Gosudarstvennaya_farmakopeya_RB
.pdfЕсли при измерениях получают логарифмы исходных вариант, вместо величин μ, x и s в таблице 3.1 приводят величины lgμ, lg xg и slg . При этом в графу 8 вносят
величину lgx, a в графу 9 – максимальное по абсолютной величине значение ε. Аналогичные замены проводят при вычислении t по уравнению (2.7) и F по уравнению (3.1).
4. МЕТРОЛОГИЧЕСКАЯ ХАРАКТЕРИСТИКА СРЕДНЕГО РЕЗУЛЬТАТА.
Если с помощью данной методики анализа (измерения) следует определить зна-
чение некоторой величины A, то для полученной экспериментально однородной выборки объема m рассчитывают величины, необходимые для заполнения табл. 4.1. Ес-
ли методика имеет метрологическую аттестацию, графы 2, 4, 5, 7, 8 и 9 табл. 4.1 заполняются на основании данных табл. 2.1. Это позволяет значительно сузить границы доверительного интервала за счет большего числа степеней свободы (см. уравнение
1.17). Если n ≤ 15, а m + n > 1,5 , величины s и ν целесообразно вычислять по форму- n
лам (2.1) и (2.2).
Таблица 4.1
Метрологические характеристики среднего результата
m |
ν |
|
|
|
s |
s |
|
|
P |
t(P,ν) |
|
|
|
|
|
|
|
|
ε |
|
x |
|
x |
|
|
|
x |
|
|
||||||||||
|
x |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
или |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
± |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
1 |
2 |
3 |
|
4 |
5 |
|
6 |
7 |
8 |
9 |
|
|
10 |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Во многих случаях проще использовать относительные (по отношению к x ) величины. В этом случае целесообразно проводить расчеты по Табл. 4.1а.
Таблица 4.1а
Метрологические характеристики среднего результата
m |
ν |
x |
s |
sr |
s |
|
,r |
P |
t(P,ν) |
|
|
,r |
ε |
|
x |
||||||||||||||
x |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таким образом, на основании выражения (1.14) для измеряемой величины А при незначимости систематической погрешности с вероятностью Р выполняется условие:
|
|
− |
|
≤ A ≤ |
|
|
+ |
|
(4.1) |
|||
x |
x |
x |
x |
|||||||||
т. е. |
|
|||||||||||
|
|
A = |
|
± |
|
|
(4.2) |
|||||
|
|
x |
x |
или с использованием относительных величин:
A |
= 1 ± x,r . |
(4.2а) |
x |
Если при измерениях получают логарифмы исходных вариант, в графе 9 табл.
4.1 приводят величину lg x , а каждую из граф 3, 9 и 10 разбивают на две (а, б). В
графе 3а приводят значение xg , в графе 3б – значение lg xg , в графах 9а и 9б — соответственное значения нижней и верхней границ доверительного интервала для xg
(см. уравнения 1.24 и 1.25). Наконец, в графе 10 приводят максимальное по абсолютной величине значение e (см. уравнение 1.28а).
5. Сравнение средних результатов двух выборок
Если в результате измерений одной и той же величины А получены две выборки объема п1 и п2 причем x1 ¹ x2 , может возникнуть необходимость проверки статистиче-
ской достоверности гипотезы:
|
|
1 = |
|
2 |
(5.1) |
x |
x |
т.е. значимости разности ( x1 - x2 ).
Такая проверка необходима, если величина А определялась двумя разными методиками с целью их сравнения, или если величина А определялась одной и той же методикой для двух разных объектов, идентичность которых требуется доказать. Для проверки гипотезы (5.1) следует установить, существует ли статистически значимое
различие между дисперсиями s12 и s22 . Эта проверка проводится так, как указано в
разделе 3.
Рассмотрим три случая.
5.1. Различие дисперсий s12 и s22 статистически незначимо (справедливо
неравенство 3.3). В этом случае средневзвешенное значение s2 вычисляют по уравне-
нию (2.1), а дисперсию s2 |
разности |
|
|
|
- |
|
|
|
—по уравнению (5.2): |
|
x |
x |
|
|
|||||
P |
|
|
1 |
|
2 |
|
|
||
|
|
|
|
S2 |
= |
s2 |
× (n + n |
2 |
) |
|
|||
|
|
1 |
|
|
(5.2) |
||||
|
|
|
|
|
|
|
|||
P |
|
|
|
n1 × n2 |
|
|
|
||
|
|
|
|
|
|
|
|||
|
S |
|
|
|
|
|
|
|
|
|
P |
= S2 |
|
|
(5.3) |
||||
|
|
|
|
P |
|
|
|
Далее вычисляют критерий Стьюдента:
|
|
|
x1 − |
|
|
|
|
|
x1 − |
|
|
|
|
|
|
|
|
|
||
t = |
|
|
x |
2 |
= |
|
|
x |
2 |
|
|
|
n × n |
2 |
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
1 |
(5.4) |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
SP |
|
|
|
s |
|
|
|
n1 + n2 |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
ν = n1 + n2 - 2 |
|
|
|
|
|
|
|
|
|
|
(5.5) |
Если при выбранном значении Р2 (например, при Р2 = 95%)
t > t(P2 ,ν ) |
(5.6) |
то результат проверки положителен - разность ( x1 − x2 ) является значимой, и гипотезу x1 = x2 отбрасывают. В противном случае надо признать, что эта гипотеза не проти-
воречит экспериментальным данным.
5.2. Различие значений s2 |
и s2 статистически значимо (справедливо не- |
||||||||
|
1 |
2 |
|
|
|
|
|
|
|
равенство 3.2). Если s2 |
> s2 , дисперсию s2 |
разности ( |
|
|
− |
|
|
) находят по уравне- |
|
x |
x |
2 |
|||||||
1 |
2 |
P |
1 |
|
|
|
|||
нию (5.7), а число степеней свободы ν' — по уравнению (5.8): |
|
|
|
|
|
|
S |
2 |
= |
s2 |
+ |
s2 |
|
|
|
|
|
|
(5.7) |
|
|
|
P |
1 |
|
2 |
|
|
|
|
|
|
||||
|
|
|
|
n1 |
|
n2 |
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
æ |
|
2 |
2 |
ö |
|
|
ν |
' = |
( |
|
+ n2 |
|
2 |
) |
ç |
0,5 |
|
s1 |
´ s2 |
÷ |
|
|
|
- |
+ s4 |
+ s4 |
(5.8) |
|||||||||||
|
n1 |
|
´ ç |
÷ |
|||||||||||
|
|
|
|
|
|
|
|
|
è |
|
1 |
2 |
ø |
|
Следовательно, в данном случае
|
| |
x |
1 − |
x |
2 | |
|
|
|
|
|
|
|
|
n1 × n2 |
|
|
||
t = |
=| x1 − x2 | × |
|
|
(5.9) |
||||||||||||||
|
|
S |
P |
n |
2 |
× s2 |
+ n × s2 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
1 |
1 2 |
|
|
Вычисленное по уравнению (5.9) значение t сравнивают с табличным значением t(Р2, ν'), как это описано выше для случая 1.
Рассмотрение проблемы упрощается, когда п1≈п2 и s12 >> s22 . Тогда в отсутст-
вие систематической погрешности среднее x2 выборки объема п2 принимают за достаточно точную оценку величины А, т.е. принимают x2 = μ . Справедливость гипотезы x1 = μ , эквивалентной гипотезе (5.1), проверяют с помощью выражений (2.7) и (2.8),
принимая ν1 = n1—1. Гипотеза (5.1) отклоняется, как статистически недостоверная, ес-
ли выполняется неравенство (2.8).
5.3. Известно точное значение величины А.
Если А = μ, проверяют две гипотезы: x1 = μ и x2 = μ . Проверку выполняют так,
как описано в разделе 2 с помощью выражений (2.7) и (2.8), отдельно для каждой из
гипотез. Если обе проверяемые гипотезы статистически достоверны, то следует признать достоверной и гипотезу (5.1). В противном случае гипотеза (5.1) должна быть отброшена.
Если при измерениях получают логарифмы исходных вариант, при сравнении средних используют величины lg xg , slg2 и slg .
