The Chemometrics Revolution Re Examined - Brown - 2017 - Journal of Chemometrics - Wiley Online Library

Traducido al: español Mostrar texto original Opciones
Revista de Quimiometría / Volume 31, Issue 1 / e2856
PERSPECTIVA Acceso Libre
La revolución de la quimiometría reexaminada
steven d marrón 
Publicado por primera vez:04 noviembre 2016

https://doi.org/10.1002/cem.2856
Citas: 5
Resumen
Se da una perspectiva histórica del desarrollo de la quimiometría como campo. Se presta especial
atención a los primeros trabajadores en el análisis y modelado de datos químicos en un esfuerzo por
mostrar cómo el campo evolucionó de una disciplina amplia, principalmente estadística, a un campo
más limitado centrado en el análisis predictivo multivariado. Se proporciona una discusión de las
relaciones de la quimiometría con la estadística, el modelado químico y la química analítica para
mostrar cómo los primeros conflictos han dado forma y continúan dando forma al campo. El autor
considera el estado del campo ahora y hace sugerencias sobre la forma en que la quimiometría
debería cambiar para seguir siendo vital en el área de análisis de datos que cambia rápidamente.
Ver PDF
1. INTRODUCCIÓN
ARTHUR, uno de los primeros paquetes de software de mainframe de quimiometría desarrollado en el
laboratorio de Bruce Kowalski a mediados de la década de 1970, siempre imprimía un comentario
conciso cuando comenzaba cada uno de sus métodos de quimiometría, y algunas versiones imprimían
bromas al azar tanto en inglés como en sueco, pero lo mejor estaba reservado para el final de la carrera.
Cualquier error en la entrada del usuario generaba la impresión de una página de insultos leves de
ARTHUR y una imagen impresa en línea de una cerveza que se servía de una jarra. Cuando el usuario
tenía el cuidado/la suerte de no cometer un error en el mazo con las cartas de datos y comandos, y si
ARTHUR ejecutaba el mazo de cartas y completaba la tirada sin errores fatales, el siguiente poema
siempre terminaba la tirada:
 “En asuntos controvertidos,
Mi ió b t t b
Mi percepción es bastante buena.
Traducido al: español Mostrar texto original Opciones ▼
Siempre veo dos puntos de vista:
El que está mal, y el mío.
Hasta luego”—ARTHUR
En aquel entonces, toda la quimiometría se hacía a la manera de ARTHUR, o el usuario obtenía la imagen
de la cerveza, y no había resultados.
Los editores me han pedido que brinde una descripción general de los "primeros días de la
quimiometría". Con esto, creo que se refieren a mi tiempo en el Laboratorio de Quimiometría, bajo la
dirección de Bruce Kowalski.
No reclamaré la calidad de percepción que ARTHUR tiene sobre la quimiometría y su historia. Hay,
después de todo, muchas revisiones publicadas de "quimiometría" y por esto, excluyo esas revisiones de
métodos quimiométricos o su aplicación. Tampoco incluyo aquellos breves resúmenes del campo
destinados a audiencias que no incluyen el Journal of Chemometrics entre las revistas que leen
regularmente. Muchos investigadores reconocidos en el campo ya han comunicado sus percepciones de
la quimiometría en estas páginas 1 - 5 y en otros lugares 6 , 7 sobre qué es la quimiometría y hacia dónde
se dirige, o se dirigía. Yo también he comunicado mis puntos de vista (hace 20 años) sobre el campo y su
dirección. 8Además, hay una entrevista antigua y publicada de varios quimiométricos "conocidos", en la
que Bruce Kowalski y muchos otros comentaron sobre el campo en 1989. 9 , 10 Sin embargo, entre todas
estas revisiones, hay relativamente poco publicado sobre cómo la quimiometría realmente comenzó,
sobre los desafíos que surgieron a medida que el campo evolucionó y sobre cómo los comienzos de la
quimiometría continúan dando forma a la dirección del campo. Ese es el enfoque de mis comentarios Ver PDF
aquí.
Este comentario está estructurado de manera un poco diferente a otros. 1 - 8 Esta no es una
retrospectiva convencional; en cambio, considero la historia y la sociología del campo de la
"quimiometría", y minimizo cualquier lista de mis contribuciones al campo, excepto cuando se relacionan
específicamente con mi tema. Mi objetivo es mostrar cómo los avances y los conflictos han moldeado y
limitado lo que actualmente se considera quimiometría, y cómo los cambios recientes en varias áreas
que pueden parecer periféricas a la quimiometría afectarán su futuro. Hago varias sugerencias de
cambio que, en mi opinión, garantizarán la salud continua del campo.
2 ¿QUÉ ES “QUIMOMÉTRICA”?
Cuándo comenzó la quimiometría y qué significa el término "quimiometría" todavía están sujetos a
discusión, como muestran los comentarios recientes. 1 - 5 Sin embargo, no hay falta de claridad sobre
cuándo se usó el nombre por primera vez: Svante Wold se refirió a la "quimiometría" en una propuesta
de subvención (en 1972) y la mencionó más tarde ese mismo año en un artículo sobre ajuste spline de
tasa datos en Kemisk Tidskrift 11 Mundo 12posteriormente publicó un artículo mencionando el
tasa. datos en Kemisk Tidskrift . 11 Mundo 12posteriormente publicó un artículo mencionando el
concepto de “quimiometría”. En opinión de Wold, el término se refería a la química con las matemáticas
aplicadas. Aunque no profundiza en su visión del campo en este artículo, Wold menciona el término en el
título, indica "grupo de quimiometría" en su dirección postal y luego considera los detalles de la
evaluación numérica de los datos de la instrumentación química. Wold destaca allí que la quimiometría,
aunque se basa en las matemáticas aplicadas, es una rama aplicada de la ciencia química definida por
sus interesantes problemas. Según Wold, el objetivo principal de la quimiometría es "estructurar el
problema químico en términos matemáticos" y que, en lugar de formar una rama separada de la
química, la quimiometría debe "permanecer como parte integral de todas las áreas de la química".
Primera publicación de Kowalski 13mencionar el término quimiometría (que se deriva de su presentación

anterior dada en una conferencia de la American Chemical Society [ACS] celebrada sobre aplicaciones
químicas del reconocimiento de patrones) identifica su dirección como el Laboratorio de Quimiometría
de la Universidad de Washington. Este artículo, a diferencia del de Wold, tiene como objetivo definir la
quimiometría como una nueva rama de la química. También se trata de la visión: los detalles están
ausentes. Aquí, Kowalski definió lo que llamó el nuevo campo de la quimiometría y dio su punto de vista
sobre lo que era una "investigación nueva y viable" en la aplicación química de los "métodos
quimiométricos", centrándose en la aplicación de la metodología. Consideró la necesidad del diseño
experimental, el desarrollo de software de análisis multivariado para implementar métodos, y, lo que es
más importante, la necesidad de poner el software desarrollado para la quimiometría en manos de los
químicos para fomentar el crecimiento constante de nuevas aplicaciones químicas. En la carta a los
futuros quimiométricos que se reproduce en este artículo, Kowalski amplía su visión del campo: además
de los métodos estadísticos y los métodos numéricos, consideró la teoría de la estimación, la teoría de la
decisión, la optimización, la inteligencia artificial, el análisis espectral y de forma de onda, el análisis
numérico análisis, cibernética y muchos otros para formar parte de la quimiometría. Estos eran campos
que él veía como "aplicaciones químicas permeantes", y su objetivo era proporcionar una forma de
traducir conceptos de estos campos a los químicos por medio de una Sociedad de Quimiometría,
Ver PDF
análoga, en su visión, a sociedades en biometría, econometría y psicometria Aquí define "quimiometría"
directamente como la aplicación de herramientas matemáticas y estadísticas a la química. Continúa
aclarando que, aunque algunas técnicas en quimiometría pueden ser las mismas que se usan en química
teórica, la quimiometría no está dirigida a cálculos teóricos, sino a la extracción de información química
útil a partir de datos medidos.
Los puntos de vista algo conflictivos de la quimiometría en el cuerpo del artículo de Kowalski, el artículo
de Wold y en la carta de Kowalski y Wold a los posibles miembros de esta nueva sociedad pueden sugerir
una falta temprana de articulación clara de la naturaleza y el alcance del campo. pero también es una
consecuencia de la necesidad de los 2 miembros fundadores de la sociedad de establecer sus esfuerzos
de investigación como científicos jóvenes; la dirección de la investigación rara vez es completamente
cierta, aunque está en marcha, y es prudente definir los objetivos en términos generales. Parece claro
que uno de los objetivos de definir la quimiometría tan ampliamente era atraer a tantos participantes a
la nueva sociedad como fuera posible. Otro objetivo también es claro: según Kowalski, la quimiometría
debía ser una interfaz entre la química de medición y varios medios para evaluar esas mediciones.
cualquiera que sea la forma que adopte la evaluación. Al definir el campo tan ampliamente, el objetivo de
Kowalski era hacer que el campo fuera indispensable abarcando toda la química de medición El tercer
Kowalski era hacer que el campo fuera indispensable, abarcando toda la química de medición. El tercer
objetivo es menos obvio en la declaración de visión que Kowalski proporcionó en 1975, pero queda claro
en un editorial que Bruce Kowalski, Bernard Vandeginste y yo escribimos cuando elJournal of
Chemometrics comenzó en 1987 14 : al integrar la quimiometría con la química analítica como una
interfaz para la evaluación externa, la química de medición se transforma en una forma de ciencia de la
información. La quimiometría, en la opinión expresada en el editorial, cambia al químico analítico de un
productor de resultados analíticos a un proveedor de información analítica.
Posiblemente debido a los diferentes objetivos del campo, la definición de "quimiometría", tanto la
"semioficial" de la sociedad de quimiometría como las proporcionadas por ciertos autores, incluido este
autor, ha permanecido un poco incierta a lo largo de los años. Jerry Workman, al comentar sobre las
diversas definiciones del término quimiometría, 15 señala la inconsistencia en la definición entre los
autores de la revisión fundamental en quimiometría que se publica en Analytical Chemistry , la definición
“internacional” de la sociedad de quimiometría y la definición dada en la impresión de otros lugares. Sin
embargo, veo esa inconsistencia como mayormente superficial; como ha señalado Wold, 7lo que
entendemos por "quimiometría" está estrechamente relacionado con lo que esperamos obtener con su
uso. A medida que nuestras expectativas han cambiado, también lo ha hecho, lentamente, la definición
de trabajo que tenemos del término, incluso si esa definición de trabajo no es exactamente lo que se
publica en las reseñas.
La definición de quimiometría también se complica por las diferencias en decidir lo que llamamos el
campo en la comunicación verbal y escrita. Kiralj y Ferreira informan de un estudio matemático de las
diferencias lingüísticas en el término “chemom*” y muestran que existen fuertes diferencias regionales
en el nombre del campo y en cómo se pronuncia el nombre. dieciséisEsas diferencias regionales se
extienden más allá de la mera pronunciación del nombre. Uno está en la regionalización de la propia
sociedad de quimiometría. El aspecto internacional de la sociedad de quimiometría se desvaneció en la
década de 1980 debido a que no se cambiaron los funcionarios de la sociedad que habían cumplido sus
Ver PDF
mandatos, pero las sociedades de quimiometría locales, en particular las de Escandinavia, los Países
Bajos, Bélgica y los Estados Unidos, aumentaron en número de miembros. , y muchos investigadores
establecieron su propio "Laboratorio de Quimiometría". Cada una de estas sociedades y laboratorios
nacionales o regionales tiene su propio carácter y sus propios puntos de vista sobre lo que es la
quimiometría. Como consecuencia, en lugar de un organismo internacional único y fuerte para definir el
campo, controlar la notación y supervisar la transferencia de conocimiento como había previsto Kowalski,
un mosaico de organismos más pequeños, grupos regionales y locales han evolucionado, cuyas
opiniones no son del todo coincidentes sobre qué es la quimiometría y cómo debe relacionarse la
quimiometría con sus campos vecinos. Dada esta regionalización, es de esperar una definición dinámica
y un tanto confusa de quimiometría.
Los cambios en lo que se considera una metodología quimiométrica comenzaron a ocurrir casi tan
pronto como se secó la tinta en la lista que Kowalski presentó en el artículo de 1975. En la primera
revisión exhaustiva del campo publicada en la sección de Revisiones Fundamentales de Química Analítica
en 1980, Kowalski resumió los resultados de una búsqueda realizada en una lista de métodos que él
consideraba quimiométricos y una lista de revistas que publicaban lo que él llamó artículos de
quimiometría. 17 La lista de temas de búsqueda de Kowalski ya difería ligeramente del conjunto de
qu o et a. a sta de te as de búsqueda de o a s ya d e a ge a e te de co ju to de
temas que publicó en al:
Traducido 1975. Tabla 1muestra
español lasoriginal
Mostrar texto citas que Kowalski encontró en 1979 y las que encontré
Opciones ▼
en mi revisión de quimiometría en 1989, ambos examinamos las mismas palabras clave y solo
consideramos el trabajo en lo que la ACS consideró revistas químicas en ese momento. 18El fuerte
énfasis en las estadísticas, en los métodos estadísticos y en la influencia de la metrología, el
procesamiento de señales y el control de procesos es digno de mención, pero debido a que tanto los
términos de búsqueda como las revistas buscadas son amplios, el crecimiento de la quimiometría que
Kowalski intentó indicar en su Es posible que la revisión no haya sido tan extensa como sugieren algunas
de sus entradas. Por ejemplo, considere el cambio en las referencias de la transformada de Fourier entre
las revisiones; hubo un crecimiento sustancial del interés en las transformadas de Fourier en 1988-1989,
pero mucho de eso se centró en el uso de la transformada rápida de Fourier en espectrometría infrarroja
y en resonancia magnética nuclear, no en sus aplicaciones quimiométricas. Algunos de los cambios en las
citas también son indicadores de los hábitos de publicación cambiantes asociados con un área de
investigación. Por ejemplo, Las publicaciones sobre inteligencia artificial y sistemas expertos crecieron
entre 1979 y 1989, pero ahora son escasas, no porque el trabajo en estas áreas haya disminuido, sino
porque estas áreas ahora tienen sus propias publicaciones especializadas donde aparecen la mayoría de
esas publicaciones, incluso las de sistemas químicos. El reconocimiento de patrones de sistemas
químicos experimentó el mismo cambio en los hábitos de publicación, pero ese cambio ocurrió antes,
como se muestra en la Tabla 1 sugiere.
Tabla 1. Evolución
temporal de las citas de investigación en quimiometría
Resolución espectral 27 14 0 4
Metodología (palabra Nº referencias
clave)
Desconvolución 133 1976- 142 5 8
NAC
CAS 1988- J. Chemom. 2011– Quimiolab. 2011–
1979a 1989a 2016b _ 2016b _
Análisis factorial 175 84 31 52
Componentes principales 46 94 108 219 Ver PDF

