بررسی تأثیر مخرب نمونه خارج از رده در مطالعات آماری ژئوشیمیایی چند متغیره مطالعه موردی: برگه 1:50000 مغانجق در شمال غربی ایران

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دفتر اکتشاف و استخراج، شرکت تولید مواد اولیه و سوخت هسته‌ای، سازمان انرژی اتمی ایران، صندوق پستی: 1339-14155، تهران- ایران

2 دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر، صندوق پستی: 15914، تهران - ایران

چکیده

در بررسی­های اکتشافی ژئوشیمیایی رسوب‌های آبراهه­ای منطقه مغانجق واقع در شمال‌غربی ایران تعداد 152 نمونه رسوب آبراهه­ای از منطقه برداشت شد. پس از بررسی مقادیر عناصر مختلف در این نمونه­ها، نمونه­ای مشخص شد که مقدار عناصر Li، Ni، Sc، Yb، Eu، As، Co و Cd در آن نسبت به مقدار همین عناصر در سایر نمونه­ها بسیار بیشتر بود. پس از معرفی این نمونه به ­عنوان نمونه خارج از رده سعی شده است تأثیر این نمونه در بررسی­های آماری چند متغیره بررسی شود. هدف از این مقاله نمایش گوشه­ای از اثرهای مخرب نمونه­های خارج از رده بر مطالعات آماری ژئوشیمیایی چند متغیره می­باشد که باعث بروز خطای سیستماتیک در تفسیرها و تحلیل­ها می­شوند. جهت انجام مطالعات آماری چند متغیره، از ضریب همبستگی با روش­های اسپیرمن و پیرسون و آنالیز خوشه­ای و نمودار پراکندگی عناصر به همراه معادله خط رگرسیون آنها در دو حالت استفاده شده است. در حالت اول نمونه خارج از رده در بررسی­های چند متغیره حضور دارد و در حالت دوم نمونه خارج از رده از بررسی­ها کنار گذاشته شده است، سپس نتایج حاصل از دو بررسی با هم مقایسه شده­اند. پس از بررسی مـطالـعات آماری چند متـغیره و مقایسه نتایج در دو حالت ذکر شده مشخص شد که با حضور نمونه خارج از رده در بین مجموعه از نمونه­های برداشت شده از منطقه، ارتباط بین عناصر ممکن است به­ صورت­های مختلف زیر باشد.
- ارتباط حقیقی بین دو عنصر در نمونه­های برداشت شده وقتی که هیچکدام از آن دو عنصر دارای فراوانی غیرعادیدر نمونه­ها نباشند.
- ارتباط کاذب بین دو عنصری که یکی از آن دو دارای فراوانی غیرعادی در نمونه­ها باشد.
- ارتباط شدیداً کاذب بین دو عنصر وقتی که هر دو دارای فراوانی غیرعادی در نمونه­ها باشند.

کلیدواژه‌ها


عنوان مقاله [English]

The Outlier Sample Effects on Multivariate Statistical Data Processing in Geochemical Stream Sediment Survey (Moghangegh Region, NW of Iran)

نویسندگان [English]

  • Y Ghanbari 1
  • A Habibnia 2
  • A Memar 1
چکیده [English]

In geochemical stream sediment surveys in Moghangegh Region in north west of Iran, sheet 1:50,000, 152 samples were collected and after the analyze and processing of data, it revealed that Yb, Sc, Ni, Li, Eu, Cd, Co, as contents in one sample is far higher than other samples. After detecting this sample as an outlier sample, the effect of this sample on multivariate statistical data processing for destructive effects of outlier sample in geochemical exploration was investigated. Pearson and Spearman correlation coefficient methods and cluster analysis were used for multivariate studies and the scatter plot of some elements together the regression profiles are given in case of 152 and 151 samples and the results are compared. After investigation of multivariate statistical data processing results, it was realized that results of existence of outlier samples may appear as the following relations between elements:
- true relation between two elements, which have no outlier frequency in the outlier sample.
- false relation between two elements which one of them has outlier frequency in the outlier sample.
- complete false relation between two elements which both have outlier frequency in the outlier sample.

کلیدواژه‌ها [English]

  • Outlier Sample
  • Multivariate Statistical Data Processing
  • Geochemical Stream Sediment Survey

 

  1. 1.    A.R.H Swan, M. Sndilands, P. Mccabe, “Introduction to geological data analysis,” Backwill Science, p. 446 (1995).

 

  1. 2.    ع.ا. حسنی پاک، ”تحلیل داده­های اکتشافی،“ انتشارات دانشگاه  تهران (1380).                                                                             

 

  1. 3.    B.R. Clarke, C.R. Heathcote, “Robust estimation of k-component univariate normal mixtures,” Ann. Inst. Statist. Math. 46, 83–93 (1994).

 

  1. 4.    C. Robert, Szava-Kovats, “Outlier-resistant errors-in-variables regression: anomaly recognition and grain-size correction in stream sediments,” J. Applied Geochemistry. No. 17, pp.1149-1157 (2002).

 

  1. 5.    P.J. Rousseeuw, A. Leroy, “Robust regression and outlier detection,” John Wiley & Sons, Inc, New York (1987).

 

W.B. Size, “Use and abuse of statistical methods in the earth sciences,” New York, Oxford (1986).