekivano podrucja za uzorke za,
npr, 20%.
Za pouzdanu studiju linearnosti:
O distribuiraj koncentracione vrijednosti (x) kalibracionih rastvora podjednako kroz
podrucje od interesa. Jedna ili dvije vrijednosti na krajevima to podrucja mou
uzrokovati savijanje kalibraciono pravca.
O analiziraj minimalno sest razlicitih koncentracionih nivoa (standardnih rastvora). zmjeri
ih metodom slucajno odabira slucajnim redoslijedom
O Napravi od dva do pet ponavljanja mjerenja za svaki kalibracioni standard.
Cdgovor slgnal
obuda koncenLracl[a
naglb pravca
odgoo
pobudu
O Osiuraj da odovori odzivi iz uzoraka budu blizu srednje vrijednosti odovora, ,
kalibraciono seta. Na ovaj nacin ce se smanjiti doprinos reske pri procjeni najmanjih
kvadrata reresione linije.
O Cisti(pure) materijali mou biti koristeni za procjenu linearnosti odovora instrumenta.
O CRMi odovarajuce matriksa ili spajkovani uzorci trebaju biti koristeni za za
odredivanje linearnosti metode.
O Utvrdi linearnost vizuelnom inspekcijom rafika sinal (instrumenta) u ovisnosti od
koncentracije.
Veoma je vazno utvrditi homoenost varijanse (homoscedasticity) metode za identifikovano
radno podrucje. To moze biti uradeno izvodenjem deset ponavljanja mjerenja na ekstremnim
krajevima to podrucja (najmanje i najvece koncentracije to podrucja). Varijansa ova dva seta
mjerenja je izracunata i izveden je statisticki test (F test) kako bi se provjerilo da li se te dvije
varijanse statisticki znatno razlikuju. Linearnost uvijek prvo treba procijeniti vizuelnim preledom
raficko prikaza podataka (kalibraciona rafik, npr. A = f(c)) a tek onda statistickim procjenom.
Linearnost odziva (odovora sinala) instrumenta treba uspostavljena jer bez te informacije
veoma je tesko adresirati uzroke nelinearnosti. Statisticke mjere potpore linearnosti ukljucuju
korelacioni koeficijent (r, r
2
, itd.), raficki prikaz rezidua, rezidualna standardna devijacija i
testovi znacajnosti za naib i odsjecak kalibraciono pravca. Treba imati na umu, da korelacioni
koeficijent, r, nije mjera linearnosti, on samo indicira obim odnosa izmedu zavisnih i nezavisno
promjenljivih velicina, odnosno odziva instrumenta i koncentracije analita. Linearnost metode
treba biti karakterizirana kako bi se ustanovio kalibracioni protokol za buducu upotrebu metode.
Vrlo je vazno sprovesti vizuelnu inspekciju rezidualno rafika, kako bi se provjerili trendovi
distribucije rezidua o odnosu na njihovu odovarajucu koncnentraciju???.
xxx Graficki prikaz rezidua (pIot of the residuaIs)
Vec je receno da je jedan od statistickih nacina procjene linearnosti i pomocu raficko prikaza
rezidua. Rezidue predstavljaju razliku izmedu izmjerene vrijednosti y
i
i vrijednosti y, izracunate
pomocu kalibracione jednacine = I +b isto mjerenja za svaku x vrijednost i matematicki se
predstavlja kao = (y
i
y). (JCR 28)raficki prikaz zavisnosti rezidua od odovarajucih
vrijednosti koncentracija (x) ili fitted value je mocan alat za potvrdivanje dvije pretpostavke a to
su linearnost i konstantnost rezidualne standardne devijacije. Ukoliko su ove dvije pretpostavke
potvrdene, tada taj rafik treba da prikaze nasumicno distribuirane tacke rasporedene oko nule
(kao sto je prikazano na Slici xx)
02
01
0
01
02
0 3 10 13 20 23
k
e
z
|
d
u
e
var|[ab|a x (koncentrac|[a)
Graf|ck| pr|kaz rez|dua
Slika xx: Dijaram rezidua.
Ukoliko model nije linearan, tada je mouce vidjeti uociti sistematski sablon izmedu rezidua i
vrijednosti koncentracija (kao sto je prikazano na Slici xx)
Slika xx: Dijaram rezidua
Departure from the assumption of constant residual standard deviation is indicated by
dispersion in the data that increases or decreases with the fitted value. Odstupanje od
pretpostavke o konstantnoj rezidualnoj standardnoj devijaciji indicirano je disperzijom vrijednosti
koje se povecavaju ili smanjuju sa fitted value. Ukoliko pretpostavka o konstantnoj rezidualnoj
standardnoj devijaciji nije potvrdena tada podaci skupljeni tokom kalibraciono eksperimenta
moraju biti ponovo analizirani.
(eurachem)
Radno i Linearno podrucje
Anliziraj
1. Slijepu probu i
referentne materijale
ili slijepe probe
uzorka u koje su
dodate razlicite
koncentracije analita
Potrebno je najmanje
6 koncentracija i
slijepa proba
2. Referentne
materijale ili slijepe
probe uzorka koje su
spajkovane sa
najmanje 6 razlicitih
ponavljanja
1
3
zracunaj iz podataka
Nacrtaj rafik zavisnosti mjerno
odovora (y osa) od
koncentracije analita (x osa)
Vizuelno preledaj rafik kako bi
priblizno identificirao linearno
podrucje i ornje i donje ranice
radno podrucja
zatim idi na 2.
Nacrtaj rafik zavisnosti mjerno
odovora (y osa) od
koncentracije analita (x osa).
Vizuelno utvrdi rube reske koje
mozda nisu obuhvacene
Komentari
dealno bi bilo da se
razlicite koncentracije
pripremaju nezavisno
a ne kao alikvoti
jedno isto lavno
rastvora
Na taj nacin ce se
dobiti vizuelna
potvrda da li je ili nije
radno podrucje
linearno
Ovaj korak je
neophodan za
ispitivanje radno
podrucja, za koje se
pretpostavlja da je
01
003
0
003
01
0 3 10 13 20 23 k
e
z
|
d
u
e
Var|[ab|a x (koncentrac|[a)
Graf|ck| pr|kaz rez|dua
koncentracija analita
unutar linearno
podrucja
3. sto kao i za LOQ
pod (b)
reresijom
zracunaj odovarajuci koeficijent
korelacije (reresije). zracunaj i
raficki predstavi rezidualne
vrijednosti (koje predstavljaju
razliku izmedu mjerene (actual) y
vrijednosti i y vrijednosti koja se
dobija iz kalibraciono pravca, za
svaku x vrijednost). Nasumicna
distribucija tih vrijednosti oko
pravca potvrduje linearnost.
Sistematski trendovi distribucije
indiciraju ne linearnost
zatim idi na 3.
sto kao i za LOQ
LOQ efektno formira donji kraj
radno podrucja
linearno i tamo dje
se namjerava koristiti
kalibracija pomocu
jedne tacke
Ukoliko je varijansa
ponavljanja
proporcionalna
koncentraciji tada za
proracun treba radije
koristiti weihted
reression neo non
weihted reression
U nekim okolnostima
bit ce bolje pokusati
uklopiti dobijene
podatke u nelinearnu
krivu. Vece od
kvadratnih funkcija se
ne preporucuju
Radi postepeno sa
nizim koncentrcijama
sve dok tacnost i
preciznost postanu
neprihvatljivi
xxx Mjerna nesigurnost
U ranijem pisanju je istaknuto da, mjerna nesiurnost, danas predstavlja kljucni indikator
"svrsishodnosti i pouzdanosti rezultata, koju treba odrediti i predstaviti na nacin koji je siroko
priznat, interno konzistentan i koji se lako interpretira. Odnosno nesiurnost je danas,
kvantitativna mjera kvaliteta mjerno rezultata koja mu omoucava da se uporedi sa druim
rezultatima, referencama, specifikacijama ili standardima. Vecina informacija potrebnih za
procjenu nesiurnosti mou se dobiti tokom validacije metode, a u nekim slucajevima sam
proces validacije predstavlja dio procesa procjene nesiurnosti. Zbo toa ce se mjernoj
nesiurnosti u ovom radu posvetiti malo veci znacaj.
xx Proces mjerenja
(QA 156)Opcenito, kada od se izvrsi bilo kakvo kvantitativno mjerenje dobijena vrijednost je
samo procjena stvarne vrijednosti mjerene velicine ili mjerene osobine. Postoje mnoi faktori
koji uticu da se dobijena i stvarna ("tacna) vrijednost mjereno svojstva ili velicine medusobno
razlikuju. To su sljedeci faktori, koji se ukratko mou izloziti kao:
nedostatak ili nesavrsenstvo mjerno instrumenta
nedostatak ili mana metode mjerenja
uticaji operatora
Bitno je istaci da puko dobijanje rezultata neko kvantitativno hemijsko mjerenja ne
predstavlja svrhu ili cilj samo mjerenja. Svaki rezultat ima svoju cijenu pa prema tome i svoju
svrhu. Bez obzira na razlo njeovo dobijanja, rezultat hemijsko mjerenja ima odredenu
vaznost, jer su mnoe odluke cesto zasnovane ili su posljedica dobijeno rezultata mjerenja. Te
odluke mou znatno da uticu na zdravlje i sudbinu miliona ljudi. Pored navedeno
liberalizacijom svjetske trovine tezi se ka tome da se izbjene ponavljanje analiziranja
proizvoda koji prelaze nacionalne (drzavne) ranice. To znaci da bi kvantitativni analiticki
rezultati trebali biti prihvatljivi za sve potencijalne korisnike bez obzira da li se oni nalaze unutar
ili izvan oranizacije ili zemlje koja je dobila te rezultate. Medutim, loicno je da su potrebni
odredeni indikatori kvaliteta kako bi se osiurala ta prihvatljivost i pouzdanost rezultata
hemijsko mjerenja. Takvi indikatori moraju ispuniti sljedece kriterije, a to su:
univerzalna primjenljivost
konzistentnost
kvantitativnost
i znacenje koje je jasno i nedvosmisleno
ndikator koji zadovoljava ore navedene kriterije je mjerna nesiurnost.
xxx Definicija nesigurnosti
(VIM 2008, str 25) Nesiurnost se definise kao parametar, koji karakterizira rasipanje vrijednosti
koje bi iz opravdanih razloa mole biti pripisane mjerenoj velicini, bazirano na upotrijebljenim
informacijama. Taj parametar moze biti npr. standardna devijacija, nazvana kao standardna
mjerna nesiurnost.(QUAM str4) U opstoj upotrebi, termin nesiurnost odnosi se na opsti
koncept sumnje. Prema tome, nesiurnost se odnosi, ili na parametar predstavljen u definiciji, ili
na nase limitirano (oraniceno) znanje o stvarnoj vrijednosti mjerene velicine. Nesiurnost
rezultata mjerenja, ni u kom slucaju se ne odnosi na smanjenje validnosti ili kvaliteta to
mjerenja, neo naprotiv, poznavanje nesiurnosti doprinosi povecanju povjerenja u validnost ili
kvalitet mjerno rezultata. (QA 157) Dakle, kao sto se i da naslutiti iz definicije, nesiurnost je
parametar koji karakterizira podrucje ili raspon vrijednosti, unutar koje se ocekuje da se nalazi
stvarna vrijednost mjerene velicine. To znaci, da rezultat neko kvantitativno mjerenja, nije
ispravno predstaviti samo jednom vrijednoscu npr. pH = 3.7, zbo toa sto ce uvijek postojati
odredena sumnja u vezi sa mjerenom vrijednoscu. Jednostavno, ne mozemo biti siurni da ta
jedna vrijednost, dobijena na kraju mjerno procesa je zapravo i stvarna vrijednost mjerene
velicine. Ali zato mozemo imati vise povjerenja u dobijeni rezultat, ako kazemo da je on samo
procjena stvarne vrijednosti, jer je to znatno blaza tvrdnja. Naravno, jednostavno smanjenje
pouzdanosti rezultata na ovaj nacin, nece biti od neke narocite koristi za korisnike to rezultata.
