血糖检测中建模方法和温度引入的偶然相关研究

近红外光谱分析技术应用在血糖检测中,需要借助化学计量学方法建立模型来实现对未知样品的定量分析。在模型建立和验证的过程中通常会引入一定程度的偶然相关,从而影响模型的稳健性。采用随机数模拟光谱数据及参考浓度的研究方式,从建模波长数的选择和交互验证方法两方面考察了不同建模方法在建模的过程中存在偶然相关的概率水平,并给出了最佳的建模波长数以及最优的交互验证方法,以降低引入的偶然相关。此外通过离体实验,研究温度对葡萄糖浓度检测的影响并指导如何在实际血糖检测中降低温度引入的偶然相关。

用非均匀地区地震活动率预报地震的偶然相关概率:VAN震例

采用 M_s(面波的)和 M_L(地方的)震级表对 Varotsos 和 Lazaridou(1991)宣称成功的22个希腊地震预报作了评估。如果我们假定预报的震级为 M_s(预报的震级表在电报中未指明),用震中初步测定目录(PDE)估算地震活动性,我们发现有74%是虚报的(它们并不和某一指定的地震相关),9%偶然相关(任何一个或更多地震的随机概率 p>50%),以及17%是不确定的(0.15<p<0.40)。没有什么成功预报其置信水平超过85%。如果我们假定预报的震级表和地震活动性满足关系式M(VAN)=M_L(ATH)+0.5,采用雅典国家观象台地震研究所的目录(SI-NOA)来估算地震活动性,我们发现宣称的23个预报成功中有12个是虚报,其余的极可能都和地震偶然相关,只有一个例外。在我们采用的两类资料中,漏报的地震数分别为35和456。用预报成功的单次概率和 n 次预报中 m 次成功的全部排列的乘积之和估算所得出的预报和地震相关性(23次中分别为6和11次)出于偶然的概率,分别为69%和96%。偶然实现的单次预报概率是基于每个预测地区的减丛集的目录分别估算的,只有余震期内的预报除外。为此,采用了主震后一个月内的平均地震活动率的概念。我们的结论是 Varotsos 等(1981a,b,c,1982a,b,1983,1993a,b,1996)及 Varotsos 和 Lazaridou(1991)(这些参考文献将简称为 VAN)关于地震电信号(SES)与地震相关联是无效的。

不相交主成分分析(PCA)和遗传算法(GA)用于差异表达基因的识别

建立了一种基于不相交主成分分析(Disjoint PCA)和遗传算法(GA)的特征变量选择方法,并用于从基因表达谱(Gene expression profiles)数据中识别差异表达的基因.在该方法中,用不相交主成分分析评估基因组在区分两类不同样品时的区分能力;用GA寻找区分能力最强的基因组;所识别基因的偶然相关性用统计方法评估.由于该方法考虑了基因间的协同作用更接近于基因的生物过程,从而使所识别的基因具有更好的差异表达能力.将该方法应用于肝细胞癌(HCC)样品的基因芯片数据分析,结果表明,所识别的基因具有较强的区分能力,优于常用的基因芯片显著性分析(Significance analysis of microarrays,SAM)方法.