Näytteenoton epävarmuus. Paavo Perämäki



Samankaltaiset tiedostot
Moniosanäytteenotto maaperätutkimuksessa Osa I

Raidesepelinäytteenottoa ja esikäsittelyä koskevan ohjeistuksen taustaselvitys Mutku-päivät, Tampere Hannu Hautakangas

Kiinteän polttoaineen näytteenotto (CEN/TS ja -2)

Mittausepävarmuuden laskeminen ISO mukaisesti. Esimerkki: Campylobacter

Biopolttoainemarkkinat ja standardit - seminaari , VTT Vuorimiehentie 5 Auditorio, Espoo Antero Moilanen, VTT

Näytteenotto ja näytteen jakaminen Kiinteät biopolttoaineet

MASA-näytteenottokoe. Jussi Reinikainen, SYKE Jenni Haapaniemi, Sito Olli-Pekka Jaakola, SGS

Teemu Näykki ENVICAL SYKE

Otanta ja idätysnäytteiden valmistus

Esimerkki puhdistetun jäteveden rikkipitoisuuden määri- tyksen epävarmuuden estimoinnista

Kemiallisten menetelmien validointi ja mittausepävarmuus Leena Saari Kemian ja toksikologian tutkimusyksikkö

Tilastollinen aineisto Luottamusväli

MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)

Näytteenoton merkitys riskienhallinnassa

Elektroniikkaromun ja kuparipitoisen romun näytteenotto, -valmistus ja analytiikka

Tutkimustiedonhallinnan peruskurssi

Ympäristönäytteenoton erityispiirteitä

Sovellettu todennäköisyyslaskenta B

Teema 8: Parametrien estimointi ja luottamusvälit

Monitasomallit koulututkimuksessa

Luottamusvälit. Normaalijakauma johnkin kohtaan

4. laskuharjoituskierros, vko 7, ratkaisut

Variogrammin hyödyntäminen näytteenotto- ja mittausjärjestelmän arvioinnissa

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja

Näytteenottosuunnitelma (CEN/TS ja 14779)

Parametrin estimointi ja bootstrap-otanta

Estimointi populaation tuntemattoman parametrin arviointia otossuureen avulla Otossuure satunnaisotoksen avulla määritelty funktio

NÄYTTEENOTON VERTAILUKOE Mutku-päivät maaliskuuta 2009 Hämeenlinna Outi Pyy

Kemometriasta. Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi

Virhearviointi. Fysiikassa on tärkeää tietää tulosten tarkkuus.

Mitä on huomioitava kaasupäästöjen virtausmittauksissa

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet

tilastotieteen kertaus

Tilastotieteen kertaus. Kuusinen/Heliövaara 1

1. Johdanto Todennäköisyysotanta Yksinkertainen satunnaisotanta Ositettu otanta Systemaattinen otanta...

r = n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.

c) A = pariton, B = ainakin 4. Nyt = silmäluku on5 Koska esim. P( P(A) P(B) =, eivät tapahtumat A ja B ole riippumattomia.

Miten voidaan arvioida virheellisten komponenttien osuutta tuotannossa? Miten voidaan arvioida valmistajan kynttilöiden keskimääräistä palamisaikaa?

Standardien merkitys jätelainsäädännössä

MONO-menetelmä käytännössä Mutku-päivät Terhi Svanström, FCG

Mittaustekniikka (3 op)

9. laskuharjoituskierros, vko 12-13, ratkaisut

Regressioanalyysi. Kuusinen/Heliövaara 1

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Talousveden kemiallisten määritysmenetelmien oikeellisuus, täsmällisyys ja toteamisraja - vaatimukset STMa 461/2000

¼ ¼ joten tulokset ovat muuttuneet ja nimenomaan huontontuneet eivätkä tulleet paremmiksi.

