طبق این قاعده هر نوع ، پروتون تعداد پروتونهای معادل (n) بر روی اتم (اتمهای ) کربن مجاور آن کربنی که خود به آن متصل است را احساس کرده و قله رزونانس آن به (n+1) جزء تقسیم می شود.
(۱-۲۰)-نمونه ی از شکاف اسپین –اسپین دی کلرو اتان
۱-۸-۲-۱-هسته کربن -۱۳
مطالعه هسته های کربن از طریق طیف سنجی رزونانس مغناطیسی هسته ای (NMR) ، تکنیک مهمی برای تعیین ساختمانهای مولکولهای آلی است . استفاده از آن به همراه NMR پروتون و نیز طیف سنجی مادون قرمز ، شیمیدانان آلی را قادر می سازد تا به تعیین ساختمان کامل یک ترکیب مجهول بپردازند ، بدون اینکه دستهای خود را در آزمایشگاه آلوده کنند . دستگاه های جدید NMR تبدیل فوریه (FT-NMR) امکان بدست آوردن طیفهای کربن را آسان می کند.

۱-۸-۲-۲-تغییرات مکان شیمیایی کربن –۱۳
پارامتر مهم در طیفهای کربن -۱۳ ، تغییر مکان شیمیایی است . به دلیل محدوده بسیار وسیع مقادیر تغییر مکان شیمیایی ، تقریبا هر اتم کربن نامعادل در یک مولکول آلی ، یک قله با تغییر مکان شیمیایی متفاوت می دهد .
جدول ارتباطی به چهار بخش تقسیم شده است . اتمهای کربن اشباع شده در بالاترین میدان و نزدیک به TMS^[22]ظاهر می شوند ( ۸- ۶۰ppm) . قسمت دوم تاثیر اتمهای الکترونگاتیو را نشان می دهد ( ۴۰-۷۰ppm) . سومین بخش شامل اتمهای کربن آلکن و حلقه آروماتیک است . ( ۱۰۰-۱۵۰ppm ). چهارمین بخش جدول حاوی کربنهای کربونیل است که در پایین ترین میدان ظاهر می شوند ( ۱۵۵-۲۰۰ppm) .
(۱-۲۱)-تغییرات مکان شیمیایی کربن
۱-۹-مقدمه ای بر کمومتریکس^[۲۳]
توسعه ی کمومتریکس مربوط به استفاده ی کامپیوترها در شیمی می باشد . واژه ی کمومتریکس اولین بار در سال ۱۹۷۲ به وسیله ی وُلد^۲ و کوالسکی^۳ معرفی شد . اولین انجمن بین المللی کمومتریکس^۴ (ICS) در سال ۱۹۷۴ تشکیل شد و به دنبال آن ها یک سری سمینارها و کنفرانس هایی تحت عناوین مختلف مانند کاربردهای کامپیوتر در شیمی تجزیه ، شیمی تجزیه بر پایه ی کامپیوتر و یا کمومتریکس در شیمی تجزیه برگزار گردید . برخی از مجلات بخشی از مقالات خود را کمومتریکس اختصاص دادند . سپس مجلات کمومتریکس شروع به کار کردند . روش های کمومتریکس ، در هر مرحله ای از انالیز ، از طراحی یک آزمایش گرفته تا زمانی که داده ها رو به زوال می روند ( بسته به نوع سیستم ) قابل کاربرد است . اولین تعریفی که به صورت جامع از کمومتریکس بیان شد توسط کوالسکی و فرانک^۵ ارائه گردید . بر این اساس کمومتریکس را شاخه ای از علم شیمی معرفی کردند که در ان با بکارگیری آمار و ریاضی و کامپیوتر می توان روش هایی را ارائه داد که از طریق آن بتوان حداکثر اطلاعات مفید را از یک سیستم شیمیایی استخراج نمود.
