3第二章 食品分析的误差与数据处理.ppt

第二章 食品分析的误差与数据处理 第一节 食品分析的误差 第二节 有限分析数据的处理 第三节 控制和消除误差的方法 第四节 误差的检验 第五节 分析质量控制和分析质量保证 第六节 有效数字及其应用 第七节 分析结果的报告及结论 食品分析的任务是准确测定试样中有关组分的含量,但在实际测定过程中，由于受所选用分析方法、所使用的分析仪器、周围环境和分析工作者自身条件等诸多因素的限制，使分析结果不可能与客观存在的真实值完全一致，人们把这种差异称为误差（error）。 虽然误差是客观存在的，但是如果我们掌握了它产生的基本规律，对测定数据进行必要的科学的处理和评价，完全有可能将误差减小到生产和科研所允许的误差范围内。为此，就要了解误差产生的原因及其减免的方法，使所得的分析结果尽可能与客观存在的真实值接近。 第一节 食品分析的误差 一、误差的种类和来源 食品分析的结果是经过一系列操作步骤得来的，其中的每一步骤都有可能引进误差。根据其性质和来源，可将误差分为以下两大类。 (一) 系统误差(二) 偶然误差（三）过失误差 二、 准确度和精密度 (一)准确度与误差(二)精密度与偏差(三)准确度和精密度的关系 一、误差的种类和来源 (一) 系统误差 系统误差（systematic error）也叫可测误差，它是由分析过程中某些确定的、经常的原因造成的，其特点是：对分析结果的影响比较固定，误差的正负具有单向性，大小具有规律性。在同一条件下重复测定时会重复出现，数值一般较大，是误差的主要来源。但其大小、正负可以测定，可以设法减免或校正。系统误差产生的原因归纳如下： 1、仪器和试剂误差 2、操作误差 3、方法误差 一、误差的种类和来源 (二) 偶然误差 偶然误差又称不可测误差或随机误差（random error）。在多次重复测定中，即使消除了引起系统误差的所有因素，所得数据仍然参差不齐，这是由某些难以控制的偶然因素造成的。 偶然误差的特点是：其方向和数值不固定，有时正、有时负，有时大、有时小。似乎没有什么规律。但当进行多次重复测定后就会发现，其符合正态分布曲线 一、误差的种类和来源 （三）过失误差 因工作不负责任，操作不正确，不按标准规程操作或粗心大意所造成的错误，则不属于误差范围，而是一种过失或称“过失误差”（mistake）。 如加错试剂、用错仪器、读错读数、溶液溅失、记录和计算错误等。在实际工作中，当出现很大误差时，应该认真寻找原因，如系过失所引起的错误，应立即弃去该次结果，并重新测定。只要严格遵守操作规程，加强责任心，养成科学的工作态度和良好的工作作风，“过失误差”是完全可以避免的。 二、 准确度和精密度 （一）准确度与误差 准确度是指测定值(X)与真实值(T)之间相互符合的程度，它能说明测定的可靠性，用误差（error）来表示。误差有正负之分，其绝对值愈小，准确度愈高。误差可用绝对误差和相对误差表示。 绝对误差：E= X- T 相对误差： 二、 准确度和精密度 （二）精密度与偏差 在实际工作中，由于真实值通常是不知道的，所以，对分析结果的评价常用精密度来衡量。精密度是多次平行测定时，个别测定值(Xi)与平行测定的平均值( )之间相符合的程度，用偏差（deviation）表示。其值越小，平行测定的精密度越高。偏差有如下表示方法： 绝对偏差，di=Xi- 相对偏差，dr= di/ ×100％ 为了说明一组分析数据的精密度，常用平均偏差 （average deviation）来表示,平均偏差没有正负之分。平均偏差占平均值的百分率称为相对平均偏差 r（relative average deviation）。 用平均偏差表示精密度比较简单，但由于反映不出个别大的偏差，在数理统计上不适用。依数理统计方法处理数据时，常用标准偏差（standard deviation）来衡量精密度。标准偏差S占平均值的百分率,称为相对标准偏差(relative standard deviation ,RSD) 。 二、 准确度和精密度 （三）准确度和精密度的关系 准确度表示测定结果与真实值的符合程度，反映系统误差的大小，而精密度与真实值无关，它表示各平行测定结果之间的符合程度，只能反映测定时随机误差的大小。精密度高不一定准确度高，只有在消除了系统误差之后，精密度高，准确度才高。 第二节 有限分析数据的处理 一、置信区间 二、可疑值的取舍 三、弃去可疑值时的注意事项 四、“三取二”的处理不合理 一、置信区间 偶然误差符合正态分布规律。正态分布曲线的形状取决