آشنایی با نرم افزار های کاربردی در علم شیمی

Σχετικά έγγραφα
محاسبه ی برآیند بردارها به روش تحلیلی

روش محاسبه ی توان منابع جریان و منابع ولتاژ

تصاویر استریوگرافی.

شاخصهای پراکندگی دامنهی تغییرات:

مفاهیم ولتاژ افت ولتاژ و اختالف پتانسیل

آزمون مقایسه میانگین های دو جامعه )نمونه های بزرگ(

همبستگی و رگرسیون در این مبحث هدف بررسی وجود یک رابطه بین دو یا چند متغیر می باشد لذا هدف اصلی این است که آیا بین

آزمایش 8: تقویت کننده عملیاتی 2

آزمایش 1: پاسخ فرکانسی تقویتکننده امیتر مشترك

مثال( مساله الپالس در ناحیه داده شده را حل کنید. u(x,0)=f(x) f(x) حل: به کمک جداسازی متغیرها: ثابت = k. u(x,y)=x(x)y(y) X"Y=-XY" X" X" kx = 0

ﯽﺳﻮﻃ ﺮﯿﺼﻧ ﻪﺟاﻮﺧ ﯽﺘﻌﻨﺻ هﺎﮕﺸﻧاد

تخمین با معیار مربع خطا: حالت صفر: X: مکان هواپیما بدون مشاهده X را تخمین بزنیم. بهترین تخمین مقداری است که متوسط مربع خطا مینیمم باشد:

بسم اهلل الرحمن الرحیم آزمایشگاه فیزیک )2( shimiomd

آموزش SPSS مقدماتی و پیشرفته مدیریت آمار و فناوری اطالعات -

تمرینات درس ریاض عموم ٢. r(t) = (a cos t, b sin t), ٠ t ٢π. cos ٢ t sin tdt = ka۴. x = ١ ka ۴. m ٣ = ٢a. κds باشد. حاصل x٢

فصل دهم: همبستگی و رگرسیون

جلسه 3 ابتدا نکته اي در مورد عمل توابع بر روي ماتریس ها گفته می شود و در ادامه ي این جلسه اصول مکانیک کوانتمی بیان. d 1. i=0. i=0. λ 2 i v i v i.

Angle Resolved Photoemission Spectroscopy (ARPES)

تحلیل مدار به روش جریان حلقه

فعالیت = ) ( )10 6 ( 8 = )-4( 3 * )-5( 3 = ) ( ) ( )-36( = m n m+ m n. m m m. m n mn

جلسه ی ۱۰: الگوریتم مرتب سازی سریع

هدف از این آزمایش آشنایی با رفتار فرکانسی مدارهاي مرتبه اول نحوه تأثیر مقادیر عناصر در این رفتار مشاهده پاسخ دامنه

چکیده مقدمه کلید واژه ها:


مسائل. 2 = (20)2 (1.96) 2 (5) 2 = 61.5 بنابراین اندازه ی نمونه الزم باید حداقل 62=n باشد.

تلفات خط انتقال ابررسی یک شبکة قدرت با 2 به شبکة شکل زیر توجه کنید. ژنراتور فرضیات شبکه: میباشد. تلفات خط انتقال با مربع توان انتقالی متناسب

مدار معادل تونن و نورتن

فصل چهارم : مولتی ویبراتورهای ترانزیستوری مقدمه: فیدبک مثبت

1) { } 6) {, } {{, }} 2) {{ }} 7 ) { } 3) { } { } 8) { } 4) {{, }} 9) { } { }

شبکه های عصبی در کنترل

Spacecraft thermal control handbook. Space mission analysis and design. Cubesat, Thermal control system

قاعده زنجیره ای برای مشتقات جزي ی (حالت اول) :

ویرایشسال 95 شیمیمعدنی تقارن رضافالحتی

سايت ويژه رياضيات درسنامه ها و جزوه هاي دروس رياضيات

فصل پنجم زبان های فارغ از متن

دانشکده ی علوم ریاضی جلسه ی ۵: چند مثال

ثابت. Clausius - Clapeyran 1

تئوری جامع ماشین بخش سوم جهت سادگی بحث یک ماشین سنکرون دو قطبی از نوع قطب برجسته مطالعه میشود.

مکانيک جامدات ارائه و تحليل روش مناسب جهت افزایش استحکام اتصاالت چسبي در حالت حجم چسب یکسان

آموزش شناسایی خودهمبستگی در دادههای سری زمانی و نحوه رفع آن در نرم افزار EViews

معادلهی مشخصه(کمکی) آن است. در اینجا سه وضعیت متفاوت برای ریشههای معادله مشخصه رخ میدهد:

جلسه ی ۴: تحلیل مجانبی الگوریتم ها

جلسه ی ۵: حل روابط بازگشتی

تمرین اول درس کامپایلر

Beta Coefficient نویسنده : محمد حق وردی

پروژه یازدهم: ماشین هاي بردار پشتیبان

جلسه 12 به صورت دنباله اي از,0 1 نمایش داده شده اند در حین محاسبه ممکن است با خطا مواجه شده و یکی از بیت هاي آن. p 1

آشنایی با پدیده ماره (moiré)

6- روش های گرادیان مبنا< سر فصل مطالب

شیمی عمومی دانشگاه فردوسی مشهد

جلسه ی ۳: نزدیک ترین زوج نقاط

هندسه تحلیلی بردارها در فضای R

هو الحق دانشکده ي مهندسی کامپیوتر جلسه هفتم

بررسی خرابی در سازه ها با استفاده از نمودارهاي تابع پاسخ فرکانس مجتبی خمسه

زمین شناسی ساختاری.فصل پنجم.محاسبه ضخامت و عمق الیه

جلسه دوم سوم چهارم: مقدمه اي بر نظریه میدان

هد ف های هفته ششم: 1- اجسام متحرک و ساکن را از هم تشخیص دهد. 2- اندازه مسافت و جا به جایی اجسام متحرک را محاسبه و آن ها را مقایسه کند 3- تندی متوسط

تابع هزینه حداقل میانگین مربعات توأم با حداقل واریانس خطا

جلسه 14 را نیز تعریف کرد. عملگري که به دنبال آن هستیم باید ماتریس چگالی مربوط به یک توزیع را به ماتریس چگالی مربوط به توزیع حاشیه اي آن ببرد.