Regressioanalyysi. Vilkkumaa / Kuusinen 1

Simulointi. Varianssinhallintaa Esimerkki

Otoskeskiarvo on otossuure, jonka todennäköisyysjakauma tiedetään. Se on normaalijakauma, havainnollistaminen simuloiden

Mittaustulosten tilastollinen käsittely

MTTTP5, luento Kahden jakauman sijainnin vertailu (jatkoa) Tutkimustilanteita y = neliöhinta x = sijainti (2 aluetta)

Otoskoko 107 kpl. a) 27 b) 2654

761121P-01 FYSIIKAN LABORATORIOTYÖT 1. Oulun yliopisto Fysiikan tutkinto-ohjelma Kevät 2016

Näytteenoton terminologia; näytteenottovälineet ja astiat

/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla

&idx=2&uilang=fi&lang=fi&lvv=2015

Kaasumittaukset jatkuvatoimiset menetelmät 1. Näytteenotto 1 Näytteenottolinja

Fysikaalisten ja mekaanisten ominaisuuksien määritys (CEN TC335 / WG4)

Uudistettu EU-näytteenottoasetus ja sen tuomat muutokset rehujen viranomaisnäytteenottoon

riippumattomia ja noudattavat samaa jakaumaa.

KOKEMUKSIA LAITOSHANKINNASTA HSY:N KOMPOSTOINTILAITOKSET RAKENNUTTAMISPÄÄLLIKKÖ JUHA LIPSANEN

LUKIO HAKALAHDENKATU 8 YLIVIESKA

MITTAUSEPÄVARMUUS KEMIALLISISSA MÄÄRITYKSISSÄ WORKSHOP

KaiHali & DROMINÄ hankkeiden loppuseminaari

Nanomateriaalien vaikutus tulevaisuuden jätteenkäsittelyyn ja materiaalikierrätykseen. Niina Nieminen Teknologiakeskus KETEK Oy

805306A Johdatus monimuuttujamenetelmiin, 5 op

Lisätehtäviä ratkaisuineen luentomonisteen lukuihin 2-4 liittyen

D ( ) E( ) E( ) 2.917

MASA-asetuksen valmistelutilanne Jussi Reinikainen, Suomen ympäristökeskus (SYKE)

Sisäilman mikrobitutkimus

Mitä tarvitsee tietää biostatistiikasta ja miksi? Matti Uhari Lastentautien klinikka Oulun yliopisto

LATVUSMASSAN KOSTEUDEN MÄÄRITYS METSÄKULJETUKSEN YHTEYDESSÄ

Kvantitatiiviset menetelmät

/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla

Kemialliset tutkimukset elintarvikkeiden vaatimustenmukaisuuden osoittamiseksi (Eviran ohje 17069/1)

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

Näytteenottostandardin soveltamisohje

Harjoitus 2: Matlab - Statistical Toolbox

806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0.

HAKKUUTÄHTEEN METSÄKULJETUSMÄÄRÄN MITTAUS

3. laskuharjoituskierros, vko 6, ratkaisut

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

HIENORAKEISEN MATERIAALIN PARTIKKELIKOON MÄÄRITYS Menetelmän siirto ja validointi

dx=5&uilang=fi&lang=fi&lvv=2014

Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi

MASA - valtioneuvoston asetus maaainesjätteen. hyödyntämisestä maarakentamisessa. Asetusluonnoksen esittelytilaisuus , Ympäristöministeriö

dx=2&uilang=fi&lang=fi&lvv=2015

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan

Mittausepävarmuus asumisterveystutkimuksissa, asumisterveysasetuksen soveltamisohje Pertti Metiäinen

/1. MTTTP1, luento Normaalijakauma (kertausta) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti:

Signaalien generointi

ICP-OES JA ICP-MS TEKNIIKAT PIENTEN METALLIPITOISUUKSIEN MÄÄRITYKSESSÄ. Matti Niemelä, Oulun yliopisto, kemian laitos

b) Jos Ville kaataisikin karkit samaan pussiin ja valitsisi sieltä sattumanvaraisen karkin, niin millä todennäköisyydellä hän saisi merkkarin?

