Calculadora de Curva de Calibratge Simple

Introducció

Una curva de calibratge és una eina fonamental en química analítica i ciències de laboratori que estableix la relació entre la resposta de l'instrument i les concentracions conegudes d'una substància. La nostra Calculadora de Curva de Calibratge Simple proporciona una interfície fàcil d'usar per crear corbes de calibratge a partir de mostres estàndard, permetent-te determinar concentracions desconegudes amb precisió i confiança. Tant si estàs analitzant compostos químics, realitzant proves de control de qualitat o duent a terme experiments de recerca, aquesta calculadora simplifica el procés de generació de models de regressió lineal a partir de les teves dades de calibratge.

Les corbes de calibratge són essencials per convertir mesures brutes de l'instrument (com ara absorbància, àrea de pic o intensitat de senyal) en valors de concentració significatius. En establir una relació matemàtica entre concentracions conegudes i les seves respostes corresponents, pots quantificar amb precisió mostres desconegudes utilitzant la mateixa tècnica de mesura. Aquesta calculadora empra l'anàlisi de regressió lineal per trobar la millor línia recta que s'ajusta als teus punts de calibratge, proporcionant-te valors de pendent, intercepció i coeficient de correlació (R²) per avaluar la qualitat del teu calibratge.

Com Funcionen les Corbes de Calibratge

La Matemàtica Darrere de les Corbes de Calibratge

En el seu nucli, una corba de calibratge representa una relació matemàtica entre la concentració (x) i la resposta (y). Per a la majoria dels mètodes analítics, aquesta relació segueix un model lineal:

$y = mx + b$

On:

$y$ = resposta de l'instrument (variable dependent)
$x$ = concentració (variable independent)
$m$ = pendent (sensibilitat del mètode)
$b$ = intercepció en y (senyal de fons)

La calculadora determina aquests paràmetres utilitzant el mètode de mínims quadrats de la regressió lineal, que minimitza la suma de les diferències quadrades entre les respostes observades i els valors predits pel model lineal.

Els càlculs clau que es realitzen inclouen:

Càlcul de la pendent (m): $m = \frac{\sum_{i=1}^{n}(x_i - \bar{x})(y_i - \bar{y})}{\sum_{i=1}^{n}(x_i - \bar{x})^2}$
Càlcul de la intercepció en y (b): $b = \bar{y} - m\bar{x}$
Càlcul del coeficient de determinació (R²): $R^2 = 1 - \frac{\sum_{i=1}^{n}(y_i - \hat{y}_i)^2}{\sum_{i=1}^{n}(y_i - \bar{y})^2}$

On $\hat{y}_i$ representa el valor de y predet per a un valor donat de x.
Càlcul de la concentració desconeguda: $x_{unknown} = \frac{y_{unknown} - b}{m}$

Interpretant els Resultats

La pendent (m) indica la sensibilitat del teu mètode analític. Una pendent més pronunciada significa que la resposta canvia més dramàticament amb la concentració, oferint potencialment una millor resolució per distingir entre concentracions similars.

La intercepció en y (b) representa la senyal de fons o la resposta de l'instrument quan la concentració és zero. Idealment, això hauria d'estar a prop de zero per a molts mètodes analítics, però alguns mètodes inherentment tenen intercepcions no zero.

El coeficient de determinació (R²) mesura com de bé s'ajusta les teves dades al model lineal. Un valor de R² de 1.0 indica un ajust perfecte, mentre que valors més propers a 0 suggereixen una mala correlació. Per a corbes de calibratge fiables, hauries d'aspirar a valors de R² per sobre de 0.99 en la majoria de les aplicacions analítiques.

Com Utilitzar la Calculadora

La nostra Calculadora de Curva de Calibratge Simple està dissenyada per ser intuïtiva i senzilla. Segueix aquests passos per generar la teva corba de calibratge i determinar concentracions desconegudes:

Pas 1: Introduir Punts de Dades de Calibratge

Introdueix els teus coneguts valors de concentració a la columna esquerra
Introdueix els corresponents valors de resposta a la columna dreta
La calculadora comença amb dos punts de dades per defecte
Fes clic al botó "Afegir Punt de Dades" per incloure estàndards addicionals
Utilitza la icona de paperera per eliminar qualsevol punt de dades no desitjat (mínim de dos requerits)

Pas 2: Generar la Corba de Calibratge

Un cop hagis introduït almenys dos punts de dades vàlids, la calculadora automàticament:

Calcula els paràmetres de regressió lineal (pendent, intercepció i R²)
Mostra l'equació de regressió en el format: y = mx + b (R² = valor)
Genera un gràfic visual mostrant els teus punts de dades i la millor línia d'ajust

Pas 3: Calcular Concentracions Desconegudes

Per determinar la concentració de mostres desconegudes:

Introdueix el valor de resposta de la teva mostra desconeguda al camp designat
Fes clic al botó "Calcular"
La calculadora mostrarà la concentració calculada basada en la teva corba de calibratge
Utilitza el botó de còpia per transferir fàcilment el resultat als teus registres o informes

Consells per a una Calibració Precisa

Per obtenir els resultats més fiables, considera aquestes millors pràctiques:

Utilitza almenys 5-7 punts de calibratge per a una corba de calibratge robusta
Assegura't que els teus estàndards de calibratge abasten el rang esperat de les teves mostres desconegudes
Espacia els teus punts de calibratge de manera uniforme a través del rang de concentració
Inclou mesures replicades per avaluar la precisió
Verifica que les teves dades segueixin una relació lineal (R² > 0.99 per a la majoria d'aplicacions)

Casos d'Ús

Les corbes de calibratge són eines essencials a través de nombrosos camps científics i industrials. Aquí hi ha algunes aplicacions comunes:

Química Analítica

En química analítica, les corbes de calibratge s'utilitzen per a l'anàlisi quantitativa de compostos mitjançant tècniques com ara:

Espectrofotometria UV-Visible: Determinació de la concentració de compostos colorats mesurant l'absorció de llum
Cromatografia Líquida d'Alta Resolució (HPLC): Quantificació de compostos basant-se en àrees o alçades de pics
Espectroscòpia d'Absorció Atòmica (AAS): Mesura de concentracions de metalls en mostres ambientals o biològiques
Cromatografia de Gas (GC): Anàlisi de compostos volàtils en mescles complexes

Bioquímica i Biologia Molecular

Els investigadors en ciències de la vida confien en les corbes de calibratge per:

Quantificació de Proteïnes: Assaigs de Bradford, BCA o Lowry per determinar concentracions de proteïnes
Quantificació de DNA/RNA: Mesura espectrofotomètrica o fluoromètrica de concentracions d'àcids nucleics
Assaigs Immunoenzimàtics (ELISA): Quantificació d'antígens, anticossos o proteïnes en mostres biològiques
Anàlisi de qPCR: Determinació de quantitats de plantilla inicials en PCR quantitativa

Anàlisi Ambiental

Els científics ambientals utilitzen les corbes de calibratge per:

Anàlisi de Qualitat de l'Aigua: Mesura de contaminants, nutrients o contaminants en mostres d'aigua
Anàlisi de Sols: Quantificació de minerals, compostos orgànics o contaminants en extraccions de sòl
Monitorització de Qualitat de l'Aire: Determinació de concentracions de partícules o contaminants gasosos

Indústria Farmacèutica

En la recerca farmacèutica i el control de qualitat, les corbes de calibratge són essencials per:

Assaigs de Medicaments: Determinació del contingut de principi actiu farmacèutic (API)
Proves de Dissolució: Mesura de les taxes de lliberament de medicaments de formulacions
Estudis de Stabilitat: Monitorització de la degradació de medicaments al llarg del temps
Mètodes Bioanalítics: Quantificació de concentracions de medicaments en matrius biològiques

Indústria Alimentària i de Begudes

Els científics alimentaris i els especialistes en control de qualitat utilitzen les corbes de calibratge per:

Anàlisi Nutricional: Determinació de continguts de vitamines, minerals o macronutrients
Proves de Contaminants: Mesura de residus de pesticides, metalls pesants o toxines microbianes
Control de Qualitat: Monitorització de compostos de sabor, colorants o conservants