В тех случаях, когда разность ( x1 − x2 ) оказывается значимой, определяют до-
^ ^
верительный интервал для разности соответствующих генеральных средних ( x1 − x2 )
|
|
|
|
|
^ |
^ |
|
|
|
|
|
|
|
x |
1 - |
x |
2 |
- t(P2 ,ν ) ´ sP £ |
x ×1 |
- x2 |
£ |
x |
1 - |
x |
2 |
+ t(P2 ,ν )´ SP |
(5.10) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6. ИНТЕРПРЕТАЦИЯ РЕЗУЛЬТАТОВ АНАЛИЗА, ПОЛУЧЕННЫХ С ПОМОЩЬЮ МЕТРОЛОГИЧЕСКИ АТТЕСТОВАННОЙ МЕТОДИКИ.
Данная интерпретация основывается на том, что для метрологически аттесто-
ванной методики известна принятая оценка стандартного отклонения.
6.1. Оценка сходимости результатов параллельных определений.
При рутинных анализах аналитик обычно проводит два-три, реже четыре параллельных определения. Варианты полученной при этом упорядоченной выборки объе-
ма т, как правило, довольно значительно отличаются друг от друга. Если методика анализа метрологически аттестована, то максимальная разность результатов двух параллельных определений должна удовлетворять неравенству:
x1 - xn |
|
< L(P,m)´ s |
(6.1) |
|
где s – принятая оценка стандартного отклонения, L(P, m)— фактор, вычисленный по Пирсону при Р = 95%.
m |
2 |
3 |
4 |
L |
2,77 |
3,31 |
3,65 |
Если неравенство (6.1) не выполняется, необходимо провести дополнительное
определение и снова проверить, удовлетворяет ли величина |x1–xn| неравенству (6.1).
Если для результатов четырех параллельных определений неравенство (6.1) не выполняется, следует считать, что конкретные условия анализа привели к снижению
воспроизводимости методики и принятая оценка величины s применительно к данному
случаю является заниженной. В этом случае поступают, как указано в разделе 1.2.
6.2. Определение необходимого числа параллельных определений.
Если необходимо получить средний результат x с относительной неопределенностью ε £ ϕ (где ϕ - некоторое число, например, 2%) , причем методика анализа мет-
рологически аттестован, необходимое число параллельных определений m находят из уравнения
æ |
|
´100 |
ö |
2 |
||
m ³ ç |
x |
|
|
|
÷ |
(6.2) |
ç |
|
|
|
|
÷ |
|
ϕ ´ x |
|
|||||
è |
ø |
|
6.3. ГАРАНТИЯ КАЧЕСТВА ПРОДУКЦИИ.
Описанный ниже подход применим к метрологически аттестованной методике. В других случаях могут применяться иные подходы (см. общую статью «Валидация ана-
литических методик и испытаний»).
Предположим, что качество продукции регламентируется предельными значе-
ниями amin и amax величины А , которую определяют на основании результатов анализа.
Примем, что вероятность соответствия качества продукта условию
amin < A < amax |
(6.3) |
должна составлять P1.
Пусть величину А находят экспериментально как среднее выборки объема т, а
методика ее определения метрологически аттестована. Тогда условие (6.3) будет выполняться с вероятностью P1, если значение x = A будет лежать в пределах
amin + |
|
|
< A < amax − |
|
(6.4) |
||||
A |
A |
||||||||
где: |
|
|
|
|
|
|
|||
|
|
|
|
= |
U(P1 )× s |
(6.5) |
|||
|
|
A |
|
|
|
|
|||
|
|
|
m |
||||||
|
|
|
|
|
|
|
Значения коэффициента U для вероятности P1 = 95% и P1 = 99% соответственно рав-
ны 1,65 и 2,33.
Иными словами, для гарантии качества наблюдаемые пределы изменения величины А на практике следует ограничить значениями:
Amin = amin + |
|
= Amin + |
U(P1 ) × s |
(6.6) |
||||
A |
|
|
|
|
|
|||
|
|
m |
||||||
|
|
|
|
|
|
|||
Amax = amax − |
|
= Amax − |
U(P1 )× s |
(6.7) |
||||
A |
|
|
|
|
|
|||
|
m |
|||||||
|
|
|
|
|
Наоборот, если заданы значения Amin и Amax, значения amin и amax, входящие в неравенство (6.3), могут быть найдены путем решения уравнений (6.6) и (6.7). Наконец,
если заданы пары значений Amin, amin и Amax, amax, то уравнения (6.6) и (6.7) могут быть
решены относительно т. Это может быть использовано для оценки необходимого числа параллельных определений величины А.