جلسه 22 1 نامساویهایی در مورد اثر ماتریس ها تي وري اطلاعات کوانتومی ترم پاییز

Answers to Problem Set 5

راهنمای کاربری موتور بنزینی )سیکل اتو(

فصل چهارم تعیین موقعیت و امتدادهای مبنا

بررسی اثر تبلیغات رسانه ای بر جذب مشتری بانک ها )مطالعه موردی: بانک صادرات شهرستان نیشابور(

جلسه ی ۱۸: درهم سازی سرتاسری - درخت جست و جوی دودویی

دانشکده علوم ریاضی دانشگاه گیلان آزمون پایان ترم درس: هندسه منیفلد 1 باشد. دهید.f (gx) = (gof 1 )f X شده باشند سوالات بخش میان ترم

دستور العمل تعیین مختصات بوسیله دستگاه GPS شرکت ملی گاز ایران شرکت گاز استان تهران امور خدمات فنی و فروش عمده واحد GIS نسخه 0.1.

فصل اول هدف های رفتاری: پس از پایان این فصل از هنرجو انتظار می رود: 5 روش های اجرای دستور را توضیح دهد. 6 نوارهای ابزار را توصیف کند.

فصل سوم جریان های الکتریکی و مدارهای جریان مستقیم جریان الکتریکی

جلسه ی ۲۴: ماشین تورینگ

نکنید... بخوانید خالء علمی خود را پر کنید و دانش خودتان را ارائه دهید.

جلسه 9 1 مدل جعبه-سیاه یا جستاري. 2 الگوریتم جستجوي Grover 1.2 مسا له 2.2 مقدمات محاسبات کوانتمی (22671) ترم بهار

سلسله مزاتب سبان مقدمه فصل : زبان های فارغ از متن زبان های منظم

تخصصی. ساسان 1 قرایلو داود مقدمه.

دبیرستان غیر دولتی موحد

بسمه تعالی «تمرین شماره یک»

بخش 3: تحلیل کمی و کیفی دادههای XRD نویسندگان: علی انصاری فرزاد حسینی نسب مقدمه:

جریان نامی...

Top Down Parsing LL(1) Narges S. Bathaeian

جلسه 2 1 فضاي برداري محاسبات کوانتمی (22671) ترم بهار

به نام خدا. الف( توضیح دهید چرا از این تکنیک استفاده میشود چرا تحلیل را روی کل سیگنال x[n] انجام نمیدهیم

طرح یافتن مکان خطا در خطوط انتقال چندترمینالی با استفاده از اندازه گیریهای ناهمگام )آسنکرون(

یونیزاسیون اشعهX مقدار مو ثر یونی را = تعریف میکنیم و ظرفیت مو ثر یونی نسبت مقدار مو ثر یونی به زمان تابش هدف آزمایش: مقدمه:

برابری کار نیروی برآیند و تغییرات انرژی جنبشی( را بدست آورید. ماتریس ممان اینرسی s I A

هدف از این آزمایش آشنایی با برخی قضایاي ساده و در عین حال مهم مدار از قبیل قانون اهم جمع آثار مدار تونن و نورتن

SanatiSharif.ir مقطع مخروطی: دایره: از دوران خط متقاطع d با L حول آن یک مخروط نامحدود بدست میآید که سطح مقطع آن با یک

باشند و c عددی ثابت باشد آنگاه تابع های زیر نیز در a پیوسته اند. به شرطی که g(a) 0 f g

نویسنده: محمدرضا تیموری محمد نصری مدرس: دکتر پرورش خالصۀ موضوع درس سیستم های مینیمم فاز: به نام خدا

مطالعه تابش جسم سیاه

مدل های GARCH بوتبوتاسترپ چکیده نصراله ایرانایرانپناه دانشگاه اصفهان طاهره اصالنی گروه آمار- دانشگاه اصفهان

بسم هللا الرحمن الرحیم

به نام خدا. Sparse Coding ستاره فرامرزپور

طراحی و تعیین استراتژی بهره برداری از سیستم ترکیبی توربین بادی-فتوولتاییک بر مبنای کنترل اولیه و ثانویه به منظور بهبود مشخصههای پایداری ریزشبکه

اندازهگیری ضریب هدایت حرارتی جامدات در سیستم شعاعی و خطی

کارگاه آموزشی پاییز 1395 تحلیلهای آماری و تجزیه و تحلیل طرح و آزمایشات در نرم افزار SPSS دکتر مرتضی زنگنه. (M. ZANGANEH, 1395)

تئوری رفتار مصرف کننده : می گیریم. فرض اول: فرض دوم: فرض سوم: فرض چهارم: برای بیان تئوری رفتار مصرف کننده ابتدا چهار فرض زیر را در نظر

فهرست جزوه ی فصل دوم مدارهای الکتریکی ( بردارها(

فصل 5 :اصل گسترش و اعداد فازی

1- مقدمه. 2 Action. 1 Heuristic

فیلتر کالمن Kalman Filter

Transcript:

آشنایی با نرم افزار های کاربردی در علم شیمی 9 فریده حقیقی شیما کریمی 2 9 زهرا سجادی زهرا طالب پور 3 1 دانشجوی کارشناسی ارشد شیمی تجزیه گروه شیمی دانشکده علوم پایه دانشگاه الزهرا تهران میدان شیخ بهایی 2 دانشجوی کارشناسی شیمی کاربردی گروه شیمی دانشکده علوم پایه دانشگاه الزهرا تهران میدان شیخ بهایی 3 دانشیار شیمی تجزیه گروه شیمی دانشکده علوم پایه دانشگاه الزهرا تهران میدان شیخ بهایی چکیده با توجه به آمیخته بودن علم شیمی با مفاهیم فیزیک ریاضی و آمار که دارای محاسبات پیچیده و طوالنی است لزوم آشنایی شیمیدان ها با نرم افزار های رایانهای به منظور سهولت بخشیدن امور دست یابی به شرایط بهینه آزمایشگاهی و بررسی و ارزیابی دادههای آزمایشگاهی احساس میشود. از آنجایی که امروزه مدل سازی و طبقه بندی دادهها به وسیلهی نرم افزارهای رایانهای بخش مهمی را در علم شیمی به خود اختصاص داده و در تشخیص زود هنگام بیماریهای خاص تفکیک مواد غذایی حالل از حرام و برقراری ارتباط بین متابولیت پروتئین و ژن در ترکیبات طبیعی استفاده میشود ضرورت اینکه شیمیدانها برای انجام کارهای حرفهای خود به اندازه کافی از مهارتهای رایانهای برخوردار باشند افزایش یافته است. در همین راستا ارائه درسی با عنوان کاربرد رایانه در شیمی در دوره کارشناسی جهت آشنایی دانشجویان با نرم افزار های پر کاربرد در زمینه شیمی در بسیاری از دانشگاه های سراسر دنیا و برخی از دانشگاه های کشور ایران بسیار مورد توجه قرار گرفته است. در این مقاله سعی شده است عالوه بر معرفی این واحد درسی مباحث ارائه شده در این واحد به طور مختصر شرح داده شود و با ارائه مثالهای آموزشی مفید کاربرد هر نرم افزار بیان گردد. کلمات کلیدی نرم افزار های شیمی درس کاربرد رایانه در شیمی مثالهای آموزشی آدرس پست الکترونیکی عهده دار مکاتبات: ztalebpour@alzahra.ac.ir تلفن تماس: +84 21 44381388