Potencijalno korisnika dobijeno rezultata svakako zanima stvarna vrijednost mjerene velicine.
Medutim, stvarna vrijednost je hipoteticki koncept obzirom da se ona ne moze izmjeriti. U tom
slucaju najbolje sto mozemo uciniti, jeste da prikazemo podrucje vrijednosti, ciji je centar nasa
procijena stvarne vrijednosti i izjava, sa navedenim nivoom statisticko povjerenja, da se
stvarna vrijednost mjerene velicine nalazi nedje unutar to podrucja. Zapravo, sustina mjerne
nesiurnosti je upravo u odredivanju navedeno podrucja (intervala) moucih vrijednosti
(poledati prosirenu nesiurnost na strani xx).
xx Greska i Nesigurnost
(QA 157)Nesiurnost i reska su dva razlicita koncepta ili pojma koja ne bi trebalo mijesati.
Dakle, reska se moze definisati kao razlika izmedu dobijeno individualno rezultata i stvarne
vrijednosti mjerene velicine. Obzirom da stvarnu vrijednost nije mouce odrediti, slijedi, iz
navedene definicije da i resku takode nije mouce tacno utvrditi. Zbo toa bi se navedena
definicija reske mola preformulisati i definisati na sljedeci nacin: kao razlika izmedu dobijene i
referentne vrijednosti mjerene velicine(VIM 22). (QUAM 5)Kao takva, reska predstavlja jednu
numericku vrijednost. U principu kada je poznata vrijednost reske ona moze posluziti za
korekciju dobijeno mjerno rezultata. Medutim, vrijednost nesiurnosti, nikada ne moze
posluziti za korekciju dobijeno rezultata. Zbo toa, nesiurnost rezultata mjerenja nikada ne
bi trebala biti interpretirana kao reska ili kao reska nastala nakon korekcije. reske se obicno
klasificiraju na slucajne (neodredene) i sistematske (odredene). (VIM 23)Slucajna reska se
definise kao komponenta mjerne reske, koja u ponovljenom mjerenju varira na nepredviden
nacin. (QA 158)Slucajna reska nastaje dakle, kao rezultat promjene odredenih nepoznatih
faktora koji uticu na vrijednost mjerene velicine, a koji su izvan kontrole osobe koja izvodi
mjerenje (kao sto je npr. vanjska temperatura). Ovaj tip reske, ciji uzroci nisu tacno poznati,
dovode do toa da rezultat varira na nepredviden nacin od jedno do druo mjerenja. Prema
tome, nije mouce ispraviti dobijeni individualni rezultat slucajnom reskom, ali na svu srecu
one su obicno male i pokoravaju se zakonu vjerovatnoce. Zbo toa slucajnu resku analiticko
rezultata nije mouce kompenzovati, ali zato obicno ona moze biti smanjena (redukovana)
povecanjem broja mjerenja i racunanjem srednje vrijednosti to mjerenja. (QUAM 5)Treba
istaci da eksperimentalna standardna devijacija aritmeticke srednje vrijednosti ili srednje
vrijednosti serija mjerenja, nije slucajna reska srednje vrijednosti, iako je tako prikazana u
nekim publikacijama o nesiurnosti. Ona je, umjesto toa, mjera nesiurnosti srednje
vrijednosti, koja je posljedica nekih slucajnih efekata. Tacna vrijednost slucajne reske, koja
proizilazi iz ovih efekata, u srednjoj vrijednosti ne moze biti poznata. (VIM 22)Sistematska
reska je takode prema definiciji komponenta mjerne reske koja u ponovljenim mjerenjima
ostaje konstanta ili se mijenja na predviden nacin. (QA 158)Ovaj tip reske, moze se objasniti
odredenim uzrocima, pa se prema tome njihova pojava u mnoim slucajevima moze predvidjeti,
a njihova velicina (u principu, ako ne i uvijek u praksi) mjeriti i uzeti u obzir uvodenjem
odovarajuce korekcije. Ona se razlikuje od slucajne reske u tome sto ne moze biti
redukovana povecanjem broja mjerenja pri konstantnim mjernim uslovima. Vec smo rekli da je
sistematsku resku mouce ispraviti (ukloniti) ukoliko se otkrije, ali ta korekcija nece biti u
potpunosti tacna (precizna) jer ce zasiurno uvijek postojati odredena nesiurnost o stvarnoj
vrijednosti sistematske reske. Npr., u analitickoj hemiji cesto koristimo slijepu probu da bi
procijenili uticaj reaenasa na mjerni odovor, kada je utvrdeno prisustvo analita. zmjerena
vrijednost slijepe probe je oduzeta od vrijednosti za uzorak i standard prije neo sto je konacni
rezultat izracunat. Da ne oduzimamo (ili uzimamo u obzir) vrijednost slijepe probe
(pretpostavljajuci da je razlicita od nule) od rezultata izvedeno mjerenja, tada bi sistematska
reska bila uvedena u nas krajnji rezultat. (QUAM 5)Konstantne sistematske reske, kao sto su
nemoucnost da se napravi odovarajuca slijepa proba ili neprecizno napravljeni standardni
rastvori tokom vise tackaste kalibracije instrumenata, su konstantni za odredeni nivo mjerene
vrijednosti, ali mou varirati ovisno o vrijednosti mjerene velicine. Efekti koji se sistematski
mijenjaju tokom analize, uzrokovani npr. neadekvatnom kontrolom eksperimentalnih uslova,
doprinose povecanju sistematskih resaka koje nisu konstantne. (QA 158)Zbo toa dje je
od sistematska reska prepoznata ili moze biti izracunata ona treba biti koriovana u odnosu
na krajnji rezultat. Bilo kakva korekcija koju napravimo, kako smo vec rekli, vrlo je malo
vjerovatno da je tacna, pa je zbo toa potrebno napraviti procjenu u kolikoj mjeri bi ta nasa
korekcija mola biti poresna. Ta procjena treba biti ukljucena u izracunavanje nesiurnosti.
Slika xxx. ilustruje razliku izmedu navedena dva tipa reski, koristenjem primjera o kolicini
ispustene tecnosti iz pipete od 25 ml klase A.
Slika xxx. lustracija razlike izmedu slicajnih i sistematskih reski, koja je prikazana na primjeru
o kolicini ispustene tecnosti iz pipete od 25 mL klase A.
Na pipeti je naveden volumen od 25 mL. Medutim, zahvaljujuci primjenjenom procesu
proizvodnje, utvrdeno je da stvarni volumen tecnosti kada je pipeta napunjena do kalibracione
oznake (inorisuci bilo kakve slucajne reske) iznosi 25.02 mL. Ta vrijednost je unutar
dozvoljeno podrucja tolerancije za pipetu klase A od 25 ml (koja iznosi 0.03 mL prema BS
1583:1986). Ovo je sistematska reska, s obzirom da ce volumen tecnosti ispustene iz pipete
uvijek biti veci za 0.02 mL u odnosu na naznaceni volumen, svaki put kad se pipeta koristi.
Pored toa, svaki put kada analiticar koristi pipetu, tacna pozicija meniskusa u odnosu na
klaibracionu liniju (oznaku) ce neznatno varirati. Ovo je slucajna reska, obzirom da ce pozicija
meniskusa varirati na nepredviden nacin. To je ilustrovano na Slici xxx malim promjenama u
poziciji meniskusa iz jedno eksperimenta u drui. Prisustvo obje ove vrste reski znaci da ce
volumen ispustene tecnosti iz pipete neznatno varirati pri svakoj njenoj upotrebi. To nas dovodi
do nesiurnosti u volumenu ispustene tecnosti pipetom. U svakom mjernom procesu, mouce je
primjetiti vise od jedno slucaja svako tipa reske. Zbo toa su reske nedovoljne za
opisivanje kvaliteta mjerno rezultata. Mjerna nesiurnost, u druu ruku, kombinira sve efekte
razlicitih faktora koji mou uticati na mjerni rezultat, u jedno podrucje vrijednosti.
xxx Proces procjene mjerne nesigurnosti rezuItata mjerenja
(QA 162)Kao sto smo i rekli u ranijem pisanju, rezultat mjerenja nije kompletan (potpun) ukoliko
tom rezultatu nije pridruzena odovarajuca mjerna nesiurnost. U bilo kojoj mjernoj proceduri,
postoji odredeni broj operacija koje povecavaju (doprinose) ili uticu na nesiurnost. Nesiurnost
se pojavljuje kao posljedica prisustva obje vrste reski, i slucajne i sistematske. Da bi prikazali
vrijednost nesiurnosti, koja je pridruzena rezultatu, potrebno je identificirati sve mouce izvore
nesiurnosti, odrediti njihovu velicinu (ili uticaj), a zatim ih kombinovati (medusobno povezati)
kako bi dobili jednu vrijednost u kojoj su sadrzani uticaji svih znacajnih izvora reske. Postupak
(proces) procijene nesiurnosti mjerenja moze, u skladu s tim, biti podijeljen na cetiri dijela:
specifikacija mjerne veIicine, identifikacija izvora nesigurnosti, kvantifikacija
kallbraclona
oznaka 2302 ml
kspetlmeot 1
menlskus lspod llnl[e
kspetlmeot 2
meolskos lzooJ llolje
kspetlmeot J
menlskus na llnl[l
komponenata nesigurnosti i racunanje kombinovane standardne nesigurnosti. Jasno je
da ce se pojedini dijelovi ovo procesa, kao sto su specifikacija mjerne velicine i identifikacija
izvora nesiurnosti, medusobno razlikovati, ovisno o vrsti analiticko problema, ali zbo
objektivne nemoucnosti, i same teme ovo rada sve te razlike nece biti razmatrane. Zbo toa,
ce se za razmatranje navedenih dijelova procesa procjene mjerne nesiurnosti pored opste
pristupa, kao primjer, koristiti i analiticki problem koji se odnosi na temu rada, tj. sadrzaj
ukupno zeljeza u uzorku cesticne tvari zraka.
xxx.Specifikacija mjerne veIicine
(QA 162)Da bi nesiurnost bila pravilno utvrdena potrebno je postaviti odovarajuci "model
jednacine koji na adekvatan nacin opisuje metodu analize. Polazna osnova jeste jednacina
koja se koristi za racunanje krajnje rezultata. (GUM 8) U mnoim slucajevima, mjerni
parametar (krajnji rezultat) Y, ne mjeri se direktno, vec se odreduje iz N druih parametara X1,
X2, ., X
N
preko funkcionalno odnosa :
I = (X
1
, X
2
, ., X
N
) (iii)
funkcija modela 1 prikazuje mjerni postupak i metodu odredivanja vrijednosti izlazne velicine.
