ST808: Multivariat dataanalyse og kemometri
Kommentar
15009501(tidligere UVA) er identisk med denne kursusbeskrivelse.
Kandidatkursus forhåndsgodkendt som PhD-kursus
Indgangskrav
Faglige forudsætninger
Formål
Kurset har til formål at sætte den studerende i stand til at studere
multivariate kalibreringsmetoder og deres anvendelser i kemometri.
Kurset bygger oven på den viden, der er erhvervet i kurserne lineaer algebra og matematisk statistik.
I forhold til uddannelsens kompetenceprofil har kurset eksplicit fokus på at:
- Give kompetence
til at planlægge og udføre videnskabelige projekter på højt fagligt
niveau herunder styre arbejds- og udviklingssituationer, der er
komplekse, uforudsigelige og forudsætter nye løsningsmodeller - Give færdigheder i mestre computerberegninger som videnskabeligt undersøgelsesværktøj
- Give viden
om avancerede modeller og metoder i anvendt matematik baseret på
højeste internationale forskning, herunder emner fra fagets
forskningsfront, viden om anvendelse af disse modeller og metoder på
problemer fra andre fag og erhvervslivet
Målbeskrivelse
For at opnå kursets formål er det læringsmålet for kurset, at den studerende demonstrerer evnen til at:
- beskrive de vigtigste kemometriske metoder til multivariat kalibrering og at kunne anvende disse i en konkret sammenhæng.
- kende
til anvendelsen af en statistisk programpakke, som f.eks. R, til
løsningen af konkrete multivariate kalibreringsproblemer, og at kunne
beskrive resultatet af en sådan analyse i rapportform. - beskrive
de forskellige kemometriske metoders fordele og ulemper med henblik på
at vælge den korrekte metode til at løse et givet multivariat
kalibreringsproblem. - beskrive til de vigtigste metoder til
validering og optimering af en given kalibreringsmetode for et konkret
problem, med henblik på at vurdere metodens korrekthed i den givne
sammenhæng.
Indhold
Kurset indeholder følgende faglige hovedområder:
- Repetition af elementære begreber fra statistik og matrixregning.
- Introduktion til kemometri og multivariat kalibrering.
- Multipel lineær regression (MLR).
- Klassiske mindste kvadraters metode (CLS).
- Principal komponent analyse (PCA).
- Principal komponent regression (PCR).
- Partiel mindste kvadraters metode (PLS).
- Validering og optimering af kalibreringsmodel.
- Litteratur
Litteratur
Eksamensbestemmelser
Eksamenselement a)
Tidsmæssig placering
Udprøvninger
Evaluering ved bedømmelse af tre projektrapporter over kemometrisk dataanalyse, som stilles i løbet af kurset
EKA
Censur
Bedømmelse
Identifikation
Sprog
Hjælpemidler
Oplyses på kurset
ECTS-point
Uddybende information
Reeksamen i samme eksamenstermin eller i umiddelbar forlængelse heraf. Eksamensformen ved reeksamen kan være en anden end eksamensformen ved den ordinære eksamen.
Vejledende antal undervisningstimer
Undervisningsform
For at sætte de studerende i stand til at nå læringsmålene for kurset tilrettelægges undervisningen således, at der er 48 forelæsningstimer, holdtimer etc. på et semester.
Disse undervisningsaktiviteter udmønter sig i en anslået vejledende fordeling af arbejdsindsatsen hos en gennemsnitsstuderende på følgende måde:
- Introfase (forelæsning, holdtimer) - Antal timer: 24
- Træningsfase: Antal timer: 24
- Total: Antal timer: 48
Aktiviteter i studiefasen: At studere kursusmaterialet og blive fortrolig med statistiske analyser i software-programmet R, individuelt eller i grupper.