Selección de características 8 2 6 40
Transformada de Fourier 34 1359 3 20
Teoría de la información 227 35 0 2
Procesamiento de la señal 44 76 3 3
Ajuste de pico 6 3 0 1
Filtrado digital 4 11 0 0
mínimos cuadrados 315 143 141 362
regresión no lineal 30 24 5 7
Estadísticas no paramétricas 1 10 0 0
Metodología (palabra Nº referencias

clave)
CAS 1976- NAC 1988 J Chemom 2011 Quimiolab 2011
a Búsquedas utilizandoel Chemical Abstracts Service (CAS): enero de 1976–octubre de 1979 y enero de 1988–diciembre de 1989.
b Búsquedas medianteWeb of Science: enero de 2011–julio de 2016.
El número de referencias encontradas en revistas químicas es una forma de evaluar los intereses
cambiantes en el análisis de datos. Otro es la distribución de citas en solo las 2 principales revistas de
quimiometría, lo que podría ser un mejor indicador de las tendencias en el campo porque reflejan
cambios en la dirección de la investigación y la publicación por parte de aquellos con una fuerte
asociación con la quimiometría. La lista de artículos presentados en el Instituto de Estudios Avanzados de
la OTAN de 1983 19(ASI) organizado por Kowalski siguió de cerca la visión que articuló en el artículo de
1975 y refinó en la revisión de 1980 mencionada anteriormente: el ASI de 1983 tuvo presentaciones
sobre diseños experimentales factoriales fraccionados; ANOVA; superficies de respuesta; estadísticas
espaciales; metrología; investigación Operativa; gráficos 3D; análisis de series temporales en
cromatografía; control de procesos y muestreo, además de análisis de conglomerados, teoría y
aplicaciones químicas del análisis de componentes principales; y un artículo anterior sobre calibración
multivariante de espectros de infrarrojo cercano. Por el contrario, en los últimos 5 años (desde 2011
hasta mediados de 2016), según los resultados de una búsqueda simplista en Web of Science, la gran
mayoría de los artículos publicados tanto en Journal of Chemometrics and Chemometrics and Intelligent
Laboratory Systemsen cuestión de modelado suave y calibración. Muy pocos artículos aparecieron en
estas revistas sobre los temas principales del ASI de 1983. De los 369 artículos publicados en el Journal of
Chemometrics , solo 1 artículo estaba relacionado con factoriales fraccionarios, 3 estaban en ANOVA, 9
estaban en superficies de respuesta, 1 artículo estaba en estadística espacial, 0 artículos estaban en
Ver PDF
metrología, 0 artículos aparecieron en investigación de operaciones, 0 artículos sobre gráficos 3D, 2
artículos sobre análisis de series de tiempo, 1 artículo sobre análisis de procesos y 13 artículos sobre
análisis de conglomerados, pero aparecieron 108 artículos sobre análisis de componentes principales y
78 artículos sobre calibración en ese período de 5 años. Quimiometría y Sistemas Inteligentes de
Laboratorio, la otra editorial principal de quimiometría, tuvo un énfasis similar: publicó 5 artículos sobre
factoriales fraccionarios, 18 artículos sobre ANOVA, 21 sobre superficies de respuesta, 4 sobre estadística
espacial, 1 artículo sobre metrología, 5 sobre investigación de operaciones, 0 artículos sobre 3D gráficos,
14 artículos sobre análisis de series de tiempo, 3 artículos sobre análisis de procesos y 13 artículos sobre
análisis de conglomerados, mientras que 219 artículos aparecieron sobre análisis de componentes
principales y 213 artículos sobre calibración de los 971 artículos publicados en el mismo período de 5
años mencionado anteriormente . Claramente, como la Tabla 1muestra, ha habido un cambio
importante en lo que se está haciendo con los datos en la quimiometría ahora. Algunos de los temas
incluidos en la lista de presentación de ASI siguen siendo de gran interés en quimiometría, con artículos
sobre calibración y componentes principales que ahora generan casi la mitad del trabajo publicado en las
dos revistas de quimiometría, mientras que el interés en otros temas se ha desvanecido o se ha
reubicado. . Hay una clara pérdida de diversidad en el campo como lo refleja la variedad de publicaciones
más recientes en las 2 revistas especializadas.
Para ser justos, este análisis excluye otras revistas químicas en las que a menudo aparecen algunos
trabajos de quimiometría, por ejemplo, Applied Spectroscopia y Journal of Near Infrared Spectrometry ,
entre otras, pero una revisión rápida del trabajo publicado en estas revistas por la diversidad de su
contenido quimiométrico no muestra una tendencia que difiere de la demostrada anteriormente.
Un impulsor de estos cambios en lo que constituye la quimiometría son los grandes cambios que se han
producido en las mediciones químicas, y la química analítica, desde 1975. La capacidad de medición y el
rango de aplicaciones de esas mediciones se han expandido enormemente. Ahora es posible realizar
análisis de trazas de todo tipo, análisis espacial, análisis de procesos en línea y en línea, y una gran
variedad de análisis bioquímicos y genómicos. Muchas mediciones que antes eran difíciles, como las
asociadas con la espectrometría infrarroja transformada de Fourier, la espectrometría infrarroja cercana,
la espectrometría Raman y la espectrometría de masas, ahora se han vuelto rutinarias. Esos cambios han
ampliado en gran medida el alcance de la química de medición, y debido a que el costo de estas
capacidades se ha reducido sustancialmente, Las mediciones químicas sofisticadas también se han
vuelto comunes en muchos campos que no se identifican como química analítica. Sin embargo, a medida
que estas capacidades se han expandido, los usuarios de instrumentación se han vuelto menos
conectados con la medición; muchos de los que realizan y utilizan estas mediciones se ven cada vez más
alejados del aspecto metrológico de la química analítica. Asimismo, la quimiometría aplicada a estas
medidas se ha vuelto cada vez menos el lugar donde parece ser necesario el conocimiento especializado.
Muchos de los métodos quimiométricos utilizados en estas nuevas mediciones multivariantes implican
una mezcla de visualización, clasificación simple y calibración multivariante. La quimiometría utilizada
para estos estudios a menudo está integrada en el software patentado que se proporciona con el
instrumento, y es posible que el usuario no vea lo que se hace como quimiometría. En ese sentido, la
quimiometría se ha vuelto tanto omnipresente como invisible. Como Howery y HirschComo se predijo
hace muchos años, los químicos analíticos suelen considerar la quimiometría como una herramienta más
Ver PDF
de análisis.
3 ¿CÓMO “COMENZÓ” LA QUÍMICA?

