Experimental Design and Multivariate Data Analysis

Grunderna i (kemisk) dataanalys: I detta avsnitt ligger fokus på modellbegreppet och variabilitet samt hur modeller av variabilitet kan användas i dataanalys. Kopplingen mellan och teoribildningen kring traditionell statistik och multivariat statistik tydliggörs. Försöksplanering (experimentell design): I detta avsnitt behandlas hur försöksplanering (experimentell design) kan användas för att göra så att data innehåller information, hur dessa data kan anlyseras och utvärderas samt hur man kan använda denna filosofi för att optimera (kemiska) system och processer där många variabler påverkar utfallet. Olika typer av experimentella designer, även mer avancerade varianter, analys- och optimeringsmetoder tas upp. En djupare teoretisk och prakrisk förståelse av designkonceptet och olika typer av designer ingår.  Multivariat dataanalys: I detta avsnitt behandlas hur stora komplexa datamängder (tabeller) uppbyggda av ett stort antal korrelerade variabler kan analyseras så att, (i) en överblick av multivariata data kan erhållas, (ii) likheter och skillnader mellan prover kan detekteras och tolkas, (iii) relationen mellan block (tabeller) av data kan modelleras och tolkas. Specifika tillämpningar tas upp såsom multivariat kalibrering, multivariat klassificering och effektanalys samt övervakning och kontroll olika typer av relevanta processer. Olika typer av multivariata projektionsmetoder såsom principalkomponentanalys (PCA), partial least squares projections to latent structures (PLS) och ortogonal PLS (OPLS) presenteras. En fördjupning kring OPLS metoden, dess varianter och tillämpningar ingår. Projekt: Ett projekt som löper genom hela kursen där studenten förväntas fördjupa sig inom ett specifikt tillämpningsområde och presentera en detaljerad översikt och analys av litteratur.