质量数据，物质的量质量摩尔质量微粒数阿伏加德罗常数和气体摩尔体积

来源：整理时间：2023-08-24 07:19:32 编辑：智能门户手机版

本文目录一览

1，物质的量质量摩尔质量微粒数阿伏加德罗常数和气体摩尔体积
2，质量数据的定义
3，GIS数据质量的基本特点及常见的误差原因
4，质量数据特性
5，质量管理中的统计方法有哪几种
6，质量数据的分类
7，相对原子质量
8，质量数据的收集方法有哪些
9，UCLCLLCL分别代表什么怎么计算
10，初中化学常见物质的相对原子质量分数表

1，物质的量质量摩尔质量微粒数阿伏加德罗常数和气体摩尔体积

物质是由微粒组成，每一个微粒都有它的质量。摩尔质量是指1mol的这种物质的质量，它的单位是g/mol既:质量/物质的量=摩尔质量(很多量的定义都可以从它的单位上得知）所以m÷M=N物质是由微粒组成，化学与物理界规定6.02×10^23=阿伏加德罗常数n单位（NA）而1NA=1mol就是1mol的物质有6.02×10^23（NA）个微粒所以n×NA=N

物质的量质量摩尔质量微粒数阿伏加德罗常数和气体摩尔体积

2，质量数据的定义

由于质量一词含义丰富，既包括狭义的产品质量，也包括广义的工作质量，因而质量指标在企业中就多种多样，质量数据在企业中几乎无处不在。在质量数据统计分析中，特别关注三项指标，一是数据的集中位置，二是数据的分散程度，三是数据的分布规律。数据的集中位置分别有平均值、中位数、众数三种表示方法，其各具优缺点，其中平均值最为普遍常用。数据的分散程度由标准差表达，用符号s（西格玛）表示，数据的分散程度在质量管理中就是质量特性值的波动性，反映过程能力。数据的分布规律在质量管理中对统计总体而言为正态分布，该分布规律是理论和实践证明的统计规律。质量数据统计分析重点就是在总体正态分布这个已知背景下研究该正态分布的平均值和标准差。质量数据定量化分析对企业质量管理以及经营管理具有重要意义，其是精益质量管理的基础。

质量数据的定义

3，GIS数据质量的基本特点及常见的误差原因

1．数据质量的基本概念 1．1准确性（Accuracy） 1．2精度（Precision） 1．3空间分辨率(Spatial Resolution) 1．4比例尺（Scale） 1．5误差（Error） 1．6不确定性（Uncertainty） 2．空间数据质量问题的来源 2．1空间现象自身存在的不稳定性 2．2空间现象的表达 2．3空间数据处理中的误差 2．4空间数据使用中的误差表1：数据的主要误差来源数据处理过程误差来源数据搜集野外测量误差：仪器误差、记录误差遥感数据误差：辐射和几何纠正误差、信息提取误差地图数据误差：原始数据误差、坐标转换、制图综合及印刷数据输入数字化误差：仪器误差、操作误差不同系统格式转换误差：栅格-矢量转换、三角网-等值线转换数据存储数值精度不够空间精度不够：每个格网点太大、地图最小制图单元太大数据处理分类间隔不合理多层数据叠合引起的误差传播：插值误差、多源数据综合分析误差比例尺太小引起的误差数据输出输出设备不精确引起的误差输出的媒介不稳定造成的误差数据使用对数据所包含的信息的误解对数据信息使用不当 3．空间数据质量控制数据质量控制是个复杂的过程，要控制数据质量应从数据质量产生和扩散的所有过程和环节入手，分别用一定的方法减少误差。空间数据质量控制常见的方法有： 3．1传统的手工方法质量控制的人工方法主要是将数字化数据与数据源进行比较，图形部分的检查包括目视方法、绘制到透明图上与原图叠加比较，属性部分的检查采用与原属性逐个对比或其他比较方法。 3．2元数据方法数据集的元数据中包含了大量的有关数据质量的信息，通过它可以检查数据质量，同时元数据也记录了数据处理过程中质量的变化，通过跟踪元数据可以了解数据质量的状况和变化。 3．3地理相关法用空间数据的地理特征要素自身的相关性来分析数据的质量。如从地表自然特征的空间分布着手分析，山区河流应位于微地形的最低点，因此，叠加河流和等高线两层数据时，如河流的位置不在等高线的外凸连线上，则说明两层数据中必有一层数据有质量问题，如不能确定哪层数据有问题时，可以通过将它们分别与其它质量可靠的数据层叠加来进一步分析。因此，可以建立一个有关地理特征要素相关关系的知识库，以备各空间数据层之间地理特征要素的相关分析之用。

