Tema 0 Introducción
-
Upload
francisco-molina -
Category
Education
-
view
823 -
download
0
Transcript of Tema 0 Introducción
DEPARTAMENTO DE QUÍMICA Y CCMM
“Prof. J.C. Vilchez Martín”
TEMA 0 Introducción
En 1975, la International Chemometrics Society (ICS) la definió como:...la disciplina química que utiliza métodos matemáticos y estadísticos para diseñar o seleccionar procedimientos de medida y experimentos óptimos, y para proporcionar la máxima información química mediante el análisis de datos químicos.
Muestreo y métodos
Optimización instrumental
Análisis e Información de
conjuntos de datos
Tratamiento de datos
Recogida de muestras
Calibración equipos
Gráficas de Shewhart (verificación equipos)
Cálculo estimadores
Exactitud y Precisión. Distribución
Medida ± IncertidumbreMedida ± Incertidumbre
Calidad de medida:Cálculo de incertidumbre
¿Conjunto de datos iguales o distintos?
Análisis ANOVA
Interlaboratorios
Validación de métodos
DEPARTAMENTO DE QUÍMICA Y CCMM
“Prof. J.C. Vilchez Martín”
TEMA 0 Introducción
Atendiendo a la estructura de datos y los ámbitos de aplicaciónAtendiendo a la estructura de datos y los ámbitos de aplicación
Univariantes
Análisis una única variable por muestra
Estadística univariante clásicaAnálisis exploratorio
DescriptivaEstimación incertidumbres
Contraste simple de hipótesis…
Calidad medidaCalibraciones instrumentales
Validaciones métodos
DEPARTAMENTO DE QUÍMICA Y CCMM
“Prof. J.C. Vilchez Martín”
TEMA 0 Introducción
Bivariantes
Análisis dos variables por muestra o
distintas muestras
Análisis de una variable y una
variable controlada (t, espacio, etc.)
Estadística bivariante clásicaAnálisis de varianzas
Contrastes de hipótesis compuestosIntervalos de confianza compuestos
Regresión y correlación
Calidad medidaCalibraciones instrumentales indirectas
Gráficas controlDetección de correlación entre variables
Comparación de datos de diferentes laboratorios o áreas
Validaciones métodos
HPLC
Absorción Atómica Llama (AAF)
Cromatografía de gases (GC)
ICP
DEPARTAMENTO DE QUÍMICA Y CCMM
“Prof. J.C. Vilchez Martín”
TEMA 0 Introducción
Multivariantes
Esta es una estructura de datos más compleja y que corresponde a una
disposición matricial de los datos, de forma que en columnas se disponen las
variables determinadas experimentalmente y cada fila corresponde a cada una de las
muestras estudiadas
Reducir la dimensionalidad de la matriz de datosAnálisis Factorial (FA), Análisis de Componentes Principales (PCA) y Análisis Factorial de Correspondencias (FCA).
Detectar y establecer de agrupaciones de muestrasMétodos de clasificación, Análisis discriminante lineal (LDA) o cuadrático (QDA), k vecinos más próximos (k-NN) y el método de redes neuronales artificiales (ANN).
Establecer modelos que permitan la predicción de los valores de alguna(s) variable(s) en función de los de las restantesRegresión lineal simple, la regresión lineal múltiple (MLR), la regresión polinomial o los métodos de regresión no lineal (NLRM), la regresión en componentes principales (PCR) y la regresión en mínimos cuadrados parciales (PLS1, PLS2)
Algoritmos genéticos (GA) para la selección de variables o el modelado mediante el uso de redes neuronales artificiales (ANN)