Если при измерениях получают логарифмы исходных вариант, описанные в раз-
деле 6 вычисления проводят с использованием величин lg xg , lg xi , slg и т.п.
Примеры расчетов приведены в разделе 9.7.
7. РАСЧЕТ И СТАТИСТИЧЕСКАЯ ОЦЕНКА ПАРАМЕТРОВ ЛИНЕЙНОЙ ЗАВИСИМОСТИ
При использовании ряда химических и физико-химических методов количест-
венного анализа непосредственному измерению подвергается некоторая величина у, которая является линейной функцией искомой концентрации (количества) х опреде-
ляемого вещества или элемента. Иными словами, в основе таких методов анализа лежит существование линейной зависимости:
y = bx + a |
(7.1) |
где у - измеряемая величина; х - концентрация (количество) определяемого вещества или элемента; b - угловой коэффициент линейной зависимости; а - свободный член линейной зависимости.
Для использования зависимости (7.1) в аналитических целях, т. е. для опреде-
ления конкретной величины х по измеренному значению у, необходимо заранее найти
числовые значения констант b и а, т.е. провести калибровку. Иногда константы функ-
ции (7.1) имеют тот или иной физический смысл, и их значения должны оцениваться с
учетом соответствующего доверительного интервала. Если калибровка проведена, и значения констант а и b определены, величину х находят по измеренному значению уi:
xi |
= |
1 yi |
- a |
(7.2) |
|
|
b |
b |
|
При калибровке величину х рассматривают как аргумент, а величину у - как функцию. Наличие линейной зависимости между х и у не всегда является очевидным.
По этой причине экспериментальные данные, полученные при калибровке, в первую очередь используют для оценки жесткости, т. е. степени неслучайности линейной связи
между х и у, и лишь затем определяют значения констант а и b и их доверительные интервалы. В первом приближении судить о жесткости линейной связи между перемен-
ными х и у можно по величине линейного коэффициента корреляции (или просто, коэффициента корреляции) r, который вычисляют по уравнению:
|
|
|
|
m |
|
|
m |
m |
|
|
|
|
r = |
|
måxi yi - |
å xi ´ åyi |
|
|
(7.3) |
||||||
|
1 |
|
|
1 |
1 |
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
é |
m |
æ |
m |
ö2 |
ùé |
m |
æ m |
ö2 |
ù |
|
||
|
|
êm ´ å xi2 - ç |
å xi ÷ |
úêm ´ åyi2 - çåyi ÷ |
ú |
|
||||||
ê |
1 |
è |
1 |
ø |
úê |
1 |
è 1 |
ø |
ú |
|
||
ë |
|
|
|
|
ûë |
|
|
|
û |
|
исходя из экспериментальных данных.
Линейный коэффициент корреляции r изменяется в пределах от –1 до +1. Положительные значения r указывают на рост, а негативные – на уменьшение y с ростом x.
Линейный коэффициент корреляции r является частным случаем общего индекса корреляции Rс , который применим также и для нелинейных зависимостей между
величинами y и x :
s2
Rc = 1 - s02 (7.3а)
y
где:
so - остаточное стандартное отклонение (уравнение 7.7),
sy - стандартное отклонение величин yi относительно среднего значения y (уравнение 7.15); рассчитывают с использованием уравнения (1.5).
Уравнение (7.3а), в силу своей простоты и наглядности, нередко используется
вместо соотношения (7.3) в том случае, когда знак коэффициента корреляции не имеет
значения.
Чем ближе абсолютная величина |r| к единице, тем менее случайна наблюдаемая линейная зависимость между переменными х и у.
Коэффициент корреляции r используется обычно для выявления стахостической взаимосвязи между величинами, функциональная зависимость между которыми может
и отсутствовать. Коэффициент корреляции является значимым, если его величина для
данной вероятности Р и числа степеней свободы ν превышает значения, приведенные
в Таблице 11.6. В противоположном случае нельзя говорить о существовании значимых зависимостей (7.1-7.2).
Значимость коэффициента корреляции является обязательным, но не достаточным условием использования уравнений (7.1-7.2) для аналитических целей (см. ниже). В аналитической химии в большинстве случаев используют линейные зависимости с коэффициентом корреляции |r| ³ 0.98 (при соответствии требованиям Таблицы 11.6) и только при анализе следовых количеств рассматривают линейные зависимости с ко-
эффициентом корреляции |r| ³ 0.9.
