Chemometria w analityce chemicznej
|
|
- Ignacy Kowalski
- 8 lat temu
- Przeglądów:
Transkrypt
1 Jan Mazerski Wydział Chemiczny Politechnika Gdańska Chemometria w analityce chemicznej
2 Plan wystąpienia Założenia metod chemometrycznych Chemometria z lotu ptaka Przykłady zastosowania technik chemometrycznych Kto powinien dokonywać analizy chemometrycznej danych?
3 Co to jest chemometria? Chemometria jest dziedziną nauki i techniki zajmującą się wydobywaniem użytecznej informacji z wielowymiarowych danych pomiarowych, wykorzystującą statystykę i metody numeryczne. Chemometria wywodzi się z przemysłu i ten jej praktyczny, inżynierski rodowód jest jedną z jej najmocniejszych stron.
4 Założenia metod chemometrycznych (1) badane procesy i zjawiska są wielowymiarowe: opis rzeczywistości wymaga wielu zmiennymi objaśniających, Zmienne te należy analizować jednocześnie
5 Założenia metod chemometrycznych (2) badane procesy i zjawiska są wielowymiarowe: opis rzeczywistości wymaga wielu zmiennymi objaśniających, zmienne objaśniające nie są od siebie niezależne: wiele bardzo wartościowych informacji zawartych jest w zależnościach pomiędzy zmiennymi,
6 Założenia metod chemometrycznych (3) badane procesy i zjawiska są wielowymiarowe: opis rzeczywistości wymaga wielu zmiennymi objaśniających, zmienne objaśniające nie są od siebie niezależne: wiele bardzo wartościowych informacji zawartych jest w zależnościach pomiędzy zmiennymi, wartości zmiennych pochodzą z pomiarów i obarczone są niepewnością pomiarową,
7 Założenia metod chemometrycznych (4) badane procesy i zjawiska są wielowymiarowe: opis rzeczywistości wymaga wielu zmiennymi objaśniających, zmienne objaśniające nie są od siebie niezależne: wiele bardzo wartościowych informacji zawartych jest w zależnościach pomiędzy zmiennymi, wartości zmiennych pochodzą z pomiarów i obarczone są niepewnością pomiarową, pomiar wymaga czasu i pieniędzy: należy ograniczyć ilość pomiarów do rozsądnego minimum,
8 Założenia metod chemometrycznych (5) badane procesy i zjawiska są wielowymiarowe: opis rzeczywistości wymaga wielu zmiennymi objaśniających, zmienne objaśniające nie są od siebie niezależne: wiele bardzo wartościowych informacji zawartych jest w zależnościach pomiędzy zmiennymi, wartości zmiennych pochodzą z pomiarów i obarczone są niepewnością pomiarową, pomiar wymaga czasu i pieniędzy: należy ograniczyć ilość pomiarów do rozsądnego minimum, dane mogą zawierać błędy i przekłamania,
9 Metodologia analiz chemometrycznych staranne planowanie etapu uzyskiwania danych, wnikliwa kontrola uzyskanych danych, zastosowanie właściwej metody analizy danych, kontrola wiarygodności uzyskanych wyników (walidacja).
10 Zadania analizy chemometrycznej Wizualizacja relacji występujących w wielowymiarowym zbiorze danych Wyznaczenie zależności pomiędzy dwoma zbiorami danych (kalibracja wielowymiarowa) Y=f(X) Określenie wewnętrznej struktury danych analiza rozpoznawcza Klasyfikacja obiektów Każde z zadań wymaga odpowiedniego typu danych i może być poprawnie rozwiązane jedynie przy pomocy odpowiednich metod
11 Chemometria z lotu ptaka F1 Problem? Wizualizacja danych F3 F2 Analiza czynników Y m =? X n =? Planowanie pomiarów Wykonanie pomiarów Y X Gromadzenie i kontrola wyników Y=f(X) Model zależności Analiza podobieństwa Klasyfikacja obiektów
12 Postawienie problemu F1 Problem? Wizualizacja danych F3 F2 Analiza czynników Y m =? X n =? Planowanie pomiarów Wykonanie pomiarów Y X Gromadzenie i kontrola wyników Y=f(X) Model zależności Analiza podobieństwa Klasyfikacja obiektów
13 ? Postawienie problemu Określenie celu analizy danych należy do obszaru nauk szczegółowych. Cel musi być określony jednoznacznie. Typowym błędem praktyków i zmorą chemometrii jest wykonywanie pracochłonnych i kosztownych pomiarów bez jasno określonego celu. Na tym etapie dobrze jest zdawać sobie sprawę z: możliwości wymagań i ograniczeń metod chemometrycznych
14 Planowanie pomiarów F1 Problem? Wizualizacja danych F3 F2 Analiza czynników Y m =? X n =? Planowanie pomiarów Wykonanie pomiarów Y X Gromadzenie i kontrola wyników Y=f(X) Model zależności Analiza podobieństwa Klasyfikacja obiektów
15 Y X Planowanie pomiarów Zadania stawiane przed chemometrią, należą do trudnych i ryzykownych (w sensie wiarygodności), więc w chemometrii kładzie się szczególny nacisk na właściwe zaplanowanie doświadczeń. Każdy pomiar wiąże się z ponoszeniem znacznych niekiedy kosztów. Należy więc starannie zaplanować możliwie niewielką, ale właściwie dobraną serię pomiarów.
16 Wykonanie pomiarów F1 Problem? Wizualizacja danych F3 F2 Analiza czynników Y m =? X n =? Planowanie pomiarów Wykonanie pomiarów Y X Gromadzenie i kontrola wyników Y=f(X) Model zależności Analiza podobieństwa Klasyfikacja obiektów
17 Wykonanie pomiarów Wykonanie samych pomiarów nie należy do zadań chemometrii. Wymogi: przestrzeganie zasad metrologii i dobrej praktyki laboratoryjnej. Z punktu widzenia chemometrii ważne są wszelkie uwagi dotyczące nietypowych cech próbek takich jak wygląd, zapach, kolor, konsystencja, itp.
18 Gromadzenie i kontrola wyników F1 Problem? Wizualizacja danych F3 F2 Analiza czynników Y m =? X n =? Planowanie pomiarów Wykonanie pomiarów Y X Gromadzenie i kontrola wyników Y=f(X) Model zależności Analiza podobieństwa Klasyfikacja obiektów
19 Y X Gromadzenie i kontrola wyników Etapy kontroli wyników: Wykrycie błędów grubych lub wyników odbiegających w istotny sposób od pozostałych. Ocena charakteru rozkładu wyników w obrębie każdej zmiennej. Określenie relacji pomiędzy poszczególnymi zmiennymi. Ocena jednorodności danych.
