جزییات کتاب
این کتاب حاصل همکاری یک متخصص شیمی سنجی و یک متخصص آمار است. معمولاً، هر دو طرف رویکرد کاملاً متفاوتی برای توصیف روشها و کاربردهای آماری دارند - اولی رویکرد عملیتری دارد و دومی رویکرد رسمیتری دارد. مصالحه ای که در این کتاب منعکس شده امیدواریم برای شیمی سنجی ها مفید باشد، اما ممکن است برای دانشمندان و پزشکانی که در رشته های دیگر کار می کنند - حتی برای آماردانان نیز مفید باشد. اصول روشهای آماری چند متغیره مستقل از موضوعی که دادهها از کجا آمدهاند معتبر هستند. البته، در اینجا تمرکز بر روشهایی است که معمولاً در شیمیسنجی استفاده میشوند، از جمله تکنیکهایی که میتوانند با تعداد زیادی متغیر مقابله کنند. از آنجایی که این کتاب یک مقدمه است، لازم بود از روش ها و کاربردهایی که امروزه در شیمی سنجی استفاده می شود، گزیده ای انجام دهیم.
Using formal descriptions, graphical illustrations, practical examples, and R software tools, Introduction to Multivariate Statistical Analysis in Chemometrics presents simple yet thorough explanations of the most important multivariate statistical methods for analyzing chemical data. It includes discussions of various statistical methods, such as principal component analysis, regression analysis, classification methods, and clustering. Written by a chemometrician and a statistician, the book reflects the practical approach of chemometrics and the more formally oriented one of statistics. To enable a better understanding of the statistical methods, the authors apply them to real data examples from chemistry. They also examine results of the different methods, comparing traditional approaches with their robust counterparts. In addition, the authors use the freely available R package to implement methods, encouraging readers to go through the examples and adapt the procedures to their own problems. Focusing on the practicality of the methods and the validity of the results, this book offers concise mathematical descriptions of many multivariate methods and employs graphical schemes to visualize key concepts. It effectively imparts a basic understanding of how to apply statistical methods to multivariate scientific data.