Статьи на зарубежных сайтах

Многокомпонентная калибровка невоспроизводимых измерений для гетероскедастичных ошибок

Nirav P. Bhatt, Amit Mitna and Shankar Narasimhan

Аннотация: Качество многокомпонентных калибровочных моделей зависит от эффективности обработки ошибок в спектральных данных. Если ошибки в различных измерениях коррелируют и характеризуются различными дисперсиями, наилучшим методом калибровки является метод регрессии главных компонент максимальной вероятности (Maximum Likelihood Principal Component Regression, MLPCR) . Однако этот подход требует наличия достоверной информации о распределении ошибки, т.е. воспроизводимости измерений. В данной статье предложен метод построения многокомпонентной калибровки для невоспроизводимых измерений, когда ошибка для разных оптических плотностей независима, и при этом имеет различные воспроизводимости. Метод основан на итеративном анализе главных компонент (Iterative Principal Component Analysis) с одновременной оценкой наименьшего измерения спектрального подпространства и дисперсий ошибок. Преимущества предложенного подхода продемонстрированы на примере модельных и реальных данных.

Ссылки по теме: * Оценка колебаний гетероскедастичных погрешностей измерения
* Использование содержательных и формальных моделей для классификации медицинских...
* Определение характеристик турецкой бутилированной воды с использованием методов...

Источник: Multivariate calibration of non-replicated measurements for heteroscedastic errors

Chemometrics and Intelligent Laboratory Systems

22 июня 2006

Список статей