ب) ج) آشنایی با نرم افزار های کاربردی در علم شیمی 9- مقدمه در طی چند دهه اخیر استفاده از رایانه در تمامی علوم بسیار مورد توجه و استفاده متخصصین قرار گرفته است. علم شیمی نیز از این قاعده مستثنی نیست. تجزیه و تحلیل حجم بزرگی از دادههای تجربی و نظری با کمک نرم افزار های عمومی و تخصصی امری امکان پذیر و عادی است. در این میان در دوره کارشناسی در دروسی نظیر شیمی تجزیه شیمی فیزیک و آزمایشگاههای مرتبط با این دروس نیاز به استفاده از ابزارهای کمکی برای تحلیل دادهها رسم نمودار و... احساس میشود. همچنین یادگیری و استفاده از نرم افزار های عمومی مانند Minitab MATLAB SPSS Excel و... برای دانشجو های دورههای تکمیلی جهت مدیریت دادهها انجام محاسبات بر روی دادههای تجربی بهینه سازی شرایط آزمایش تجزیه و تحلیل دادهها و ترسیم نمودار آن امری ضروری و اجتناب ناپذیر است. کمک گرفتن از این نرم افزار ها عالوه بر تسهیل امور و صرفه جویی در وقت کارایی تحقیقات دقت و صحت کار تجربی را نیز تا حدی افزایش میدهد. عالوه بر مواردی که ذکر شد شاخهی مستقلی در علم شیمی به نام "شیمی محاسباتی" وجود دارد که در آن با استفاده از محاسبات مکانیک مولکولی و کوانتمی محض و یا نیمه تجربی میتوان ساختار انرژی و خواص مولکولی را در حالت پایه و برانگیخته پیش بینی نمود و با استفاده از این اطالعات در مورد احتمال وقوع واکنشها و برهمکنشهای شیمیایی نظر داد. در این راستا از نرم افزار های تخصصیی مانند Hyperchem Gaussian و... استفاده میشود. با توجه به گستردگی مباحث مطرح شده در شیمی محاسباتی و لزوم پرداختن به آن به صورت مستقل در این مقاله به آن اشاره نمیشود. هدف از این مقاله بیان جایگاه استفاده از نرم افزارهای عمومی در علم شیمی و معرفی دسته بندی و آشنایی با کاربرد آنها است. در ادامه مطالب بر مبنای نیازهای متداول دانشجویان کارشناسی و کارشناسی ارشد شیمی )رسم منحنی آمار و ارزیابی دادهها رگراسیون و برازش منحنی طراحی آزمایش و رسم مولکول( افزارهای رایانهای میتواند در رفع آنها بسیار مفید باشد. تقسیم بندی شده است که استفاده از نرم 9- رسم منحنی یکی از رایج ترین کاربرد های نرم افزار های عمومی برای دانشمندان رسم منحنی است. نرم افزار های بسیاری نظیر rigin Systat MATLAB Minitab SPSS Excel نرم افزار Excel SigmaPlot و... میتوانند برای رسم منحنی مورد استفاده قرار گیرند. یکی از مناسبترین نرم افزار های آموزشی برای رسم دادهها در حالتهای مختلف است. به عنوان مثال میتوان از این نرم افزار برای تهیهی فایلی عمومی که کلیه محاسبات مربوط به هر یک از روش های تیتراسیون را در بر دارد استفاده نمود. بدیهی است تنها با تنظیم حجم نمونه غلظت آنالیت و تیتران در این فایل بر مقدار مورد نظر میتوان منحنی تیتراسون مربوطه را رسم نمود. به عالوه میتوان از این اطالعات برای یافتن نقطه هم ارزی )جایی که میزان تیترانت و تیتر شونده از لحاظ استوکیومتری با هم برابر هستند( استفاده کرد. شکل 1 کاربرد نرم افزار فلا) Excel ) برای رسم منحنی تیتراسیون فسفریک اسید و ) و SigmaPlot Minitab ) سدیم هیدروکسید را نشان میدهد. همان طور که مشاهده میشود با معرفی دادهها به صفحه گستر هر نرم افزار رسم منحنی به راحتی امکان پذیر خواهد بود. راههای متفاوتی از جمله افزودن شناساگر رسم مشتق دوم منحنی تیتراسون رسم منحنی گران برای به دست آوردن نقطه پایانی معرفی شدهاند که در این میان برای رسم مشتق دوم منحنی تیتراسیون و یا استفاده از منحنی گران میتوان از نرم افزار های عمومی استفاده کرد )شکل 2( [1]. منحنی گران بر مبنای معادله ی 1 به دست میآید: معادله 1 که در آن V b حجم تیترانت اضافه شده K a ثابت اسیدی و V eq.p حجم الزم برای تیتر ماده مورد نظر است.

