|
Реферат: Анализ медико-биологических данных с использованием Excel и СПП STADIA (Биология)
Министерство образования Российской Федерации
Дальневосточный государственный университет
Реферат
по теме:
Анализ медико-биологических данных
с помощью Microsoft Excel и СПП STADIA 6.2
Выполнила аспирант кафедры
биохимии и биотехнологии
Ли Ирина Арсентьевна
(03.00.04)
Научный руководитель:
д.б.н., профессор
Э.Я. Костецкий
Владивосток
2002
СОДЕРЖАНИЕ
ВВЕДЕНИЕ 3
Математическая статистика 5
Биометрия 5
Статистические пакеты 7
Этапы анализа данных 8
КОМПЛЕКСНОЕ СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ 10
Медико-биологическое действие тиакарпина на интактный организм мышей
11
Выводы 18
ЛИТЕРАТУРА 19
ВВЕДЕНИЕ
В развитых странах практически любое решение: политическое,
финансовое, техническое, научно-исследовательское и даже бытовое решение
принимается только после всестороннего анализа данных. Поэтому изучение
прикладной статистики и методов анализа данных является неотъемлемым
компонентом образования на всех уровнях, а компьютерные пакеты для
аналитических исследований и прогнозирования являются настольным рабочим
инструментом любого специалиста, так или иначе связанного с информационной
сферой.
Известно, что окружающий нас мир характеризуется постоянной
изменчивостью, порождающей разнообразие возможностей и свободу выбора.
Однако тот, кто серьезно думает о перспективах своей деятельности,
обязательно будет накапливать информацию об окружающем мире, пытаясь
выделить закономерности из случайностей.
Именно таким мощным и гибким инструментом отсеивания закономерностей
от случайностей и является аппарат математической статистики.
Для современной науки характерно применение точных математических
методов в самых различных областях. Точность и уровень той или иной
области человеческих знаний часто определяется степенью использования
соответствующим разделом науки математических методов.
Эволюционная теория Ч. Дарвина, явилась по существу первой
эволюционной теорией, которая привнесла в исследования вероятностный дух.
Анализ взаимозависимости между такими исходными понятиями эволюционной
теории, как изменчивость, наследственность и отбор, оказался бы
несостоятельным без того, что сейчас называется вероятностным стилем
мышления. Сегодня исследование проблем организации, функционирования,
взаимодействия и эволюции живых систем уже немыслимо без привлечения идей и
методов теории вероятностей, математической статистики и других разделов
математики .
Характерной особенностью математизации биологии в наши дни является
стремительный рост спроса на такие методы эмпирического материала, которые
обеспечивают комплексный подход к познанию живых организмов. В
исследовательской работе не всегда учитывается принцип единства и
взаимосвязанности явлений в природе. Ярче всего это проявляется при
организации наблюдений и экспериментов по принципу единственного фактора,
которому многое жертвовалось: вводились различные ограничения и
оправдывались существенные упрощения, разрабатывались искусственный схемы
исследований и т.д. В результате допускалась методологическая ошибка:
игнорировался принцип единства живой природы. Известно, что упущения
методологического характера нельзя исправить никакими методами, в том числе
и математическими. Принцип единственного фактора вошел в биологию по
объективным причинам, среди которых первостепенное значение имеет факт, что
человек не может непосредственно анализировать одновременное взаимодействие
многих факторов.
Такие математические методы, которые разработаны с всесторонним
учетом принципа единства живой природы и возможности практической их
реализации с использование программного обеспечения, является достижением в
области постановки и анализа биологических исследований. Однако, опыт
показывает, что и в век вычислительной техники лучших успехов достигают те
специалисты, которые умеют не только использовать обработанную информацию,
но также уяснили сущность применяемых методов. Это предохранит от
механического их использования, которое рано или поздно приводит к нелепым
или даже абсурдным выводам.
Математическая статистика
Математическая статистика – раздел математики, посвященный
математическим методам систематизации, обработки и использования
статистических данных для научных и практических выводов. Математическая
статистика исходит из предположения, что наблюдаемая изменчивость
наблюдаемого мира имеет два источника. Один из них действие известных
причин и факторов. Они порождают изменчивость, закономерно объяснимую.
Именно эти изменения и вызывающие ее факторы обычно представляют интерес у
исследователя, ищущего, в первую очередь, причинные связи явлений.
Однако большинство природных и общественных явлений обнаруживают
изменчивость, которая не может быть целиком объяснена закономерными
причинами. В таком случае прибегают к концепции случайной изменчивости,
которая в данном контексте означает «подчиняющийся законам вероятности». И
если предположение о таком характере явлений справедливо, то оно позволяет
делать надежные выводы (достоверность которых контролируется) из данных,
которые зачастую противоречивы, искажены ошибками, ненадежны и т.д. Без
привлечения статистических понятий в таких случаях невозможно судить о
точности и обоснованности выводов, но и вообще об их адекватности.
Практика накопила большой опыт того, в каких ситуациях приемлемы
представления о случайной изменчивости. Для наиболее ходовых из таких
ситуаций разработаны математические модели. Наиболее важные и
употребительные модели отражены в компьютерных статистических пакетах.
Программное воплощение теоретических схем бывает весьма разнообразным,
равно как и возможности и производительность реализуемых алгоритмов, а
также удобство использования и работы с пакетом.
Кроме основного ядра, в той или иной форме представленного в
большинстве пакетов общего назначения, многие из них уделяют
предпочтительное внимание отдельным разделам математической статистики и
могут содержать менее традиционный или даже новый, оригинальный материал по
этим разделам.
Биометрия
Даже в самых конкретных биологических исследованиях основной интерес
представляют сведения, относящиеся не к индивидуальному объекту, а к целой
группе или некоторому статистическому среднему объекту. Необходимость
использования статистических методов в биологических и медицинских
исследованиях связана в первую очередь с тем, что свойства биологических
объектов обычно значительно варьируют в пределах популяции, а
физиологические и другие параметры одной особи испытывают флуктуации во
времени.
Традиционно тесные связи между биологической проблематикой и
собственно математической статистикой, уже давно позволили выделить
рассматриваемую область прикладной статистики в отдельную дисциплину –
биометрию.
Биометрия – область научных знаний, охватывающая планирование и
анализ результатов количественных биологических экспериментов и наблюдений
методами математической статистики.
Современный количественный эксперимент включает в себя
самостоятельное математико-статистической исследование, которое начинается
со статистического планирования эксперимента, то есть организации его
постановки, и завершается статистической обработкой полученных результатов.
Поэтому биометрия находит себе все более широкое общебиологическое
применение, ибо задачи, которые она решает – планирование экспериментов и
анализ их результатов, - составляют основу экспериментальной работы в любой
частной области биологии.
Биометрия строится на строгом математическом фундаменте, но этим не
ограничивается.
