Pular para o conteúdo
Even3

O fluxo de tomada de decisão com amostras anômalas

Trecho de 1 min 54 s de Detecção de amostras anômalas e relevância para PLS-DA, gravado no evento XI Workshop de Quimiometria.

Assistir à gravação completaNo Even3 Conteúdos · 57 min

Sobre este trecho

Veja como estruturar o processo analítico para tratar outliers e evitar laudos falsos em análises de rotina.

Vai de a da gravação.

O que é dito neste trecho

Mas o que nós temos então é o seguinte, nós temos uma amostra de predição. Nós queremos chegar aqui, a gente quer chegar no resultado, saber se é classe A, B ou C. Nós temos o nosso modelo PLS-DA, só que para chegar no resultado eu tenho uma uma bifurcação. Essa minha amostra ela pode vir pro resultado, mas ela pode ser um outlier, certo? E é importante que eu tenha critérios bem claros, bem objetivos eh para identificar a presença desse outlier. Apenas se a amostra não é outlier que eu posso vir para esse caminho e interpretar esse resultado e seguir esse fluxo aqui, que é um fluxo que todos nós queremos seguir numa análise, certo? E que nós desejamos que ele sempre represente 80, 90, 95% até 99 % das ocorrências. Todas as amostras que chegam para ser analisadas pelo modelo eu consiga dar um laudo conclusivo, um resultado conclusivo. Mas eu não posso esquecer que esse fluxo alternativo ele também existe. Quando uma amostra ela é identificada como outlier, eu preciso eh ter condições de saber então que ela foi identificada como outlier, não posso confiar no resultado dessa amostra então, porque isso pode ser eh pode pode vir a levar um resultado falso. E o que eu devo fazer é encaminhar essa amostra com um método independente, com um método de referência e dependendo do caso investigar essa amostra. Então aqui eu tenho o nosso fluxo alternativo, né, que se aqui eu tô atendendo 80% das amostras, isso aqui vai representar 20, OK? Nós não podemos fechar os olhos para esse fluxo alternativo. Em aplicações em rotina isso aqui existe, certo?

Outros trechos deste conteúdo