11.1: ¿Qué entendemos por estructura?

Las señales que medimos incluyen contribuciones de fuentes determinadas e indeterminadas, con los componentes determinados resultantes de los analitos en nuestra muestra y con las fuentes indeterminadas resultantes del ruido. Cuando describimos nuestros datos como que tienen estructura, o que estamos buscando estructura en nuestros datos, nuestro interés está en las contribuciones determinadas a la señal. Consideremos, por ejemplo, los datos de la siguiente figura, que muestra los espectros visibles para 24 muestras a 635 longitudes de onda.

Figura\(\PageIndex{1}\): Espectros visibles para 24 muestras registradas a 635 longitudes de onda entre 380.5 nm y 889.5 nm. El espectro en rojo resalta uno de los 24 espectros incluidos en este conjunto de datos.

Cada curva en esta figura, como la que se muestra en rojo, es una de las 24 muestras que componen este conjunto de datos y muestra la medida en que cada una de las 635 longitudes de onda discretas de luz son absorbidas por esa muestra: esta es la contribución determinada a los datos. Observando de cerca el espectro mostrado en rojo, vemos pequeñas variaciones en la absorbancia superpuesta a la señal determinada: esta es la contribución indeterminada a los datos.

Aunque cuando se examinaron por primera vez, los 24 espectros en la Figura\(\PageIndex{1}\) pueden crear una sensación de desorden, hay una clara estructura subyacente a los datos. Por ejemplo, hay cuatro picos aparentes centrados en longitudes de onda alrededor de 400 nm, 500 nm, 580 nm y 800 nm. Cada uno de los espectros individuales incluye uno o más de estos picos. Además, a una longitud de onda de 800 nm, vemos que algunas muestras no muestran absorbancia, y presumiblemente carecen de cualquier analito responsable de este pico; otras muestras, sin embargo, incluyen claramente contribuciones de este analito. Esto es lo que queremos decir con encontrar estructura en los datos. En este capítulo exploramos tres herramientas para encontrar estructura en datos: análisis de conglomerados, análisis de componentes principales y regresión lineal multivariada, que nos permiten darle sentido a esa estructura.