Построение биометрии идет по четырем основным разделам:
1. Отбор из громадного арсенала математических методов таких, который могут
помочь биологам в их текущей работе по наблюдению, преобразованию живой
природы;
2. Модификация отобранных математических методов в соответствии со
специфическими особенностями биологических объектов и процессов
3. Разработка новых биометрических методов, требуемых современным развитием
биологии, но еще не имеющихся в арсенале общей математики. Например,
расчет показателей наследуемости и повторяемости;
4. Унификация терминологии и символики. В общей математике нет единой
системы терминов и символики, имеется большое разнообразие в названиях и
обозначениях по каждому показателю. При создании биометрической
терминологии большинство терминов заимствуется. Но не всегда
математические термины пригодны в биологии. Например, такое биологическое
явление, как неодинаковость объектов в группе, неизбежное их различие в
математике обозначается многими терминами, совершенно не соответствующими
сущности этого явления: «изменчивость», «рассеяние», «колеблемость»,
«разброс». Поэтому в биометрии все они заменены одним общим термином
«разнообразие».
Опираясь на такие особенности ЭВМ, как быстродействие, способность
хранить большие объемы информации, предоставление по использованию
прикладных программ, существование разнообразных форм выдачи результатов
вычислений, расширились возможности биометрии, она стала более доступной.
Биометрия основывается теперь не только на таких математических
дисциплинах, как теория вероятностей и математическая статистика, но на
информатике и программировании на ЭВМ. Это позволяет говорить о современной
биометрии как о компьютерной.
Статистические пакеты
Стандартные статистические методы включены в состав популярных
электронных таблиц, таких как Excel, Lotus 1-2-3, Quattro Pro, а также в
математические пакеты общего назначения, например Mathcad, Maple и др.
Однако гораздо большими возможностями обладает специализированное
программное обеспечение – статистические программные продукты (СПП).
Международный рынок насчитывает более 1000 пакетов, решающих задачи
статистического анализа данных в среде операционных систем Windows, DOS,
OS/2.
СПП можно разделить на:
1. Универсальные пакеты – предлагают широкий диапазон статистических
методов. В них отсутствует ориентация на конкретную предметную область.
Из зарубежных универсальных пакетов наиболее распространены BAS, SPSS,
Systat, Minilab, Statgraphics, STATISTICA.
2. Специализированные пакеты, как правило, реализуют несколько
статистических методов или методы, применяемые в конкретной предметной
области. Чаще всего это системы, ориентированные на анализ временных
рядов, корреляционно-регресионный, факторный или кластерный анализ. Из
российских пакетов известны STADIA, Олимп, Класс-Мастер, КВАЗАР,
Статистик-Консультант; американские пакеты – ODA, WinSTAT, Statit и
т.д.
Современные СПП реализуют ряд системных функций: ассистирование
пользователю при выборе способа обработки, автоматическую организацию
процесса обработки данных, обеспечение диалогового режима работы
пользователя с пакетом, ведение пользовательских баз данных, автоматическое
составление отчета о проделанной пользователем работе, совместимость с
другими программами и некоторые другие.
Методориентированные СПП, как правило, имеют следующую структуру:
1. Блок описательной статистики и разведочного анализа исходных данных:
анализ резко выделяющихся значение исследуемого признака,
восстановление пропущенных значений, частотная обработка исходных
данных (построение гистограмм, полигонов частот, вычисление выборочных
средних дисперсий и т.д.), проверка статистических гипотез об
однородности исследуемых совокупностей, оценка критериев согласия,
визуализация распределения статистических данных и др.;
2. Блок статистического исследования динамики и зависимостей:
дисперсионный и ковариационный анализ, корреляционно-регрессионый
анализ, анализ временных рядов и др.;
3. Блок классификации и снижения размерности: дискриминантный анализ,
статистических анализ смесей распределений, кластерный анализ и др.;
4. Блок методов статистического анализа нечисловых данных и экспертых
оценок: анализ таблиц сопряженности, логлинейные модели, ранговые
методы и др.;
5. Блок планирования эксперимента и выборочных исследований;
6. Блок вспомогательных программ.
Следует отметить, что продвижение западных продуктов в российской
аудитории наталкивается на ряд ограничений в связи с неадекватностью
культурно-исторической ситуации. Эти пакеты предполагают наличие широкого
первоначального статистического образования, доступной литературы и
консультационных служб. Поэтому они содержат мало экранных подсказок и
требуют внимательного изучения документации на английском языке.
Указанных недостатков в значительной степени лишены известные
отечественные статистические пакеты: Эвриста, Статистик-Консультант,
STADIA, которые устойчиво представлены на рынке в течение последних лет.
Используемая в данной работе СПП STADIA является универсальной
системой, покрывающей в той или иной степени большинство основных разделов
прикладной статистики, деловой и научной графики, и по своим интегральным
возможностям сравнима с популярными зарубежными пакетами. Набор методов
математической статистики, представленный в пакете STADIA составлен исходя
из следующих соображений:
. в пакет входят все наиболее часто применяемые в России и за рубежом
статистические методы;
. значительная часть их изучается в вузовских курсах и описана в
стандартных учебниках;
. пакет не перегружен очень новыми и/или сложными узкоспециализированными
методами.
В состав Microsoft Excel входит набор средств анализа данных
(называемый пакет анализа), предназначенный для решения сложных
статистических и инженерных задач. Microsoft Excel относится к весьма
популярным и распространенным электронным таблицам, работающий в среде
Windows.
Этапы анализа данных
В процессе анализа данных, как правило, присутствуют следующие
основные этапы:
1. Ввод данных
Введенные данные обычно отражаются в форме электронной таблицы или матрицы
данных, где столбцы представляют различные переменные (например, рост,
вес), а строки – измерение значений этих переменных, произведенные в
различных условиях, в различное время, у различных объектов и т.п.
2. Преобразование данных
Данные в электронной таблице можно просмотреть и скорректировать методами
ручного редактирования или же полуавтоматического преобразования к виду,
адекватному выбранному методу анализа. Здесь может быть использован широкий
набор алгебраических, матричных, структурных преобразований, а также
комбинирование этих операций в требуемой последовательности. Нередко также
требуются удаление из введенных данных высокоамплитудных выбросов (которые
могут быть результатом некорректных измерений) и замена или удаление
пропущенных (неизмеренных) значений.
3. Визуализация данных
На данные обязательно следует просто посмотреть, чтобы составить общее (в
том числе и интуитивное) представление о характере их изменения,
специфических особенностях и закономерностях, что очень важно при выборе
стратегии и тактики дальнейшего анализа. Для этого можно использовать как
исходное числовое представление, так и различные формы графического
изображения.
4. Статистический анализ
Собственно выбор метода, анализ данных и интерпретация результатов.