20 Wizualizacja danych F1 Problem? Wizualizacja danych F3 F2 Analiza czynników Y m =? X n =? Planowanie pomiarów Wykonanie pomiarów Y X Gromadzenie i kontrola wyników Y=f(X) Model zależności Analiza podobieństwa Klasyfikacja obiektów
21 Wizualizacja danych wielowymiarowych Jak przedstawić n-wymiarowe dane na 2-wymiarowej kartce papieru? Przestrzeń n-wymiarowa rzutowanie diagramy - mapy liniowe - diagram wiązkowy Przykład 63 próbki obsydianu zawartość 10 pierwiastków (zmienne)
22 Mapa liniowa Przykład 63 próbki obsydianu zawartość 10 pierwiastków
23 Diagram wiązkowy Przykład 63 próbki obsydianu zawartość 10 pierwiastków
24 Modelowanie zależności F1 Problem? Wizualizacja danych F3 F2 Analiza czynników Y m =? X n =? Planowanie pomiarów Wykonanie pomiarów Y X Gromadzenie i kontrola wyników Y=f(X) Model zależności NIL Analiza podobieństwa Klasyfikacja obiektów
25 Y=f(X) Modelowanie zależności Celem jest przewidywania wartości jednego zbioru zmiennych na podstawie znajomości innego zbioru zmiennych. X Y Model zależności, po starannym wykazaniu jego poprawności, możemy wykorzystać np. do kalibracji. Model chemometryczny musi posiadać zdolności prognostyczne!
26 Analiza czynników F1 Problem? Wizualizacja danych F3 F2 Analiza czynników Y m =? X n =? Planowanie pomiarów Wykonanie pomiarów Y X Archiwizacja i kontrola wyników Y=f(X) Model zależności NIL Analiza podobieństwa Klasyfikacja obiektów
27 F3 F1 F2 Analiza czynników Zmienne opisujące analizowane obiekty nie są zwykle niezależne: występują pomiędzy nimi silniejsze lub słabsze korelacje. Technika zwana analizą czynników pozwala zastąpić zbiór skorelowanych zmiennych pierwotnych zbiorem ortogonalnych (wzajemnie nieskorelowanych) sztucznych zmiennych (czynników). Przy wyznaczaniu czynników można zażądać, aby spełniały one pewne dodatkowe warunki. Można np. zażądać, aby czynniki wyznaczane były w kolejności malejącego zasobu informacji. Tak uzyskane główne składowe okazały się bardzo pomocne w innych metodach chemometrycznych.
28 Zastosowanie analizy czynników F1 Problem? Wizualizacja danych F3 F2 Analiza czynników Y m =? X n =? Planowanie pomiarów Wykonanie pomiarów Y X Gromadzenie i kontrola wyników Y=f(X) Model zależności NIL Analiza podobieństwa Klasyfikacja obiektów
29 Klasyfikacja F1 Problem? Wizualizacja danych F3 F2 Analiza czynników Y m =? X n =? Planowanie pomiarów Wykonanie pomiarów Y X Gromadzenie i kontrola wyników Y=f(X) Model zależności NIL Analiza podobieństwa Klasyfikacja obiektów
30 Klasyfikacja Klasyfikacja polega na przypisania obiektu charakteryzującego się określonym zestawem cech mierzalnych do jednej z rozłącznych grup (klas) obiektów. Przed przystąpieniem do analizy znana jest przy tym liczba klas i dysponujemy przedstawicielami każdej z nich. Problem polega na określeniu reguł klasyfikacji. NIL
31 Analiza podobieństwa F1 Problem? Wizualizacja danych F3 F2 Analiza czynników Y m =? X n =? Planowanie pomiarów Wykonanie pomiarów Y X Gromadzenie i kontrola wyników Y=f(X) Model zależności NIL Analiza podobieństwa Klasyfikacja obiektów
32 Analiza podobieństwa Celem analizy podobieństwa jest określenie wewnętrznej struktury analizowanego zbioru danych. Analiza podobieństwa dotyczy zarówno analizowanych obiektów jak i opisujących je cech. W odróżnieniu od klasyfikacji, w przypadku analizy podobieństwa nie dysponujemy z góry wiedzą na temat ewentualnych niejednorodności analizowanego zbioru obiektów. Wykrycie niejednorodności w zbiorze danych skupienia przynależność.
33 Dane do klasyfikacji F1 Problem? Wizualizacja danych F3 F2 Analiza czynników Y m =? X n =? Planowanie pomiarów Wykonanie pomiarów Y X Gromadzenie i kontrola wyników Y=f(X) Model zależności NIL Analiza podobieństwa Klasyfikacja obiektów
34 Chemometria z lotu ptaka F1 Problem? Wizualizacja danych F3 F2 Analiza czynników Y m =? X n =? Planowanie pomiarów Wykonanie pomiarów Y X Gromadzenie i kontrola wyników Y=f(X) Model zależności NIL Analiza podobieństwa Klasyfikacja obiektów
35 Zastosowania chemometrii w laboratorium analitycznym Na etapie pomiaru: kalibracja Y=f(X) Kalibracja - model matematyczny pozwalający na pośrednie oszacowania wartości pewnej cechy próbki (np. zawartości analitu), której bezpośredni pomiar jest trudny, długotrwały lub kosztowny. Na etapie interpretacji wyników: analiza rozpoznawcza Analiza rozpoznawcza (ang. exploratory analysis)- poznaniu struktury wewnętrznej oraz relacji występujących w wielowymiarowym opisie zbioru obiektów (próbek).
36 Wstępna obróbka danych Niektóre techniki pomiarowe charakteryzują się niską powtarzalnością generowanego sygnału. Należy do nich np. spektroskopia NIR: Sygnały takie, przed kalibracją lub analizą rozpoznawczą, wymagają wstępnej obróbki.
37 Widma NIR - obróbka wstępna Znane są 2 typowe sposoby wstępnej obróbki sygnału skalowanie pochodne widm
38 Skalowanie sygnału eliminuje: przesunięcia linii bazowej różnice natężenia sygnału zachowuje: kształt sygnału
39 Druga pochodna sygnału eliminuje: przesunięcia linii bazowej różnice kształtu linii bazowej zachowuje: natężenie sygnału różnice kształtu sygnału
40 Stężenie analitu Podejście klasyczne: Aby oznaczyć stężenie analitu w skomplikowanej matrycy lub w obecności związków interferujących należy najpierw analit wyizolować z matrycy lub oddzielić od związków interferujących. Kalibracja: Aby poprawnie wyznaczyć stężenie analitu w skomplikowanej matrycy bez jego izolacji należy dokonać tzw. procesu kalibracji. Tworzymy matematyczny model zależności pomiędzy sygnałem układu pomiarowego (wartością zmiennej kalibracyjnej), a stężeniem badanego analitu. Proces kalibracji wymaga pomiaru wartości zmiennej kalibrującej dla serii próbek zawierających znane stężenia analitu w takiej samej matrycy jak badane próbki o nieznanym stężeniu.
