Libro de texto "Quimiometría"
ÍNDICE ABREVIADO (sólo las entradas principales)
1. INTRODUCCIÓN
1.1. Definición y evolución histórica de la Quimiometría
1.2. Máquinas y programas utilizados en Quimiometría
1.3. La matriz objetos-variables
1.4. Tipos de variables
1.5. El estudio de la matriz objetos-variables
2. ESTADÍSTICA DESCRIPTIVA
2.1. Población y muestra
2.2. El modelo de distribución normal
2.3. Propiedades de la varianza y de la media
2.4. La tipificación o transformación z
2.5. Descriptores no paramétricos de la tendencia central y
de la dispersión
2.6. Ensayos de normalidad
2.7. El intervalo de confianza
2.8. Presentación final de los resultados
3. ENSAYOS DE HIPÓTESIS Y ANOVA
3.1. La hipótesis nula y su nivel de significación
3.2. Errores alfa y beta
3.3. La hipótesis alternativa
3.4. Rechazo de resultados anómalos
3.5. Ensayos de comparación de varianzas
3.6. Ensayos de comparación de medias
3.7. Ensayo de comparación de resultados apareados
3.8. Ensayos de comparación de varias varianzas
3.9. Comparación de varias medias muestrales mediante ANOVA
de una entrada
4. REGRESIÓN Y CALIBRACIÓN LINEAL SIMPLE
4.1. Correlación
4.2. Introducción a la regresión lineal simple
4.3. El método de regresión de mínimos cuadrados
4.4. Condiciones de validez de un modelo de regresión de mínimos
cuadrados
4.5. Transformaciones matemáticas sobre las variables
4.6. Incertidumbres de los parámetros de la recta de regresión
y de las predicciones
4.7. La regresión ponderada
4.8. El método de adiciones de estándar o calibración
interna
4.9. El método de regresión de la distancia ortogonal
5. VALIDACIÓN DE MÉTODOS ANALÍTICOS
5.1. Criterios de la calidad de un método analítico
5.2. Organismos de normalización y empresas de acreditación
5.3. Naturaleza y origen de los errores
5.4. La trazabilidad
5.5. Validación de la trazabilidad a distintas concentraciones
de analito
5.6. Validación de la incertidumbre
5.7. El límite de detección
5.8. La relación señal-ruido
5.9. El intervalo dinámico lineal
6. EXPLORACIÓN DE DATOS
6.1. Examen preliminar de la matriz de datos
6.2. Preprocesado de la matriz de datos
6.3. Correlaciones y distancias como medidas de similitud
6.4. El dendrograma
7. ANÁLISIS DE COMPONENTES PRINCIPALES
7.1. Introducción y conceptos fundamentales
7.2. Descomposición de una matriz en puntuaciones, cargas y
autovalores
7.3. Análisis de la matriz de las cargas
7.4. Rotaciones adicionales de los componentes principales
8. ANÁLISIS CLASIFICATORIO
8.1. Introducción
8.2. El análisis discriminante
8.3. El método k-NN
8.4. El método de las redes neuronales artificiales
8.5. Validación de un modelo de clasificación
8.6. El olfato electrónico
9. CALIBRACIÓN Y REGRESIÓN MÚLTIPLE Y MULTIVARIANTE
9.1. Modelos y métodos en calibración y regresión
múltiple y multivariante
9.2. Diseño del conjunto de estándares de calibración
9.3. Calibración y regresión lineal múltiple
9.4. Regresión de componentes principales
9.5. Regresión de mínimos cuadrados parciales