QUI 614 – Análise de Dados Multivariados em Química

Código: QUI 614
Carga Horária: Aulas Teóricas: 60 /Aulas Práticas: 00
Créditos: 4

Ementa

Introdução à Quimiometria. Métodos estatísticos e de álgebra matricial aplicados em Quimiometria. Uso dos Softwares Matlab e/ou Python. Pré-tratamento de dados multivariados. Reconhecimento de padrões supervisionado e não supervisionado. Calibração multivariada.

Parte Teórica
1. Introdução à Quimiometria
1.1. Histórico
1.2. Métodos
1.3. Aplicações
1.4. Avanços e perpectivas

2. Métodos estatísticos e de álgebra matricial aplicados em Quimiometria
2.1. Erros em análise química
2.2. Erros aleatórios
2.3. Tratamento e avaliação estatística de dados
2.4. Organização de dados para análise multivariada
2.5. Ordens dos dados em quimiometria
2.6. Modelos locais e universais
2.7. Álgebra matricial aplicada à quimiometria

3. Uso dos Softwares Matlab e/ou Python
3.1. Manipulação de vetores e matrizes
3.2. Importação e organização de dados
3.3. Programação
3.4. Uso de chatbots com IA para programar e intrerpretar resultados
3.5. Aplicando funções e scripts
3.6. Busca de pacotes de funções na internet

4. Pré-tratamento de dados multivariados
4.1. Correções de linha de base
4.2. Alisamentos
4.3. Uso de derivadas
4.4. Normalizações
4.5. Centragem na média
4.6. Escalamento pela variância
4.7. Autoescalamento

5. Reconhecimento de padrões supervisionado e não supervisionado
5.1. Análise de Componentes Principais (PCA)
5.2. Análise de agrupamentos hierárquicos (HCA)
5.3. K-ésimo vizinho mais próximo (kNN)
5.4. Analogia de classes por modelagem independente (SIMCA)
5.5. Análise discriminante por quadrados mínimos parciais (PLS-DA)
5.6. Uso de softwares e aplicações

6. Calibração multivariada
6.1. Calibração direta (clássica) e inversa
6.2. Regressão Linear Múltipla (MLR)
6.3. Regressão das Componentes Principais (PCR)
6.4. Regressão por Quadrados Mínimos Parciais (PLS)
6.5. Outros métodos de regressão multivariada usados em química
6.6. Aspectos práticos da calibração multivariada
6.7. Métodos para remoção de amostras anômalas
6.8. Seleção de variáveis em regressão multivariada
6.9. Construindo e validando modelos
6.10. Uso de softwares e aplicações

Bibliografias básicas:

TRANTER, R. L. Design and analysis in chemical research: edited by Roy L. Tranter. Sheffield,
England: Sheffield Academic Press, Boca Raton: CRC Press, 2000, 558 p.

RYAN, Øyvind. Linear Algebra, Signal Processing, and Wavelets – A Unified Approach: Python
Version. 1st ed. 2019. XXVII, 364 p. 103 illus., 29 (Springer Undergraduate Texts in Mathematics
and Technology, 1867-5514). ISBN 9783030029401. (Em: Springer Nature eBook).

RYAN, Øyvind. Linear Algebra, Signal Processing, and Wavelets – A Unified Approach: MATLAB
Version. 1st ed. 2019. XXVI, 360 p. 103 illus., 29 (Springer Undergraduate Texts in Mathematics
and Technology, 1867-5514). ISBN 9783030018122. (Em: Springer Nature eBook).

GUSTAFSSON, Fredrik. MATLAB® for Engineers Explained. 1st ed. 2003. X, 218 p ISBN (Em: Springer Nature eBook).

RAJAGOPALAN, Gayathri. A Python Data Analyst’s Toolkit: Learn Python and Python-based
Libraries with Applications in Data Analysis and Statistics. Springer Nature EBook 1st ed. 2021.
399 p. ISBN 9781484263990. (Em: Springer Nature eBook).

SPRINGERLINK (ONLINE SERVICE). Chemometrics in Environmental Chemistry – Statistical
Methods. 1st ed. 1995. XVI, 334 p. 92 illus (Reactions and Processes, 1433-6839; 2 / 2G). ISBN (Em: Springer Nature eBook).

Bibliografias complementares:

FERREIRA, M. M. C., Quimiometria: Conceitos, métodos e aplicações. Editora Unicamp, 2015,
496 p.

TEOFILO, R. F. Métodos quimiométricos em estudos eletroquímicos de fenóis sobre filmes de
diamante dopado com boro. Tese de Doutorado (Cap 1). Universidade Estadual de Campinas, 2007. Disponível online – DOI: https://doi.org/10.47749/T/UNICAMP.2007.408805.

UNPINGCO, José. Python for Probability, Statistics, and Machine Learning. Springer Nature
eBook 2nd ed. 2019. XIV, 384 p. ISBN 9783030185459. (Em: Springer Nature eBook).

SPRINGERLINK (ONLINE SERVICE). Chemometrics in Environmental Chemistry – Applications.
1st ed. 1995. XIV, 345 p. 74 illus (Reactions and Processes, 1433-6839; 2 / 2H). ISBN (Em: Springer Nature eBook).

WEHRENS, Ron. Chemometrics with R: Multivariate Data Analysis in the Natural and Life
Sciences. 2nd ed. 2020. XVI, 308 p. 111 illus., 82 i (Use R!, 2197-5744). ISBN 9783662620274.
(Em: Springer Nature eBook).

BRERETON, Richard G. Chemometrics: data analysis for the laboratory and chemical plant.
Reimpr ed. Chichester, GB: Hoboken, NJ: Wiley, 2006. xiv, 489 p. ISBN 9780471489788 (pbk.).

BEEBE, Kenneth R; PELL, Randy J; SEASHOLTZ, Mary Beth. Chemometrics: a practical guide.
New York: Wiley, c1998. xi, 348 p. ISBN 0471124516 (alk. paper).