Esta pregunta parece bastante sencilla, pero se conecta con lo que es y lo que no es la quimiometría.
Siguiendo la definición de quimiometría presentada primero por Kowalski y Wold, y luego por la sociedad
de quimiometría, podríamos considerar cualquier tipo de análisis de datos químicos para extraer
información de esos datos como quimiometría. Bajo esa visión tan amplia, es muy razonable considerar
a WS Gossett como el creador del campo. WS Gossett fue uno de los primeros en observar los datos de
los análisis químicos con ojo crítico, y claramente trabajó para extraer información útil de los datos
químicos que recopiló. Además, como veremos, Gossett se encontró con muchos de los mismos
problemas que también experimentaron los investigadores posteriores que se identificaron como
quimiométricos. Sin embargo, elegir a Gossett hace que el fundador del campo se encuentre con algunas
complicaciones: Gossett se formó en química analítica,Biometrica , 21 , 22 por lo que no es de extrañar
que algunos estadísticos lo afirmen como estadístico. Sin embargo, los quimiométricos pueden
sorprenderse un poco al saber que no todos los estadísticos hacen esa afirmación. Gossett adoptó una
visión “económica” sobre
Traducido la lógica deMostrar
al: español la incertidumbre,
texto original 23 y al principio los estadísticos ignoraron su
Opciones ▼
trabajo. 24 Esa situación cambió solo cuando el estadístico Ronald Fisher explicó el funcionamiento del
estadístico t de Gossett con una prueba compleja. Fisher, impulsado por las ideas que derivó de la
prueba, promovió el Student ty el nivel de significancia de 0.05 que viene con él en biología, medicina y
otros lugares. Gossett adoptó una visión más conservadora y práctica de la significación que Fisher, pero
la t de Student y los valores de p correspondientes que Fisher promovió ganaron y han regido el análisis
estadístico de datos, tanto químicos como de otro tipo, durante 70 años.
George Box es otro de los pioneros a mencionar en el análisis de datos químicos. También comenzó a
formarse como químico, pero después de su servicio en laboratorios químicos gubernamentales durante
la guerra, estudió estadística con Karl Pearson. Desde el principio, el objetivo de Box fue diseñar
experimentos para proporcionar la máxima información útil a partir de los datos. Su trabajo publicado,
primero en Imperial Chemical Industries y luego como profesor de estadística en la Universidad de
Wisconsin, condujo al estudio sistemático de diseños experimentales y superficies de respuesta, y se hizo
muy conocido como estadístico. La estrecha asociación de la química de medición y la estadística se
destacó en los primeros días de la quimiometría. El diseño experimental, la regresión, las superficies de
respuesta y el análisis de varianza se incluyeron en las primeras listas de quimiometría, y algunos
investigadores de quimiometría, especialmente aquellos involucrados en aplicaciones farmacéuticas,
continuaron la tradición. Muchos grupos de química farmacéutica en Europa y EE. UU. utilizaron el
enfoque de Box para el diseño y la optimización experimentales, incluidos los de Massart, Todeschini y
Clerc, todos los cuales realizaron investigaciones en quimiometría.
La metrología química es otra de las áreas que Kowalski enumeró como componente de la quimiometría.
La metrología se ocupa de la conexión entre la metodología de medición y la práctica estadística, más
centrada en la calidad de los datos que en el análisis de datos. Los químicos se involucraron en la
metrología con la introducción de la instrumentación química. Heinrich Kaiser es un nombre que pocos
reconocerán como quimiométrico, pero sus primeros trabajos en análisis químico realizados conVer PDF
espectroscopia de arco y chispa en las décadas de 1940 y 1950 sentaron las bases para la metrología en
el análisis químico y en las calibraciones analíticas utilizando estadísticas. Fue uno de los primeros
defensores de la teoría de la información de Shannon para caracterizar la disponibilidad de información
de un proceso analítico.25 Eckschlager y Stepanek 26 brindan una descripción más amplia de este
enfoque. Aunque el trabajo fue importante en la extracción efectiva de información de una medición,
esta área de investigación se extinguió rápidamente (consulte la Tabla 1 ) a medida que los esfuerzos de
diseño de instrumentos dejaron de centrarse en la química analítica a fines de la década de 1990. Como
consecuencia, la teoría de la información no es un área activa de investigación en quimiometría en la
actualidad.
Los metrólogos también se centraron en la calidad de una medición. Los metrólogos estadounidenses
consideraban que el análisis de datos, destinado a evaluar (y mejorar) la calidad de la medición, era más
importante que estimar el contenido de información potencial de los datos, siguiendo las ideas de W.
Edwards Deming. La Oficina Nacional de Normas de EE. UU. (NBS), ahora llamada Instituto Nacional de
Normas y Tecnología, asumió un papel de liderazgo en el uso temprano del análisis de datos en la
metrología del análisis químico. Jack Youden era un químico de NBS que vio el análisis de datos como
et o og a de a á s s qu co. Jac oude e a u qu co de S que o e a á s s de datos co o
una parte integral del al:
Traducido proceso
españolde medición. 27 Grant
Mostrar texto original Wernimont fue otro de los primeros investigadores
Opciones ▼
de la metrología de las medidas analíticas. 28Estos 2 desarrollaron una serie de pruebas estadísticas
sobre datos químicos que ampliaron las cifras de mérito de Kaiser. Lloyd Currie de NBS continuó con el
énfasis de NBS en la metrología, y fue el primero en pensar en el análisis de datos como simplemente
otra forma de transducción de señales, sujeta a varias evaluaciones de calidad 29del tipo propuesto por
Kaiser y Youden. Su trabajo condujo a una breve asociación de la quimiometría con la cualimetría, un
campo relacionado con la metrología, el control y la garantía de calidad. La asociación comenzó con
fuerza, y Currie fue uno de los oradores que Kowalski invitó al ASI de 1983, pero el interés de los
quimiométricos por la metrología se desvaneció a fines de la década de 1980. Qualimetrics, como lo
ejemplifica la Sociedad Estadounidense para la Calidad, ha seguido creciendo; sin embargo, la evidencia
de ese crecimiento incluye los muchos "cinturones verdes" y "cinturones negros de seis sigma" comunes
en la industria química, cuyo trabajo está mayormente fuera de lo que ahora se considera quimiometría.
Vemos que el análisis estadístico, el diseño experimental, la metrología, los conceptos teóricos de la
información y el aseguramiento de la calidad están fuertemente representados mucho antes de
mediados de la década de 1970. Sin embargo, la mayoría de las revisiones de quimiometría no señalan a
estos como el punto de partida de la quimiometría. ¿Por qué es esto? Mi opinión es que, si bien los
primeros esfuerzos en el análisis de datos en estos campos fueron todos importantes para la
recopilación y el análisis de datos químicos, el diseño de instrumentación y experimentos químicos, y la
extracción de información química a partir de datos químicos, el principal rasgo característico de la
quimiometría como aquellos en el campo en realidad quieren decir el término, es y fue análisis de datos
multivariados. El examen de datos multivariantes que comenzó alrededor de 1969 distinguió la
quimiometría del análisis estadístico, que en ese momento se centró en el mundo univariante. El nuevo
enfoque ofrecido por la quimiometría permitió el examen de mediciones multivariadas que recién
comenzaban a estar disponibles a partir de técnicas de medición analítica más nuevas que se estaban
desarrollando y comercializando, especialmente aquellas en espectroscopia. El segundo aspecto
Ver PDF
característico de la quimiometría que la distinguió del análisis estadístico fue su enfoque algorítmico
empírico, basado más en los conceptos del nuevo proyecto DENDRAL en inteligencia artificial y en el
reconocimiento de patrones que en las construcciones probabilísticas basadas en modelos de la
estadística. De lo que aprendí de las discusiones con muchos de los involucrados en los primeros días de
la quimiometría moderna, creo que Bruce Kowalski desempeñó un papel importante en la configuración
de estos 2 aspectos distintivos de la quimiometría, como fuente de ideas y como defensor.
4 ¿CÓMO SE INVOLUCRÓ BRUCE KOWALSKI EN LA QUÍMICA?

Todo comenzó con un juego. La licenciatura de Kowalski era en matemáticas, pero no había mucho
empleo disponible para una licenciatura en matemáticas en ese momento. Había decidido usar su
especialización en química como un boleto al Oeste y al empleo. Kowalski me dijo que, al principio de sus
estudios universitarios en la Universidad de Millikan, se encontró con algo en una revista que captó su
interés. Este era un juego de mesa matemático llamado juego de hexapawn (que se muestra en la Figura
1 ) descrito por primera vez por Martin Gardiner. 30El juego era uno en el que algunas reglas simples,
parecidas al ajedrez, determinaban los movimientos y en el que podía demostrarse no solo que existía
una estrategia ganadora sino también que el árbol de estrategias podía descubrirse y aprenderse
una estrategia ganadora, sino también que el árbol de estrategias podía descubrirse y aprenderse
mediante ensayo y error
Traducido sistemático,Mostrar
al: español un enfoque "heurístico".
texto original Opciones ▼
Figura 1
Abrir en el visor de figuras Ver PDF

PowerPoint
El tablero Hexapawn (imagen adaptada de Gardiner 30 ; disponible en Wikipedia [ https://en.wikipedia.org/wiki/Hexapawn ])
Se usó un esquema que usaba cajas de fósforos y cuentas de colores para determinar los movimientos
del oponente automatizado. La idea de usar un enfoque automatizado basado en una especie de
retroalimentación negativa, donde cualquier error se usa para corregir el modelo, para descubrir la
estrategia ganadora fue lo que interesó a Kowalski. Me dijo que usó el enfoque para ganar una serie de
apuestas que hizo sobre el autómata contra sus compañeros de dormitorio.
Cuando comenzó su investigación de posgrado en química en la Universidad de Washington con Tom

Isenhour, a Kowalski se le asignó un proyecto para desarrollar métodos de ultratrazas para metales
utilizando espectroscopia de masas de quelatos de metales volátiles. Kowalski pensó que podría usar la
idea heurística basada en la retroalimentación negativa del juego para identificar clases compuestas a
partir de una parte de sus firmas espectrales de masas. Mencionó su idea a Isenhour, pero le dijeron que
siguiera trabajando en su proyecto de análisis de trazas. Isenhour estaba a punto de tomar una decisión
sobre su titularidad y estaba concentrado en obtener publicaciones y construir una reputación en
espectrometría de masas. Kowalski solicitó la ayuda de otros miembros del laboratorio para recopilar
p y p p
datos espectrales de masas,
Traducido y él y Peter
al: español Jurs
Mostrar desarrollaron
texto original un programa que implementó el concepto
Opciones ▼de
retroalimentación negativa y lo probaron en los datos espectrales de masas para los compuestos que
habían medido. Funcionó. Le mostraron a Isenhour sus resultados, e Isenhour, aunque escéptico,
accedió a enviar el artículo a laDiario de la Sociedad Química Americana . Fue muy bien recibido allí, y la
atención generada por él y los artículos posteriores del grupo que utiliza esta idea hicieron que Isenhour
no solo obtuviera la titularidad sino que también fuera cortejada por otras instituciones, incluida la
Universidad de Carolina del Norte. Peter Jurs, Bruce Kowalski y Larry Wangen comenzaron a recopilar y
analizar datos con el nuevo método heurístico de "reconocimiento de patrones".
Pronto, Kowalski, Jurs y Wangen fueron a buscar trabajo. Jurs consiguió un puesto en la facultad de Penn
State, Wangen fue a un laboratorio del gobierno y Kowalski fue a Shell Research cerca de San Francisco,
donde trabajó en heurística de control de procesos y software de computadora. Poco tiempo después,
Kowalski se mudó al cercano Laboratorio Lawrence Livermore, donde trabajó de manera cercana y muy
productiva con Charlie Bender, un químico computacional con sólidas habilidades de programación y un
gran interés en métodos computacionales novedosos provenientes de la inteligencia artificial y el
reconocimiento de patrones. Aunque tanto Isenhour como Jurs continuaron explorando aplicaciones de
la máquina de aprendizaje lineal, como se llamó al enfoque heurístico simple, Kowalski y Bender
exploraron nuevas formas de examinar datos, incluyendo lo que entonces se llamó la transformada de
Karhunen-Loève (esencialmente un análisis de componentes principales), clasificadores de k vecinos más
cercanos, métodos de selección de variables ortogonales, ponderación de variables, análisis de
conglomerados y otros. Kowalski pronto consiguió un puesto en la facultad del estado de Colorado,
donde mejoró su creciente programa en química analítica. Cuando Isenhour se fue, la Universidad de
Washington expresó interés y Kowalski estaba de regreso en Seattle, pero ahora como profesor
asistente, con una reputación creciente en la nueva área de la heurística aplicada a la química. En una
reunión de Investigación Naval celebrada justo después de que él regresara a Seattle en 1973, Kowalski
conoció a Wold, quien había sido enviado por George Box para asistir a la reunión en su lugar, y Kowalski
Ver PDF
y Wold descubrieron que tenían muchos intereses similares. Vieron el beneficio de establecer algo
formal, y cuando Wold visitó Seattle en 1974, la Sociedad de Quimiometría se inició durante una cena
grupal en una taberna local. La sociedad atrajo a muchos interesados en computación y heurística, así
como a otros con intereses estadísticos más tradicionales.
El ASI de la OTAN parece haber sido un hito para muchos investigadores que intentan hacer análisis de
datos. Para muchos en Europa, esta fue la introducción a la visión de la quimiometría de Bruce Kowalski,
y la encontraron convincente. Kowalski vio esta reunión como una oportunidad para solidificar la nueva
Sociedad de Quimiometría. Se presentaron muchas estadísticas tradicionales en el ASI, como se señaló
anteriormente, pero fue aquí donde el químico Harald Martens y el estadístico Tormod Næs introdujeron
su metodología de calibración multivariada, Wold discutió el análisis de componentes principales y
SIMCA, y Stan Grotch mostró gráficos 3D como un técnica de visualización. Después del ASI, muchos de
los esfuerzos de los principales grupos de investigación en quimiometría comenzaron a centrarse en la
calibración, un área que anteriormente había sido un área relativamente tranquila con pocos artículos, y
principalmente escritos por estadísticos (por ejemplo,31 ). La calibración multivariante, entonces
denominada método generalizado de adición de estándares (GSAM), se había intentado sin mucho éxito,
32 pero el enfoque que Martens y Næs mostraron en el ASI 33tuvo una aplicación inmediata y exitosa en
32 pero el enfoque que Martens y Næs mostraron en el ASI 33tuvo una aplicación inmediata y exitosa en
química analítica, especialmente en espectroscopia de mezclas y espectroscopia de infrarrojo cercano.
Dada la creciente asociación de la quimiometría y la química analítica, esta parecía ser una aplicación
importante. El modelado suave atrajo mucha atención después del ASI. El análisis de componentes
principales y la regresión de componentes principales y, finalmente, la regresión de mínimos cuadrados
parciales dominaron los esfuerzos de muchos grupos de investigación, especialmente después de que
Geladi y Kowalski publicaran un artículo clave en 1986 que describía claramente el algoritmo NIPALS para
la regresión de mínimos cuadrados parciales (PLS) e ilustraba su funcionamiento. utilizar en detalle en un
pequeño conjunto de datos en un artículo adjunto. 34 , 35Aun así, la nueva metodología PLS no fue
aceptada de inmediato, especialmente por los espectroscopistas que se habían involucrado con la
quimiometría. Karl Norris fue uno de los primeros usuarios de la regresión lineal múltiple en la
espectroscopia de infrarrojo cercano (NIR), pero no estaba completamente convencido de la regresión
PLS. Apuntó a modelos blandos de variable latente 1 siempre que pudo, un compromiso destinado a
obtener algún poder predictivo y cierta interpretabilidad del mismo modelo. Dave Haaland también
quería interpretabilidad, aunque estaba dispuesto a utilizar PLS para su trabajo de espectroscopia. Una
vez que la idea básica de la regresión multivariada con modelos blandos comenzó a aceptarse como una
forma efectiva de modelar datos espectrales para la calibración química, hubo una disputa entre algunos
en quimiometría sobre la relativa superioridad de los métodos PLS y PCR para esa tarea.
5 ESTADÍSTICAS Y EL PROBLEMA DE LA MODELACIÓN