5. Представление результатов
Для наглядности производимых выводов полученные результаты желательно
представлять в виде адекватных, убедительных и эффектных графиков.
КОМПЛЕКСНОЕ СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ
Ранее было показано высокое терапевтическое противоопухолевое
действие природного соединения – тиакарпина. На первом этапе изучения
нового биологически активного вещества исследовали его общее,
физиологическое воздействие на организм. Цель данной работы состояла в
изучении и поиске наиболее безвредных доз терапевтического препарата.
В связи с этим были получены результаты эксперимента на животных по
влиянию тиакарпина на медико-биологические показатели интактного
(здорового) организма. В частности регистрировали такие параметры сердечно-
сосудистой системы, как активность ферментов аланинаминотрансферазы (АЛТ) и
аспарататаминотрансферазы (АСТ), уровень белка, количество лейкоцитов –
клеток иммунного реагирования организма. В печени наблюдали состояние
белоксинтетической системы по содержанию в ней общего белка и уровень
продуктов тиобарбитуровой кислоты (ТБК) – конечных продуктов перекисного
окисления липидов.
Животные (в данном случае беспородные лабораторные мыши) были
поделены на группы для выяснения дозо-временного действия препарата.
Тиакарпин вводили внутрибрюшинно каждый день в течение всего эксперимента
за исключением контрольных животных.
Медико-биологическое действие тиакарпина на интактный организм мышей
Таблица 1. Действие различных доз тиакарпина
(7.3 мг/кг, 15мг/кг и 50 мг/кг) на третьи и шестые сутки
|группа |белок |белок |АЛТ |АСТ |ТБК |
| |печени |сыворотки | | | |
| |мг/100мг |г% |ммоль/л*ч |ммоль/л*ч |мкг/100мг |
|контроль1 |85,6 |7,5 |1,95 |5,4 |0,58 |
|контроль2 |63,6 |8,1 |3,48 |7,11 |0,42 |
|7,5-3 |66,6 |3,2 |3,12 |5,87 |0,38 |
|15-3 |33,3 |5,6 |3,16 |5,67 |0,3 |
|50-3 |42,4 |7,8 |2,64 |4,41 |0,2 |
|7,5-6 |37,1 |6,3 |2,92 |5,05 |0,34 |
|15-6 |50,7 |5,1 |3,77 |5,49 |0,4 |
|50-6 |59,8 |5,1 |2,36 |4,78 |0,3 |
Рис 1.1. Содержание белка в печени
Из рис.1.1 видно, что введение тиакарпина в низких дозах на третьи
сутки изменяет состояние белоксинтетической функции печени в пределах
физиологической нормы в отличие от больших доз. Однако, если содержание
белка практически восстанавливается в дозах 15 и 50 мг/кг, то при низких
дозах снижается почти в 2 раза.
Рис. 1.2. Содержание белка в сыворотке крови
Обратная картина получена для белка сыворотки крови (рис. 1.2): резкое
понижение в первые три дня при малых дозах и восстановление на шестой день.
В то же время большие дозы вызывают стабильное понижение концентрации
общего белка до 5 г%.
Рис. 1.3. Активность аланинаминотрансферазы и аспартатаминотрансферазы в
сыворотке крови
В случае с уровнем активности ферментов крови наблюдается
положительная ситуация для всех исследуемых групп. На рис. 1.3 можно видеть
незначительные колебания показателей практически в пределах нормы.
Рис. 1.4. Содержание продуктов тиобарбитуровой кислоты в печени
Содержание ТБК-продуктов выравнивается до нормальных значений во всех
группах на шестой день. Наблюдавшееся понижение в первой половине недели
находилось в прямой зависимости от дозы.
Анализ результатов на первом этапе не показал негативного действия
тиакарпина на показатели организма даже при введении высоких доз, а в
некоторых случаях увеличение дозы способствовало подавлению процессов
перекисного окисления в печени, свидетельствующее о некотором
антиоксидантном и гепатопротекторном действии препарата. Неодназначные
результаты были получены по влиянию тиакарпина на белоксинтетическую
функцию организма.
ОПИСАТЕЛЬНАЯ СТАТИСТИКА
Это средство анализа служит для создания одномерного статистического
отчета, содержащего информацию о центральной тенденции и изменчивости
входных данных.
Переменная Размер Среднее---Ошибка Дисперс Ст.откл
Сумма
x1 8 33,3 85,6 54,89 6,177 305,2 17,47
439,1
x2 8 3,2 8,1 6,087 0,5908 2,793 1,671
48,7
x3 8 1,95 3,77 2,925 0,2099 0,3523 0,5936
23,4
x4 8 4,41 7,11 5,473 0,2888 0,6673 0,8169
43,78
x5 8 0,2 0,58 0,365 0,03942 0,01243 0,1115
2,92
Переменная Медиана ДовИнтСр. Ош.СтОткл
x1 55,25 38,42 65,85 21,61 105,4 2160 8,953
x2 5,95 5,1 7,725 2,067 0,9648 19,76 0,8564
x3 3,02 2,43 3,4 0,7343 0,1217 2,493 0,3042
x4 5,445 4,848 5,82 1,011 0,2305 4,722 0,4186
x5 0,36 0,3 0,415 0,1379 0,004294 0,08795 0,05713
Переменная Асимметр. Значим Эксцесс Значим
x1 0,3909 0,2584 2,203 0,4266
x2 -0,331 0,2915 2,103 0,372
x3 -0,2451 0,3422 2,132 0,3878
x4 0,7996 0,0924 3,209 0,107
x5 0,5615 0,1758 3,091 0,1412
Для всех анализируемых выборок согласно вычисленным уровням значимости
(они больше критического значения 0,05) нет оснований отвергать нулевые
гипотезы об отличии коэффициентов эксцесса и асимметрии от значений
нормального распределения с вероятностью 95%. Таким образом использование
параметрических статистических показателей в данном случае будет оправдано
и достоверно.
Сравнивая средние по каждому переменному (диагностикуму) с
контрольными (нормальными) показателями можно сказать, что в общем
тиакарпин подавляет синтез белка, хотя и незначительно, и снижает уровень
продуктов перекисного окисления. Сопоставление средних и дисперсий
указывает на то, что препарат оказывает значительное влияние на все
показатели и особенно на белковое содержание.
Результаты исследования образуют матрицу данных и, чтобы увидеть
закономерность и структуру общей картины эксперимента, необходимо применить
многомерные методы анализа данных.
