Foutenpropagatie in het laboratorium: regels, formules en voorbeelden

Elke meting in het laboratorium bevat een zekere onnauwkeurigheid. Zodra u met gemeten grootheden gaat rekenen — een concentratie berekenen uit een gemeten massa en een gemeten volume, een absorptie omrekenen naar een concentratie via de Beer-Lambert-wet, of een resultaat bepalen via meerdere stapsgewijze bewerkingen — plant die onnauwkeurigheid zich voort naar het eindresultaat. Foutenpropagatie (ook wel foutvoortplanting of propagatie van onzekerheid) is de wiskundige discipline die beschrijft hoe de onzekerheid in invoergrootheden doorwerkt in het eindresultaat van een berekening. Kennis van deze regels is onmisbaar voor iedere laborant die meetresultaten met hun onzekerheid wil rapporteren, methoden wil valideren of wil bepalen welk meetinstrument de grootste bijdrage levert aan de totale meetfout.

Dit artikel behandelt de klassieke foutenrekening als wiskundig fundament. Voor de moderne GUM-aanpak met uncertainty budgets en type A/B-onzekerheden — zoals vereist onder ISO 17025 — verwijzen wij naar het artikel Meetonzekerheid in de praktijk: GUM, budget en ISO 17025. De propagatieformule die de GUM hanteert is wiskundig identiek aan de kwadratuurmethode die in dit artikel wordt uitgelegd.

Overzicht van de vier propagatieregels voor foutenpropagatie: optelling, vermenigvuldiging, machtsverheffing en logaritmen
Figuur 1 — De vier basisregels van foutenpropagatie in het laboratorium

Systematische en toevallige fouten

Wat is het verschil tussen systematische en toevallige fouten?

Voordat u fouten propageert, is het belangrijk onderscheid te maken tussen twee fundamenteel verschillende typen meetfouten.

Systematische fouten (ook wel biasfouten) zijn fouten die bij elke herhaling van de meting in dezelfde richting optreden en de meetwaarde consequent hoger of lager maken dan de werkelijke waarde. Voorbeelden zijn een verkeerd gekalibreerde balans, een maatkolf die door fabricageafwijkingen systematisch iets te groot is, of een pipet die door temperatuurverschil af weet van het opgegeven volume. Systematische fouten worden niet kleiner door meer te meten; ze worden opgespoord via kalibratie, gebruik van gecertificeerde referentiematerialen of interlaboratoriumvergelijking, en vervolgens gecorrigeerd. De restonzekerheid na correctie blijft als bijdrage in het onzekerheidsbudget staan.

Toevallige fouten (ook wel statistische fouten) zijn fouten die willekeurig fluctueren rond de werkelijke waarde. Ze worden veroorzaakt door variaties in de handeling van de analist, kleine omgevingsvariaties, elektronisch ruis in meetapparatuur of statistische fluctuaties in het meetproces zelf. Toevallige fouten verkleinen gemiddeld met meer herhalingen: de standaardafwijking van het gemiddelde (SEM) daalt evenredig met 1/√n. Bij het combineren van toevallige fouten geldt de kwadratuurmethode; bij het combineren van maximale (systematische) fouten worden ze opgeteld.

Absolute en relatieve fout

Wat is een absolute fout?

De absolute fout (genoteerd als Δx) is de maximale afwijking van een meting ten opzichte van de werkelijke waarde, uitgedrukt in dezelfde eenheid als de meetwaarde zelf. Als een maatcilinder een volume aangeeft van 25,0 mL met een onzekerheid van ±0,2 mL, dan is Δx = 0,2 mL. De absolute fout geeft direct aan hoe groot de bandbreedte is in de eenheid van de meting. Bij maatglaswerk klasse A staat de toegestane absolute tolerantie vermeld op het instrument of in de bijbehorende norm.

Wat is een relatieve fout?