41 Dane wielowymiarowe Przyrząd wytwarza sygnał wyjściowy, gdy znajduje się w kontakcie z próbką. Sygnałem może być widmo, wskazania czujnika w czasie, chromatogram, zmiany potencjału elektrody lub prądu płynącego w układzie elektrochemicznym, itp. Sygnał rejestrowany jest zwykle w postaci cyfrowej jako uporządkowany zestaw liczb. Każdą z tych liczb można potraktować jako wartość odpowiedniej zmiennej. Sygnał zarejestrowany dla danej próbki można więc potraktować jako zbiór wartości wielu zmiennych kalibracyjnych.
42 Dane wielowymiarowe - przykład Wartości sygnałów zarejestrowanych dla czterech próbek zawierających tylko badany analit w czterech różnych stężeniach Natężenie sygnału Czas [s] Każda rejestracja zawiera 100 wartości sygnału.
43 Kalibracja jednowymiarowa Aby zbudować jednowymiarowy model kalibracyjny należy z zestawu zarejestrowanych zmiennych dokonać wyboru jednej, najodpowiedniejszej. Wybieramy zwykle zmienną o największej wartości najkorzystniejszy stosunek sygnału do szumu Natężenie sygnału Czas [s] W omawianym przykładzie wybrano wartość sygnału dla czasu t = 50 s.
44 Kalibracja globalna Przy kalibracji jednowymiarowej wykorzystujemy tylko jedną spośród wielu zmiennych (zarejestrowanych wartości sygnału). Wydaje się sensowne poszukiwanie metody pozwalającej wykorzystać wszystkie zarejestrowane wartości sygnału. Należy w tym celu zastosować jakąś wielkość globalną, tzn. taką której wartość zależy od wartości wszystkich zarejestrowanych zmiennych.
45 Opis globalny sygnału Typowe wielkości globalne: m x i i1 1 średnie natężenie sygnału x m ograniczenie szumu pomiarowego odchylenie standardowe wartości sygnału s 1 m m x i x i1 ograniczenie szumu pomiarowego i przesunięć linii bazowej 2
46 Średnie natężenie sygnału Ograniczenie niepewności pomiarowej Natężenie sygnału Sygnał surowy dla t = 50 s Czas [s] Średnie natężenie sygnału Natężenie sygnału dla t= R 2 = Natężenie sygnału dla t= R 2 = Stężenie analitu [mg/ml] Stężenie analitu [mg/ml]
47 Odchylenie standardowe sygnału 1.5 Ograniczenie niepewności pomiarowej 0.5 Uniezależnia od systematycznych lub przypadkowych zmian położenia linii zerowej czujnika Natężenie sygnału Czas [s] Natężenie sygnału Średnie natężenie sygnału R 2 = Odchylenie standardowe sygnału Odchylenie stand. sygnału R 2 = Stężenie analitu [mg/ml] Stężenie analitu [mg/ml]
48 Kalibracja jedno- a wielowymiarowej Ograniczenie kalibracji jednowymiarowej oznaczanie tylko jednego analitu, brak substancji interferujących, brak kontroli założeń Oczekiwania poprawna ocena zawartości analitu w obecności substancji interferujących jednoczesne określanie zawartości więcej niż jednego analitu
49 Zalety kalibracji wielowymiarowej kontrola danych, możliwość zastosowania czujników o niskiej selektywności poprawna ocena zawartości analitu w obecności substancji interferujących jednoczesne określanie zawartości więcej niż jednego analitu
50 Główne składowe w kalibracji Kalibracja wielowymiarowa wymaga możliwie niezależnych zmiennych. Oznacza to, że sygnały poszczególnych próbek powinny różnić się kształtem. Bardzo użytecznym narzędziem w kalibracji wielowymiarowej jest analiza głównych składowych (PCA). pozwala oszacować ilość źródeł zmienności niezależnych składników serii próbek główne składowe są wzajemnie niezależne idealne zmienne do kalibracji wielowymiarowej kalibracja opiera się na analizie kształtu, a nie natężenia sygnału
51 Liczba istotnych głównych składowych Sygnały mają taki sam kształt tylko 1. składowa jest istotna można zastosować kalibracje jednowymiarową. Natężenie sygnału Ładunki Czas [s] Czas [s]
52 Liczba istotnych głównych składowych Sygnały mają różne kształty więcej niż jedna składowa jest istotna. Natężenie sygnału 1,6 1,4 1,2 1,0 0,8 0,6 0,4 0,2 Ładunki 2,5 2 1,5 1 0,5 0-0,5-1 -1,5 PCA 1 PCA ,0-0, ,5 Czas [s] Czas [s] Do kalibracji nie należy stosować modeli opartych na pojedynczej zmiennej, nawet zmiennej globalnej.