КЛАСТЕРНЫЙ АНАЛИЗ
Эвклид+Дальн.сосед
Таблица расстояний
(1) (2) (3) (4) (5) (6) (7)
(8) (9) (10)
( 2) 22,13
( 3) 19,52 5,889
( 4) 52,35 30,44 33,39
( 5) 43,22 21,39 24,68 9,461
( 6) 48,53 26,65 29,67 3,921 5,554
( 7) 35,03 13,35 16,03 17,42 8,869 13,69
( 8) 25,92 5,49 7,185 26,53 17,61 22,74 9,236
К л а с т е р ы:
(список объектов) -> расстояние
(6,4) --> 3,921
(8,2) --> 5,49
(8,3,2) --> 7,185
(7,5) --> 8,869
(7,6,4,5) --> 17,42
(8,1,3,2) --> 25,92
(8,7,6,4,5,1,3,2) --> 52,35
Рис. 1.5. Дендрограмма (стратегия дальнего соседа): по оси Y – расстояние
объединения, по оси Х – номера групп
Как видно из рис. 1.5. стратегия дальнего соседа достаточно отчетливо
выделяет три кластера исследуемых групп: (4, 6), (5, 7) и (1, 2, 3, 8). При
этом группу 1 можно выделить в четвертый кластер. В связи с этим применим
дивизивную стратегию в попытке получить группировку на четыре кластера.
Эвклид+Дивизивная
Таблица расстояний
(1) (2) (3) (4) (5) (6) (7)
(8) (9) (10)
( 2) 22,13
( 3) 19,52 5,889
( 4) 52,35 30,44 33,39
( 5) 43,22 21,39 24,68 9,461
( 6) 48,53 26,65 29,67 3,921 5,554
( 7) 35,03 13,35 16,03 17,42 8,869 13,69
( 8) 25,92 5,49 7,185 26,53 17,61 22,74 9,236
К л а с т е р ы:
Среднее внутрикластерное расстояние=5,673
1= (1,2,3*,8)
2= (4*,6)
3= (5*,7)
Рис. 1.6. Дендрограмма трех кластеров
В результате получаем разделение на три кластера. Для проверки
гипотезы об адекватности получаемых классификаций применяем дискриминантный
метод.
ДИСКРИМИНАНТНЫЙ АНАЛИЗ
Расстояние Махаланобиса=724,3, значимость=0
Класс
1 -1181 45,14 58,65 528,6 -206,2 -3207
2 -429,4 26,77 37,61 330,7 -132,4 -1884
3 -1038 42,14 60,77 535,3 -223,7 -2953
Объект Класс D^2 Значим Вероят.отнесения
1 1 3,75 0,5859 1
2 1 3,75 0,5859 1
3 1 3,75 0,5859 1
4 2 2,5 0,7764 1
5 3 2,5 0,7764 1
6 2 2,5 0,7764 1
7 3 2,5 0,7764 1
8 1 3,75 0,5859 1
Как показывают результаты дискриминантного анализа, предполагаемая
классификация оказалась эффективной.
Кластеризация исследуемых групп животных выявила сохранение
физиологической нормы при введении тиакарпина в течение 3-х дней в дозе 7.5
мг/кг и в течение 6-и дней в дозе 50 мг/кг. Данные дозы оказывают
наименьшую нагрузку на организм.
Рис. 1.7. Дендрограмма переменных: по оси Y – расстояние объединения, по
оси Х – переменные
Рис. 1.7, иллюстрирующий классификацию переменных – диагностикумов, с
использованием метрики на основе коэффициента корреляции и стратегии
ближайшего соседа, показывает, что все пять диагностикумов не
взаимосвязаны.
Выводы
1. Графическая визуализация экспериментальных результатов с помощью Excel
показывает, что исследуемое вещество – тиакарпин, не оказывает
негативного действия на показатели организма даже при введении высоких
доз, а в некоторых случаях увеличение дозы способствовало подавлению
процессов перекисного окисления в печени, свидетельствующее о некотором
антиоксидантном и гепатопротекторном действии препарата. Неоднозначные
результаты были получены по влиянию тиакарпина на белоксинтезирующую
функцию организма.
2. Основываясь на результаты описательной статистики в STADIA 6.2 можно
утверждать, что препарат оказывает значительное влияние на все показатели
и особенно на белковое содержание. Общее действие тиакарпина направлено
на подавление синтеза белка и ингибирование процессов перекисного
окисления липидов.
3. Кластеризация исследуемых групп животных выявила сохранение
физиологической нормы при введении тиакарпина в течение 3-х дней в дозе
7.5 мг/кг и в течение 6-и дней в дозе 50 мг/кг. Данные дозы оказывают
наименьшую нагрузку на организм.
4. Использование метрики на основе коэффициента корреляции и стратегии
ближайшего соседа показывает, что все пять диагностикумов не
взаимосвязаны, т.е. все используемые параметры характеризуют
функциональное состояние организма и обладают одинаковой диагностической
информативностью.
ЛИТЕРАТУРА
1. Елисеева И.И., Юзбашев М.М. Общая теория статистики. Учебник / Под ред.
И.И. Елисеевой. – М.: Финансы и статистика, 1995. – 386 с.
2. Кулаичев А.П. Методы и средства анализа данных в среде Windows. STADIA
6.0. – М.: Информатика и компьютеры, 1996. – 257 с.
3. Лукьянова Н.Ю. Статистический анализ данных с использованием компьютера.
Учебное пособие. – Калининград: Изд-во КГУ, 2001. – 89 с.
4. Математический анализ биологических данных / Г.Н. Зайцев, М.: “Наука”,
1991. – 184 с.
5. Плохинский Н.А. Математические методы в биологии. Учебно-методическое
пособие. Изд-во Моск. ун-та, 1978. – 168 с.
-----------------------
[pic]
[pic]
Реферат на тему: Анализ повадок отряда ДЯТЛООБРАЗНЫЕ - Piciformes семейства ДЯТЛОВЫЕ – Picidae
Министерство образования России
Московский государственный университет
Кафедра Зоологии
Курсовая работа
по курсу “Орнитология”
на тему “ Анализ повадок отряда ДЯТЛООБРАЗНЫЕ - Piciformes
семейства ДЯТЛОВЫЕ – Picidae”
Выполнил: студент гр. ХТ-96
Шестаков Е.В.
Проверил: доц. Петросянов О.В.
асс. Поскребышева Т.В.
г. Москва 2003 год
КРАТКИЙ ОБЗОР РЕФЕРАТА:
Анализ повадок отряда ДЯТЛООБРАЗНЫЕ - Piciformes семейства ДЯТЛОВЫЕ –
Picidae, аналитическая форма, способы ее получения, способы определения
концентрации, метод добавок, метод сравнения, градуировочный график,
дифференциальная спектрометрия, конкретные примеры.
Листов:
Источников:
Цель работы:
изучить повадоки отряда ДЯТЛООБРАЗНЫЕ - Piciformes семейства ДЯТЛОВЫЕ –
Picidae, провести анализ объектов окружающей среды и рассмотреть способы
практического применения.
ПЛАН:
1. Введение
2. Суть метода анализа
3. Закон Бугера-Ламберта-Бера
4. Спектры поглощения
5. Методы анализа
6. Практические примеры использования
метода молекулярной спектрометрии
7. Заключение
Please do not shoot the pianist!
He is doing his best..
(с) приписывается О.Уальду
Введение
Одним из важных вопросов, которые успешно решает Орнитология, является
анализ объектов окружающей среды. Заметно возросла роль в данном вопросе в
связи с тем, что больше внимания стало уделяться состоянию и контрою за
загрязнением окружающей среды, контролю за технологическими выбросами,
сточными водами и, собственно, дятлами. На Украине, как и во всем мире,
работает специальная служба наблюдения и контроля за уровнем
распространения данного вида. Если немного призадуматься, то сразу
возникнет вопрос – а как и каким методом анализа пользуются? Вначале
следует рассмотреть психосоматический портрет нашего вида. Итак, начнем.
Дятел оборудован клювом. Клюв у дятла казенный. Он долбит. Если дятел
не долбит, то он спит
либо умер. Hе долбить дятел не может. Потому что клюв всегда
перевешивает. Когда дятел долбит,
то в лесу раздается стук. Если громко - то, значит, дятел хороший.
Если негромко - плохой,
негодный дятел.
Дятел может скакать с ветки на ветку так же ловко, как матрос с
брамселя на бушприт. Умело
брошенный дятел летит не менее 30 метров, втыкается по пояс и висит
два часа. Мнение у дятлов
всегда отрицательное.
Сильный дятел может долбить за двоих. Гигантский дятел (в природе не
встречающийся) может
задолбать небольшого слона.
Синхронные дятлы водятся только в Австралии и работают парами,
звеньями и т.д., вплоть до
полка.
День рождения дятлов - пятница.
Переносимая дятлом доза - 250 децибелов либо 40 рентген, либо 150
вольт, либо 4 пинка. В
литровой банке дятла утопить невозможно. Дятел-самец, выполненный из
железобетона в масштабе
32:1, является наилучшим памятником тестю. 200 дятлов, склеенные встык
в виде сплошной панели,
представляют собой роскошное зрелище. Испанский храмовый дятел
является единственной в мире
жующей птицей, а его самка, согласно поверью, способна высовываться из
дупла на три четверти.
Живой дятел отличается от обычного температурой и работоспособностью.
Подземные дятлы долбят в полной темноте, с закрытыми глазами, по
памяти. Их предками были
упавшие в колодец подбитые дятлы. Отдельного вида бешеных дятлов не
существует, однако
количество таковых в любой популяции - 77%.
Розовый поющий дятел, как и его пляшущая разновидность, встречается в
основном в местах
скопления алкоголиков. Почти все городские дятлы - одноразовые, с
пластиковыми клювами 9х12 и
изменяемой геометрией крыла.
Промышленный пневматический дятел до сих пор вызывает споры среди
орнитологов. В частности,
подвергается сомнению его способность к воспроизводству, хотя в
Кузбассе так называемые
"отбойные" дятлы сидят в огромных количествах на всех деревьях и даже
пользуются некоторыми
гражданскими правами наряду с говорящими попугаями.
Основной пищей дятлов всех видов является размоченная слюнями
древесная долбанина. Описаны
также случаи нападения дятлов на мешки с сахаром и фруктовые пироги.
Друг другом дятлы, как
правило, брезгают. Случаи конфликтов дятлов с людьми редки, однако в
Поволжье следует опасаться
темечкового дятла, жертвами которого становятся пожилые люди,
пренебрегающие панамкой.
Скорость полета такого дятла - 340 метров в секунду, он наводится на
солнечный блик, не боится
воплей и всегда доводит дело до конца. Полная противоположность ему -
безмятежный пуховый дятел,
живущий, как правило, в зарослях ландышей и незабудок. Он, в сущности,
не является птицей, так
как проводит всю жизнь сидя, из-за чего его крылья срослись, образовав
пальто, а клюв имеет
только нижнюю половину. Кормится подаянием. Выраженной иерархии среди
дятлов не наблюдается,
хотя крупный дятел запросто может издолбить мелкого.
В случае внешней угрозы колония дятлов неизученным пока образом
выделяет из себя начальника
(обычно майора) и обороняется под его руководством. После отражения
угрозы такой дятел
становится пеликаном и покидает колонию.
Срок полного созревания дятла в яйце - две недели с момента удара об
пол дупла. Маленький
дятел сидит тихо и жрет все, что ему подают. Основная ошибка дятлов -
внутридупловый перекорм,
из-за которого гибнут многие так и не сумевшие выбраться наружу
молодые птицы.
Ручной дятел - явление столь же редкое, как и ножной, потому что
приручить дятла можно только
тремя ныне забытыми старинными словами. Домашний дятел хранится
завернутым в мягкую портяночную
материю и при бережном обращении не просыпается.
В древности на Руси дятлы служили в княжеских банях ходячими
вешалками для белья, толченые и
квашеные дятлы украшали любое застолье, а редкостный по красоте
двухглавый дятел послужил
прототипом нашего нынешнего герба. И последнее. Если на каком-нибудь
карнавале вы оденетесь
дятлом - вас ждут слава, успех и большая удача в любви.
Так уж получилось, что мне выпала великая честь (а если честнее
сказать, попалась такая тема) рассказать Вам про дятлов и об анализе
объектов окружающей среды методом молекулярной спектромертии. О ней или нем
и пойдет речь в этом реферате. Хотя дальше Вас ждет небольшая коррекция уже
приглянувшейся темы. Если больше привлекло начало, то айда на
http://sakhalin.dtn.ru/news.html за подобными розыгрышами и приколами. Или
на http://sakhalin.dtn.ru/bayki.html за юмором.
Как Вы уже знаете, все методы анализа основаны на зависимости физико-
химического свойства вещества, называемым аналитическим сигналом или просто
сигналом, от природы вещества и его содержания в анализируемой пробе. В
классических методах химического анализа в качестве такого свойства
используется или масса осадка (гравиметрический метод), или объем реактива,
израсходованный на реакцию (титриметрический анализ). Однако, химические
методы анализа не в состоянии были удовлетворить многообразные запросы
практики, особенно возросшие как результат научно-технического прогресса и
развится других отраслей науки и техники. Наряду с черной и цветной
металлургией, машиностроением, хим. промышленностью, другими традиционными
отраслями большое значение для промышленного потенциала страны стало
освоение энергии атомной энергии, энергии синтеза, работа со
сверхпроводниками, прогресс полупроводниковой промышленности, бурный рост,
почти что взрыв развития микроэлектроники, применение чистых и сверхчистых
веществ в технике. Развитие этих отраслей поставило задачу перед
аналитической химией снизить предел обнаружения до 10-5 и 10 –10 %
Естественно, что наука на месте не стоит. Самое главное – правильно
поставить задачу, а уж только потом рассматривать различные методы для ее
решения и реализации на практике. Так вот, с пределом обнаружения до 10-5 и
10 –10 % непосредственно классическим химическим анализом работать трудно и
сложно, а вот такие физико-химические методы, как абсорбционная
спектрометрия, атомно-абсорбционная спектрометрия, анализ с помошью
плазменно-ионные детекторов, молекулярная спектрометрия успешно справляются
с поставленными задачами.
Важной особенностью данных методов анализа является:
экспрессность – выпокий темп получения результатов;
избирательность - точное и сверхточное обнаружение примесей;
недеструктивность – выполнение анализа вещества без разрушения образца;
дистанционность – возможность проведения анализа на значительном
расстоянии от исследуемого вещества;
локальность – определение элемента в данной точке образца
Как часто мы промахиваемся
еще при выборе цели
(с) генерал-лейтенант В.Власов
Суть метода анализа
Итак, в оной главе пойдет речь о сущности анализа методом молекулярной
спектрометрии.
Данный метод основан на поглощнии световых волн молекулами вещества.
Свет - это электромагнитные волны с длиной волны 4*10-7 - 8*10-7 м.
Электромагнитные волны излучаются при ускоренном движении заряженных
частиц. Для того чтобы атом начал излучать энергию, ему необходимо
передать энергию. Излучая, атом теряет полученную энергию, и для
непрерывного свечения вещества необходим приток энергии к его атомам извне.
Все вещества, атомы которых находятся в возбужденном состоянии,
излучают световые волны, энергия которых определенным образом распределена
по длинам волн. Поглощение света веществом также зависит от длины волны.
Так, красное стекло пропускает волны, соответствующие красному свету, и
поглощает все остальные.
Если пропускать белый свет сквозь холодный, неизлучающий газ, то на
фоне непрерывного спектра источника появляются темные линии. Газ поглощает
наиболее интенсивно свет как раз тех длин волн, которые он испускает в
сильно нагретом состоянии. Темные линии на фоне непрерывного спектра - это
линии поглощения, образующие в совокупности спектр поглощения.
Существуют непрерывные, линейчатые и полосатые спектры излучения и
столько же видов спектров поглощения. Линейчатые спектры играют особо
важную роль, потому что их структура прямо связана со строением атома.
Ведь эти спектры создаются атомами, не испытывающими внешних воздействий.
Поэтому, знакомясь с линейчатыми спектрами, мы тем самым делаем первый шаг
к изучению строения атомов. Наблюдая эти спектры, ученые получили
возможность «заглянуть» внутрь атома. Здесь оптика вплотную соприкасается
с атомной физикой.
Главное свойство линейчатых спектров состоит в том, что длины волн
(или частоты) линейчатого спектра какого-либо вещества зависят только от
свойств атомов этого вещества, но совершенно не зависят от способа
возбуждения свечения атомов. Атомы любого химического элемента дают
спектр, не похожий на спектры всех других элементов: они способны излучать
строго-определенный набор длин волн.
На этом и основан спектральный анализ - метод определения химического
состава вещества по его спектру.
Подобно отпечаткам пальцев у людей линейчатые спектры имеют
неповторимую индивидуальность. Неповторимость узоров на коже пальца
помогает часто найти преступника. Точно так же благодаря индивидуальности
спектров имеется возможность определить химический состав тела. С помощью
спектрального анализа можно обнаружить данный элемент в составе сложного
вещества. Это очень чувствительный метод.
Количественный анализ состава вещества по его спектру затруднен, так
как яркость спектральных линий зависит не только от массы вещества, но и от
способа возбуждения свечения. Так, при низких температурах многие
спектральные линии вообще не появляются. Однако при соблюдении стандартных
условий возбуждения дятла можно проводить и количественный спектральный
анализ.
Чтоб худого про царя не болтал народ зазря,
Действуй строго по закону, то бишь действуй... втихаря.
(с) Л.Филатов “Сказ про Федота-стрельца”
Какие великие люди и какие простые формулы!
(с) Миненко А.С, ДонГТУ, кафедра ПМиИ
Закон Бугера – Ламберта - Бера
Атом, ион или молекула, поглощая квант света, переходит в более
высокое энергетическое состояние. Обычно это бывает переход с основного,
невозбужденного уровня на один из более высоких, чаще всего на первый
возбуужденный уровень. Вследствие поглощения излучения при прохождении его
через слой вещества интенсивность излучения уменьшатеся и тем больше, чем
выше концентрация светопоглощающего вещества.
Закон Бугера – Ламберта – Бера связывает ууменьшение интенсивности
цвета, прошедшего через слой светопоглощающего вещества, с концентрацией
вещества и толщиной слоя. Чтобы учеть потери света на отражение и
рассеяние, сравнивают интенсивности цвета, прошедшего через исследуемый
раствор и растворитель. При одинаковой толщине слоя в кюветах, из
одинакового материала, содержащих один и тот же растворитель, потери на
отражение и рассеяние света будут примерно одинаковы у обоих пучков и
уменьшение интенсивности света будет зависеть от концентрации вещества.
Уменьшение интенсивности света, прошедшего черз раствор,
характеризуется коэффициентом пропускания (или просто пропусканием) Т, где
I и I0 – соответственно интенсивности света, прошедшего через раствор и
растворитель.
Т=I/I0
Взятый с обратным знаком логарифм Т называется оптической плотностью
А:
-lgT= - lgl/l0 = lg l0/l = A
Уменьшение интенсивности света при прохождении его через раствор
подчиняется закону Бугера – Ламберта – Бера:
I=I0 * 10 -(lc или I/I0=10-(lc
Где ( - молярный коэффициент поглощения,
l – толщина светопоглощающего слоя,
с – концентрация раствора
Физический смысл молярного коэффициента поглощения сразу становится
ясным, если мы принимаем с = 1 моль/л и l = 1 см. Тогда А= (.
Следовательно, молярный коэффициент поглощения равен оптической плотности
одномолярного раствора при толщиние слоя 1 см.
Оптическая плотность раствора, содержащего несколько окрашеных
веществ, обладает свойством аддитивности, которое называют свойством
аддитивности светопоглощения. В соответствии с этим законом поглощение
света каким-либо веществом не зависит от присутствия в растворе других
веществ. При наличи окрашеных веществ в растворе каждое из них будет давать
свой аддтивный вклад в экспериментально определяемую оптическую плотность.
Т.е. мы получаем:
A=l((1c1 + (2c2 + (kck )
В соответствии с уравнением –lgT = A = (lc
получается, что зависимость оптической
плотности от концентации графически выражается прямой линией, выходящей из
начала координат. Опыт же показывает, что линейная зависимость наблюдается
не всегда. При практическом применении закона необходимо учитывать следущие
ограничения:
1. Закон справедлив для монохроматического света. Чтобы отметить это
ограничение в уравнение вводят индексы и записывают в виде: A( = ((lc.
