Kursy

Nasze kursy  Terminarz  Programy kursów  Cykle szkoleniowe  Informacje organizacyjne  Zgłoszenie  Broszura w pdf

Inne usługi

Kursy na zamówienie  Usługi konsultingowe  Usługi implementacyjne  Statystyka w badaniach naukowych  Seminaria  Studia podyplomowe

Opinie o kursach

Opis kursu: W trakcie kursu zasadniczy nacisk położony jest na poznanie podstawowych technik analizy chemometrycznej. Początkowy etap jest wprowadzeniem teoretycznym do zagadnień analizy danych, ze szczególnym uwzględnieniem etapu planowania i wykonania eksperymentu oraz przygotowania danych. W części poświęconej planowaniu i wykonaniu eksperymentu skoncentrowano się na zagadnieniach związanych z jakością wyników analiz, koniecznością opisu doświadczenia, parametrów eksperymentu jak również koniecznością subiektywnej oceny jakości próbek, która może stanowić istotną informację na etapie tworzenia macierzy danych. W części poświęconej przygotowaniu danych omówiono strategie postępowania w przypadku, gdy braki danych wynikają z sytuacji gdy stężenie analitu jest niższe niż granica wykrywalności metody analitycznej lub gdy nie wykonano pomiaru. Szczegółowo omówiono znaczenie etapu kontroli danych jak również powszechne strategie transformacji zmiennych. W części poświęconej omówieniu podstawowych technik analizy chemometrycznej skoncentrowano się na analizie podobieństwa (analizie skupień, jednoczesnej analizie obiektów i cech), analizie dyskryminacyjnej oraz analizie głównych składowych. Dane wykorzystywane w trakcie kursu w przykładach analiz pochodzą z rzeczywistych badań chemiczno-mikrobiologicznych opublikowanych w literaturze o zasięgu światowym.

Wymagania: umiejętność obsługi komputera w środowisku Windows, podstawowa znajomość pakietu STATISTICA. Zalecamy wcześniejszy udział w kursie STATISTICA kurs podstawowy lub Statystyka dla niestatystyków

Kontynuacją mogą być np. kursy: DOE - komputerowe wspomaganie planowania i analizy statystycznej badań innowacyjnych, Sieci neuronowe, kursy z cyklu data mining.

Termin: 27-28.06.2012

Program kursu

1. Wstęp
   • cele i program kursu
2. Wprowadzenie teoretyczne do technik chemometrycznych
3. Planowanie i wykonanie eksperymentu
   • wyniki analiz
   • opis doświadczenia
   • parametry eksperymentu
   • ocena organoleptyczna (głównie wizualna/zapachowa) jakości próbek
4. Przygotowanie danych
   • braki danych
     • zastępowanie braków w danych w przypadku gdy wartość oznaczenia była niższa niż granica wykrywalności metody analitycznej
     • zastępowanie braków w sytuacji gdy nie wykonano pomiaru
   • kontrola danych
     • wyeliminowanie pomyłek powstałych w trakcie przygotowania danych, czyli tzw. "błędów grubych"
     • wykrycie w zbiorze danych obiektów różniących się istotnie od innych, czyli tzw. punktów odbiegających
     • uzyskanie przesłanek do ewentualnej transformacji niektórych zmiennych
     • określenie jednorodności zbioru danych, czyli potwierdzenie pochodzenia wszystkich danych z tej samej populacji
   • transformacja zmiennych
     • normalizacja
     • autoskalowanie
     • centrowanie
     • inne
5. Podstawowe informacje o zarządzaniu arkuszem
   • usuwanie danych parami
   • zstępowanie średnią
   • etykiety tekstowe - włączanie/wyłączanie przypadków
6. Analiza podobieństwa - CA (ang.: Cluster Analysis)
   • wstęp teoretyczny
   • analiza skupień (grupowanie względem obiektów i cech)
     • metody aglomeracji (pojedyncze wiązanie, pełne wiązanie, średnich połączeń, średnich połączeń ważonych, metoda Warda)
     • miary odległości (odległość euklidesowa, odległość kwadratowa euklidesowa, odległość Manhattan, odległość Czebyszewa, 1-r Persona, niezgodność procentowa)
     • indeks Sneatha w ocenie ilości statystycznie istotnych skupisk;
   • jednoczesna analiza obiektów i cech, technika "cluster imaging"
7. Analiza funkcji dyskryminacyjnej: LDA (ang.: Linear Discriminant Analysis)
   • wstęp teoretyczny
   • analiza krokowa (standardowa, postępująca)
   • wybór zmiennych
   • definiowanie analizy
   • interpretacja wyników.
8. Techniki czynnikowe: PCA (technika analizy głównych składowych; ang.: Principal Component Analysis)
   • wstęp teoretyczny
   • definiowanie analizy
   • identyfikowanie liczby istotnych czynników (wykres osuwiska, kryterium jedności)
   • strategie rotacji
   • interpretacja głównych składowych (wartość własna, % wyjaśnionej wariancji, % skumulowany wyjaśnionej wariancji)
   • wizualizacja
   • wyjaśnienie różnicy pomiędzy wizualizacją ładunków czynnikowych i wartości czynnikowych
9. Przykłady do samodzielnej analizy (na danych dostarczonych przez uczestników kursu)