Sada mozemo reci da je model mjerne procedure, zapravo funkcionalni odnos izmedu ulaznih
parametara( X
N
) i izlazno parametra ili mjerene velicine (Y). Vrijednost parametra Y, dobijena
pomocu Jednacine (iii) koristenjem vrijednosti ulaznih x1, x2, ., xN, N parametara X1, X2, .,
Xn, obiljezava se sa y. Prema tome, vrijednost izlazno parametra y, koji ujedno predstavlja i
rezultat mjerenja dat je izrazom:
= (, , ., ) (ii)
Model mjerne procedure je dakle, jednacina koju koristimo za racunanje rezultata y. Ulazni
parametri (X
N
) mou biti parametri cije su vrijednosti i nesiurnost direktno odredeni mjerenjem
(procjena Tipa A, statisticka analiza serije mjerenja) ili su preuzeti iz mjerenja iz vanjskih izvora
(procjena Tipa B, prethodni eksperimenti, literaturni podaci, informacije od proizvodaca i dr.).
Naravno, sve ce biti puno jasnije kada svaki od ovih koraka procesa procjene nesiurnosti,
prikazemo na konkretnom primjeru analiticko problema. Taj problem u ovom slucaju ce biti,
kako je vec receno, sadrzaj ukupno zeljeza (Fe) u uzorku cesticne tvari zraka (kompletna
mjerna procedura nalazi se u eksperimentalnom dijelu ovo rada, na strani xx, pod stavkom xx).
Dakle, mjerni model jednacine, prema kojem se racuna krajni rezultat, za navedeni analiticki
problem bi bio:
Fc
=
(c
1
x V
1
x I
1
)-(c
2
x V
2
x I
2
)
m
2
-m
1
g g
-1
(12)
dje je
Fc
, sadrzaj ukupno zeljeza u uzorku cesticne tvari zraka (g g
-1
), c
1
, je koncentracija
Fe u uzorku cesticne tvari zraka ocitana sa kalibracione krive (g L
-1
), v
1
je volumen odmjerno
suda u kojem je bio rastvor uzorka cesticne tvari iz koje je vrseno ocitavanje koncentracije
analita na instrumentu (L), f
1
je faktor razblazenja uzorka, bez jedinice, koji iznosi 100 (50
mL/0.5 mL), c
2
je koncentracija slijepe probe metode koja je ocitana sa iste kalibracione krive
(g L
-1
), a koja se oduzima od c
1
kako bi se dobila vrijednost koncentracije koja se odnosi samo
na zeljezo, v
2
je volumen odmjerno suda u kojem je bio rastvor slijepe probe metode iz koje
je vrseno ocitavanje koncentracije na instrumentu (L), f
2
je faktor razblazenja uzorka, bez
jedinice, koji iznosi 100 (50 mL/0.5 mL), m
1
je masa prazno filter papira (), m
2
je masa filter
papira sa uzorkom cesticne tvari (). Za pocetak treba razmotriti nesiurnost parametara koji se
pojavljuju u datoj jednacini. Ne treba iskljuciti moucnost prosirenja te jednacine kako bi se uzeli
u obzir i ostali parametri koji mou uticati na finalni rezultat i koji takode doprinose mjernoj
nesiurnosti. Takoder je neophodno imati dobro razumijevanje analita ili osobine koja se
odreduje. Npr. analiticar odreduje sadrzaj olova prisutno u boji koja se nalazi na irackama.
Jedna moucnost je da se u tom slucaju za odredivanje olova koristi metoda kojom se odreduje
ukupan sadrzaj prisutno olova. Drua opcija jeste da je analiticar zainteresovan samo za
kolicinu olova koja se oslobodi iz uzorka boje uzeto sa iracke, kada se taj uzorak podvrne
ekstrakciji sa smjesom kiselina koje simuliraju zelucani sadrzaj. U oba slucaja krajnji ishod
mjerenja je isti, a to je koncentracija olova u rastvoru. Medutim dobijeni rezultat ove dvije vrste
analize veoma ce se razlikovati. U prvom slucaju uzorak je diestiran sa jakim kiselinama
usljed cea bi svo prisutno olovo trebalo biti rastvoreno. U druom slucaju ocekujemo da taj
rezultat za olovo bude nizi jer se metoda odnosi na procjenu kolicine olova koje se oslobodi
pod odredenim uslovima. Drua opcija ore navedene metode ponekad se naziva i empirijska
metoda. To je metoda u kojoj je dobijeni rezultat u potpunosti ovisan o vrsti analiticke metodi. U
ore navedenom primjeru, ukoliko se promjeni koncentracija kiseline koja simulira zelucani
sadrzaj ili se promjene uslovi ekstrakcije, tada se i rezultat mijenja. Pri procjeni nesiurnosti,
veoma je vazno razumjeti razliku izmedu empirijskih i neempirijskih metoda, jer od te razlike
zavisi nacin procjene nesiurnosti. U slucaju neempirijkih metoda bilo kakav bias rezultata koji
je posljedica metode analize ili npr. specificne vrste analita, treba uzeti u obzir kao dio procesa
procjene nesiurnosti. Ako kao primjer uzmemo metodu kojom se odreduje ukupna kolicina
kadmijuma u tlu, ali se iz neko razloa ekstrahuje samo 90% kadmijuma prisutno u tlu, tada
taj 10% bias treba uzeti u obzir pri procijeni nesiurnosti. Jedan od nacina na koji bi se to molo
postici bila bi korekcija rezultata za pomenuti dobijeni bias. Medutim, ta korekcija bi imala svoju
nesiurnost a pored toa bi postojala i nesiurnost pri odredivanju biasa. Za empirijske metode
bias je prema definiciji jednak nuli (metoda odreduje vrijednost dobijeno rezultata). No bez
obzira, kada utvrdujemo nesiurnost rezultata dobijeno empirijskom metodom, i u tom slucaju
je potrebno uzeti u obzir nesiurnost koja je sastavni dio biasa utvrdeno u laboratoriji tokom
primjene metode. Drui nacin, je da se analizira referentni materijal koji je okarakteriziran istom
empirijskom metodom. Ukoliko ne postoji odovarajuci referentni materijal tada mora biti
odredena svaka vrsta biasa karakteristicna za svaki korak metode koja se primjenjuje u datoj
laboratoriji.
xxx Identifikacija izvora nesigurnosti
(QA163)Sljedeci korak u procesu procjene nesiurnosti, jeste pisanje liste na kojoj su
identificirani svi mouci izvori nesiurnosti mjerne procedure. U ovom koraku nije bitan njihov
kvantitativni doprinos. Neki od identificiranih izvora u ovoj fazi mou se pokazati beznacajnim,
ali to ce u potpunosti biti objasnjeno u narednom koraku procesa procjene nesiurnosti. Da bi
se u odredenoj metodi identificirali izvori nesiurnosti od pomoci mou biti i dijarami toka
(poznati i kao cause and effect dijarami i dijarami u vidu "riblje kosti) u kojem su predstavljeni
koraci metode. Na taj je nacin mouce identificirati izvore nesiurnosti povezane sa svakim
korakom. (QUAM 13) Prilikom formiranja navedene liste izvora nesiurnosti pozeljno je
startovati od osnovno izraza za racunanje mjerene velicine. Svi parametri u tom izrazu mou
imati nesiurnost kao sastavni dio njihove vrijednosti pa se stoa mou smatrati potencijalnim
izvorima nesiurnosti. Takoder mou postojati i drui parametri koji se eksplicitno ne pojavljuju
u izrazu za proracun vrijednosti mjerene velicine, a koji ipak uticu na mjerni rezultat, kao sto su
npr., vrijeme ekstrakcije ili temperatura. Oni su takode potencijalni izvori nesiurnosti. Pomenuti
dijarami su veoma poodan nacin predstavljanja izvora nesiurnosti, koji pokazuju medusobni
odnos izvora nesiurnosti i njihov uticaj na nesiurnost rezultata. Takode pomazu i da se
izbjene dupliciranje izvora. ako se lista nesiurnosti moze prikazati i na drui nacin ovi
dijarami se danas koriste u znacajnoj mjeri. Jedan takav dijaram, koji se odnosi na opsti
slucaj prikazan je na Slici xxx.
Slika xxx: Opsti primjer dijarama toka najznacajnijih komponeneata mjerne nesiurnosti
Kada je sastavljena lista izvora nesiurnosti, njihov uticaj na rezultat u principu moze biti
predstavljen kao formalni mjerni model, u kojem je svaki uticaj povezan sa parametrom ili
promjenljivom u jednacini. Tada ta jednacina predstavlja kompletan (potpun) model mjerno
procesa u uslovima kada su svi individualni faktori koji uticu na rezultat uzeti u obzir. Ova
funkcija moze biti veoma komplikovana i mozda nece postojati moucnost njeno eksplicitno
predstavljanja. Medutim, tamo dje je od to mouce, to treba biti uradeno, jer ce napisani izraz
odrediti nacin kombinovanja individualnih izvora (doprinosa) nesiurnosti. Takoder korisno
moze biti i posmatranje mjerne procedure kao serije odvojenih operacija, dje se svakoj moze
pristupiti zasebno, da bi se dobila ili procijenila nesiurnost vezana za njih. Ovo je posebno
koristan pristup kada slicne mjerne procedure dijele pojedine zajednicke operacije. U tom
slucaju nesiurnost svake operacije predstavlja doprinos ukupnoj nesiurnosti. U praksi
analiticko mjerenja, mnoo je uobicajenije razmatrati nesiurnost povezanu sa elementima
lobalnih ili sveukupnih performansi metode, kao sto su mjerna preciznost i bias mjereni u
odnosu na odovarajuci referentni materijal. Ovi doprinosi, eneralno predstavljaju najvaznije
doprinose pri procjeni nesiurnosti i najbolje se odreduju kada se odvojeno analizira njihov
uticaj na rezultat. Drui izvori koji doprinose nesiurnosti tada se analiziraju samo da bi se
provjerio njihov znacaj, a kvantificiraju se samo oni koji su znacajni. Tipicni izvori nesiurnosti
su:
(QA 164)xx Uzorkovanje
Ako uzorkovanje predstavlja dio specificnosti u prvom koraku procesa procjene (uzorkovanje i
analiza su provedeni u istoj laboratoriji), tada nesiurnost povezana sa varijacijama
izmedu razlicitih uzoraka ili bilo kakav bias u proceduri uzorkovanja treba uzeti u obzir. Ako
laboratorija analizira uzorke odmah nakon prijema, onda uticaji uzorkovanja, koje je izvedeno
izvan laboratorije ne moraju biti uzeti u obzir. Medutim, nesiurnost povezana sa bilo kojim
uzorkovanjem koje se vrsi u laboratoriji da bi se dobili ispitni uzorci koji ce se analizirati, treba
uzeti u obzir.
xx Efekti uzorka
Na izdvajanje analita (rikaveri analita) iz kompleksno matriksa mou uticati drue komponente
matriksa. Homoenost uzorka ce takode uticati na rezultat, a to je povezano sa ore opisanim
uzorkovanjem. Fizicki ili hemijski oblik analita moze dovesti do netacno rezultata, npr. jedan
element moze postojati u vise od jedno oksidacijsko stanja u uzorku i na osnovu toa nece u
potpunosti biti odreden metodom koja zahtjeva samo jedno odredeno oksidacijsko stanje.