Индекс ( указывает, что величиныы А и ( относятся к монохроматическому
свету с длиной волны (
2. Коэффициент ( зависит от показателся преломления среды. Если
концентрация раствора сравнительно невелика, его показатель преломления
остается таким же, каким он был у чистого растворителя, и отклонений от
закона по этой причине не наблюдается. Изменение показателя преломления в
высококонцентрированных растворах может явиться причиной отклонений от
основного закона светопоглощения
3. Температура при измерениях должна оставатсья постоянной хотя бы в
пределах нескольких градусов
4. Пучок света должен быть параллельным
5. Данное уравнение соблюдается для систем, в которых светопоглощающими
центрами являются частицы только одного сорта. Если при изменении
концентрации будет изменяться природа этих частиц вследствие, напимер,
кислотно – основного взаимодействия, полимеризации, диссоциации, то
зависимость А от с не будет лиейной, так как морярный коэффициент
поглощения вновь образующихся частиц не будет в общем случае одинаковым.
Стрела-10 стреляет в инфракрасном канале
спектра, и поэтому она может поражать
цели, излучающие ультрафиолетовые лучи.
(с) п/п-к Войтенко, ДонГТУ, военная кафедра
Спектры поглощения
Свет поглощается раствором избирательно: при некоторых длинах волн
светопоглощение происходит интенсивно, а при некоторых свет не поглощается.
Интенсивно поглощаются кванты света, энергия которых равна h( энергии
возбуждения частицы и вероятность их поглощения больше нуля. Молярный
коэффициент поглощения при этих частотах (или длинах волн) достигает
больших значений.
Распределение по частотам (или по длинам волн) значений молярного
коэффициента поглощения называется спектром поглощения.
Обычно спектр поглощения выражают в виде графической зависимости
оптической плотности А или молярного коэффицциента поглощения ( от частоты
( или длины волны ( падающего света. Вместо А или ( нередко одкладывают их
логарифмы.
Кривые в координатах lgA - ( при изменении в концентрации или толщины
слоя перемещаются по ординате вверх или вниз параллельно самим себе, в то
время как кривые в координатах А - ( этим свойством не обладают.
Существенное значение имеет эта особеннсть для качественного анализа. При
изучении инфракрасных спектров на графике обычно откладывают процент
светопропускания как функцию (` или (
Lg A A
1 2 1
2
( (
Зависимость дятла от леса Завис. леса от дятла
Таким образом, наибольший интерес представляют следующие
характеристики спектра: число максимумов (число полос поглощения) и их
положение по шкале длин волн (или частот), высота максимуума, форма полос
поглощения.
Для точного исследования спектров такие простые приспособления, как
узкая щель, ограничивающая световой пучок, и призма, уже недостаточны.
Необходимы приборы, дающие четкий спектр, т. е. приборы, хорошо
разделяющие волны различной длины и не допускающие перекрытия отдельных
участков спектра. Такие приборы называют спектральными аппаратами. Чаще
всего основной частью спектрального аппарата является призма или
дифракционная решетка.
Рассмотрим схему устройства призменного спектрального аппарата.
Исследуемое излучение поступает вначале в часть прибора, называемую
коллиматором. Коллиматор представляет собой трубу, на одном конце которой
имеется ширма с узкой щелью, а на другом - собирающая линза. Щель
находится на фокусном расстоянии от линзы. Поэтому расходящийся световой
пучок, попадающий на линзу из щели, выходит из нее параллельным пучком и
падает на призму.
Так как разным частотам соответствуют различные показатели
преломления, то из призмы выходят параллельные пучки, не совпадающие по
направлению. Они падают на линзу. На фокусном расстоянии этой линзы
располагается экран - матовое стекло или фотопластинка. Линза фокусирует
параллельные пучки лучей на экране, и вместо одного изображения щели
получается целый ряд изображений. Каждой частоте (узкому спектральному
интервалу) соответствует свое изображение. Все эти изображения вместе и
образуют спектр.
Описанный прибор называется спектрографом. Если вместо второй линзы и
экрана используется зрительная труба для визуального наблюдения спектров,
то прибор называется спектроскопом. Призмы и другие детали спектральных
аппаратов необязательно изготовляются из стекла. Вместо стекла применяются
и такие прозрачные материалы, как кварц, каменная соль и другие.
Появление полос поглощения обусловлено дискретностью энергетических
состояний поглощающих частиц и квантовой природыы электромагнитного
излучения. Интенсивно поглощаются кванты света, которые соответствуют
энергии возбуждения частицы, которая складывается из энергии вращения
частицы как целого, энергии колебания атомов и движения электронов:
Е = Евр + Екол + Еэл
Вращательную энергию молекул обычно рассматривают с помошью модели
жесткого ротатора, который представляет собой две массы, находящиеся одна
от другой на фиксированном расстоянии. Возбуждение вращательных уровней
энергии происходит уже при поглошении далекого инфракрасного (ИК) и
микроволнового излучения, имеющие длину волны
( > 102 см –1 . В настоящее время чисто вращательные спектры в
аналитических целях не используют. Их применяют, главным образом, для
исследования строения молекул, определения межъядерных расстояний.
Полосы, связанные с возбуждением колебательныых уровней энергии,
расположены в области спектра от 200 .. 300 до 4000 … 5000 см –1
что соответствует энергии квантов от 3 до 60 кДж. Поэтому, при обычныых
температурах, энергетическое сотояние молекул характеризуется, как правило,
основным колебательным уровнем. Применение квантовой теории показывает, что
энергия такой системы может быть найдена по уравнению:
Екол = (V+1/2)h(0
Так вот, колебательные спектры интерпретируют на основе учения о
симметрии молекул и теории групп. Математический аппарат теории групп
позволяет вычислить число частот и правила отбора для молекул различной
симметрии. Такая информация, черезвычайно ценная для определения
молекулярных констант, изучения строения молекул, находит относительно
узкое применение для решения химико-аналитических задач.
Верхней энергетической границей колебательного спектра обычно считают
энергию фотонов примерно 5000 см -1, или около 60 кДж. Дальнейшее
увеличение энергии облучающих квантов чаще всего буудет приводить к
возбуждению электронов и появлению в спектре полос, характеризующих
электронные переходы, хотя, естественно, эта граница может смежаться
немного в ту или иную сторону. Интерпретация электронных спектров может
быть сделана на основе квантово-механических представлений, например метода
молекулярных орбиталей (МО). В соответствии с положениями этого метода,
электроны в молекулах могут находиться на связывающих, несвязывающзих и
разрыхляющих орбиталях. Различные электронные переходы требуют неодинаковой
энергии, поэтомуу полосы поглощения распологаются на разных длинах волн.