53 Kalibracja w obecności substancji interferującej Natężęnie sygnału dla t = 50s Istotne są 2 pierwsze główne składowe 1,6 1,4 1,2 1,0 0,8 0,6 0,4 0,2 0,0 0,0 0,2 0,4 0,6 0,8 1,0 Stężenie analitu [mg/ml] Kalibracja jednowymiarowa zawodzi!!! Natężenie sygnału dla t = 50s 1,6 1,4 1,2 1,0 0,8 0,6 0,4 0,2 0,0 Natężenie sygnału 1,6 1,4 1,2 1,0 0,8 0,6 0,4 0,2 0,0-0, Czas [s] 0 0,2 0,4 0,6 0,8 1 Stężenie subst. interferującej [mg/ml]
54 Regresja głównych składowych (PCR) a PC1 a PC2 i b1 PC1 b2 PC2 a 1 2 Substancja interferująca 1,0 Analit 1,2 1,0 Stężenie obliczone 0,8 0,6 R 2 = 0,9991 0,4 0,2 0,0 0,0 0,2 0,4 0,6 0,8 1,0-0,2 Stężenie rzeczywiste Stężenie obliczone 0,8 0,6 R 2 = 0,9985 0,4 0,2 0,0 0,0 0,2 0,4 0,6 0,8 1,0 1,2 Stężenie rzeczywiste
55 Cząstkowa metoda najmniejszych kwadratów (PLS) Regresja głównych składowych nie jest jedyną metodą kalibracji wielowymiarowej opartej na analizie czynników. Powszechne zastosowanie znajduje również tzw. cząstkowa metoda najmniejszych kwadratów (ang. Partial Least Squares). a a1 F1 a2 F2 W metodzie tej czynniki wyznaczane są w taki sposób, aby uzyskać jak najlepszy model zależności
56 Zalety wielowymiarowej kalibracji jednoskładnikowej Kalibracja wielowymiarowa dostarcza nie tylko oszacowania wartości zmiennej zależnej (np. stężenia analitu), ale również szeregu użytecznych informacji o próbkach i zmiennych. Cennym źródłem informacji są przy tym reszty z modelu. Reszty z modelu mogą być wykorzystane aby: ocenić wiarygodność uzyskanego modelu (walidacja) poprawić model zrozumieć dlaczego model źle działa ocenić czy nowa próbka odbiega od poprzednich
57 Kontrola zbioru roboczego Czy nowa seria próbek (zbiór roboczy) ma taki sam skład jakościowy jak próbki zbioru roboczego? 1,6 1,4 1,4 1,2 1,2 Natężenie sygnału 1,0 0,8 0,6 0,4 0,2 Natężenie sygnału 1,0 0,8 0,6 0,4 0,2 0,0-0, Czas [s] 0,0-0, Czas [s] Sygnały próbek zbioru kalibracyjnego Sygnały próbek zbioru roboczego
58 Kontrola zbioru roboczego Porównajmy odchylenia standardowe reszt dla poszczególnych próbek z obu zbiorów. 0,12 Odchyl. stand. reszt 0,10 0,08 0,06 0,04 0,02 Zbiór kalibracyjny Zbiór badany 0, Numer próbki
59 Kontrola zbioru roboczego Ten sam zbiór kalibracyjny Inny zbiór badany 1,6 1,4 1,2 2,0 Natężenie sygnału 1,0 0,8 0,6 0,4 0,2 0,0-0, Czas [s] Natężenie sygnału 1,5 1,0 0,5 0,0-0, Sygnały próbek zbioru kalibracyjnego Czas [s] Sygnały próbek zbioru badanego
60 Kontrola zbioru roboczego Porównajmy odchylenia standardowe reszt dla poszczególnych próbek z obu zbiorów. Odchyl. stand. reszt 0,12 0,10 0,08 0,06 0,04 0,02 Zbiór kalibracyjny Zbiór badany 0, Numer próbki odchylenia standardowe reszt niektórych próbek zbioru roboczego są wyraźnie większe niż kalibracyjnego
61 Analiza rozpoznawcza niechciane dziecko chemii analitycznej Większość analityków uważa, że analiza rozpoznawcza to interpretacja wyników i należy do zadań użytkowników końcowych, np. przedstawicieli administracji, ekologów, badaczy z dyscyplin szczegółowych itp. Użytkownicy końcowi z reguły nie posiadają dostatecznej znajomości chemometrii czy chociażby statystyki, więc niezinterpretowane wyniki trafiają na półkę! Analiza rozpoznawcza powinna być przeprowadzana wspólnie!!! Warunek: analityk musi znać chemometrię!
62 Przykłady zastosowania analizy rozpoznawczej 1. Monitoring środowiska G.Andreev & V.Simeonov: Fresenius Z.Anal.Chem. 325, (1986)). Badania obejmowały 10 punktów pomiarowych zlokalizowanych w odległości od 1 do 41 km od źródła zanieczyszczeń w północnej części Morza Czarnego. W każdej próbce oznaczano 10 wielkości: ph oraz stężenia: amoniaku, fluorków, fosforanów, żelaza(ii), miedzi(ii), cynku, kadmu, ołowiu i rtęci(ii). Analiza głównych składowych: istotne są 3 pierwsze główne składowe wyjaśniające odpowiednio 55,4, 16,7 i 13,7 % zmienności (łącznie 85,8 %). PC1 ogólny poziom zanieczyszczeń PC2 poziom kadmu PC3 poziom rtęci
63 Przykłady zastosowania analizy rozpoznawczej 1. Monitoring środowiska G.Andreev & V.Simeonov: Fresenius Z.Anal.Chem. 325, (1986)). PC1 Variwektor 1. - ogólny poziom zanieczyszczeń Wartość variwektora Wartość variwektora Odległość [km] PC2 Variwektor 2. - poziom kadmu Wartość variwektora PC3 Variwektor 3. - poziom rtęci Odległość [km] Odległość [km] Poziomy kadmu i rtęci mają inny przebieg zmian niż pozostałe anality.
64 Przykłady zastosowania analizy rozpoznawczej 2. Profilowanie próbek amfetaminy W.Krawczyk, A.Parczewski Anal.Chim.Acta 446, (2001) Kryminalistyka bardzo często zajmuje się badaniami porównawczymi oraz grupowymi dużych populacji próbek. Obraz chromatograficzny zanieczyszczeń, tzw. profil zanieczyszczeń, pozwala przypisać próbkę amfetaminy do określonego źródła pochodzenia (nielegalnego laboratorium). Centralnym Laboratorium Kryminalistycznym KG Policji od 1993 roku prowadzi profilowanie amfetaminy na terenie Polski Spośród kilkudziesięciu pików stanowiących profil zanieczyszczeń wybrano 15 najbardziej charakterystycznych.
65 Przykłady zastosowania analizy rozpoznawczej 2. Profilowanie próbek amfetaminy W.Krawczyk, A.Parczewski Anal.Chim.Acta 446, (2001) Zastosowanie analizy podobieństwa do bazy danych obejmującej ok próbek pozwoliło wykazać istnienie 37 względnie jednorodnych grup profili. Odpowiadają one głównym nielegalnym źródłom amfetaminy spotykanej w Polsce.
66 Przykłady zastosowania analizy rozpoznawczej 3. Klasyfikacja win A.Legin et al.: Anal.Chim.Acta 484,33-44(2003) Przykład zastosowania elektronicznego języka do analizy różnych gatunków win. Badania objęły 4 rodzaje win włoskich: Castelli Romani (8 próbek wina białego i 10 wina czerwonego), 20 próbek wina Barbera d Asti oraz 36 próbek czerwonego wina Gutturnio wyprodukowanych w różnych latach z winogron pochodzących z różnych winnic. Zastosowany detektor zawierał 23 czujniki potencjometryczne wrażliwe na stężenie kationów i anionów nieorganicznych oraz związków organiczne takich jak fenole, kwasy karboksylowe, alkohole itp. Pomiary wykonywane były bezpośrednio na próbkach wina bez żadnego ich wstępnego przygotowywania w 10 min. po zanurzeniu detektora w próbce.
67 Przykłady zastosowania analizy rozpoznawczej 3. Klasyfikacja win A.Legin et al.: Anal.Chim.Acta 484,33-44(2003) Zarejestrowane dane poddano analizie głównych składowych, która wykazała obecność dwóch istotnych składowych uwzględniających łącznie ok. 88% ogólnej zmienności danych. Na uzyskanej mapie liniowej próbki win poszczególnych gatunków tworzą wyraźnie rozróżnialne skupiska.
68 Dziękuję Państwu za uwagę!
ZASTOSOWANIE TECHNIK CHEMOMETRYCZNYCH W BADANIACH ŚRODOWISKA. dr inż. Aleksander Astel
ZASTOSOWANIE TECHNIK CHEMOMETRYCZNYCH W BADANIACH ŚRODOWISKA dr inż. Aleksander Astel Gdańsk, 22.12.2004 CHEMOMETRIA dziedzina nauki i techniki zajmująca się wydobywaniem użytecznej informacji z wielowymiarowych
Bardziej szczegółowoMETODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA
METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA AMFETAMINY Waldemar S. Krawczyk Centralne Laboratorium Kryminalistyczne Komendy Głównej Policji, Warszawa (praca obroniona na Wydziale Chemii Uniwersytetu
Bardziej szczegółowoWalidacja metod analitycznych Raport z walidacji
Walidacja metod analitycznych Raport z walidacji Małgorzata Jakubowska Katedra Chemii Analitycznej WIMiC AGH Walidacja metod analitycznych (według ISO) to proces ustalania parametrów charakteryzujących
Bardziej szczegółowoKurs Chemometrii Poznań 28 listopad 2006
Komisja Nauk Chemicznych Polskiej Akademii Nauk Oddział w Poznaniu Wydział Technologii Chemicznej Politechniki Poznańskiej w Poznaniu GlaxoSmithKline Pharmaceuticals S.A. w Poznaniu Stowarzyszenie ISPE
Bardziej szczegółowoJAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE
JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE 1 Granica wykrywalności i granica oznaczalności Dr inż. Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12
Bardziej szczegółowoDOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM. Procedura szacowania niepewności
DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Szacowanie niepewności oznaczania / pomiaru zawartości... metodą... Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził
Bardziej szczegółowoNARZĘDZIA DO KONTROLI I ZAPEWNIENIA JAKOŚCI WYNIKÓW ANALITYCZNYCH. Piotr KONIECZKA
1 NARZĘDZIA DO KONTROLI I ZAPEWNIENIA JAKOŚCI WYNIKÓW ANALITYCZNYCH Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 80-952 GDAŃSK e-mail: kaczor@chem.pg.gda.pl
Bardziej szczegółowoJAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE
JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE 1 Dokładność i poprawność Dr hab. inż. Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 80-233 GDAŃSK e-mail:
Bardziej szczegółowoProcedura szacowania niepewności
DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Stron 7 Załączniki Nr 1 Nr Nr 3 Stron Symbol procedury PN//xyz Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził
Bardziej szczegółowoSterowanie jakością badań i analiza statystyczna w laboratorium
Sterowanie jakością badań i analiza statystyczna w laboratorium CS-17 SJ CS-17 SJ to program wspomagający sterowanie jakością badań i walidację metod badawczych. Może działać niezależnie od innych składników
Bardziej szczegółowoJAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE
JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE 1 Przykład walidacji procedury analitycznej Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/1 80-33 GDAŃSK
Bardziej szczegółowoOdchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi
Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1
Bardziej szczegółowoOZNACZENIE JAKOŚCIOWE I ILOŚCIOWE w HPLC
OZNACZENIE JAKOŚCIOWE I ILOŚCIOWE w HPLC prof. Marian Kamiński Wydział Chemiczny, Politechnika Gdańska CEL Celem rozdzielania mieszaniny substancji na poszczególne składniki, bądź rozdzielenia tylko wybranych
Bardziej szczegółowoSYSTEM KONTROLI I ZAPEWNIENIA JAKOŚCI WYNIKÓW BADAŃ W LABORATORIUM. Piotr Konieczka
SYSTEM KONTROLI I ZAPEWNIENIA JAKOŚCI WYNIKÓW BADAŃ W LABORATORIUM Piotr Konieczka 1 2 Jakość spełnienie określonych i oczekiwanych wymagań (zawartych w odpowiedniej normie systemu zapewnienia jakości).
Bardziej szczegółowoWalidacja metod wykrywania, identyfikacji i ilościowego oznaczania GMO. Magdalena Żurawska-Zajfert Laboratorium Kontroli GMO IHAR-PIB
Walidacja metod wykrywania, identyfikacji i ilościowego oznaczania GMO Magdalena Żurawska-Zajfert Laboratorium Kontroli GMO IHAR-PIB Walidacja Walidacja jest potwierdzeniem przez zbadanie i przedstawienie
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoZasady wykonania walidacji metody analitycznej
Zasady wykonania walidacji metody analitycznej Walidacja metod badań zasady postępowania w LOTOS Lab 1. Metody badań stosowane w LOTOS Lab należą do następujących grup: 1.1. Metody zgodne z uznanymi normami
Bardziej szczegółowoZastosowanie materiałów odniesienia
STOSOWANIE MATERIAŁÓW ODNIESIENIA W PRAKTYCE LABORATORYJNEJ 1 Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/1 80-33 GDAŃSK e-mail:piotr.konieczka@pg.gda.pl
Bardziej szczegółowoZmienne zależne i niezależne
Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }
Bardziej szczegółowoTeoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.
Teoria błędów Wskutek niedoskonałości przyrządów, jak również niedoskonałości organów zmysłów wszystkie pomiary są dokonywane z określonym stopniem dokładności. Nie otrzymujemy prawidłowych wartości mierzonej
Bardziej szczegółowoLABORATORIUM Z FIZYKI
LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)
Bardziej szczegółowoRÓWNOWAŻNOŚĆ METOD BADAWCZYCH
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych
Bardziej szczegółowoWALIDACJA - ABECADŁO. OGÓLNE ZASADY WALIDACJI
WALIDACJA - ABECADŁO. 1 OGÓLNE ZASADY WALIDACJI Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 80-233 GDAŃSK e-mail:piotr.konieczka@pg.gda.pl
Bardziej szczegółowoMonitorowanie i Diagnostyka w Systemach Sterowania na studiach II stopnia specjalności: Systemy Sterowania i Podejmowania Decyzji
Monitorowanie i Diagnostyka w Systemach Sterowania na studiach II stopnia specjalności: Systemy Sterowania i Podejmowania Decyzji Analiza składników podstawowych - wprowadzenie (Principal Components Analysis
Bardziej szczegółowoKALIBRACJA. ważny etap procedury analitycznej. Dr hab. inż. Piotr KONIECZKA
KALIBRAJA ważny etap procedury analitycznej 1 Dr hab. inż. Piotr KONIEZKA Katedra hemii Analitycznej Wydział hemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 8-233 GDAŃK e-mail: piotr.konieczka@pg.gda.pl
Bardziej szczegółowoMATERIAŁY ODNIESIENIA - kryteria wyboru i zasady stosowania
1 MATERIAŁY ODNIESIENIA - kryteria wyboru i zasady stosowania Dr inż. Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 80-952 GDAŃSK e-mail: kaczor@chem.gda.pl
Bardziej szczegółowoPODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH Dr Benedykt R. Jany I Pracownia Fizyczna Ochrona Środowiska grupa F1 Rodzaje Pomiarów Pomiar bezpośredni - bezpośrednio
Bardziej szczegółowoJAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE
1 JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE Precyzja Dr hab. inż. Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/1 80-95 GDAŃSK e-mail: kaczor@chem.pg.gda.pl
Bardziej szczegółowoWyniki operacji kalibracji są często wyrażane w postaci współczynnika kalibracji (calibration factor) lub też krzywej kalibracji.
Substancja odniesienia (Reference material - RM) Materiał lub substancja której jedna lub więcej charakterystycznych wartości są wystarczająco homogeniczne i ustalone żeby można je było wykorzystać do
Bardziej szczegółowoKLASYFIKACJA. Słownik języka polskiego
KLASYFIKACJA KLASYFIKACJA Słownik języka polskiego Klasyfikacja systematyczny podział przedmiotów lub zjawisk na klasy, działy, poddziały, wykonywany według określonej zasady Klasyfikacja polega na przyporządkowaniu
Bardziej szczegółowoParametry krytyczne podczas walidacji procedur analitycznych w absorpcyjnej spektrometrii atomowej. R. Dobrowolski
Parametry krytyczne podczas walidacji procedur analitycznych w absorpcyjnej spektrometrii atomowej. R. Dobrowolski Wydział Chemii Uniwersytet Marii Curie Skłodowskiej pl. M. Curie Skłodowskiej 3 0-03 Lublin
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Chemii (2018) Autor prezentacji :dr hab. Paweł Korecki dr Szymon Godlewski e-mail: szymon.godlewski@uj.edu.pl
Bardziej szczegółowoWalidacja metody analitycznej podejście metrologiczne. Waldemar Korol Instytut Zootechniki-PIB, Krajowe Laboratorium Pasz w Lublinie
Walidacja metody analitycznej podejście metrologiczne Waldemar Korol Instytut Zootechniki-PIB, Krajowe Laboratorium Pasz w Lublinie Walidacja potwierdzenie parametrów metody do zamierzonego jej zastosowania
Bardziej szczegółowoBadania biegłości laboratorium poprzez porównania międzylaboratoryjne
Badania biegłości laboratorium poprzez porównania międzylaboratoryjne Dr inż. Maciej Wojtczak, Politechnika Łódzka Badanie biegłości (ang. Proficienty testing) laboratorium jest to określenie, za pomocą
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska INFORMACJE WSTĘPNE Hipotezy do uczenia się lub tworzenia
Bardziej szczegółowoAnaliza i monitoring środowiska
Analiza i monitoring środowiska CHC 017003L (opracował W. Zierkiewicz) Ćwiczenie 1: Analiza statystyczna wyników pomiarów. 1. WSTĘP Otrzymany w wyniku przeprowadzonej analizy ilościowej wynik pomiaru zawartości
Bardziej szczegółowoAna n l a i l za z a i ns n tru r men e t n al a n l a
Analiza instrumentalna rok akademicki 2014/2015 wykład: prof. dr hab. Ewa Bulska prof. dr hab. Agata Michalska Maksymiuk pracownia: dr Marcin Wojciechowski Slide 1 Analiza_Instrumentalna: 2014/2015 Analiza
Bardziej szczegółowoProblem testowania/wzorcowania instrumentów geodezyjnych
Problem testowania/wzorcowania instrumentów geodezyjnych Realizacja Osnów Geodezyjnych a Problemy Geodynamiki Grybów, 25-27 września 2014 Ryszard Szpunar, Dominik Próchniewicz, Janusz Walo Politechnika
Bardziej szczegółowoOznaczanie zawartości rtęci całkowitej w tkankach kormorana czarnego i wybranych gatunków ryb z zastosowaniem techniki CVAAS
Oznaczanie zawartości rtęci całkowitej w tkankach kormorana czarnego i wybranych gatunków ryb z zastosowaniem techniki CVAAS Piotr Konieczka 1, Małgorzata Misztal-Szkudlińska 2, Jacek Namieśnik 1, Piotr
Bardziej szczegółowoRozwiązanie n1=n2=n=8 F=(4,50) 2 /(2,11) 2 =4,55 Fkr (0,05; 7; 7)=3,79
Test F =służy do porównania precyzji dwóch niezależnych serii pomiarowych uzyskanych w trakcie analizy próbek o zawartości analitu na takim samym poziomie #obliczyć wartość odchyleń standardowych dla serii
Bardziej szczegółowoOptymalizacja ciągła
Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej
Bardziej szczegółowow laboratorium analitycznym
Wzorce i materiały odniesienia w laboratorium analitycznym rola i zasady stosowania Piotr Konieczka Katedra Chemii Analitycznej Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Terminologia
Bardziej szczegółowoKALIBRACJA BEZ TAJEMNIC
KALIBRACJA BEZ TAJEMNIC 1 Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska e-mail: piotr.konieczka@pg.gda.pl 2 S w S x C x -? C w 3 Sygnał wyjściowy detektora funkcja
Bardziej szczegółowoJAK WYZNACZYĆ PARAMETRY WALIDACYJNE W METODACH INSTRUMENTALNYCH
JAK WYZNACZYĆ PARAMETRY WALIDACYJNE W METODACH INSTRUMENTALNYCH dr inż. Agnieszka Wiśniewska EKOLAB Sp. z o.o. agnieszka.wisniewska@ekolab.pl DZIAŁALNOŚĆ EKOLAB SP. Z O.O. Akredytowane laboratorium badawcze
Bardziej szczegółowoNiepewności pomiarów
Niepewności pomiarów Międzynarodowa Organizacja Normalizacyjna (ISO) w roku 1995 opublikowała normy dotyczące terminologii i sposobu określania niepewności pomiarów [1]. W roku 1999 normy zostały opublikowane