ALGORITMICA
La quimiometría temprana tenía 2 ramas principales. Una rama era estadística, centrada en intervalos de
confianza, diseño experimental, superficies de respuesta y optimización. Era, en esencia, estadística
básica aplicada a problemas químicos. Como se señaló anteriormente, la estadística y la quimiometría
tenían una fuerte conexión, y algunos estadísticos conocidos pueden considerarse como los primeros
practicantes de la quimiometría. La metrología química practicada por los químicos analíticos Youden y
Ver PDF
Currie también tenía un fuerte componente estadístico. Muchos de los primeros trabajadores de la
quimiometría con intereses en la química farmacéutica utilizaron regresiones clásicas de mínimos
cuadrados, diseños experimentales y herramientas estadísticas convencionales, como la inferencia
basada en modelos habitual. No es sorprendente,36 estaban dominados por estadísticos interesados en
el análisis de datos químicos.
La otra rama de la quimiometría era la de las “heurísticas” de Kowalski, que los estadísticos entendían
como algo más que estadística. Los métodos multivariados no eran nuevos para los estadísticos, incluso
los basados en componentes principales. Los estadísticos aceptaron el trabajo inicial de Lawton 37 sobre
resolución de curvas de automodelado y el trabajo de Jackson 38 sobre componentes principales
porque este trabajo fue presentado en términos estadísticos por estadísticos y era explicable mediante
estadísticas estándar. 39Sin embargo, los estadísticos, incluso aquellos con gran interés en el análisis de
datos químicos, se volvieron cada vez más escépticos a medida que los investigadores en quimiometría
comenzaron a enfocarse en lo que estos investigadores llamaron el análisis "estadístico" de datos
multivariados. El desarrollo de los métodos de regresión PCR y PLS desafió a los estadísticos porque
estos métodos parecían ser contrarios a mucho de lo que entendían los estadísticos.
Las tensiones en desarrollo entre la estadística y la quimiometría sobre sus diferentes puntos de vista
sobre el modelado empírico de datos multivariados surgieron en las Conferencias de investigación de
Gordon (GRC) a principios de la década de 1990. Estas conferencias están destinadas a ser pequeñas
reuniones en las que se informa "extraoficialmente" el trabajo más importante y reciente (y en su
mayoría inédito) a un grupo selecto de aproximadamente 100 asistentes invitados, y en las que se
fomenta el debate amistoso e informal. Todas las charlas programadas de una hora de duración se
combinaron con presentaciones invitadas más cortas donde los puntos principales de la charla fueron
revisados y evaluados críticamente por un comentarista cuya presentación abrió el período de discusión.
No había GRC en estadística, pero hubo un GRC primero llamado Estadísticas en Química que comenzó
en 1951, luego rebautizado como Estadísticas en Química e Ingeniería Química. Los presentadores y
asistentes a este GRC antes de 1980 eran en su mayoría estadísticos y metrólogos, pero los estadísticos,
en su mayoría estadísticos aplicados, eran la gran mayoría. Cuando se agregaron presentaciones de
quimiometría a la conferencia a partir de alrededor de 1983, pronto se desarrolló tensión entre los
estadísticos, que cuestionaban el concepto de heurística en general y el modelado suave en particular, y
los quimiométricos que defendían estos conceptos. Una presentación sobre la regresión PLS a principios
de la década de 1990 ocasionó la salida de muchos de los asistentes estadísticos. Más tarde, tuve el
honor de presentar nuestro trabajo sobre redes neuronales en este GRC en 1994, con un profesor de
estadística muy conocido como comentarista, y durante más de una hora. s interrogatorio público en el
podio por parte de mis colegas estadísticos sobre los (falta de) méritos del modelo de caja negra que
generaron estos métodos. Finalmente, la disputa continua condujo a la pérdida de asistencia al GRC, y
este GRC se suspendió en 2006.
Parte de la razón de la tensión que surgió entre la quimiometría y la estadística fue la lucha subyacente
que había comenzado en la propia estadística entre principios y mediados de la década de 1970. La
estadística como disciplina estaba cada vez más en una batalla por la aceptación. Los departamentos de
Ver PDF
matemáticas que tenían un componente de estadística veían cada vez más la estadística como un tema
que no se ajustaba a sus planes para el futuro. Muchas de las "mejores" escuelas de la Ivy League de EE.
UU. abandonaron la estadística como especialidad y no contrataron profesores de estadística en la
década de 1980. Algunos estadísticos respondieron al entorno cambiante, que también afectó la
financiación de la investigación, tratando de presentar su trabajo como una rama de las matemáticas,
con énfasis en el "rigor" como lo ejemplifican las demostraciones y en la importancia de los modelos
subyacentes, en particular los basados en sobre probabilidad e inferencia. Aproximadamente en el
mismo período, las mejoras en la computación llevaron a un aumento en el número de estadísticos que
defendieron una visión bayesiana de esos modelos de probabilidad. En resumen, la vista bayesiana
postula distribuciones previas en los parámetros del modelo que son alterados por los datos del
experimento y dan como resultado distribuciones posteriores que brindan información actualizada sobre
el modelo extraído de los datos. Estos bayesianos han diferido durante mucho tiempo de los
frecuentistas, que basan su inferencia estadística directamente en modelos probabilísticos, y también
estaban en desacuerdo con quienes veían la estadística como una subdisciplina de las matemáticas, pero
al menos parecía que todos los estadísticos estaban de acuerdo, más o menos. , sobre la necesidad de
algún tipo de modelo de probabilidades para hacer inferencia.
Sin embargo, a partir de la década de 1970, surgió una visión algorítmica más empírica de las estadísticas
sugerida por primera vez por el estadístico John Tukey 40 y más tarde defendida por el estadístico Leo
Breiman. Los empiristas como Tukey y Breiman desafiaron a quienes intentaban presentar la estadística
como una rama de las matemáticas, una basada en modelos de probabilidad bien caracterizados a
través de un sistema de demostraciones rigurosas, y encontraron muchos que estaban de acuerdo.
Tukey y sobre todo Breiman 41también cuestionó la utilidad práctica del siglo pasado de desarrollo
estadístico basado en distribuciones de probabilidad utilizando las ideas de estimaciones insesgadas o
casi insesgadas, especialmente aquellas que utilizan estimaciones de máxima verosimilitud de Fisher. El
uso de probabilidades de Fisher había hecho de la estadística la metodología interpretativa dominante
en muchos campos, incluyendo la química y la ingeniería química, donde la aplicación de condiciones
favorables para la estimación imparcial es parte de un buen diseño experimental utilizado para evitar la
necesidad de tratar con muchos parámetros del modelo que se ajustan a relativamente pocos datos. El
artículo de Breiman sobre los “2 mundos” de las estadísticas es una lectura fascinante, pero la división
entre esos 2 mundos se destaca en el comentario de muchos estadísticos conocidos que sigue a su
artículo. Un conocido estadístico, Brad Effron,
Las ideas provenientes de los quimiométricos que promovieron primero el modelado suave y luego las
redes neuronales sonaron para muchos estadísticos como muy parecidas a las de Breiman. Al igual que
Tukey y Breiman, los quimiométricos desafiaron la estructura misma del pensamiento estadístico
convencional, pero a diferencia de Tukey y Breiman, los que desafiaron la quimiometría no eran
estadísticos expertos entrenados en las formas de la estadística clásica (aunque Wold pasó alrededor de
un año en el departamento de estadística de Wisconsin). Por lo tanto, no fue sorprendente que muchos
estadísticos no aceptaran la nueva área del análisis de datos multivariados o la metodología en la que se
basa. Sin embargo, estos métodos empíricos multivariados funcionaron bien, por lo que si los nuevos
métodos recibieron alguna atención por parte de los estadísticos, generalmente se dirigió a la explicación
Ver PDF
de los métodos en términos estadísticos clásicos, en lugar de su aceptación, tal como lo había
experimentado Gossett a principios del siglo XX. Jerry Friedman e Ildiko Frank, dos estadísticos
inusualmente amigables con las ideas de la quimiometría, compararon PLS con métodos estadísticos
más convencionales.42 e intentó demostrar que los métodos estadísticos convencionales funcionaban al
menos igual de bien con datos multivariados. Desde entonces, muchos otros estadísticos han intentado
“explicar” PLS y PCR (p. ej., Burr y Fry 43 ), tal como Fisher había proporcionado la teoría estadística que
“explicaba” el trabajo de Gossett en la década de 1920.
6 ANÁLISIS DE DATOS QUÍMICOS Y MODELOS QUÍMICOS

