『壹』 粒度分析方法的選擇
粒度分析方法視碎屑岩顆粒大小和岩石緻密程度而異。
1.礫岩的粒度分析方法
礫岩的粒度分析，主要在野外進行，一般採用篩析和直接測量兩種方法。對膠結不太堅固的礫石和疏鬆的礫石層，先用孔徑為10 mm和1 mm的篩子過篩；小於1 mm的基質和膠結物，可帶回室內進行再細分；10～1 mm的細礫部分若是含量多而差異大者要用篩析方法進行細分；10 mm以上的礫石，一般在野外用尺子直接測量。然後將各粒級的礫石分別稱重，填於粒度分析表中。由於礫岩在垂向和平面上的多變性，應選擇有代表性的取樣地點，而且樣品質量不少於25～30 kg，否則誤差就可能相當大。對於膠結堅固的礫岩，可在風化帶上進行粒度測量，或采標本回室內，先進行膠結處理，將礫石分開，再進行粒度測量。
2.砂岩和粉砂岩的粒度分析方法
砂岩和粉砂岩的粒度分析常採用篩析法、沉速法和薄片法，常用的沉速法有阿茲尼法、沙巴寧法和羅賓遜法等。篩析法和沉速法適用於未固結的疏鬆岩石，如粗碎屑岩，一般只用篩析法；而中-細粒碎屑岩由於常常含有較多的粉砂和黏土，常將沉速法與篩析法相結合使用。薄片法主要用於固結堅硬的岩石。一般說來，篩析法適用於大於0.25 mm的顆粒，亦可用於大於0.1 mm的顆粒，而沉速法適用於小於0.25 mm的顆粒。
用不同粒度分析方法所得的結果之間會有一定的差異。同一地區最好採用同一方法，以便於資料間的對比應用，若用不同方法，需要經過換算後才能應用。
決策分析，一般指從若干可能的方案中通過決策分析技術，如期望值法或決策樹法等，選擇其一的決策過程的定量分析方法。主要應用於大氣科學中的動力氣象學等學科。
決策分析一般分四個步驟：
（1）確定型情況下的決策分析。確定型決策問題的主要特徵有4方面：
一是只有一個狀態；
二是有決策者希望達到的一個明確的目標；
三是存在著可供決策者選擇的兩個或兩個以上的方案；
四是不同方案在該狀態下的收益值是清楚的。
確定型決策分析技術包括用微分法求極大值和用數學規劃等。
（2）風險型情況下的決策分析。
這類決策問題與確定型決策只在第一點特徵上有所區別：風險型情況下，未來可能狀態不只一種，究竟出現哪種狀態，不能事先肯定，只知道各種狀態出現的可能性大小（如概率、頻率、比例或權等）。常用的風險型決策分析技術有期望值法和決策樹法。
期望值法是根據各可行方案在各自然狀態下收益值的概率平均值有大小，決定各方案的取捨。決策樹法有利於決策人員使決策問題形象化，可把各種可以更換的方案、可能出現的狀態、可能性大小及產生的後果等，簡單地繪制在一張圖上，以便計算、研究與分析，同時還可以隨時補充和修正。
（3）不確定型情況下的決策分析。
如果不只有一個狀態，各狀態出現的可能性的大小又不確知，便稱為不確定型決策。常用的決策分析方法有：
a.樂觀准則。比較樂觀的決策者願意爭取一切機會獲得最好結果。決策步驟是從每個方案中選一個最大收益值，再從這些最大收益值中選一個最大值，該最大值對應的方案便是入選方案。
b.悲觀准則。比較悲觀的決策者總是小心謹慎，從最壞結果著想。決策步驟是先從各方案中選一個最小收益值，再從這些最小收曾值中選出一個最大收益值，其對應方案便是最優方案。這是在各種最不利的情況下又從中找出一個最有利的方案。
c.等可能性准則。決策者對於狀態信息毫無所知，所以對它們一視同仁即認為它們出現的可能性大小相等。於是這樣就可按風險型情況下的方法進行決策。
大多數的決策理論是規范性的，即決策理論以假設一個具有完全信息的、可實現精度計算的、並且完全理性的理想決策者的方式達到最優的決策（在實際中，某些所謂「最好」的情景並不是最大，最優也可能包含在一個具體的或近似的最大值）。
這種規范模型的實際應用（人們應當如何決策）被稱為決策分析，其目標是幫助人們進行進一步良好決策的工具和方法論。決策支持系統是一種系統的、綜合的用這種方法開發的軟體工具。 由於人們通常的行為並不與公理一致，經常違反了其最優性。關於這種現象的相關研究稱為描述性學科。這種描述性的模型試圖描述實際中人們是怎麼做的。
由於規范和最優的決策通常測試假設是違背人們的實際行動，因此規范性模型和描述性模型建立了關聯。對實踐中發生決策允許進行進一步的測試，可能會放鬆規范模型中對完全信息、理性和其他方法的約束。 最近幾十年，越來越多的研究者對被稱為「行為決策論」的引發興趣，這種研究對重新評價理性決策理論的要求做出了貢獻。
『叄』 電路的一般分析方法和電路定理做題怎麼選擇方法
原則上，當網孔數少時選用網孔分析法，當節點數少時選節點分析法，當只求某一支路電壓或電流時選用電路定理。但不是絕對的！
『肆』 如何選擇工作分析的方法
1.直接觀察方法: 職務分析師直接觀察員工工作的全過程。直接觀察適用於工作周期短的職務。例如清潔工,他的工作基本上是以一天為一個周期,職務分析師可以整天跟著清潔工直接觀察工作。
2.階段觀察法: 有些員工的工作周期性很長。為了完全觀察員工的所有工作,必須分階段觀察。比如行政文員,每年年底都要准備企業總結表彰大會。職務分析師必須在年底觀察職務。有時候因為時間跨度太長,職務分析不能拖很久,所以採用工作表...