De relatieve fout (genoteerd als δx, uitgesproken als "delta-klein x") is de absolute fout gedeeld door de meetwaarde. Ze wordt uitgedrukt als een dimensieloos getal of als percentage:

δx = Δx / x   of   δx (%) = (Δx / x) × 100 %

Voor het voorbeeld hierboven: δx = 0,2 / 25,0 = 0,008 = 0,8 %. De relatieve fout maakt fouten van verschillende grootheden vergelijkbaar en speelt een centrale rol bij vermenigvuldiging, deling en machtsverheffing. Een balans met Δm = 0,1 mg bij een weging van 100 mg geeft δm = 0,1 %, maar bij een weging van slechts 5 mg geeft dezelfde absolute balans δm = 2,0 % — een factor twintig groter.

Wanneer gebruik je absolute en wanneer relatieve fouten?

Als vuistregel geldt: gebruik absolute fouten bij optelling en aftrekking, en relatieve fouten bij vermenigvuldiging en deling. De keuze is niet arbitrair — het volgt rechtstreeks uit de wiskundige afleiding van de propagatieregels via partiële differentiatie.

De vier basisregels van foutenpropagatie

Hoe bereken je de fout bij optelling en aftrekking?

Als z = x + y of z = x − y, dan geldt voor de absolute fout van z:

Maximale-foutmethode (voor systematische fouten of wanneer fouten gecorreleerd kunnen zijn):

Δz = Δx + Δy

Kwadratuurmethode (voor onafhankelijke toevallige fouten):

Δz = √(Δx² + Δy²)

Een praktisch voorbeeld: u weegt een bekerglas leeg (m₁ = 52,43 g ± 0,01 g) en na toevoeging van de stof gevuld (m₂ = 67,87 g ± 0,01 g). De massa van de stof is m = m₂ − m₁ = 15,44 g. De absolute fout via de kwadratuurmethode: Δm = √(0,01² + 0,01²) = √0,0002 ≈ 0,014 g. Resultaat: 15,44 g ± 0,014 g. Let op: bij aftrekking van nagenoeg gelijke grootheden neemt de relatieve fout sterk toe — dit is een veelgemaakte valkuil bij verschilbepalingen.

Hoe bereken je de fout bij vermenigvuldiging en deling?

Als z = x · y of z = x / y, dan worden de relatieve fouten gecombineerd:

Maximale-foutmethode:

δz = δx + δy

Kwadratuurmethode:

δz = √(δx² + δy²)

De absolute fout in het eindresultaat volgt daarna uit Δz = δz · z. Als u een concentratie berekent via c = m / V, met m = 0,1234 g ± 0,0001 g en V = 100,00 mL ± 0,08 mL, dan is δm = 0,0001/0,1234 = 0,081 % en δV = 0,08/100,00 = 0,080 %. De gecombineerde relatieve fout via de kwadratuurmethode: δc = √(0,081² + 0,080²) ≈ 0,114 %. De berekende concentratie is c = 0,001234 g/mL; de absolute onzekerheid is dan Δc ≈ 0,001234 × 0,00114 ≈ 0,0000014 g/mL.

Hoe bereken je de fout bij machtsverheffing?

Als z = xⁿ (met n een constante, ook gebroken of negatief), dan geldt voor de relatieve fout:

δz = |n| · δx

Dit is een bijzonder geval van de algemene regel, afgeleid via partiële differentiatie: Δz = |dz/dx| · Δx = |n · xⁿ⁻¹| · Δx, en gedeeld door z = xⁿ geeft dat δz = |n| · δx. Voorbeelden: bij z = x² verdubbelt de relatieve fout. Bij z = √x (= x^(1/2)) halveert ze: δz = ½ · δx. Bij z = 1/x (= x⁻¹) blijft de relatieve fout gelijk: δz = δx. Dit laatste is direct te zien in de delingsregel wanneer de teller constant is.

Hoe bereken je de fout bij logaritmen en exponenten?

Logaritmische en exponentiële functies treden op bij absorbantieberekeningen en bij pH-berekeningen.