GIS数据质量的基本特点及常见的误差原因

4，质量数据特性

质量数据特性　　在实际质量检测中，我们发现即使在生产过程是稳定正常的情况下，同一总体（样本）的个体产品的质量特性值也是互不相同的。这种个体间表现形式上的差异性，反映在质量数据上即为个体数值的波动性、随机性，然而当运用统计方法对这些大量丰富的个体质量数值进行加工、整理和分析后，我们又会发现这些产品质量特性值大多都分布在数值变动范围的中部区域，即有向分布中心靠拢的倾向，表现为数值的集中趋势。　　质量数据的波动的原因及分布的统计规律性　　质量特性值的变化在质量标准允许范围内波动称之为正常波动，是由偶然性原因引起的；若是超越了质量标准允许范围的波动则称之为异常波动，是由系统性原因引起的。　　系统性原因　　当影响质量的4M1E因素发生了较大变化，如工人未遵守操作规程、机械设备发生故障或过度磨损、原材料质量规格有显著差异等情况发生时，没有及时排除，生产过程则不正常，产品质量数据就会离散过大或与质量标准有较大偏离，表现为异常波动，次品、废品产生。这就是产生质量问题的系统性原因或异常原因。　　偶然性原因　　在实际生产中，影响因素的微小变化具有随机发生的特点，是不可避免、难以测量和控制的，或者是在经济上不值得消除，它们大量存在但对质量的影响很小，属于允许偏差、允许位移范畴，引起的是正常波动，一般不会因此造成废品，生产过程正常稳定。　　质量数据分布的规律性　　对于在正常生产条件下的大量产品，误差接近零的产品数目要多些，具有较大正负误差的产品要相对少，偏离很大的产品就更少了，同时正负误差绝对值相等的产品数目非常接近。于是就形成了一个能反映质量数据规律性的分布，即以质量标准为中心的质量数据分布。　　质量控制七种统计分析方法的用途　　直方图法。它是将收集到的质量数据进行分组整理，绘制成频数分布直方图，用以描述质量分布状态的一种分析方法。　　分层法。是将调查收集的原始数据，根据不同的目的和要求，按某一性质进行分组、整理的分析方法。　　因果分析图法。是利用因果分析图来系统整理分析某个质量问题（结果）与其产生原因之间关系的有效工具。　　控制图。用途主要有两个：过程分析，即分析生产过程是否稳定。过程控制，即控制生产过程质量状态。

5，质量管理中的统计方法有哪几种

1、统计分析表法和措施计划表法：质量管理讲究科学性，一切凭数据说话。因此对生产过程中的原始质量数据的统计分析十分重要，为此必须根据本班组，本岗位的工作特点设计出相应的表格。2、排列图法：排列图法是找出影响产品质量主要因素的一种有效方法。收集数据，即在一定时期里收集有关产品质量问题的数据。如，可收集1个月或3个月或半年等时期里的废品或不合格品的数据。作排列图。即根据上表数据进行作图。需要注意的是累计百分率应标在每一项目的右侧，然后从原点开始，点与点之间以直线连接，从而作出帕累托曲线。3、因果分析图法：因果分析图又叫特性要因图。按其形状，有人又叫它为树枝图或鱼刺图。它是寻找质量问题产生原因的一种有效工具。画因果分析图的注意事项：影响产品质量的大原因，通常从五个大方面去分析，即人、机器、原材料、加工方法和工作环境。每个大原因再具体化成若干个中原因，中原因再具体化为小原因，越细越好，直到可以采取措施为止。扩展资料标准化工作是质量管理的重要前提，是实现管理规范化的需要，“不讲规矩不成方圆”。企业的标准分为技术标准和管理标准。工作标准实际上是从管理标准中分离出来的，是管理标准的一部分。技术标准主要分为原材料辅助材料标准、工艺工装标准、半成品标准、产成品标准、包装标准、检验标准等。它是沿着产品形成这根线环环控制投入各工序物料的质量，层层把关设卡，使生产过程处于受控状态。在技术标准体系中，各个标准都是以产品标准为核心而展开的，都是为了达到产成品标准服务的。管理标准是规范人的行为、规范人与人的关系、规范人与物的关系，是为提高工作质量、保证产品质量服务的。它包括产品工艺规程、操作规程和经济责任制等。企业标准化的程度，反映企业管理水平的高低。企业要保证产品质量，要建立健全各种技术标准和管理标准，力求配套。参考资料来源：搜狗百科-质量管理

