Uma estimativa do efeito das incertezas dos padrões na incerteza das curvas de calibração em química analítica

Ricardo Rezende Zucchini

Resumo

Curvas de calibração analíticas são importantes fontes de incerteza dos resultados de medições em química. As estimativas de incerteza geralmente desconsideram as incertezas herdadas dos padrões utilizados para construir as curvas, principalmente devido a difi culdades matemáticas. Neste trabalho, é apresentada uma investigação da infl uência das incertezas dos padrões na incerteza das curvas analíticas, utilizando a simulação pelo método de Monte Carlo aplicado a um exemplo clássico da literatura.

Texto completo:

PDF

Número de visualizações: 105

Referências

BESALÚ, E.; JULIÁN-ORTIZ, J. V.; POGLIANI, L. Ordinary and orthogonal regressions in QSAR/QSPR and chemistry-related studies. MATCH Communications in Mathematical Computer Chemistry, v. 63, p. 576-583, 2010.

COX, M. G., P. HARRIS and B. R. L. SIEBERT. Evaluation of measurement uncertainty based on the propagation of distributions using Monte Carlo simulation. Measurement Techniques, v. 46, n. 9, p. 824-833, 2003.

COX, M. G., P. M. HARRIS. Software specifications for uncertainty evaluation. Teddington: National Physical Laboratory, Sept. 2006; Revised/corrected Nov. 2008. (NPL Report DEM-ES-010; CMSC 40/04 revised).

DANZER, K.; WAGNER, M.; FISCHBACHER, C. Calibration by orthogonal and common least squares - theoretical and practical aspects. Fresenius Journal on Analytical Chemistry, v. 352, n. 5, p. 407- 412, 1995.

DANZER, K. Analytical chemistry: theoretical and metrological fundamentals. Berlin: Springer, 2007. 315 p. ISBN 3540359885.

ELLISON, S. L. R.; WILLIAMS, A. (Eds). Eurachem/CITAC Guide: quantifying uncertainty in analytical measurement. 3. ed. London: Eurachem, 2012. ISBN 978-0-948926-30-3.

INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO/IEC Guide 98-3:2008 (JCGM/WG1/100) Uncertainty of measurement - Part 3: Guide to the expression of uncertainty in

measurement (GUM:1995 with minor corrections). Geneve, 2008a. 120 p.

INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO/IEC Guide 98-3:2008/Suppl 1:2008 (JCGM/WG1/101): Propagation of distributions using a Monte Carlo method. Geneve, 2008b. 88 p.

KALOS, M. H.; WHITLOCK, P. A. Monte Carlo methods. New York: Wiley, 2004. 195 p. ISBN-10: 0-471-89839-2.

MANDEL, J. Fitting straight lines when both variables are subject to error. Journal of Quality Technology, v. 16, n. 1, p. 1-14, 1984.

SHARAF, M. A.; ILLMAN, D. L.; KOWALSKI, B. R. Chemometrics. New York: Wiley, 1986. 332 p.

SOBOL, I. M. A Primer for Monte Carlo Method. Boca Raton: CRC Press, 1994. 126 p. ISBN 0-8493-8673-X

THOMOPOULOS, N.T. Essentials of Monte Carlo Simulation: Statistical Methods for Building Simulation Models. New York: Springer, 2013. 174 p. DOI 10.1007/978-1-4614-6022-0

WALD, A. The fitting of straight lines if both variables are subject to error. Annual Mathematical Statistics, v. 11, n. 3, p. 284-300, 1940.

Apontamentos

  • Não há apontamentos.