۱-۹-۱-طراحی ازمایش^۶:
روش تعریف و بررسی تمامی شرایط ممکن در یک آزمایش شامل چند فاکتور”طراحی آزمایش ها نامیده می شود. این روش در بعضی نشریات طراحی فاکتوریلی نامیده می شود. در طراحی فاکتوریلی تعداد کامل آزمایشات ممکن N عبارتست از: N=Lm که در آن L تعداد سطوح انتخاب شده در هر فاکتور و m تعداد فاکتورهای تحت بررسی است. در اینگونه آزمایشات دقت آزمایش با بهره گرفتن از تحلیل آماری ( ANOVA ) تعیین می شود.طراحی آزمایشها یکی از قوی ترین فنون بهبود کیفیت و افزایش بهره وری است. در این شیوه از طریق انجام برخی آزمایش ها ، آگاهانه تغییراتی در فرایند یا سیستم اعمال می شود تا تاثیر آنها در ویژگی های عملکردی یا پاسخ فرایند یا سیستم به آنها، مورد بررسی قرار گیرد.طراحی آزمایش ها ، دستکاری سیستماتیک تعدادی از متغیرهاست که در آن، تاثیر این دستکاری ها ارزیابی می گردند و از
روی آنها نتیجه گیری شده، نتایج بدست آمده پیاده سازی می شوند.همچنین DOE یکی از ابزارهای بهبود کیفیت در تولید ناب  Lean Production است. دانشمندان آزمایشات زیادی را انجام می دهند تا بتوانند به نتایج دلخواه خود برسند که این آزمایشات مستلزم هزینه و زمان بسیاری است در واقع DOE نوعی روش انجام آزمایش است که به صورت کاملا سیستماتیک عمل می کند و با صرف کمترین منابع ،هزینه و زمان ،بیشترین اطلاعات را از نتایج آزمایش استخراج می کند.

۱-۹-۱-۱-تعریف فرایند مورد مطالعه
طراحی آزمایش ها ابزاری مناسب برای درک صحیح فرآیندها و عوامل مؤثر بر آنها چندین را وجود دارد که یک شیمیدان بتواند با دانستن پایه طراحی ازمایش های شیمیایی کارایی بهتری داشته باشد این مسیر شامل ،غربال کردن ،بهینه سازی کردن ،کاهش زمان بری و مدل سازی کمی است.
۱-۹-۱-۲-غربال کردن ^[۲۴]
در این مرحله باید بررسی کرد که کدامیک از فاکتور ها برای موفقیت فرایند از اهمیت بیشتر ی برخوردار است کدام فاکتور ها را می توان حذف کرد و کدامیک باید با جزئیات مطالعه شوند برای چنین بررسی هایی می توان از مسیر های مانند طراحی فاکتور ها ^۲و طراحی پلاکت بورمن ^۳استفاده نمودد.
۱-۹-۱-۳-انواعی از روش های طراحی فاکتورها:
طرح فاکتوریل کامل^۴
در این طرح ها، هر سطح از هر عامل با تمام سطوح عوامل دیگر در اجرا ظاهر می شود.
طرح فاکتوریل دو سطحی^۱
طرح فاکتوریل با سطوح مرکب^۲
در این طرح ها، عوامل دارای سطوح متفاوتی هستند.
طرح فاکتوریل جزیی^۳
۱-۹-۱-۴-بهینه سازی ^۴
بهینه سازی یکی از پرکاربردترین روش های طراحی آزمایش در شیمی است .مسیر هایی مانند طراحی مخلوط^۵و طراحی ترکیب مرکزی ^۶ می تواند برای بهینه سازی مورد استفاده قرار گیرد .