با رسم خط [H 3 + ] V b V b بر حسب آمده حجم تیترانت در نقطه هم ارزی را نشان میدهد. در حوالی نقطه پایانی شیب خط رسم شده K a و عرض از مبدا خط به دست الف ب ج شکل 9. رسم منحنی تیتراسیون فسفریک اسید سدیم هیدروکسید با نرم افزار های الف( Excel ب( Minitab و ج( SigmaPlot

ph آشنایی با نرم افزار های کاربردی در علم شیمی الف شکل 2. منحنی مشتق دوم الف( رسم منحنی مشتق دوم و ب( رسم منحنی گران برای تیتراسیون فسفریک اسید و سدیم هیدروکسید برای به دست آوردن نقطه هم ارزی با استفاده از نرم افزار اکسل V b [H 3 + ] 0.008 0.007 0.006 0.005 0.004 0.003 0.002 0.001 y = -0.006x + 0.0597 R² = 0.9997 eq.p 0 8.6 8.8 9 9.2 9.4 9.6 9.8 10 10.2 V b, ml 50 40 30 20 10 eq.p 1 eq.p 0 2 0-10 10 20 30 40-20 -30-40 -50 V b, ml ب منحنی گران برای نقطه هم ارزی اول 2- آمار و ارزیابی دادهها یکی از مهمترین ویژگی یک روش تجزیهای عاری بودن روش از خطای سیستماتیک است. آزمون آماری معروفی با نام آزمون معنی دار بودن وجود دارد که بررسی میکند آیا اختالف بین دو نتیجه معنی دار است و یا میتوان آن را ناشی از تغییرات تصادفی به حساب آورد. آزمونهای معنی دار بودن به طور وسیعی در ارزیابی نتایج کار تجربی استفاده میشوند. محاسبات آزمونهای معنی دار بودن مانند آزمون ANVA و F t با نرم افزار های عمومی نظیر SigmaPlot SPSS Excel Statistica و... قابل اندازهگیری هستند و استفاده از نرم افزار برای انجام این محاسبات باعث صرفه جویی در وقت میشود. در ادامه با ذکر مثال به بررسی آزمونهای مذکور پرداخته میشود. -9-3 آزمون t t آزمون میگردد. درآزمون t تنها برای مقایسه دو دسته از داده قابل اجرا است و به دو حالت دادههای جفت نشده و جفت شده تقسیم جفت نشده نیز دو امکان وجود دارد که با انجام آزمون F قابل بررسی است. در آزمون F )t معنی دار بودن تفاوت دقت دو روش با بررسی معنی دار بودن و یا نبودن تفاوت واریانس های دو دسته داده ارزیابی میشود. در صورتی که تفاوت در واریانس دو دسته داده از لحاظ آماری در سطح اطمینان مورد نظر معنی دار نباشد از آزمون t جفت نشده )یا همان با واریانس یکسان و اگر معنی دار باشد از آزمون نرم افزار t Excel جفت نشده با واریانس متفاوت استفاده میشود. در ادامه مثالی از کاربرد برای انجام این دو آزمون )مثال 1 و 2( و همچنین آزمون t جفت شده )مثال 3( آورده شده است. مثال 1- در یک سری آزمایش به منظور تعیین قلع در مواد غذایی نمونهها در دو مدت زمان متفاوت با هیدروکلریک اسید رفالکس شده تا قلع آن استخراج گردد. سپس میزان آن با استفاده از روش طیف بینی جذب اتمی سنجیده میشود. هر آزمایش شش بار تکرار میگردد. نتایج به دست آمده در زیر نشان داده شده است. آیا مقادیر میانگین به دست آمده برای قلع در دو زمان رفالکس مختلف در سطح اطمینان % 89 به طور معنی داری از هم متفاوت هستند در کلیهی آزمونهای قابل اجرا با نرم افزار Data Analysis سپس Dataو نتیجهی آزمون Excel F بعد از معرفی دادهها به نرم افزار آزمون آماری مورد نظر از قسمت انتخاب شده و نتایج در صفحه گستر دیده خواهد شد. همان طور که در شکل 3 میبینید که از همین طریق انتخاب شده بی معنی بودن واریانس دو دسته داده را نشان میدهد. از این رو از آزمون t جفت نشده با واریانس یکسان استفاده شده که نتایج آن نیز در شکل 3 آورده شده است. با توجه به مقدار t محاسبه شده و t بحرانی که برای آزمون دو جهته داده شده است مشخص است که در سطح اطمینان 89% مدت زمان رفالکس تاثیر معنی داری بر مقدار قلع استخراج شده ندارد و بنابراین به منظور صرفه جویی در زمان میتوان مدت رفالکس کوتاهتر را برای ادامه- ی کار انتخاب کرد.

شکل 3. روند استفاده از نرم افزار Excel برای آزمون t جفت نشده با واریانس یکسان مثال 2- دادههای زیر غلظت تویل )mm( در خون دو دسته داوطلب )معمولی و بیماران روماتیسمی( را نشان می دهد. آیا مقادیر به دست آمده از غلظت تیول در خون دو دسته داوطلب در سطح اطمینان % 89 به طور معنی داری از هم متفاوت هستند برای پاسخ به این سوال نیز ابتدا آزمون F از طریق مسیری که در مثال قبل به آن اشاره شد انجام میشود. همان طور که در شکل 8 نتیجه باید از آزمون مشخص است واریانس t جفت نشده با واریانس این دو دسته داده در سطح اطمینان مد نظر تفاوت معنی دار با هم داشته و در متفاوت استفاده نمود. نتایج این آزمون )شکل 8( نیز نشان میدهد تفاوت معنی داری بین نتایج حاصل از اندازهگیری میزان تیول در خون دو دسته داوطلب وجود دارد )در سطح اطمینان 89%(. دارد شکل 4. استفاده از Excel برای آزمون t داده های جفت نشده با واریانس متفاوت مثال 3- روش جدید سریع و غیر مخربی برای اندازهگیری استامینوفن در قرص آن به وسیله طیف بینی مادون قرمز نزدیک بررسی شده است. استامینوفن در ده قرص از ده تولید متفاوت با روش جدید و همچنین روش پذیرفته شدهی طیف بینی فرابنفش اندازهگیری شده است. بررسی کنید آیا در سطح اطمینان % 89 تفاوت معنی داری بین نتایج دو روش وجود

