【分享】生物化学实验的基本要求：实验的准确性

二、误差
误差即指一种被测物的测定结果与其真值的不符合性，真值往往是不能确切知道的，通常以多次测定结果的平均数来近似地代表真值。尽管实验的分析方法相当准确，仪器亦很精密，试剂纯度很高，操作者技术很熟练，然而这些都不能使某种物质的测定结果与其真值绝对相符。同一个样本多次重复测定，其结果亦不能完全相同。因此
实验中的误差是绝对的。根据误差的来源和性质，通常可分下述三大类。
1．系统误差
系统误差是指一系列测定值存在有相同倾向的偏差，或大于真值，或小于真值，一般是恒定的。多是由于某种确定的原因引起的，在一定条件下可以重复出现，误差的大小一般可以测出。经分析找出原因，可采取一定措施，减少或纠正。
（1）系统误差的来源
①方法误差：如用滤纸称量易潮解的药品；做生物实验特别是酶的实验时没有考虑温度的影响等。
②仪器误差：如量取液体时，按烧杯的指示线量取液体往往准确度降低，需要用量筒量取；在配置标准溶液时量筒同样不够精确，要选用等体积的容量瓶定容到刻度线；不同的天平其精度差别很大，如果需要称量100g 以上的物体，使用托盘天平即可，但如称量1g 的样品，选用扭力天平比较方便，称量10mg 以内的样品则必须使用感量为万分之一克的分析天平或电子天平称取。
③试剂误差：如试剂不纯或蒸馏水不合格，引入微量元素或对测定有干扰的杂质，就会造成一定的误差。
④操作误差：如在使用移液管量取液体时，由于每人的操作手法不同，可能会存在一定的操作误差。特别是在读数据时，目光是否平视，视线与液体弯月面是否相切，都可能成为生化实验中造成较大误差的主要原因。

2、系统误差的校正
①仪器校正：在实验前对使用的砝码、容量皿或其它仪器进行校正，对pH 计、电接点温度计等测量仪器进行标定，以减少误差。
②空白实验：在任何测量实验中都应包括有对照的空白实验。用同体积的蒸馏水或样品中的缓冲液代替待测溶液，并严格按照待测液和标准液同法处理，即得到所谓的空白溶液。在最后计算时，应从实验测得的结果中扣除从空白溶液中得到的数值，即可得到比较准确的结果。
2．偶然误差
与系统误差不同，误差的大小，正负是偶然发生的。误差时大时小，时正时负，不固定，一般不可预测。分析的步骤愈多，出现这种误差的机会愈多，所以也不易控制。如遇到这种情况时，应对仪器、试剂、方法作全面的检查。一般生物类实验的影响因素是多方面的。常常由于某些条件，如温度、光照、气流、反应时间、反应体系的微小变化都会引起较大的误差。特别是某些因素的作用机理目前仍不十分清楚，所以有些实验结果重现性较差。
偶然误差初看起来似乎没有规律性，但经过多次实验，便可发现偶然误差分布有以下规律。一是正误差和负误差出现的几率相等；二是小误差出现的频率高，二大误差出现的频率较低。因此解决偶然误差主要可通过进行多次平行实验，然后取其平均值来弥补。测试的次数越多，偶然误差的几率就越小。

3．责任误差
这种误差是由于工作人员工作态度不严肃，责任心不强，思想不集中，操作粗校大叶所引起的，这种误差是可以避免的。对于初做生物化学实验的工作者来说是经常发生的。如加错试剂、在配置标准溶液时固体溶质未被溶解就用容量瓶定容、在称量样品时未关升降扭就加砝码、在做电泳时点样端位置放错、在做抽滤实验时应留滤液
却误留滤渣、在作图时坐标轴取反以及记录和计算上的错误等。这些失误会对分析结果产生极大的影响，致使整个实验失败。所以在实验中一定要避免操作错误，培养严谨和一丝不苟的科学实验作风，养成良好的实验习惯，减少失误的发生。

此外，在实际工作中要根据实验目的，设计好切实可行的实验方案，并根据实际需要的准确度来选择测试手段（仪器及方法），如在做定性实验时，称量及配制试剂时可相对粗些，可选择台秤及量筒来称重、量取，而在做定量实验时，则必须使用分析天平及容量瓶来称量、定容，以确保实验数据真实可靠。
三、误差的表示方法和计算实验
误差为一统称，严格地说应包括误差和偏差。所谓误差是指测定值与真值之差；而偏差是指测定值与测定均值之差；但通常将这两者混用，统称为误差。
1．平均误差
平均误差是指一组测定值中，测定值与测定均值的算术平均偏差。

dm 为平均误差，X 为测定值， X 为均值，di 为离均差，n 为次数。其缺点是取绝对值，无法表示出各次测量间彼此的符合情况。
2．标准误差(标准差)
标准误差是指一组测定值中，每一个测定值与测定平均值间的偏离程度(详见统计方法)。
3．绝对误差
绝对误差是测定值与真值间的差数，表示准确度的一种方法。
绝对误差 = 测定值(X)一真值(U)
绝对误差有正值与负值，正值说明结果偏高，负值说明结果偏低。测定值与测定均值间的差异为绝对误差。所谓真值是未知的，实际上需用多次精确测定的结果(平均值)，代替真值来使用，但一定要消除系统误差之后，所以
绝对误差 = 测定值(X)一测定均值(X)
4．相对误差
绝对误差表示误差绝对值的大小，在应用上受到一定的限制，无法比较测定中误差相互之间的大小。为了便于误差间的相互比较，常用相对误差。实践中常用的是

