Provides transparent tools for fitting and evaluating analytical calibration curves. Ordinary and weighted least squares fits are supported, together with lack-of-fit, heteroscedasticity and influence diagnostics, back-calculation, prediction uncertainty and publication-ready base graphics. The workflow is designed to support validation studies rather than rely on a single goodness-of-fit statistic. Methods follow Magnusson and Ornemark (2014) < https://www.eurachem.org/images/stories/Guides/pdf/MV_guide_2nd_ed_EN.pdf> and International Council for Harmonisation (2023) < https://database.ich.org/sites/default/files/ICH_Q2%28R2%29_Guideline_2023_1130_ErrorCorrection_2025.pdf>.
Ferramentas transparentes para estudo de linearidade e validação de curvas analíticas em R. O pacote preserva as replicatas, avalia falta de ajuste e heterocedasticidade, compara OLS e WLS e produz gráficos de calibração, resíduos, variância e incerteza de predição.
dados <- validar_curva(dados_brutos, concentracao, sinal, replica)
ajuste <- ajustar_curva(dados, metodo = "auto")
diagnosticos <- diagnosticar_curva(ajuste)
painel_calibracao(ajuste)
Para uma tabela horizontal, informe somente a coluna de concentracao. As demais colunas numericas serao tratadas como replicatas e convertidas automaticamente:
curva <- validar_curva(dados_horizontais, concentracao)
O resultado automático é uma recomendação baseada em diagnósticos; a decisão de aprovar a faixa e o modelo continua documentada pelo laboratório.
diagnosticar_curva() reune Shapiro-Wilk, Anderson-Darling,
Kolmogorov-Smirnov com correcao de Lilliefors e Ryan-Joiner para os residuos;
Brown-Forsythe, Breusch-Pagan, Goldfeld-Quandt e Cochran para variancia;
Durbin-Watson e Breusch-Godfrey para independencia; e residuos padronizados e
studentizados, alavancagem, Cook, DFFITS, DFBETAS e Grubbs para influencia.
diagnosticos$normalidade
diagnosticos$cochran
diagnosticos$grubbs
diagnosticos$independencia
grafico_qq(ajuste, semente = 2026)
grafico_influencia(ajuste)
analisar_sensibilidade(ajuste)
analisar_sensibilidade() ajusta modelos deixando uma observacao de fora
somente para medir seu impacto nos estimadores. Ela nunca altera os dados nem
recomenda a exclusao automatica de uma medicao. O pacote nao transforma os
dados para tentar obter normalidade.
Com o ajuste pronto, gere um relatorio tecnico completo por R Markdown com um unico comando:
gerar_relatorio_pdf(ajuste, "relatorio-calibracao.pdf")
dados <- dados_eurachem_a52()
curva <- validar_curva(dados, concentracao_mg_L, absorbancia, replica)
ajuste_ols <- ajustar_curva(curva, metodo = "ols")
ajuste_wls <- ajustar_curva(curva, metodo = "wls")
comparar_modelos(ajuste_ols, ajuste_wls)
painel_calibracao(ajuste_wls)