Analizy chemometryczne w Statistica – kurs podstawowy

online 2 dni

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.

  • Program
  • Prowadzący
  • Informacje organizacyjne
  • Ceny

Program szkolenia:

  1. Wstęp
    • cele i program szkolenia
  2. Wprowadzenie teoretyczne do technik chemometrycznych
  3. Planowanie i wykonanie eksperymentu
    • wyniki analiz
    • opis doświadczenia
    • parametry eksperymentu
    • ocena organoleptyczna (głównie wizualna/zapachowa) jakości próbek
  4. 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
  5. Podstawowe informacje o zarządzaniu arkuszem
    • usuwanie danych parami
    • zstępowanie średnią
    • etykiety tekstowe – włączanie/wyłączanie przypadków
  6. 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”
  7. 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
  8. Analiza funkcji dyskryminacyjnej: LDA (ang.: Linear Discriminant Analysis)
    • wstęp teoretyczny
    • analiza krokowa (standardowa, postępująca)
    • wybór zmiennych
    • definiowanie analizy
    • interpretacja wyników
  9. Przykłady do samodzielnej analizy

Polecamy kolejne szkolenia:                                         

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

Podobne szkolenia

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 metod modelowania tego […]

Dowiedz się więcej

Analizy wielowymiarowe w Python

Podczas kursu zaprezentowane zostaną najpopularniejsze metody wielowymiarowe, które znajdują zastosowanie w analizie zjawisk złożonych, opisanych za pomocą dużej liczby zmiennych. Uczestnicy poznają […]

Dowiedz się więcej

Sztuczna inteligencja – podstawy i zastosowania

Szkolenie polecamy wszystkim, którzy chcą poznać podstawy sztucznej inteligencji (AI), nauczyć się efektywnego korzystania z jej narzędzi oraz zrozumieć jej zastosowania w życiu codziennym […]

Dowiedz się więcej

Masz pytania?

Porozmawiaj z nami!

Jesteśmy tutaj, aby pomóc i rozwiać wszystkie Twoje wątpliwości. Wypełnij formularz, napisz do nas maila lub zadzwoń – odpowiemy najszybciej, jak to możliwe!

    Przejdź do treści