计算药物分析-名解部分.docVIP

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维向量，且每个样本分别属于类中的某一类，不知每一类中的样品个数，对于一未知模式计算出到的有已知模式间的 d，比较到哪一样品的距离最小，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 EQ 予以估计，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据均值之间的比较时，使用t检验。统计量t的函数值，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，其检验步骤如下：①提出统计假设H0: μ=μ0；②计算样本均值及；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种拟合优度检验。χ2检验的基本公式是 ，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