Alternatives a les Corbes de Calibratge Lineals

Si bé la calibració lineal és l'enfocament més comú, existeixen diverses alternatives per a situacions en què la relació entre concentració i resposta no és lineal:

Calibració Polinòmica: Ús d'equacions polinòmiques d'ordre superior (quadràtiques, cúbiques) per a relacions corbades
Transformació Logarítmica: Convertir dades no lineals a forma lineal prenent logaritmes
Funcions Potència: Ús de relacions de potència (y = ax^b) per a certs tipus de dades
Regressió Lineal Ponderada: Aplicar pesos als punts de dades per tenir en compte la heteroscedasticitat (variància desigual)
Mètode d'Addició Estàndard: Afegir quantitats conegudes d'analit a la mostra per determinar la concentració sense una corba de calibratge separada
Calibració amb Estàndard Intern: Ús d'un compost de referència per normalitzar les respostes i millorar la precisió

Història de les Corbes de Calibratge

El concepte de calibratge té arrels profundes en la història de la mesura i la ciència analítica. Aquí hi ha una breu visió general de com han evolucionat les corbes de calibratge:

Desenvolupaments Temprans

El principi fonamental de comparar desconeguts amb estàndards data de civilitzacions antigues que van desenvolupar pesos i mesures estàndard. No obstant això, la base matemàtica per a les modernes corbes de calibratge va emergir al segle XIX amb el desenvolupament de l'anàlisi de regressió.

Fonaments Estadístics

L'any 1805, Adrien-Marie Legendre va introduir el mètode de mínims quadrats, que esdevindria la base matemàtica per a la regressió lineal. Més tard, Carl Friedrich Gauss va desenvolupar encara més aquests conceptes, proporcionant el marc estadístic que sustenta els mètodes de calibratge moderns.

Química Analítica Moderna

L'ús sistemàtic de les corbes de calibratge en química analítica va guanyar prominència a principis del segle XX amb el desenvolupament de tècniques d'anàlisi instrumental:

A la dècada de 1940 i 1950, l'aparició de l'espectrofotometria va portar a l'adopció generalitzada de les corbes de calibratge per a l'anàlisi quantitativa
El desenvolupament de tècniques cromatogràfiques a mitjans del segle XX va ampliar encara més l'aplicació dels mètodes de calibratge
La introducció de l'anàlisi de dades informatitzada a les dècades de 1970 i 1980 va simplificar la creació i l'ús de corbes de calibratge

Evolució de l'Assegurament de Qualitat

A mesura que els mètodes analítics es van fer més sofisticats, també ho van fer els enfocaments per al calibratge:

El concepte de validació de mètodes, incloent l'avaluació de la linearitat, el rang i els límits de detecció, es va estandarditzar
Els organismes reguladors com l'FDA, l'EPA i l'ICH van establir directrius per a procediments de calibratge adequats
El desenvolupament de programari estadístic va fer que models de calibratge més complexos fossin accessibles a laboratoris rutinàries

Avui dia, les corbes de calibratge segueixen sent fonamentals per a la ciència analítica, amb investigacions en curs centrades a millorar els mètodes de calibratge per a desafiaments analítics cada vegada més complexos i límits de detecció més baixos.

Exemples de Codi

Aquí hi ha exemples de com implementar càlculs de corbes de calibratge en diversos llenguatges de programació:

Excel

1' Funció VBA d'Excel per a la Regressió Lineal de la Corba de Calibratge
2Function CalculateUnknownConcentration(response As Double, calibrationPoints As Range) As Double
3    Dim xValues As Range, yValues As Range
4    Dim slope As Double, intercept As Double
5    Dim i As Integer, n As Integer
6    
7    ' Configura x i y
8    n = calibrationPoints.Rows.Count
9    Set xValues = calibrationPoints.Columns(1)
10    Set yValues = calibrationPoints.Columns(2)
11    
12    ' Calcula la pendent i la intercepció utilitzant LINEST
13    slope = Application.WorksheetFunction.Slope(yValues, xValues)
14    intercept = Application.WorksheetFunction.Intercept(yValues, xValues)
15    
16    ' Calcula la concentració desconeguda
17    CalculateUnknownConcentration = (response - intercept) / slope
18End Function
19
20' Ús en una fulla de càlcul:
21' =CalculateUnknownConcentration(A1, B2:C8)
22' On A1 conté el valor de resposta i B2:C8 conté parells concentració-resposta
23