Yleistetyistä lineaarisista malleista

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

30A02000 Tilastotieteen perusteet

Olli-Matti Kärnä: UPI-projektin alustavia tuloksia kesä 2013 Sisällys

Yksityiskohtaiset mittaustulokset

Luentokalvoja tilastollisesta päättelystä. Kalvot laatinut Aki Taanila Päivitetty

Transkriptio:

Näytteenoton epävarmuus Paavo Perämäki

Näytteenottosuunnitelma Näytteenottotapoja: Valikoiva Satunnainen Systemaattinen Huomioitavia seikkoja (monia) Haluttu informaatio Keskimääräinen pitoisuus Aineiden jakautuminen, Näytteiden lukumäärä Kustannukset Johtopäätösten luotettavuus, Ajankohta Välineet

Näytteenoton käsitteitä Osanäyte (havaintoyksikkö; engl. increment, sample unit) Koko populaatiosta yhdellä toimenpiteellä (tiettynä ajankohtana) erotettu osa, kuten Kairanpisto pilaantuneelta maa-alueelta Hihnalta otettu tablettipurkki (näyteyksikkö selkeästi erotettavissa) Kokoomanäyte (engl. composite sample, gross sample) Osanäytteet voidaan yhdistää kokoomanäytteeksi Keskiarvoistaminen, kustannusten vähentäminen Primäärinäyte Kohtiosta alun perin kerätyt näytteet:. Erilliset osanäytteet. Yhdistetyt osanäytteet

Näytekoon pienentäminen Näytteenotto ja näytemäärän pienennys tapahtuu sekä kentällä, että laboratoriossa. Otetaan osanäytteitä (increments), jotka yhdistetään; esim. Kairalla tapahtuva näytteenotto pilaantuneeksi epäillyltä maaalueelta Näytteiden otto kuljettimen hihnalta Näytteenotto järvestä vesinoutimella. Jakamalla, jos koko erä voidaan käsitellä Jakaminen ei vielä ole näytteenottoa; jatkokäsittelyyn otettava erä voidaan valita satunnaisesti tai systemaattisesti

Näytteenoton virhelähteitä Heterogeenisyys koostumuksessa Heterogeenisyys jakautumisessa Ryhmittymis- ja lajittumisvirhe Syynä usein lajittuminen tiheyden ja hiukkaskoon mukaan

Osanäytteiden otto Ryhmittymisen ja lajittumisen takia luotettava näytteenotto bulkmateriaalista on vaikeaa/mahdotonta 3-dimensionaalinen näytteenotto Huono tapa: lapionpisto kasaan ( grab sampling ) Vähennetään näytteenoton dimensioita Täydellinen sekoitus (0 dimensiota): mahdoton suurilla näytemäärillä Purku kuljettimella (-dimensionaalinen näytteenotto) Täydellinen poikkileikkaus:

Primäärinäyte Karkea murskaus Jakaminen Hienomurskaus Jakaminen Jauhaminen Jakaminen Laboratorionäyte Näytteenjako

Näytteenoton virheet (Pierre Gy) Määrityksen kokonaisvirhe Global Estimation Error, GEE Näytteenoton kokonaisvirhe Total Sampling Error, TSE Analyysin kokonaisvirhe Total Analytical Error, TAE Useimmat näytteenoton virheet (paitsi näytteen valmistusvirhe) aiheutuvat näytteen heterogeenisyydestä. Heterogeenisyys koostumuksessa. Heterogeenisyys jakautumisessa

Näytteenoton kokonaisvirhe Total Sampling Error, TSE Näytteenoton virheet Integrointivirhe Näytteenottokohtion heterogeenisyys ajan ja/tai paikan suhteen Näytteenoton perusvirhe Fundamental sampling Error, FSE Näytepisteen valintavirhe Point Selection Error, PSE Ei-jaksollinen vaihtelu Ajan tai paikan suhteen Jaksollinen vaihtelu Ajan tai paikan suhteen Ryhmittymis- ja lajittumisvirhe Grouping and Segregation Error, GSE Näytteen materialisointivirhe Point Materialization Error, PME Virheellinen näytteenottotapa ja välineet Osanäytteen rajaamisvirhe Increment Delimination Error, IDE Osanäytteen erottamisvirhe Increment Extraction Error, IXE Näytteen valmistusvirhe Increment and Sample Preparation Error, IPE Painotusvirhe Weighting Error, SWE

