计算药物分析-名解部分

d 于一未知模式计算出到的有已知模式间的 d
X1, X 2 , X 3 , X N 类中的某一类，不知每一类中的样品个数 W1,W2 ,Wm ，对
ij
X i X jl
2
，比较到哪一样品的距离最
SX
小，取前 k 个距离最小者（k 为奇数） ，然后再看在哪一类中较多，就判为哪一类。 t 检验： 由于我们不可能直接测得总体标准差 σ， 只能由样本均值的标准偏差 予以估
， ，其检验步骤如下：①提出统计假设 H0: μ=μ0；②计算样本
2
均值及 u ；③按给定的显著水平 ，查正态分布表求值；④进行统计推断。 χ2 检验：统计学的研究指出，当从总体方差为 σ2 的正态分布总体中随机抽取容量为 n 的样本，测量值的方差 χ2 和 σ2 间的关系服从 χ2 分布。χ2 检验可用于方差显著性检验和各
牛顿 -雷扶生法：设初始值
x0 1 ，根据牛顿迭代式
xk 1 xk
f ( xk ) f ( xk ) ，收敛标准：
xn xn1
， 是一个足够小的数，称为收敛指标。
三波长法：利用三角形相似原理，选择波长，如果在选择的三个波长外，干扰组分的吸
收曲线上的三点恰好在同一条直线上，那么混合溶液在 λ1，处的 A 仅与待测组分的浓度成 正比。 色谱选择性优化：根据优化指标，对色谱过程中溶剂等可变因素进行优化，目的是控制 各组分的洗出顺序，在尽可能短的时间内实现最优分离，有三个基本组成部分：优化因素的 选择、优化指标的确定、实验设计及优化方法。 网络搜索法：即全面试验，将整个区间按等间距分割点依次做实验进行评价。若因素数 为 n，水平数为 L，全面试验的次数为 Ln，适合于多个极值的情况，但试验次数多，效率低。 析因实验：是将各因素全部水平按一定的规则相互组合，按照设计的析因设计表进行实验， 以考察各因素主效应以及因素之间的交互效应的优化实验设计方法。 包括正交设计、 均匀设 计等。 线性规划法： 在线性等式或不等式的约束条件下， 求解线性目标函数的最大值或最小值 的方法。 线性判别分析：应用统计方法解决模式识别问题时，在低维空间行得通的方法，在高维 空间往往行不通， 降低维数成了模式识别的关键， 线性判别分析的基本思路是通过一定的方 法将空间各点投影到维数较低的空间中， 并在该低维数空间中进行合理的分类， 主要需解决 的问题是找到有利的投影方向，利于分类。 响应面：系统响应或评价函数对因素的函数。 优化指标：试验设计中衡量试验效果的变量，又称为试验指标。应是反映整个试验系统效果 的响应值或者评价函数。如色谱条件评价的指标一般为最小分离度。 有监督模式识别： 运用一组已知模式的样本， 这些样本集在特征空间中构成的点集成为 训练集， 利用训练集通过训练或者学习来获得的识别准则加以检测， 来考察识别准则的可靠 性与正确性。 正交分析： 是研究多因素多水平的试验设计方法， 用正交表安排试验的方法称为正交设 计，各因素水平数相等时正交表壳表示为
Optimization:通过实验或数据分析寻找指标最优值的实验条件的过程。 Box plot：把一组实验数据从小到大排列，计算得其中位数 X，前四分位数 FL、后四分 位数 FU、两个四分位数之间的差值 df，可设定溢出范围为小于 FL-1.5df 和大于 FU+1.5df 的值，绘制盒图：以一个长方形的盒子表示 FL—FU 的试验点，从盒图的两侧各绘一条水平 线， 称为盒尾， 包括所有的正常值， 而溢出值在盒尾外侧， 此种描述一维数据的图称为盒图。 KNN 法： （K-最近邻域判决法）一组已知类别的样本集，每个样品 n 维向验。χ2 检验的基本公式是
2
i 1
n
(Oi Ei ) 2 Ei
，式中 Oi 是观察到的实际频
率，Ei 是理论频率。 标准加入法：将若干份已知待测组分浓度的样品分别加入一定量的待测组分的标准品， 按方法平行测定， 根据加样量与回收量的比值来计算回收率。 此种测定回收率的方法叫做标 准加入法。 插值：求出通过所给所有数据点的曲线，根据求的函数得插值点的函数值。 差谱技术： 应用计算机技术对光谱或色谱图进行数据处理的方法。 在参比光谱中寻找一 个独立峰， 独立峰应是混合物谱图欲差减去的组分所独有的， 然后再参比谱对应独立峰的位 置的位置附近寻找一个基准，求出其与独立峰的相对强度，即可确定比例因子 Z，用计算机 进行差减，由此得到差减谱。 窗口图解技术： 将色谱优化从单因子扩展到多因子， 而且为整体最优化提供了一个最有 效的方法，该法以所有峰对的选择系数（α）—优化因素作图，对应每一个色谱参数最难分 离对构成的图中阴影部分的最高点为优化点 导数光谱：对吸收光谱曲线进行一阶或高阶求导，把各阶导函数值对 λ 作图，便可得到 各阶导数光谱曲线，简称导数光谱，经 N 次求导后，吸光度的导函数值与试样中被测组分 的浓度成正比，这是导数光谱用于定量的依据。 多元正分光光度法：将数学中的多元矫正方法如多元回归分析、主成分分析、因子分析
