Validação da metodologia da avaliação de incerteza em curvas de calibração melhor ajustadas por polinômios de segundo grau

Abstract

Recebido em 14/10/08; aceito em 5/2/09; publicado na web em 3/7/09 METHODOLOGY VALIDATION FOR EVALUATION OF THE UNCERTAINTY IN THE CALIBRATION CURVES BETTER ADJUSTED FOR SECOND-DEGREE POLYNOMIALS. The most widespread literature for the evaluation of uncertainty -GUM and Eurachem -does not describe explicitly how to deal with uncertainty of the concentration coming from non-linear calibration curves. This work had the objective of describing and validating a methodology, as recommended by the recent GUM Supplement approach, to evaluate the uncertainty through polynomial models of the second order. In the uncertainty determination of the concentration of benzatone (C) by chromatography, it is observed that the uncertainty of measurement between the methodology proposed and Monte Carlo Simulation, does not diverge by more than 0.0005 unit, thus validating the model proposed for one significant digit.Keywords: second order calibration uncertainty; Monte Carlo Simulation; GUM Supplement. INTRODUÇÃONa calibração univariada clássica, n pontos de calibração y definem a curva de calibração (y = f (x)), e a quantidade desconhecida (x 0 ) é determinada pela solução da equação (y 0 = f (x 0 )), onde y 0 é a resposta para uma concentração desconhecida. O caso mais simples e mais largamente utilizado é o seguinte modelo linear: (y = b 0 + b 1 x), onde os valores da variável independente x e incerteza dos padrões utilizados na construção da curva de calibração são considerados com incerteza desprezível, além da variável de resposta y assumir ter erros aleatoriamente distribuídos de desvio padrão constante -homocedás-tica. . Em uma regressão não ponderada, a partir de n pontos de dados da curva de calibração e para p números de medições para determinar y 0 , a incerteza padrão em x 0 é geralmente calculada a partir da Equação 2: 3,4 (2) onde, S é o desvio padrão residual do ajuste linear.Entretanto, em algumas situações, o melhor ajuste pode não ser o linear. O objetivo deste trabalho é descrever uma metodologia e sua validação para avaliação de incerteza, onde o ajuste mais adequado é o quadrático. FUNDAMENTOS TEÓRICOS Análise de regressãoÉ a maneira tradicional de se construir a melhor curva, de tal maneira que a soma dos quadrados dos resíduos seja mínima, razão pela qual este método é chamado de ajuste por mínimos quadrados.Podem-se calcular os valores dos coeficientes b i , resolvendo uma única equação matricial:

Tren‐Cored PAMAM Dendrimer/Silver Nanocomposites: Efficient Colorimetric Sensors for the Determination of Mercury Ions from Aqueous Solutions

“…A nice non‐linear correlation was built up ( ) by plotting SPR band intensity as function of Hg 2+ concentration over the dynamic non‐linear range from 17 ppb to 945 nm at 405 nm (Figure b). By using the previous calculation method reported in the literature, limit of detection (LOD) of the Ag DENPs for the Hg 2+ sensing was found to be 1.18 ppb which is equivalent to 5.88 nM. On the other hand, it is noteworthy that a linear correlation was established by plotting the blue‐shifted wavelength of the SPR peak as a function of Hg 2+ concentration ( ) (Figure c).…”