FORMAS PARTE
Incluso antes de que surgieran las tensiones con la estadística, la quimiometría encontró dificultades
para adaptarse a la química. Desde el principio, la Sociedad de Quimiometría, tal como la había visto
Kowalski, desarrolló un problema de identidad. Tal vez motivado por el creciente interés en la
computación, la ACS respondió al nuevo interés en la heurística y la computación a fines de la década de
1970 ampliando sus propios esfuerzos para organizar la computación química y la información química.
L ACS t í bj ti l li i d l í i t ó i l b d d t í i
La ACS tenía como objetivo las aplicaciones de la química teórica y las bases de datos químicas, con
cierto énfasis en la informática química y mucho menos énfasis en el análisis de datos químicos, lo que
difiere un poco de los objetivos de la Sociedad Internacional de Quimiometría imaginada por Kowalski y
Wold. Dos de las divisiones de ACS, Información Química y Computación en Química,
Con la ampliación del enfoque de la ACS, apareció la Revista de Información Química y Ciencias de la
Computación de la ACS . Esta fue una reinvención del anterior ACS Journal of Chemical Documentation, una
publicación iniciada en 1961 que originalmente se había centrado en bases de datos y en la conversión y
el almacenamiento automatizados de información química. Su reinvención tuvo como objetivo atraer
artículos sobre informática y sobre desarrollo de algoritmos computacionales heurísticos para la
extracción de información química. En ese momento, era la principal publicación especializada en
muchas de las áreas que Kowalski había destacado como parte de la quimiometría, y también era una
revista de la sociedad ACS, lo que otorgaba prestigio a la publicación allí. Muchos de los primeros
investigadores en quimiometría publicaron allí, incluidos Isenhour, Jurs y Kowalski. Inicialmente, las
publicaciones de quimiometría que aparecen aquí involucraban algoritmos informáticos, código o
metodología de regresión, especialmente en su aplicación a la estructura química. A medida que crecía el
campo de la quimiometría y el número de practicantes, algunos artículos no encajaban en el alcance de
la revista, dividiendo la nueva investigación heurística en 2 áreas principales: análisis de datos y
modelado de datos. Esas publicaciones de quimiometría en análisis de datos fueron a la revista ACSLa
Química Analítica , principalmente porque allí había ido siempre la metrología y otros artículos
“estadísticos”. Aquellas publicaciones de quimiometría en modelado de datos con un enfoque en química
estructural o en aspectos algorítmicos fueron al nuevo Journal of Chemical Information and Computer
Sciences . La revista reinventada comenzó lentamente, pero su énfasis cambiado atrajo artículos en la
nueva y creciente área de modelado químico, especialmente en relaciones cuantitativas de estructura-
actividad (QSAR) y en sistemas expertos.
La investigación sobre QSAR comenzó en los primeros días de la quimiometría y Kowalski volvió aVer PDF
participar. Tenía un artículo temprano e influyente sobre la base molecular del olfato, 44 y él y Bender
intentaron relacionar aspectos de la estructura de algunas drogas con su función. 45 Sin embargo,
debido a que la financiación de la subvención para su trabajo no se materializó, Kowalski no continuó con
esta investigación. Sin embargo, muchos otros lo hicieron, y pronto Jurs y otros comenzaron a examinar
la relación empírica de estructura y función utilizando la regresión. La mayor parte de ese trabajo QSAR
no era análisis de datos en el sentido habitual, sino modelado químico, por lo que tendía a aparecer en el
Journal of Chemical Information and Computer Sciences.. Alrededor de 1980, la gran visión de Kowalski
sobre el análisis matemático de datos ya se había dividido entre los modeladores de datos y los analistas
de datos, que ahora publicaban en diferentes lugares y asistían cada vez más a diferentes conferencias.
Tanto Isenhour como Jurs se centraron en el modelado químico y la informática, y ninguno se unió a la
Sociedad de Quimiometría de Kowalski, sino que eligieron asociarse exclusivamente con las divisiones de
Información Química y Computación en Química, y la rama heurística de la quimiometría había
comenzado a separarse. En 1984, el campo de la informática química había comenzado a asociarse con
el modelado molecular. A medida que mejoraron el software de modelado molecular y las plataformas
computacionales, se puso más énfasis en los aspectos de modelado estructural, con menos énfasis en la
regresión y otras partes estadísticas y se amplió la separación entre el análisis de datos químicos y el
regresión y otras partes estadísticas. y se amplió la separación entre el análisis de datos químicos y el
modelado químico. En 2004, la revista ACS se reinventa nuevamente, esta vez como laJournal of Chemical
Information and Modeling , con un enfoque en "nueva metodología y/o aplicaciones importantes en los
campos de la informática química y el modelado molecular". Claramente, lo que Kowalski llamó
quimiometría ya no podía considerarse como una metodología de modelado molecular: la quimiometría
ahora era análisis de datos químicos.
7 LA RELACIÓN DE LA QUÍMICA Y LA QUÍMICA ANALÍTICA

La heurística multivariante de la nueva disciplina de la quimiometría no fomentaba una relación estrecha
con la estadística, pero tanto Wold como Kowalski siempre habían visto la quimiometría como parte de la
química, no de la estadística. Como se señaló anteriormente, el modelado químico estaba
experimentando un cambio rápido desde la computación mejorada que se hizo posible en las décadas
de 1970 y 1980. Había poco interés en los métodos empíricos y "estadísticos" que no fueran QSAR
cuando se podía hacer un modelo molecular en varios niveles de teoría para obtener energías,
geometrías y enlaces. Debido a que la metrología no parecía requerir heurísticas multivariadas, el
principal punto de aplicación de la quimiometría parecía residir en el examen de mediciones químicas de
nuevos instrumentos espectroscópicos y de otro tipo. El amplio ámbito de aplicación de la quimiometría
previsto por Kowalski se contrajo en torno a la química de medición y específicamente en torno al
análisis químico utilizando estas respuestas multivariadas. Para 1983, Vandeginste ya había informado
sobre una visión de la quimiometría que la ubicaba como la interfaz entre el análisis químico y diversas
disciplinas relacionadas con la computación y las matemáticas.46 Sin embargo, esa relación no era en
absoluto una en la que hubiera una atracción instantánea, a pesar de la larga asociación de la química
analítica y la metrología.
A medida que la quimiometría se iba dando a conocer a través de las primeras publicaciones sobre
heurística multivariante, la química académica estaba en crisis. A partir de fines de la década de 1960 y
continuando hasta la década de 1970, muchos departamentos académicos de química estaban Ver PDF
reduciendo lo que sus miembros consideraban áreas más aplicadas a medida que crecían sus esfuerzos
en lo que se denomina "ciencia química". Los departamentos de química en el mundo de habla inglesa
no vieron cada vez más la necesidad de la química analítica como parte de la disciplina; en su opinión, no
era en sí misma una ciencia, sino una aplicación de otra ciencia. Al igual que la estadística, la química
analítica estaba bajo presión en los departamentos académicos, pero estaba prosperando en la industria
y, al igual que la estadística, había presión en los académicos para demostrar que la disciplina se basaba
en la teoría y no eran simplemente aplicaciones. Al igual que con las estadísticas, muchas escuelas de la
Ivy League abandonaron la química analítica en este momento. Gran parte de la investigación analítica
restante en entornos académicos fue impulsada por la necesidad de demostrar rigor científico, y la
química analítica pronto pasó a llamarse "ciencia analítica" o incluso "ciencia de la medición" por parte de
sus adherentes. El término "ciencia de la medición" tiene como objetivo crear herramientas (métricas,
modelos y conocimientos) para los fabricantes y proporcionar una base teórica para el uso de estas
herramientas. Mesa y en proporcionar una base teórica para el uso de estas herramientas. Mesa y en
proporcionar una base teórica para el uso de estas herramientas. Mesa 2 ofrece un resumen de los
principales objetivos y principios de la ciencia de la medición. La investigación en la ciencia de la medición
(que continúa en la actualidad) generalmente hace hincapié en las mediciones químicas en medios
(que continúa en la actualidad) generalmente hace hincapié en las mediciones químicas en medios
condensados,Traducido
enfocadaal: en el uso deMostrar
español principios físicos para ayudar en el desarrollo de nuevaOpciones ▼
texto original
instrumentación o en nuevos sensores con sensibilidad o selectividad mejoradas, o ambas. Estas mejoras
fueron críticas para realizar mediciones analíticas en muestras ambientales, relacionadas con la energía
y/o biomédicas.
Tabla 2.
Principios de la ciencia de la medición
1. Desarrollo de
Métricas de rendimiento
Métodos de medición y ensayo
Herramientas de simulación y modelado predictivo
Modelado del conocimiento
protocolos
Datos técnicos
Materiales de referencia
Pruebas de artefactos
2. Realización de estudios de intercomparación y calibraciones
3. Evaluación de tecnologías, sistemas y prácticas, incluido el análisis de incertidumbre
4. Desarrollo de la base técnica para estándares, códigos y prácticas
Ver PDF
La metrología desarrollada por Kaiser, Youden y otros se incluye en esta descripción, pero en su mayoría
se redujo a considerar cifras analíticas de mérito para cuantificar las mejoras en la instrumentación y la
metodología. Herbert Laitinen, el editor de Analytical Chemistry en las décadas de 1970 y 1980,
consideraba necesario el procesamiento o análisis de datos matemáticos solo cuando la medición había
sido de alguna manera deficiente. En su opinión, las computadoras eran principalmente útiles para la
automatización de laboratorios. 47 No era un caso atípico: un editor más reciente de Analytical Chemistry
se refirió a la quimiometría simplemente como “métodos estadísticos”.
Durante el entusiasmo inicial acerca de lo que podría ofrecer la quimiometría, se contrataron nuevos
profesores interesados en la quimiometría en los departamentos de química. Casi todos ellos fueron
clasificados como químicos analíticos. Recolectaron datos cuantitativos e hicieron el análisis de datos
químicos sobre los datos que recolectaron, en contraste con los estadísticos. Sin embargo, la mayoría
tampoco se centró en el desarrollo de nueva instrumentación, en contraste con los científicos de
medición entre la facultad analítica. Estos nuevos profesores complementaron un grupo de profesores
más establecidos que habían estado haciendo metrología, química física de fase condensada o química
f é ló d d dé d í f
farmacéutica, y resultó una pequeña comunidad académica de quimiometría. Muy pocos profesores
interesados en quimiometría fueron contratados en los departamentos de ingeniería química o incluso
en los departamentos de estadística. Sin embargo, la contratación en quimiometría no fue grande ni
concertada, en parte debido a los relativamente pocos departamentos que ofrecían programas lo
suficientemente amplios como para tener interés en contratar en quimiometría y porque muchos de
esos programas no podían justificar una contratación dado que la quimiometría no había atraído a
grandes becas de investigación o un gran número de estudiantes. El GRC en Química Analítica siguió el
interés variable de los químicos analíticos en la quimiometría. Desde mediados de la década de 1980
hasta aproximadamente 1990, se programaron algunas presentaciones sobre quimiometría todos los
años, pero después de aproximadamente 1995, hubo pocas o ninguna charla sobre quimiometría en el
programa. en parte debido a los relativamente pocos departamentos que ofrecen programas lo
esos programas no podían justificar una contratación dado que la quimiometría no había atraído
programa. en parte debido a los relativamente pocos departamentos que ofrecen programas lo
esos programas no podían justificar una contratación dado que la quimiometría no había atraído
programa.
Ver PDF
8 EL PROBLEMA DE LA FINANCIACIÓN DE LA QUÍMICA
Fuera lo que fuera la quimiometría, no encajaba fácilmente en las áreas habituales de financiación
durante una época en la que las políticas de financiación fácil del pasado estaban desapareciendo.
Además, el problema de la quimiometría que carecía de una disciplina nacional clara significó que en
tiempos en que había menos fondos disponibles, no quedaba nada para la investigación en
quimiometría. Muchas agencias de financiación rechazaron específicamente propuestas sobre análisis de
datos. Incluso Bruce Kowalski, un consumado vendedor y una figura conocida a nivel nacional, tuvo
considerables dificultades para vender quimiometría a agencias de financiación a lo largo de su carrera.
En respuesta a un desafío de su jefe de departamento para encontrar una manera de obtener apoyo
para estas nuevas ideas, Kowalski tuvo la idea de crear un centro nacional respaldado por la Fundación
Nacional de Ciencias de EE. UU. (NSF). El centro sería de química analítica de procesos, no de
quimiometría, porque pudo obtener apoyo industrial para el análisis de procesos y combinar la
quimiometría con nueva instrumentación desarrollada por colegas para el análisis en línea. Fusionar la
quimiometría y la ciencia de la medición en un Centro centrado en la industria fue una forma eficaz de
obtener financiación del gobierno junto con un flujo constante de apoyo industrial. El Centro de Química
A lí i d P (CPAC) d K l ki fi i d l NSF ó l d d d 1984 El CPAC
Analítica de Procesos (CPAC) de Kowalski, financiado por la NSF, comenzó alrededor de 1984. El CPAC
creció en membresía e importancia, y pronto reemplazó al Laboratorio de Quimiometría en la línea de

