Waltraud Kessler

Multivariate Datenanalyse

für die Pharma-, Bio- und Prozessanalytik. Ein Lehrbuch. Zusatzmaterial online verfügbar

• Gebundenes Buch

Produktbeschreibung

In vielen Fachgebieten, wie z. B. der Lebensmittelchemie, der pharmazeutischen oder biotechnologischen Industrie fallen immer mehr Daten an, die ausgewertet werden müssen. Klassische Verfahren gelangen hierbei schnell an ihre Grenzen.

Die multivariate Datenanalyse beschäftigt sich mit Verfahren, mit denen man aus einer Fülle von Daten - wie z. B. Prozessdaten, Messdaten, Mikroarraydaten, Spektren - die wesentlichen, unabhängigen Informationen herausarbeiten kann. Es eröffnen sich somit ganz neue Möglichkeiten für eine effiziente und gleichzeitig umfangreiche Auswertung. Alle Methoden und Verfahren der multivariaten Datenanalyse werden anhand von praktischen Beispielen mit einer beigefügten Demoversion des Programms "The Unscrambler". Der Leser ist somit in der Lage, das Erlernte direkt auf seine eigenen Fragestellungen anzuwenden.

---

Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.

Produktdetails

• Verlag: Wiley-VCH
• Seitenzahl: 327
• Erscheinungstermin: 24. Oktober 2006
• Deutsch
• Abmessung: 23mm x 170mm x 240mm
• Gewicht: 711g
• ISBN-13: 9783527312627
• ISBN-10: 3527312625
• Artikelnr.: 14597385

Autorenporträt

Professor Waltraud Kessler

Bis 1980 Studium der Physik an der Universitt Reutlingen,

Industriettigkeit mit Schwerpunkt Software-Entwicklung auf dem Gebiet der Optoelektronik zur Datenerfassung und Datenkommunikation,

Wissenschaftlicher Mitarbeiter am Institut fr Angewandte Forschung (IAF) der Fachhochschule Reutlingen,

seit 2002 Honorarprofessur an der FH Reutlingen,

seit 2002 Leitung des Steinbeis Transferzentrums fr Prozesskontrolle und Datenanalyse

enge Kooperationen mit der Firma Camo aus Norwegen, die mit dem Programmpaket "The Umscramble" Marktfhrer auf dem Gebiet der multivariaten Datenanalyse ist (www.camo.com).

Inhaltsangabe

- Was ist multivariate Datenanalyse
- Datensätze der multivariaten Datenanalyse
- Überblick über die Methoden der multivariaten Datenanalyse

ANALYSEMETHODEN
- PCA
- Geschichte der PCA
- Anwendungsgebiete der PCA
- Prinzip der PCA
- Näherungsverfahren zum Berechnen der Hauptkomponenten
- Vorverarbeitung der Daten
- Beispiele (Prozessdaten, Mikroarraydaten, sensorische Daten, Spektren)

REGRESSIONSMETHODEN
- Multilineare Regression (MLR)
- Prinzip der MLR
- Beispiele
- Principal Component Regression (PCR)
- Prinzip der PCR
- Vergleich und Vorteile der PCR gegenüber MLR
- Beispiele
- Partial Least Squares Regression (PLS-R)
- Geschichte der PLS
- Prinzip der PLS
- Regression mit vielen Zielgrößen
- PCR
- Beispiele

KALIBRIEREN, VALIDIEREN DER MODELLE
- Finden des optimalen Kalibriermodells
- Validieren eines Modells - wie gut ist das Modell
- Validierungsmethoden
- Beispiele

ANWENDEN DES KALIBRIERMODELLS-VORHERSAGE VON WERTEN
- Vorhersage mit PCR
- Vorhersage mit PLS
- Fehlerbetrachtung

ZUDSAMMENFASSUNG: SCHRITTE DER MULTIVARIATEN KALIBRIERUNG

KLASSIFIZIERUNGSMETHODEN

SIMCA
- Prinzip der SIMCA
- Beispiele

MEHRDIMENSIONALE REGRESSIONSMETHODEN
- 3-dimensionale-PLS (N-PLS)
- Geschichte der N-PLS
- Prinzip der N-PLS
- Beispiele

PARAFAC
- Geschichte der PARAFAC
- Prinzip der PARAFAC
- Beispiele

ERWEITERTE VERFAHREN ZUR PCA
- Rotation auf Reinspektren (Target Transformation)
- Prinzip der Target Transformation
- Rotation unter vorgegebenen Nebenbedingungen
- Selbstständiges Finden von Reinspektren in den Hauptkomponenten (Multivariate Curve Resolution MCR)
- Geschichte der MCR
- Prinzip der MCR
- Beispiele

Rezensionen

"...Dem Leser wird ein ausreichender mathematischer Hintergrund der multivariaten Verfahren vermittelt, dabei legen die Autoren gleichzeitig viel Wert auf Anschaulichkeit und Interpretation. Beispiele aus der insustriellen Praxis verdeutlichen die Theorie, und es gibt viele Hinweise und Tipps für die Anwendung der Verfahren beim Auswerten großer Datenmengen."
PharmaTec, 06/2007