七种统计方法如下: (1)统计调查表法。是利用专门设计的统计表对质量数据进行收集、整理和粗略分析质量状态的一种方法。(2)分层法。是将调查收集的原始数据，根据不同的目的和要求，按某一性质进行分组、整理的分析方法。(3)排列图法。是利用排列图寻找影响质量主次因素的一种有效方法。(4)因果分析图法。是利用因果分析图来系统整理分析某个质量问题(结果)与其产生原因之间关系的有效工具。(5)直方图法。它是将收集到的质量数据进行分组整理，绘制成频数分布直方图，用以描述质量分布状态的一种分析方法。(6)控制图。用途主要有两个:过程分析，即分析生产过程是否稳定。过程控制，即控制生产过程质量状态。(7)相关图。在质量控制中它是用来显示两种质量数据之间关系的一种图形。

控制图spc r&r 还有许多例如mttr mtbf等等还有相关性回归分析甚至箱线图时间序列分析都属于统计方法在质量管理中的应用质量管理不用统计简直不可想象的

6，质量数据的分类

数据录入过程质量数据是指由个体产品质量特性值组成的样本(总体)的质量数据集，在统计上称为变量；个体产品质量特性值称变量值。根据质量数据的特点，可以将其分为计量值数据和计数值数据。1.计量值数据计量值数据是可以连续取值的数据，属于连续型变量。其特点是在任意两个数值之间都可以取精度较高一级的数值。它通常由测量得到，如重量、强度、几何尺寸、标高、位移等。此外，一些属于定性的质量特性，可由专家主观评分、划分等级而使之数量化，得到的数据也属于计量值数据。2.计数值数据计数值数据是只能按0，1，2，……数列取值计数的数据，属于离散型变量。它一般由计数得到。计数值数据又可分为计件值数据和计点值数据。(1)计件值数据，表示具有某一质量标准的产品个数。如总体中合格品数、一级品数。(2)计点值数据，表示个体(单件产品、单位长度、单位面积、单位体积等)上的缺陷数、质量问题点数等。如检验钢结构构件涂料涂装质量时，构件表面的焊渣、焊疤、油污、毛刺数量等。数据一致性很多用户甚至一些数据仓库项目的开发人员经常将数据质量和数据仓库项目开发中的ETL过程的数据一致性混为一谈，错误的认为数据仓库项目（也即ETL过程）能够修复数据以提高数据质量，其实数据质量和ETL过程的数据一致性是两个不同的概念。ETL过程的数据一致性是指根据相同的业务理解（基于源系统模型和基于数据仓库模型），在源系统查询和统计的信息与在数据仓库中得到的结果在各个细节层次（包括明细层次）上都是相同的。数据一致性是ETL过程必须保证的。质量是数据存在于企业的源系统中的，如常见的客户代码的不规范，同一个客户在不同的系统中（例如业务处理系统和财务系统）有不同的代码，甚至同一个客户在同一个系统中也有不同的代码，以保险公司的业务处理系统为例，同一个客户先后在同一个保险公司投保，不同的业务员可能会输入不同的客户代码；更常见的是那些没有实现大集中的分布式的应用，同一个客户（如工商银行）在不同的分公司（如河南分公司和湖北分公司）投保，业务员很可能会输入不同的代码；再如，在业务处理系统中，有些录入人员为了录入的方便，常常将一些内容不输或者采用默认值，造成一些重要录入信息的缺失或错误。这些数据质量问题对数据分析系统造成严重的干扰和破坏。数据仓库项目虽然不能够修复数据以提高数据质量，但能发现存在的部分问题从而提醒用户哪些数据是有质量问题的，给出用户一些改进的建议，同时在分析和决策时应降低对这些数据的依赖程度，也可以提供辅助的方法跟踪、监测数据质量问题。

