Analizy chemometryczne w Statistica – kurs podstawowy

online 2 dni

Use Case: Industry, Quality, Technology, Other Sciences

Software: Statistica | Level: Beginner/Entry-level | Language: Polish

Po wprowadzeniu teoretycznym do zagadnienia analizy danych uczestnicy poznają techniki planowania i wykonania eksperymentu. Zostaną omówione podstawowe techniki analizy chemometrycznej:

analiza podobieństwa (analiza skupień, jednoczesna analiza obiektów i cech),
analiza dyskryminacyjna,
analiza głównych składowych.

Dane wykorzystywane w trakcie szkolenia pochodzą z rzeczywistych badań chemiczno-mikrobiologicznych opublikowanych w literaturze o zasięgu światowym.

Dla kogo?

Dla wszystkich, którzy chcą poznać podstawowe techniki analizy chemometrycznej.

Co zyskasz?

Dowiesz się, jak prawidłowo zaplanować i przeprowadzić eksperyment.
Poznasz strategie postępowania w przypadku braków danych (stężenie analitu jest niższe niż granica wykrywalności metody analitycznej lub nie wykonano pomiaru).
Poznasz znaczenie etapu kontroli danych i strategie transformacji zmiennych.
Dowiesz się, jak radzić sobie z problemami jakości wyników analiz, opisem doświadczenia i subiektywną oceną jakości próbek.
Nauczysz się przeprowadzać analizę podobieństwa, analizę dyskryminacyjną, analizę składowych głównych.
Dowiesz się, jak ułatwić sobie pracę, wykorzystując program Statistica.

Sign up

Book / Enquire

Program
Speaker
Organizational information
Prices

Program szkolenia:

Wstęp
- cele i program szkolenia
Wprowadzenie teoretyczne do technik chemometrycznych
Planowanie i wykonanie eksperymentu
- wyniki analiz
- opis doświadczenia
- parametry eksperymentu
- ocena organoleptyczna (głównie wizualna/zapachowa) jakości próbek
Przygotowanie danych
- braki danych
  - zastępowanie braków w danych w przypadku gdy wartość oznaczenia była niższa niż granica wykrywalności metody analitycznej
  - zastępowanie braków w sytuacji gdy nie wykonano pomiaru
- kontrola danych
  - wyeliminowanie pomyłek powstałych w trakcie przygotowania danych, czyli tzw. „błędów grubych”
  - wykrycie w zbiorze danych obiektów różniących się istotnie od innych, czyli tzw. punktów odbiegających
  - uzyskanie przesłanek do ewentualnej transformacji niektórych zmiennych
  - określenie jednorodności zbioru danych, czyli potwierdzenie pochodzenia wszystkich danych z tej samej populacji
- transformacja zmiennych
  - normalizacja
  - autoskalowanie
  - centrowanie
  - inne
Podstawowe informacje o zarządzaniu arkuszem
- usuwanie danych parami
- zstępowanie średnią
- etykiety tekstowe – włączanie/wyłączanie przypadków
Analiza podobieństwa – CA (ang.: Cluster Analysis)
- wstęp teoretyczny
- analiza skupień (grupowanie względem obiektów i cech)
  - metody aglomeracji (pojedyncze wiązanie, pełne wiązanie, średnich połączeń, średnich połączeń ważonych, metoda Warda)
  - miary odległości (odległość euklidesowa, odległość kwadratowa euklidesowa, odległość Manhattan, odległość Czebyszewa, 1-r Persona, niezgodność procentowa)
  - indeks Sneatha w ocenie ilości statystycznie istotnych skupisk
- jednoczesna analiza obiektów i cech, technika „cluster imaging”
Techniki czynnikowe: PCA (technika analizy głównych składowych; ang.: Principal Component Analysis)
- wstęp teoretyczny
- definiowanie analizy
- identyfikowanie liczby istotnych czynników (wykres osuwiska, kryterium jedności)
- strategie rotacji
- interpretacja głównych składowych (wartość własna, % wyjaśnionej wariancji, % skumulowany wyjaśnionej wariancji)
- wizualizacja
- wyjaśnienie różnicy pomiędzy wizualizacją ładunków czynnikowych i wartości czynnikowych
Analiza funkcji dyskryminacyjnej: LDA (ang.: Linear Discriminant Analysis)
- wstęp teoretyczny
- analiza krokowa (standardowa, postępująca)
- wybór zmiennych
- definiowanie analizy
- interpretacja wyników
Przykłady do samodzielnej analizy

Polecamy kolejne szkolenia:

Z cyklu data mining
DOE – komputerowe wspomaganie planowania
i analizy statystycznej badań innowacyjnych

[PL} Portret uśmiechniętego prof. dr hab. inż. Aleksandera Astela w niebieskiej koszuli na jasnym tle. [EN] A portrait of the smiling Professor Aleksander Astel in a blue shirt against a light background.

Prof. Aleksander Astel

Specializes in the application of chemometric methods (factor analysis, supervised and unsupervised clustering, regression and receptor models) for exploring databases obtained from environmental monitoring, toxicological analyses, and microplastics detection in biotic and abiotic samples. In recent years, his interests have extended to feature detection and image processing for coordinate measuring machines using classical algorithms and neural networks. Collaborates with StatSoft since 2004. Delivers training in Chemometric Analysis in Statistica – Basic Course and Advanced Chemometric Analysis in Statistica. He has led scientific grants including “Optimization of Chemometric Techniques for the Exploration and Modeling of Chemical Pollution Monitoring Data,” “Hydroecological Conditions of Coastal Lake Ecosystems in the Southern Baltic,” and “Impact of Ecological Disaster-Induced Deforestation on the Spatial Differentiation and Chemical Changes in Spring and Surface Waters in the Silesian Beskids.” Author of nearly 100 publications indexed in Scopus. Professor at the Department of Environmental Chemistry and Toxicology, Pomeranian University in Słupsk, and data analysis engineer at Carl Zeiss IQS Software R&D Center.

Kurs odbywa się online.

Wymagania:

Umiejętność obsługi komputera w środowisku Windows
Podstawowa znajomość pakietu Statistica.

Zalecamy wcześniejszy udział w kursie Statistica kurs podstawowy lub Statystyka dla niestatystyków

Cena regularna: 2 795 zł

Cena dla akademickich użytkowników Statistica (-20%)*: 2 236 zł

*-20% dla akademickich użytkowników Statistica z aktywnym serwisem StatSoft Polska

Podane ceny są cenami netto i należy do nich doliczyć podatek VAT. Ceny mogą ulec zmianie.

Similar courses

Prognozowanie i analiza danych w energetyce

Szkolenie wprowadza od podstaw niezbędne pojęcia statystyczne, a następnie kolejne metody analityczne: analizę regresji, metody prognozowania szeregów czasowych, prognozowanie za pomocą […]

Learn more

Praktyczne zastosowania technik regresyjnych w Statistica

Jednym z głównych celów badań jest ilościowy opis powiązań pomiędzy zjawiskami i wywołującymi je czynnikami. Szkolenie jest poświęcone omówieniu statystycznych […]

Learn more

Data mining – kurs podstawowy

Data mining (inaczej uczenie maszynowe, ang. machine learning) jest działem sztucznej inteligencji, coraz częściej stosowanym w nauce, badaniach innowacyjnych i rozmaitych zastosowaniach […]

Learn more