Näytteenoton perusvirheen (FSE) tarkastelu Lähtökohdat. Klassinen näytteenoton teoria Teoreettinen tarkastelu binomijakauman tai Poisson-jakauman avulla Näytteenottovakion K s kokeellinen määrittäminen. Pierre Gyn näytteenottoteoria Näytteenoton perusvirhe FSE (heterogeenisen materiaalin ominaisuus) Muut virhelähteet (väärä näytteenotto)

Binomijakauma näytteenoton perusvirheen arvioinnissa Tarkastellaan kahden aineen A ja B seosta Kummallakin on sama hiukkaskoko, mutta hiukkasten laatu vaihtelee A: Mineraalihiukkanen, jossa on hyödynnettävää metallia B: Sivukivihiukkanen n = hiukkasten A lukumäärä n = hiukkasten B lukumäärä Todennäköisyys sille, että valitaan hiukkanen A: p n n n Todennäköisyys sille, että valitaan hiukkanen B: p p n n n p ja p ovat kummankin hiukkaslajin suhteelliset osuudet niiden lukumäärän perusteella (p +p =)

Kahden aineen seos Otetaan satunnaisesti näytteeksi n kappaletta hiukkasia seoksesta, jossa hiukkasten kulumäärä on äärettömän suuri Tällöin odotusarvot hiukkasten lukumäärille ovat n pn ja n pn Edelleen hiukkasten A ja B lukumäärän vaihtelua odotusarvojen p n ja p n ympärillä kuvaa keskihajonta n (binomijakauma): n np p

Kahden aineen seos Osanäytteen suhteellinen keskihajonta (%): Aine A (hiukkaset ): n n np p RSDA (%) 00 00 00 00 n np n p p np Aine B (hiukkaset ): RSDB(%) 00 p np Minimimäärä hiukkasia, jotta saavutetaan edustava näytteenotto (tarpeeksi alhainen RSD-arvo): RDS p 4 näytt. (%) 00 min 0 np RSDnäytt. p n p

Näytteen hiukkaskoon vaikutus Hiukkasten suhde alkuperäisessä näytteessä : RDS näytt. (%) 00 p np Näytteenottovirhe (suhde :3) Näytteen hienontaminen (n kasvaa): Pienelläkin näytemäärällä saadaan edustava näyte!

Kahden aineen seos Toisen aineen osuus välillä 0.0 %... 99.9 %: Mikäli toista ainetta on erittäin vähän, kasvaa tarvittavien hiukkasten lukumäärä äärettömän suureksi, jotta näytteenoton virhe olisi pieni Näytteen jauhaminen pieneen hiukkaskokoon!

Tarvittava osanäytteen massa Kuinka paljon näytettä tutkittavasta materiaalista on otettava, jotta saavutetaan haluttu näytteenoton varianssi? Tutkitaan näytteenoton hajontaa näytemassan funktiona näytteenottovakio K s Suhteellinen varianssi binomijakauman perusteella Suhteellinen varianssi np p RSD n n n Osanäytteen massa m on hiukkasten lukumäärään n Kirjoitetaan : K vaadittava m RSD RSD suhteellinen standardipoikkeama (%) s K näytteen massa, s jotta RSD % p p n

Tarvittava osanäytteen massa Esimerkki näytteenotosta: 4 Na-isotoopin määritys homogenisoidusta maksanäytteestä Koko näytteelle aktiivisuus 37 pulssia s - /g Otetaan osanäytteitä (massat vaihtelevat) ja mitataan aktiivisuus m=0.09 g: s=±3rsd=3. % Näytteen massa/g RSD/% m(rsd) /g 0.09 3. 5.4.3 5.5 39.3 m=5.8 g: s=±5.7 RSD=.4 % RSD = % 5.8.4 33.4 68 % luottamusväli (ylä- ja alaraja) K s ~ 36 g