Коэффициенты а и b и другие метрологические характеристики зависимости
(7.1) рассчитывают с использованием метода наименьших квадратов по экспериментально измеренным значениям переменной у для заданных значений аргумента х.
Пусть в результате эксперимента найдены представленные в Таблице 7.1 пары значений аргумента х и функции у.
Таблица 7.1
i |
xi |
yi |
1 |
x1 |
y1 |
2 |
x2 |
y2 |
... |
... |
... |
m |
xm |
ym |
Тогда, если величины yi имеют одинаковую неопределенность (а такое допущение обычно выполняется для достаточно узкого диапазона варьирования величин yi),
то:
|
|
m |
m |
m |
|
b = |
m´ åxi yi |
- åxi ´ åyi |
|
||
1 |
1 |
1 |
(7.4) |
||
|
m |
æ m |
ö2 |
||
|
|
|
|||
|
|
m´ åxi2 - çåxi ÷ |
|
||
|
1 |
è 1 |
ø |
|
|
|
|
m |
m |
|
|
a = |
|
åyi − b × åxi |
|
|
|
|
1 |
1 |
|
(7.5) |
|
m |
|
|
|||
|
|
|
|
|
|
ν = m − 2 |
|
|
(7.6) |
Если полученные значения коэффициентов а и b использовать для вычисления
значений у по заданным в Таблице 7.1 значениям аргумента х согласно зависимости (7.1), то вычисленные значения у обозначают через Y1, Y2, ... Yi, ... Yn. Разброс значе-
ний yi относительно значений Yi характеризует величина остаточной дисперсии s02 , ко-
торую вычисляют по уравнению:
|
|
m |
|
m |
m |
m |
|
s2 |
= |
å(yi − Yi )2 |
= |
åyi2 − aåyi − bå xi yi |
|
||
1 |
1 |
1 |
1 |
(7.7) |
|||
ν |
|
|
ν |
||||
0 |
|
|
|
|
|
Для того, чтобы уравнения (7.1-7.2) адекватно описывали экспериментальные
данные, необходимо, чтобы остаточная дисперсия s02 не отличалась значимо по кри-
терию Фишера (соотношения 3.1-3.4) от дисперсии воспроизводимости (сходимости) величин yi . Последняя может быть найдена экспериментально или спрогнозирована
(см. Главу 10) из паспортных данных оборудования.
В свою очередь дисперсии констант b и а находят по уравнениям:
s2 |
= |
|
|
|
ms2 |
|
|
||
|
|
|
|
0 |
|
|
(7.8) |
||
|
|
|
|
æ |
|
ö2 |
|||
b |
|
|
m |
|
|
m |
|
||
|
|
måxi2 - |
ç |
åxi ÷ |
|
||||
|
|
|
1 |
|
|
è |
1 |
ø |
|
|
s2 |
= |
s2 |
m |
x2 |
|
(7.9) |
||
|
b |
|
|
||||||
|
|
a |
|
m |
å1 |
i |
|
|
Стандартные отклонения sb и sa и величины b и a, необходимые для оценки доверительных интервалов констант, рассчитывают по уравнениям:
sb |
= |
sb2 |
(7.10) |
|
|
|
|
sa |
= |
sa2 |
(7.11) |
b = t(P2 ;ν )× sb |
(7.12) |
a = t(P2 ;ν )´sa |
(7.13) |
Коэффициенты а и b должны значимо отличаться от нуля, т.е. превышать, соот-
ветственно, величины a и b.
