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




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




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




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)

tema 0 introducción

Education