66295 - CHEMIOMETRIA

Anno Accademico 2021/2022

  • Docente: Dora Melucci
  • Crediti formativi: 6
  • SSD: CHIM/01
  • Lingua di insegnamento: Italiano
  • Modalità didattica: Convenzionale - Lezioni in presenza
  • Campus: Bologna
  • Corso: Laurea Magistrale in Chimica (cod. 9072)

Conoscenze e abilità da conseguire

Al termine del corso, lo studente ha le basi teoriche e pratiche della Chemiometria per la Chimica Analitica. In particolare, lo studente sa progettare gli esperimenti mediante design of experiments e sa elaborare dati multivariati, utilizzando moderni pacchetti software matematici, statistici e chemiometrici. Lo studente sa infine applicare le abilità acquisite a problemi chimico-analitici reali sia applicativi che di ricerca.

Contenuti

Prerequisiti

Lo studente che accede a questo insegnamento deve essere in possesso di una buona preparazione nei fondamenti della chimica analitica e delle tecniche analitiche strumentali di base.

Obiettivi

Il corso si propone di fornire allo studente la capacità di progettare una metodologia chimico-analitica dal campionamento all’analisi del dato, partendo dalla progettazione di esperimenti per arrivare alla corretta elaborazione dei dati e presentazione del report tecnico finale.

Con tali obiettivi, vengono fornite le seguenti conoscenze matematiche e statistiche:

  • Elementi di analisi statistica multivariata
  • Metodi di esplorazione dei dati multivariati
  • Metodi di modellizzazione multivariata: classificazione e regressione multivariata
  • Design of experiments (DOE)

Lo studente acquisirà le abilità informatiche per l’applicazione di metodi chemiometrici appresi.

Infine, lo studente maturerà la competenza specifica del Chemiometra: ottimizzare un intero processo di analisi chimica.

Programma

ANALISI STATISTICA UNIVARIATA

Intervallo di confidenza. Cifre significative. Test di significatività: t-test, F-test, test Q, test Chi-quadro.

ANOVA per il confronto tra vari intervalli di confidenza.

Calibrazione mediante retta di taratura. Verifica del modello mediante ANOVA. Metodo delle aggiunte standard, effetto matrice, limite di rivelabilità. Metodo dello standard interno.

Propagazione degli errori.

Paired t-test. Confronto tra metodi. Carte di controllo. Metodi non parametrici.

ESPLORAZIONE DEI DATI MULTIVARIATI.

Struttura multivariata dei dati. Matrici: dimensione, trasposizione, centratura, covarianza, correlazione. Pretrattamento dei dati. Trasformazione delle variabili. Gestione dei dati mancanti.

Analisi delle componenti principali. Grafici dei loadings. Grafici degli scores. Scelta delle componenti principali (rank analysis), per via numerica e per via grafica mediante scree plot.

Analisi dei clusters. Matrice delle distanze, matrice di similarità. Metodi gerarchici agglomerativi per l'analisi dei clusters. Dendrogrammi.

MODELLIZZAZIONE MULTIVARIATA

Modelli. Ordine e linearità di un modello. Parametri di controllo. Validazione di un modello.

Classificazione: modelli qualitativi. Matrice di confusione. Matrice delle perdite. Parametri di valutazione della classificazione. Rischio di errore di classificazione (MR%). Il metodo di classificazione K-NN. Analisi discriminante (DA). Il metodo di classificazione SIMCA. Il metodo di classificazione CART.

Calibrazione: modelli quantitativi. Regressione lineare: metodo MLR. Leverages. Coefficienti di regressione. Parametri di valutazione di un modello di regressione. Coefficiente di correlazione. Coefficiente di predizione. Errore standard della stima. Metodi diagnostici per un modello di regressione. Metodo di Regressione in Componenti Principali (PCR). Metodo Partial Least Squares (PLS). Esempi pratici di calibrazione mediante regressione PLS: spettrofotometria, voltammetria pulsata di ridissoluzione, cromatografia-spettrometria di massa.

PROGETTAZIONE DI ESPERIMENTI

Metodi multivariati per la scelta dei campioni standard e delle variabili per la costruzione dei modelli. Full Factorial Design. Fractional Factorila Design. Progettazione in caso di miscele.

Testi/Bibliografia

- Roberto Todeschini, Introduzione alla chemiometria, Edises, 1998.

- J.C. Miller, J.N. Miller, Statistics and Chemometrics for Analytical Chemistry, Pearson Education, 2010.

- Richard G. Brereton, Applied Chemometrics for Scientists, Wiley, 2007.

- Richard Kramer, Chemometric techniques for quantitative analysis, Marcel Dekker, 1998

- Ron Wehrens, Chemometrics with R, Spinger, 2011

Metodi didattici

Il corso prevede lezioni frontali (32 ore) ed esercitazioni nel laboratorio informatico (24 ore).

Le lezioni frontali sono dedicate all'acquisizione dei concetti di base della Chemiometria ed all'acquisizione di strumenti informatici specifici (software per applicazioni matematiche e statistiche).

Le esercitazioni nel laboratorio informatico hanno lo scopo di rendere lo studente autonomo nell'utilizzare gli strumenti della Chemiometria e capace di applicare nozioni e software alla soluzione di problemi reali di analisi chimica multivariata.
In considerazione della tipologia di attività e dei metodi didattici adottati, la frequenza di questa attività formativa richiede la preventiva partecipazione di tutti gli studenti ai moduli 1 e 2 di formazione sulla sicurezza nei luoghi di studio, [https://elearning-sicurezza.unibo.it/] in modalità e-learning.

Fondamentale sarà l'utilizzo di materiale distribuito dal docente reso disponibile in rete [https://virtuale.unibo.it/] e degli appunti di lezione

Modalità di verifica e valutazione dell'apprendimento

Lo studente a fine corso è tenuto a consegnare una relazione che verte sull'elaborazione chemiometrica di un dataset fornito dal Docente. I problemi sono individuali: ogni studente lavora su set di dati diversi rispetto agli altri studenti. L'elaborazione chemiometrica richiesta è analoga a quella che viene trattata durante lo svolgimento del corso in esercitazioni guidate su un dataset-modello. La relazione deve essere sotto forma di un documento di testo. NON è richiesto di consegnare file corrispondenti alle elaborazioni numeriche, mentre è richiesto che gli output numerici o grafici ottenuti dai software utilizzati siano inseriti nella corrispondente relazione. Il Docente assegna un voto alla relazione finale.

L'esame consiste in un'interrogazione orale che verte sulla discussione della relazione finale e sulla teoria spiegata in aula (definizioni e dimostrazioni contenute nelle dispense di lezione). Il Docente assegna un voto all'esame orale.

Il voto finale è la media tra il voto assegnato alla relazione ed il voto assegnato all'orale

Strumenti a supporto della didattica

Lavagna per le spiegazioni teoriche. Videoproiettore per la spiegazione dei fogli di calcolo. Laboratorio informatico per le esercitazioni.

Per le lezioni ed esercitazioni il Docente utilizza i seguenti programmi, installati nei PC del laboratorio informatico e nei PC del laboratorio di ricerca: Microsoft Excel e "R". Il software "R" è utilizzato nella verisone CAT, scaricabile gratuitamente dal sito http://gruppochemiometria.it/index.php/software

Per svolgere gli esercizi individuali e i calcoli per la relazione finale gli studenti possono utilizzare i PC dell'aula informatica oppure utilizzare computer propri, sia in presenza che a distanza.

Orario di ricevimento

Consulta il sito web di Dora Melucci

SDGs

Istruzione di qualità Imprese innovazione e infrastrutture

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.