View syllabus
CHEMOMETRICS
FRANCESCA MODUGNO
Academic year2020/21
CourseCHEMISTRY
Code353CC
Credits6
PeriodSemester 2
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
CHEMIOMETRIA MOD. ACHIM/01LEZIONI24
FRANCESCA MODUGNO unimap
CHEMIOMETRIA MOD. BCHIM/01LEZIONI24
FABIO DI FRANCESCO unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

 Al termine del corso lo studente avrà acquisito conoscenza :

  • dei metodi per la validazione e verifica di procedure analitiche, mediante statistica a singolo operatore ed esercizi interlaboratorio, e per la analisi della varianza (ANOVA).
  • dei fondamenti della chemiometria applicata alla interpretazione dei dati chimici, e delle tecniche utili per l’elaborazione di dati chimici multivariati,
  • dei fondamenti di tecniche di pattern analisi e di classificazione ed in particolare dell’analisi delle componenti principali e analisi dei cluster
  • nozioni basilari relative alla progettazione degli esperimenti

 

Knowledge

The student will acquire knowledge of:

  • Methods for the validation and verification of analytical procedures, by single-operator and inter-laboratory statistics, and variance analysis (ANOVA).
  • the fundamentals of chemometrics applied to the interpretation of chemical data, and techniques for the processing of multivariate chemical data,
  • the basic concepts of pattern analysis and classification techniques and in particular the analysis of principal components and cluster analysis
  • basic knowledge concerning the experimental design
Modalità di verifica delle conoscenze

L’accertamento delle conoscenze acquisite sarà basato sulla discussione di esempi di problematiche chimiche, sullo svolgimento di esercizi in classe, le cui soluzioni saranno discusse in gruppi e con i docenti.

Assessment criteria of knowledge

The assessment of the acquired knowledge will be based on the discussion of illustrative chemical problems and solving of exercises, whose solutions will be discussed in groups and with the teachers.

Capacità

 Abilità che verranno acquisite durante il corso:

 - Determinare e utilizzare i parametri per la messa a punto, verifica e validazione di procedure in ambito chimico

- Gestire e interpretare di dati multivariati e utilizzare software per la analisi multivariata dei dati

 - Progettare campagne di esperimenti ottimali volti allo studio e modellazione di sistemi complessi.

 

Skills

The course will provide the student with the capability to:

- determine parameters to be used in the development, verification and validation of chemical procedures;

- manage real multivariate data and use software for multivariate data analysis;

- design optimal experimental campaigns to study and model complex systems.

Modalità di verifica delle capacità

L’accertamento delle capacità acquisite durante il corso sarà basato sulla discussione in aula di esempi di problematiche relative a quanto spiegato nelle lezioni, nonché mediante lo svolgimento di esercizi nei quali lo studente dovrà elaborare dati forniti dai docenti, ricavando e validando modelli.

Assessment criteria of skills

The assessment of the skills will be based on the discussion in the classroom of examples of problems related to the lessons, as well as by mean of exercises concerning data analysis, model building and validatation.

Comportamenti

Durante il corso gli studenti saranno portati ad acquisire un atteggiamento critico e rigoroso nei confronti della descrizione di procedure chimiche, della loro messa a punto e dell'analisi dei risultati ottenuti, ed incoraggiati ad esprimersi a riguardo con un linguaggio scientifico corretto ed accurato. La discussione delle problematiche presentate con i compagni ed i docenti sarà spunto per l’acquisizione di un atteggiamento costruttivo nel problem solving di gruppo.

Behaviors

Students will acquire a critical and rigorous attitude towards the description, selection and development of chemical procedures and multivariate data, and will be encouraged to use a correct and accurate scientific language. The discussion of problems with the class and the teachers will be the starting point for the acquisition of a constructive attitude towards group problem-solving.

Modalità di verifica dei comportamenti

Durante le discussioni e le esercitazioni in gruppo saranno verificate le capacità degli studenti di esprimersi con un linguaggio rigoroso e preciso e di collaborare costruttivamente con gli altri.

Assessment criteria of behaviors

During discussions and group exercises, students' ability to use a rigorous and precise language and to collaborate constructively with others will be tested.

Prerequisiti (conoscenze iniziali)

Sono requisiti essenziali le conoscenze e le capacità acquisite nei corsi di Chimica Analitica e di Matematica del corso di laurea triennale in chimica o in chimica Industriale. In particolare, è consigliato richiamare nozioni di algebra lineare quali prodotto di matrici, determinanti, inversione di una matrice, risoluzione di un sistema di equazioni lineari. E’ utile la conoscenza di elementi di statistica, media, deviazione standard, test t ed F, propagazione degli errori.