Python

1import numpy as np
2from scipy import stats
3import matplotlib.pyplot as plt
4
5def create_calibration_curve(concentrations, responses):
6    """
7    Crear una corba de calibratge a partir de parells concentració-resposta coneguts.
8    
9    Paràmetres:
10    concentrations (array-like): Valors de concentració coneguts
11    responses (array-like): Valors de resposta corresponents
12    
13    Retorna:
14    tuple: (pendent, intercepció, r_squared, gràfic)
15    """
16    # Converteix les entrades a arrays de numpy
17    x = np.array(concentrations)
18    y = np.array(responses)
19    
20    # Realitza la regressió lineal
21    slope, intercept, r_value, p_value, std_err = stats.linregress(x, y)
22    r_squared = r_value ** 2
23    
24    # Crea la línia de predicció
25    x_line = np.linspace(min(x) * 0.9, max(x) * 1.1, 100)
26    y_line = slope * x_line + intercept
27    
28    # Crea el gràfic
29    plt.figure(figsize=(10, 6))
30    plt.scatter(x, y, color='red', label='Punts de Calibratge')
31    plt.plot(x_line, y_line, color='blue', label=f'y = {slope:.4f}x + {intercept:.4f}')
32    plt.xlabel('Concentració')
33    plt.ylabel('Resposta')
34    plt.title('Corba de Calibratge')
35    plt.legend()
36    plt.grid(True, linestyle='--', alpha=0.7)
37    plt.text(min(x), max(y) * 0.9, f'R² = {r_squared:.4f}', fontsize=12)
38    
39    return slope, intercept, r_squared, plt
40
41def calculate_unknown_concentration(response, slope, intercept):
42    """
43    Calcular la concentració desconeguda a partir d'un valor de resposta utilitzant paràmetres de calibratge.
44    
45    Paràmetres:
46    response (float): Valor de resposta mesurat
47    slope (float): Pendent de la corba de calibratge
48    intercept (float): Intercepció de la corba de calibratge
49    
50    Retorna:
51    float: Concentració calculada
52    """
53    return (response - intercept) / slope
54
55# Exemple d'ús
56concentrations = [0, 1, 2, 5, 10, 20]
57responses = [0.1, 0.3, 0.5, 1.1, 2.0, 3.9]
58
59slope, intercept, r_squared, plot = create_calibration_curve(concentrations, responses)
60print(f"Equació de calibratge: y = {slope:.4f}x + {intercept:.4f}")
61print(f"R² = {r_squared:.4f}")
62
63# Calcular concentració desconeguda
64unknown_response = 1.5
65unknown_conc = calculate_unknown_concentration(unknown_response, slope, intercept)
66print(f"Concentració desconeguda: {unknown_conc:.4f}")
67
68# Mostrar gràfic
69plot.show()
70

