Professional Documents
Culture Documents
Materiales y mtodos
3. Resultados y discusin
Los valores de absorbancia en bruto para cada muestra (A) se dividieron por
Peso de manera que representaban absorbancia por g de tabaco (Ag).
El uso de valores de Ag en lugar de la absorbancia en bruto fue necesario en
Para superar el problema de las diferencias en los pesos de los
Muestras utilizadas para preparar las soluciones y normalizar los espectros
Por unidad de masa para que puedan ser comparables.
Como la mayora de los exmenes realizados en este trabajo fueron
Estadstica paramtrica, fue necesario que los datos
(Absorbancia por unidad de masa) a distribuir normalmente. Por esta razn
Los valores log10 (Ag) se calcularon para asegurar la normalidad de la
Datos [18, 19, 23, 24]. Por lo tanto, a partir de ahora, los valores log10 (Ag)
Se denominarn variables originales.
El espectro medio para cada marca de cigarrillo (como Ag vs.) Se representa en la Fig. 1.
Desde un punto de vista macroscpico, la comparacin Del promedio de los espectros
normalizados mostraron que las diferencias En el perfil de absorcin de cada muestra
fueron evidentes Rango entre 225 y 350 nm (Fig. 1 inserto), mientras que no hay
diferencias visuales Podra inferirse a longitudes de onda ms largas. En nuestro esfuerzo
por Obtener la mxima informacin de los espectros de absorbancia, Se calcul la
primera derivada de todas las muestras pero no revel Cualquier patrn que pudiera
emplearse para diferenciar entre las muestras. Adems, dado que estas muestras
estaban compuestas por una mezcla De varias mezclas, la comparacin del espectro
medio no puede ser Considerado como un procedimiento seguro para la discriminacin
del tabaco. Es decir Debido a que estos espectros representan slo la varianza entre la
muestra Con nada se saba acerca de la variacin dentro de la muestra. Por lo tanto, Se
decidi seleccionar espectros de toda la regin UV-Vis En lugar de aislar mximos de
longitud de onda especficos que podran importar Sesgo en el anlisis. Trabajar con todo
el conjunto de datos es poco prctico ya que los espectros Se registraron en el intervalo
de 200-900 nm a intervalos de 1 nm Lo que significa que se registraron 700 variables para
cada muestra individual. Para permitir la reduccin de los datos y decidir qu variables
Retenido, anlisis de agrupamiento de K-means sobre las variables sobre los objetos
(Muestras de tabaco). Esta tcnica de reduccin de caractersticas Con variables que
llevan informacin similar sobre Se pueden elegir los objetos y las variables ms
representativas Basndose en su proximidad con los centroides del clster. Sin embargo,
como Nmero de clusters seleccionados aumenta las variables se vuelven muy
Correlacionada que resulta en matrices de correlacin singular. en adicin A esta
limitacin, uno tiene que utilizar como pocas variables como sea posible Cuando se
realizan pruebas de clasificacin con anlisis discriminante (DA) A fin de evitar capitalizar
el cambio. Una regla prctica til Dicta que se deben usar m variables cuando n objetos
existen as Que el criterio: n / m> 3, est satisfecho. [18, 25]. Comprometer ambos
Limitaciones, se calcularon 15 conglomerados para utilizar los Variables con la proximidad
ms cercana a los centroides de grupo, es decir, La absorbancia de las soluciones en
207, 220, 254, 321, 360, 398, 416, 441, 467, 496, 531, 566, 616, 691 y 776 nm.
Conclusiones