Основы построения калибровочного графика в лабораторной практике

Иван Корнев·03.05.2026·⏱5 мин

Калибровочный график (градуировочная кривая) — это математическая модель, связывающая сигнал аналитического прибора с концентрацией или количеством определяемого вещества. Чтобы получить достоверный результат, необходимо измерить серию стандартных образцов с известной концентрацией, построить зависимость «сигнал–концентрация» и аппроксимировать её линией или кривой. Искомая концентрация неизвестного образца рассчитывается путем подстановки его сигнала в уравнение этой зависимости.

Правильная калибровка устраняет систематические погрешности прибора и обеспечивает метрологическую прослеживаемость результатов. Ниже рассмотрен полный цикл работ: от подготовки стандартов до статистической оценки качества модели.

Ключевой принцип: Калибровочный график действителен только в диапазоне концентраций использованных стандартов. Экстраполяция (расчет за пределами этого диапазона) запрещена, так как поведение прибора вне изученной области непредсказуемо.

Подготовка к калибровке: выбор стандартов и диапазона

Качество графика напрямую зависит от качества входных данных. Ошибки на этапе подготовки стандартов невозможно исправить математической обработкой.

1. Выбор диапазона концентраций

Диапазон должен перекрывать все ожидаемые концентрации реальных образцов с запасом ±10–20%.

Нижняя граница: определяется пределом обнаружения метода (обычно 3–5 точек выше холостого опыта).
Верхняя граница: ограничена линейностью детектора или насыщением сигнала.

2. Количество калибровочных точек

Минимальное требование для линейной регрессии — 5–6 точек (не считая холостого пробы/бланка). Для нелинейных зависимостей количество точек увеличивают до 8–10.

Точки должны быть распределены равномерно по всему диапазону.
Рекомендуется использовать серийные разведения из одного материнского раствора, чтобы минимизировать ошибки взвешивания и дозирования.

3. Холостая проба (Бланк)

Обязательно включите точку с нулевой концентрацией (растворитель или матрица без аналита). Она позволяет учесть фоновый сигнал прибора и свободный член уравнения регрессии ($b$ в уравнении $y = ax + b$).

Сбор данных и измерение сигналов

Для каждого уровня концентрации рекомендуется выполнять минимум 3 параллельных измерения. Это позволяет оценить случайную погрешность и выбросы.

Алгоритм действий:

Прибор прогревают и выводят на рабочий режим.
Измеряют бланк (нулевую точку).
Измеряют стандарты в порядке возрастания концентрации (чтобы избежать эффекта памяти/загрязнения ячейки или инжектора).
После самого концентрированного стандарта снова измеряют бланк или стандарт средней концентрации для проверки стабильности дрейфа.

Если сигнал последнего стандарта значительно отличается при повторном измерении, значит, прибор нестабилен или произошло загрязнение системы. Калибровку нужно начать заново.

Построение графика и метод наименьших квадратов

В большинстве случаев зависимость сигнала ($Y$) от концентрации ($X$) описывается линейным уравнением:

$$ Y = aX + b $$

Где:

$Y$ — отклик прибора (оптическая плотность, площадь пика, интенсивность тока и т.д.).
$X$ — концентрация аналита.
$a$ — чувствительность метода (угловой коэффициент наклона).
$b$ — систематическое смещение (сигнал холостой пробы).

Для нахождения коэффициентов $a$ и $b$ используется метод наименьших квадратов (МНК). Он минимизирует сумму квадратов отклонений экспериментальных точек от теоретической прямой.

Расчет в Excel или специализированном ПО

Внесите данные: столбец $X$ (концентрация) и столбец $Y$ (средний сигнал).
Постройте точечную диаграмму (Scatter plot).
Добавьте линию тренда и выберите опцию «Показать уравнение на диаграмме» и «Показать величину достоверности аппроксимации ($R^2$)».

Оценка качества калибровочного графика

Просто построить прямую недостаточно. Необходимо подтвердить, что модель адекватно описывает данные.

1. Коэффициент детерминации ($R^2$)

Показывает, какая доля дисперсии сигнала объясняется изменением концентрации.