JavaScript

1/**
2 * Calcular la regressió lineal per a la corba de calibratge
3 * @param {Array} points - Array de parells [concentració, resposta]
4 * @returns {Object} Paràmetres de regressió
5 */
6function calculateLinearRegression(points) {
7  // Extreu valors x i y
8  const x = points.map(point => point[0]);
9  const y = points.map(point => point[1]);
10  
11  // Calcula mitjanes
12  const n = points.length;
13  const meanX = x.reduce((sum, val) => sum + val, 0) / n;
14  const meanY = y.reduce((sum, val) => sum + val, 0) / n;
15  
16  // Calcula pendent i intercepció
17  let numerator = 0;
18  let denominator = 0;
19  
20  for (let i = 0; i < n; i++) {
21    numerator += (x[i] - meanX) * (y[i] - meanY);
22    denominator += Math.pow(x[i] - meanX, 2);
23  }
24  
25  const slope = numerator / denominator;
26  const intercept = meanY - slope * meanX;
27  
28  // Calcula R-quadrat
29  const predictedY = x.map(xVal => slope * xVal + intercept);
30  const totalSS = y.reduce((sum, yVal) => sum + Math.pow(yVal - meanY, 2), 0);
31  const residualSS = y.reduce((sum, yVal, i) => sum + Math.pow(yVal - predictedY[i], 2), 0);
32  const rSquared = 1 - (residualSS / totalSS);
33  
34  return {
35    slope,
36    intercept,
37    rSquared,
38    equation: `y = ${slope.toFixed(4)}x + ${intercept.toFixed(4)}`,
39    calculateUnknown: (response) => (response - intercept) / slope
40  };
41}
42
43// Exemple d'ús
44const calibrationPoints = [
45  [0, 0.1],
46  [1, 0.3],
47  [2, 0.5],
48  [5, 1.1],
49  [10, 2.0],
50  [20, 3.9]
51];
52
53const regression = calculateLinearRegression(calibrationPoints);
54console.log(regression.equation);
55console.log(`R² = ${regression.rSquared.toFixed(4)}`);
56
57// Calcular concentració desconeguda
58const unknownResponse = 1.5;
59const unknownConcentration = regression.calculateUnknown(unknownResponse);
60console.log(`Concentració desconeguda: ${unknownConcentration.toFixed(4)}`);
61

R

1# Funció per crear corba de calibratge i calcular concentració desconeguda
2create_calibration_curve <- function(concentrations, responses, unknown_response = NULL) {
3  # Crear un data frame
4  cal_data <- data.frame(
5    concentration = concentrations,
6    response = responses
7  )
8  
9  # Realitzar regressió lineal
10  model <- lm(response ~ concentration, data = cal_data)
11  
12  # Extreure paràmetres
13  slope <- coef(model)[2]
14  intercept <- coef(model)[1]
15  r_squared <- summary(model)$r.squared
16  
17  # Crear gràfic
18  plot <- ggplot2::ggplot(cal_data, ggplot2::aes(x = concentration, y = response)) +
19    ggplot2::geom_point(color = "red", size = 3) +
20    ggplot2::geom_smooth(method = "lm", formula = y ~ x, color = "blue", se = FALSE) +
21    ggplot2::labs(
22      title = "Corba de Calibratge",
23      x = "Concentració",
24      y = "Resposta",
25      subtitle = sprintf("y = %.4fx + %.4f (R² = %.4f)", slope, intercept, r_squared)
26    ) +
27    ggplot2::theme_minimal()
28  
29  # Calcular concentració desconeguda si es proporciona
30  unknown_conc <- NULL
31  if (!is.null(unknown_response)) {
32    unknown_conc <- (unknown_response - intercept) / slope
33  }
34  
35  # Retornar resultats
36  return(list(
37    slope = slope,
38    intercept = intercept,
39    r_squared = r_squared,
40    equation = sprintf("y = %.4fx + %.4f", slope, intercept),
41    plot = plot,
42    unknown_concentration = unknown_conc
43  ))
44}
45
46# Exemple d'ús
47concentrations <- c(0, 1, 2, 5, 10, 20)
48responses <- c(0.1, 0.3, 0.5, 1.1, 2.0, 3.9)
49
50# Crear corba de calibratge
51result <- create_calibration_curve(concentrations, responses, unknown_response = 1.5)
52
53# Imprimir resultats
54cat("Equació de calibratge:", result$equation, "\n")
55cat("R²:", result$r_squared, "\n")
56cat("Concentració desconeguda:", result$unknown_concentration, "\n")
57
58# Mostrar gràfic
59print(result$plot)
60

Preguntes Freqüents

Què és una corba de calibratge?

Una corba de calibratge és una representació gràfica de la relació entre concentracions conegudes d'una substància i les respostes corresponents de l'instrument. Es crea mesurant estàndards amb concentracions conegudes i ajustant un model matemàtic (tipicament lineal) als punts de dades. Aquesta corba s'utilitza per determinar les concentracions de mostres desconegudes basant-se en les seves respostes mesurades.