Natuurlijke logaritme z = ln(x):
Via differentiatie geldt Δz = |dz/dx| · Δx = (1/x) · Δx, zodat:

Δz = Δx / x = δx

De absolute fout in ln(x) is gelijk aan de relatieve fout in x. Bij een transmissie T = 0,450 ± 0,003 geeft de absorbantie A = −log₁₀(T). Via de kettingregel geldt: Δ(log₁₀ T) = ΔT / (T · ln 10) = 0,003 / (0,450 × 2,3026) ≈ 0,0029 A-eenheden. Dit is de foutenregel die in UV/Vis-spectrofotometrie en spectrofotometrische titraties direct van belang is.

Exponentiële functie z = eˣ:
Hier geldt Δz = |eˣ| · Δx = z · Δx, zodat de relatieve fout:

δz = Δx

De relatieve fout in eˣ is gelijk aan de absolute fout in x. Dit speelt bij het omrekenen van extinctiecoëfficiënten en bij Arrhenius-berekeningen.

Wat is de algemene foutenpropagatiefunctie voor meerdere variabelen?

Voor een functie z = f(x₁, x₂, …, xₙ) waarbij alle invoergrootheden onafhankelijk zijn, geeft de wiskundige afleiding via een Taylorontwikkeling de volgende formules.

Maximale-foutmethode:

Δz = |∂f/∂x₁|·Δx₁ + |∂f/∂x₂|·Δx₂ + … + |∂f/∂xₙ|·Δxₙ

Kwadratuurmethode (standaardpropagatie van onzekerheid):

Δz = √( (∂f/∂x₁)²·Δx₁² + (∂f/∂x₂)²·Δx₂² + … + (∂f/∂xₙ)²·Δxₙ² )

De factoren ∂f/∂xᵢ zijn de partiële afgeleiden van f naar elke invoergrootheid — ze meten hoe gevoelig het resultaat is voor een verandering in die invoer. In de GUM worden deze gevoeligheidscoëfficiënten genoteerd als cᵢ. De kwadratuurmethode is identiek aan de GUM-propagatieformule voor gecombineerde standaardonzekerheid: uc² = Σ cᵢ² · u(xᵢ)².

De kwadratuurmethode versus maximale fout

Wanneer gebruik je de kwadratuurmethode en wanneer de maximale-foutmethode?

De keuze hangt af van de aard van de fouten die worden gecombineerd.

De maximale-foutmethode (optellen van absolute waarden) geeft een bovengrens voor de gecombineerde fout. Ze geldt strikt wanneer alle fouten in ongunstige richting tegelijk optreden — wat in de praktijk zelden het geval is wanneer meerdere onafhankelijke bronnen bijdragen. Ze is echter de juiste keuze wanneer fouten gecorreleerd zijn (bijv. hetzelfde gekalibreerde instrument wordt voor alle metingen gebruikt, zodat zijn systematische afwijking voor alle metingen in dezelfde richting werkt) of wanneer u een gegarandeerde bovengrens wenst, ongeacht de kansverdeling van de fouten.

De kwadratuurmethode (wortel-som-der-kwadraten) is de statistische benadering voor onafhankelijke, toevallige bijdragen. Ze geeft een kleinere, realistischere gecombineerde fout dan de maximale methode, omdat het onwaarschijnlijk is dat alle fouten tegelijkertijd hun maximale waarde in ongunstige richting aannemen. De GUM hanteert uitsluitend de kwadratuurmethode, aangeduid als "law of propagation of uncertainty". Voor methodevalidatie conform ICH Q2 en voor rapportage onder ISO 17025 is de kwadratuurmethode de standaard.

Een praktische vuistregel: gebruik de maximale-foutmethode als worst-case analyse bij het ontwerp van een methode (om te verzekeren dat zelfs in het slechtste geval de specificatie wordt gehaald). Gebruik de kwadratuurmethode voor de realistische onzekerheidsrapportage in analytische resultaten.

Hoe groot is het verschil tussen de twee methoden?

Bij twee gelijke bijdragen Δx geeft de maximale methode Δz = 2·Δx, terwijl de kwadratuurmethode Δz = √2·Δx ≈ 1,41·Δx geeft — dat is 30 % kleiner. Bij tien gelijke bijdragen: maximale methode geeft 10·Δx, kwadratuurmethode geeft √10·Δx ≈ 3,16·Δx. Naarmate meer onafhankelijke bijdragen worden gecombineerd, wordt het verschil groter. Dit effect maakt de kwadratuurmethode aanzienlijk realistischer bij multi-stap analysemethoden.

