AbstractStatistical analysis has be

Abstract
Statistical analysis has been used for the first time to evaluate the dispersion of quantitative data in the solid-phase microextraction (SPME) followed by gas chromatography–mass spectrometry (GC–MS) analysis of blackberry (Rubus ulmifolius Schott) volatiles with the aim of improving their precision. Experimental and randomly simulated data were compared using different statistical parameters (correlation coefficients, Principal Component Analysis loadings and eigenvalues). Non-random factors were shown to significantly contribute to total dispersion; groups of volatile compounds could be associated with these factors. A significant improvement of precision was achieved when considering percent concentration ratios, rather than percent values, among those blackberry volatiles with a similar dispersion behavior.

As novelty over previous references, and to complement this main objective, the presence of non-random dispersion trends in data from simple blackberry model systems was evidenced. Although the influence of the type of matrix on data precision was proved, the possibility of a better understanding of the dispersion patterns in real samples was not possible from model systems.

The approach here used was validated for the first time through the multicomponent characterization of Italian blackberries from different harvest years.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อใช้สถิติวิเคราะห์เป็นครั้งแรกเพื่อประเมินการกระจายตัวของข้อมูลเชิงปริมาณใน microextraction เฟสของแข็ง (SPME) ตามวิเคราะห์ chromatography ก๊าซ – มวล spectrometry (GC – MS) ของเคส (Rubus ulmifolius Schott) volatiles มีจุดประสงค์เพื่อปรับปรุงความแม่นยำของพวกเขา ข้อมูลการทดลอง และจำลองแบบสุ่มถูกเปรียบเทียบโดยใช้พารามิเตอร์สถิติต่าง ๆ (ค่าสัมประสิทธิ์สหสัมพันธ์ loadings วิเคราะห์ส่วนประกอบหลัก และเวกเตอร์) ปัจจัยไม่ใช่สุ่มถูกแสดงอย่างมีนัยสำคัญนำไปสู่การแพร่กระจายรวม กลุ่มสารระเหยอาจเกี่ยวข้องกับปัจจัยเหล่านี้ ปรับปรุงอย่างมีนัยสำคัญของความสำเร็จเมื่อพิจารณาอัตราส่วนความเข้มข้นเปอร์เซ็นต์ แทนค่าร้อยละ ในหมู่ volatiles เคสที่มีลักษณะการแพร่กระจายคล้ายเป็นนวัตกรรมอ้างอิงก่อนหน้านี้ และ การเติมเต็มนี้วัตถุประสงค์หลัก แสดงแนวโน้มกระจายตัวไม่สุ่มข้อมูลจากระบบแบบจำลองอย่างเคสเป็นหลักฐาน สามารถเข้าใจรูปแบบการกระจายตัวในตัวอย่างแท้จริงไม่ใช่ได้จากแบบจำลองระบบแม้ว่าอิทธิพลของชนิดของเมตริกซ์ความข้อมูลถูกพิสูจน์วิธีใช้ที่นี่ได้ผ่านการตรวจสอบครั้งแรกผ่านคุณสมบัติ multicomponent ของ blackberries อิตาลีปีเก็บเกี่ยวแตกต่างกัน

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ
การวิเคราะห์ทางสถิติได้ถูกนำมาใช้เป็นครั้งแรกในการประเมินการกระจายตัวของข้อมูลเชิงปริมาณในเฟสของแข็ง microextraction (SPME) ตามด้วยโค spectrometry มวลก๊าซ (GC-MS) การวิเคราะห์ของผลไม้ชนิดหนึ่ง (บัส ulmifolius ชอตต์) สารระเหยโดยมีจุดประสงค์ ของการปรับปรุงความแม่นยำของพวกเขา ข้อมูลการทดลองและการจำลองแบบสุ่มถูกนำมาเปรียบเทียบโดยใช้พารามิเตอร์ที่แตกต่างกันทางสถิติ (ค่าสัมประสิทธิ์สหสัมพันธ์องค์ประกอบหลัก loadings วิเคราะห์และลักษณะเฉพาะ) ปัจจัยที่ไม่ใช่แบบสุ่มที่มีการแสดงอย่างมีนัยสำคัญนำไปสู่การกระจายทั้งหมด; กลุ่มของสารระเหยที่อาจจะเกี่ยวข้องกับปัจจัยเหล่านี้ การปรับปรุงที่สำคัญของความแม่นยำก็ประสบความสำเร็จเมื่อพิจารณาอัตราส่วนความเข้มข้นร้อยละมากกว่าค่าร้อยละในหมู่สารระเหยผลไม้ชนิดหนึ่งที่มีลักษณะการทำงานที่คล้ายกันกระจาย. ในฐานะที่เป็นความแปลกใหม่กว่าอ้างอิงก่อนหน้านี้และเพื่อเสริมนี้วัตถุประสงค์หลักของการปรากฏตัวของแนวโน้มการกระจายตัวที่ไม่สุ่มใน ข้อมูลจากระบบรูปแบบผลไม้ชนิดหนึ่งที่เรียบง่ายเป็นหลักฐาน แม้ว่าอิทธิพลของชนิดของเมทริกซ์กับความแม่นยำของข้อมูลที่ถูกพิสูจน์แล้วว่าเป็นไปได้ของความเข้าใจที่ดีขึ้นของรูปแบบการกระจายตัวในตัวอย่างจริงเป็นไปไม่ได้จากแบบจำลองระบบ. วิธีการใช้ที่นี่ได้รับการตรวจสอบเป็นครั้งแรกผ่านตัวละครหลายองค์ประกอบของอิตาลี แบล็กจากปีที่ผ่านการเก็บเกี่ยวที่แตกต่างกัน

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ข้อมูลทางสถิติที่เป็นนามธรรม
ถูกใช้ครั้งแรกเพื่อประเมินการกระจายของข้อมูลเชิงปริมาณในส่วน microextraction ( spme ) ตามด้วยแก๊สโครมาโตกราฟี - แมส ( GC ( MS ) การวิเคราะห์ของ BlackBerry ( rubus ulmifolius Schott ) สารระเหยมีวัตถุประสงค์ของการปรับปรุงความแม่นยำของพวกเขา Experimental and randomly simulated data were compared using different statistical parameters (correlation coefficients, Principal Component Analysis loadings and eigenvalues). Non-random factors were shown to significantly contribute to total dispersion; groups of volatile compounds could be associated with these factors.การปรับปรุงที่สำคัญของความสําเร็จ เมื่อพิจารณาอัตราส่วนความเข้มข้นร้อยละมากกว่าค่าเปอร์เซ็นต์ ในหมู่ผู้ที่มีพฤติกรรมคล้ายกัน BlackBerry สารระเหยกระจาย

เป็นนวัตกรรมที่ผ่านการอ้างอิงก่อนหน้านี้ และหากวัตถุประสงค์หลักนี้ สถานะของแนวโน้มแบบไม่สุ่มกระจายข้อมูลจากแบบจำลองระบบ BlackBerry ง่าย ) . Although the influence of the type of matrix on data precision was proved, the possibility of a better understanding of the dispersion patterns in real samples was not possible from model systems.

The approach here used was validated for the first time through the multicomponent characterization of Italian blackberries from different harvest years.