ECTS - University of Pisa
| Modules | Area | Type | Hours | Teacher(s) | |
| CHEMIOMETRIA | CHIM/01 | LEZIONI | 24 |
|
Il corso fornisce allo studente le nozioni basilari relative alla progettazione degli esperimenti ed all’analisi di dati multivariati.
The course supplies the student with basic knowledge concerning the experimental design and multivariate data analysis.
Per l'accertamento delle conoscenze verrà svolto un colloquio individuale.
The acquired knowledge will be evaluated with an oral exam.
Lo studente sarà in grado di progettare campagne di esperimenti ottimali volti allo studio e modellazione di sistemi complessi, e sarà in grado di analizzare dati multivariati.
The student will be able to design optimal experimental campaigns to study and model complex systems. He/her will be capable to analyse multivariate data.
Lo studente dovrà elaborare dati forniti dal docente, ricavando e validando modelli.
The student will analyse data supplied from the professor, build and validate models.
Lo studente imparerà a gestire l’organizzazione di un lavoro in gruppo per la raccolta ed analisi di dati sperimentali.
The student will learn how to manage a cooperative work for the collection and analysis of experimental data.
Verranno svolte prove in itinere durante le lezioni frontali, sarà stimolata la discussione tra il docente e gli studenti.
Tests will be performed during lessons, the discussion and interaction between the class and the professor will be encouraged.
E’ consigliato richiamare le nozioni di algebra lineare acquisite nel corso della laurea triennale, in particolare prodotto di matrici, determinanti, inversione di una matrice, risoluzione di un sistema di equazioni lineari. Questi argomenti saranno oggetto di ripasso nel corso delle lezioni. E’ utile la conoscenza di elementi di statistica, media, deviazione standard, test t ed F, propagazione degli errori.
The student is suggested to review the basic notions of linear algebra acquired during bachelorate, in particular product of matrices, determinant of a matrix, inverse matrix, resolution of a system of linear equations. These topics will be shortly reviewed during lessons. Basic statistics (average, standard deviation, probability distributions, t and F test and error propagation) are also useful.
Gli argomenti per corso possono essere utili per l’attività di tesi.
The contents of the course might be useful for the thesis.
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. L’analisi esplorativa di dati multivariati è basata fondamentalmente sull’analisi delle componenti principali, ci segue una breve introduzione ai metodi di classificazione: analisi dei cluster, kNN, reti neurali.
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 the response surface. Explorative data analysis is mainly based on principal component analysis, and classification methods are briefly introduced: cluster analysis, kNN, neural networks.
Accascina, Villani, Algebra lineare, ETS;
Chemometrics, R.G. Brereton, Wiley, (2003)
Introduzione alla chemiometria, Todeschini, Edises (1998)
Accascina, Villani, Algebra lineare, ETS;
Chemometrics, R.G. Brereton, Wiley, (2003)
Introduzione alla chemiometria, Todeschini, Edises (1998)
Ai non frequentanti è consigliato richiedere al docente il materiale del corso e di contattarlo per ricevimenti.
Students not attending the lessons are suggested to contact the professor to receive the educational material and for consultation.
L'esame è composto da una prova pratica da effettuare mediante computer e da un colloquio sui contenuti del corso.
The exam includes a practical test involving the use of a computer and a colloquium concerning the content of the course.
Non previsti.
Not applicable.
