Метод одиночной выборки с поправкой на ошибку бутстрапа

В статистике метод единичной выборки с поправкой на ошибку бутстрапа ( BEST или BEAST ) — это непараметрический метод, который предназначен для оценки валидности единичной выборки. Он основан на оценке распределения вероятностей , представляющего то, что можно ожидать от валидных выборок. ^[1] Это делается с помощью статистического метода, называемого бутстрапированием , применяемого к предыдущим выборкам, которые, как известно, являются валидными.

Методология

BEST обеспечивает преимущества по сравнению с другими методами, такими как метрика Махаланобиса , поскольку он не предполагает, что все спектральные группы имеют равные ковариации ^{[ необходимо уточнение ]} или что каждая группа взята для нормально распределенной популяции . ^[2] Количественный подход включает BEST вместе с непараметрическим алгоритмом кластерного анализа . Многомерные стандартные отклонения ^{[ необходимо уточнение ]} (MDS) между кластерами и спектральными ^{[ необходимо уточнение ]} точками данных вычисляются, где BEST считает, что каждая частота взята из отдельного измерения. ^{[ необходимо уточнение ]}^[3]

BEST основан на популяции P относительно некоторого гиперпространства R, представляющего вселенную возможных образцов. P ^* — это реализованные значения P, основанные на калибровочном наборе T. T используется для поиска всех возможных вариаций P. P ^* ограничен параметрами C и B. C — это ожидаемое значение P, записанное как E(P), а B — это распределение самонастройки, называемое приближением Монте-Карло . Стандартное отклонение можно найти с помощью этой техники. Значения B, спроецированные в гиперпространство, дают X. Гиперлиния ^{[ требуется определение ]} от C до X дает стандартное отклонение с поправкой на перекос, которое вычисляется в обоих направлениях гиперлинии. ^[4]

Приложение

BEST используется для обнаружения фальсификации образцов в фармацевтических продуктах. Действительные (неизмененные) образцы определяются как те, которые попадают в кластер точек обучающего набора, когда BEST обучается на неизмененных образцах продуктов. Ложные (измененные) образцы — это те, которые попадают за пределы того же кластера. ^[1]

Такие методы, как ICP-AES, требуют опорожнения капсул ^{[ требуется разъяснение ] для анализа.}Неразрушающий метод является ценным. Такой метод, как NIRA ^{[ требуется разъяснение ]} может быть связан с методом BEST следующими способами. ^[1]

Выявляйте любой фальсифицированный продукт, определяя, что он не похож на ранее проанализированный неизмененный продукт.
Количественно определить загрязняющую примесь из библиотеки известных примесей в данном продукте.
Дайте количественную оценку количеству присутствующего загрязняющего вещества.

Ссылки

^ abc Lodder, Robert A.; Selby, Mark.; Hieftje, Gary M. (1987). «Обнаружение подделки капсул с помощью анализа отражения в ближнем инфракрасном диапазоне». Аналитическая химия . 59 (15): 1921– 1930. doi :10.1021/ac00142a008.
^ Эфрон, Б.; Гонг, Г. (1983). «Неторопливый взгляд на Bootstrap, складной нож и перекрестную проверку». Американский статистик . 37 (1): 36–48 . doi :10.2307/2685844. JSTOR 2685844.
^ Джозеф Мендендорп и Роберт А. Лоддер (2006) «Акусторезонансная спектрометрия как аналитическая технология для быстрой и точной идентификации таблеток» AAPS PharmSciTech , 7 (1) Статья 25.
^ Сара Дж. Гамильтон и Роберт Лоддер, «Технология гиперспектральной визуализации для фармацевтического анализа», Общество инженеров фотооптического приборостроения ^{[ необходима полная цитата ]}

Дальнейшее чтение

Lodder, R.; Hieftje, G. (1988). «Quantile BEAST атакует проблему ложной выборки в анализе отражения в ближнем инфракрасном диапазоне». Applied Spectroscopy . 42 (8): 1351– 1365. Bibcode : 1988ApSpe..42.1351L. doi : 10.1366/0003702884429652. S2CID 67835182.
Y. Zou, Robert A. Lodder (1993) «Исследование производительности расширенного квантильного BEAST в многомерном гиперпространстве», доклад № 885 на Питтсбургской конференции по аналитической химии и прикладной спектроскопии, Атланта, Джорджия
Y. Zou, Robert A. Lodder (1993) «Влияние различных распределений данных на производительность расширенного квантильного BEAST в распознавании образов», доклад № 593 на Питтсбургской конференции по аналитической химии и прикладной спектроскопии, Атланта, Джорджия

[Lodder1987-1] Lodder, Robert A.; Selby, Mark.; Hieftje, Gary M. (1987). «Обнаружение подделки капсул с помощью анализа отражения в ближнем инфракрасном диапазоне». Аналитическая химия . 59 (15): 1921– 1930. doi :10.1021/ac00142a008.

[2] Эфрон, Б.; Гонг, Г. (1983). «Неторопливый взгляд на Bootstrap, складной нож и перекрестную проверку». Американский статистик . 37 (1): 36–48 . doi :10.2307/2685844. JSTOR 2685844.

[AAPS-3] Джозеф Мендендорп и Роберт А. Лоддер (2006) «Акусторезонансная спектрометрия как аналитическая технология для быстрой и точной идентификации таблеток» AAPS PharmSciTech , 7 (1) Статья 25.

[4] Сара Дж. Гамильтон и Роберт Лоддер, «Технология гиперспектральной визуализации для фармацевтического анализа», Общество инженеров фотооптического приборостроения ^{[ необходима полная цитата ]}