in samples. Uncertainty is calculat

in samples. Uncertainty is calculated using the following formula (Kim
et al., 2005) -
uij ¼ pj  xij þ MDL j

3
ð2Þ
Where,
uij= uncertainty.
pj = parameter proportional of uncertainty.
xij = concentration of specie j in sample i.
MDLj = Minimum Detection Limit.
Positive Matrix Factorization is based on multivariate factor
analysis which breaks down a matrix having species data into two
matrices; factor contribution and factor profile. The factor profile
Fig. 3.

結果 (繁體中文) 1:

在樣本。不確定性是使用以下公式來計算（金
等人，2005）。 -
為uij¼PJ？xijþMDLĴ
？
3
ð2Þ
其中，
為uij =不確定性。
PJ =不確定的參數成比例的。
xij =在樣品I物種j的濃度。
MDLj =最低檢測限。
正矩陣分解是基於多變量因子
，其分解具有物種的數據分成兩個矩陣分析
矩陣; 因素貢獻因子分佈。所述因子分佈
圖3。

結果 (繁體中文) 2:

在樣品中。不確定性使用以下公式計算（Kim
等人，2005年） -
uij 1/4 pj xij [ MDL j

3
[2]
哪裡，
uij= 不確定性。
pj = 不確定性的參數比例。
xij = 樣本 i 中規格 j 的濃度。
MDLj = 最小檢測限制。
正矩陣分解基於多變數因數
分析，將具有物種資料的矩陣分解為兩個
矩陣;要素貢獻和要素概況。因數設定檔
圖3.

結果 (繁體中文) 3:

在樣本中。使用以下公式計算不確定度（Kim
等人，2005年）-
uij四分之一Pj xij_mdl j
三
_2_
在哪裡？
uij=不確定性。
Pj=不確定度的參數比例。
xij=樣本i中的樣本j濃度。
mdlj=最小檢測限。
基於多元因數的正矩陣分解
將具有物種數據的矩陣分解為兩個的分析
矩陣；因數貢獻和因數分佈。因數分佈
圖3。