Ln (t s ) ， s 为可安排的因素数目，t 为水平数，n
为试验次数，具有“均匀分散，整齐可比”的特点。 中间精密度：同一实验室，不同时间由不同分析人员用不同设备所得结果的精密度。 主成分分析：通过标准化变换，计算协方差矩阵，计算特征值 λ 和特征向量 F，将计算 得的特征值从大到小排列确认样本的主成分数，依次降维，用新变量来描述样本，建立简化 的数学模型来描述体系的全貌，以便更多更好地从数据矩阵获得信息。 专属性：指有其他成分（杂质、降解物、辅料等）可能存在情况下采用的方法能准确测 定出被测物的特性， 能反映该方法在有共存物时对供试物准确而专属的测定能力， 是该法用 于复杂样品分析时是否受到相互干扰程度的度量。 综合指标：以欲分离混合物的全色谱图作为评价指标，是基本指标的组合，色谱选择性 的评价一般选用综合指标。
等用于分光光度法获得的数据， 采用适当的统计学方法确立一定的参数后建立模型， 并应用 模型对样品进行定性或定量分析。 方差分析： 对实验数据的方差进行分析。 实验过程总的变差平方和等于各个因素形成的 变差平方和的总和，方差分析就是建立在平方和的加和性基础上，应用 F 检验进行不同来 源变异均方的比较， 检验不同组数据的精密度是否存在显著性差异， 由此推断不同组测定的 均数之间有无显著性差异。 分析方法的验证： 为了保证分析测试结果的可靠性和准确性， 并保证所建立的方法能被 同行重复和验证，发表以后能被他人应用，得到普及，具有实用价值，必须对建立的方法进 行系统科学的验证，有一定的方法和数据证实其可靠性和可行性，保证方法的标准化、规范 化。 峰纯度： 一个色谱峰有可能由未分开的两个或多个组分组成， 而无法进行定量或限度分 析，必须有一定的方法验证色谱峰的纯度。 改良单纯形法：完成起始单纯形试验点后，在响应值最差点的反位顶点处安新实验。且 在搜索最优区域过程中，除了运用“反射”操作外，允许单纯形“扩展” ， “压缩”和“整体 压缩” ，加速单纯形向最优点区域推进。 黄金分割法： 将搜索区间分为两个不相等的部分， 使其中较大的部分与整个区间的比值 和较小的部分与较大部分比值相等，即使搜索区间缩小为原来的 0.168，利用此不等见距点 的评价计算寻优，使每一次计算都提供一个新的有用的数据，并按此重复，属于序贯优化。 检测限： 检测限系指试样在确定的实验条件下， 被测物能被确定检测出的最低浓度或含 量。 降维技术：处理多变量数据时，当变量数为 2 或 3 时，我们可以通过绘图或计算机屏幕 显示的方式直观地观察图形并识别其特征。当变量数超过 3 时，这种直接显示则不再可能， 这就涉及降维问题。 将多维的数据在二维或多维的空间中显示出其最大多数的信息。 降维和 显示技术有多种方法，因子分析技术是多数方法的算法基础。 聚类分析：属于无监督模式识别。只要思路是同类样本应彼此相似，相似的样本在多维 空间中彼此距离应小些，不同类的样本彼此距离应大些，所以聚类分析是研究“物以类聚” 的一种多元统计方法，即如何使相似的样本“聚”在一起，从而达到分类的目的。 均匀设计：抛开正交设计中的“整齐可比”性的特点，只考虑试验点的“均匀分散”性， 即使试验点在所考察的范围内均匀分布， 按此原则以均匀表来安排试验。 均匀表的表头形式 为 Un(ts)， U 表示均匀数， s 为可安排的因素数目， t 为水平数， n 为试验次数， 这里 n=t,s=t-1 控制图： 是经常使用的质量评定技术之一。 最常用的控制图是用同一标准方法对同一标 准样品测试 20 次以上，求出其平均值 x 和标准偏差 s,在坐标纸上以 x 为中线，以±2s 为警 戒线，以±3s 为控制限，依次标绘实验点并连成线，即得到控制图。 灵敏度：指的是分析信号随组分含量变化的大小。 模式识别： 认识出某个样品与哪一种供模仿用的样品相同体相似， 借助数学方法和计算 机技术揭示事物内部规律和隐藏性质，对若干类样本进行分类或判别。 耐用性：指在测定条件有小的变动时，测定结果不受影响的承受程度。 拟合：找出能反映因变量和自变量内在联系的数学表达式的过程称为拟合。
计，少量实验数据的统计处理 t 代替 μ，在进行测量数据的均值与正值之间的比较和测量数
t计算
据均值之间的比较时，使用 t 检验。统计量 t 的函数值
x S x / n ，由要求的置信度和
测定次数，查表，得: t 表，比较：t 计>t 表 ,表示有显著性差异，存在系统误差，被检验方 法需要改进；t 计<t 表 ,表示无显著性差异，被检验方法可以采用。 μ 检验：在总体标准差 σ 已知且稳定的条件下，检验实际测量所得的平均值 X 是否来 自同一个正态母体 N