分子发射腔分析含磷有机化合物

某些元素在火焰中的分子发射现象早就为人们知晓,特别是磷、硫等元素在屏蔽的氢火焰中发射特征的绿、蓝色光,六十年代即被应用于色谱检测。而Belcher等人1973年提出的时间分辨分子发射腔分析法(缩写MECA),则更进一步开拓了利用分子发射现象快速、灵敏、简易地分析某些非金属元素的新前景。有关分子发射腔分析的进展已有专文评     

计算机在测试数据统计处理中的应用 Ⅴ.回归分析及其程序

回归分析主要是研究自变量与因变量之间的定量关系,本文对一元线性回归和多元线性回归作了详细介绍,在此基础上提出了相应的BASIC程序,最后用实例说明了程序的应用。     

分析测试中的试验设计和优化方法 二、正交多项式回归设计

在第一部分,我们介绍了广泛使用的正交试验设计。正交试验设计比用单因素轮换法安排试验有着明显的优点,可用较少的试验次数,获得基本上能反映全面试验情况的分析信息,通过对试验结果的方差分析,可以估计诸因素影响的相对大小,考察因素之间的相互效应。但是,它不能给出响应值与诸因素之间的定量关系。然而,在实际工作中,常常需要定量地了解响应值与诸因素之间的关系,即确立响应值与诸因素之间的相关关系,并利用这种相关关系在一定置信度下由各因素的取值去预测响应值的范围,或反过来,希望响应值控制在某一区间内,利用这种关系式去确定影响因素的取值范围。例如,在原子吸收分析中,很希望定量地了解燃气流量、助燃气流量、燃烧器高度、试样提取量,或者干燥温度和时间、灰化温度和时间、原子化温度和时间对吸光度的影响,并希望最好能估计影响因素变动时吸光度随之变动的范围。在光度分析中,影响吸光度的因素有酸度、显色剂浓度、显色时间等,每个因素的影响可以是线性的,也可以是非线性的,且各因素之间还存在交互效应,在     

计算机在测试数据统计处理中的应用——Ⅰ.分析测试数据可靠性的检验(下)

二、精密度的比较 3.多个总体方差的检验如果有m≥3个总体,各自服从正态分布,由m个总体中分别抽取容量为n_1,n_2,…,n_m的样本,各样本的方差为S_1~2,S_2~2,……,S_m~2。检验这些样本的方差有两种方法: (1) F检验法在m个方差中,挑选出最大和最小方差,取其比值,即F=S_(max)~2/S_(min)~2再进行F检验(见两个总体方差检验),如果在显著性水平a下,F值小于F临界值,S_(max)~2与S_(min)~2无显著性差异,其他样本的方差也无显著性差异。 (2) 柯奇拉 (Cochran)检验法当n_1=n_2=…=n_m时,可用柯奇拉法检验多个样本的方差,柯奇拉检验法使用的统计量为     

计算机在测试数据统计处理中的应用 Ⅱ.测试数据分布类型的检验(下)

四、偏度-峰度检验法我们知道,正态分布函数是以平均值为中心,左右二侧对称的一条曲线,曲线的高度和宽度受平均值和标准差制约。如以c_s和c_e分别表示正态分布函数曲线的偏度和峰度,其数值可按下式计算     

分析测试中的试验设计和优化方法 一、正交试验设计

近年来,试验设计和优化方法越来越受到分析测试人员的注意。它是研究如何科学地安排试验,以最少的人力物力消耗取得更多的或更全面的分析信息。试验安排得好,事半功倍;反之,则事倍功半,甚至达不到预期的效果。目前试验设计和优化方法还没有象统计检验、方差分析、回归分析等统计方法那样受到人们应有的重视。为了引起大家对这一问题的注意,我们将在本刊陆续分专题向大家介绍分析测试中实用的试验设计和优化方法。总共分六个专题介绍:正交试验设计;正艾多项式回归设计;均匀设计;单纯形优化法;多因素试验优化方法和用信息参量作为优化的评价指标。我们期望这些专题将对大家的工作有所裨益。     

计算机在测试数据统计处理中的应用——Ⅳ.协同试验数据的方差分析

本文介绍了协同试验的安排方式与实验数据的统计处理方法,给出了程序框图和详细的计算机程序,并举例说明了程序的应用。     

计算机在测试数据统计处理中的应用Ⅲ.多因素效应的方差分析

方差分析在优化多因素实验条件中是很有用的,它可以估计各因素效应的大小,确定最佳实验条件。本文简要地介绍了方差分析的原理,给出了计算机程序框图和详细的程序。并举例说明了程序的应用。     

响应曲面法优化石墨炉原子吸收测定铂和钯的条件

采用合理的试验设计方法,藉助计算机拟合多因素的响应曲面方程,通过绘图或计算,寻找响应面峰值对应的条件作为最佳分析条件,是一种有效的优化方法。本文研究用石墨炉原子吸收法测定铂和钯时,用均匀设计安排实验,用Basic语言编制程序和计算机拟合吸光度对各因素的多元回归方程,采用黄金分割优化法获得最佳分析条件。目标函数的确立欲考察n个因素不同水平对吸光度y的影响,由m次实验得到m组数据(x_1,y_1),(x_2,y_2),……,(x_m,y_m),可用非线性函     

六、最优化技术在分析测试中的应用

本文介绍了一些在分析测试中常用的优化方法。单因素问题可采用消去法进行优化,多因素问题常用轮换法、逐步登高法及单纯形法进行优化。