617-3015/01 – Chemometrie (ChM)
| Garantující katedra | Katedra chemie | Kredity | 6 |
| Garant předmětu | prof. Ing. Petr Praus, Ph.D. | Garant verze předmětu | prof. Ing. Petr Praus, Ph.D. |
| Úroveň studia | pregraduální nebo graduální | Povinnost | povinný |
| Ročník | 2 | Semestr | zimní |
| | Jazyk výuky | čeština |
| Rok zavedení | 2019/2020 | Rok zrušení | |
| Určeno pro fakulty | FMT | Určeno pro typy studia | navazující magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Znalost základních chemometrických pojmů, validačních parametrů a postupů statistického vyhodnocení naměřených dat. Praktické využití dostupných software k chemometrickým výpočtům a k zpracování naměřených dat.
Vyučovací metody
Přednášky
Experimentální práce v laboratoři
Ostatní aktivity
Anotace
Předmět si klade za cíl seznámit studenty s problematikou pravděpodobnosti, statistiky a zpracování dat. Studenti se naučí využívat validační postupy a správně vyhodnocovat naměřená data. Hlavní důraz je kladen na použití dostupného počítačového software k chemometrickým výpočtům a dalším aplikacím. Cílem předmětu je mimo jiné i pomoci studentům při zpracování naměřených dat v rámci diplomových a dalších výzkumných prací.
Povinná literatura:
Doporučená literatura:
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Zápočtový test a ústní zkouška.
E-learning
Další požadavky na studenta
1. Účast na cvičeních – 90 %
2. Odevzdání semestrální práce (MS Word)
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
1. Definice chemometrie. Teorie pravděpodobnosti. Definice pravděpodobnosti. Podmíněná pravděpodobnost.
2. Náhodná veličina. Definice náhodné veličiny. Diskrétní a spojitá náhodná veličina. Histogram, sestrojení histogramu. Polygon.
3. Teorie chyb. Klasifikace chyb. Správnost a přesnost.
4. Analýza jednorozměrných dat. Typy pravděpodobnostních rozdělení.
5. Momentové charakteristiky jednorozměrných dat. Míry tvaru, polohy a rozptýlení. Kvantilové a robustní charakteristiky.
6. Ověření nezávislosti, normality a homogenity výběru.
7. Analýza malých výběrů. Hornův postup.
8. Statistické testy. Testování výsledků; testování správnosti průměru; testování shody dvou průměrů; testování shody dvou směrodatných odchylek.
9. Analýza rozptylu ANOVA. Jednofaktorová ANOVA. Dvoufaktorová ANOVA.
10. Vícerozměrná analýza: faktorová analýza, metoda hlavních komponent, diskriminační analýza, shluková analýza.
11. Validace. Definice validace, proces validace, druhy validací, validační parametry (správnost metody; přesnost metody; opakovatelnost; chyba výsledku, odchylka; zjištění odlehlých výsledků; interval spolehlivosti; nejistota stanovení; výtěžnost; robustnost analytického postupu.)
12. Kalibrace. Kalibrační postup; linearita – odhad korelačního koeficientu; lineární rovnice; parametry lineární regrese – směrodatná odchylka; test parametrů rovnice regrese; mez detekce; mez stanovitelnosti
13. Nelineární kalibrace. Metoda standardního přídavku.
14. Lineární regrese. Vlivná data (vybočující pozorování; extrémy).
Cvičení
1. Úvodní cvičení, výpočet pravděpodobnosti.
2. Histogram, sestrojení histogramu. Polygon. (Využití software MS-Excel a QC-Expert.)
3. Analýza jednorozměrných dat. Typy pravděpodobnostních rozdělení. Momentové charakteristiky jednorozměrných dat. Míry tvaru, polohy a rozptýlení. Kvantilové a robustní charakteristiky. (Využití software MS-Excel a QC-Expert.)
4. Ověření nezávislosti, normality a homogenity výběru. (Využití software MS-Excel a QC-Expert.)
5. Analýza malých výběrů. Hornův postup. (Výpočtem a s využitím software QC-Expert.)
6. Zadání a zpracování 1. zápočtové práce.
7. Statistické testy. Testování výsledků; testování správnosti průměru; testování shody dvou průměrů; testování shody dvou směrodatných odchylek.
8. Analýza rozptylu ANOVA. Jednofaktorová ANOVA. Dvoufaktorová ANOVA.
9. Vícerozměrná analýza: faktorová analýza, analýza hlavních komponent, diskriminační analýza, shluková analýza.
10. Validace. Validační parametry (správnost metody; přesnost metody; opakovatelnost; chyba výsledku, odchylka; zjištění odlehlých výsledků; interval spolehlivosti; nejistota stanovení; výtěžnost; robustnost analytického postupu.)
11. Kalibrace. Kalibrační postup; linearita – odhad korelačního koeficientu; lineární rovnice; parametry lineární regrese – směrodatná odchylka; test parametrů rovnice regrese; mez detekce; mez stanovitelnosti.
12. Lineární regrese. Vlivná data (vybočující pozorování; extrémy).
13. Zadání a zpracování 2. zápočtové práce. (Využití software MS-Excel a QC-Expert.)
14. Kontrola zápočtových prací, udělení zápočtu.
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky