Guia docenteCurso
Facultad de Ciencias
  Inicio | galego | castellano | english | A A A |  
Grao en Química
 Asignaturas
  Química Analítica Avanzada y Quimiometría
   Contenidos
Tema Subtema
Tema 1. Introducción al análisis de trazas Importancia del análisis de trazas y campos de aplicación. El proceso analítico en el análisis de trazas: requerimientos especiales. Importancia y requisitos básicos del muestreo. Estrategias de muestreo. Conservación y tratamiento de la muestra: fuentes de error. Aseguramiento de la calidad en el análisis de trazas.
Tema 2. Análisis de trazas inorgánicas Introducción. Destrucción de matrices orgánicas. Descomposición y disolución de matrices inorgánicas. Procesos de separación y preconcentración en análisis de trazas inorgánicas. Especiación de elementos traza. Aplicaciones analíticas.
Tema 3. Análisis de trazas orgánicas Introducción. Métodos de extracción de muestras sólidas. Métodos de extracción de muestras líquidas. Purificación, fraccionamiento y concentración de extractos orgánicos. Aplicaciones analíticas.
Tema 4. Automatización en el laboratorio analítico Objetivos de la automatización. Ventajas y desventajas de la automatización. Clasificación de los sistemas analíticos automáticos. Robotización del laboratorio. Miniaturización. Análisis de procesos.
Tema 5. Introducción a la quimiometría Definición de quimiometría. La quimiometría en el proceso analítico. Concepto de incertidumbre y cálculos básicos.
Tema 6. Inferencia estadística y calibración univariable Test estadísticos de inferencia en los laboratorios analíticos: ensayos de hipótesis y análisis de varianza. Aplicaciones al laboratorio y al control de producción. Métodos de calibración. Calibración univariante por regresión lineal de mínimos cuadrados. Validación del modelo de calibración. Intervalos de confianza.
Tema 7. Diseño y optimización de experimentos Diseño experimental: principios básicos. Tipos de diseños: diseños factoriales, diseños factoriales fraccionados y diseños Plackett-Burman. Optimización secuencial: método simplex. Diseños de superficie de respuesta.
Tema 8. Análisis multivariable de datos Introducción. Clasificación de métodos de reconocimiento de pautas. Métodos no supervisados: análisis de agrupaciones, análisis de componentes principales. Métodos supervisados: método SIMCA, método del vecino más próximo (KNN).
Prácticas de laboratorio El alumno aplicará los conceptos teóricos desarrollados a lo largo del curso aplicando las metodologías analíticas necesarias para resolver un problema real en el campo medioambiental, industrial, agroalimentario, clínico..
Universidade da Coruña - Rúa Maestranza 9, 15001 A Coruña - Tel. +34 981 16 70 00  Soporte Guías Docentes