Bardziej szczegółowoLINIOWOŚĆ METODY OZNACZANIA ZAWARTOŚCI SUBSTANCJI NA PRZYKŁADZIE CHROMATOGRAFU
LINIOWOŚĆ METODY OZNACZANIA ZAWARTOŚCI SUBSTANCJI NA PRZYKŁADZIE CHROMATOGRAFU Tomasz Demski, StatSoft Polska Sp. z o.o. Wprowadzenie Jednym z elementów walidacji metod pomiarowych jest sprawdzenie liniowości
Bardziej szczegółowoPomiar rezystancji metodą techniczną
Pomiar rezystancji metodą techniczną Cel ćwiczenia. Poznanie metod pomiarów rezystancji liniowych, optymalizowania warunków pomiaru oraz zasad obliczania błędów pomiarowych. Zagadnienia teoretyczne. Definicja
Bardziej szczegółowoRola materiałów odniesienia w zapewnieniu jakości wyników pomiarów chemicznych
Uniwersytet Warszawski Wydział Chemii Pasteura 1, 02-093 Warszawa Rola materiałów odniesienia w zapewnieniu jakości wyników pomiarów chemicznych Ewa Bulska ebulska@chem.uw.edu.pl Slide 1 Opracowanie i
Bardziej szczegółowoANALITYKA I METROLOGIA CHEMICZNA WYKŁAD 5
ANALITYKA I METROLOGIA CHEMICZNA WYKŁAD 5 PARAMETRY METOD ANALITYCZNYCH Dokładność (accuracy) - stopień zgodności pomiędzy wynikiem pomiaru a wartością referencyjną (którą może być wartość prawdziwa, oszacowana
Bardziej szczegółowoKrzywa kalibracyjna krok po kroku (z prezentacją wideo)
Krzysztof Nyrek Krzywa kalibracyjna krok po kroku Krzysztof Nyrek* Większość laboratoriów wykorzystuje krzywą kalibracyjną do codziennych pomiarów. Jest więc rzeczą naturalną, że przy tej okazji pojawia
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych Dr inż. Marcin Zieliński I Pracownia Fizyczna dla Biotechnologii, wtorek 8:00-10:45 Konsultacje Zakład Fizyki Jądrowej
Bardziej szczegółowoINSTRUMENTALNE METODY ANALIZY CHEMOMETRIA (ANALIZA DANYCH WIELOWYMIAROWYCH) WYKŁAD 7 ANALIZA GŁÓWNYCH SKŁADOWYCH
INSTRUMENTALNE METODY ANALIZY WYKŁAD 7 CHEMOMETRIA (ANALIZA DANYCH WIELOWYMIAROWYCH) CHEMOMETRIA jest dyscypliną chemiczna, która stosuje metody matematyczne i statystyczne do projektowania i wyboru optymalnych
Bardziej szczegółowo10 czerwca 2016r., Warszawa
10 czerwca 2016r., Warszawa Techniki chemometryczne stosowane w opracowywaniu metod ilościowych i jakościowych Walidacja metod jakościowych Walidacja modeli ilościowych Praca z urządzeniem i obsługującym
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela
Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem
Bardziej szczegółowoCharakterystyka mierników do badania oświetlenia Obiektywne badania warunków oświetlenia opierają się na wynikach pomiarów parametrów świetlnych. Podobnie jak każdy pomiar, również te pomiary, obarczone
Bardziej szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowoAgnieszka Nowak Brzezińska
Agnieszka Nowak Brzezińska jeden z algorytmów regresji nieparametrycznej używanych w statystyce do prognozowania wartości pewnej zmiennej losowej. Może również byd używany do klasyfikacji. - Założenia
Bardziej szczegółowoAnaliza składowych głównych. Wprowadzenie
Wprowadzenie jest techniką redukcji wymiaru. Składowe główne zostały po raz pierwszy zaproponowane przez Pearsona(1901), a następnie rozwinięte przez Hotellinga (1933). jest zaliczana do systemów uczących
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoX Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9
Zadanie W celu sprawdzenia, czy pipeta jest obarczona błędem systematycznym stałym lub zmiennym wykonano szereg pomiarów przy różnych ustawieniach pipety. Wyznacz równanie regresji liniowej, które pozwoli
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA narzędzie do opracowywania i interpretacji wyników pomiarów
STATYSTYKA MATEMATYCZNA narzędzie do opracowywania i interpretacji wyników pomiarów Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Statystyka matematyczna - część matematyki
Bardziej szczegółowoKontrola i zapewnienie jakości wyników
Kontrola i zapewnienie jakości wyników Kontrola i zapewnienie jakości wyników QA : Quality Assurance QC : Quality Control Dobór systemu zapewnienia jakości wyników dla danego zadania fit for purpose Kontrola
Bardziej szczegółowoAnaliza składowych głównych
Analiza składowych głównych Wprowadzenie (1) W przypadku regresji naszym celem jest predykcja wartości zmiennej wyjściowej za pomocą zmiennych wejściowych, wykrycie związku między wielkościami wejściowymi
Bardziej szczegółowoOZNACZANIE ŻELAZA METODĄ SPEKTROFOTOMETRII UV/VIS
OZNACZANIE ŻELAZA METODĄ SPEKTROFOTOMETRII UV/VIS Zagadnienia teoretyczne. Spektrofotometria jest techniką instrumentalną, w której do celów analitycznych wykorzystuje się przejścia energetyczne zachodzące
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoTestowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Bardziej szczegółowoWalidacja metod badawczych i szacowanie niepewności pomiaru. Wojciech Hyk
Walidacja metod badawczych i szacowanie niepewności pomiaru Wojciech Hyk wojhyk@chem.uw.edu.pl Plan Zagadnienia poruszane na szkoleniu Wstęp do analizy statystycznej Walidacja metody badawczej / pomiarowej
Bardziej szczegółowo1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie
Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty
Bardziej szczegółowoPrzykład 1. (A. Łomnicki)
Plan wykładu: 1. Wariancje wewnątrz grup i między grupami do czego prowadzi ich ocena 2. Rozkład F 3. Analiza wariancji jako metoda badań założenia, etapy postępowania 4. Dwie klasyfikacje a dwa modele
Bardziej szczegółowoStatystyczne Metody Opracowania Wyników Pomiarów
Statystyczne Metody Opracowania Wyników Pomiarów dla studentów Ochrony Środowiska Teresa Jaworska-Gołąb 2017/18 Co czytać [1] H. Szydłowski, Pracownia fizyczna, PWN, Warszawa 1999. [2] A. Zięba, Analiza
Bardziej szczegółowoAnaliza współzależności dwóch cech I
Analiza współzależności dwóch cech I Współzależność dwóch cech W tym rozdziale pokażemy metody stosowane dla potrzeb wykrywania zależności lub współzależności między dwiema cechami. W celu wykrycia tych
Bardziej szczegółowoKwalifikacja: Badania przesiewowe w technice NIR na obecność zafałszowań przypadek odtłuszczonego mleka w proszku
Publikacja techniczna FOSS KĄCIK CHEMOMETRII Kwalifikacja: Badania przesiewowe w technice NIR na obecność zafałszowań przypadek odtłuszczonego mleka w proszku W publikacji zostały przedstawione metody
Bardziej szczegółowoANALITYKA PRZEMYSŁOWA I ŚRODOWISKOWA
Zakład ad Chemii Analitycznej Laboratorium Analiz Śladowych Politechniki Krakowskiej Wydział Inżynierii i Technologii Chemicznej ANALITYKA PRZEMYSŁOWA I ŚRODOWISKOWA Laboratorium Analiz Śladowych IIIp..