7，相对原子质量

相对原子量是指元素的平均原子质量与核素12c原子质量的1/12之比. 由于原子的实际质量很小，如果人们用它们的实际质量来计算的话那就非常的麻烦，例如一个氢原子的实际质量为1.674x10(-27)千克,(限于格式,10(-27)表示科学记数法,意为10的-27次幂，下同),一个氧原子的质量为2.657x10(-26)千克.一个碳-12原子的质量为1.993x10(-26)千克.因此当我们计算一个水分子的质量是多少时，就会发现计算起来极不方便（一个水分子是由两个氢原子和一个氧原子构成的）。若是计算其它更复杂的分子质量时那就更麻烦了。因此国际上规定采用相对原子质量和相对分子质量来表示原子、分子的质量关系。国际上规定把一个碳-12原子的质量分为12等份，（碳原子有好几种，其中有一种碳原子它的原子核中含6个质子和6个中子，加起来是12，所以把它称为碳-12。当然还有其它如碳-14等，它含有6个中子和8个质子加起为14。国际上之所以要选用碳-12而不用碳-14是因为当选用碳-12原子作标准时，其它原子的相对原子质量都接近整数，便于记忆和使用）。那每一份的质量就是： 1.993x10(-26)/12=1.661x10(-27)千克。然后再把其它某种原子的实际质量与这个数相比后所得的结果，这个结果的数值就叫做这种原子的相对原子质量。如氧原子的相对原子质量求法为：2.657x10(-26)/1.661x10(-27)=16(约），即氧原子的相对原子质量约为16，我们在计算时就采用16。这样就要简便得多。其它原子的相对原子质量也是按相同的方法计算的。相对原子质量是有单位的，其单位为“1”，只不过常省略而已。相对原子质量的概念是以一种碳原子（原子核内有6个质子和6个中子的一种碳原子,即C-12）的质量的1/12（约1.66×10-27kg）作为标准，其它原子的质量跟它的比值，就是这种原子的相对原子质量。该原子一个原子的实际质量（kg）某原子的相对原子质量=———————————————--- 一个碳-12原子实际质量的1/12（kg） 1mol物质的质量叫做该物质的摩尔质量，单位一般为g/mol. 一种原子（分子，离子）的摩尔质量在数值上等于其相对原子质量（式量）,但请注意：只有当该原子、分子、离子的摩尔质量的单位为g/mol时，才符合本规律. 一种元素的摩尔质量是其各同位素的平均摩尔质量，通常等于该元素的平均相对原子质量. 各种化学元素的相对原子质量：本表数据源自2005年IUPAC元素周期表(IUPAC 2005 standard atomic weights)，以12C=12为标准。本表方括号内的原子质量为放射性元素的半衰期最长的同位素质量数。相对原子质量末位数的不确定度加注在其后的括号内。 112-118号元素数据未被IUPAC确定。

8，质量数据的收集方法有哪些

质量数据的收集方法有哪些　　质量数据是指某质量指标的质量特性值。狭义的质量数据主要是产品质量相关的数据，如不良品数、合格率、直通率、返修率等。广义的质量数据指能反映各项工作质量的数据，如质量成本损失、生产批量、库存积压、无效作业时间等。这些均将成为精益质量管理的研究改进对象。那么质量数据的收集方法有哪些呢？　　(一)全数检验　　全数检验是对总体中的全部个体逐一观察、测量、计数、登记，从而获得对总体质量水平评价结论的方法。　　(二)随机抽样检验　　抽样检验是按照随机抽样的原则，从总体中抽取部分个体组成样本，根据对样品进行检测的结果，推断总体质量水平的方法。抽样的具体方法有：　　1.简单随机抽样　　简单随机抽样又称纯随机抽样、完全随机抽样，是对总体不进行任何加工，直接进行随机抽样，获取样本的方法。　　适用于——总体差异不大，或对总体了解甚少的情况。　　2.分层抽样　　分层抽样又称分类或分组抽样，是将总体按与研究目的有关的某一特性分为若干组，然后在每组内随机抽取样品组成样本的方法。　　优点——对每组都有抽取，样品在总体中分布均匀，更具代表性。适用于——总体比较复杂的情况。　　工程质量控制用于：①研究混凝土浇筑质量时，可以按生产班组分组、或按浇筑时间(白天、黑夜;或季节)分组、②按原材料供应商分组后，再在每组内随机抽取个体。　　3.等距抽样　　等距抽样又称机械抽样、系统抽样，是将个体按某一特性排队编号后均分为n组，这时每组有K=N/n个个体，的方法。如在流水作业线上每生产100件产品抽出一件产品做样品，直到抽出n件产品组成样本。　　4.整群抽样　　整群抽样一般是将总体按自然存在的状态分为若干群，并从中抽取样品群组成样本，然后在中选群内进行全数检验的方法。如对原材料质量进行检测，可按原包装的.箱、盒为群随机抽取，对中选箱、盒做全数检验;每隔一定时间抽出一批产品进行全数检验等。　　由于随机性表现在群间，样品集中，分布不均匀，代表性差，产生的抽样误差也大，同时在有周期性变动时，也应注意避免系统偏差。 5.多阶段抽样　　多阶段抽样又称多级抽样。上述抽样方法的共同特点是整个过程中只有一次随机抽样，因而统称为单阶段抽样。但是当总体很大时，很难一次抽样完成预定的目标。多阶段抽样是将各种单阶段抽样方法结合使用，通过多次随机抽样来实现的抽样方法。如检验钢材、水泥等质量时，可以对总体1万个个体按不同批次分为100群，每群100件样品，从中随机抽取8群，而后在中选的8群中的800个个体中随机抽取100个个体，这就是整群抽样与分层抽样相结合的二阶段抽样，它的随机性表现在群间和群内有两次。 ;

