方法的兩大家族
如果你退後一步，縱覽人類發明過的每一種方法，它們都落入兩大家族。較古老的那個家族是濕法化學：你藉助溶液中的反應和簡單經典的工具來測量你的量——一台天平、玻璃器皿、一種你用肉眼盯著看的顏色變化。稱量一塊由分析物轉化而成的固體，或一滴一滴地滴入恰好足量的試劑、直到顏色翻轉，本質上都是濕法化學。這些方法很古老，卻遠未過時；它們往往極其直接，而且無需用電。
較年輕的那個家族是儀器分析：你讓一台機器去測量分析物的某種物理屬性——它如何吸收光、如何導電、或在磁場中如何偏轉——然後從一個表盤或螢幕上讀出信號。儀器在濕法力不從心之處大放異彩：它們能檢出小到驚人的量（這對痕量分析至關重要）、運行迅速、並能處理成百上千個樣品。代價是它們花錢、需要校準和維護，並且會把自己的種種假設藏在一個看起來很乾淨的數字背後。
一張共享的評分表：品質因數
兩大家族裡有這麼多方法，你該如何公平地比較它們，或判斷某一種是否足以勝任你的任務？分析者使用一張共享的評分表——一組用來概括一種方法表現如何的數字。這些性能數字就是品質因數。把它們想成一台相機的規格表：它們不是照片本身，而是那些誠實的數字（解析度、弱光能力、速度），讓你在掏錢之前就知道這台相機能做什麼、不能做什麼。
你現在還不需要背下這張清單——日後會有一整級一整級的內容專門講解其中每一項——但現在先認一認這些「角色」是有幫助的，因為從這裡起它們會出現在每一頁上。
- 準確度——答案與真值有多接近（它打中靶心了嗎？）。
- 精密度——重複測量彼此之間有多一致（彈著點緊密成簇嗎？）。
- 靈敏度——當分析物的量稍有變化時，信號變化多少。
- 檢出限——這種方法能可靠地與「無」區分開來的最小量。
- 選擇性與範圍——它對干擾物的忽略程度，以及它在多大的量的跨度內有效。
準確度與精密度不是一回事
在所有品質因數中，初學者最常混淆的一對，就是準確度與精密度——所以現在就用一塊飛鏢靶把這區別釘牢。*精密度*是你的飛鏢彼此扎得有多緊，無論它們是否靠近靶心。*準確度*則是它們落點離靶心本身有多近。你可以做到精密卻錯誤：三支飛鏢在左上角扎成緊緊的一小簇——重複性極好，離靶心也極遠。你也可以做到大致準確卻散亂：飛鏢散布在靶心四周，平均下來落在靶心附近，單獨看每一支卻都不可靠。
為什麼要堅持區分它們？因為它們因不同的原因而失敗，也呼喚不同的修補。精密度差，源於隨機的抖動——那些你無法控制的小晃動，可以靠更仔細地測量或對更多讀數取平均來縮小。而藏在良好精密度背後的準確度差，則源於一種一貫的系統偏差——一台沒校準好的天平、一份被污染的試劑——這種偏差無論你重複多少次都不會暴露。整個領域裡最危險的結果，就是那種精密卻有偏差的：它看上去信心十足，卻在悄悄地、一貫地錯著。
你從這裡帶走的地圖
你現在已經握有這個領域整張地圖的縮微版了。有*東西*（樣品），其中有一個*目標*（分析物），周圍環繞著*其餘一切*（基質）。你透過誘出一個*信號*、遵循一套謹慎的*步驟*，用一種來自兩大家族之一（濕法或儀器）、因有好*準頭*（選擇性）而選定的方法，來回答*是哪個*（定性）和*有多少*（定量），並用一張共享的評分表（品質因數）來評判它。日後的每一級，不過是把鏡頭拉近到這張地圖的某一個角落。守住這幅圖景，你就永遠不會迷路。