Quants punts de calibratge hauria d'utilitzar?

Per a la majoria de les aplicacions analítiques, es recomana un mínim de 5-7 punts de calibratge per establir una corba de calibratge fiable. Utilitzar més punts generalment millora la precisió del teu calibratge, especialment quan es cobreix un ampli rang de concentracions. Per a la conformitat reguladora, mètodes específics poden requerir un mínim nombre de punts de calibratge, així que sempre verifica les directrius rellevants per a la teva aplicació.

Què em diu el valor de R² sobre la meva corba de calibratge?

El coeficient de determinació (R²) mesura com de bé les teves dades s'ajusten al model lineal. Un valor de R² de 1.0 indica un ajust perfecte, mentre que valors més propers a 0 suggereixen una mala correlació. Per a mètodes analítics, un valor de R² superior a 0.99 es considera normalment acceptable, encara que aplicacions específiques poden tenir diferents requisits. Un valor de R² baix pot indicar problemes amb els teus estàndards, instrument, o que un model no lineal seria més apropiat.

Puc utilitzar una corba de calibratge per a concentracions fora del meu rang de calibratge?

L'extrapolació més enllà del teu rang de calibratge (ja sigui per sota del més baix o per sobre del més alt estàndard) generalment no es recomana, ja que pot conduir a errors significatius. La relació entre concentració i resposta pot no romandre lineal fora del rang calibrat. Per obtenir els millors resultats, assegura't que les teves mostres desconegudes caiguin dins del rang de concentració dels teus estàndards de calibratge. Si és necessari, dilueix les mostres que superin el teu més alt estàndard o concentra les mostres que estiguin per sota del teu més baix estàndard.

Cada quant temps hauria de crear una nova corba de calibratge?

La freqüència de calibratge depèn de diversos factors, incloent:

Estabilitat de l'instrument
Requisits del mètode
Directrius reguladores
Producció de mostres
Condicions ambientals

Les pràctiques comunes inclouen:

Calibració diària per a anàlisis rutinàries
Calibració amb cada lot de mostres
Verificació de calibració utilitzant estàndards de control entre calibracions completes
Recalibració quan les mostres de control de qualitat indiquen desviació

Segueix sempre les directrius específiques del mètode i els requisits reguladors per a la teva aplicació.

Què podria causar que la meva corba de calibratge fos no lineal?

Diversos factors poden causar corbes de calibratge no lineals:

Saturació del detector: Quan el detector arriba al seu límit superior de resposta
Efectes de matriu: Interferència de components de la mostra que afecten la resposta
Equilibris químics: Reaccions competidores a diferents concentracions
Efectes d'adsorció: Pèrdua d'analit a baixes concentracions
Limitacions de l'instrument: Resposta no lineal inherent a la tecnologia

Si les teves dades mostren constantment un comportament no lineal, considera utilitzar models de calibratge alternatius (polinòmics, logarítmics) o reduir el teu rang de concentració per treballar dins d'una regió lineal.

Com manejo les mostres per sota del límit de detecció?

Per a mostres amb respostes per sota del límit de detecció (LOD), hi ha diverses aproximacions possibles:

Reportar com "< LOD" o "< [valor numèric del LOD]"
Reportar com zero (no recomanat per a anàlisis estadístiques)
Reportar com LOD/2 o LOD/√2 (aproximacions estadístiques comunes)
Utilitzar mètodes analítics més sensibles
Concentrar la mostra per portar-la per sobre del LOD

L'enfocament apropiat depèn de la teva aplicació específica i de qualsevol requisit regulador aplicable.

Puc utilitzar regressió ponderada per a la meva corba de calibratge?

Sí, la regressió ponderada és apropiada quan la variància de la resposta no és constant a través del rang de concentració (heteroscedasticitat). Factors de pes comuns inclouen 1/x, 1/x², 1/y, i 1/y². La regressió ponderada sovint millora la precisió de la quantificació, especialment a concentracions més baixes. Les proves estadístiques poden ajudar a determinar si el pesatge és necessari i quin factor de pesatge és més apropiat per a les teves dades.