Уравнению (7.1) с константами а и b обязательно удовлетворяет точка с координатами x и y , называемая центром калибровочного графика:
|
|
|
|
|
|
|
m |
|
||
|
|
|
|
= |
|
å xi |
|
|||
|
|
|
|
|
1 |
|
(7.14) |
|||
x |
||||||||||
|
|
m |
||||||||
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
m |
|
|||
|
|
|
= |
åyi |
|
|||||
|
|
|
1 |
|
(7.15) |
|||||
y |
||||||||||
|
|
|
|
|||||||
|
|
|
|
|
|
|
m |
|
Наименьшие отклонения значений yi от значений Yi наблюдаются в окрестностях
центра графика. Стандартные отклонения sy и sx величин у и х, рассчитанных соответ-
ственно по уравнениям (7.1) и (7.2) исходя из известных значений х и у, определяются с учетом удаления последних от координат центра графика:
|
|
|
|
é |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ù |
|
|
|
|
|
|
|
|
ê |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
ú |
|
|
|
|||
|
|
|
2 ê 1 |
|
|
|
|
|
|
|
m(x - |
x |
) |
|
|
|
|
ú |
|
|
|
||||||
sy |
= |
s0 |
ê |
|
+ |
|
|
|
|
|
|
|
|
|
|
|
|
|
ú |
|
|
(7.16) |
|||||
m |
|
|
m |
|
æ |
m |
|
|
ö2 |
|
|
||||||||||||||||
|
|
|
|
ê |
|
|
|
|
|
måxi2 |
- ç |
åxi |
÷ |
ú |
|
|
|
||||||||||
|
|
|
|
ê |
|
|
|
|
1 |
|
è |
1 |
|
|
ø |
ú |
|
|
|
||||||||
|
|
|
|
ë |
|
|
|
|
|
|
|
û |
|
|
|
||||||||||||
|
|
é |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ù |
|
|
|
ê |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
)2 |
|
|
ú |
|
sx = |
s2 |
ê |
1 |
|
+ |
|
1 |
|
+ |
|
|
|
m( |
y j |
- |
y |
|
|
ú |
|
|||||||
0 |
ê |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ú |
(7.17) |
|||||
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
ö2 |
|
|||||||||||
|
b2 |
ênj |
|
|
|
|
|
b |
2 |
é |
m |
2 |
|
æ |
|
m |
ù |
ú |
|
||||||||
|
|
ê |
|
|
|
|
|
|
|
|
|
|
êmåxi |
- ç |
åxi ÷ |
ú |
ú |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
ê |
1 |
|
|
|
|
è |
1 |
ø |
ú |
|
||||
|
|
ë |
|
|
|
|
|
|
|
|
|
|
|
ë |
|
|
|
|
|
|
|
|
|
|
û |
û |
|
где:
y j - среднее значение;
nj - число вариант, использованных при определении y j .
|
|
|
|
|
|
|
|
|
|
При x = |
|
|
и |
|
i = |
|
: |
|
|
|
|
|
|
|
|
|
|
x |
|||||||||
|
|
|
|
|
|
|
|
|
y |
y |
||||||||
|
|
|
|
|
|
|
|
|
|
sy = |
s02 |
|
|
(7.16a) |
||||
|
|
|
|
|
|
|
|
|
|
m |
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
s |
|
|
s2 |
é |
1 |
|
1 |
ù |
|
|
|
|
|
|
|
|
|
|
x |
= |
0 |
ê |
|
|
+ |
|
ú . |
|
|
|
|
|
|
|
|
||
n |
|
m |
|
|
|
|
|
|
|
|
||||||||
|
|
b2 |
ê |
j |
|
ú |
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
ë |
|
|
|
|
û |
|
|
|
|
|
|
|
|
|
С учетом значений sy и sx могут быть найдены значения величин y и x.
y = sy × t(P2 ;ν ) |
(7.18) |
x = sx × t(P2 ;ν ) |
(7.19) |
Значения sx и Dx, найденные при ni =1, являются характеристиками воспроизво-
димости (сходимости) аналитической методики, если х - концентрация, а у - функция х. Обычно результаты статистической обработки по методу наименьших квадратов
сводят в Таблицу 7.2.
Таблица 7.2
Результаты статистической обработки экспериментальных данных, получен-
ных при изучении линейной зависимости вида y = bx + a
ν |
x |
|
|
|
b |
a |
t(P2;ν) |
|
|
s2 |
r |
sx |
|
|
x,r ×100 |
|
y |
b |
a |
|
x |
||||||||||||
|
|
|
|
|
|
|
при |
|
|
0 |
|
при |
|
|
|
|
|
|
|
|
|
|
|
P2=95% |
|
|
|
|
nj=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y j = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y |
|
|
|
|
1 |
2 |
3 |
|
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
|
|
12 |
13 |
Примечание 1. Если целью экспериментальной работы являлось определение констант b и а, графы 11, 12 и 13 Таблицы 7.2 не заполняются.
