Wyniki wyszukiwania - Biblioteka Nauki

1

Multi-way analysis of retention of model compounds in thin-layer chromatography

100%

Komsta Ł. , Skibiński R. , Gumieniczek A. , Wojnar A.

|

2010

|

tom Vol. 22, no. 1

27--36

EN

The thin-layer chromatographic (TLC) retention of 35 model compounds has been investigated with ten screening mobile phases on six normal-phase and seven reversed-phase adsorbents. The retention factors formed two cubes with dimensions 35 × 10 × 6 and 35 × 10 × 7, respectively, which enabled three-way analysis by PARAFAC. A one-component PARAFAC model was optimum in both cases and two-component models performed worse. The one-component model explained 78.8% of the variance in normal-phase chromatography and 94.2% of the variance in reversed-phase chromatography. These results showed that the major variability of the retention factor ( R F ) can be modelled as the product of three factors related to the substance itself, the mobile phase, and the adsorbent. R F modelling was substantially better than using k or R M (rate mobility) values.

2

An alternatively minimising covariant matrix error algorithm for three-way data resolution

89%

Mo C.-Y. , Cao Y.-Z.

Chemia Analityczna

|

2005

|

tom Vol. 50, No. 4

673-683

EN

An alternatively minimising covariant matrix error algorithm for three-linear analysis of three-way data array has been proposed in this paper. The method was designed to circumvent the dilemma of determining a proper component number for a model, which is diffi- -cult to achieve by PARAFAC approach. Furthermore, the proposed algorithm can relieve, to some extent, the problem of slow convergence encountered in three-linear analysis. Characteristic performance of the method was demonstrated using simulated and real fluo- . rescence data arrays. Applicability of the method to the second-order calibration has been shown.

PL

Zaproponowano metodę, w której przedstawiono algorytm naprzemiennie minimalizujący ! błąd kowariancyjnej macierzy w trzy-liniowej analizie układu danych otrzymanych na trzy sposoby. Metoda posłużyła do określenia właściwej liczby komponentów w modelu, co jest trudne do uzyskania przy zastosowaniu metody PARAFAG. Dodatkowo, zaproponowany algorytm może zniwelować do pewnego stopnia problem wolnej zbieżności pojawiający się w trzy-liniowej analizie. Charakterystykę pracy metody zademonstrowano używając prawdziwych i symulowanych zbiorów danych fluorescencyjnych. Pokazano również przydatność metody do wykreślania kalibracji drugiego rzędu.

3

Relationships between Wellbeing and Sustainable Development in a Group of Selected Developed Countries

62%

Drastichová M. , Filzmoser P. , Gajanin R.

|

2023

|

tom Vol. 18, nr 2

49--77

EN

This work evaluates the crucial aspects of sustainable development (SD) related to wellbeing and quality of life, which were measured by twenty-two relevant indicators (indices) in a sample of 31 countries over the period 2010 – 2019. All the pillars of SD are reflected, while the indicators applied either reflect one of these dimensions, i.e. the economic, social or environmental pillar of SD, or two/all of them. Several of these indicators also measure specific aspects encompassed by the particular pillars, which are of great importance for SD and have to be included. These include especially health and inequality, which belong to the social pillar of SD, and are reflected in several indicators used. Furthermore, the indicator of subjective happiness is included as well. Principal component analysis (PCA) and parallel factor analysis (PARAFAC) are the main methods used to analyse relationships between twenty-two indicators (composite indices) reflecting crucial aspects of SD, wellbeing, and quality of life in the sample. Three stages of both analyses were carried out. For both of them similar results were identified. Principal component 1 (for PCA)/component 1 (for PARAFAC) divided the sample into the less and the more developed countries, since the positive contribution was predominantly determined by the socioeconomic, wellbeing and the more complex environmental or SD indicators, which are predominantly the highest (high) in the more developed countries. On the contrary, the negative contribution was determined by the pollution damage indicators, which are the highest in the less developed countries. Principal component 2 (for PCA)/component 2 (for PARAFAC) divided the sample according to a crucial aspect of the social pillar of SD, i.e. quality of health, particularly reflected in Healthy life years at birth (HLY), which has also poor results in the many developed countries. At the third stage this component is determined by the environmental indicators reflecting resource depletion/consumption and also pollution damages in monetary values, being crucial for SD, since a number of them had the highest values in the developed countries.

PL

Niniejsza praca ocenia kluczowe aspekty zrównoważonego rozwoju (SD) związane z dobrostanem i jakością życia, które zostały zmierzone za pomocą dwudziestu dwóch odpowiednich wskaźników (wskaźników) w próbie 31 krajów w latach 2010-2019. Uwzględniono wszystkie filary zrównoważonego rozwoju, natomiast zastosowane wskaźniki odzwierciedlają albo jeden z tych wymiarów, tj. filar ekonomiczny, społeczny lub środowiskowy ZR, albo dwa/wszystkie z nich. Niektóre z tych wskaźników mierzą również konkretne aspekty objęte poszczególnymi filarami, które mają ogromne znaczenie dla zrównoważonego rozwoju i muszą zostać uwzględnione. Wśród nich wyróżnić należy zwłaszcza zdrowie i nierówności, które należą do społecznego filaru zrównoważonego rozwoju i znajdują odzwierciedlenie w przyjętych wskaźnikach. Ponadto uwzględniono również wskaźnik subiektywnego szczęścia. Analiza głównych składowych (PCA) i równoległa analiza czynnikowa (PARAFAC) to główne metody stosowane do analizy relacji między dwudziestoma dwoma wskaźnikami (wskaźnikami złożonymi) odzwierciedlającymi kluczowe aspekty SD, dobrostanu i jakości życia. Przeprowadzono trzy etapy obu analiz. Zidentyfikowano podobne wyniki. Komponent główny 1 (w przypadku PCA)/komponent 1 (w przypadku PARAFAC) podzielił próbę na kraje słabiej i bardziej rozwinięte, ponieważ pozytywny wkład był determinowany głównie przez wskaźniki społeczno-ekonomiczne, dobrobyt i bardziej złożone wskaźniki środowiskowe lub zrównoważonego rozwoju, które są przeważnie najwyższe (wysokie) w krajach bardziej rozwiniętych. O ujemnym wkładzie zadecydowały wskaźniki szkód powodowanych przez zanieczyszczenia, które są najwyższe w krajach słabiej rozwiniętych. Komponent główny 2 (dla PCA)/komponent 2 (dla PARAFAC) podzielił próbę według kluczowego aspektu społecznego filaru SD, jakim jest zdrowie, w szczególności Healthy life years at birth (HLY), który wypadł słabo także w wielu krajach rozwiniętych. W trzecim etapie składnik ten jest określany przez wskaźniki środowiskowe odzwierciedlające wyczerpywanie się/konsumpcję zasobów, a także szkody spowodowane zanieczyszczeniami w wartościach pieniężnych, które są kluczowe dla zrównoważonego rozwoju, gdyż wiele z nich miało najwyższe wartości w krajach rozwiniętych.