9，UCLCLLCL分别代表什么怎么计算

CL代表控制中心线;UCL代表上控制线;LCL代表下控制线。它们的位置根据下式计算:控制中心线:CL=μ;控制上限线:UCL=μ+3σ;控制下限线CL=μ-3σ

spc管制图　　「管制图」：是实施质量管理作业时，最有效最快速的工具之一，它是美国品管大师博士应用统计数学理论于年所设计的，　　它不但能控制制程中质量，且能分析判定制程能力,更可作为新产品设计及制成品验收时的参考。简单说，在　　生产过程中，从设计、制造到过程检验三个阶段，皆需用到它，企业如能有效运用此质量知识，便能确保其　　在市场上的竞争优势。　　（一）、控制图定义　　控制图是用于分析和控制过程质量的一种方法。控制图是一种带有控制界限的反映过程质量的记录图形，图的纵轴代表产品质量特性值(或由质量特性值获得的某种统计量)；横轴代表按时间顺序(自左至右)抽取的各个样本号；图内有中心线(记为cl)、上控制界限(记为ucl)和下控制界限(记为lcl)三条线。　　（二）、控制图的目的　　控制图和一般的统计图不同，因其不仅能将数值以曲线表示出来，以观其变异之趋势，且能显示变异属于偶然性或非偶然性，以指示某种现象是否正常，而采取适当的措施。　　（三）、控制图原理　　工序处于稳定状态下，其计量值的分布大致符合正态分布。由正态分布的性质可知：质量数据出现在平均值的正负三个标准偏差(x?3?)之外的概率仅为0.27%。这是一个很小的概率，根据概率论 “视小概率事件为实际上不可能” 的原理，可以认为：出现在x?3?区间外的事件是异常波动，它的发生是由于异常原因使其总体的分布偏离了正常位置。　　控制限的宽度就是根据这一原理定为?3?。　　（四）、“?”及“?”风险定义　　根据控制限作出的判断也可能产生错误。可能产生的错误有两类。　　第一类错误是把正常判为异常，它的概率为?，也就是说，工序过程并没有发生异常，只是由于随机的原因引起了数据过大波动，少数数据越出了控制限，使人误将正常判为异常。虚发警报，由于徒劳地查找原因并为此采取了相应的措施,从而造成损失. 因此, 第一种错误又称为徒劳错误. 　　第二类错误是将异常判为正常，它的概率记为?，即工序中确实发生了异常，但数据没有越出控制限，没有反映出异常，因而使人将异常误判为正常。漏发警报,过程已经处于不稳定状态, 但并未采取相应的措施,从而不合格品增加, 也造成损失. 　　两类错误不能同时避免，减少第一类错误(?)，就会增加第二类错误(?)，反之亦然。　　（五）、规格界限和控制界限　　规格界限：是用以规定质量特性的最大（小）许可值。　　上规格界限：usl；下规格界限：lsl；。　　控制界限：是从实际生产出来的产品中抽取一定数量的产品，并进行检测，从所得观测值中计算出来者。　　上控制界限：ucl；下控制界限：lcl；　　（六）、控制图的种类　　1、按数据性质分类：　　计量型控制图　　平均数与极差控制图( chart) 　　平均数与标准差控制图( chart) 　　中位数与极差控制图( chart) 　　个别值与移动极差控制图( chart) 　　计数值控制图　　不良率控制图(p chart) 　　不良数控制图(np chart,又称np chart或d chart) 　　缺点数控制图(c chart) 　　单位缺点数控制图(u chart) 　　2、按控制图的用途分类　　分析用控制图：根据样本数据计算出控制图的中心线和上、下控制界限，画出控制图，以便分析和判断过程是否处于于稳定状态。如果分析结果显示过程有异常波动时，首先找出原因，采取措施，然后重新抽取样本、测定数据、重新计算控制图界限进行分析。　　控制用控制图：经过上述分析证实过程稳定并能满足质量要求，此时的控制图可以用于现场对日常的过程质量进行控制。

UCL=控制上限LCL=控制下限LCL=CL-3σUCL=CL+3σ

10，初中化学常见物质的相对原子质量分数表

科普中国·科学百科：相对原子质量表

i？？？？？？？？

楼上的，这些C 12 O 16 Mg 24 P 31 C l35.5 Na 23 Al 27 Fe 56 Zn 65 Cu 64 H 1 S 32 Ca 40 N 14是化合物吗？？不懂就别来混拉，连什么是化合物都搞错了，还有脸在这现丑。。。。这些只不过是元素而已。

