Uso de Functional Data Explorer para datos espectralesDesde que se introdujo Functional Data Explorer en JMP Pro 14, se ha convertido en una herramienta imprescindible para resumir y obtener información a partir de las características de forma en los datos de los sensores. Con el lanzamiento de JMP Pro 17, agregamos nuevas herramientas que facilitan el trabajo con datos espectrales. En particular, el nuevo modelo Wavelets es una alternativa rápida a los modelos existentes en FDE para datos espectrales.
Vea cómo:
- Comprenda las diferencias en el manejo de datos funcionales y espectrales: las mediciones se realizan con el tiempo
- Datos del sensor (por ejemplo, fermentación)
- Datos espectrales (por ejemplo, espectroscopia NIR)
- Datos de series temporales (por ejemplo, índice de precios al consumidor)
- Comprender los desafíos del preprocesamiento de datos espectrales
- Los datos sin procesar no siempre están limpios para su uso directo
- Los problemas típicos son la línea de base, la dispersión y el ruido.
- Se encuentran disponibles algoritmos de preprocesamiento estándar de variación normal, corrección de dispersión multiplicativa, filtro Savitky-Golay y corrección de línea de base.
- Los problemas típicos son la línea de base, la dispersión y el ruido.
- Comprender los modelos de datos disponibles en JMP Pro
- B-Spline: una curva polinómica por partes, y los nudos son los puntos donde se unen las piezas para datos no periódicos.
- Base P-Splines: un polinomio por partes penalizado B-Spline y los nudos son los puntos donde se unen las piezas.
- Fourier: para datos periódicos (oscilatorios)
- Wavelets (Haar, Biorthogonal, Coiflet, Daubechies y Symlet): para situaciones en las que la señal contiene discontinuidades y picos agudos
- Analizar un estudio de caso de espectrometría de masas y cáncer de próstata para caracterizar cambios en la expresión de proteínas
- Analizar un estudio de caso de biosurfactantes de soforolípidos por HPLC para optimizar las condiciones para la separación de picos
Vídeo 1:
Vídeo 2:
Vídeo 3:
Recursos
Modelado estadístico avanzado
