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)