Wiley.com
Print this page Share

Multivariate Datenanalyse: für die Pharma, Bio- und Prozessanalytik

ISBN: 978-3-527-31262-7
340 pages
September 2011
Multivariate Datenanalyse: für die Pharma, Bio- und Prozessanalytik (3527312625) cover image

Description

Die Multivariate Datenanalyse bietet neue Möglichkeiten für eine effiziente und umfangreiche Datenauswertung. Sämtliche Methoden und Verfahren werden anhand von praktischen Beispielen mit einer beigefügten Demoversion des Programms "The Unscrambler" von der Firma Camo erklärt.
See More

Table of Contents

Vorwort XI

1 Einführung in die multivariate Datenanalyse 1

1.1 Was ist multivariate Datenanalyse? 1

1.2 Datensätze in der multivariaten Datenanalyse 4

1.3 Ziele der multivariaten Datenanalyse 5

1.4 Prüfen auf Normalverteilung 8

1.5 Finden von Zusammenhängen 16

2 Hauptkomponentenanalyse 21

2.1 Geschichte der Hauptkomponentenanalyse 21

2.2 Bestimmen der Hauptkomponenten 22

2.3 Mathematisches Modell der Hauptkomponentenanalyse 36

2.4 PCA für drei Dimensionen 46

2.5 PCA für viele Dimensionen: Gaschromatographische Daten 56

2.6 Standardisierung der Messdaten 65

2.7 PCA für viele Dimensionen: Spektren 72

2.8 Wegweiser zur PCA bei der explorativen Datenanalyse 86

3 Multivariate Regressionsmethoden 89

3.1 Klassische und inverse Kalibration 90

3.2 Univariate lineare Regression 92

3.3 Maßzahlen zur Überprüfung des Kalibriermodells (Fehlergrößen bei der Kalibrierung) 93

3.4 Signifikanz und Interpretation der Regressionskoeffizienten 97

3.5 Grafische Überprüfung des Kalibriermodells 97

3.6 Multiple lineare Regression (MLR) 99

3.7 Beispiel für MLR – Auswertung eines Versuchsplans 100

3.8 Hauptkomponentenregression (Principal Component Regression – PCR) 103

3.9 Partial Least Square Regression (PLS-Regression) 111

3.10 PLS-Regression für eine Y-Variable (PLS1) 113

3.11 PLS-Regression für mehrere Y-Variablen (PLS2) 127

4 Kalibrieren, Validieren, Vorhersagen 153

4.1 Zusammenfassung der Kalibrierschritte – Kalibrierfehler 154

4.2 Möglichkeiten der Validierung 155

4.3 Bestimmen des Kalibrier- und Validierdatensets 162

4.4 Ausreißer 168

4.5 Vorhersagebereich der vorhergesagten Y-Daten 175

5 Datenvorverarbeitung bei Spektren 183

5.1 Spektroskopische Transformationen 183

5.2 Spektrennormierung 185

5.3 Glättung 187

5.4 Basislinienkorrektur 190

5.5 Ableitungen 193

5.6 Korrektur von Streueffekten 198

5.7 Vergleich der Vorbehandlungsmethoden 203

6 Eine Anwendung in der Produktionsüberwachung – von den Vorversuchen zum Einsatz des Modells 211

6.1 Vorversuche 211

6.2 Erstes Kalibriermodell 217

6.3 Einsatz des Kalibriermodells – Validierphase 220

6.4 Offset in den Vorhersagewerten der zweiten Testphase 224

6.5 Zusammenfassung der Schritte bei der Erstellung eines Online-Vorhersagemodells 227

7 Tutorial zum Umgang mit dem Programm "The Unscrambler" der Demo-CD 229

7.1 Durchführung einer Hauptkomponentenanalyse (PCA) 229

7.2 Datenvorverarbeitung 253

7.3 Durchführung einer PLS-Regression mit einer Y-Variablen 261

7.4 Verwenden des Regressionsmodells – Vorhersage des Theophyllingehalts für Testdaten 276

7.5 Export der Unscrambler-Modelle zur Verwendung in beliebigen Anwendungen 278

7.6 Checkliste für spektroskopische Kalibrierungen mit dem Unscrambler 287

Literatur 290

Anhänge A–D 291

Anhang A 292

Anhang B 302

Anhang C 304

Anhang D 310

Stichwortverzeichnis 313

See More

Downloads

Download TitleSizeDownload
Trainingsversion von ?The Unscrambler? 37.45 MB Click to Download
See More

Related Titles

Back to Top