Uzorak i/ili analiti mou biti nestabilni uzrokujuci promjene u sastavu uzorka tokom izvodenja
analize.
xx UsIovi cuvanja (skIadistenja)
Ako se uzorci cuvaju odredeni period do pocetka analize, uslovi cuvanja mou uticati na
rezultat. Prema tome, uslove kao i vrijeme skladistenja treba uzeti u obzir kao mouce izvore
nesiurnosti.
xx Uticaj instrumenta/opreme
Primjeri ukljucuju kalibraciju i preciznost analiticko sistema, zatim specificnu tolerantnost
volumetrijsko posuda i reulator temperature koji odrzava trazenu temperature koja se
razlikuje (unutar navedene specifikacije) od prikazane vrijednosti temperature.
xx Cistoca reagenasa
Cistoca mnoih reaenasa je specificirana od strane proizvodaca kao, ne ispod navedene
specificirane vrijednosti. Bilo kakva sumnja u navedeni nivo cistoce doprinosi nesiurnosti.
Takode je bitna i vrsta prisutnih necistoca. Cistoca supstance kao sto je CRM imaju prikazanu
vrijednost cistoce zajedno sa odredenom nesiurnoscu koja se odnosi na tu vrijednost.
xx Mjerni usIovi
Ako vanjski uslovi (temp. i vlaznost) imaju znacajni uticaj na mjerni rezultat tada je potrebno
posvetiti posebno paznju na kontroliranje tih uslova tamo dje je to mouce. zvor nesiurnosti
predstavlja i ocitanje vrijednosti volumena sa volumetrijsko posuda na temperaturama
razlicitim od onih na kojima je to posude kalibrisano. Tu cinjenicu moramo uzeti u obzir pri
procjeni nesiurnosti mjerno volumena koristeci volumetrijsko posude.
xx Efekti pripreme uzorka
Mnoe metode zahtjevaju odredeni tretman uzorka prije determinacije analita. To su npr.
susenje, mljevenje ili mjesanje, ekstrakcija i diestija uzorka. Promjena uslova u kojima se ove
operacije odvijaju (npr. temperatura, ekstrakcija i vrijeme, sastav rastvaraca i dr.) mou uticati
na krajnji rezultat.
xx Uticaj operatora
Analiticar moze uporno poresno ocitavati neku mjernu skalu, zatim ce skoro uvijek postojati
razlicita tumacenja ili procjene npr. zavrsne tacke titracije.
(QUAM 15) xx Efekti racunanja
zbor modela kalibracije uticace na rezultat. Npr. koristenjem podataka koji ne daju dobar
kalibracioni pravac rezultirace dobijanjem vrijednosti sa kalibraciono pravca koje imaju vecu
nesiurnost. Skracivanje i zaokruzivanje pri racunanju takode mou voditi ka netacnom
finalnom rezultatu.
xx SIucajni efekti (uticaji)
Slucajni uticaji doprinose nesiurnosti u svim mjernim procedurama. Prema tome slucajne
uticaje treba uvijek ukljuciti u listu izvora nesiurnosti. Pretpostavljena (napisana) stehiometrija,
dje se pretpostavlja da jedan analiticki proces slijedi odredenu stehiometriju, moze se desiti da
se konstatuje odstupanje od predvidene stehiometrije usljed nekompletne reakcije ili nezeljenih
reakcija.
xx Korekcija sIijepom probom
Postojace odredena nesiurnost kako za dobijenu vrijednost tako i za korekciju odovarajucom
slijepom probom. Ovo je narocito vazno u analizi traova (ili vrlo niskih koncentracija).
(QA 165)Pomenuta lista izvora nesiurnosti treba u svom sastavu imati neke od stavki ore
nabrojanih, ali je mouce identificirati i drue izvore nesiurnosti. Ne smije se zaboraviti, da se
nesiurnost ne odnosi na resku. Krajnja namjera odredivanja (procjene) nesiurnosti jeste da
se prikazu varijacije u rezultatu kada je metoda ispravno interpretirana i statisticki kontrolirana.
U listu izvora nesiurnosti ne treba ukljuciti bilo kakve velike reske kao sto su kontaminacija
uzorka, reske u racunanju ili reske nastale usljed nepravilno interpretiranja i provodenja
standardnih operacija procedure od strane analiticara. Ako bi sada, imajuci u vidu sve
navedeno, razmatrali jednacinu (12), identificirali bi sljedece izvore nesiurnosti (odovarajuci
dijaram toka prikazan je u eksperimentalnom dijelu ovo rada na strani xxx pod stavkom xx):
xx KaIibraciona kriva
Kalibracija je proces uspostavljana odnosa izmedu sinala instrumenta koji mjerimo i poznate
kolicine analita. Uzorci sa poznatom kolicinom analita upotrijebljeni za uspostavljanje sinal
koncentracijsko odnosa nazivaju se "kalibracioni standardi". Proces konstrukcije kalibracione
krive pocinje pripremom i mjerenjem kalibracionih standarda sa odovarajucim rasponom
koncentracije analita. Vrijednosti mjerno sinala svako standarda, koji zavisi od koncentracije
analita, mou se upotrijebiti za raficki prikaz te zavisnosti, y = f (x), linijskim spajanjem serije
tacaka (x
i
, y
i
) dje je x
i
koncentracija ili kolicina analita u standardima a y
i
je mjerni sinal
svako standarda. Kada se uspostavi ovaj odnos koji se naziva kalibraciona kriva (pravac)
mouce je izracunati koncentraciju analita u nepoznatom uzorku, mjerenjem njeovo sinala.
Kalibraciona kriva predstavlja, dakle empirijsku jednacinu koja povezuje odziv (sinal)
specificno instrumenta sa odredenom koncentracijom analita u uzorku odredeno matriksa
(hemijsko okruzenja uzorka). Pravilno konstruisana kalibraciona kriva je neophodna da bi se
enerirali pouzdani rezultati. Svaki instrument koji se koristi u hemijskoj analizi karakterizuje se
tom specificnom funkcijom odziva, a to je, kako smo vec rekli, zapravo jednacina koja povezuje
izlazni sinal instrumenta (y) sa ulaznim sinalom, u ovom slucaju koncentracijom analita (x).
Ova funkcija odziva ili odovora instrumenta u zavisnosti od koncentracije analita moze biti
linearna, loaritamska, eksponencijalna, ili bilo koje druo odovarajuce matematicko
oblika, ovisno o prirodi ponasanja sistema koji se mjeri, i samo procesa mjerenja. Neki
uobicajeni primjeri navedeni su u nastavku:
Vrsta kalibracione krive Jednacina
Linearna (bez odsjecka na yosi) y = a x
Linearna (sa odsjeckom na yosi) y = a x + b
Loaritamske y = b + a ln x ili y = b + 2.303 a lo x
Dok su ove stvari mozda teoretski poznate, postoje razliciti faktori (kao sto su specificnost
analita koji se mjeri, smetnje ili interferencije sa ostalim komponentama matriksa uzorka, ili
slucajne eksperimentalne reske) koji zahtijevaju da se kalibrira svaki instrument za odredenu
vrstu analita i uvjete mjerenja koji ce se koristiti u odredenom eksperimentu. Analiticki metod ili
instrument se cesto kalibrise, mjerenjem odziva instrumenta, y, u odnosu na razlicite
koncentracije (kolicine) analita, x. U vecini slucajeva taj odnos je linearan i predstavlja se
jednacinom:
= I +b (ii)
Ovaj kalibracijski pravac se zatim koristi za odredivanje koncentracije analita (x) iz uzorka koji
daje mjereni odziv (y)
prema jednacini :
=
(-b)
u
(ii)
dje parametri u jednacini imaju uobicajeno znacenje i dati su unastavku. Obzirom da je
najcesca funkcija odziva sinala u instrumentalnoj analitickoj hemiji linearna, potrebni su
odredeni kriteriji za utvrdivanje i kvalifikovanje najoptimalnije prave linije koja prolazi kroz
kalibracione tacke. Prvi korak u tom procesu jeste provjera linearnosti kalibraciono rafika,
odnosno da li y i x varijable linearno koreliraju. Prije raspravljanja o tome, treba imati na umu da
cak i kada ocekujemo linearnu funkciju odziva instrumenta, ne smijemo pretpostaviti da
kalibracioni podaci uvijek moraju biti linearni.(stat 110) Uobicajena metoda procjene pasovanja
eksperimentalnih tacaka pravoj liniji odnosno linearnosti je racunanjem trenutno ili
Pearsonovo korelaciono koeficijenta r (koji moze biti oznacen i sa R). U statistici on se cesto
naziva jednostavno kao "korelacioni koeficijent zbo toa sto je u kvantitativnoj nauci jedan od
najcesce koristenih tipova korelaciono koeficijenta. U praksi, uz kalibracioni krivu obicno se
prikazuje jednacina pravca i koeficijent korelacije R odnosno koeficijent determinancije
2
.
Postoje zapravo razliciti koeficijenti korelacije, medutim, onaj o kome cemo mi u nastavku
ovoriti je Pearsonov ili trenutni koeficijent korelacije. Vrijednost Pearson koeficijenta korelacije
(R) predstavlja stepen ili nivo do koje vrijednosti x i y linearno koreliraju. To mozemo vizuelno
ocijeniti pomocu xy dijarama (Slika y), na kojem smo obiljezili centroid podataka ( , y).
Slika y XY dijaram na kojem je prikazan centroid podataka ( , y).
