Advertisement

Chemometrik pp 81-132 | Cite as

Multivariate Datenanalyse

Chapter
  • 261 Downloads

Zusammenfassung

Analytische Messungen liefern zunehmend größere Datenmengen. Die Ursache hierfür sind Fortschritte in Wissenschaft und Technik, die mit immer tieferen Einsichten in das Wesen und die Mechanismen komplexer Prozesse verbunden sind, wie sie in der Werkstoff- und Umweltforschung oder bei Erkenntnissen zur Ernährung und Gesundheit eine Rolle spielen. Hierbei beobachtet man nur selten kausale Wirkungsketten im Sinne des Einflusses eines einzigen Parameters auf bestimmte Effekte. Vielmehr sind es meist mehrere Einflussgrößen, die in mehr oder weniger komplexem Zusammenwirken die Qualität oder den Zustand eines Untersuchungsobjektes bestimmen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    Danzer K, De la Calle Garcia D, Thiel G, Reichenbächer M (1999) Classification of wine samples according to origin and grape varieties on the basis of inorganic and organic trace analyses. Am Lab 3: 26–34Google Scholar
  2. 2.
    Krahl D, Windheuser U, Zick FK (1998) Data Mining: Einsatz in der Praxis. Addison Wesley-Longman, BonnGoogle Scholar
  3. 3.
    Fayyad UM, Piatetsky-Shapiro G, Smyth P, Uthurusamy R (1996) Advances in knowledge discovery and data mining. The MIT Press, Cambridge MAGoogle Scholar
  4. 4.
    de Maesschalck R, Jouan-Rimbaud D, Massart DL (2000) The Mahalanobis distance. Chemom Intell Lab Syst 50: 1–18CrossRefGoogle Scholar
  5. 5.
    Bortz J (1984) Lehrbuch der empirischen Forschung. Springer, Berlin Heidelberg New YorkCrossRefGoogle Scholar
  6. 6.
    Hartung J, Elpelt B (1993) Statistik, 9.Auflage.Oldenbourg,München,S.825ffGoogle Scholar
  7. 7.
    Weihs C (1992) Multivariate exploratory data analysis and graphics. A tutorial. J Chemo-metrics 7: 305–340CrossRefGoogle Scholar
  8. 8.
    Jambu M (1991) Exploratory and multivariate data analysis. London, Academic PressGoogle Scholar
  9. 9.
    Danzer K (1989) Robuste Statistik in der Analytischen Chemie. Fresenius Z Anal Chem 355:869–871CrossRefGoogle Scholar
  10. 10.
    Anscombe FJ (1973) Graphs in statistical analysis. Am Stat 27: 17Google Scholar
  11. 11.
    Brodlie KW, Carpenter LA, Earnshaw RA (1992) Scientific visualization. Springer, New York, NYCrossRefGoogle Scholar
  12. 12.
    du Toit SHC, Steyn AGW, Stumpf RH (1986) Graphical exploratory data analysis. Springer, Berlin Heidelberg New York TokyoCrossRefGoogle Scholar
  13. 13.
    Famili A, Wei-Min S, Weber R, Simoudis E (1997) Data preprocessing and intelligent data analysis. Intell Data Analysis 1: 1CrossRefGoogle Scholar
  14. 14.
    de Noord OE (1994) The influence of data preprocessing on the robustness and parsimony of multivariate calibration models. Chemom Intell Lab Syst 23: 65 – 70CrossRefGoogle Scholar
  15. 15.
    Geladi P, MacDougall D, Martens H (1985) Linearization and scatter-correction for near infrared reflectance spectra of meat. Appl Spectrosc 39: 491–500CrossRefGoogle Scholar
  16. 16.
    Joliaiinsson E (1984) Minimizing of closure on analytical data. Anal Chem 56:1685 –1688CrossRefGoogle Scholar
  17. 17.
    Karstang TV (1992) Optimized scaling. A novel approach to linear calibration with closed data sets. Chemom Intell Lab Syst 14: 165–173CrossRefGoogle Scholar
  18. 18.
    Stolarski RS, Krueger AJ, Schoeberl MR, McPeters RD, Newman PA, Alpert JC (1986) Nimbus 7 satellite measurements of the springtime Antarctic ozone decrease. Nature 322: 808–811CrossRefGoogle Scholar
  19. 19.
    Wold S, Esbensen K, Geladi P (1987) Principal Components Analysis. Chemom Linell Lab Syst 2: 37–52CrossRefGoogle Scholar
  20. 20.
    Golub GH, Van Loan CF (1983) Matrix computations. John Hopkins University Press, BaltimoreGoogle Scholar
  21. 21.
    Hartung J (1995) Multivariate Statistik. Oldenbourg, MünchenGoogle Scholar
  22. 22.
    Wernecke KD (1995) Angewandte Statistik fur die Praxis, Addison-Wesley, BonnGoogle Scholar
  23. 23.
    Stone M (1974) Cross-validatory choice and assessment of statistical prediction. J Roy Stat Sue 36(B): 111Google Scholar
  24. 24.
    Huberty CJ (1994) Applied Discriminant Analysis, Wiley and Sons, New York NYGoogle Scholar
  25. 25.
    Wold S (1976) Pattern recognition by means of disjoint principal component models. Pattern Recognition 8: 127–139CrossRefGoogle Scholar
  26. 26.
    Frank IL (1989) Classification models: discriminant analysis, SIMCA, CART. Chemom Intell Lab Syst 5: 247–256Google Scholar
  27. 27.
    Frank IL (1989) Classification models: discriminant analysis, SIMCA, CART. Chemom Intell Lab Syst 5: 247–256CrossRefGoogle Scholar
  28. 28.
    De Monchy AR, Forster AR, Arretteig JR, Le L, Deming SN (1988) Expert systems for the analytical laboratory. Anal Chem 60: 136 AGoogle Scholar
  29. 29.
    Rusling JF, Kumosinski TF (1996) Nonlinear biochemical data. Academic Press, San Diego, CAGoogle Scholar
  30. 30.
    Schmidt P, Muller EN (1978) The problem of multicollinearity in a multistage causal alienation model: A comparison of ordinary least squares, maximum-likelihood and ridge estimators. Quality and Quantity 12: 267–297CrossRefGoogle Scholar
  31. 31.
    Naes T, Martens H (1988) Principal component regression in NIR analysis. J Chemom 2: 155CrossRefGoogle Scholar
  32. 32.
    McDonald RS, Wilks PA (1988) P.A. JCAMP-DX: A standard form of exchange of infrared spectra in computer readable form. Appl Spectros 42: 151–162CrossRefGoogle Scholar
  33. 33.
    Lampen P, Hillig H, Davies AN, Linscheid M (1994) Appl Spectrosc 48:1545–1552CrossRefGoogle Scholar
  34. 34.
    Wienke D, Wank U, Wagner M, Danzer K (1991) MULTIVAR, PLANEX, INTERLAB - From a Collection of Algorithms to an Expert System - Statistics Software Written from Chemists for Chemists. Software Development in Chemistry. Ed J. Gmehling 5: 113–127CrossRefGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2001

Authors and Affiliations

  1. 1.Institut für Anorganische und Analytische ChemieFriedrich-Schiller-Universität JenaJena
  2. 2.Analytik Jena AGJena
  3. 3.Institut für Physikalische ChemieFriedrich-Schiller-Universität JenaJena
  4. 4.Brooks Automation GmbHJena

Personalised recommendations