۱-۹-۱-۵- کاهش زمان بری ^۷
درصنعت پرکابردترین شاخه ی طرحی آزمایش کاهش زمان بری می باشد در برخی مواد میان ساختار مواد و خواص ان ها یک ارتباط کمی وجود دارد برای مثال با بررسی داده ی ساختاری (مانند طول پیوند ،قطبیت ،خواص فضایی ،گروه های عاملی ،واکنش پذیری و…)چند مولکول محدود و یافتن یک ارتباط کمی بین این داده ها و خواص مشاهده شده در ان می توان این ارتباط را به دسته ی بزرگی از مولکول ها تعمیم داد و از این رو کاهش چشمگیری در زمان بری انجام واکنش ها با دسته گسترده ای از مولکول ها ایجاد نمود برای چنین بررسی هایی از مسیرهای مانند تاگوچی^[۲۵]و طراحی پلاکت بورمن می توان بهره برد .
۱-۹-۱-۶-مدل سازی کمی^[۲۶]
در طراحی آزمایش، اغلب آزمون ها، از کالیبراسیون خطی ساده در شیمی تجزیه گرفته تا پروسه های فیزیکی پیچیده ،نیازمند مدل سازی ریاضی هستند برای مدل سازی ریاضی روش های مختلف طراحی ترکیب مرکزی و همچنین طراحی کالیبراسیون ^۲ می توانند مفید واقع شوند .
۱-۹-۱-۷-روش سطح پاسخ ^۳
این روش شامل گروهی از تکنیک های ریاضی و آماری است که بین تابع پاسخ و یک تعداد از متغیرهای کنترل شده رابطه برقرار می کند طراحی های سطح پاسخ برای بدست اوردن اطلاعات دقیق در مورد اثرات فاکتور شامل بزرگی و جهت ان ها استفاده می شوند تعداد فاکتورها نوعا بین ۲یا ۶ می باشدکه طراحی ۳سطحی دارند و به ما اجازه می دهند اثرات خطی ،غیر خطی و برهمکنش دو فاکتور مورد مطالعه را تخمین بزنیم. این طراحی پیش بینی دقیقی از پاسخ در ناحیه ازمایش ها فراهم می کند و در تشخیص شرایط بهینه مفید می باشد اولین مرحله در استفاده از این روش اندازه گیری رابطه ریاضی بین متغیر پاسخ و متغیرهای مستقل می باشد که با رابطه زیر نشان داده می شود .
Y=f(x) β+ε
x : متغیرها
F(x): تابع پاسخ که کمی بوده و تمام محدوده ی ازمایشات را می پوشاند و شامل برهمکنش ها ی احتمالی می باشد
β : بردار ضریب ناشناخته مربوط به پارامترها
ε: خطای تصادفی آزمایش که انتظار می رود میانگین صفر داشته باشد
مدل های ریاضی می توانند برای محاسبه یک یا همه فاکتورها و اثرات آن ها در گستره آزمایش استفاده شوند. مدل های رگرسیون درجه ۱و۲ می توانند برای آنالیز پاسخ به عنوان تابعی از متغیرهای مستقل استفاده شوند اگر رابطه پیچیده ای بین متغیر پاسخ و متغیرهای مستقل وجود داشته باشد مدل های درجه ۱ قادر نیستند به خوبی پاسخ را پیش بینی کنند اما روابط درجه ۲از نظر ریاضی پیچیده تر بوده و در یک ناحیه نسبتا کوچک بسیار قابل انعطاف می باشد و می توانند به گستره متفاوتی از اشکال توابع بپردازند یک معادله درجه بالاتر به صورت زیر نشان داده شده است.
Y= β_{۰ +} β_۱ X₁+β_۲ X₂+….+β _k X _k +β۱۱X²₁ +….+β _{k k} X²_{k +} β_۱۲X₁X₂ +β_۱۳X₁ X_{3+…. +} β_k-1, X _k-1X_k+ ε
Yپاسخ است و β_۰ ثابت معادله است و β_۱ و β_۲ضریب فاکتور های اصلی X₁ و X₂ وβ_۱۲ و β_۱۳ضریب برهمکنش های دوتایی است. X₁² درجه دوم X₁ است.ε خطای تصادفی می باشد.