آشنایی با نرم افزار های کاربردی در علم شیمی با توجه به این که نمونه های قرص در هر آنالیز متفاوت هستند اگر از آزمون t جفت نشده برای مقایسه نتایج استفاده شود هر تغییری وابسته به روش به واسطه تاثیر تفاوتهای موجود بین نمونههای آزمایشی پوشیده خواهد شد. بنابراین برای پاسخ به این سوال باید از آزمون t جفت شده استفاده نمود. همان طور که از شکل 9 نتیجه میشود نتایج اندازهگیری میزان استامینوفن در دو روش تفاوت معنی داری با هم ندارند. به همین دلیل استفاده از روش سریع غیر مخرب طیف بینی مادون قرمز نزدیک برای اندازهگیری استامینوفن پیشنهاد شده است. شکل 5. استفاده از Excel برای آزمون t داده ه یا جفت شده 2-3- آزمون آنالیز واریانس آزمون آنالیز واریانس است و به سه صورت یک فاکتوره چند فاکتوره جایی که آزمون )ANVA( برای مقایسه نتایج بیش از دو دسته از داده و یا بیش از یک عامل متغیر قابل اجرا )Single-Factor( )تنها تاثیر یک عامل مورد بررسی قرار میگیرد( دو )Two-Factor( )Multi-Factor( ANVA Excel آورده شده است. و یا )تاثیر دو یا چند عامل مورد بررسی قرار میگیرد( با تکرار و بدون تکرار انجام میگیرد. از آن دو طرفه با تکرار کامل ترین آزمون است در زیر مثالی از انجام این آزمون با استفاده از نرم افزار مثال 8- برای کشت نوعی باکتری در آزمایشگاه شرایط مختلف زیر در نظر گرفته شده است. رشد باکتری با بررسی جذب اندازه گیری شده است و هر آزمایش دو بار تکرار شده است. تاثیر هر عامل را بر رشد باکتری در سطح اطمینان % 89 بررسی کنید. برای پاسخ به این سوال بعد از معرفی دادهها به نرم افزار از قسمت انتخاب میشود. از آنجایی که دو عامل در این بررسی تغییر کرده است Data و سپس Data Analysis آزمون مورد نظر ph( آزمون ANVA و دما( و در هر حالت نتایج دو بار تکرار شدند دو فاکتوری با تکرار از لیست انتخاب شده و نتایج مانند آنچه در شکل 6 نشان داده شده در صفحه گستر دیده خواهد شد. با توجه به جدول ANVA تاثیر معنی داری بر نتایج دارد در حالی که تغییر بودن مقدار نشان داده شده در شکل 6- ب میتوان نتیجه گرفت که تغییر دما )Sample( )Columns( ph F به دست آمده از مقدار.]2[)Fcrit که برای تعیین میزان بهینهی آن ها باید تغییرات همزمان آن دو را در نظر گرفت. در میزان رشد باکتری تاثیر گذار نیست. )به دلیل کم تر همچنین معنی دار بودن برهمکنش بین این دو فاکتور گواه این مطلب است

الف ب -3 شکل 6. استفاده از Excel برای آزمون ANVA دو فاکتوری با تکرار الف( نحوه وارد کردن داده ها و ب( خروجی به دست آمده رگرسیون و برازش منحنی رگرسیون روشی برای بررسی و مدل سازی ارتباط بین متغیرهای مستقل و وابسته است. ضریب همبستگی نشان دهنده ارتباط دو متغیر است. اما زمانی که بررسی اثر یک متغیر بر متغیر دیگر مورد نظر باشد قابل استفاده نیست. از طرفی گاهی تخمین تغییر در یک متغیر با تغییر متغیر دیگر مهم است که باز هم ضریب همبستگی نمیتواند تخمینی از این تغییرات ارائه دهد. برای پاسخ به سئواالت فوق باید به سراغ رگرسیون رفت. از موارد متعدد کاربرد رگرسیون در علم شیمی میتوان به تعیین درجه و ثابت واکنشهای بررسی سینتیک واکنشه ی شیمیا ی شیمیایی بررسی رگرسیون منحنیهای کالیبراسیون و به دست آوردن ثابتهای دما-زمان در اشاره کرد. در رگرسیون یک یا چند متغیر که تاثیر پذیر از سایر متغیرها است متغیر یا متغیر های پاسخ متغیر وابسته )Y( و متغیر یا متغیرهایی که بر متغیر پاسخ اثر میگذارند متغیر مستقل )X( نامیده میشوند. از انواع روشهای رگراسیون می- توان به رگراسیون خطی ساده خطی چند گانه غیر خطی فازی و لجستیک اشاره کرد. این تنوع باعث شده که بتوان به راحتی هر نوع دادهای )اغلب از نوع دادهه یا پیوسته( را تحلیل کرد و به راحتی نتیجهگیری نمود. رگرسیون خطی سادهترین و پرکاربردترین نوع رگرسیون است. برای شروع باید حدسی درباره وجود یک رابطه خطی وجود داشته باشد. نمودار پراکنش داده ها ایده ی اولیهای درباره این موضوع میدهد. از آنجایی که روابط احتمالی همیشه دارای خطا میباشد )ε( بنابراین مدل

