‘壹’ 粒度分析方法的选择
粒度分析方法视碎屑岩颗粒大小和岩石致密程度而异。
1.砾岩的粒度分析方法
砾岩的粒度分析，主要在野外进行，一般采用筛析和直接测量两种方法。对胶结不太坚固的砾石和疏松的砾石层，先用孔径为10 mm和1 mm的筛子过筛；小于1 mm的基质和胶结物，可带回室内进行再细分；10～1 mm的细砾部分若是含量多而差异大者要用筛析方法进行细分；10 mm以上的砾石，一般在野外用尺子直接测量。然后将各粒级的砾石分别称重，填于粒度分析表中。由于砾岩在垂向和平面上的多变性，应选择有代表性的取样地点，而且样品质量不少于25～30 kg，否则误差就可能相当大。对于胶结坚固的砾岩，可在风化带上进行粒度测量，或采标本回室内，先进行胶结处理，将砾石分开，再进行粒度测量。
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采用筛析法、沉速法和薄片法，常用的沉速法有阿兹尼法、沙巴宁法和罗宾逊法等。筛析法和沉速法适用于未固结的疏松岩石，如粗碎屑岩，一般只用筛析法；而中-细粒碎屑岩由于常常含有较多的粉砂和黏土，常将沉速法与筛析法相结合使用。薄片法主要用于固结坚硬的岩石。一般说来，筛析法适用于大于0.25 mm的颗粒，亦可用于大于0.1 mm的颗粒，而沉速法适用于小于0.25 mm的颗粒。
用不同粒度分析方法所得的结果之间会有一定的差异。同一地区最好采用同一方法，以便于资料间的对比应用，若用不同方法，需要经过换算后才能应用。
决策分析，一般指从若干可能的方案中通过决策分析技术，如期望值法或决策树法等，选择其一的决策过程的定量分析方法。主要应用于大气科学中的动力气象学等学科。
决策分析一般分四个步骤：
（1）确定型情况下的决策分析。确定型决策问题的主要特征有4方面：
一是只有一个状态；
二是有决策者希望达到的一个明确的目标；
三是存在着可供决策者选择的两个或两个以上的方案；
四是不同方案在该状态下的收益值是清楚的。
确定型决策分析技术包括用微分法求极大值和用数学规划等。
（2）风险型情况下的决策分析。
这类决策问题与确定型决策只在第一点特征上有所区别：风险型情况下，未来可能状态不只一种，究竟出现哪种状态，不能事先肯定，只知道各种状态出现的可能性大小（如概率、频率、比例或权等）。常用的风险型决策分析技术有期望值法和决策树法。
期望值法是根据各可行方案在各自然状态下收益值的概率平均值有大小，决定各方案的取舍。决策树法有利于决策人员使决策问题形象化，可把各种可以更换的方案、可能出现的状态、可能性大小及产生的后果等，简单地绘制在一张图上，以便计算、研究与分析，同时还可以随时补充和修正。
（3）不确定型情况下的决策分析。
如果不只有一个状态，各状态出现的可能性的大小又不确知，便称为不确定型决策。常用的决策分析方法有：
a.乐观准则。比较乐观的决策者愿意争取一切机会获得最好结果。决策步骤是从每个方案中选一个最大收益值，再从这些最大收益值中选一个最大值，该最大值对应的方案便是入选方案。
b.悲观准则。比较悲观的决策者总是小心谨慎，从最坏结果着想。决策步骤是先从各方案中选一个最小收益值，再从这些最小收曾值中选出一个最大收益值，其对应方案便是最优方案。这是在各种最不利的情况下又从中找出一个最有利的方案。
c.等可能性准则。决策者对于状态信息毫无所知，所以对它们一视同仁即认为它们出现的可能性大小相等。于是这样就可按风险型情况下的方法进行决策。
大多数的决策理论是规范性的，即决策理论以假设一个具有完全信息的、可实现精度计算的、并且完全理性的理想决策者的方式达到最优的决策（在实际中，某些所谓“最好”的情景并不是最大，最优也可能包含在一个具体的或近似的最大值）。
这种规范模型的实际应用（人们应当如何决策）被称为决策分析，其目标是帮助人们进行进一步良好决策的工具和方法论。决策支持系统是一种系统的、综合的用这种方法开发的软件工具。 由于人们通常的行为并不与公理一致，经常违反了其最优性。关于这种现象的相关研究称为描述性学科。这种描述性的模型试图描述实际中人们是怎么做的。
由于规范和最优的决策通常测试假设是违背人们的实际行动，因此规范性模型和描述性模型建立了关联。对实践中发生决策允许进行进一步的测试，可能会放松规范模型中对完全信息、理性和其他方法的约束。 最近几十年，越来越多的研究者对被称为“行为决策论”的引发兴趣，这种研究对重新评价理性决策理论的要求做出了贡献。
‘叁’ 电路的一般分析方法和电路定理做题怎么选择方法
原则上，当网孔数少时选用网孔分析法，当节点数少时选节点分析法，当只求某一支路电压或电流时选用电路定理。但不是绝对的！
‘肆’ 如何选择工作分析的方法
1.直接观察方法: 职务分析师直接观察员工工作的全过程。直接观察适用于工作周期短的职务。例如清洁工,他的工作基本上是以一天为一个周期,职务分析师可以整天跟着清洁工直接观察工作。
2.阶段观察法: 有些员工的工作周期性很长。为了完全观察员工的所有工作,必须分阶段观察。比如行政文员,每年年底都要准备企业总结表彰大会。职务分析师必须在年底观察职务。有时候因为时间跨度太长,职务分析不能拖很久,所以采用工作表...
