Försiktighet och sund vetenskaplig praxis kräver att mätanordningar kalibreras. Det vill säga, mätningar måste utföras på prover med kända egenskaper innan prover med okända egenskaper mäts. Tänk som ett exempel på en termometer. Bara för att en termometer har 77 grader Fahrenheit betyder inte att den faktiska temperaturen i rummet är 77 Fahrenheit.

Ta minst två mätningar av prover med kända värden. När det gäller en termometer kan det innebära att termometern doppas ned i isvatten (0 grader Celsius) och i kokande vatten (100 grader Celsius). För en balans eller uppsättning vågar skulle detta innebära att mäta vikter med känd massa, till exempel 50 gram eller 100 gram.


Två sådana datapunkter är det minsta som krävs, men det gamla axiomet att "mer är bättre" håller sant.


Konstruera en graf över kalibreringsmätningarna genom att plotta det "kända" värdet på y-axeln och "experimentella" värdet på x-axeln. Detta kan göras manuellt (d.v.s. för hand på grafpapper) eller med hjälp av ett datorgrafikprogram, till exempel Microsoft Excel eller OpenOffice Calc. Purdue University erbjuder en kort handledning om diagram med Excel. University of Delaware erbjuder en liknande guide för Calc.


Rita en rak linje genom datapunkterna och bestäm linjens ekvation (de flesta datorgrafikprogram refererar till detta som "linjär regression"). Ekvationen kommer att vara av den allmänna formen y \u003d mx + b, där m är lutningen och b är y-skärningen, till exempel y \u003d 1,05x + 0,2.


Använd ekvationen för kalibreringskurvan för att justera mätningar som gjorts på prover med okända värden. Byt ut det uppmätta värdet som x i ekvationen och lösa för y (det “sanna” värdet). I exemplet från steg 2 är y \u003d 1,05x + 0,2. Således skulle till exempel ett uppmätt värde på 75,0 justeras till y \u003d 1,05 (75) + 0,2 \u003d 78,9.