Ako x i y linearno koreliraju, trebalo bi ocekivati da se sve tacke nalaze na pravoj liniji koja
prolazi kroz centroid (Slika xxx). Kao rezultat toa, ocekujemo da sve vrijednosti x budu
jednoliko distribuirane sa bilo koje strane u odnosu na centroid, slicno, sve vrijednosti y bi
trebale biti ravnomjerno rasporedene oko . Pearsonov koeficijent korelacije R izracunava se
po formuli:
dje je
je vrijednost to mjerenja
izlazno parametra (mjerno sinala) y, y je srednja vrijednost te serije mjerenja svih izlaznih
parametara (mjernih sinala) y. Ako x i y savrseno linearno koreliraju, u tom slucaju vrijednosti
R mou biti +1, 1, 0, ovisno o tome da li se y povecava (pozitivni naib ili pozitivna korelacija) ili
smanjuje (neativan naib ili neativna koreacija) sa x, ili ne postoji linearna korelacija izmedu
izmedu x i y. z iskustva je poznato da su R vrijednosti dobijene u instrumentalnoj analizi obicno
veoma visoke, iako podaci ne moraju nuzno biti linearni, stoa je pored njeove vrijednosti,
potrebno nacrtati i odovarajuci kalibracioni rafik, jer tek tada mozemo biti siurni da je
uspostavljen linearan odnos vizuelnom provjerom to rafika (Slika xx a). U vecini slucajeva,
mjerni instrumenti ce pokazivati linearnost samo u odredenoj reiji, a izvan to podrucja, bit ce
nelinearni. Zbo toa je vrlo vazno odabrati ispravnu reiju za linearnu analizu kako bi se
smanjile reske zbo nelinearnosti. Jedan od brzih i prakticnijih nacina da se to postine je da
se vizuelno preleda dijaram i odabere podrucje tacaka koje pokazuje linearnost (poledati
linearnost na strani xx). Vec smo rekli da su potrebni odredeni kriteriji za utvrdivanje i
kvalifikovanje najoptimalnije prave linije koja prolazi kroz kalibracione tacke. Nakon potvrdivanja
linearnosti, to moze biti uradeno pomocu reresijske analize, koja predstavlja metodu
odredivanja specificnih funkcija odnosa izmedu x i y (jednacina mjerno modela iiii), odnosno
reresijsko modela pomocu koje procjenjujemo vrijednost zavisno promjenljive varijable (y) u
odnosu na vrijednost nezavisno promjenljive varijable (x). Reresijski model moze se sasvim
jasno objasniti u slucaju tzv. linearne reresijske analize. Naime, svaka ravna linija u
kordinatnom sistemu moze biti predstavljena kao jednacina y = ax + b , dje su y i x vrijednosti
dvije varijable. U ovoj jednacini b je jednako vrijednosti y kada je x jednako 0, dok a predstavlja
naib te linije u kordinatnom sistemu a b odsjecak na yosi. Ako su poznate vrijednosti a i b tada
mozemo izracunati y za svaku vrijednost x. Reresijska analiza je, dakle tehnika za
uspostavljanje reresijske jednacine kojom predstavljamo eometrijsku liniju koja prolazi
najblize svim tackama distribuiranih vrijednosti dvije varijable u koordinatnom sistemu.
Reresijska jednacina je matematicki opis odnosa izmedu varijabli i omoucava nam zakljuciti
vrijednost y onda kada znamo vrijednost x. Da bismo pokazali zbo cea je kalibraciona kriva
izvor nesiurnosti mjerenja koristicemo tzv. dijarame rasipanja sa reresijskom linijom, y = ax
+b, prikazanim na Slici xx.
Slika xxx. XY dijaram koji prikazuje centroid (crni kru), reresijsku liniju, yrezidue
Prvi korak u istrazivanju zavisnosti varijabli x i y jeste crtanje raficko prikaza koji se naziva
dijaram rasipanja. Dijaram rasipanja u pravoulom koordinatnom sistemu tackama (xi, yi)
prikazuje parove vrijednosti dviju promatranih numerickih varijabli. Na osnovu takve slike mou
se odmah uociti osnovne veze medu promatranim varijablama. Na Slici xxx su prikazana dva
dijarama rasipanja. Slika (a) prikazuje funkcionalnu vezu izmedu dvije varijable x i y. Linija koja
povezuje sve tacke na slici je pravac. Matematicki oblik veze ovih dviju, posmatranih varijabli je
jednacina pravca y. Od te linije nema znacajnije odstupanja (sve tacke se skoro idealno nalaze
na pravcu), stoa se kaze da je ova veza stroo funkcionalna. Nacrtani pravac je rastuci,
odnosno porast vrijednosti jedne varijable prati porast vrijednosti drue posmatrane varijable
zbo cea je ova veza (korelacija) pozitivna. Cest slucaj u praksi prikazan je na Slici xxx(b). Ako
se izmedu tacaka ovo dijarama povuce linija, to bi opet bio pravac. Medutim ovdje su prisutna
i pozitivna i neativna odstupanja tacaka od to pravca a to se tumaci raznim uticajima druih
varijabli u prakticnom radu. Stoa ova veza nije vise stroo funkcionalna, vec se za nju kaze da
je statisticka (stohasticka ili slucajna) veza. Vec smo rekli da se stepen ili nivo do koje
vrijednosti x i y linearno koreliraju opisuje pomocu koeficijenta korelacije R. Pod pojmom
korelacije , za slucaj pod b na Slici xx, podrazumijeva se meduzavisnost ili povezanost slucajnih
varijabli. Vec smo rekli da po smjeru korelacija moze biti pozitivna i neativna. Za razliku od
korelacijske analize zadaca reresijske analize je da pronade analitickomatematicki oblik veze
izmedu jedne zavisne i jedne ili vise nezavisnih varijabli. Osim objasnjavanja prirode zavisnosti
promatranih pojava na temelju to analiticko oblika moze se vrsiti predvidanje vrijednosti
zavisne varijable pri odredenim vrijednostima nezavisneih varijabli. U slucaju postojanja samo
jedne zavisne i samo jedne nezavisne varijable kaze se da je to jednostavni reresijski model. U
suprotnom radi se o slozenom reresijskom modelu. Na temelju uzorka parova vrijednosti
varijabli x i y: (x1,y1), (x2, y2),..(xn, yn) crta se dijaram rasipanja koji je prikazan na Slici xxx.
Dijaram rasipanja pokazuje pozitivnu statisticku vezu izmedu varijabli x i y. Povucena linija
(pravac) na dijaramu je opcenito oblika:
= I +b (ii)
Medutim, svaka tacka
, na dijaramu rasipanja zadovoljava jednacinu:
= I +b lll
= I +b + (ll)
x
y = ax + b
x
?
a)
b)
y = ax + b
odnosno svaka tacka,
odstupa od kalibraciono pravca za pozitvnu ili neativnu razliku
(Slika xx) koja se naziva reziduom a koja nastaje kao posljedica predvidanja y u zavisnosti od x.
Reresijskom analizom traze se parametri a i b tako da pravac y prolazi izmedu tacaka
posmatranih varijabli na nacin da najbolje tumaci vezu izmedu njih, odnosno pravac mora biti
takav da odstupanja ( ), svake tacke (
) od kalibraciono (reresijsko) pravca y budu sto je
mouce manja. Postoji vise razlicitih metoda za procjenu ovih parametara, a najcesce koristena
metoda je metoda najmanjih kvadrata koja se upravo zasniva na ore navedenom. Ona daje
najbolje linearne nepristrasne ocjene i vrlo je cesto primjenjivana metoda za procjenu tih
parametara. Odstupanja ili razlika (), izmedu stvarnih vrijednosti (
) i ocekivanih (reresijskih
ili kalibracionih) vrijednosti () mou biti pozitivna i neativna (
= ili
= + ), stoa
da se ne bi medusobno ponistile te pozitivne i neativne vrijednosti, ova metoda minimizira
sumu kvadrata tih razlika odnosno rezidua () prema sljedecoj jednacini:
J _
2 n
1
= min_ ( y
I
y)
2 n
I1
= min_ | y
I
(a + b)]
2 n
I1
(ii)
Druim rijecima, potrebno je konstruisati pravu liniju kod koje je zbir kvadrata ukupnih
odstupanja stvarnih vrijednosti (y
I
) u odnosu na odovarajuce reresijske vrijednosti (y) tj.
rezidua, minimalan. Prava linija koja je konstruisana na tom principu mora proci kroz centroid
podataka ( , y) Slika xxx. Matematicki se moze dokazati da je ta prava linija, nazvana linijom
najmanjih kvadrata data sljedecim izrazom:
I =
_ {( x
i
-x )(
i
-)]
n
i=1
_ (x
i
-x )
2 n
i=1
(ii) i b = I (ii)
dje je b reresijski parametar koji definise odsjecak na y osi odnosno tacka u kojoj linija
najmanjih kvadrata sijece os y, uz pretpostavku da je apscisa te tacke x = 0. Reresijski
parametar a, pokazuje prosjecnu promjenu zavisne varijable kada nezavisna varijabla poraste
za jedinicu. Ovaj parametar interpretira se i kao koeficijent smjera, odnosno naiba reresijsko
pravca koji moze imati pozitivni i neativni predznak, ovisno o smjeru veze izmedu posmatranih
varijabli. Linija koja je odredena pomocu dvije prethodne jednacine naziva se linijom reresije y
u odnosu na x, tj. linijom koja pokazuje kako se y mijenja sa promjenom x vrijednosti. Nakon
procjene parametara reresijsko modela postavlja se pitanje reprezentativnosti, odnosno
sposobnosti reresijsko modela da objasni kretanje zavisne varijable y u odnosu na odabranu
nezavisnu varijablu x. U tu svrhu koriste se neki apsolutni i relativni pokazatelji. Ovi pokazatelji
temelje se na raspodjeli odstupanja stvarne vrijednosti zavisnih varijabli (
) u reresijskom
modelu od njene aritmeticke sredine () i njenih ocekivanih vrijednosti (y). Reprezentativnost
reresijsko modela bit ce objasnjena pomocu slike 2.8.
ST SR
x
?
ax +b
S9
Slika 2.8. Dijaram rasipanja
Na slici 2.8. prikazan je dijaram rasipanja varijabli x i y s kalibracionim pravcem i njeovom
odovarajucom jednacinom y. Na slici je oznacena i aritmeticka sredina( ) varijabli . Pri
racunanju sume odovarajucih odstupanja, zbo vec ranije navedeno razloa, da se
medusobno ne bi ponistile pozitivne i neativne razlike racunaju se njihovi kvadrati:
= _ ( y y)
2 n
I1
(ll)
Pri cemu je SP suma kvadrata protumaceno ili objasnjeno dijela ukupnih odstupanja
vrijednosti varijable y od aritmeticke sredine, odnosno suma kvadrata ukupnih odstupanja
procjenjenih (reresijskih) vrijednosti varijable y od aritmeticke sredine y.
= _ ( y
I
y)
2 n
I1
(ii)
SR je suma kvadrata neprotumaceno ili neobjasnjeno dijela ukupnih odstupanja vrijednosti
varijable y od aritmeticke sredine, odnosno suma kvadrata ukupnih odstupanja empirijskih
(stvarnih) vrijednosti (y
I
) varijable y od procijenjenih (reresijskih) vrijednosti (y). Ova
odstupanja ili rezidue ( ) su ustvari posljedica slucajne reske. Rezidue dakle, predstavljaju
onaj dio varijabilnosti (odstupanja) koji nije mouce objasniti reresijskim modelom.