Примечание 2. Если y = b lg x + a , вычисления, описанные в разделе 7, выполняют с использованием уравнений (1.8), (1.9), (1.22 – 1.25).
Примечание 3. Сравнение дисперсий s02 , полученных в разных условиях для двух ли-
нейных зависимостей, может быть проведено, как указано в разделе 3.
8. ПОСЛЕДОВАТЕЛЬНАЯ СХЕМА СТАТИСТИЧЕСКОГО АНАЛИЗА РЕЗУЛЬТАТОВ ХИМИЧЕСКИХ ИЗМЕРЕНИЙ
Традиционно в фармакопейном анализе преобладают методы статистического анализа с фиксированным объемом выборки. Наряду с этим в последние годы все ши-
ре применяются методы так называемого последовательного (секвенционального)
анализа6. Использование этих методов имеет смысл в тех случаях, когда выполнение каждого анализа дорого, трудоемко или отнимает много времени, и при этом имеется
возможность анализировать результаты последовательно, по мере их поступления. Частным случаем последовательной схемы является метод проверки с двукрат-
ной выборкой. Такой метод применяется в фармакопейном анализе, например, при контроле однородности дозирования: берется первая выборка, и по полученным ре-
6 См., например, D. Siegmund. Sequential Analysis. Springer-Verlag. 1985.
зультатам партия либо проходит, либо бракуется, либо принимается решение взять
вторую выборку. Такая схема позволяет сэкономить (в среднем) число наблюдений, необходимое для принятия решения. Еще более экономична последовательная схема
в общем виде. По данным7 коэффициент выгоды при сопоставлении с традиционными схемами (фиксированный объем выборки) колеблется между двумя и тремя.
Последовательный критерий для различения двух простых гипотез Н0: выборка извлечена из генеральной совокупности f(x , μ0 ,σ);
Н1: выборка извлечена из генеральной совокупности f(x , μ1 ,σ)
предложен Вальдом8 (здесь f(x, μ , σ) – функция плотности вероятности нормального распределения). Критическая статистика γ (n) (n - число наблюдений) задается в виде:
n |
f( xi ,μ1 ,σ ) |
|
|
|
γ ( n ) = åln |
n = 1,2... |
(8.1) |
||
f ( xi ,μ2 ,σ ) |
||||
i =1 |
|
|
Область возможных значений критической статистики разбивается на три (а не
на две, как в случае выборок фиксированного объема) части: 1) область принятия гипотезы Н0
γ ( n ) ≤ ln |
|
|
β |
(8.2) |
|
1 |
− α |
||||
|
|
2) область принятия гипотезы Н1
|
|
γ |
( n ) ³ ln |
1 - β |
|
|
|
(8.3) |
|
|
α |
|
|
||||||
3) область продолжения наблюдений |
|
|
|
||||||
|
|
|
|
|
|||||
ln |
|
|
β |
< γ ( n ) < ln |
1 − β |
(8.4) |
|||
|
|
|
|
|
|||||
1 |
− α |
|
α |
||||||
|
|
|
|
|
|
Здесь:
α - погрешность первого рода (вероятность принятия гипотезы H1 , в то время как на самом деле верна гипотеза H0);
β - погрешность второго рода (вероятность принятия гипотезы H0 , в то время как на самом деле верна гипотеза H1).
Если результаты n испытаний рассматривать как случайную выборку из генеральной совокупности, подчиняющейся нормальному распределению с дисперсией σ2 (которая предполагается известной из предыдущих экспериментов), то
γ ( n ) = |
μ1 − |
μ0 |
åxi + |
n |
|
(μ02 |
− μ12 ) |
(8.5) |
2 |
|
2σ |
2 |
|||||
|
σ |
|
|
|
|
|
|
Если значение критической статистики, вычисленное на шаге n, попадает в область 1), то принимается гипотеза Н0; если оно попадает в область 2), то принимается гипотеза Н1; если значение критической статистики попадает в область 3), то произво-
дится еще одно измерение. Доказано, что с вероятностью 1 этот процесс заканчивается принятием одной из двух альтернативных гипотез.
7С.А. Айвазян Теор. вер. и ее примен. – 1959. – Т. 4. - № 1. – С. 87-93.
8А. Вальд. Последовательный анализ. М.: Физматгиз. 1960.