方法的两大家族
如果你退后一步，纵览人类发明过的每一种方法，它们都落入两大家族。较古老的那个家族是湿法化学：你借助溶液中的反应和简单经典的工具来测量你的量——一台天平、玻璃器皿、一种你用肉眼盯着看的颜色变化。称量一块由分析物转化而成的固体，或一滴一滴地滴入恰好足量的试剂、直到颜色翻转，本质上都是湿法化学。这些方法很古老，却远未过时；它们往往极其直接，而且无需用电。
较年轻的那个家族是仪器分析：你让一台机器去测量分析物的某种物理属性——它如何吸收光、如何导电、或在磁场中如何偏转——然后从一个表盘或屏幕上读出信号。仪器在湿法力不从心之处大放异彩：它们能检出小到惊人的量（这对痕量分析至关重要）、运行迅速、并能处理成百上千个样品。代价是它们花钱、需要校准和维护，并且会把自己的种种假设藏在一个看起来很干净的数字背后。
一张共享的评分表：品质因数
两大家族里有这么多方法，你该如何公平地比较它们，或判断某一种是否足以胜任你的任务？分析者使用一张共享的评分表——一组用来概括一种方法表现如何的数字。这些性能数字就是品质因数。把它们想成一台相机的规格表：它们不是照片本身，而是那些诚实的数字（分辨率、弱光能力、速度），让你在掏钱之前就知道这台相机能做什么、不能做什么。
你现在还不需要背下这张清单——日后会有一整级一整级的内容专门讲解其中每一项——但现在先认一认这些「角色」是有帮助的，因为从这里起它们会出现在每一页上。
- 准确度——答案与真值有多接近（它打中靶心了吗？）。
- 精密度——重复测量彼此之间有多一致（弹着点紧密成簇吗？）。
- 灵敏度——当分析物的量稍有变化时，信号变化多少。
- 检出限——这种方法能可靠地与「无」区分开来的最小量。
- 选择性与范围——它对干扰物的忽略程度，以及它在多大的量的跨度内有效。
准确度与精密度不是一回事
在所有品质因数中，初学者最常混淆的一对，就是准确度与精密度——所以现在就用一块飞镖靶把这区别钉牢。*精密度*是你的飞镖彼此扎得有多紧，无论它们是否靠近靶心。*准确度*则是它们落点离靶心本身有多近。你可以做到精密却错误：三支飞镖在左上角扎成紧紧的一小簇——重复性极好，离靶心也极远。你也可以做到大致准确却散乱：飞镖散布在靶心四周，平均下来落在靶心附近，单独看每一支却都不可靠。
为什么要坚持区分它们？因为它们因不同的原因而失败，也呼唤不同的修补。精密度差，源于随机的抖动——那些你无法控制的小晃动，可以靠更仔细地测量或对更多读数取平均来缩小。而藏在良好精密度背后的准确度差，则源于一种一贯的系统偏差——一台没校准好的天平、一份被污染的试剂——这种偏差无论你重复多少次都不会暴露。整个领域里最危险的结果，就是那种精密却有偏差的：它看上去信心十足，却在悄悄地、一贯地错着。
你从这里带走的地图
你现在已经握有这个领域整张地图的缩微版了。有*东西*（样品），其中有一个*目标*（分析物），周围环绕着*其余一切*（基质）。你通过诱出一个*信号*、遵循一套谨慎的*步骤*，用一种来自两大家族之一（湿法或仪器）、因有好*准头*（选择性）而选定的方法，来回答*是哪个*（定性）和*有多少*（定量），并用一张共享的评分表（品质因数）来评判它。日后的每一级，不过是把镜头拉近到这张地图的某一个角落。守住这幅图景，你就永远不会迷路。