Uitgewerkte voorbeelden uit het laboratorium

De volgende tabel toont drie typische analytische situaties met stapsgewijze foutenpropagatie. Alle fouten zijn opgegeven als absolute halfbreedte (±).

Toepassing Formule Invoergrootheden en fouten Gecombineerde relatieve fout (kwadratuur)
Concentratie via weging en volumetrisch oplossen c = m / V m = 0,5000 g ± 0,0002 g (δm = 0,04 %)
V = 250,0 mL ± 0,2 mL (δV = 0,08 %)
δc = √(0,04² + 0,08²) ≈ 0,089 %
Titratie: verbruikt volume als verschil ΔV = V₂ − V₁ V₁ = 0,10 mL ± 0,02 mL
V₂ = 21,45 mL ± 0,02 mL
ΔV = 21,35 mL
Δ(ΔV) = √(0,02² + 0,02²) ≈ 0,028 mL
δ(ΔV) = 0,028/21,35 ≈ 0,13 %
Absorbantie naar concentratie (Beer-Lambert) A = ε · l · c, dus c = A / (ε · l) A = 0,512 ± 0,003 (δA = 0,59 %)
ε: gecertificeerd, δε = 0,5 %
l = 1,000 cm (kalibratie δl ≈ 0,1 %)
δc = √(0,59² + 0,5² + 0,1²) ≈ 0,78 %

Uit het Beer-Lambert-voorbeeld blijkt dat de absorbantieaflezing (0,59 %) en de onzekerheid van de extinctiecoëfficiënt (0,5 %) de dominante bijdragen zijn. Verbetering van de padlengte-kalibratie heeft vrijwel geen effect, omdat 0,1 % in de kwadratensom verwaarloosbaar is. Dit principe — concentreer verbeterpogingen op de grootste bijdrage — is de kern van elk uncertainty budget.

Foutenpropagatie bij meerdere berekeningsstappen

Hoe bereken je de totale fout bij meerdere opeenvolgende bewerkingen?

Bij een analytisch traject met meerdere stappen — afwegen, oplossen, verdunnen, meten — propageert u de fout stap voor stap. Het is correct om de foutenpropagatie door te voeren over de volledige algebraïsche formule tegelijk (via partiële afgeleiden), in plaats van de tussenresultaten één voor één te combineren. De twee benaderingen geven hetzelfde eindresultaat, maar de directe aanpak via de eindformule is minder vatbaar voor rekenfouten.

Voorbeeld: de eindconcentratie na afwegen (m), oplossen in V₁ en verdunnen met factor F geeft c_eind = m / (V₁ · F). De relatieve fout is: δc = √(δm² + δV₁² + δF²). Elke extra verdunningsstap voegt een extra term toe aan de kwadratensom. Omdat elke bijdrage kwadratisch optelt, leidt toevoegen van een extra stap met 1 % relatieve fout aan een bestaand budget van 2 % tot √(2² + 1²) ≈ 2,24 % — een beperkte verslechtering. Dit is de reden dat meerstaps analyses in de praktijk beter beheersbaar zijn dan de maximale-foutmethode suggereert.

Overzichtstabel: foutenpropagatiefuncties

Bewerking Formule Maximale fout Kwadratuurmethode
Optelling / aftrekking z = x ± y Δz = Δx + Δy Δz = √(Δx² + Δy²)
Vermenigvuldiging / deling z = x · y of x / y δz = δx + δy δz = √(δx² + δy²)
Machtsverheffing z = xⁿ δz = |n| · δx δz = |n| · δx
Worteltrekken z = √x = x^(½) δz = ½ · δx δz = ½ · δx
Natuurlijk logaritme z = ln(x) Δz = Δx / x = δx Δz = Δx / x = δx
Logaritme grondtal 10 z = log₁₀(x) Δz = Δx / (x · ln 10) ≈ 0,434 · δx Δz = 0,434 · δx
Exponentieel (basis e) z = eˣ δz = Δx δz = Δx
Sinus (x in radialen) z = sin(x) Δz = |cos(x)| · Δx Δz = |cos(x)| · Δx
Algemene functie (meervoudig) z = f(x₁, x₂, …) Δz = Σ |∂f/∂xᵢ| · Δxᵢ Δz = √(Σ (∂f/∂xᵢ)² · Δxᵢ²)