本相对原子质量表按照原子序数排列。本表数据源自2005年IUPAC元素周期表(IUPAC 2005 standard atomic weights)，以12C=12为标准。本表方括号内的原子质量为放射性元素的半衰期最长的同位素质量数。相对原子质量末位数的不确定度加注在其后的括号内。 112-118号元素数据未被IUPAC确定。原子序数元素名称元素符号相对原子质量 1 氢 H 1.007 94（7） 2 氦 He 4.002 602（2） 3 锂 Li 6.941（2） 4 铍 Be 9.012 182（3） 5 硼 B 10.811（7） 6 碳 C 12.017（8） 7 氮 N 14.006 7（2） 8 氧 O 15.999 4（3） 9 氟 F 18.998 403 2（5） 10 氖 Ne 20.179 7（6） 11 钠 Na 22.989 769 28（2） 12 镁 Mg 24.305 0（6） 13 铝 Al 26.981 538 6（8） 14 硅 Si 28.085 5（3） 15 磷 P 30.973 762（2） 16 硫 S 32.065（5） 17 氯 Cl 35.453（2） 18 氩 Ar 39.948（1） 19 钾 K 39.098 3（1） 20 钙 Ca 40.078（4） 21 钪 Sc 44.955 912（6） 22 钛 Ti 47.867（1） 23 钒 V 50.941 5（1） 24 铬 Cr 51.996 1（6） 25 锰 Mn 54.938 045（5） 26 铁 Fe 55.845（2） 27 钴 Co 58.933 195（5） 28 镍 Ni 58.693 4（2） 29 铜 Cu 63.546（3） 30 锌 Zn 65.409（4） 31 镓 Ga 69.723（1） 32 锗 Ge 72.64（1） 33 砷 As 74.921 60（2） 34 硒 Se 78.96（3） 35 溴 Br 79.904（1） 36 氪 Kr 83.798（2） 37 铷 Rb 85.467 8（3） 38 锶 Sr 87.62（1） 39 钇 Y 88.905 85（2） 40 锆 Zr 91.224（2) 41 铌 Nb 92.906 38（2） 42 钼 Mo 95.94（2） 43 锝 Tc [97.9072] 44 钌 Ru 101.07（2） 45 铑 Rh 102.905 50（2） 46 钯 Pd 106.42（1） 47 银 Ag 107.868 2（2） 48 镉 Cd 112.411（8） 49 铟 In 114.818（3） 50 锡 Sn 118.710（7） 51 锑 Sb 121.760（1） 52 碲 Te 127.60（3） 53 碘 I 126.904 47（3） 54 氙 Xe 131.293（6） 55 铯 Cs 132.905 451 9（2） 56 钡 Ba 137.327（7） 57 镧 La 138.905 47（7） 58 铈 Ce 140.116（1） 59 镨 Pr 140.907 65（2） 60 钕 Nd 144.242（3） 61 钷 Pm [145] 62 钐 Sm 150.36（2） 63 铕 Eu 151.964（1） 64 钆 Gd 157.25（3） 65 铽 Tb 158.925 35（2） 66 镝 Dy 162.500（1） 67 钬 Ho 164.930 32（2） 68 铒 Er 167.259（3） 69 铥 Tm 168.934 21（2） 70 镱 Yb 173.04（3） 71 镥 Lu 174.967（1） 72 铪 Hf 178.49（2） 73 钽 Ta 180.947 88（2） 74 钨 W 183.84（1） 75 铼 Re 186.207（1） 76 锇 Os 190.23（3） 77 铱 Ir 192.217（3） 78 铂 Pt 195.084（9） 79 金 Au 196.966 569（4） 80 汞 Hg 200.59（2） 81 铊 Tl 204.383 3（2） 82 铅 Pb 207.2（1） 83 铋 Bi 208.980 40（1） 84 钋 Po [208.982 4] 85 砹 At [209.987 1] 86 氡 Rn [222.017 6] 87 钫 Fr [223] 88 镭 Re [226] 89 锕 Ac [227] 90 钍 Th 232.038 06（2） 91 镤 Pa 231.035 88（2） 92 铀 U 238.028 91（3） 93 镎 Np [237] 94 钚 Pu [244] 95 镅 Am [243] 96 锔 Cm [247] 97 锫 Bk [247] 98 锎 Cf [251] 99 锿 Es [252] 100 镄 Fm [257] 101 钔 Md [258] 102 锘 No [259] 103 铹 Lr [262] 104 钅卢 Rf [261] 105 钅杜 Db [262] 106 钅喜 Sg [266] 107 钅波 Bh [264] 108 钅黑 Hs [277] 109 钅麦 Mt [268] 110 钅达 Ds [271] 111 錀 Rg [272] 112 Uub [285] 113 Uut [284] 114 Uuq [289] 115 Uup [288] 116 Uuh [292] 117 Uus [291] 118 Uuo [293]-----------------------------------------------------------常见化合物：CACO3 100,HCL 36.5,H2SO4 98,KMNO4 159,SO2 64,CO2 44,CO 28,NA2CO3 106,NAHCO3 80,CUO 80

CACO3 100,HCL 36.5,H2SO4 98,KMNO4 159,SO2 64,CO2 44,CO 28,NA2CO3 106,NAHCO3 80,CUO 80