Prerequisites

The knowledge and skills acquired in previous courses in Analytical Chemistry and Mathematics are essential requirements to fruitfully attend this course. In particular, the student is suggested to review basic notions of linear algebrasuch as product of matrices, determinant of a matrix, inverse matrix, resolution of a system of linear equations. Basic statistics (average, standard deviation, probability distributions, t and F test and error propagation) are also useful.

Corequisiti

Conoscenze di matematica, geometria, statistica di base ed algebra lineare. Capacità di utilizzare un foglio di calcolo.

Co-requisites

Knowledge of mathematics, geometry, basic statistics and linear algebra. Ability to use a spreadsheet.

Indicazioni metodologiche

Il corso si svolgerà mediante lezioni frontali (o su piattaforma Teams in caso di restrizioni) con ausilio di diapositive. Per le esercitazioni gli studenti dovranno usare un proprio PC e software per analisi di dati, svolgendo esercizi sia da soli che in gruppo. Verranno fornite dispense e materiale didattico.

Il sito di e-learning del corso ed uno spazio drive condiviso saranno utilizzati costantemente per condividere con gli studenti il materiale didattico e il file di dati utilizzati nelle esercitazioni, nonché per le comunicazioni docente-studenti e per la condivisione del materiale bibliografico.

Potranno essere organizzati seminari da parte di docenti esterni, e gli studenti potranno essere incoraggiati a partecipare a seminari esterni al corso.

Teaching methods

The course will take place through lectures (or Teams platform in case of restrictions) with the aid of slides. For the exercises, students will have to use their own PC and software for data analysis, carrying out exercises both alone and in groups. Handouts and teaching material will be provided.

The e-learning website of the course and a shared drive space will be used constantly to share the teaching material and the data file used in the exercises with the students, as well as for teacher-student communications and for sharing bibliographic material.

Seminars may be organized by external lecturers, and students may be encouraged to participate in seminars outside the course.

Programma (contenuti dell'insegnamento)

Modulo A (Prof. Francesca Modugno)

Metodi per la validazione e verifica di procedure analitiche, mediante statistica a singolo operatore ed esercizi interlaboratorio. Analisi della varianza (ANOVA).

Fondamenti delle tecniche utili per l’elaborazione di dati chimici multivariati, introduzione alla gestione dei dati reali e avvio all’utilizzazione del software specifico.

Introduzione alla chemiometria: la chemiometria nel contesto scientifico, l’analisi di un “problema complesso”.

La struttura multidimensionale dei dati: campioni e variabili, il pretrattamento dei dati, i dati mancanti, le trasformazioni delle variabili, la scalatura dei dati.

Richiami di algebra matriciale, matrici varianza-covarianza, matrici di correlazione, distanza e similarità nello spazio multidimensionale.

Trasformazioni lineari.

Metodi di pattern analisi:

Analisi delle componenti principali (PCA): loadings e scores in PCA, la correlazione nei dati, il numero di componenti significative. Interpretazione dei risultati, esempi pratici.

Analisi dei cluster: matrice delle distanze e matrice delle similarità, esempi di metodi gerarchici e non gerarchici per l’analisi dei cluster. Interpretazione dei risultati, esempi pratici.

Metodi di classificazione:

esempi di metodi di classificazione, matrice di confusione, parametri di valutazione dei modelli di classificazione.

Metodi di regressione: il metodo dei minimi quadrati ordinari, parametri di valutazione dei modelli di regressione, il metodo partial least squares regression.

 

MODULO B  (Prof. Fabio Di Francesco)

L’introduzione al disegno sperimentale prevede la definizione del concetto di modello, l’analisi della varianza ed un’illustrazione dei vantaggi della progettazione degli esperimenti in confronto all’approccio una variabile per volta. Viene definita la matrice di un modello, e viene mostrato come ricavare ed interpretare i coefficienti, illustrato il concetto di leverage e l’effetto della distribuzione dei punti sperimentali nel dominio sperimentale sull'incertezza di un modello. Vengono mostrati diversi disegni di screening (fattoriale completo, determinazione della significatività dei coefficienti, validazione del modello, fattoriale fratto, Placket Burman) e metodi di ottimizzazione (metodo del simplesso, disegni di Dohelert, disegni centrali composti, disegni D-Optimal) attraverso i quali ricavare le superfici di risposta.

 

 

Syllabus

Module A (Prof. Francesca Modugno)

Methods for the validation and verification of analytical procedures, by means of single operator statistics and interlaboratory exercises. Analysis of variance (ANOVA).