四、与质量控制有关的几个基本概念
1．准确度
准确度是指测定值与真值之间相符合的程度，测定值愈接近真值，测定结果的误差愈小，准确性愈高，说明方法愈好。衡量准确度通常用回收实验，也即是在样品中加入一定量的己知浓度的标准液，测定回收量，计算回收率，以百分数表示。

2．精密度
精密度是指在相同条件下，用同一仪器，同一方法，对同一标本进行多次重复测定时，测定值与测定均值之间或各测定值间的符合程度。它是衡量在规定条件下实验方法测定结果的稳定性、重复性的一个指标，它只代表各测定值的分散和密集的程度。各测定值之间彼此愈接近，表示重复性愈好，测定值的偏差愈小，精密度愈高，方法愈稳定。
精密度与准确度有一定的关系，但两者不是统一的，精密度高不等于准确度高，反之亦然。准确度的高低是表示测定结果的好坏，系统误差的大小。而精密度的高低是说明方法稳定性、重复性的好坏。只有在消除了系统误差之后，使用精密度高的方法，才能做到既精密又准确，可称之为精确的方法。
3．灵敏度
灵敏度的高低有几种表示方法:一种是指被测物质单位浓度变化所引起的指示物理量的变化，如吸光度，相同的单位浓度，引起吸光度变化大的，称之为灵敏度高，反之称灵敏度低。灵敏度与取样体积，分析方法以及最后比色或检测需要量都有密切关系。要使方法的灵敏度保持稳定，必需结合灵敏度及准确度作全面考虑。特别是在
微量分析中，空白值的大小及稳定性对灵敏度影响很大，不可忽视。

五、统计学的一些基本概念和计算公式
人们在工作、学习、日常生活中常常遇到各种各样的问题，许多重要问题如医生看病、科学研究等需要解决各种问题，可以说，解题是人类最经常、最重要的活动之一。科学研究亦可说是解题的过程。例如提出某种生理现象与疾病的发生有何关系。为了解决这个大问题，必须提出一系列的小问题，进行观察和实验，然后对所得数据
进行分析，从而得主问题的解等。整个过程可分以下几个步骤：提出问题；实始设计；实验；数据分析；得出结论。概括起来，前面的三项说的是取得数据，后两项是分析数据。为了解决科研提出的问题，往往需要做许多观察，得到大量的数据，这时即需要进行统计。
统计学有两个重要的职能：一个是压缩数据，另一个是由一个样本(指一组数据)推断总体。压缩数据，即是将千千万万的数据经处理，成为简单的数，如平均值、百分率等。但这还不够，这只反应一组数据(即一个样本)。一个样本不能作为对整体的推断，从样本到整体，从部分到全体，必需作归纳推理，所以要作统计学处理。

1．标准差
一个样本的平均值只说明资料量数的水平，不能说明资料中个体的分散情况和程度。同一平均数的资料，可有不同的分散度。例如12，13，14，15，16，17，18 的均数为15；1，4，10，20，26，29的均数也是15，但后者的分散度较前者大的多，因此需要有方法来说明资料变异情况。标准差就是用菜表示资料变异程度的方法之
一。
小样本的标准差计算法：公式如下

S = 标准差
X = 量数或变异数
X = 平均数
N = 例数或观察的次数
N-1=自由度
如样本很大，用此公式不太合适，需用一个公式。一般大样本即用计算机计算，
另此不多介绍。
2．标准误
从一个整体中，抽出许多个样本，便会得到许多均数；这些均数的标准差，就称标准误。标准误是表示一批均数分散情况，正如标准差表示每一个数量的分散情况一样。实验的标准误，可用来表示同样实验重复若干次，每次结果的离散程度。精密的实验，应该每次相果相差很少，如果相差很大，说明实验中存在问题。所以计算实验
标准误，可以知道实验的精密度如何，亦可知道实验的重复性如何。如果求得的标准误小，则重复实验得到同样结果的可能性就大，也就是实验的精密度大，或重复性好。
事实上我们不可能重复许多次实验，汇集许多均数，我们通常只有一个样本，所以就得从这个样本(即一次实验〉的结果来估算标准误，如标准误很小，表示这次实验有一定的代表性，结果比较可靠，反之则否。标准误（S_X ）的计算公式如下：

标准误除了可表示实验的精确度外，还可以用来计算两组实验之间相比有无显著差别（称显著性）。

3．显著性的测定（t 值的计算）
显著性是说明这次实验是否由于机遇，或是由于必然规律，换句话说，这次结果是否由于偶然的，还是有意义的。
如对一批测试者前后做两次观察，第一次和第二次实验是同一批测试者，观察两次实验是否有显著性差异，可用显著性来计算。例如：观察豚鼠注射肾上腺素，对支气管灌流液经过支气管流速的变化，以每分钟的滴数计算。实验结果如下：

查t 值表 5%=2.201
1%=3.106
所以 P＜0.05 有显著性
＞0.01 从此结果可以得出，加肾上腺素，流速有显著的增加。
以上计算可用于实验动物个体差异较大时，可以作自身对照的比较，这些实验设计，可以消除个体差异的因素，但不是所有的实验都可以作自身比较的，因此必须进行组与组间的比较。
组间比较计算公式如下：