ST je suma kvadrata ukupnih odstupanja stvarnih vrijednosti varijabli (y
|
) od aritmeticke
sredine y . Odnosno slijedi da je:
= _ ( y
I
y)
2 n
I1
(ii)
ST = SP + SR (cc)
sto se vidi i na Slici 2.8. Ovaj izraz koji je u skracenom obliku dat pomocu (cc) zove se
jednacinom analize varijance i predstavlja temelj analize reprezentativnosti reresijsko modela.
Standardna reska reresije je apsolutni pokazatelj reprezentativnosti reresijsko modela, a
pokazuje prosjecni stepen varijacije stvarnih vrijednosti zavisne varijable (
) u odnosu na
ocekivane (reresijske) vrijednosti varijable (y) Slika 2.8. i izrazava se na sljedeci nacin:
o
y
= _
SR
n-2
=
_
_ ( y
- y)
2 n
=1
n-2
=
_
_ | y
i
(a+b)]
n
i=
J
(oo)
Jednacina (oo) predstavlja standardnu resku reresije jednostruko modela. Ova jednacina je
po obliku slicna jednacini za standardnu devijaciju serije ponovljenih mjerenja (jednacina xx), a
opisuje slucajne reske u y vrijednostima. Obzirom da slucajne reske u y vrijednostima poticu
od rezidua, jednacina (oo) naziva i standardnom rezidualnom devijacijom i obiljezava se sa S
(o
y
= S). Ova jednacina izrazava se u oriinalnim jedinicama mjere zavisne varijable y. Da
bismo prikazali kolicinu varijacija y vrijednosti koje su objasnjenje sa x vrijednostima koristi se
koeficijent determinacije koji je pokazatelj reprezentativnosti ili koji je mjera korisnosti
reresijsko modela a koji se temelji na analizi varijance. On se definira kao omjer sume
kvadrata ukupnih odstupanja protumacenih ili objasnjenih reresijom i sume kvadrata ukupnih
odstupanja i dat je sljedecim izrazom:
r
2
=
2
=
Za jednostavnu linearnu reresiju koeficijent determinacije je kvadrat korelacijsko koeficijenta (
r ili R) izmedu x i y. Koeficijent determinacije kaze koliko postotaka (%) je sume kvadrata
ukupnih odstupanja vrijednosti varijable y od aritmeticke sredine protumaceno reresijskim
modelom. Prema jednacini (cc) slijedi da je:
r
2
=
Vrijednost koeficijenta determinancije krece se u intervalu 0 r
2
. Reresijski model je
reprezentativniji ako je njeova vrijednost bliza 1 odnosno veci r
2
znaci i vecu snau modela u
objasnjavanju reresijske funkcije i dakle, bolju predikciju zavisne varijable. Teorijska ranica
reprezentativnosti je 0,9. Pri formiranju reresijsko modela postavljaju se i pretpostavke
slucajne reske (tzv. aussMarkovljevi uvjeti). Statistickom obradom tih uvjeta dolazi se do
zakljucka da je slucajna reska ili rezidua ( ) distribuirana normalnom distribucijom (vidi
normalnu distribuciju). Upravo je, navedena razlika izmedu stvarne ( y
I
) i reresijske vrijednosti
(y) koja se oznacava sa , koja moze biti pozitivna i neativna ( =
_), i koja se naziva
reziduom, devijacijom ili reskom (Slika xx), jedna od ako ne i najznacajnija komponenta
nesiurnosti kalibraciono pravca. Ta pozitivna ili neativna odstupanja od reresijsko pravca
(slika xx crveni pravac) svake tacke na dijaramu rasipanja mouce je iskazati pomocu
rezidualne standardne devijacije koja je predstavljena jednacinom (oo). Treba imati na umu da
se, kao sto je to obicno i slucaj u praksi, pretpostavlja da svaka reska u x vrijednostima lezi
iskljucivo u yvrijednosti. Tehnicki ledano, kako smo i naveli najoptimalnija prikazana prava
linija koja prolazi izmedu kalibracionih tacaka naziva se "linijom reresije y na x ". Ova metoda
linearne reresije pretpostavlja da se, reske normalno distribuisu oko reresijsko
(kalibraciono) pravca. Ostale metode koje postoje ne zasnivaju se na ovoj vrsti pretpostavke.
Potrebno je istaci da reske u y vrijednostima za vece vrijednosti x iskrivljuju najoptimalniji
pravac. To se moze uzeti u obzir koristeci robusne reresijske tehnike, sto nije predmet ovo
rada. U konkretnom primjeru za jednacinu (12) koncentracija c
1
i c
2
u uzorku cesticne tvari i
slijepe probe metode nakon razblazivanja maticnih uzoraka 100 puta odredena je rafitnom
tehnikom atomske absorpcione spektrometrije i izracunata pomocu jednacine kalibracione krive
koja slijedi:
= I c
+ bodnosno c
=
(A
i
- b)
u
L
1
dje je c
koncentracija zeljeza u uzorku cesticne tvari zraka ili koncentracija slijepe probe
metode,
Trougaona distribucija
Forma Koristi se kada su:
Standardna
nesiurnost
O Dostupne informacije koje se odnose
na x manje oranicene neo za
pravouaonu distribuciju. Vrijednosti
blize x su vjerovatnije od vrijednosti
koje su blize krajevima
O Procjene koje su napravljene u formi
maksimalno podrucja ( a ) opisane
simetricnom distribucijom
() =
I
2a ( a)
Z a
O
2a ( a)
1/ a
O
NormaIna (Gaussova) distribucija
Forma Koristi se kada je:
Standardna
nesiurnost
O Procjena nesiurnosti napravljena iz
ponovljenjih mjerenja koja su
podlozna slucajnim uticajima
O Nesiurnost data u obliku standardne
devijacije s, relativne standardne
devijacije s/ , ili koeficijenta varijanse
CV% bez navodenja vrste distribucije
O Nesiurnost data u formi 95%tno (ili
druo) intervala povjerenja x U bez
navodenja tipa distribucije
() = s
() = s
() = (s )
() =
%
() =
(za U na 95%)
() =
(za U na 99.7%)
Vidjeli smo da kod kvantifikovanja komponenata mjerne nsiurnosti sve doprinose nesiurnosti
moramo prevesti u odovarajucu standardnu nesiurnost koja je karakteristika Normalne
(aussove) distribucije vrijednosti i koja ce zbo svo znacaja u nastavku biti ukratko opisana.
xxx NormaIna (Gaussova) distribucija podataka
(Savic 450)Ako se neko mjerenje ponovi veliki broj puta, a dobijeni rezultati ili opservacije
svrstaju u rupe bliskih vrijednosti, i ako se broj opservacija u svakoj rupi (y) nanese na
ordinate, a mjerene vrijednosti rupa (x) na apcisu, dobija se tzv. historam. Jedan historam u
nesto idealizovanom obliku prikazan je na Slici xx pod (a).
(a) (b)
Slika xx (a) Historam, Kriva normalne raspodjele (b).
Ukupan broj svih mjerenja naziva se populacijom. Ako bi broj izvrsenih mjerenja bio
beskonacno veliki, a rezultati svrstani u beskonacno uske (po vrijednosti x) rupe, dobijeni
rezultati bi se raspodijelili prema krivoj na Slici xx pod (b) poznatoj kao kriva normalne
raspodjele ili aussova kriva. (QA 141) Normalna ili aussova distribucija opisuje nacin na koji
se mjerni rezultati obicno distribuisu ili rasporeduju. Ovaj vid distribucije vrijednosti moze biti
okarakterisan sa dva parametra. Centar populacije opisuje se parametrom , koji je poznat i kao
2 o
O
M[erena vellclna x
l
r
e
k
v
e
n
c
l
[
a
y
M[erena vellclna x
l
r
e
k
v
e
n
c
l
[
a
y
srednja vrijednost populacije dok se sirenje ili rasijavanje svih vrijednosti populacije u odnosu na
karakterizira parametrom koji je poznat kao standardna devijacija populacije (Slika xx).
Vecina rezultata mjerenja, kada se dato mjerenje ponovi odredeni broj puta, slijedi normalnu
distribuciju. U normalnoj distribuciji, vecina rezultata je rasporedena oko centralne vrijednosti
dok je manji broj tih vrijednosti rasporeden na vecim udaljenostima od centra. Ovaj vid
distribucije rezultata nije omeden ranicama, pa se zbo toa neke vrijednosti mou pojaviti na
znatno vecim udaljenostima od centra distribucije iako je vjerovatnoca da se to desi veoma
mala. (Savic 451) Raspodjela rezultata na Slici xx (b) matematicki se moze opisati pomocu tri
parametra kako se vidi iz jednacine:
=
c
-
1
2
x-
o
c2n
(ii)
dje je yfrekvencija pojavljivanja pojedinih vrijednosti mjerenja, xvrijednost individualnih
mjerenja, aritmeticka sredina veliko broja mjerenja, (x ) odstupanje mjerenja x od srednje
vrijednosti i standardna devijacija, konstanta karakteristicna za svaki pojedini niz
beskonacno veliko broja mjerenja. Analizirajuci krivu normalne raspodjele, moze se izvuci
nekoliko zakljucaka:
1. Kriva je simetricna oko srednje vrijednosti ( ) beskonacno veliko broja mjerenja. Dobijeni
rezultati su, prema tome, s podjednakom vjerovatnocom i visoki i niski, sto ujedno znaci da je
srednja vrijednost u nekom nizu mjerenja pouzdanija neo ma koje individualno mjerenje u tom
nizu. Pod uslovom da ne postoji sistematska reska, srednja vrijednost je, u stvari, jednaka
pravoj ili stvarnoj vrijednosti. Ako dobijeni rezultati, medutim, pored slucajnih nose u sebi i
sistematsku resku, kriva normalne raspodjele ne mijenja svoj oblik, ali se pomjera duz
apscisne ose nalijevo ili nadesno, zavisno od velicine i pravca sistematske reske ( Slikaxxx).
ako oblik krive ostaje isti, srednja vrijednost ni u kom slucaju ne moze tada biti identicna s
stvarnom vrijednoscu.
2. Broj mjerenja s manjim odstupanjem od srednje vrijednosti je veci od broja mjerenja s vecim
odstupanjem. Vrlo je mala vjerovatnoca, dakle, da ce slucajne reske dovesti do neko
rezultata koji ce znatnije odstupati od srednje vrijednosti.
(a) (b)
Slika xx Uticaj odredene reske na krivu normalne raspodjele (a), Kriva normalne raspodjele sa
razlicitim standardnim devijacijama
0 +
CdsLupan[e od prave vrl[ednosLl
o 03
o 10
o 23
3. Kriva ima dvije tacke infleksije. Udaljenost svake od ovih tacaka od srednje vrijednosti
naziva se standardnom devijacijom ili standardnom reskom i oznacava se rckim slovom .