Fundamentals of techniques useful for the processing of multivariate chemical data, introduction to the management of real data and start of the use of specific software.

Introduction to chemometry: chemometry in the scientific context, the analysis of a "complex problem".

The multidimensional structure of the data: samples and variables, the pretreatment of the data, the missing data, the transformations of the variables, the scaling of the data.

Review of matrix algebra, variance-covariance matrices, correlation matrices, distance and similarity in multidimensional space.

Linear transformations.

Pattern analysis methods:

Principal component analysis (PCA): loadings and scores in PCA, correlation in data, number of significant components. Interpretation of results, practical examples.

Cluster analysis: distance matrix and similarity matrix, examples of hierarchical and non-hierarchical methods for cluster analysis. Interpretation of results, practical examples.

Classification methods:

examples of classification methods, confusion matrix, evaluation parameters of classification models.

Regression methods: the ordinary least squares method, evaluation parameters of regression models, the partial least squares regression method.

 

Module B (Prof. Fabio Di Francesco)

The introduction to experimental design includes the definition of the concept of model, the analysis of variance and a clarification of the advantages of experimental design towards the one-variable at a time approach.  The model matrix is defined, and it is shown how to calculate and interpret model coefficients. The concept of leverage is introduced and the effect of different distributions of the experiments in the experimental domain on the model uncertainty is shown.  Different screening designs are shown (full factorial, fractional factorial, Plackett-Burman) and optimization methods (simplex methods, Dohelert design, central composite design, D-optimal design) that allow to determine  response surfaces.

Bibliografia e materiale didattico

 Matthias Otto, Chemometrics: Statistics and Computer Application in Analytical Chemistry© 2017 Wiley-VCH Verlag GmbH & Co. KGaA, ISBN: 9783527699377

Richard G. Brereton, Chemometrics: Data Analysis for the Laboratory and Chemical Plant, 2003 John Wiley & Sons, Ltd, ISBN: 9780471489771

- Fundamental Reviews of Chemometrics, Analytical Chemistry, April issues of even-numbered years (before 1980 “Fundamental Reviews of Statistical and Mathematical Methods in Analytical Chemistry”)

Journal of Chemometrics  http://www3.interscience.wiley.com/cgi-bin/jhome/4425

Journal of Chemometrica and Intelligent Laboratory Systems  http://www.sciencedirect.com/science/journal/01697439

 

Accascina, Villani, Algebra lineare, ETS;

Chemometrics, R.G. Brereton, Wiley, (2003)

Myers, Generalized linear models, Wiley, (2010)

 

 

Bibliography

Matthias Otto, Chemometrics: Statistics and Computer Application in Analytical Chemistry© 2017 Wiley-VCH Verlag GmbH & Co. KGaA, ISBN: 9783527699377

Richard G. Brereton, Chemometrics: Data Analysis for the Laboratory and Chemical Plant, 2003 John Wiley & Sons, Ltd, ISBN: 9780471489771

- Fundamental Reviews of Chemometrics, Analytical Chemistry, April issues of even-numbered years (before 1980 “Fundamental Reviews of Statistical and Mathematical Methods in Analytical Chemistry”)

Journal of Chemometrics  http://www3.interscience.wiley.com/cgi-bin/jhome/4425

Journal of Chemometrica and Intelligent Laboratory Systems  http://www.sciencedirect.com/science/journal/01697439

Chemometrics, R.G. Brereton, Wiley, (2003)

Myers, Generalized linear models, Wiley, (2010)

Indicazioni per non frequentanti

Ai non frequentanti è consigliato richiedere ai docenti il materiale del corso e di contattarli per ricevimenti.

Non-attending students info

Students not attending the lessons are suggested to contact the teachers to receive the educational material and for consultation.

Modalità d'esame

L'esame è composto da una prova pratica da effettuare mediante computer e da un eventuale colloquio sui contenuti del corso. 

La prova è superata se il candidato ottiene un punteggio sufficiente alla prova scritta e si esprime in modo chiaro usando una terminologia appropriata, rispondendo correttamente alle domande sugli argomenti fondamentali.

Assessment methods

The exam includes a practical test involving the use of a computer and a possible interview concerning the contents of the course.

The test is passed if the candidate scores enough in the written test and expresses himself clearly using appropriate terminology, correctly answering the questions on the fundamental topics.

 

Note

Il corso 2020-2021 si terrà al secondo semestre.

Notes

The 2020-2021 course will be held in the second semester.

Updated: 16/12/2020 12:36