Refinamiento de la celda unidad a partir de datos de difracción en polvo: el uso de diagnósticos de regresión

Resumen Discutimos el uso de diagnósticos de regresión combinados con mínimos cuadrados no lineales para refinar parámetros de celda a partir de datos de difracción en polvo, presentando un método que minimiza los residuos en la cantidad determinada experimentalmente (usualmente 2θ hkl o energía, E hkl). Los diagnósticos de regresión, particularmente los diagnósticos de eliminación, son invaluables en la detección de valores atípicos y datos influyentes que podrían ser perjudiciales para los resultados regresados. La práctica habitual de inspección simple de los residuos calculados por sí sola a menudo no logra detectar los valores atípicos seriamente perjudiciales en un conjunto de datos, porque los residuos desnudos no proporcionan información sobre la influencia (sensibilidad) del dato en cuestión. Los diagnósticos de regresión que predicen el cambio esperado en cada constante de celda al eliminar cada observación (reflexión hkl) son particularmente valiosos para evaluar la sensibilidad de los resultados calculados a reflexiones individuales. Se describe un nuevo programa informático que implementa métodos de regresión no lineales y proporciona la salida diagnóstica.