Chemometria applicata - Prof. Marcello Mascini - a.a. 2022/2023
ATTENZIONE: i contenuti di questo corso sono relativi all'anno accademico 2022/2023
Topic outline
-
Professore Associato di chimica analitica (chim03/A1)Per info scrivere a: mmascini@unite.it
Titolare da più' di 15 anni dei corsi di Chimica, Elementi di Chimica, Laboratorio di analisi chimiche degli alimenti, Analisi Controllo Qualità, Trattamento Statistico dei Dati, per i corsi di laurea e Laurea magistrale in Scienze e Tecnologie Alimentari, Veterinaria, Tutela e Benessere Animale, Viticoltura ed Enologia.
Autore di oltre 100 pubblicazioni su riviste scientifiche internazionali (70% come corresponding author) e oltre 200 partecipazioni a convegni internazionali.Il corso consiste in lezioni teoriche arricchite da esempi pratici, esercizi ed esercitazioni di elaborazioni dati usando software open access di riconosciuta validità internazionale.
La didattica viene svolta con lezioni frontali, in lingua italiana.
Il modulo si propone di fornire allo studente i concetti fondamentali della statistica multivariata a partire dalle caratteristiche dei dati univariati e le loro proprietà propedeutici all’introduzione dei concetti base dell’analisi multivariata. Verranno inoltre approfonditi i concetti relativi alla pattern recognition. utilizzando casi reali.
Lo scopo del corso è quello di fornire gli strumenti necessari per l’apprendimento di argomenti riguardanti il trattamento statistico dei dati sperimentali come ausilio agli insegnamenti successivi.
Il corso è diviso in 3 unità didattiche:
1. Richiami di Statistica univariata (1 CFU). Dati, informazioni, modelli; Tipi di dati; Rappresentazione analitica dei dati; Calibrazione e regressione. Probabilità e densità di probabilità; Media e varianza; La distribuzione normale; Metodo dei minimi quadrati; Regressione polinomiale; Regressione non-lineare; Metodo del chi^2; La validazione del modello.
2. Analisi multivariata “unsupervised” (2 CFU): Correlazione; Covarianza; Multiple linear regression; Principal component analysis (PCA); Multiple correspondence analysis (MCA); K-means clustering; Agglomerative hierarchical clustering. Esempi di elaborazione dati “unsupervised”.
3. Analisi multivariata “supervised” (2 CFU). Differenze tra “unsupervised” e “supervised” analysis; Partial least square regression (PLS); Ordinary Least Squares regression (OLS); PLS discriminant analysis (PLS-DA); Esempi di elaborazione dati “supervised”.
LIBRI DI TESTO
1. Introduzione all’Analisi dei dati strumentali. Arnaldo D'Amico Corrado Di Natale Eugenio Martinelli. Aracne Editrice
2. Dispense delle lezioni
MATERIALE DI APPROFONDIMENTO
articoli analisi multivariata- Autore: Docente del corso
PROVE INTERMEDIE
PROVA INTERMEDIA 1- Unità didattica di riferimento: termine unita' didattica
- Data: vedere Planning didattico
- Tipologia di prova: presentazione report analisi dati
MODALITA' DI VALUTAZIONE
Verifiche in itinere, presentazione di un report, colloquio orale finale -
-
-