Bij de machtsfuncties (inclusief wortels) en de logaritmische/exponentiële functies zijn de maximale-foutmethode en de kwadratuurmethode identiek omdat er slechts één invoergrootheid is — er is niets te combineren.

Veelgestelde vragen over foutenpropagatie

Wat is het verschil tussen foutenpropagatie en meetonzekerheid?

Foutenpropagatie is de wiskundige techniek die beschrijft hoe fouten in invoergrootheden doorwerken via een berekening naar een eindresultaat. Meetonzekerheid is het bredere concept dat ook de kwantificering, classificatie (type A/B), rapportage en traceerbaarheid van de gecombineerde onzekerheid omvat, zoals beschreven in de GUM (JCGM 100). De propagatieformule van de GUM is wiskundig identiek aan de kwadratuurmethode uit de klassieke foutenrekening. Het onderscheid is dus in de eerste plaats van toepassingscontext: foutenrekening is het wiskundige instrument, meetonzekerheid is de gereguleerde toepassing ervan in een kwaliteitssysteem.

Hoe minimaliseer je meetfouten in het laboratorium?

De meest effectieve strategie volgt direct uit de propagatieregels: bereken het uncertainty budget en identificeer welke invoergrootheid de dominante bijdrage levert. Verbeteringen aan bijdragen die kleiner zijn dan een derde van de dominante bijdrage, hebben via de kwadratensom nauwelijks effect op het eindresultaat. Concrete maatregelen zijn: gebruik van maatglaswerk klasse A in plaats van klasse B bij volumetrische stappen, gravimetrisch werken in plaats van volumetrisch bij kleine hoeveelheden, een hogere balansklasse bij kleine massa's, herhaalde pipettering en uitvoering door dezelfde analist om toevallige componenten te reduceren, en het vermijden van aftrekking van nagenoeg gelijke grootheden (waarvoor de relatieve fout sterk toeneemt).

Wat is de foutenversterkende werking bij aftrekking van vergelijkbare grootheden?

Als twee nagenoeg gelijke grootheden van elkaar worden afgetrokken, is de absolute fout in het verschil gelijk aan de gecombineerde absolute fout van beide termen — maar de relatieve fout in het (kleine) verschil kan enorm zijn. Als x = 100,0 ± 0,1 en y = 99,0 ± 0,1, dan is z = x − y = 1,0 met Δz = √(0,1² + 0,1²) ≈ 0,14 en δz = 0,14/1,0 = 14 %. Dit fenomeen — catastrofale kanselering of loss of significance — is een van de meest onderschatte foutenbronn en in analytische methoden. Bij titratiecurves, verschilspectroscopie en differentiële calorimetrie speelt dit principe een cruciale rol.

Hoe bereken je de fout bij pH uit een gemeten waterstofionenconcentratie?

De pH is gedefinieerd als pH = −log₁₀[H⁺]. Via de logaritmische propagatieregel geldt: Δ(pH) = Δ[H⁺] / ([H⁺] · ln 10) ≈ 0,434 · δ[H⁺]. Als de relatieve fout in de ionenconcentratie δ[H⁺] = 2 % is, dan is de absolute fout in de pH: Δ(pH) = 0,434 × 0,02 ≈ 0,009 pH-eenheden. Andersom: een pH-meting met onzekerheid Δ(pH) = 0,05 correspondeert met een relatieve onzekerheid in [H⁺] van δ[H⁺] = 0,05/0,434 ≈ 12 %. Dit illustreert waarom kleine onzekerheden in pH grote relatieve onzekerheden in de ionenconcentratie impliceren.