Sto su mjerenja preciznije izvedena, standardna devijacija ce biti manja, pa ce kriva normalne
raspodjele biti uza i visa ( Slika xxx (b)). Povrsina oranicena aussovom krivom i osom x
predstavlja 100% svih dobijenih rezultata. Matematicki se moze pokazati da ce se 68.3 % svih
rezultata nalaziti u intervalu _ (povrsina ispod krive u ranicama + i predstavlja
68.3% ukupne povrsine), 95,4% svih rezultata u interval _ (podrucje ispod krive u tim
ranicama predstavlja 95,5% ukupne povrsine), 99,7% rezultata ce se nalaziti u intervalu
_ , a 99,99% u intervalu _ , kao sto je prikazano na Slici xx.
Slika xxx. Povrsine ispod normalne krive
Sve identificirane izvore nesiurnosti za jednacinu (12) sada je potrebno kvantificirati odnosno
brojcano iskazati kao standardnu nesiurnost.
xx Standardna nesigurnost kaIibracione krive (x
)
Poznato je da svako mjerenje ima svoju nesiurnost, u tom smislu kalibraciona kriva ne
predstavlja izuzetak. Postoje cetiri lavna izvora nesiurnosti koja treba razmotriti prilikom
odredivanja nepoznate koncentracije
)
2
(b) = s
b
= s_
J (_
)
2
_
2
dje jednacina (I) predstavlja standardnu nesiurnost naiba kalibraciono pravca a, i
jednacina (b) predstavlja standardnu nesiurnost odsjecka na yosi. Kada znamo jednacinu
reresivne prave i njene parametre a i b, mozemo lako izracunati koncentraciju (
vrijednost)
koja odovara bilo kojem izmjerenom sinalu instrumenta (
vrijednosti, s
(x
0
)
. reska u
, s
(x
0
)
koja ujedno predstavlja i standardnu nesiurnost (
), data je jednacinom:
s
(x
0
)
= (
) =
S
u
_ +
1
n
+
(x
0
-x )
2
S
xx
(ii)
dje je:
xx
= (_
)- (_
J) = _(
) =
s
u
_
1
p
+
1
n
+
(x
0
-x )
2
S
xx
(ii)
dje je p broj ponovljenih mjerenja da bi se odredila vrijednost x
0
, ostale varijable iste su kao i u
prethodnoj jednacini.
3). U nekim slucajevim izmjerena vrijednost mjereno sinala za uzorak moze biti izvan mjerno
podrucja kalibraciono pravca. Obzirom da ovo nije pozeljna situacija jer postoji moucnost
nelinearno odnosa izvan mjerno podrucja, ponekad su takve situacije neizbjezne, ali rezultat i
tada moze biti validan. Sve to zahtjeva znanje o razlicitim nacinima racunanja standardne
devijacije za ekstrapolaciju koja je data sljedecom jednacinom:
s
(x
0
)
= (
) =
s
I
_
J
+
2
xx
dje su varijable iste kao i u prethodnim jednacinama. Razlika izmedu ove i prethodnih
jednacina je u tome sto ovdje nisu uzete u obzir replikacije mjerenja i sto je x
0
= 0 a sto se vidi iz
jednacine.
U konkretnom primjeru za jednacinu (12) koncentracija zeljeza u uzorku izracunata je na
osnovu automatski pripremljene kalibracioneke krive. Od primarno standardno rastvora
zeljeza koncentracije 998 2 m L
1
napravljen je pocetni rastvor zeljeza koncentracije 0,1 m
L
1
. Za pripremanje kalibracione krive od takvo rastvora automatski je pripremljeno, na
instrumentu FAAS, pet kalibracionih standarda koncentracije 20, 40, 60, 80, 100 L
1
.
zracunavanje standardne nesiurnosti koncentracije zeljeza i slijepe probe metode, (c
1
) i
(c
2
), kada je sa kalibracione krive vrseno ponovljeno ocitavanje deset puta, uradeno je
pomocu jednacine (ii) i detaljno je prikazano u eksperimentalnom dijelu na strani xx.
xx Standardna nesigurnost VoIumena
1
i
2
, (
1
,
2
)
Nesiurnost volumena, kako smo vec rekli ima tri lavna izvora: kalibracija od strane
proizvodaca, ponovljivost punjenja suda, i temperaturni efekat.
xxx KaIibracija suda od strane proizvodaca
Proizvodac na volumetrijskom sudu obicno navodi njeov volumen kome je pridruzena
odovarajuca nesiurnost npr. 100 _ 0.1 mL. U ovom slucaju vrijednost nesiurnosti data je
bez navodenja nivoa povjerenja ili informacija o tipu distribucije, zbo cea je potrebno napraviti
odredenu pretpostavku. Ovdje je standardna nesiurnost izracunata uz pretpostavku trouaone
distribucije.
(
kuI.
) =
.1 m
= . H
Trouaona distribucija je izabrana zbo toa sto se tokom efektivno procesa proizvodnje
pretpostavlja da su vrijednosti blize sredini neo krajevima navedeno podrucja nesiurnosti (_
0.1 mL). Rezultujuca distribucija vrijednosti je bolje prezentovana trouaonom neo
pravouaonom distribucijom.
xxx PonovIjivost punjenja suda
Nesiurnost zbo varijacija u punjenu suda moze biti procijenjena na tipicnom primjeru
upotrijebljene posude. Potrebno je napraviti seriju od deset (ili manje) punjenja i vaanja puno
suda, a zatim izracunati standardnu devijaciju tih ponovljenih mjerenja (vaanja) (
pon.
).
Dobijena standardna devijacija moze direktno biti koristena kao standardna nesiurnost. Neka
je standardna devijacija punjena suda 0.02 mL.
xxx Temperaturni efekat
Prema proizvodacu volumetrijski sud je kalibriran na temperaturi od 20 C, dok temperatura
laboratorije varira izmedu ranica npr. _ 4 C. Nesiurnost zbo ovo efekta moze biti
izracunata iz procjene temperaturno podrucja i koeficijenta ekspanzije volumena. Ekspanzija
volumena tecnosti je znatno veca u odnosu na sud, zbo cea samo ona treba biti uzeta u
obzir. Koeficijent ekspanzije volumena za vodu iznosi 2.1 x 10
4
C
1
, sto vodi do varijacije
volumena, u volumetrijskom sudu npr 100 mL, od
_ (100 x 4 x 2.1 x 10
4
) = _ .8 H
Standardna nesiurnost izracunata je koristenjem pretpostavke o pravouaonoj distribuciji za
temperaturnu varijaciju tj.:
(
t.c].
)
.8 mL
= . H
Ova tri doprinosa kombinuju se kako bi se dobila standardna nesiurnost (v) volumena V
prema sljedecoj jednacini:
(v) = (.)
2
+(.)
2
+ (.)
2
= . mL
Ukoliko neki od clanova navedenih u jednacini (iii) nije poznat tada se ta jednacina redukuje za
taj clan.
xxx Standardna nesigurnost mase
1
i
2
Nesiurnost mase, kako smo vec rekli ima tri lavna izvora: 1. nesiurnost kalibracije vae od
strane proizvodaca koja je obicno navedena na certifikatu koji dolazi sa vaom (
1
), 2.
nesiurnost ponovljivosti vaanja (standardna devijacija ponovljivosti vaanja) koja uzima u
obzir slucajne varijacije tokom vaanja (
2
) i 3. nesiurnost preciznosti vae koja se odnosi na
citljivost mjerne skale na vai (odnosno najmanje podioka na mjernoj skali, npr. 0.1 ili 0.01 m)
(
3
). Ova tri doprinosa medusobno se kombinuju kako bi se dobila standardna nesiurnost,
(m), mase m prema sljedecoj jednacini:
(m) = (
1
)
2
+(
2
)
2
+(
3
)
2
(iii)
Ukoliko neki od clanova navedenih u jednacini (iii) nije poznat tada se ta jednacina redukuje za
taj clan. Odredivanje standardne nesiurnosti mase, koja se odnosi na jednacinu (12),
prikazano je u eksperimentalnom dijelu ovo rada na strani xxx.
xxx Standardna nesigurnost faktora razbIazenja (F
1
, F
2
)
Vec smo rekli da se nesiurnost faktora razblazenja sastoji od dvije komponente: nesiurnosti
volumena koji je uzet mikropipetom i nesiurnosti volumena odmjerno suda u kojem je bio
primarni rastvor uzorka. Obje ove komponente treba posebno posmatrati i nesiurnost svake
komponente odrediti kao sto je prikazano u standardnoj nesiurnosti volumena (tacka xx).
xxx Kombinovana standardna nesigurnost
(VIM 26)Kombinovana standardna nesiurnost predstavlja standardnu mjernu nesiurnost koja
je dobijena kombinovanjem individualnih standardnih mjernih nesiurnosti ulaznih velicina u
modelu mjerne jednacine (jednacina (ii)). (QA 170) Sve procjene ili proracuni standardne
nesiurnosti koji su dobijeni u prethodnom koraku, prema definiciji trebaju sada biti medusobno
objedinjeni ili kombinovani da bi se dobila jedna ukupna ili sveobuhvatna vrijednost
nesiurnosti. Razmotrimo mjernu velicinu y, koja je funkcija nekoliko varijabli,
1
,
2
,.... Model
(poledati tacku xx) je y = f (
1
,
2
,.). Opsti izraz za kombinovanje standardnih nesiurnosti
koje su pridruzene nezavisnim varijablama je kako slijedi:
c
() = _
x
1
2
(
1
)
2
+
x
2
2
(
2
)
2
+ . (ii)
dje je (), (
1
), i (
2
), predstavljaju standardne nesiurnosti u rezultatu y i u parametrima
1
i
2
, (o o
1
) je parcijalni diferencijal od y u odnosu na
1
. Parcijalni diferencijali su poznati i
kao koeficijenti osjetljivosti. Oni pokazuju kako se rezultat y mijenja sa promjenom parametara
1
,
2
, .. U mnoim slucajevima opsti izraz moze biti redukovan na relativno jednostavnije
izraze za kombinovanje nesiurnosti. Opsti izraz u jednacini (ii) treba biti koristen u slucajevima
koji nisu pokriveni jednacinama prikazanim u Tabeli xx.
Tabela xx zrazi za kombinovanje standardnih nesiurnosti (u odnosu na jednacinu (ii))
Jednacina za proracun
rezultata, y
Kombinovana standardna nesiurnost
Broj
jednacine
y = a + b
c
() = (I)
2
+ (b)
2
(xx)
y = a b
c
() = (I)
2
+ (b)
2
y = a x b
c
() =
_
(I)
I
2
+
(b)
b
2
(xxx)
y =
u
b
c
() =
_
_
(I)
I
2
+ _
(b)
b
2
y = Bx
c
() = ()
(xx)*
y = I
n
c
() = J
(I)
I
(xx)
* U jednacini (xx), B je konstanta bez nesiurnosti.
Slika xx. lustracija kombinacije standardnih nesiurnosti: (a) je mnoo vece od (b) pa je
zbo toa kombinovana nesiurnost priblizno jednaka (a).