آشنایی با نرم افزار های کاربردی در علم شیمی رگرسیونی خطی ساده به صورت زیر است: معادله 2 نکته حائز اهمیت در برقراری رگرسیون و مدل سازی ارزیابی مدل است. مهم این است که هرگاه مدلی ساخته می- شود باید آن را آزمود. اگر آزمونی که انجام میشود معنی دار بودن رابطهی بین متغیر های مستقل و متغیر را از لحاظ آماری تایید کند در این صورت آن مدل از لحاظ آماری قابل استفاده است. نرم افزارهای بسیا یر هستند که قابلیت محاسبه رگرسیون را دارند و مشهورترین آن ها عبارت هستند از:.SES S+ SPSS Excel به طور مثال با استفاده از رگرسیون و برازش منحنیهای کالیبراسیون میتوان انواع توابع کالیبراسیون را بررسی نمود. معادلهی کالیبراسیون در واقع رابطهای است که بین عالمت خروجی دستگاه و غلظت تجزیهای ارتباط برقرار میکند. این تابع پاسخ میتواند خطی لگاریتمی توانی و یا به هر فرم ریاضی مناسب دیگری باشد. فرم مشخص این تابع پاسخ بستگی به سیستمی که اندازهگیری روی آن انجام میگیرد و همچنین فرایند اندازهگیری دارد. زمانی که تابع کالیبراسیون به صورت تئوری شناخته میشود عوامل متغیر )مانند اثرات تداخل ناشی از دیگر اجزای ماتریس نمونه یا خطاهای تصادفی( ایجاب می- کند که یک دستگاه تجزیه برای یک آنالیت خاص و در شرایط ویژه اندازهگیری کالیبره شود تا در یک آزمایش خاص بتوان از آن استفاده کرد. منحنی کالیبراسیون میتواند بسته به دستگاه مورد استفاده اشکال ریاضی متفاوتی داشته باشد. برخی از این اشکال در جدول 1 آورده شده است ]3[. در ادامه با استفاده از یک مثال مدلی بر اساس رگرسیون خطی ساده با استفاده از نرم افزار روشه یا مختلف مورد ارزیا یب قرار میگیرد. Excel ایجاد شده و به جدول 9. انواع مدل های ریاضی جهت رسم منحنی کالیبراسیون مثال قانون بیر روش افزایش استاندارد آزمایش معادله نرنست معادله S =bc S =bc+a S =a+blnc S =aebc S=a+bC n S = a + bc 2 + cc 3 نوع نمودار خطی با عرض از مبداء صفر خطی با عرض از مبداء غیر صفر لگاریتمی نمایی توانی چند جمله ای Immunoassay هیلی قانون کلراش Immunoassay مثال 9- در یک آزمایش اثر دما بر شدت فلوئورسانس بررسی شده است. پس از معرفی دادههای حاصل از آزمایش به نرم افزار نمودار Excel Scatter Plot به گونهای رسم میشود که شدت فلوئورسانس تابع دما باشد. همان طور که در شکل 7 دیده میشود دادهها تا جایی رفتار خطی از خود نشان میدهند ولی می- توان غیر خطی بودن آنها را نیز مشاهده کرد. ساده ترین راه مدل سازی رابطه بین شدت فلئورسانس و دما استفاده از گزینه Trend Line مقایسه میزان میباشد. استفاده از این گزینه این امکان را میدهد تا انواع روابط ریاضی بین دو متغیر یاد شده برقرار شده و با مختلف نشان داده شده است. R 2 به دست آمده بهترین معادله انتخاب گردد. در شکل 4 نتایج حاصل از به کار گیری این تابع با دو رابطهی

Intensity Intensity شکل 7. نمودار scatter plot شدت فلئورسانس بر حسب دما و انتخاب Trend Line هر چه مقدار R 2 نتایج نیز دیده میشود تنها استفاده از R 2 برای ساخت یک مدل و ارزیابی آن تابع به عدد یک نزدیکتر باشد مدل انتخاب شده صحیحتر است. اما همان طور که قبال نیز گفته شد و در کافی نیست )در هر دو رابطه مقادیر R 2 تقریبا برابر است(. ابزار دیگر نرم افزار Excel LINEST صحیح و مطمئنتر رهنمون میکند. پس از انتخاب تابع است. این ابزار با نمایش اطالعات آماری مفصل کاربر را به سمت انتخاب LINEST دادهها به آن معرفی میشود )شکل 8- الف(. 40 35 30 25 20 15 10 5 0 y = -0.0311x 2 + 2.3285x + 0.8727 R² = 0.9949 40 35 30 25 20 15 10 5 y = 1.7073x + 2.7364 R² = 0.9848 0 0 5 10 15 20 25 0 5 10 15 20 25 C (pg/ ml) C (pg/ ml) شکل 8. منحنی کالیبراسیون الف( در صورت خطی بودن و ب( در صورت غیرخطی بودن سپس با استفاده از اطالعات آماری حاصل )شکل 8 ب- ( مدل صحیح انتخاب میگردد. همان طور که در شکل 8 ب- دیده میشود عالوه بر محاسبهی خطای شیب عرض از مبدا و مجهول میزان آمارهی خواهد شد. هرچه میزان F F بیشتر باشد مدل انتخاب شده معنی دار تر است ]8[. نیز با استفاده از این تابع مشخص

آشنایی با نرم افزار های کاربردی در علم شیمی درقسمت شکل 1. الف( نحوه انتخاب LINEST و معرفی داده ها به آن ب( نمایش اطالعات حاصل از آن در صورت وجود ارتباط خطی میان متغیر ها ابزار دیگر نرم افزار Excel که برای ساخت یک مدل و ارزیابی آن میتواند مورد استفاده قرار بگیرد ابزار Regression و سپس Data Data Analysis است. این ابزار اطالعاتی کامل در مورد برازش از جمله ANVA جدول باقیماندهها و منحنی باقیمانده و... را در اختیار کاربر قرار میدهد. پس از معرفی دادهها به صفحه گستر نتایج مشاهده میشود )شکل 13(. و انتخاب Excel Regression انحراف به یکسو در اندازه و عالئم باقیماندهها همان طور که در شکل 13- ب مشاهده میشود نشانهی مطمئنی از این است که یک خط مستقیم برازش مناسبی برای دادهها ندارد.

الف ب Solver گاهی شکل 91. نتایج به دست آمده از ابزار Regression الف( جدول ANVA و ب( جدول و منحنی باقیمانده ها ارتباط بین متغیر مستقل و متغیر وابسته از نوع روابط ریاضی متداول نیست. در این صورت ابزار مورد نیاز میباشد. گاهی روابط بین متغیرها به صورت تئوری موجود است و باید ضرایب ثابتی تعریف کرد تا رابطه تئوری مورد نظر برقرار شود. مثال 6- در رابطه واکنش میباشد. میخواهیم ثابتهای برای به دست آوردن ثابته یا t - - زمان بر حسب دقیقه T a و b a و b را طوری تعریف کنیم که این رابطه تئوری محقق شود. در نرم افزار Excel دما برحسب کلوین و Y سرعت جدولی مانند شکل 11- الف تشکیل میشود. سرعتهای اندازهگیری شده در آزمایشگاه ستون( y(cal سرعتهای به دست آمده از معادله و ستون ستون RR y(exp) و y(cal) است. برای به حداقل رساندن خطای کل سلی به نام SRR ستون RR است. از قسمت Data ابزار Solver ستون( y(exp مجذور اختالف دو تعریف میشود که حاوی مجموع دادههای انتخاب میشود و همان طور که در شکل 11- الف نشان داده شده است SRR به عنوان سل متغیر و با هدف به حداقل رساندن خطا انتخاب میشود. در ابتدا به هر دو سل به عنوان سلهای متغیر انتخاب میشوند. نتایج حاصل از a و b Solver ب در شکل 11 مقدار صفر داده میشود و نشان داده شده است ]1 و 9[.