Esimerkki: Referenssimateriaalin IAEA-393 (levä) homogeenisuus Pb GFAAS, suora kiinteän näytteen atomisointi Materiaalin hiukkaskoko hyvin pieni ja jakauma kapea Materiaali homogeenista, jos osanäytteen massa muutamia milligrammoja Cu

Näytteenoton perusvirhe (P. Gy) Näytteenottoon sisältyy aina tietty perusvirhe (engl. Fundamental sampling error, FSE) Näytteen partikkelikoko vaihtelee ja tutkittava aine on liittyneenä tiettyyn partikkelilajiin (varjostetut) Näytemassan kasvattaminen tai partikkelikoon pienentäminen!

Näytteenoton perusvirhe Syynä näytteen heterogeenisyys Näytteen hiukkaset ovat fysikaaliselta ja/tai kemialliselta koostumukseltaan erilaisia Materiaalin eri kohdista otetuilla osanäytteillä on erilainen koostumus Materiaalin ominaisuus: Täydellinen sekoittaminenkaan (homogenisointi, 0- dimensionaalinen näyte) ei poista virhettä! Perusvirheen suhteellinen varianssi r : Aineesta riippuva näytevakio r Cd 3 M S M Näytteen massa L Hiukkaskoko (~seulakoko, jota pienempää 95 % näytteestä) Erän massa, josta näyte otetaan

Näytteenoton perusvirhe (FSE) Näytevakio C C fgc d d f= f=0.5 f hiukkasen tilavuus kuution tilavuus f = raemuototekijä (~ 0.5 jauhetuille pyöreille hiukkasille) g = raekokojakaumatekijä = puhtaaksijauhautumistekijä (=, jos matriisi ja määritettävän aineen sisältämät partikkelit erillisiä) c = koostumustekijä r Cd 3 Tavallisesti M L >> M S M S M L 3 4 Cd 0 K s Virhe pienenee, kun näytteen määrä kasvaa ja näytettä hienonnetaan ennen näytteenottoa

Suurin sallittu hiukkaskoko näytteenotossa ja jaossa Oikea reitti: A B C D Asianmukainen näytteen hienontaminen ja jakaminen Ei lusikkanäytteenottoa!

Vaadittava osanäytteiden lukumäärä Oikean pitoisuuden luottamusväli x ts n Tarvittava osanäytteiden lukumäärä (iteratiivinen ratkaisu) s t s n = valitulla luottamustasolla sallittu ero näytteen todelliseen pitoisuuteen nähden ( ja s s absoluuttisina tai suhteellisina arvoina) Käytännössä: x t n s s n; p s n; p s Tot s Näytteenoto x s t Määritys n s s Näytteenoton hajonta (virhe) Sisältää useita vaiheita ja virhelähteitä

Näytteenotto epähomogeenisesta materiaalista Näytteenoton tarkoituksena on pienentää alkuperäisen näytteen massaa/määrää siten, että jäljelle jäävän osan ominaisuudet (esim. tietyn alkuaineen pitoisuus) eivät merkittävästi poikkea alkuperäisestä kohtiosta Yleinen periaate näytteenotossa: vaadittava näytteen massa kasvaa, kun Näytteen hiukkaskoko kasvaa Näytteen heterogeenisyys lisääntyy (hiukkasten koko ja koostumus vaihtelevat) Kun määritettävän aineen pitoisuus laskee Kun halutaan pienentää analyysituloksen epävarmuutta

Aiheesta lisää: Kratochvil, B., Taylor, J.K., Anal. Chem. 53 (98) 94A Sonntag, T-M., Rossbach, M., Analyst (997) 7-3 Keith, L.H. (toim.): Principles of Environmental Sampling,. painos, American Chemical Society