3.工作表演: 適用於工作周期長、突發事件多的工作
『伍』 如何根據變數類型選擇數據分析方法
把握兩個關鍵
1、抓住業務問題不放鬆。您費大力氣收集數據的動機是什麼？你想解決什麼問題？這是核心，是方向，這是業務把握層面。
2、全面理解數據。哪些變數，什麼類型？適合或者可以用什麼統計方法，這是數據分析技術層面。須把握三大關鍵：變數、數據分析方法、變數和方法的關聯。
認識數據分析方法
選擇合適的數據分析方法是非常重要的。選擇數據分析（統計分析）方法時，必須考慮許多因素，主要有：
1、數據分析的目的，
2、所用變數的特徵，
3、對變數所作的假定，
4、數據的收集方法。選擇統計分析方法時一般考慮前兩個因素就足夠了。
將變數與分析方法關聯、對應起來
『陸』 怎樣選擇水質監測分析方法水質監測中常用的水質分析方法有哪些
樓主，您好。 正確選擇監測分析方法，是獲得准確結果的關鍵因素之一。選擇分析方法應遵循的原則是：靈敏度能滿足定量要求；方法成熟、准確；操作簡便，易於普及；抗干擾能力好。我國對各類水體中不同污染物質的分析方法主要有以下三個層次，它們相互補充，構成完整的監測分析方法體系。
(1)國家標准分析方法我國已編制60多項包括采樣在內的標准分析方法，這些方法比較經典、准確度較高，是環境污染糾紛法定的仲裁方法，也是用於評價其他分析方法的基準方法。
(2)統一分析方法有些項目的監測方法尚不夠成熟，沒有形成國家標准，但經過研究可以作為統一方法予以推廣，在使用中積累經驗，不斷完善，為上升為國家標准方法創造條件。
(3)等效方法 與前兩類方法的靈敏度、准確度具有可比性的分析方法。等效方法必須經過方法驗證和對比實驗，證明其與標准方法或統一方法是等效時才能使用。 詳情請參考國家標准物質網www.rmhot.com按照監測方法所依據的原理，水質監測常用的方法有化學法、電化學法、原子吸收分光光度法、離子色譜法、氣相色譜法、等離子體發射光譜(ICP—AEs)法等。其中，化學法(包括重量法、容量滴定法和分光光度法)目前在國內外水質常規監測中被普遍採用。
『柒』 如何選擇數據分析方法
數據其實是非常的客觀的，但是數據本身並不會告訴你多少有價值的東西，其中蘊涵的內容才是我們應該去發掘的。我們通過數據分析將現實中的問題簡化成數字問題，從而得到解決問題的建議。
需要注意的是，數據分析只是工具，不是目的。我們進行數據分析是為了讓分析結果能反映現階段的情況，並對下一步計劃產生指導意義，所以千萬不要為了分析而分析。
1、明確目標
一切分析的基礎都是需要明確目標，在此之前，不要開始任何分析，因為那很可能是無用功。
一般來說，目的主要有以下三種。
分析現狀，反映目前的狀況，並且幫助我們制定下一步計劃。
分析問題，針對出現的問題，分析其中的原因並找到解決辦法。
分析變化，當產品的情況出現變化時反映變化的情況，並找出原因，有針對性的進行下一步行動。
2、明確分析范圍
因為數據的量和維度都非常的多，我們在明確目標後，就必須選定我們分析的范圍，明確的分析范圍能避免分析報告內容太多，而且不深入。
需要注意的是，確定范圍後我們就需要進行數據採集了，但是具體要採集什麼樣的數據，不是我們平常的「自然語言」描述就可以實現的，需要抽象成「數學語言」表達出來。
3、數據採集
確定了范圍後，我們就可以採集數據了，需要採集哪些數據也是有講究的，它也是需要我們用「數學語言」來表達的。一般來說，需要採集的數據分為以下3類，這是最基礎的：名稱、數量和轉化率。
名稱：某些數據的結果不是以數字形式展現的，比如某某功能
數量：這個比較簡單，比如：某某功能的點擊次數
轉化率：有些數據單獨的看，是不能說明問題的，例如：光看一個功能的點擊次數，我們不能得出這個功能是否吸引人，是否需要改進，我們還需要看完成這個功能的人數。然後將兩個數據相除後得到這個功能的轉化率。
