Alla fine del corso lo studente deve sapere affrontare criticamente un processo di validazione e deve essere consapevole dei mezzi che la chemiometria offre nella visualizzazione di grandi data set; della possibilità di classificazione e quantificazione di risposte multivariate.
Prerequisiti
Conoscenze della statistica descrittiva di base, gestione di programmi di calcolo (Excel).
Metodi didattici
Il corso è costituito da lezioni frontali seguite da largo spazio dedicato a esperienze in laboratorio informatico, eseguite in prima persona dallo studente, su data set forniti dal docente. Verranno percorsi i vari stadi di una validazione. Si utilizzerà Excel e un software chemiometrico open source ricorrendo a numerose esercitazioni pratiche.
Verifica Apprendimento
L’esame consiste nella valutazione delle attività di laboratorio e in una produzione personale che verrà esposta durante l’esame orale che si svolge alla fine del corso.
Testi
E. Desimoni, B. Brunetti, “L'elaborazione dei dati nel laboratorio di analisi chimiche”, Bologna, CLUEB, 2010. "Basic Chemometrics for Analytical Chemists" J. Andreade-Garda e R. Leardi, Word Scientific, 2025, ISSN: 2059-7738
Contenuti
Programma e contenuti CONTENUTI 8000 Sì La prima parte del corso riguarda le procedure per la validazione di un metodo analitico utilizzato in un’analisi chimica, con particolare riferimento a problemi di selettività, esattezza, precisione, incertezza, robustezza e recupero. Nella seconda parte si illustrano le tematiche relative alla struttura multivariata dei dati e alla visualizzazione dei dataset multidimensionali. Verranno illustrate le tecniche unsupervised con ampio risalto all’analisi delle componenti principali; PCA e la 3wayPCA, e le tecniche supervised, qualitative (classificazione) e quantitative (Partial Least Square Regression, PLS). The first part of the course deals with the procedures for an analytical method validation employed in chemical analysis, in detail referred selectivity, accuracy, precision, uncertainty, robustness and recovery. In the second part, the topics related to the multivariate structure of data and multidimensional dataset visualization are illustrated. Unsupervised techniques will be introduced with ample emphasis on the principal component analysis, PCA, 3wayPCA, and supervised, qualitative (classification) and quantitative techniques (Partial Least Square Regression, PLS).