Ukoliko model jednacine sadrzi mjesavinu operacija, npr. y = (a b) / (c +d), u tom slucaju takvu
jednacinu bi trebalo razloziti na izraze koji se sastoje samo od operacija potkrijepljenih
slucajevima u jednacinama od (xx) do (xx) koje su prikazane u Tabeli xx. Npr. u skladu sa
prethodno navedenim, prethodni izraz bi trebao biti razlozen na elemente (a b) i (c + d), a
nesiurnost za svaki element bi trebala biti izracunata koristeci jednacinu (xx). Nesiurnosti
takvih proracuna bi tada trebalo kombinovati koristeci jednacinu (xxx) kako bi se dobila
kombinovana standardna nesiurnost. Jedna posljedica jednacina za kombinovanje standardnih
nesiurnosti je u tome sto ce u kombinovanoj standardnoj nesiurnosti dominirati najveca
komponenta nesiurnosti. lustracija takve tvrdnje prikazana je na slici xx. Za navedeni primjer
jednacine (12) kombinovana standardna nesiurnost,
c
(c
Pc
), treba uzeti u obzir sve navedene
standardne nesiurnosti parametara u datoj jednacini koje su kombinovane prema jednacini xxx
prikazanoj u Tabeli xx. Kompletan proces prikazan je u eksperimentalnom dijelu na strani xx, a
izraz za kombinovanu standardnu nesiurnost,
c
(c
Pc
), dat je izrazom u nastavku.
(I)
2
+ (b)
2
= .
(a) = 7.60
(b) = 1.50
c
(c
Fc
)
c
Fc
=
_
(c
1
)
c
1
2
+
(v
1
)
v
1
2
+ _
(v
mp
)
v
mp
2
+
(v
cs
)
v
cs
2
+
(c
2
)
c
2
2
+
(v
2
)
v
2
2
+ _
(v
mp
)
v
mp
2
+
(v
cs
)
v
cs
2
+
(m
1
)
m
1
2
+
(m
2
)
m
2
2
dje je
mp
volumen koji je uzet mikropipetom (0.5 mL) iz primarno rastvora uzorka koji je bio u
odmjernom sudu od 50 mL,
os
volumen odmjerno suda (50 mL) u koji je prenijeto tih 0.5 mL iz
mikropipete, a iz koje su ocitane vrijednosti c
1
i c
1
.
xxx Prosirena nesigurnost
(QUAM 27)Finalni korak u procesu procjene nesiurnosti jeste mnozenje kombinovane
standardne nesiurnosti sa izabranim faktorom prekrivanja da bi se dobila prosirena
nesiurnost.(GUM 23)ako kombinovana standardna nesiurnost moze biti univerzalno
primjenjljiva za prikazivanje nesiurnosti mjerno rezultata, u nekim komercijalnim, industrijskim
i reulatornim aplikacijama, a posebno kada su u pitanju zdravlje i siurnost, cesto je
neophodno dati mjeru nesiurnosti koja definise interval oko mjerno rezultata, koji se naziva i
intervalom prekrivanja, a od koje se ocekuje da obuhvati veliki dio rasutih vrijednosti koje bi
opravdano mole biti pripisane mjerenoj velicini. (VIM 27)Taj interval prekrivanja definise se kao
interval koji sadrzi seriju "tacnih vrijednosti mjerene velicine sa navedenom vjerovatnocom,
bazirano na dostupnim informacijama. nterval prekrivanja ne smije biti imenovan kao "interval
povjerenja da bi se izbjela konfuzija sa statistickim konceptom (ovo staviti u fusnotu).(VIM 28)
Vjerovatnoca prekrivanja, pak, definise se kao vjerovatnoca prema kojoj je serija "tacnih
vrijednosti mjerene velicine sadrzana unutar specificirano naznaceno intervala prekrivanja.
Vjerovatnoca prekrivanja naziva se i "nivoom povjerenja u UM
x
u. Ta dodatna mjera
nesiurnosti koja ispunjava zahtjeve odnosno koja obezbjeduje ore opisani interval naziva se
prosirena nesiurnost, i oznacava se sa U. Dakle, prosirena nesiurnost (U) se dobija
mnozenjem kombinovane standardne nesiurnosti (
c
()) sa faktorom prekrivanja k, koji je
veci od jedinice (VIM 27):
=
c
()
(VIM 27) Faktor prekrivanja, k, zavisi od tipa vjerovatnoce distribucije vrijednosti zavisno
promjenljive velicine u mjernom modelu i od vjerovatnoce prekrivanja, sto ce u nastavku biti
pojasnjeno. (QA 174) Vidjeli smo da je nakon kombinovanja standardnih nesiurnosti, taj korak
u procesu procjene nesiurnosti zavrsen, dobijanjem vrijednosti kombinovane standardne
nesiurnosti,
c
(). Ovim postupkom smo sve doprinose distribuciji reske, bilo da se radi o
normalnoj, pravouaonoj ili trouaonoj distribuciji, pretvorili u ekvivalentnu normalnu distribuciju
i kombinovali ih razlicitim nacinima (Tabela xx). Kombinovana standardna nesiurnost jednaka
je jednoj standardnoj devijaciji normalne distribucije. Podsjetimo se da, povrsina koja je
omedena jednom standardnom devijacijom (_ 1s) normalne distribucije pokriva 68,3 % svih
vrijednosti u distribuciji (Slika xxx, poledati normalnu distribuciju pod tackom xx). Doovorom je
utvrdeno, da se stvarna vrijednost mjerno rezultata nalazi nedje unutar ranica odnosno
podrucja nesiurnosti koje ima 95 %tnu vjerovatnocu pokrivanja. Te ranice, za navedeni
postotak vjerovatnoce, priblizno odovaraju podrucju od dvije standardne devijacije (_ s)
(zapravo 1.96) kojima je omedena povrsina ispod normalne krive, i koje obuhvataju 95,4%
svih vrijednosti u distribuciji (Slika xx). Zbo toa, da bi utvrdenu mjernu nesiurnost prikazali na
adekvatan nacin, u skladu sa prihvacenim doovorom, neophodno je da je pomnozimo sa
faktorom prekrivanja k = 2. Sada u nasem izvjestaju (ili konacnom rezultatu) mozemo dodati da
nivo povjerenja u navedenu nesiurnost iznosi 95%, odnosno da je dobijen interval koji sadrzi
priblizno 95% svih distribuiranih vrijednosti. Ukoliko zelimo biti posebno siurni, mozemo korisiti
faktor prekrivanja k = 3 da bi dobili nivo povjerenja od 99,7%. (GUM 23)Rezultat mjerenja se
sada zodno izrazava kao I = _ , koji se interpretira tako da je y, najbolja procjenjena
vrijednost mjerene velicine Y, i da je y U do y + U interval u kojem se ocekuje obuhvatanje
veliko dijela rasutih vrijednosti koje bi iz opravdanih razloa mole biti pripisane mjerenoj
velicini Y. Taj interval se obicno izrazava i kao y U Y y + U. Razmotrimo sada primjer koji
se odnosi na racunanje koncentracije zeljeza u cesticnoj tvari zraka. Kombinovana standardna
nesiurnost,
c
(c
Pc
), se mnozi sa faktorom prekrivanja k = 2 da bi se dobila prosirena
nesiurnost, koja je prikazana u eksperimentalnom dijelu na strani xxx.
xxx Upotreba i prikazivanje prosirene nesigurnosti
(QUAM 29)Ukoliko druacije nije zahtijevano, rezultat y treba biti napisan zajedno sa
prosirenom nesiurnoscu (U) upotrebom faktora prekrivanja k = 2. (QA 175)Treba imati na umu
da je nesiurnost definisana kao podrucje vrijednosti unutar koje se ocekuje da se nalazi
vrijednost mjerene velicine. Za razmatrani rezultat to znaci da se stvarna vrijednost mjerene
velicine nalazi bilo dje unutar podrucja od y U do y + U. Sljedeca forma (oblik) krajnje
rezultata je preporucljiva:
"(Rezultat): (y _ U) (jedinica)
(dje je) napisana nesiurnost (prosirena nesiurnost, kao sto je definisana u nternacionalnom
rijecniku osnovnih i opcih pojmova u metroloiji, 3 izdanje, SO 2008), izracunata upotrebom
faktora prekrivanja k = 2 (koji daje nivo povjerenja od priblizno 95%). Pri numerickom
izrazavanju rezultata y i nesiurnosti (bilo prosirene ili standardne) treba koristiti ne vise od dvije
znacajne cifre. Potrebno je zapamtiti da se faktor prekrivanja koristi samo za konacnu (krajnju)
kombinovanu nesiurnost. Takode je vrlo vazno pri objavljivanju rezultata nalasiti na sta se
odnosi vrijednost navedena iza _ (tj. da li je to standardna ili prosirena nesiurnost) kako bi
korisnici to rezultata znali o kakvoj se vrsti nesiurnosti radi. Faktor prekrivanja bi trebao biti
koriovan, ukoliko je potrebno da se prikaze njeova stvarna upotrijebljena vrijednost. Naime, u
vecini slucajeva preporucljivo je da vrijednost k bude 2. Medjutim, ova vrijednost k je nedovoljna
(nije adekvatna) dje je kombinovana nesiurnost bazirana na statistickim opservacijama sa
relativno malim brojem stepena slobode (manje od sest). Vrijednost k tada zavisi od efektivno
broja stepeni slobode. (QUAM 27)Dakle, tamo dje u kombinovanoj standardnoj nesiurnosti
dominira doprinos jedne komponente sa manje od sest stepeni slobode, preporucljivo je da
vrijednost faktora prekrivanja (k) bude jednaka two-taiIed vrijednosti Studentovo t koeficijenta
za broj stepeni slobode koji se odnose na tu komponentu i za trazeni nivo povjerenja (obicno 95
%). Npr. two-taiIed vrijednost t koeficijenta za 4 stepena slobode i 95% povjerenja je, iz tabele,
2.8; u tom slucaju vrijednost faktora prekrivanja s kojim se mnozi kombinovana nesiurnost da
bi se dobila prosirena nesiurnost je 2.8.
xxxPoboIjsanje kvaIiteta rezuItata
Vrijednosti nesiurnosti imaju i dodatnu svrhu koja se zasniva na njihovoj potencijalnoj
moucnosti poboljsanja eksperimentalnih procedura. Pri racunanju nesiurnosti mjerenja,
sastavljamo listu standardnih nesiurnosti za velicine (promjenljive) u mjernom modelu. Ukoliko
zelimo da poboljsamo kvalitet nase mjerenja prvo provjeravamo komponentu mjerno sistema
koja doprinosi najvecu nesiurnost. Ukoliko ona predstavlja dominantan doprinos kombinovanoj
nesiurnosti, onda bilo kakav pokusaj poboljsanja druih aspekata mjerno procesa bit ce
uzaludan. Ali, ako smanjimo uticaj (ili velicinu) dominantne nesiurnosti, to ce svakako biti
produktivno i uticace na nas rezultat pozitivno.