Com determino el límit de detecció (LOD) i el límit de quantificació (LOQ) a partir de la meva corba de calibratge?

Enfocaments comuns per determinar LOD i LOQ a partir de dades de calibratge inclouen:

Mètode de ràtio senyal-a-ruido:
- LOD = 3 × (desviació estàndard del blanc)
- LOQ = 10 × (desviació estàndard del blanc)
Mètode de corba de calibratge:
- LOD = 3.3 × (desviació estàndard de la intercepció en y) ÷ pendent
- LOQ = 10 × (desviació estàndard de la intercepció en y) ÷ pendent
Mètode de desviació estàndard de replicats de baixa concentració:
- LOD = 3 × (desviació estàndard de replicats de baixa concentració)
- LOQ = 10 × (desviació estàndard de replicats de baixa concentració)

El mètode més apropiat depèn de la teva tècnica analítica i dels requisits reguladors.

Quina és la diferència entre calibratge extern i calibratge intern?

El calibratge extern utilitza un conjunt separat d'estàndards per crear la corba de calibratge. És més senzill però pot no tenir en compte les variacions específiques de la mostra o les pèrdues durant la preparació.

El calibratge intern afegeix un compost conegut (l'estàndard intern) tant als estàndards com a les mostres. La ràtio de resposta d'analit a l'estàndard intern s'utilitza per al calibratge. Aquest enfocament compensa les variacions en la preparació de mostres, el volum d'injecció i la resposta de l'instrument, proporcionant normalment millor precisió, especialment per a mostres complexes o mètodes amb múltiples passos de processament.

Referències

Harris, D. C. (2015). Quantitative Chemical Analysis (9a ed.). W. H. Freeman and Company.
Skoog, D. A., Holler, F. J., & Crouch, S. R. (2017). Principles of Instrumental Analysis (7a ed.). Cengage Learning.
Miller, J. N., & Miller, J. C. (2018). Statistics and Chemometrics for Analytical Chemistry (7a ed.). Pearson Education Limited.
Brereton, R. G. (2018). Applied Chemometrics for Scientists. John Wiley & Sons.
Eurachem. (2014). The Fitness for Purpose of Analytical Methods: A Laboratory Guide to Method Validation and Related Topics (2a ed.). Recuperat de https://www.eurachem.org/
International Conference on Harmonisation (ICH). (2005). Validation of Analytical Procedures: Text and Methodology Q2(R1). Recuperat de https://www.ich.org/
Thompson, M., Ellison, S. L. R., & Wood, R. (2002). Harmonized guidelines for single-laboratory validation of methods of analysis (IUPAC Technical Report). Pure and Applied Chemistry, 74(5), 835-855.
Magnusson, B., & Örnemark, U. (Eds.). (2014). Eurachem Guide: The Fitness for Purpose of Analytical Methods – A Laboratory Guide to Method Validation and Related Topics (2a ed.). Recuperat de https://www.eurachem.org/
Almeida, A. M., Castel-Branco, M. M., & Falcão, A. C. (2002). Linear regression for calibration lines revisited: weighting schemes for bioanalytical methods. Journal of Chromatography B, 774(2), 215-222.
Currie, L. A. (1999). Detection and quantification limits: origins and historical overview. Analytica Chimica Acta, 391(2), 127-134.

Prova la nostra Calculadora de Curva de Calibratge Simple avui mateix per agilitzar el teu treball analític! Simplement introdueix els teus punts de dades de calibratge, genera una corba de calibratge precisa i determina amb confiança concentracions desconegudes. Necessites ajuda amb altres càlculs de laboratori? Explora la nostra gamma completa de calculadores científiques dissenyades per a investigadors, estudiants i professionals de laboratori.

Calculadora de corbes de calibratge simple per a l'anàlisi de laboratori

Calculadora de Corbes de Calibratge Simple

Introduïu els punts de dades de calibratge

Corba de calibratge

Calcular concentració desconeguda

Documentació