Escolar Documentos
Profissional Documentos
Cultura Documentos
Multivariada
Calibrao Univariada
Em i
Absorbncia (y)
Absorbncia
Ai
Ad
i Cd
Comprimento de onda Concentrao dos padres(x)
y = bo + b1x + Calibrao
^x = (y b ) /b
o 1 Previso
Matematicamente:
x11 x12 L x1 p
x x 22 L x2 p
X= 21
= xij
M M O M
x n 1 xn 2 L x n p
x ij Linha i, coluna j
y1 1 x1 b0 1
y2 1 x2 b1 2
y3 1 x3 3
= +
. . .
. . .
. . .
yn 1 xn n
b = (XX)-1Xy
^y = X b
x
= y - y^
Absorbncia Calibrao Multivariada
Regresso Linear Mltipla
(MLR)
y=Xb+ b = (XX)-1Xy
y^ = X b = y - y^
Comprimento de onda
y1 x11 x12 x13 . . . x1p b1 1
y2 x21 x22 x23 . . . x2p b2 2
y3 x31 x32 x33 . . . x3p b3 3
y4 x41 x42 x43 . . . x4p . 4
= + .
. . .
. . . .
. . bp .
yn xn1 xn2 xn3 . . . xnp n
Modelagem
Resduos
Modelo
Dados
Por exemplo:
Usar espectros NIR (X) para prever
caractersticas de um produto ou processo (Y)
Matematicamente:
X Modelo y
Equao
Matriz Vetor
Modelos deixam resduos:
X Modelo y
E= XX Resduos f = y y
Modelos tm limites
1 Definio do problema:
Quais as medidas?
Qual a populao?
5 Desenvolvimento do modelo
6 Validao do modelo
7 Implantao na rotina
8 Monitoramento/Atualizao
Etapas de uma calibrao
Estatsticas bsicas
Grficos de linha
Diagramas de disperso
Histogramas
Grficos normais
Grficos matriciais
5 Desenvolvimento do modelo
Escolha do mtodo
Construo do modelo
Matematicamente:
Conjunto de calibrao
X Modelo y
X Conjunto de teste y
Calibrao exploratria
Coletar 30-50 amostras representativas, cobrindo toda a
faixa de interesse
Contm amostras...
K3 n 24
K>3 n 6(K+1)
X x Modelo y
= b0 +bo
yEqua 1
x
Vetor Vetor
Ajuste por mnimos quadrados
95
85
y75i
ei {{
y
y i
65
55
45
38 42
x ii46 50 54 58 62
x
Regresso linear mltipla
y = b0 + b1 x1 + b2 x2 + ... + bK xK
nC
i,cal i ,cal
(
y
i =1
y ) 2
RMSEC =
nC K 1
nC
( y
i =1
i yi )
Tendncia BiasC =
nC K 1
Qualidade do ajuste
nC
i i
(
y
i =1
y Bias ) 2
SEC =
nC K 1
R MS E C 2 = S E C 2 + B ias 2
Dois problemas:
Falta de seletividade:
Nenhuma das variveis xi isoladamente
tem informao suficiente para prever o
valor de y
Colinearidade:
Variveis xi altamente correlacionadas
Regresso instvel
Soluo:
xi x
0.12
yi y
Volume
0.08
Coeficiente de correlao
Covarincia
1 yi y
r ( x ,( xy,) y=) = N 1 ( xi x)( yi y )
Cov 1 x i x
N 1 s s
x y
1 r ( x , y) +1
Relao entre duas variveis
r = +1
0.12
y
0.09
0.06
r = 0,92
V = 5,19
V = 0,0756
x2
x1
x2
x1
Anlise por Componentes
Principais
x2 CP 2
i CP 1
1 30o
x1
Anlise de Componentes
Principais
x3
CP2 CP1
x2
x1
Anlise de componentes principais
Reduo da dimensionalidade
Reconhecimento de padres
Deteco de anomalias
Separao sinal-rudo
Seleo de variveis
Classificao
Regresso em Componentes
Principais (PCR)
1. PCA na matriz X
Menor
RMSECV
Modelo Previso
Conjunto de teste
Conjunto de treinamento e conjunto de teste
N0 de componentes que minimiza o erro de previso do conjunto de teste
CP n0 CP n0
Leverage e resduo em X altos
Alto resduo em X
Leverage alto
PC1
Outliers