3.工作表演: 适用于工作周期长、突发事件多的工作
‘伍’ 如何根据变量类型选择数据分析方法
把握两个关键
1、抓住业务问题不放松。您费大力气收集数据的动机是什么？你想解决什么问题？这是核心，是方向，这是业务把握层面。
2、全面理解数据。哪些变量，什么类型？适合或者可以用什么统计方法，这是数据分析技术层面。须把握三大关键：变量、数据分析方法、变量和方法的关联。
认识数据分析方法
选择合适的数据分析方法是非常重要的。选择数据分析（统计分析）方法时，必须考虑许多因素，主要有：
1、数据分析的目的，
2、所用变量的特征，
3、对变量所作的假定，
4、数据的收集方法。选择统计分析方法时一般考虑前两个因素就足够了。
将变量与分析方法关联、对应起来
‘陆’ 怎样选择水质监测分析方法水质监测中常用的水质分析方法有哪些
楼主，您好。 正确选择监测分析方法，是获得准确结果的关键因素之一。选择分析方法应遵循的原则是：灵敏度能满足定量要求；方法成熟、准确；操作简便，易于普及；抗干扰能力好。我国对各类水体中不同污染物质的分析方法主要有以下三个层次，它们相互补充，构成完整的监测分析方法体系。
(1)国家标准分析方法我国已编制60多项包括采样在内的标准分析方法，这些方法比较经典、准确度较高，是环境污染纠纷法定的仲裁方法，也是用于评价其他分析方法的基准方法。
(2)统一分析方法有些项目的监测方法尚不够成熟，没有形成国家标准，但经过研究可以作为统一方法予以推广，在使用中积累经验，不断完善，为上升为国家标准方法创造条件。
(3)等效方法 与前两类方法的灵敏度、准确度具有可比性的分析方法。等效方法必须经过方法验证和对比实验，证明其与标准方法或统一方法是等效时才能使用。 详情请参考国家标准物质网www.rmhot.com按照监测方法所依据的原理，水质监测常用的方法有化学法、电化学法、原子吸收分光光度法、离子色谱法、气相色谱法、等离子体发射光谱(ICP—AEs)法等。其中，化学法(包括重量法、容量滴定法和分光光度法)目前在国内外水质常规监测中被普遍采用。
‘柒’ 如何选择数据分析方法
数据其实是非常的客观的，但是数据本身并不会告诉你多少有价值的东西，其中蕴涵的内容才是我们应该去发掘的。我们通过数据分析将现实中的问题简化成数字问题，从而得到解决问题的建议。
需要注意的是，数据分析只是工具，不是目的。我们进行数据分析是为了让分析结果能反映现阶段的情况，并对下一步计划产生指导意义，所以千万不要为了分析而分析。
1、明确目标
一切分析的基础都是需要明确目标，在此之前，不要开始任何分析，因为那很可能是无用功。
一般来说，目的主要有以下三种。
分析现状，反映目前的状况，并且帮助我们制定下一步计划。
分析问题，针对出现的问题，分析其中的原因并找到解决办法。
分析变化，当产品的情况出现变化时反映变化的情况，并找出原因，有针对性的进行下一步行动。
2、明确分析范围
因为数据的量和维度都非常的多，我们在明确目标后，就必须选定我们分析的范围，明确的分析范围能避免分析报告内容太多，而且不深入。
需要注意的是，确定范围后我们就需要进行数据采集了，但是具体要采集什么样的数据，不是我们平常的“自然语言”描述就可以实现的，需要抽象成“数学语言”表达出来。
3、数据采集
确定了范围后，我们就可以采集数据了，需要采集哪些数据也是有讲究的，它也是需要我们用“数学语言”来表达的。一般来说，需要采集的数据分为以下3类，这是最基础的：名称、数量和转化率。
名称：某些数据的结果不是以数字形式展现的，比如某某功能
数量：这个比较简单，比如：某某功能的点击次数
转化率：有些数据单独的看，是不能说明问题的，例如：光看一个功能的点击次数，我们不能得出这个功能是否吸引人，是否需要改进，我们还需要看完成这个功能的人数。然后将两个数据相除后得到这个功能的转化率。