اهداف مدل ریاضی فراهم شده با پاسخ سطح عبارتنداز:

• • تعیین ویژگی آماری تمام فاکتورها که سطح آن ها با X_1,X_2,…,X_k نشان داده می شود.

• • تعیین یک رابطه بین y و متغیرها که می تواند برای پیش بینی مقادیر پاسخ برای یک سری از متغیرها استفاده می شود

• • تعیین بهینه ترین مجموعه متغیر ها که منجر به پاسخ بیشترین (یا کمترین) در یک محدوده موردنظر بوسیله بهینه سازی همزمان متغیرهای پاسخ انتخاب شده می شود و اطلاعاتی در مورد جهت و بزرگی تاثیر فاکتورها و اثرات ترکیب آن ها بر روی خصوصیات فرایند می دهد.

۱-۹-۲-پردازش داده های چند متغیره
۱-۹-۲-۱- آنالیز فاکتوری ^[۲۷]
آنالیز فاکتوری یکی از کارآمدترین روش های کمومتریکس است که از طریق آن می توان بردارهایی را که فاقد مفاهیم فیزیکی یا شیمیایی بوده و برای ما نامفهوم می باشند را به مفاهیم ی چون غلظت یا طیف تبدیل نمود .
۱-۹-۲-۲- آنالیز فاکتوری تکاملی^۲ (EFA)
هنگامی که پارامتری با یک فرایند منظم و منطقی تغییر می کند ، دارای فرایند تکاملی است . تیتراسیون pH متری اسید – باز که توسط روش های اسپکتروفتومتری اندازه گیری می شود مثال خوبی از فرآیندهای تکاملی است . مثلاً در تیتراسیون اسید دو عاملی H₂A ، با افزایش pH گونه های HA^- , A^2- ظاهر می شوند ، یعنی پارامتر دارای تغییرات منظم pH می باشد . EFA از روش های آنالیز فاکتوری و یک ابزار مفید شیمی سنجی برای کنترل فرآیندهای شیمیایی است که توسط میدر^۳ و همکارانش ارائه شده است. در این روش آنالیز مرتبه به عنوان تابعی از پارامتر با تغییرات منظم (pH ، زمان و ….) صورت می گیرد . این روش به ترتیب از بالا به پایین ماتریس داده (EFA به سمت جلو ) و از پایین به بالا ( EFA به سمت عقب ) برای بررسی ظهور و زوال گونه ها در فرایند بکار می روند . نمودارهای به سمت جلو و عقب EFA با رسم مقادیر ویژه (یا لگاریتم مقادیر ویژه ) بر حسب تابعی از متغیر تکاملی به دست آید . بدین ترتیب با آنالیز متوالی داده های ماتریس می توان ظهور و زوال گونه ها را در فرایند تکاملی تشخیص داده و تخمینی از پروفایل های غلظتی گونه ها به دست آورد . در آنالیز فاکتوری تکاملی اگر سیستم مورد مطالعه دارای نقصان مرتبه باشد از آنالیز فاکتوری تکاملی برای جبران نقص مرتبه^۵ (EFARD) استفاده می شود . یک ماتریس زمانی دارای نقص – مرتبه است که تعداد سهم های معنی دار برای واریانس داده ها ، که به وسیله ی SVD ^۶یا تکنیک های آنالیز فاکتوری مرتبط دیگری تخمین زده می شوند ، کمتر از تعداد واقعی اجزای شیمیایی موجود در سیستم باشند .
یک چنین حالتی غالباً اتفاق می افتد ، برای مثال ، در شروع یک واکنش شیمیایی یا یک فرایند شیمیایی که بیش از یک گونه حضور دارد ، به جای تعیین تمام اجزای موجود در شروع واکنش ، تنها یکی از آن ها به
طور ریاضی مشتق شده و بقیه ترکیب خطی از آن باشند . تفکیک کامل چنین ماتریس نقص – مرتبه ای به طور کامل انجام نمی شود .