Bardziej szczegółowoPodstawy opracowania wyników pomiarów
Podstawy opracowania wyników pomiarów I Pracownia Fizyczna Chemia C 02. 03. 2017 na podstawie wykładu dr hab. Pawła Koreckiego Katarzyna Dziedzic-Kocurek Instytut Fizyki UJ, Zakład Fizyki Medycznej k.dziedzic-kocurek@uj.edu.pl
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Chemii 2007 Paweł Korecki 2013 Andrzej Kapanowski Po co jest Pracownia Fizyczna? 1. Obserwacja zjawisk i
Bardziej szczegółowoStatystyczne sterowanie procesem
Statystyczne sterowanie procesem SPC (ang. Statistical Process Control) Trzy filary SPC: 1. sporządzenie dokładnego diagramu procesu produkcji; 2. pobieranie losowych próbek (w regularnych odstępach czasu
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Wykład tutora na bazie wykładu prof. Marka Stankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i
Bardziej szczegółowoSprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich
Podstawy Metrologii i Technik Eksperymentu Laboratorium Sprawdzenie narzędzi pomiarowych i wyznaczenie niepewności rozszerzonej typu A w pomiarach pośrednich Instrukcja do ćwiczenia nr 4 Zakład Miernictwa
Bardziej szczegółowoODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW
ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną
Bardziej szczegółowoAnaliza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Zadanie 1: wiek 7 8 9 1 11 11,5 12 13 14 14 15 16 17 18 18,5 19 wzrost 12 122 125 131 135 14 142 145 15 1 154 159 162 164 168 17 Wykres
Bardziej szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoKRYTERIA WYBORU W PLANOWANIU I REALIZACJI ANALIZ CHEMICZNYCH
KRYTERIA WYBORU W PLANOWANIU I REALIZACJI ANALIZ CHEMICZNYCH ANALTYKA OBEJMUJE WIELE ASPEKTÓW BADANIA MATERII. PRAWIDŁOWO POSTAWIONE ZADANIE ANALITYCZNE WSKAZUJE ZAKRES POŻĄDANEJ INFORMACJI, KTÓREJ SŁUŻY
Bardziej szczegółowoAnaliza niepewności pomiarów
Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych Wykład tutora na bazie wykładu prof. Marka tankiewicza Po co zajęcia w I Pracowni Fizycznej? 1. Obserwacja zjawisk i efektów
Bardziej szczegółowoNiepewność pomiaru masy w praktyce
Niepewność pomiaru masy w praktyce RADWAG Wagi Elektroniczne Z wszystkimi pomiarami nierozłącznie jest związana Niepewność jest nierozerwalnie związana z wynimiarów niepewność ich wyników. Podając wyniki
Bardziej szczegółowoĆwiczenie 1 Metody pomiarowe i opracowywanie danych doświadczalnych.
Ćwiczenie 1 Metody pomiarowe i opracowywanie danych doświadczalnych. Ćwiczenie ma następujące części: 1 Pomiar rezystancji i sprawdzanie prawa Ohma, metoda najmniejszych kwadratów. 2 Pomiar średnicy pręta.
Bardziej szczegółowoTesty nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoFIZYKA LABORATORIUM prawo Ohma
FIZYKA LABORATORIUM prawo Ohma dr hab. inż. Michał K. Urbański, Wydział Fizyki Politechniki Warszawskiej, pok 18 Gmach Fizyki, murba@if.pw.edu.pl www.if.pw.edu.pl/ murba strona Wydziału Fizyki www.fizyka.pw.edu.pl
Bardziej szczegółowoRodzaje badań statystycznych
Rodzaje badań statystycznych Zbieranie danych, które zostaną poddane analizie statystycznej nazywamy obserwacją statystyczną. Dane uzyskuje się na podstawie badania jednostek statystycznych. Badania statystyczne
Bardziej szczegółowoBadania Statystyczne
Statystyka Opisowa z Demografią oraz Biostatystyka Badania Statystyczne Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka
Bardziej szczegółowoINSTYTUT METEOROLOGII I GOSPODARKI WODNEJ PAŃSTWOWY INSTYTUT BADAWCZY Oddział we Wrocławiu. Görlitz
Görlitz 17.11.2014 Pakiet programów MIKE opracowany na Politechnice Duńskiej, zmodyfikowany przez Duński Instytut Hydrauliki, Zasady działania modeli: MIKE NAM - model konceptualny o parametrach skupionych,
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoWstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński
Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia
Bardziej szczegółowoAproksymacja funkcji a regresja symboliczna
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą
Bardziej szczegółowoparametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
Bardziej szczegółowoCO TO JEST CHEMIA ANALITYCZNA?
CO TO JEST CHEMIA ANALITYCZNA? AUTOR DEFINICJI Prof. Ch. N. REILLEY University of North Carolina, Chapel HILL, NC, USA Division of Analytical Chemistry American Chemical Society (ACS) Division of Analytical
Bardziej szczegółowo5. WNIOSKOWANIE PSYCHOMETRYCZNE
5. WNIOSKOWANIE PSYCHOMETRYCZNE Model klasyczny Gulliksena Wynik otrzymany i prawdziwy Błąd pomiaru Rzetelność pomiaru testem Standardowy błąd pomiaru Błąd estymacji wyniku prawdziwego Teoria Odpowiadania
Bardziej szczegółowo