آشنایی با نرم افزار های کاربردی در علم شیمی الف ب -4 طراحی آزمایش شکل 99. الف( نحوه معرفی داده ها به ابزار Solver و ب( نتایج به دست آمده روشهای طراحی آزمایش نقش مهمی در آزمایشهای علمی دارند و حاوی مسیر آماری مناسب و معقول برای طراحی آزمایشها میباشد. با استفاده از ا نی روشها میتوان بیشترین اطالعات را از کمترین تعداد آزمایش انجام شده استخراج نمود. از دیگر مزایای مهم روشهای طراحی آزمایش میتوان به توان بررسی عوامل متعدد مؤثر بر آزمایش شناسایی عوامل کلیدی برای بهبود فرایند و یا محصول انجام بهینه سازیهای عددی انجام طراحیهای سه بعدی برای تجسم سطوح پاسخ و... اشاره کرد. اما در بیشتر این روشها به خصوص زمانی که تعداد عوامل مورد بررسی زیاد باشند انجام محاسبات بدون نرم افزار تقریبا غیر ممکن است. نرم افزار های طراحی آزمایش به شدت محاسبات دستی مورد نیاز را کاهش میدهند به طوری که کاربرد آسان آن برای آزمونگران روش آماری طراحی آزمایش را فراگیر نموده است. امروزه نرم افزارهای طراحی آزمایش و بهینه سازی به عنوان یک ابزار مهم برای مهندسان دانشمندان متخصصان ژنتیک زیست شناسان و تقریبا تمام آزمایشگران و سازندگان مطرح است. به طور معمول در بیشتر نرم افزار های طراحی آزمایش امکان به کار گیری روشهای مختلف غربالگری بهینه سازی و بررسی سطح پاسخ وجود دارد. به عالوه ارزیا یب مدله یا ساخته شده در مرحلهی بهینهسازی به روشهای مختلف )ضریب همبستگی رگرسیون آنالیز باقیماندهها و...( توسط این نرم افزارها قابل اجرا است. از نکات حائز اهمیت و قابل تمیز در این نرم افزارها گرافیک به کار برده شده برای نمایش دادههای به دست آمده و ارزیا یب شده )رسم منحنی ه یا پارتو کاغذ نرمال سطح پاسخ های سه بعدی و کونتور( تفسیر دادهها بر اساس نتایج گرفته شده از محاسبات امکان استفاده از توابعی مانند تابع مطلوبیت برای بهینه سازی هم زمان چند پاسخ و... است ]6 و 7[. برخی از این نرم افزار ها عبارت هستند از: Modde

DryLab DE++ Design Lab Minita pticut Design-Expert and Design-Ease Strategy Statistica Echip که در ادامه به تعدادی از آنها اشاره خواهد شد. -9-5 نرم افزار DE Wisdom و... شاید این نرم افزار سادهترین نرم افزار طراحی آزمایش باشد که استفاده از آن بسیار راحت است تا جایی که کاربر به جای تمرکز بر روی نحوهی کار نرم افزار میتواند به تجزیه و تحلیل اطالعات توجه کند. این نرم افزار میتواند برای مبتدیان مفید باشد. شما میتوانید این نرم افزار را به طور رایگان ذخیره کنید.)http://www.launsby.com/software.html( 2-5- نرم افزار DE++ این برنامه شما را در مورد تجزیه و تحلیل و طراحی الزم برای همهی جنبههای طراحی آزمایش )از نمایش فاکتورهای خاص تا تجزیه و تحلیل فاکتورهای هدف و برهم کنش میان فاکتورها( راهنمایی میکند. این نرم افزار انواع طراحیهای آزمایش از جمله Factorial Design Fractional factorial design Taguchi robust design این نرم افزار به طور رایگان در دسترس نیست و برای استفاده باید خریداری شود.)http://doe.reliasoft.com( -3-5 نرم افزار Design Expert و... را پشتیبانی میکند. این نرم افزار طراحی شده است تا به کاربر در طراحی و تفسیر یک آزمایش چند فاکتوری کمک کند. به عنوان مثال Design Expert طرح Di-optimal را برای زمانی ارائه میدهد که طراحیهای استاندارد قابل اجرا نیستند. این نرم افزار نیز تعداد زیادی از انواع طراحی را که بر مبنای متغیر های فرایند و یا ترکیب آنها است را ارائه میکند. این نرم افزار همچنین طیف وسیعی از نمودار های سه بعدی و کونتور را نشان میدهد که در آنها چگونگی تغییر پاسخ ها بر مبنای فاکتورهای استاندارد قابل مشاهده است. شکل 12 نمایی از نرم افزار نشان میدهد Design Expert.)http://www.statease.com/dx8descr.html( به همراه نمایش منحنی سه بعدی سطح پاسخ را شکل 92. نمایی از نرم افزار Design Expert به همراه نمایش منحنی سه بعدی سطح پاسخ 4-5- نرم افزار Statistica این نرم افزار یکی از بهترین نرم افزارهای موجود در بازار برای طراحی آزمایش است و یک روش جامع و کامل برای طراحی در آن به کار رفته است www.statsoft.com( شکل.)13