以上都是一個分析中最基礎的指標，在實際數據分析中，還會有更多更細致的維度。比如：用戶點擊這個功能後，停留時間，退出的數量，在中途放棄的數量等等。
4、數據清洗
採集數據後，這些數據並不是直接就可以用的。因為可能會有一部分「臟數據」會污染我們的數據，進而影響我們的分析結果。這就需要進行數據清洗，將不符合要的「臟數據」清洗掉。
比如，某個用戶一直在點擊某個功能，每秒固定點擊1次，然後退出，那麼這個「用戶」很可能是個機器，而不是人。這些數據是不能用的。
一般「臟數據」有以下幾個類型。
頻率異常：正常用戶的使用一個功能的頻率一般會保持在一定范圍內，不會太頻繁。
總數異常：比如某一個用戶一個人就拉高了整個數據的水平，讓某個功能點擊率陡然上升。
行為異常：這個就比較復雜了，對應不同的業務有不同的理解。比如：比如一個購物APP，一個用戶的多次的下單，然後退貨，這類數據就是應該排除的。
5、數據整理
收集完成後，我們需要對收集到的原始數據進行整理。因為收集出來的數據必然是比較亂的，不能直接拿來分析。整理分析分為匯總和拆分兩種。
（1）匯總
有些數據比較雜亂無章，我們要按照某個維度匯總才能進行效果的觀察。比如：我們需要觀察某個功能上線後用戶行為的變化，就可以按照上線前和上線後的用戶行為數據進行分類匯總，然後通過兩份數據的對比來得到結論。
（2）拆分
有些原始數據並不足夠細致，需要我們依據數據的關系進行數據拆分。例如，一個功能的入口可能有多個，我們就需要確認每個入口的量，甚至完成整個功能的量，這些數據會讓我們更加了解我們的用戶行為。
6、數據對比
整理完數據後，我們要進行數據對比。這也是數據分析中非常重要的步驟，因為數據分析的結果絕大多數都來自於對數據的對比。比如：一個功能改進前和改進後的轉化率，肯定要經過對比才能知道我們的改進是不是有效的，有效多少。通常對比方法有以下幾種。
時間對比。通過時間節點前後進行對比數據。例如：某個營銷活動，促進注冊、活躍等，我們就可以得出這個營銷活動能夠帶動日活的結論。
空間對比。在我們生活的世界中，因為人們所存在的空間不同，會有不同的行為。比如：通過數據分析，我們會發現，東北的羽絨服效率比海南高，於是我們就可以判斷羽絨服在東北更加暢銷。
人群屬性對比。在用戶畫像中也提高過。不同的年齡層對於不同事物的看法不同，會導致某個功能在不同人群中的差異性。
依據分析目的靈活地選定對比范圍，能讓我們從數據中挖掘到我們想要的東西。
7、原因探尋
數據，通過對比呈現出來，能夠反映一定的現象，但是造成這些現象的原因還需要我們來尋找。
原因的分析方法有很多，可以正推導、反推導。我們可以結果，那假設原因，再去求證。或者通過某個功能的整個流程進行梳理和復盤，結合數據來分析每一步發生這種情況的原因。
或者通過數據來復盤某一個活動，來分析活動輸出的這種數據或好的或壞的原因是什麼。
8、展現結果
完成上面的7步，我們的數據分析報告也就差不多了，當然我們必須形成一個比較完整的文檔來反饋給相關人員。
我們可以把報告分成以下3部分。
數據分析背景：向大家交代分析的背景與原因。
主要結論：給出主要結論，方便不需要了解細節的人閱讀，或領導。
具體分析過程：向大家說明分析的步驟並展示具體數據。
這樣就完成了一篇還比較靠譜的數據分析報告。
『捌』 如何選擇質譜分析方法
如何選擇質譜分析方法？
——是用於研究蛋白，核苷酸還是小分子，這里也許有理想的答案
正如其它先進的技術一樣，質譜技術沖擊帶來了市場的膨脹，造成了多選擇性的產品，專業性的術語，這也就無形中增加了研究人員選擇合適於他們的系統的困難性。正如西雅圖Fred
Hutchinson癌症研究中心蛋白組主任Philip
Gafken所說的那樣，「無論大家相信與否，這種技術並沒有如它們所被應用的那樣被逐漸的了解，研究人員沒有認識到利用這種技術的真正目的。」