$R^2 > 0.995$ — отличное соответствие (для рутинных анализов).
$R^2 > 0.999$ — требуется для высокоточных измерений (Хроматография, ААС).
Важно: Высокий $R^2$ не гарантирует отсутствия систематических ошибок. Всегда смотрите на график остатков.

2. Анализ остатков (Residuals)

Остаток — это разница между измеренным значением $Y_{exp}$ и рассчитанным по уравнению $Y_{calc}$. $$ e_i = Y_{exp, i} - Y_{calc, i} $$

Как интерпретировать:

Если остатки распределены случайно вокруг нуля — модель линейна и корректна.
Если остатки образуют закономерность (например, дугу или воронку) — зависимость нелинейна, или дисперсия сигнала растет с концентрацией (гетероскедастичность). В этом случае линейная модель неприменима, нужна полиномиальная аппроксимация или взвешенный МНК.

Сравнение моделей аппроксимации

Модель	Уравнение	Когда применять	Особенности
Линейная	$y = ax + b$	Большинство спектроскопических и хроматографических методов в рабочем диапазоне.	Простота, физический смысл параметров.
Полиномиальная (2-й степени)	$y = ax^2 + bx + c$	При насыщении детектора на высоких концентрациях или искривлении закона Бугера-Ламберта-Бера.	Риск переобучения. Требует больше точек.
Логарифмическая	$y = a \cdot \ln(x) + b$	Некоторые электрохимические методы (например, ионометрия).	Преобразование осей может исказить ошибки.

Интерпретация и расчет неизвестных образцов

После утверждения уравнения калибровки расчет концентрации неизвестного образца ($C_{unk}$) производится по формуле:

$$ C_{unk} = \frac{Y_{unk} - b}{a} $$

Где $Y_{unk}$ — средний сигнал неизвестного образца.

Учет разбавления

Если образец подвергался пробоподготовке с разбавлением, полученный результат умножают на коэффициент разбавления ($K_{dil}$):

$$ C_{final} = C_{unk} \times K_{dil} $$

Ошибка новичка: Использование уравнения калибровки, построенного в одних единицах измерения сигнала (например, мАУ), для данных, полученных в других (например, Вольты), без пересчета. Всегда проверяйте размерности.

Частые ошибки при построении калибровки

Принудительное проведение через ноль. Опция «Intercept = 0» в Excel или ПО хроматографов часто используется необоснованно. Если бланк дает ненулевой сигнал (фон), принудительный ноль исказит все результаты, особенно в области низких концентраций. Используйте свободный член $b$, если статистически он значимо отличен от нуля.
Игнорирование матричного эффекта. Если стандарты приготовлены на чистой воде, а образцы — на сложной матрице (кровь, почва, сточные воды), вязкость или ионная сила могут изменить отклик.
- Решение: Использовать метод добавок или готовить стандарты на матрице, близкой к образцам.
Недостаточное количество повторов. Однократное измерение каждого стандарта не позволяет оценить случайную ошибку и выявить промахи (выбросы).
Старые стандарты. Использование деградировавших стандартных образцов приводит к систематическому занижению или завышению всех результатов.

FAQ: Вопросы по калибровочным графикам

В: Можно ли использовать калибровочный график, построенный вчера, для сегодняшних анализов? О: Только если проведена проверка контрольным образцом (QC). Если сигнал QC укладывается в допустимые пределы (обычно ±10–15% от номинала), график считается действующим. В противном случае нужна новая калибровка.

В: Что делать, если сигнал образца выше самого концентрированного стандарта? О: Разбавьте образец и повторите измерение. Экстраполяция графика вверх недопустима, так как там может начаться насыщение детектора.

В: Как часто нужно строить новый график? О: Зависит от стабильности прибора и требований методики (ГОСТ, ISO, фармакопея). Обычно: в начале каждой смены, после замены расходников (лампы, колонки), или каждые 10–20 образцов.

В: Почему $R^2$ высокий, но результаты неверные? О: $R^2$ показывает лишь линейность связи, но не точность. Причина может быть в неправильной подготовке стандартов (ошибка в массе/объеме) или матричном эффекте, который одинаково влияет на все точки, сохраняя линейность, но сдвигая наклон.