dirección de Kowalski en la Universidad de Washington. Fusionar la quimiometría y la ciencia de la
medición en un Centro centrado en la industria fue una forma eficaz de obtener financiación del
gobierno junto con un flujo constante de apoyo industrial. El Centro de Química Analítica de Procesos
(CPAC) de Kowalski, financiado por la NSF, comenzó alrededor de 1984. El CPAC creció en membresía e
importancia, y pronto reemplazó al Laboratorio de Quimiometría en la línea de dirección de Kowalski en
la Universidad de Washington. Fusionar la quimiometría y la ciencia de la medición en un Centro
centrado en la industria fue una forma eficaz de obtener financiación del gobierno junto con un flujo
constante de apoyo industrial. El Centro de Química Analítica de Procesos (CPAC) de Kowalski, financiado
por la NSF, comenzó alrededor de 1984. El CPAC creció en membresía e importancia, y pronto reemplazó
al Laboratorio de Quimiometría en la línea de dirección de Kowalski en la Universidad de Washington.
El Centro que creó Kowalski estuvo a la altura del desafío que se le había planteado. Proporcionó una
fuente estable de ingresos para su investigación y para la investigación de algunos otros que no hacían
quimiometría: hacían "ciencia de la medición" de una forma u otra. CPAC fue importante para el campo
porque proporcionó a Kowalski una forma de evangelizar la quimiometría de una manera diferente a una
audiencia considerable de personas altamente receptivas con problemas reales para quienes la ciencia
de la medición académica no estaba funcionando bien. Llegó a personas clave, desde vicepresidentes
hasta directores de laboratorio en una amplia gama de industrias, desde farmacéutica hasta
petroquímica, y los animó a traer algunos de sus problemas. El tira y afloja que tuvo lugar en las
reuniones de CPAC fue un factor clave para convencer a los líderes industriales del valor de la
quimiometría. Para muchas de estas empresas, la quimiometría pasó de ser una novedad académica a
una "competencia central". Kowalski había resuelto el problema de la financiación, obtuvo una forma de
colocación de estudiantes y, con eso, obtuvo ventajas de reclutamiento para su programa y la
Universidad. Varios otros siguieron su modelo con sus propios centros.
Ver PDF
Sin embargo, al crear el Centro, Kowalski también aceptó un nuevo rol para la quimiometría. El centro
benefició a algunos de los miembros industriales que se unieron al centro, la Universidad de Washington
y la investigación de Kowalski, pero la estrecha asociación de la ciencia de medición de procesos y la
quimiometría que surgió en CPAC desdibujó la línea entre la quimiometría y el análisis de procesos. La
estrecha conexión con el análisis de procesos complicó aún más la definición de quimiometría para
muchos. como obrero 15Notas, el área del análisis de procesos es claramente una en la que se realiza el
análisis de datos, pero el análisis de datos no es en absoluto dominante allí. De hecho, la mayor parte de
la química de procesos se ocupa de los detalles del hardware para permitir la transferencia de muestras
y la medición analítica, ya sea "en línea" o "en línea". Los esfuerzos de innovación en el hardware
necesario para realizar mediciones automatizadas, tanto en forma de instrumentación química como de
modificaciones a la línea de proceso, son el enfoque. Cada vez más, el área de análisis de procesos ha
enfatizado la ingeniería de su instrumentación y ahora se denomina comúnmente tecnología analítica de
procesos (PAT), al menos en la producción de productos farmacéuticos. Las conferencias PAT y de
química de procesos, especialmente las más grandes, ahora generalmente incluyen un número
considerable de presentaciones de quimiometría, en su mayoría de rutina.
La fuerte conexión entre la investigación de quimiometría y los problemas industriales patentados que
algunas de las investigaciones de quimiometría en CPAC estaban abordando hizo surgir otro problema.
Los estrechos vínculos con la industria significaron que parte de la investigación quimiométrica realizada
en CPAC era propiedad del patrocinador. Aunque esta situación brindó beneficios a los patrocinadores
del centro, complicó la financiación de subvenciones de quimiometría por parte de las agencias
gubernamentales. CPAC fue una gran fuente de financiamiento para la investigación de Kowalski, pero no
estuvo abierto a investigadores fuera de la Universidad de Washington durante los primeros 10 años de
su existencia, por lo que el Centro tampoco fue una solución general para financiar la investigación en
quimiometría. Aunque el Centro hizo que la quimiometría fuera un poco más común en las aplicaciones
industriales, la financiación de la investigación en quimiometría sigue siendo un desafío.
El hogar incierto y la definición de la quimiometría como campo no han ayudado, pero las limitadas
posibilidades de financiación asociadas con la investigación de la quimiometría han ejercido presión a la
baja sobre la contratación en quimiometría académica en los Estados Unidos. En los últimos 10 años, las
universidades de investigación R-1 en los Estados Unidos han contratado a una sola persona que hace
quimiometría. Este registro puede ser evidencia de la marginación del área a favor de otros capacitados
en ciencia analítica, pero también puede reflejar algunas otras consideraciones. Contratar a alguien
experto en quimiometría para un puesto académico es un desafío ahora, no solo porque los programas
académicos son reacios a buscar a alguien en un área de investigación con pocos fondos, sino que la
contratación también puede ser problemática debido a la fuerte competencia por cualquier graduado
capacitado en quimiometría por parte de la industria química. gobierno e incluso por la industria
financiera, todos los cuales suelen pagar mejor y ofrecer mejores condiciones de trabajo. También hay
menos candidatos para comenzar debido a la pequeña cantidad de grupos de investigación en
quimiometría que producen graduados y la cantidad relativamente pequeña de graduados que
producen. El número reproductivo48 para un grupo en quimiometría es probablemente
Ver PDF
aproximadamente 10 o menos, un número muy bajo para la ciencia química, y no sorprende que la
comunidad no haya crecido mucho desde los primeros días, al menos en los Estados Unidos. Como han
señalado otros, una tendencia similar parece estar presente en los países nórdicos y en el Benelux,
aunque el crecimiento de la quimiometría se ha producido en otros lugares, especialmente en España y
Oriente Medio. dieciséis
9 IMPRESIÓN DE LA QUÍMICA
Las revistas de química analítica han tendido a reflejar la opinión predominante de sus editores sobre la
quimiometría. Al principio, los métodos heurísticos informados por Kowalski y otros les parecieron a los
editores de revistas analíticas encajar mejor con la "ciencia de la información", cosas como búsquedas en
bases de datos y sistemas expertos, pero ciertamente no eran "ciencia analítica". En consecuencia, las
revistas de química analítica trataron principalmente la quimiometría como ciencia de la información.
Analytica Chimica Acta inicialmente puso a disposición una parte separada de la revista para
automatización de laboratorio y aplicaciones informáticas, incluida la quimiometría, al igual que Analytical
Letters . Solo unas pocas revistas de química analítica general agregaron expertos en quimiometría a sus
consejos editoriales Muchos aún no cuentan con estos expertos
consejos editoriales. Muchos aún no cuentan con estos expertos.
A pesar de esta tibia bienvenida de las revistas analíticas y la creciente separación del análisis de datos y
el modelado de datos, Kowalski indicó que no hay necesidad de una revista especializada en
quimiometría en su revisión de 1980 publicada en Analytical Chemistry . 17 Entonces escribió que una
nueva revista centrada en la quimiometría "diluiría" el conjunto de buenos manuscritos, pero pronto, los
artículos sobre quimiometría eran lo suficientemente numerosos y el interés en la quimiometría se hizo
tan grande que dos editores comerciales vieron una oportunidad de negocio casi al mismo tiempo. hora.
Cuando John Wiley se puso en contacto con Kowalski para iniciar una revista especializada en 1985,
después de haber sido miembro de un equipo que había trabajado con ellos en un libro sobre
quimiometría, 49aprovechó la oportunidad. Aproximadamente al mismo tiempo, Elsevier se puso en
contacto con Luc Massart para iniciar una revista. Massart tenía una larga historia de trabajo con Elsevier
y había encabezado un equipo que acababa de terminar otro libro de quimiometría. 50 Los
investigadores en quimiometría pasaron de publicar en pequeñas secciones de las revistas analíticas
Analytica Chimica Acta y Analytical Letters , así como algún que otro artículo en Analytical Chemistry o el
Journal of Chemical Information and Computer Sciences, a esas más dos revistas comerciales de
quimiometría de la competencia. Ahora no había escasez de espacio para imprimir artículos de
quimiometría. Surgieron problemas porque los fundadores de las dos nuevas revistas especializadas
querían incluir el visto bueno de la Chemometrics Society; cada uno quería que su revista fuera la revista
de la Chemometrics Society. Kowalski sintió que, como fundador de la sociedad y ex presidente, tenía los
derechos de propiedad. Massart vio el problema de manera diferente: él era el actual presidente de la
sociedad y vio la decisión de la sociedad como suya. La disputa dio lugar a algunas fricciones entre las
revistas, pero al final, debido a que me desempeñé tanto como editor de la revista Wiley como miembro
de la sociedad, hablé con Kowalski y Massart y logré que se comprometieran: ambas revistas se ser
reconocido como unrevista de la Chemometrics Society, un título que cada uno tiene hoy.
Las revistas comerciales de quimiometría también proporcionaron otra fuente de fricción con las
Ver PDF
estadísticas tradicionales. Ambas revistas especializadas en quimiometría figuran entre las revistas
"químicas" tradicionales, como Analytical Chemistry .en rankings de factores de impacto y otras
estadísticas editoriales. Los sistemas de revisión de las dos revistas se basaron en el sistema de revisión
utilizado en química, no en el utilizado en estadística, aunque estas revistas publicaban lo que el campo
químico denomina artículos estadísticos. La estructura habitual de pruebas y lemas y el conjunto
completo de datos que a menudo se encuentran en un artículo estadístico eran bastante raros en los
artículos publicados en revistas de quimiometría, y el tiempo de respuesta de la revisión fue
sorprendentemente corto desde la perspectiva de un estadístico. En lugar de permitir una revisión de 6 a
9 meses, las revistas de quimiometría esperaban una revisión en aproximadamente 4 semanas. No es
sorprendente que los estadísticos académicos sin titularidad fueran reacios a publicar en revistas de
quimiometría, y los artículos de quimiometría publicados allí inicialmente recibieron relativamente poco
interés por parte de los principales estadísticos. Las dos revistas de quimiometría también vieron pocos
artículos sobre quimiometría escritos por académicos que trabajan en estadística, pero a medida que la
quimiometría ha sido más aceptada por los estadísticos durante los últimos 5 a 10 años, ha habido un
cambio gradual en la disposición de los estadísticos a publicar en revistas de quimiometría. y citar
trabajos de quimiometría.
10 LA EVOLUCIÓN DEL SOFTWARE DE QUIMIOMETRÍA