以上都是一个分析中最基础的指标，在实际数据分析中，还会有更多更细致的维度。比如：用户点击这个功能后，停留时间，退出的数量，在中途放弃的数量等等。
4、数据清洗
采集数据后，这些数据并不是直接就可以用的。因为可能会有一部分“脏数据”会污染我们的数据，进而影响我们的分析结果。这就需要进行数据清洗，将不符合要的“脏数据”清洗掉。
比如，某个用户一直在点击某个功能，每秒固定点击1次，然后退出，那么这个“用户”很可能是个机器，而不是人。这些数据是不能用的。
一般“脏数据”有以下几个类型。
频率异常：正常用户的使用一个功能的频率一般会保持在一定范围内，不会太频繁。
总数异常：比如某一个用户一个人就拉高了整个数据的水平，让某个功能点击率陡然上升。
行为异常：这个就比较复杂了，对应不同的业务有不同的理解。比如：比如一个购物APP，一个用户的多次的下单，然后退货，这类数据就是应该排除的。
5、数据整理
收集完成后，我们需要对收集到的原始数据进行整理。因为收集出来的数据必然是比较乱的，不能直接拿来分析。整理分析分为汇总和拆分两种。
（1）汇总
有些数据比较杂乱无章，我们要按照某个维度汇总才能进行效果的观察。比如：我们需要观察某个功能上线后用户行为的变化，就可以按照上线前和上线后的用户行为数据进行分类汇总，然后通过两份数据的对比来得到结论。
（2）拆分
有些原始数据并不足够细致，需要我们依据数据的关系进行数据拆分。例如，一个功能的入口可能有多个，我们就需要确认每个入口的量，甚至完成整个功能的量，这些数据会让我们更加了解我们的用户行为。
6、数据对比
整理完数据后，我们要进行数据对比。这也是数据分析中非常重要的步骤，因为数据分析的结果绝大多数都来自于对数据的对比。比如：一个功能改进前和改进后的转化率，肯定要经过对比才能知道我们的改进是不是有效的，有效多少。通常对比方法有以下几种。
时间对比。通过时间节点前后进行对比数据。例如：某个营销活动，促进注册、活跃等，我们就可以得出这个营销活动能够带动日活的结论。
空间对比。在我们生活的世界中，因为人们所存在的空间不同，会有不同的行为。比如：通过数据分析，我们会发现，东北的羽绒服效率比海南高，于是我们就可以判断羽绒服在东北更加畅销。
人群属性对比。在用户画像中也提高过。不同的年龄层对于不同事物的看法不同，会导致某个功能在不同人群中的差异性。
依据分析目的灵活地选定对比范围，能让我们从数据中挖掘到我们想要的东西。
7、原因探寻
数据，通过对比呈现出来，能够反映一定的现象，但是造成这些现象的原因还需要我们来寻找。
原因的分析方法有很多，可以正推导、反推导。我们可以结果，那假设原因，再去求证。或者通过某个功能的整个流程进行梳理和复盘，结合数据来分析每一步发生这种情况的原因。
或者通过数据来复盘某一个活动，来分析活动输出的这种数据或好的或坏的原因是什么。
8、展现结果
完成上面的7步，我们的数据分析报告也就差不多了，当然我们必须形成一个比较完整的文档来反馈给相关人员。
我们可以把报告分成以下3部分。
数据分析背景：向大家交代分析的背景与原因。
主要结论：给出主要结论，方便不需要了解细节的人阅读，或领导。
具体分析过程：向大家说明分析的步骤并展示具体数据。
这样就完成了一篇还比较靠谱的数据分析报告。
‘捌’ 如何选择质谱分析方法
如何选择质谱分析方法？
——是用于研究蛋白，核苷酸还是小分子，这里也许有理想的答案
正如其它先进的技术一样，质谱技术冲击带来了市场的膨胀，造成了多选择性的产品，专业性的术语，这也就无形中增加了研究人员选择合适于他们的系统的困难性。正如西雅图Fred
Hutchinson癌症研究中心蛋白组主任Philip
Gafken所说的那样，“无论大家相信与否，这种技术并没有如它们所被应用的那样被逐渐的了解，研究人员没有认识到利用这种技术的真正目的。”
