0
 
Recogida de muestras Calibración  equipos Gráficas de  Shewhart (verificación equipos) Cálculo estimadores Exactitud y Pre...
Atendiendo a la estructura de datos y los ámbitos de aplicación Análisis una única variable por muestra Estadística univar...
Análisis dos variables por muestra o  distintas muestras Análisis de una variable y una variable controlada (t, espacio, e...
Esta es una estructura de datos más compleja y que corresponde a una disposición matricial de los datos, de forma que en c...
Upcoming SlideShare
Loading in...5
×

Tema 0 Introducción

799

Published on

Published in: Education, Technology, Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
799
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
61
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Transcript of "Tema 0 Introducción"

  1. 2. Recogida de muestras Calibración equipos Gráficas de Shewhart (verificación equipos) Cálculo estimadores Exactitud y Precisión. Distribución Medida ± Incertidumbre Calidad de medida: Cálculo de incertidumbre ¿Conjunto de datos iguales o distintos? Análisis ANOVA Interlaboratorios Validación de métodos <ul><li>En 1975, la International Chemometrics Society (ICS) la definió como: </li></ul><ul><ul><li>...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. </li></ul></ul>Muestreo y métodos Optimización instrumental Análisis e Información de conjuntos de datos Tratamiento de datos
  2. 3. Atendiendo a la estructura de datos y los ámbitos de aplicación Análisis una única variable por muestra Estadística univariante clásica Análisis exploratorio Descriptiva Estimación incertidumbres Contraste simple de hipótesis… Calidad medida Calibraciones instrumentales Validaciones métodos Univariantes
  3. 4. Análisis dos variables por muestra o distintas muestras Análisis de una variable y una variable controlada (t, espacio, etc.) Estadística bivariante clásica Análisis de varianzas Contrastes de hipótesis compuestos Intervalos de confianza compuestos Regresión y correlación Calidad medida Calibraciones instrumentales indirectas Gráficas control Detección de correlación entre variables Comparación de datos de diferentes laboratorios o áreas Validaciones métodos HPLC Absorción Atómica Llama (AAF) Cromatografía de gases (GC) ICP Bivariantes
  4. 5. 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 <ul><ul><ul><li>Reducir la dimensionalidad de la matriz de datos </li></ul></ul></ul><ul><ul><ul><li>Análisis Factorial (FA), Análisis de Componentes Principales (PCA) y Análisis Factorial de Correspondencias (FCA). </li></ul></ul></ul><ul><ul><ul><li>Detectar y establecer de agrupaciones de muestras </li></ul></ul></ul><ul><ul><ul><li>Métodos de clasificación, Análisis discriminante lineal (LDA) o cuadrático (QDA), k vecinos más próximos (k-NN) y el método de redes neuronales artificiales (ANN). </li></ul></ul></ul><ul><ul><ul><li>Establecer modelos que permitan la predicción de los valores de alguna(s) variable(s) en función de los de las restantes </li></ul></ul></ul><ul><ul><ul><li>Regresión 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) </li></ul></ul></ul><ul><ul><ul><li>Algoritmos genéticos (GA) para la selección de variables o el modelado mediante el uso de redes neuronales artificiales (ANN) </li></ul></ul></ul>Multivariantes
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×