Introdução a Quimiometria
Vitor HugoAluno de mestrado em Química/PPGQ-UFRPE
Atividade do estágio à docência/CAPES
Universidade Federal de PernambucoCCEN / DQF
Química Analítica L1
1 Introdução à Quimiometria
4 Planejamento e Otimização de Experimentos
2 Reconhecimento de Padrões/Classificação
3 Calibração Multivariada
ÍNDICE
Introdução a Quimiometria
1 INTRODUÇÃO À QUIMIOMETRIA
Microcomputador
Instrumentos Analíticos Modernos
Muitos dados gerados por amostra
QUIMIOMETRIA
InformaçãoInformação
1 INTRODUÇÃO À QUIMIOMETRIA
Definição de Quimiometria
“Disciplina da química que usa métodos matemáticos e estatísticos para
planejar ou selecionar experimentos de forma otimizada e para fornecer o
máximo de informação química na análise de dados de natureza multivariada” *.
*Márcia M. C. Ferreira et al, Química Nova, 22(5),1999, 724-731
Definição Geral de Quimiometria
“Utilização de técnicas estatísticas e matemáticas para analisar dados
químicos”**.
**K.R. Beebe, R.J. Pell e M.B. Seasholtz, “Chemometrics-A Pratical Guide”, 1998
1 INTRODUÇÃO À QUIMIOMETRIA
Quimiometria
Reconhecimento de Padrões/classificação
Calibração Multivariada
Planejamento e Otimização de Experimentos
2 RECONHECIMENTO DE PADRÕES/CLASSIFICAÇÃO
Encontrar similaridades e diferenças entre grupos de
amostras que foram submetidos a algum tipo de análise.
SupervisionadosNão Supervisionados
Reconhecimento de Padrões/Classificação
Matriz X
Variáveis
Avaliam a existência de agrupamentos sem utilizar oconhecimento prévio dos membros das classes, ou seja, as amostrassão examinadas utilizando apenas medidas de alguma(s) propriedade(s)com intuito de se observar agrupamentos naturais.
Reconhecimento de Padrões não supervisionados
2 RECONHECIMENTO DE PADRÕES/CLASSIFICAÇÃO
Principais técnicas não supervisionadas
� Análise de Agrupamento Hierárquico (HCA)
Análise de Componentes Principais (PCA)
HCA PCAComplementares
Reconhecimento de Padrões não supervisionados
� Análise de Componentes Principais (PCA)
2 RECONHECIMENTO DE PADRÕES/CLASSIFICAÇÃO
HCA
Reconhecimento de Padrões não supervisionados
Usa medidas de distâncias interpontos entre todas asamostras para agrupar os pares de pontos que estão mais próximos. Emseguida, os pontos são substituídos por um novo ponto através de
alguma técnica de conexão.
Dendograma: Representação gráfica de um resultado do HCA
2 RECONHECIMENTO DE PADRÕES/CLASSIFICAÇÃO
Para que serve?
� Redução de dimensionalidade
� Reconhecimento de padrões
� Detecção de amostras anômalas
� Classificação
� Seleção de variáveis
Análise de Componentes Principais (PCA)
2 RECONHECIMENTO DE PADRÕES/CLASSIFICAÇÃO
Var 1
Var
2PC1
PC2i
Pesos (loadings) – Cossenos dosângulos que as PCs fazem comos eixos das variáveis (-1 a 1).
Análise de Componentes Principais (PCA)
Escores – Coordenadas dasamostras no sistema de eixosdefinido pelas PCs.
2 RECONHECIMENTO DE PADRÕES/CLASSIFICAÇÃO
HCA PCA
Análise Exploratória dos Dados
Não é possível Classificar as amostras como pertencente a algum agrupamento previamente definido.
2 RECONHECIMENTO DE PADRÕES/CLASSIFICAÇÃO
Um conjunto de Treinamento com objetos de categoriasconhecidas é utilizado para a elaboração de modelos que sejamcapazes de identificar amostras desconhecidas.
Matriz
Y
Variáveis Índice de classes
ModeloMatemático
2 RECONHECIMENTO DE PADRÕES/CLASSIFICAÇÃO
Reconhecimento de Padrões supervisionados
Principais Técnicas
SIMCA LDA KNN
2 RECONHECIMENTO DE PADRÕES/CLASSIFICAÇÃO
Reconhecimento de Padrões supervisionados
2 RECONHECIMENTO DE PADRÕES/CLASSIFICAÇÃO
Exemplo Prático
Espectros OriginaisConhaque | Uísque | Rum | Vodca
2 RECONHECIMENTO DE PADRÕES/CLASSIFICAÇÃO
vodca
rum
uísqueconhaque
PCA aplicada aos espectros Originais
2 RECONHECIMENTO DE PADRÕES/CLASSIFICAÇÃO
Uísque
Conhaque
Rum
Vodca
HCA
2 RECONHECIMENTO DE PADRÕES/CLASSIFICAÇÃO
Construção dos modelos SIMCA para cada Grupo
PCA
2 RECONHECIMENTO DE PADRÕES/CLASSIFICAÇÃO
3 CALIBRAÇÃO MULTIVARIADA
Estabelece uma relação quantitativa (Matemática) entre aspropriedades medidas (dados analíticos) e os parâmetros deinteresse (Concentração, pH, etc.).*
*Benício B. Neto et al, Química Nova, 29(6),2006, 1401-1406
Calibração Multivariada
Matriz
Y
VariáveisParâmetro de
Interesse (Referência)
ModeloMatemático
3 CALIBRAÇÃO MULTIVARIADA
Calibração Univariada
Comprimento de onda
Abs
orbâ
ncia
Concentração
Abs
orbâ
ncia
y = ax + b
y
y – concentraçãox – Absorbânciaa – inclinação da retab - intercepto
Lei de BeerA = εbc
Concentração do analito na
amostra(Referência)
Construção de Relação Matemática
3 CALIBRAÇÃO MULTIVARIADA
Calibração Multivariada
Comprimento de onda
Abs
orbâ
ncia
Concentração
Abs
orbâ
ncia
yConcentração do analito na
amostra(Referência)
Construção de Relação Matemática
Modelos matemáticos mais robustos e com mais informação
3 CALIBRAÇÃO MULTIVARIADA
Métodos de Calibração Multivariada
�MLR – Regressão Linear Multipla
�PCR – Regressão por Componentes Principais
�PLS – Regressão pelos mínimos quadradosparciais.
3 CALIBRAÇÃO MULTIVARIADA
Exemplo Prático
3 CALIBRAÇÃO MULTIVARIADA
Modelos PLS
IR Próximo IR Médio
Densidade
Teor de Enxofre
T50%
T85%
4 PLANEJAMENTO E OTIMIZAÇÃO DE EXPERIMENTOS
Planejamento e Otimização de Experimento
Planejar e otimizar experimentos baseados em princípiosestatísticos para extrais do sistema em estudo o máximo deinformação útil, fazendo um número mínimo de experimentos.
Como a Concentração doreagente e a agitação alteram orendiemnto?
Obrigado!
E-mail : [email protected]: 2126-7241
Top Related