比如說三級四極質譜儀(Triple Quadrupole Mass Spectrom）是一種相對便宜一點，但掃描速率（scan
rate）也相對比較慢的質譜儀，而目前精良的傅立葉變換離子迴旋共振質譜儀（Fourier transform ion cyclotron
resonance，FTICR）則在精確性和解析度都是首屈一指的，當然價錢也會比較貴。
Gafken說道，「人們總是傾向於購買一些頂級的產品，但是事實上，這些應用中很大一部分都能由一些相對便宜一點的儀器來完成」，所以我們需要購買適用於各自需要的正確儀器。
1.Protein Chemist級
對於protein
chemist而言，需要得到的僅僅就是知道他在研究的是什麼。通過分析一種蛋白的免疫共沉澱的成份，或者利用二維電泳識別特殊的蛋白斑點，protein
chemist就可以了解這種蛋白質的生物學特性了。對於這種應用，快速而並不需要太精確的方法就可以滿足需要了。
推薦系統：MALDI+TOF
理由：肽指紋圖譜（PePtide Mass Fingerprinting，PMF）和基質輔助激光解析電離飛行時間(matrix-assisted
laser desorption ionization-time of flight，MALDI-TOF)質譜是可以考慮的首選方法。
TOF是一種簡單的質譜分析系統，靈敏度高，能進行從10原子質量單位到上百上千單位的片段分析。另一個TOF的優點就是分析的速度，伊利諾斯大學的化學副教授Neil
Kelleher就表示「這就是它為什麼能與MALDI配合工作的原因，你可以以一種高重復率在激光上操作，每秒獲得許多光譜。」
而MALDI則是一種首先就可以考慮的方法，但是並不適合如何人，來自華盛頓大學的化學教授，Journal of the American
Society for Mass Spectrometry雜志的編輯Michael
Gross就說，「如果你的免疫共沉澱中有20或30個蛋白，每一個有50條特殊帶，那麼你就有1000條帶，利用MALDI並不能在氣相中打到全部的」，為了得到更多的信息，必需要考慮一個可以提供序列詳細信息的任意構造，比如MALDI-TOF-TOF，或者一個更加靈敏的儀器——離子捕獲。
2. 靈敏級
難題總是出在事實本質的詳細內容當中，對於蛋白而言，那就是指翻譯後修飾了。比如說，假設你正在研究包含有乙醯化和三甲基化修飾的組蛋白，但是一個標準的質譜也許無法區別出這兩種修飾，這時就需要高精度的儀器了，這種儀器能獲得二位或者四位小數位的報告。
推薦系統：LC+ESI+FTICR with ECD
理由：准確度高的儀器可以區別對於所謂的正常（nominal-mass）儀器而言相同的分子，一般認為選擇液相色譜（liquid
chromatography，LC）與電噴霧電離化（electrospray ionization，ESI），以及傅立葉變換離子迴旋共振質譜儀（Fourier
transform ion cyclotron resonance，FTICR）相結合能達到高精度和高靈敏度的要求。也許還需要電子捕獲解離技術（electron
capture dissociation，ECD）來獲得可重復的結果。
雖然經典的碰撞誘導解離技術(collision inced dissociation，CID）介導的串聯質譜方法可以進行斑點修飾（spot
modifications），但是對於識別包含了修飾的蛋白殘基而言，這並不是一種理想的方法，這主要是由於解離蛋白的時候常常會降解多肽的蛋白修飾，然而ECD則可以保持這種修飾的完整性。不過來自辛辛那提大學的Patrick
Limbach提出一個忠告：這些儀器偏差范圍小，因此可能會丟失掉一些未預期到的情況，比如天冬醯胺殘基的脫醯胺，或者磷酸化。