Scheda programma d'esame
CHEMIOMETRICS - MOD. B
FABIO DI FRANCESCO
Academic year2020/21
CourseCHEMISTRY
Code359CC
Credits3
PeriodSemester 2
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
CHEMIOMETRIA - MOD. BCHIM/01LEZIONI0
FABIO DI FRANCESCO unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Il corso fornisce allo studente le nozioni basilari relative alla progettazione degli esperimenti.

Knowledge

The course supplies the student with basic knowledge concerning the experimental design.

Modalità di verifica delle conoscenze

Per l'accertamento delle conoscenze verrà svolto un esame scritto.

Assessment criteria of knowledge

The acquired knowledge will be evaluated with a written exam.

Capacità

Lo studente sarà in grado di progettare campagne di esperimenti ottimali volti allo studio e modellazione di sistemi complessi.

Skills

The student will be able to design optimal experimental campaigns to study and model complex systems.

Modalità di verifica delle capacità

Lo studente dovrà elaborare dati forniti dal docente, ricavando e validando modelli.

Assessment criteria of skills

The student will analyse data supplied from the professor, build and validate models.

Comportamenti

Lo studente imparerà a gestire l’organizzazione di un lavoro sperimentale per la raccolta ed analisi di dati.

Behaviors

The student will learn how to manage an experimental campaign for the collection and analysis of data.

Modalità di verifica dei comportamenti

Verranno svolte prove in itinere durante le lezioni frontali, sarà stimolata la discussione tra il docente e gli studenti.

Assessment criteria of behaviors

Tests will be performed during lessons, the discussion and interaction between the class and the professor will be encouraged.

Prerequisiti (conoscenze iniziali)

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.

Prerequisites

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.

Indicazioni metodologiche
  • lezioni frontali con ausilio di diapositive
  • agli studenti è dato accesso ad uno spazio digitale condiviso contenente diapositive, materiale di supporto e registrazioni video delle lezioni
  • il docente è disponile a ricevimento su richiesta (via email)
Teaching methods
  • lessons supported by slide presentations
  • students are given access to a digital repository cotaining slide presentations, supporting material and video lesson files
  • the professor is available for reception and consultation upon request (email him)
Programma (contenuti dell'insegnamento)

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

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

Accascina, Villani, Algebra lineare, ETS;

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

Myers, Generalized linear models, Wiley, (2010)

Bibliography

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

Myers, Generalized linear models, Wiley, (2010)

Indicazioni per non frequentanti

Ai non frequentanti è consigliato richiedere al docente il materiale del corso e di contattarlo per ricevimenti.

Non-attending students info

Students not attending the lessons are suggested to contact the professor 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.

Assessment methods

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

Note

Nell'anno accademico 20/21 il corso sarà tenuto al secondo semestre.

Notes

During the academic year 20/21, the course will be held at the second semester.

Updated: 16/12/2020 12:40