ПОИСК Статьи Рисунки Таблицы Проблемы, трудности, новые горизонты из "Статистика в аналитической химии" Центральное место среди предпосылок занимает требование нормальности распределения измеряемых случайных величин. Как быть с этим жестким условием Есть несколько вариантов, о которых нам уже приходилось неоднократно писать [54]. Упомянем их здесь вкратце. [c.10] Экспериментальные проверки предпосылок, как правило, лежат в области прекраснодушных мечтаний (хотя бывают редкие приятные исключения) и рассмотрения не заслуживают. [c.11] Самым радикальным средством представляются полный или почти полный отказ от предпосылок и попытка получения результатов и их интерпретации в такой новой обстановке. Как ни странно, этот подход оказался вполне конструктивным и привел к созданию непараметрической статистики [55]. Между прочим, в книге [55] читатель найдет более десятка примеров обработки аналитических данных. Непараметрические методы оказались проще классических, и только трудности внедрения все еще сохраняют преимущества за классикой. Есть основания думать, что ситуация уже начала меняться. Сторонники непараметрического подхода платят за потерю информации о предпосылках некоторой потерей эффективности экспериментов. Поскольку каждый эксперимент дается потом и кровью, всякой даже незначительной потери жалко. Ну что ж, тогда надо искать компромисс. Один из возможных компромиссов — ослабленные предпосылки — ведет к робастным методам [56], т. е. к таким процедурам, которые способны сопротивляться некоторым нарушениям предпосылок. [c.11] Если вы располагаете компьютером, то можно переложить часть ваших проблем на машинное моделирование в духе бутстреп-процедуры [57]. Отрадно, что на эту процедуру обращено внимание в интересной работе [58], открывающей очбнь важный для нашей темы сборник. [c.11] Если же вы никуда не спешите и согласны терпеливо накапливать данные, то можно обратиться к байесовскому подходу [59], где предпосылки рассматриваются как априорная информация, подлежащая уточнению в ходе накопления данных. [c.11] наконец, и еще один радикальный путь — это поиск таких преобразований исходных данных, при которых выполнялись бы все предпосылки [34, гл. 5]. Технически это не так уж и сложно, но камнем преткновения служит интерпретация полученных преобразованных данных. Если она удается, результат может претендовать на Нобелевскую премию, как это было, например, с Аррениусом в 1903 году. [c.11] В последовательности анализов часто нарушается незаметная предпосылка о статистической независимости результатов. Есть масса причин, мешающих ее выполнению. Для многих химических процессов характерны регулярные дрейфы. А коррелированность результатов во времени или в пространстве существенно усложняет обработку данных, что важно иметь в виду. [c.11] К сказанному можно еще добавить, что и при представлении или визуализации данных мы сталкиваемся с аналогичными трудностями плохой интерпретируемостью и сложностью процедур, граничащей с их практической недоступностью для аналитика. Это относится почти ко всем методам многомерного статистического анализа, таким, как кластерный анализ, факторный анализ и т.п. И далеко не всегда статистик может посоветовать что-либо более существенное, чем бросить все дела и заняться самообразованием в области статистических методов. [c.11] Парадигмы в наше время сменяются очень быстро. И вот уже появилась как бы из хемометрии и как бы независимо новое образование — компьютерная химия. Здесь все как прежде и все чуть-чуть не так. Нам же не уклониться от обсуждения этого нового монстра. [c.12] что многие достижения последних лет непосредственно связаны с использованием вычислительной техники. Верно это и для аналитической химии. Достаточно вспомнить впечатляющие успехи в данном направлении известной фирмы Хьюлетт-Паккард [73]. Если обратиться к рекламе Американского химического общества [74], то хорошо видно, что распространяемое этим обществом программное обеспечение охватывает как все методы анализа, так и основные статистические процедуры. [c.12] В химии потребляются самые разнообразные программные продукты, от классических средств обработки данных и управления производством [75], до современных сложных систем [76]. Остановимся на них несколько подробнее. [c.12] Во многих случаях аналитик может ограничиться самыми простыми статистическими пакетами [77, 78], часто даже никак не связанными с химической спецификой. [c.12] В более сложных случаях приходится покупать или заказывать специальные разработки [79-81]. Есть осторожные сообщения о полностью автоматизированных аналитических системах [82]. [c.12] Одна из ключевых проблем химии — поиск информации в больших массивах — приводит к широкому использованию баз данных как для традиционного библиографического или фактографического поиска, так и специально для аналитических целей, когда речь идет, например, о библиотеках спектров и т. п. [83, 84]. [c.12] Вернуться к основной статье