Wanneer moet ik corrigeren voor gecorreleerde invoergrootheden?

De kwadratuurformule voor onafhankelijke bijdragen geldt strikt alleen als de invoergrootheden onderling geen correlatie vertonen. Correlatie treedt op wanneer dezelfde werkstandaard of hetzelfde kalibratie-instrument voor meerdere invoergrootheden wordt gebruikt, of wanneer één gemeenschappelijke stap (bijv. één verdunningstap) in beide invoergrootheden doorwerkt. In dat geval moeten covariantietermen worden toegevoegd: u²(z) = Σ cᵢ² · u²(xᵢ) + 2 · Σᵢ<ⱼ cᵢ · cⱼ · u(xᵢ, xⱼ). Positieve correlatie vergroot de gecombineerde onzekerheid; negatieve correlatie (gedeeltelijke zelfkalibratie) kan haar verkleinen. In de routinepraktijk worden correlaties doorgaans verwaarloosd of impliciet meegenomen door de gemeenschappelijke bron als afzonderlijke bijdrage op te nemen in het uncertainty budget.

Hoe verhoudt foutenpropagatie zich tot significante cijfers?

Significante cijfers zijn een eenvoudige benadering van foutenpropagatie, gebaseerd op vuistregels: bij optelling/aftrekking bepaalt het getal met de minste decimalen het aantal decimalen in de uitkomst; bij vermenigvuldiging/deling bepaalt het getal met de minste significante cijfers het aantal significante cijfers in de uitkomst. Deze regels zijn een ruwe conservatieve schatting en vervangen geen werkelijke foutenpropagatie. Voor wetenschappelijk werk en voor rapportage conform ISO 17025 of GMP is expliciete foutenpropagatie vereist. De vuistregel voor significante cijfers is wel nuttig als snelle controle: het eindresultaat mag niet meer significante cijfers bevatten dan de onnauwkeurigste invoer rechtvaardigt.

Relatie met meetonzekerheid en GUM

De klassieke foutenrekening en de GUM zijn wiskundig verwant maar verschillen in benadering en toepassing. De klassieke foutenrekening werkt met absolute en relatieve foutgrenzen (maximale afwijkingen); de GUM werkt met standaardonzekerheden (overeenkomend met één standaardafwijking) en legt expliciet vast via welke methode — type A of type B — elke bijdrage is vastgesteld. De propagatieformule is in beide gevallen identiek (kwadratuurmethode).

In de praktijk van het gereguleerde laboratorium wordt de klassieke foutenrekening gebruikt voor methode-ontwerp, onderwijs en snelle schattingen; de GUM wordt gebruikt voor formele rapportage van meetonzekerheid in kalibratie- en testrapporten. De validatieparameters die bij methodevalidatie worden vastgesteld — herhaalbaarheid, reproduceerbaarheid, terugvindbaarheid — leveren de invoerdata voor het uncertainty budget en sluiten daarmee de cirkel tussen foutenpropagatie en meetonzekerheid.

Voor het opzetten van een volledig uncertainty budget — inclusief dekkingsfactoren, betrouwbaarheidsintervallen en rapportage conform ISO 17025 — zie het uitgebreide artikel Meetonzekerheid in de praktijk: GUM, budget en ISO 17025.

Voor nauwkeurige metingen die een betrouwbare foutenpropagatie mogelijk maken, levert Labvakhandel analytische balansen en precisieweegschalen, gekalibreerd maatglaswerk (klasse A) en micropipetten en liquid-handling systemen voor nauwkeurige volumedosering.

Onderdeel van: Klinisch laboratorium · Farmaceutisch lab · Milieulab · Voedingslaboratorium


Disclaimer: De informatie in dit artikel is bedoeld als algemene technische toelichting. Canidae Seal B.V. / Labvakhandel.nl aanvaardt geen aansprakelijkheid voor de toepassing van deze informatie in specifieke analytische, klinische of industriële situaties. Raadpleeg voor uw eigen toepassing altijd de geldende normen, vakliteratuur en de documentatie van fabrikant en apparatuur.

Bestellijst

Uw winkelwagen is leeg.