Eric Cai 中寫道：
Shalin，我很高興你喜歡它！我在這一系列博客文章中對我的所有可視化工作都非常努力，並且很高興知道他們很好地說明了這些概念！謝謝閱讀！
編者註： 這篇文章是由。撰寫的 @eric_cai ，一位化學家和統計學家也在博客化學統計學家 。在Twitter上關注Eric @chemstateric 。
樣品製備是測量分析化學中物質數量的一個非常重要的部分。良好的樣品製備方案的一個好處是最小化累積不確定性估計的利息數量。這個由兩部分組成的博客系列將展示如何調用基本的統計技術方差分析（ANOVA） 可以評估樣本製備方案中引入的不確定性，並提供有關如何改進以最小化累積不確定性的見解。
本系列的第一部分將介紹問題並將數據整形為可供分析的格式。本系列的第二部分將使用ANOVA來劃分和比較擬議樣品製備方案中的兩個變異來源。
在馬鈴薯片中測量鈉
薯片中的常見成分是食鹽或氯化鈉。假設你想測量重量百分比的鈉在一袋薯片。這是一種可能的方案，用於從這個袋子中抽取芯片樣品並準備它們進行測量。在這個例子中，感興趣的數量 - 通常稱為分析化學 - 是鈉。
- 繪製三個子樣本（稱為等份 ）來自每個燒瓶的均質樣品的等體積。把每個等分試樣放入容量瓶 。
- 使用分析儀器或技術測量每個等分試樣中鈉的重量百分比。
以下是總結該方案的圖表。
圖像來源：DaniloPrudêncioSilva的“Erlenmeyer flask”和Lucasbosch的“容量瓶” - 自己的工作。通過Wikimedia Commons根據CC BY-SA 3.0獲得許可。
這是來自12個等分試樣的鈉的測量重量百分比的數據集;我是從6章第29章第736頁獲得的日丹尼爾哈里斯的“定量化學分析”版。
估計這袋薯片中鈉的真實重量百分比可以通過相對簡單的方式完成 - 只需選擇一種好的分析技術，建立校準曲線，並使用逆預測獲得點估計和置信區間。但是，此博客文章將重點介紹整個樣本製備過程中引入的變化以及如何將其最小化。該過程對於最小化重量百分比的最終測量的累積不確定性是至關重要的。
輸入和轉換數據
我們將上面的數據集輸入 JMP 。
如果您希望將芯片3下的第一個等分試樣顯示為0.420，則可以在中更改此設置列屬性 。突出顯示所有列，然後選擇標準化屬性在Cols菜單下。
在裡面屬性下拉列表，選擇格式 。這激活了格式修改。
更改格式最好至固定十二月 。在新的可用十二月字段，將值從0更改為3。
現在請注意，芯片3下的第一個等分試樣現在顯示為0.420。
正如您將在本博文後面看到的那樣，此數據集的佈局尚未準備好在JMP中進行分析。相反，讓我們堆此數據集使所有數據值都在一列中，另一列表示每個值來自哪個芯片。我們稍後將在JMP中使用Fit Y by X平台，並且它要求以這種堆疊格式構建數據。
在下面表菜單，選擇堆 。
下選擇列 ，選擇所有四個芯片列，然後單擊堆棧列 。這將確保堆疊所有四列。我還輸入了輸出表，堆疊數據列和源標籤列的新名稱。
這是堆疊數據集的樣子。
現在數據已準備好進行分析！在這個由兩部分組成的系列的下一篇博文中，我將使用適合Y乘X. 平台可視化數據並使用它們進行分析方差分析 。
我將通過解釋ANOVA結果來回答我們關於比較我們的樣品製備方案的兩個階段的變化的原始問題，從而結束本系列。
敬請關注！
參考
哈里斯，DC（2002年）。 定量化學分析 （6 日版）。麥克米倫。
