Fiducial Inference for Random-Effects Calibration Models: Advancing Reliable Quantification in Environmental Analytical Chemistry
随机效应校准模型的置信推断：推进环境分析化学中的可靠量化AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要主题为分析化学校准中的置信推断与随机效应模型，属于统计方法在化学测量中的应用，与所提供的微观、宏观、金融等经济学领域细分均无直接文本依据，故不选择任何细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
随机效应校准模型的置信推断：推进环境分析化学中的可靠量化
- 研究问题
- 摘要称，本文针对分析化学中的校准问题，研究如何在低浓度测量误差恒定、高浓度误差成比例增大的异方差情形下，刻画不同实验室间校准曲线参数的变异，并在小样本下对未知真实浓度作可靠的区间估计与检出判断。
- 方法与思路
- 作者提出采用随机效应校准曲线模型及其推广，允许关联仪器响应与真实浓度的校准曲线参数在不同实验室间变化；因传统大样本区间估计方法在小样本下不适用，改用置信（fiducial）方法构造未知浓度的置信区间，并用模拟数据与实验室间真实数据（蒸馏水中铜和镉）进行演示。
- 材料陈述的贡献
- 摘要称，能刻画数据异方差性的校准曲线可在多种实验室条件下给出更可靠的估计；置信方法构造的未知浓度置信区间宽度略宽，但能达到所期望的覆盖概率；应用涵盖分析物是否存在的判定与未知真实浓度的区间估计。
- 阅读关注点
- 阅读全文时应核对：随机效应校准模型的具体形式与异方差设定、置信推断的构造步骤及其频率学覆盖性质的论证条件、模拟设计与真实实验室间数据的来源与规模，以及“宽度略宽但覆盖达标”这一比较所对应的基准方法与具体数值。
- 阅读边界
- 仅凭摘要无法判断模型假设是否合理、置信方法的理论保证是否成立、模拟与实证结果的具体数值，也无法确认与既有方法的全面比较；该文为 arXiv 预印本，尚未经同行评审或期刊接收，结论应视为初步。
原文摘要
This article addresses calibration challenges in analytical chemistry by employing a random-effects calibration curve model and its generalizations to capture variability in analyte concentrations. The model is motivated by specific issues in analytical chemistry, where measurement errors remain constant at low concentrations but increase proportionally as concentrations rise. To account for this, the model permits the parameters of the calibration curve, which relate instrument responses to true concentrations, to vary across different laboratories, thereby reflecting real-world variability in measurement processes. Traditional large-sample interval estimation methods are inadequate for small samples, leading to the use of an alternative approach, namely the fiducial approach. The calibration curve that accurately captures the heteroscedastic nature of the data, results in more reliable estimates across diverse laboratory conditions. It turns out that the fiducial approach, when used to construct a confidence interval for an unknown concentration, produces a slightly wider width while achieving the desired coverage probability. Applications considered include the determination of the presence of an analyte and the interval estimation of an unknown true analyte concentration. The proposed method is demonstrated for both simulated and real interlaboratory data, including examples involving copper and cadmium in distilled water.