Pular para o conteúdo
Even3

Hipóteses fundamentais e não gaussianidade no ICA

Trecho de 1 min 52 s de Análise por componentes independentes (ICA) em dados químicos, gravado no evento XI Workshop de Quimiometria.

Assistir à gravação completaNo Even3 Conteúdos · 1 h 2 min

Sobre este trecho

Descubra como o ICA utiliza a hipótese de independência e a busca por distribuições não gaussianas para extrair sinais puros a partir de misturas espectrais complexas.

Vai de a da gravação.

O que é dito neste trecho

Então como que ele vai fazer isso? Ele vai tirar como hipótese duas duas coisas. A primeira, que a variação do sinal ela não vai depender de forma nenhuma do outro sinal. Ou seja, se um analito se eu tenho dois analitos no meu na minha mistura, né, o sinal do analito A ele não tem nenhum tipo de interferência no analito B, ele não vai influenciar o espectro do analito B de forma nenhuma. Ou seja, cada analito tem o seu impressão digital espectral, né, tem o seu sinal ali puro que é daquele analito, né? Eles são independentes, e aí que vem a ideia de utilizar sinais componentes independentes. E outra hipótese que ele faz para poder calcular essas componentes independentes é que os sinais medidos eles vão ser combinações de sinais independentes, né? E se eles são combinações de sinais independentes, eles vão apresentar um perfil gaussiano. E aí eu vou ter que lembrar rapidinho de vocês daquela parte de da aula de estatística lá, aula cinco do professor, quando ele tava falando sobre o perfil gaussiano, e ele comenta do teorema do limite central. E ele fala que distribuições podem não ser podem não ser eh gaussianas. E realmente os espectros independentes que a gente vai encontrar aqui eles não são gaussianos, mas a somatória desses espectros, a somatória dessas distribuições não gaussianas dá um perfil gaussiano. Então os nossos sinais detectados, aquilo que a gente tá pegando no nosso equipamento, ele tem um perfil gaussiano. E utilizando essa hipótese, o que que o ICA vai fazer? Ele vai tentar procurar dentro desse sinal medido que tem um perfil gaussiano quais são os sinais que são menos gaussianos possíveis. Sendo menos gaussianos possíveis, eles vão ser os mais independentes possíveis e mais próximos daqueles meus sinais dos meus analitos de interesse, tá?

Outros trechos deste conteúdo