La quimiometría temprana tenía que ver con el software. Tanto Bruce Kowalski como Peter Jurs
desarrollaron paquetes de software con el apoyo de subvenciones del gobierno. Kowalski hizo que su
paquete ARTHUR, llamado así por Fred A. (como en "Arthur") Findeis, el administrador de NSF que
financió la subvención que desarrolló el concepto ARTHUR, estuviera disponible por lo que él llamó
"costo". Por $35, el solicitante obtuvo una imagen de cinta personalizada de 9 pistas de ARTHUR
diseñada para ejecutarse en cualquier mainframe que se solicitara. Los estudiantes de posgrado de
Kowalski manejaron los detalles de la configuración y la generación de la cinta. Muchas de estas
instalaciones requirieron mucho tiempo y un conocimiento experto de la arquitectura del mainframe y el
sistema operativo. ARTHUR era un paquete bastante avanzado en el que, debido a la limitada memoria
del mainframe disponible en ese momento, el tamaño del código FORTRAN y el espacio necesario para
almacenar datos, las diversas partes de ARTHUR se configuraron para cargar y descargar dinámicamente
según sea necesario. Por lo tanto, una ejecución que involucró el cálculo de estadísticas de datos básicos,
seguida de una selección de variables y luego usando, digamos, un análisis de k vecino más cercano en
una matriz de distancia, requirió la creación de una plataforma que contuviera el conjunto de datos y los
comandos de análisis de datos ingresados en tarjetas de computadora perforadas. Se leyó la baraja y se
comprobó que no hubiera errores. Cada uno de estos módulos de análisis separados se intercambió
dentro y fuera según fuera necesario, luego se completó el análisis y los resultados aparecieron en la
impresora de línea. La salida se recogió del centro de cómputo en unas pocas horas o más tarde,
dependiendo de lo que se ejecutó. Algunos módulos, especialmente el agrupamiento jerárquico, siempre
se ejecutaban de noche debido a las demandas que imponían al mainframe; La salida de estos llegó a la
mañana siguiente. El apoyo de los estudiantes para el esfuerzo incluyó la lectura de múltiples cajas que
contenían miles de tarjetas que constituían el programa ARTHUR, la modificación del cargador dinámico
para adaptarlo a la arquitectura y el sistema operativo de la computadora de destino, luego la escritura
Ver PDF
de la cinta y la realización de una copia del manual ARTHUR. Más tarde, el grupo trabajaría con el
comprador para asegurarse de que la cinta leyera, que el sistema compilara y cargara ARTHUR y que la
imagen de ARTHUR realmente se ejecutara en la nueva computadora. Fue mucho trabajo y me convenció
de que no estaba hecho para vender y mantener software. Pero nuevamente, como señaló Kowalski, el
grupo trabajaría con el comprador para asegurarse de que la cinta leyera, que el sistema compilara y
cargara ARTHUR y que la imagen de ARTHUR realmente se ejecutara en la nueva computadora. Fue
mucho trabajo y me convenció de que no estaba hecho para vender y mantener software. Pero
nuevamente, como señaló Kowalski, el grupo trabajaría con el comprador para asegurarse de que la
cinta leyera, que el sistema compilara y cargara ARTHUR y que la imagen de ARTHUR realmente se
ejecutara en la nueva computadora. Fue mucho trabajo y me convenció de que no estaba hecho para
vender y mantener software. Pero nuevamente, como señaló Kowalski,17 muchas personas obtuvieron
el software ARTHUR y comenzaron a usarlo. Estábamos aprendiendo sobre todo tipo de problemas
químicos en los que se estaba aplicando el software ARTHUR. El esfuerzo de ARTHUR también condujo a
la unión de los estudiantes de Kowalski (y algunos miembros honorarios) en un grupo compacto, y el
grupo obtuvo un nombre/mascota: Maynarhs da Koven. Maynarhs (Figura 2) era un lagarto al que le
gustaban los cigarros, y generalmente se lo citaba en muchos de los primeros artículos. Era el "rostro" de
ARTHUR y se le culpaba
Traducido al: de los muchos
español chistes
Mostrar textoincrustados
original en el resultado de algunas versiones de
Opciones ▼
ARTHUR. Maynarhs se hizo famoso, recibió oportunidades para hablar y muchas solicitudes de
reimpresión, porque ARTHUR se usaba en todas partes. Cualquiera con acceso a una computadora
central, tiempo de computadora y cierta voluntad de leer el manual que le proporcionamos podía hacer
quimiometría que no estaba nada lejos de lo que estábamos haciendo en el Laboratorio de
Quimiometría.
Figura 2 Ver PDF

Abrir en el visor de figuras PowerPoint
Imagen de Lineprinter de Maynarhs daKoven de una carrera de ARTHUR de 1977
Aunque el software ARTHUR fue muy popular entre las personas que buscaban aplicar la quimiometría,
su éxito fue mixto entre los académicos que revisan las propuestas de subvenciones y ayudan a decidir
cómo otorgar los fondos de las subvenciones. Eran tiempos relativamente fáciles para la financiación,
pero la NSF no renovó la subvención que había apoyado el desarrollo de ARTHUR. El considerable interés
en ARTHUR por parte de los usuarios y posibles usuarios alentó a Kowalski a encargar una versión
comercial con nuevos gráficos y una interfaz de usuario mejorada. Cuando dejé el laboratorio de
Kowalski para ocupar mi nuevo puesto en UC Berkeley en 1978, ARTHUR todavía se ejecutaba en el
mainframe CDC de la Universidad de Washington, pero ahora estaba conectado en tiempo real en un
módem de 300 baudios a una terminal de gráficos vectoriales Tektronix para la salida. . Justo entonces,
Kowalski' La nueva empresa creada para vender ARTHUR, Infometrix, nació en un cajón de archivo del
laboratorio. La próxima vez que vi a ARTHUR fue en 1983 en el ASI de la OTAN, donde una versión
Infometrix de ARTHUR se estaba ejecutando bajo VMS en una minicomputadora Vax 11/780 en el centro
d ó d l àd l b l
de cómputo de la Università di Calabria en Cosenza, Italia.
No mucho después de la transición de ARTHUR al software comercial, surgieron otras empresas. Umetri,
CAMO y otros de Wold ofrecieron un software independiente para la calibración mediante PCR, PLS y
SIMCA. El software ADAPT de Jurs también desarrolló una versión comercial. Al menos al principio, la
opción para quienes ingresaban a la quimiometría era usar uno de estos productos comerciales o
codificar los métodos mismos. Algunos recién llegados a la quimiometría desarrollaron su propio
software, pero la mayoría no lo hizo porque eso requería habilidad en programación, así como
conocimiento de los métodos y el álgebra lineal en los que se basaban los métodos. También estaba el
desafío impuesto por la complejidad de usar una minicomputadora y familiarizarse con los sistemas
operativos Unix o VMS para ejecutar el software o por manejar la memoria limitada de los sistemas
operativos CP-M y DOS. Por esas razones, los paquetes comerciales crecieron en popularidad y, a medida
que crecían, también crecía la necesidad de capacitación sobre su uso. Kim Esbensen produjo un texto de
capacitación para una versión anterior de CAMO Unscrambler, pero la mayoría del software inicial
esperaba cierta experiencia en quimiometría por parte del usuario. Esa experiencia, o una aproximación,
de todos modos, a menudo provenía de un curso breve que enseñaba el uso del software primero y la
quimiometría después. Kim Esbensen produjo un texto de capacitación para una versión anterior de
CAMO Unscrambler, pero la mayoría del software inicial esperaba cierta experiencia en quimiometría por
parte del usuario. Esa experiencia, o una aproximación, de todos modos, a menudo provenía de un curso
breve que enseñaba el uso del software primero y la quimiometría después. Kim Esbensen produjo un
texto de capacitación para una versión anterior de CAMO Unscrambler, pero la mayoría del software
inicial esperaba cierta experiencia en quimiometría por parte del usuario. Esa experiencia, o una
aproximación, de todos modos, a menudo provenía de un curso breve que enseñaba el uso del software
primero y la quimiometría después.
Los cursos y los paquetes de software comerciales ayudaron a difundir la aplicación de la quimiometría,
pero todavía no había una ruta fácil para el desarrollo de nueva quimiometría. Las matemáticas
Ver PDF
(principalmente álgebra matricial) y la codificación no eran habilidades familiares para los investigadores
formados en química. Los trabajadores académicos de quimiometría generalmente desarrollaron código
en BASIC o FORTRAN, un proceso lento y, a menudo, propenso a errores. Este fue un momento en el que
parecía que cada artículo de quimiometría presentaba, pero generalmente no publicaba, una "caja de
herramientas" para algún problema específico. El desarrollo de software quimiométrico y sistemas
expertos a medida y su publicación en la revista ACS era la norma para la quimiometría académica, como
confirmará cualquier revisión de la literatura anterior. Una parte importante de cualquier proyecto de
quimiometría se gastó en el desarrollo del código y los gráficos,
Al igual que con las revistas, los editores comerciales vieron una oportunidad de mercado en la falta de
software general fácilmente disponible. En 1985, Elsevier lanzó el paquete CLEOPATRA, un paquete BASIC
similar a ARTHUR controlado por módulos para la computadora personal IBM-PC. Este paquete incluía
muchos de los métodos más nuevos del grupo de investigación de Gerrit Kateman y otros; Las
extensiones de ese paquete siguieron en 1986. En ese momento, BASIC y TurboPascal eran los
principales lenguajes disponibles, pero el lenguaje de programación C utilizado en minicomputadoras
también estaba ganando popularidad en computadoras más pequeñas, y en 1986 Wiley lanzó una
biblioteca científica de subrutinas para uso general cálculo numérico en C Aproximadamente al mismo
biblioteca científica de subrutinas para uso general. cálculo numérico en C. Aproximadamente al mismo
tiempo, una pequeña startup llamada Mathworks de la Universidad de Nuevo México lanzó una versión
de dominio público de su producto financiado por la NSF que transfirió el paquete de álgebra matricial
FORTRAN LAPACK a C para hacer cálculos matriciales sin la necesidad de una programación extensa de
los detalles. Su software MATLAB atrajo la atención porque hizo que la programación de alto nivel del
álgebra matricial fuera relativamente fácil. No pasó mucho tiempo antes de que Mathworks también
vendiera una versión comercial. El nuevo lenguaje MATLAB fue una revelación: cambió drásticamente los
tiempos de codificación, hizo que el código resultante fuera mucho más fácil de leer, probar y depurar, y
fue más rápido de ejecutar que BASIC. Además, se ejecutó tanto en la nueva computadora Macintosh
como en Unix en una estación de trabajo de minicomputadora SUN, ambos sistemas donde la memoria
no estaba restringida a 640 kb como en la PC IBM, por lo que se podían examinar fácilmente conjuntos
de datos más grandes. Rápidamente nos convertimos a MATLAB, al igual que el laboratorio de Kowalski y
algunos otros. Para agregar valor a las membresías de su Centro, Kowalski también puso a disposición de
los suscriptores de CPAC el software MATLAB para quimiometría de su laboratorio. La caja de
herramientas de CPAC, escrita por Yongdong Wang, salió a la luz a mediados de la década de 1990, y
significó que esos suscriptores de CPAC tenían mucho de lo que tenía Bruce Kowalski: regresión de PCR y
PLS, análisis de PCA, algunos preprocesamiento y transferencia de calibración estaban incluidos. en el
software de Wang. Todo era vanguardista, como lo había sido ARTHUR, aunque mucho más fácil de
distribuir, mantener y ejecutar. No todo el mundo en quimiometría vio inmediatamente los beneficios de
MATLAB; una propuesta de libro que presenté que planeaba usar MATLAB para ejemplos fue rechazada
por Elsevier en 1989 porque sus revisores sintieron firmemente que BASIC era un lenguaje mucho mejor
y más común. Sin embargo, no pasó mucho tiempo antes de que MATLAB se convirtiera en el lenguaje
elegido en quimiometría. Pronto apareció la caja de herramientas Chemometrics de Richard Kramer
vendida por Mathworks y un poco más tarde, una versión de dominio público de PLS Toolbox estuvo
disponible. El software ya no era el problema que había sido, y ahora había una forma práctica de
intercambiar código entre investigadores de quimiometría, si así lo decidían.
Ver PDF
Aunque MATLAB ayudó a crear un lenguaje quimiométrico común, también tuvo sus propios problemas.
Era un producto comercial y estaba asociado con una curva de aprendizaje sustancial. Los usuarios no
académicos, y muchos académicos, tuvieron dificultades para aprender a programar en MATLAB. Todavía
había un mercado para los paquetes comerciales que no requerían aprender las complejidades de la
codificación o los detalles de la realización de cálculos matriciales. También había un mercado para la
capacitación, por lo que surgieron cursos cortos como “Quimiometría sin ecuaciones” y otros, donde
muchos usuarios aprendieron la metodología básica de quimiometría. La mayoría de estos tuvieron una
duración de 1 o 2 días, y no sorprende que la mayoría cubriera solo los aspectos básicos. Con el impulso
de la quimiometría como una "competencia central" para los trabajadores a pesar de la falta de
antecedentes y el tiempo limitado para un curso, es difícil ver cómo incluso un estudiante muy motivado
podría hacer algo más que empezar. El problema es que la quimiometría tiene una lista sustancial de
habilidades que también se deben dominar para poder hacer bien las tareas básicas, y estas no se
pueden transmitir a un estudiante en un formato comprimido como un curso corto. Cuando el
estudiante entrante carece de experiencia en habilidades básicas de programación, álgebra lineal básica
y estadística, es incluso un desafío proporcionar todo el conjunto de habilidades en un curso de 15
semanas. Así, como Brereton álgebra lineal básica y estadísticas, incluso es un desafío proporcionar todo
el conjunto deTraducido
habilidades en un curso
al: español
de 15 semanas. Así, como Brereton álgebra lineal básica
Mostrar texto original
y
Opciones ▼
estadísticas, incluso es un desafío proporcionar todo el conjunto de habilidades en un curso de 15