آشنایی با نرم افزار های کاربردی در علم شیمی شکل 93. تصویری از محیط نرم افزار Statistica انواع طرح های این نرم افزار عبارتند از: mixed Factorial design Taguchi robust design Standard two-storey Fractional mix design and the triangular diagram Latin square central composite designs three-level factorial factorial design و... همچنین این نرم افزار قابلیت سفارشیشدن و خودکار عمل کردن رسم و ارائه بیش از صدها نوع نمایش گرافیکی با اتصال پویا بین نمودارها و -5 دادههای به توزیعها انواع برازش دادهها آنالیز انجام عددی یکطرفه و چند طرفه برقراری انواع رگرسیون خصوصا انجام رگرسیون با هزاران متغیر و... را دارا است. رسم مولکول کوواریانس و واریانس شیمی علم مطالعهی ساختار خواص ترکیبات و تغییر شکل مواد است که به عناصر و ترکیبات شیمیایی که شامل اتمها مولکولها و برهمکنش میان آنها است مربوط میشود. از این رو به تصویر کشیدن آنها منجر به درک هر چه بهتر وقایع علمی میشود. در این راستا نرم افزارهای بسیاری از جمله Atoms Bonding and Structure ACD Chemffice CrystalSolids CystalMaker ScienceWord ISIS/Draw ChemSketch افزاری در این میان Chemffice Chemffice و... موجود است. یکی از کاملترین و پرکاربردترین نرم افزار های موجود در این زمینه است. بسته نرم دارای سه نرم افزار ChemDraw و Chem3D ChemFinder است. با استفاده از نرم افزار ChemDraw رسم ترکیبات شیمیایی آلی و معدنی به روشهای مختلف )از جمله مدل نیومن( نام گذاری ایوپاک ترکیب رسم شده رسم ساختار مولکول مورد نظر با استفاده از نام آن و برعکس استفاده از بانک وسیع شکلهای گروههای عاملی و یا بزرگ مولکول- های موجود در آن اصالح ساختارها و ابعاد مطابق استانداردهای مجالت معتبر بین المللی مثل نقطهی ذوب و جوش جرم مولکولی طیف JACS 1 HNMR و 13 CNMR ارائه اطالعاتی نظیر محاسبهی شکستهای جرمی و تخمینی از برخی از ثابت- های ترمودینامیکی عملی است. در جدول 2 برخی کاربرد های نرم افزار ChemDraw به همراه مثالهای مرتبط با آنها آورده شده است. با استفاده از نرم افزار Chem3D میتوان ساختار های شیمیایی را به صورت سه بعدی رسم کرد و یا ساختار دو بعدی رسم شده در نرم افزار ChemDraw را در آن به صورت سه بعدی نمایش داد. مولکول را حول محور های مختلف چرخاند و مشخصات زوایا طول پیوند ها هیبرید اتمها و... را روی هر مورد مشاهده کرد. همچنین میتوان زوایا و طول پیوند های موجود در ساختار رسم شده را تغییر داد و ایزومرهای ساختاری متفاوتی را رسم نمود. انجام محاسبات مکانیک مولکولی و محاسبه انرژی ساختارهای مختلف نیز با استفاده از این نرم افزار عملی است. بهعالوه میتوان نمایش پیوستهای از شکل مولکول در حین تغییرات آن نشان داد.

جدول 2. برخی از کاربرد های نرم افزار ChemDraw به همراه مثالهای آنها کاربرد گزینه مربوط مثال رسم مدل نیومن مولکول مورد نظر را رسم کنید و سپس با گزینه نشان داده شده در زیر از قسمت tools فرم نیومن را رسم کنید. H 2 N H C C ساختار ترکیب مورد نظر را رسم کنید. گزینه structure و سپس convert structure to name را انتخاب کنید. نام گذاری آیوپاک ترکیب رسم شده CH 2 2-amino-3-(4-hydroxyphenyl)propanoic acid structure رسم ساختار مولکول با دانستن اسم ترکیب مورد نظر را بنوسید. گزینه و سپس اسم آیوپاک ترکیب convert name to structure را انتخاب کنید. H 2 N 2-aminopropanoic acid

آشنایی با نرم افزار های کاربردی در علم شیمی ادامه جدول 2. برخی از کاربرد های نرم افزار ChemDraw به همراه مثالهای آنها کاربرد گزینه مربوط مثال استفاده از بانک وسیع شکل ها گزینه template را از قسمت tools مطابق شکل زیر انتخاب کنید. H H H H H H از قسمت view در نرم افزار گزینه show chemical properties مرجع نقطه ذوب و جوش انتخاب کنید. انتخاب کنید و سپس گزینه را از صفحه باز شده زیر خواص شیمیایی مد نظر را paste را بزنید. ادامه جدول 2. برخی از کاربرد های نرم افزار ChemDraw به همراه مثالهای آنها کاربرد گزینه مربوط مثال

پس از رسم مولکول مد نظر با انتخاب گزینه predict 1 HNMR shifts طیف نشان داده خواهد شد. structure و سپس توانایی پیش بینی طیف 1 HNMR پس از رسم مولکول مد نظر با انتخاب گزینه predict 13 CNMR shifts طیف نشان داده خواهد شد. structure و سپس توانایی پیش بینی طیف 13 CNMR ادامه جدول 2. برخی از کاربرد های نرم افزار ChemDraw به همراه مثالهای آنها کاربرد گزینه مربوط مثال

آشنایی با نرم افزار های کاربردی در علم شیمی tools mass fragmentation توانایی پیش بینی شکست های با انتخاب گزینه از قسمت میتوان جرمی قسمتهای دلخواه از مولول را شکست داد و جرم هر قسمت محاسبه خواهد شد. H 2 N CH C با انتخاب گزینه show analysis window از قسمت view می توان فرمول جرم مولکولی جرم های ایزوتوپ های دیگر و درصد فراوانی آن ها و هم چنین نتیجه آنالیز عنصری را مشاهده کرد. امکان آنالیز ساختار CH 2 CH 2 CH 2 C 6 H 14 N 4 2 Exact Mass: 174.11 Mol. Wt.: 174.2 m/e: 174.11 (100.0%), 175.12 (6.7%), 175.11 (1.5%) C, 41.37; H, 8.10; N, 32.16;, 18.37 NH C NH NH 2

مراجع [1] J. A. Greathouse and V. C. A. Hanratty, Spreadsheet Applications in Chemistry Using Microsoft Excel (Diamond, Dermot; Hanratty, Venita C. A.), John Wiley & Sons, 1997 [2] J. N. Miller and J. C. Miller, Statistics and Chemometrics for Analytical Chemistry, Perason, 2010 [3] Http://www.chem.utoronto.ca/coursenotes/analsci/stats/Calibration.html [4] E. J. Billo, Linear Regression and Curve Fitting in Excel for Chemists, John Wiley & Sons, Inc., 2011 435-462. [5] E. J. Billo, Nonlinear Regression Using the Solverin Excel for Chemists, John Wiley & Sons, Inc., 2011 463-488. [6] E. Morgan, Chemometrics: Experimental Design (Analytical Chemistry by pen Learning), John Wiley & Sons Inc., 1991. [7] R. E. Bruns, I. S. Scarminio and B. De Barros Neto, Statistical design-chemometrics, ELSEVIER, 2006.