|
Todeschini: Introduzione alla Chemiometria
|
| Questo libro vuole essere un contributo allo sviluppo di una strategia generale rivolta ad affrontare la complessità mediante l'utilizzo dei metodi chemiometrici. II testo non ha la pretesa di trattare in modo esaustivo tutti i capitoli della chemiometria: non vengono infatti presi in considerazione campi pur importanti quali quelli del disegno sperimentale e dell'ottimizzazione, i cui contenuti possono essere ritrovati in altri testi. Si è invece posto l'accento sulle strategie di analisi multivariata più tradizionalmente considerate come parti centrali della chemiometria, quali l'analisi in componenti principali, i metodi di cluster analysis, di classificazione e di regressione. Nell'impostazione del testo si e cercato di trattare tutti gli argomenti fornendo sia le basi teoriche sia semplici esempi numerici. Diverse concessioni vengono fatte alla terminologia inglese, affiancando alla terminolgia italiana la dizione inglese, col preciso scopo di fornire al lettore anche l'immediato riscontro della terminologia che viene inevitabilmente incontrata in tutti gli articoli scientifici e nei testi internazionali. In qualche caso si è volutamente evitato di tradurre in lingua italiana alcune denominazioni inglesi il cui valore semantico nella lingua originale e traducibile solo a rischio di perdere alcune connotazioni fondamentali. La lettura del testo non richiede conoscenze matematiche e statistiche particolarmente avanzate. In ogni caso, nell'Appendice A vengono ripresi i fondamenti dell' algebra matriciale (definizioni e operazioni) al fine di facilitarne la lettura e nell'Appendice B viene fornita una breve elencazione dei piu importanti indici statistici, insieme ad alcuni elementi fondamentali di statistica. L'Appendice C contiene alcune dimostrazioni matematiche riguardanti proprieta delle componenti principali e del metodo di regressione PLS. L'Appendice D raccoglie i dati relativi agli esempi utilizzati nel testo. Infine, le Appendici E e F riportano un elenco di siti Internet collegati ai temi trattati nel testo e una bibliografia generale. INDICE: 1. La chemiometria; 2. La struttura multivariata dei dati; 3. L'analisi delle componenti principali; 4. L'analisi dei cluster; 5. Modelli bias e validazione; 6. Metodi di classificazione; 7. Metodi di regressione: le basi; 8. Metodi di regressione: gli sviluppi; 9. Le componenti principali: biplots, analisi dei fattori, delle corrispondenze, l'analisi di correlazione canonica; 10. Algoritmi genetici; 11. I criteri multipli di decisione; 12. Le relazioni struttura attività/proprietà; 13. I descrittori nei problemi QSAR; Appendice Matematica |