Интенсивность полос в спектре поглощения характеризуют интегралом
поглощения или силой осциллятора, определяемой выражением:
( = 3hm(B / (e2
где B – коэффициент Энштейна,
характеризующий вероятность перехода. Коэффициент Энштейна связан с
электрическим дипольным моментом перехода и может быть расчитан по
уравнению:
B = K / (
и соотношение данных уравнений позволяеет вывести зависимость в
интегральной форме:
( = 4,33*10-9
Данное соотношение показывает, что чем более вероятныым является
переход, тем болльше сила осциллятора. В частности, разрешенные переходы
характеризуются величиной ( которая близка к 1, как это наблюдается у
окрашеных красителей, а у запрещенных переходов, к примеру у переходов с
изменением мультиплетности терма, сила осцилятора составляет примерно 10-7
Для аналитической характеристики соединений имеет значение не столько
интегральное поглощение, сколько светопоглощение при определенной длине
волны. Важныыми аналитическими характеристиками является моляльный
коэффициент коглощения в точке максимума (max и полуширина полосы
поглощения ( = ((`1/2
Koгдa нe знaeшь, чтo имeннo ты
дeлaeшь, дeлaй этo тщaтeльнo.
(с) Десять заповедей лаборанта
Методы анализа
Методы количественного анализа основаны на законе Бугера-Ламберта-
Бера, выраженном уравнением:
-lgT= - lgl/l0 = lg l0/l = A
В связи с тем, что значения коэффициента пропускания Т находятся в
пределах от 0 до 1, оптическая плотность раствора А = -lgT
может принимать, как казалось бы, любые положительные значения от нуля до
бесконечности.Однако, экспериментальному определению с необходимой
точностью доступны долеко не любые значения А. Так, значения А меньше 0.01
не определяются в связи с очень большой погрешностью из измерения.
Уравнение показывает, что основными параметрами фотометрического
определения является длина волны, при которой производится измерение,
оптическая плотность, толщина кюветы, концентрация раствора. Существенное
влияние оказывают химические факторы, связанные с полнотой протекания
фотометрической реакции, концентрацией окрашенных реактивов, их
устойчивостью. В зависимости от свойств анализируемого прибора выбирают те
или иные условия анализа.
Метод градуировочного графика.
В соответствии с законом Бугера-Ламберта-Бера график в координатах
оптическая плотность – концентрация должен быть линейным и прямая должна
проходить через начало координат. И для построения графика вполне
достаточно одной экспериментальной точки. Но, график обычно строят по трем
точкам, что уточняет график и повышает точность и надежность определения.
При отклонении от закона Бугера-Ламберта-Бера, сиречь при нарушнии линейной
зависимости А от с, число точек на графике должно быыть увеличено.
Применение градуировочных графиков является наиболее распространенным и
точным методом фотометрических измерений. Основныые ограничения метода
связаны с трудностями приготовления эталонных растворов и учетом влияния
третьих компонентов, которые находятся в пробе, сами не определяются, но
оказывают влияние на конечный результат.
Метод добавок.
Этот метод применяют при кормлении дятлов, так как он позволяет
автоматически учесть их желания съесть все сразу и умереть во свете лет от
обхорства. Сущность его заключается в следущем. Сначала определяют
оптическую плотность Ах анализиремого раствора, содержащего определяемый
компонент неизвесной концентрации сх, а затем в анализируемый раствор
добавляют известное количество определяемого компонента ( сст ) и внось
измеряют оптическую плотность Ах+ст. Оптическая плотность анализируемого
раствора равна:
Ах = (lcx
а оптическая плотность анализируемого раствора с добавкой стандартного:
Ах+ст = (l (cx + сст )
Простое сравнение этих уравнений и их преобразований дает нам концентрацию
анализируемого раствора:
Ах
сх = сст
Ах+ст - Ах
Метод дифференциальной фотометрии.
Фотометрирование интенсивно окрашенных растворов успешно
осуществляется дифференциальной фотометрии. Если в обычной фотометрии
сравнивается интенсивность света Ix, прошедшего через анализируемый раствор
неизвестной концентрации, с интенсивностью света I0 , прошедшего через
растворитель, то в дифференциальной фотометрии луч света проходит не через
растворитель, а через окрашенный раствор известной концентрации – так
называемый раствор сравнения сср. Его интенсивность обозначим как Iср.
Отношение интенсивностей Ix/Iср называется условныым коэффициентом
пропускания T`x . И переходя от коэффициентов к оптическим плотностям,
получим:
A`x = Ax – Aср
А`х = (lcx - Аср
где А`x – относительная оптическая плотность.
Таким образом, дифференциальная фотометрия существенно расширяет
концентраций, доступную для точных фотометрических измерений. Кроме того,
точность некоторых методик диференциальной фотометрии превышает точность
методик обычной фотометрии. Кстати, обычную фотометрию при Тср = 1 мы
можем рассматривать, как частный случай дифференциальной.
Метод количественного анализа по ИК-спектрам.
Анализ по ИК-спектрам также основан на применении закона Бугера-
Ламберта-Бера.. Чаще всего здесь используется метод градууировочного
графика, т.к. метод молярного коэффициента здесь слабо применим из-за
рассеяния, сплошного поглощения и других эффектов ИК-излучения. Многие
сложности ИК-спектрометрии успешно преодолеваются с помошью метода базовой
линии, к оторый получил достаточно большо распостранение в практике.
Экстракционно – фотометрические методы.
Эти методы применяют в аналитической химии очень даже широко, причем
определение анализируемого компонента в экстракте может производиться как
фотометрическим, так и другим методом: полярографическим, спектральным.
Вместе с тем существуют некоторые группы экстракционных методов, в которых
фотометрическое окончание является наиболее эффективныым, обеспечивая
необходимую быстроту и точность определения. Эти методы надываются
экстракционно-фотометрическими. Весьма распостраненной явлсяется методика,
по которой определенный микроэлемент переводят в растворимое в воде
окрашенное соединение, экстрагируют его и экстракт фотомоделируют. Такая
методика позволяет устранить мешающее влияние посторонних компонентов и
увеличивает чуствительность определения, так как при экстракции происходит
концентрирование микропримесей. Например, определение примесей железа в
солях кобальта или никеля проводят экстракцией его тиоцаинатных комплексов
амиловым спиртом.
Фотометрическое титрование.
В этом методе точка эквивалентности определяется с помощью
фотометрических измерений. В ходе такого титрования измеряется
светопоглощение раствора. Реализация данного метода возможна, если только
есть подходящий индикатор или хотя бы один из компонентов реакции поглощает
свет.
Что для одного ошибка, для другого - исходные
данные.
(с) С. Берман
Практическое применение
В данном рефера | |
