Técnica de muestra única con ajuste de errores mediante Bootstrap

En estadística , la técnica de remuestreo bootstrap con ajuste de errores para una sola muestra ( BEST o BEAST ) es un método no paramétrico que permite evaluar la validez de una muestra individual. Se basa en la estimación de una distribución de probabilidad que representa lo que se puede esperar de muestras válidas. ^{[ 1 ]} Esto se realiza mediante un método estadístico llamado remuestreo bootstrap , aplicado a muestras previas cuya validez se conoce.

BEST ofrece ventajas sobre otros métodos, como la métrica de Mahalanobis , porque no presupone que todos los grupos espectrales tengan covarianzas iguales ni que cada grupo provenga de una población con distribución normal . ^{[ 2 ]} Un enfoque cuantitativo combina BEST con un algoritmo de análisis de conglomerados no paramétrico . Se calculan las desviaciones estándar multidimensionales (MDS) entre los conglomerados y los puntos de datos espectrales, donde BEST considera que cada frecuencia proviene de una dimensión independiente. ^{[ 3 ]}

BEST se basa en una población P, relativa a un hiperespacio R, que representa el universo de muestras posibles. P ^* son los valores obtenidos de P a partir de un conjunto de calibración T. T se utiliza para encontrar todas las variaciones posibles en P. P ^* está delimitado por los parámetros C y B. C es el valor esperado de P, escrito E(P), y B es una distribución de remuestreo denominada aproximación de Monte Carlo . La desviación estándar se puede calcular mediante esta técnica. Los valores de B proyectados en el hiperespacio dan lugar a X. La hiperlínea que va de C a X da lugar a la desviación estándar ajustada por asimetría, que se calcula en ambas direcciones de la hiperlínea. ^{[ 4 ]}

BEST se utiliza para detectar la manipulación de muestras en productos farmacéuticos. Las muestras válidas (no alteradas) se definen como aquellas que se encuentran dentro del grupo de puntos del conjunto de entrenamiento cuando BEST se entrena con muestras de producto no alteradas. Las muestras falsas (manipuladas) son aquellas que se encuentran fuera de dicho grupo. ^{[ 1 ]}

Métodos como ICP-AES requieren que las cápsulas se vacíen para su análisis. Un método no destructivo es valioso. Un método como NIRA se puede acoplar al método BEST de las siguientes maneras. ^{[ 1 ]}

• Detecte cualquier producto manipulado determinando que no es similar al producto no alterado analizado previamente.
• Identificar cuantitativamente el contaminante a partir de una base de datos de adulterantes conocidos en ese producto.
• Proporcionar una indicación cuantitativa de la cantidad de contaminante presente.

• Lodder, R.; Hieftje, G. (1988). "Quantile BEAST aborda el problema de la muestra falsa en el análisis de reflectancia en el infrarrojo cercano" . Applied Spectroscopy . 42 (8): 1351– 1365. Bibcode : 1988ApSpe..42.1351L . doi : 10.1366/0003702884429652 . S2CID 67835182 . 
• Y. Zou, Robert A. Lodder (1993) "Una investigación del rendimiento del BEAST de cuantiles extendidos en hiperespacio de alta dimensión", artículo n.° 885 en la Conferencia de Pittsburgh sobre Química Analítica y Espectroscopia Aplicada, Atlanta, GA
• Y. Zou, Robert A. Lodder (1993) "El efecto de diferentes distribuciones de datos en el rendimiento del BEAST de cuantiles extendidos en el reconocimiento de patrones", artículo n.° 593 en la Conferencia de Pittsburgh sobre Química Analítica y Espectroscopia Aplicada, Atlanta, GA