比如说三级四极质谱仪(Triple Quadrupole Mass Spectrom）是一种相对便宜一点，但扫描速率（scan
rate）也相对比较慢的质谱仪，而目前精良的傅立叶变换离子回旋共振质谱仪（Fourier transform ion cyclotron
resonance，FTICR）则在精确性和分辨率都是首屈一指的，当然价钱也会比较贵。
Gafken说道，“人们总是倾向于购买一些顶级的产品，但是事实上，这些应用中很大一部分都能由一些相对便宜一点的仪器来完成”，所以我们需要购买适用于各自需要的正确仪器。
1.Protein Chemist级
对于protein
chemist而言，需要得到的仅仅就是知道他在研究的是什么。通过分析一种蛋白的免疫共沉淀的成份，或者利用二维电泳识别特殊的蛋白斑点，protein
chemist就可以了解这种蛋白质的生物学特性了。对于这种应用，快速而并不需要太精确的方法就可以满足需要了。
推荐系统：MALDI+TOF
理由：肽指纹图谱（PePtide Mass Fingerprinting，PMF）和基质辅助激光解析电离飞行时间(matrix-assisted
laser desorption ionization-time of flight，MALDI-TOF)质谱是可以考虑的首选方法。
TOF是一种简单的质谱分析系统，灵敏度高，能进行从10原子质量单位到上百上千单位的片段分析。另一个TOF的优点就是分析的速度，伊利诺斯大学的化学副教授Neil
Kelleher就表示“这就是它为什么能与MALDI配合工作的原因，你可以以一种高重复率在激光上操作，每秒获得许多光谱。”
而MALDI则是一种首先就可以考虑的方法，但是并不适合如何人，来自华盛顿大学的化学教授，Journal of the American
Society for Mass Spectrometry杂志的编辑Michael
Gross就说，“如果你的免疫共沉淀中有20或30个蛋白，每一个有50条特殊带，那么你就有1000条带，利用MALDI并不能在气相中打到全部的”，为了得到更多的信息，必需要考虑一个可以提供序列详细信息的任意构造，比如MALDI-TOF-TOF，或者一个更加灵敏的仪器——离子捕获。
2. 灵敏级
难题总是出在事实本质的详细内容当中，对于蛋白而言，那就是指翻译后修饰了。比如说，假设你正在研究包含有乙酰化和三甲基化修饰的组蛋白，但是一个标准的质谱也许无法区别出这两种修饰，这时就需要高精度的仪器了，这种仪器能获得二位或者四位小数位的报告。
推荐系统：LC+ESI+FTICR with ECD
理由：准确度高的仪器可以区别对于所谓的正常（nominal-mass）仪器而言相同的分子，一般认为选择液相色谱（liquid
chromatography，LC）与电喷雾电离化（electrospray ionization，ESI），以及傅立叶变换离子回旋共振质谱仪（Fourier
transform ion cyclotron resonance，FTICR）相结合能达到高精度和高灵敏度的要求。也许还需要电子捕获解离技术（electron
capture dissociation，ECD）来获得可重复的结果。
虽然经典的碰撞诱导解离技术(collision inced dissociation，CID）介导的串联质谱方法可以进行斑点修饰（spot
modifications），但是对于识别包含了修饰的蛋白残基而言，这并不是一种理想的方法，这主要是由于解离蛋白的时候常常会降解多肽的蛋白修饰，然而ECD则可以保持这种修饰的完整性。不过来自辛辛那提大学的Patrick
Limbach提出一个忠告：这些仪器偏差范围小，因此可能会丢失掉一些未预期到的情况，比如天冬酰胺残基的脱酰胺，或者磷酸化。