为什么，以及如何，地质学家应该使用成分数据分析/总结

成分数据在科学的几个分支中自然产生，包括地质学。例如，在地球化学中，当对原始数据进行归一化或从受约束的估计程序（如每单位的含量、百分比、ppm、ppb、摩尔浓度等）中获得输出时，这些受约束的数据似乎经常出现。

成分数据在统计处理方面一直很困难，因为存在一个尴尬的约束条件，即每个向量的分量必须加起来为 1。成分数据的特殊性质（每个样本的测定值加起来为一个常数这一事实）意味着研究中涉及的变量发生在由单纯形定义的约束空间中，单纯形是实空间的一个受限部分。

Pearson 第一个指出，当试图解释分子和分母包含共同部分的比率之间的相关性时，分析师可能会遇到的危险。最近，Aitchison、Pawlowsky-Glahn、S. Thió 等统计学家发展了成分数据分析的概念，指出了在用“正常”统计方法处理封闭数据时误解的危险。

重要的是，地球化学家和一般的地质学家要意识到，常用的多元统计技术不适用于约束数据。我们也需要访问适当的技术，因为它们变得可用。这是本书的主要目标。

从与长英质侵入体相关的铜矿化的假设模型出发，该模型具有某些元素之间的特定关系，我将展示“正常”相关方法如何未能识别一些嵌入的关系，以及我们如何获得其他虚假的相关性。从那里，我将使用 CRL、ARL 和 IRL 转换以及 CoDaPack 软件的帮助，在转换数据后测试相同的模型。

由于我将此出版物面向一般的地质学家和地球科学家，因此我将数学公式保持在最低限度，并且没有包含任何理论证明。如果存在“数学好奇地质学家”这一类别，他们可以在参考部分的一系列推荐资源中找到所有这些内容。

那么，让我们从介绍我们将要测试的矿化模型开始。