semanas. Así, como Brereton5 comentarios, el resultado es una cohorte de "quimiométricos de viernes
por la tarde" que buscan aplicar PCA, PLS o ambos a casi todo lo que encuentran.
11 ¿CUÁLES SON LAS IMPLICACIONES DE ESTE PASADO EN EL

FUTURO DE LA QUÍMICA?
La quimiometría como campo llegó a ser en un momento de cambio, en el que los caminos futuros de 2
campos estrechamente relacionados, la estadística y la química analítica, estaban en peligro y cuando los
avances en la informática que hicieron posible la quimiometría también ocasionaron una separación de
la química matemática en dos áreas principales: análisis y modelado. Las dificultades internas que
experimenta cualquier campo para comenzar se vieron amplificadas por las luchas en estadística y en
química analítica, y por una incertidumbre en lo que la quimiometría ofrecía a los trabajadores en estos
campos. Esta incapacidad para ganar un buen punto de apoyo ha dificultado la financiación y, como se
ha señalado, los problemas con la financiación y el terreno han tendido a mantener el campo pequeño.
La dificultad de entrada al campo y su estrecha asociación con campos relacionados, pero más comunes,
es otra razón del número limitado de practicantes. Relativamente pocos químicos estadounidenses
tienen las habilidades matemáticas y de programación para realizar investigaciones de quimiometría.
Para aquellos con formación científica, así como fuertes habilidades matemáticas y algunas habilidades
computacionales, hay varias opciones sólidas y competitivas. Muchos de los que tienen las habilidades
necesarias deciden dedicarse a la investigación en química computacional. Al igual que la quimiometría,
el campo de la química computacional se ha ido, aunque ha cambiado sustancialmente a medida que
mejoró el acceso a las computadoras, aumentó la capacidad de esas computadoras y se expandió el
software, tanto comercial como de dominio público. El alcance de la química computacional se ha
expandido enormemente, y los profesionales de la metodología computacional en química se han Ver PDF
vuelto
bastante comunes. La química computacional tiene sus propios problemas con la capacitación y el
software. Sin embargo, a diferencia de la quimiometría, no hay duda de que la química computacional es
un subcampo de la química física, no algo interfacial con muchos otros campos más grandes. El tamaño y
la continuidad de la química computacional reflejan ese estado. Del mismo modo, la ingeniería química y
la quimiometría también comparten algunos puntos en común, y muchos ingenieros químicos tienen las
habilidades computacionales y matemáticas necesarias para hacer quimiometría. La ingeniería química
de procesos moderna, un área de la ingeniería química que podría considerarse más cercana a la
quimiometría, requiere muchas de las mismas habilidades que requiere la quimiometría. Cada vez más,
la ingeniería de procesos hace uso de instrumentación química, como espectrómetros, los cromatógrafos
y los sensores químicos reemplazan los pilares de los monitores de presión, temperatura y viscosidad, y
el análisis de flujos de datos de procesos altamente instrumentados es cada vez más común. Sin
embargo, nuevamente, el enfoque es algo diferente. El control del proceso es primordial, y el análisis de
los datos de medición del proceso está estrechamente relacionado con el control del proceso y el
tratamiento de cualquier anomalía.
Tampoco es probable que la quimiometría recupere una estrecha relación con la estadística El énfasis en
Tampoco es probable que la quimiometría recupere una estrecha relación con la estadística. El énfasis en
la calibración Traducido
química al:
mediante
español modelado suave
Mostrar texto que comenzó a mediados de la década de Opciones ▼
original 1980
distanció a muchos de los estadísticos de la quimiometría, como se señaló anteriormente. Había menos
artículos estadísticos convencionales sobre diseño experimental y modelado de superficie de respuesta
que aparecían en revistas de quimiometría. Los estadísticos que vieron los beneficios de los métodos
algorítmicos computacionales estaban involucrados en sus propias batallas con el establecimiento de
estadísticas, y en su mayoría publicaron en otros lugares, cada vez más en revistas de aprendizaje
automático porque su investigación tenía poca relevancia química o porque no involucraba modelos
suaves. Jerry Friedman fue uno de los pocos que desafió el uso de PLS directa y repetidamente, pero en
revistas de estadística.51 ). Gradualmente, alrededor de 2005, algunos otros estadísticos comenzaron a
estudiar PLS y publicar sus hallazgos en revistas de quimiometría. 52 , 53 Sin embargo, incluso en 2009,
muchos estadísticos no estaban dispuestos a adoptar enfoques algorítmicos para el análisis 54 ; los
impulsores de la separación todavía aparecen en la literatura estadística en los comentarios sobre la
perspectiva de Breiman discutida anteriormente. Friedman, al escribir su propia retrospectiva, considera
la disociación con la quimiometría en la década de 1990 como una oportunidad perdida para la
estadística. 55Veo esa disociación entre estadística y quimiometría también como una oportunidad
perdida para la quimiometría, una que ahora se está rectificando lentamente, a medida que los
estadísticos reconsideran el papel de la metodología algorítmica. 56
El aprendizaje automático, una vez un lugar donde el trabajo inicial en quimiometría tuvo un impacto
considerable, ahora ha madurado. Chemometrics fue uno de los primeros y entusiastas en adoptar los
sistemas expertos, el clasificador knn, el análisis discriminante y el agrupamiento jerárquico y de otro
tipo, entre otros métodos. Algunos quimiométricos mantuvieron cierto interés en la metodología de
aprendizaje automático al adoptar redes neuronales y métodos MAP que involucran a Kalman y métodos
de filtrado relacionados, pero a medida que se expandió el modelado suave, el interés en estos otros
métodos por parte de los investigadores en quimiometría disminuyó. El interés en estos métodos está
aumentando nuevamente, pero la investigación ahora está impulsada por investigadores en estadística
Ver PDF
computacional y aprendizaje automático.
La bioinformática, un ajuste natural para los métodos quimiométricos, ahora se ha convertido en su

propia área. El enfoque estricto en ese momento en la calibración química y el modelado suave en
quimiometría durante los últimos 25 años, y las dificultades que surgieron con la estadística como
resultado, probablemente contribuyeron a que el área emergente de la bioinformática se asociara más
estrechamente con la estadística que con la quimiometría, aunque la mayoría de los datos a examinar
provenían de mediciones químicas multivariadas. El trabajo inicial en bioinformática parecía tratarse de
búsquedas en bases de datos como los primeros trabajos en heurística química, pero rápidamente
surgió la necesidad de métodos para examinar datos altamente multivariados. Muchas áreas
relacionadas, incluidas la genómica, la proteómica y la metabolómica, hicieron uso de métodos
quimiométricos, pero la mayoría de los quimiométricos se perdieron esta área. y los estadísticos
computacionales se apresuraron a aprovechar. Recuerdo haber hablado con un investigador que estaba
activo en bioinformática a medida que se desarrollaba el campo; me dijo que “esto no era más que
quimiometría con un nombre diferente” y que “estaba haciendo la quimiometría que siempre había
hecho, pero obteniendo mucho más dinero de la subvención para hacerlo”. Parte de la razón de las
pocas contribuciones de la quimiometría a la bioinformática puede ser que hay pocos quimiométricos y
pocas contribuciones de la quimiometría a la bioinformática puede ser que hay pocos quimiométricos, y
menos aún con una sólida formación en biología, pero pasar el problema del análisis de datos biológicos
multivariados parece ser otra oportunidad perdida. me dijo que “esto no era más que quimiometría con
un nombre diferente” y que “estaba haciendo la quimiometría que siempre había hecho, pero
obteniendo mucho más dinero de la subvención para hacerlo”. Parte de la razón de las pocas
contribuciones de la quimiometría a la bioinformática puede ser que hay pocos quimiométricos, y menos
aún con una sólida formación en biología, pero pasar el problema del análisis de datos biológicos
multivariados parece ser otra oportunidad perdida. me dijo que “esto no era más que quimiometría con
un nombre diferente” y que “estaba haciendo la quimiometría que siempre había hecho, pero
obteniendo mucho más dinero de la subvención para hacerlo”. Parte de la razón de las pocas
contribuciones de la quimiometría a la bioinformática puede ser que hay pocos quimiométricos, y menos
aún con una sólida formación en biología, pero pasar el problema del análisis de datos biológicos
multivariados parece ser otra oportunidad perdida.
12 ¿DÓNDE ESTÁ LA QUÍMICA AHORA?

La quimiometría se encuentra ahora en un lugar extraño. Los químicos tradicionales, incluidos muchos
en química analítica, ven el campo como "estadística". Los estadísticos tradicionales todavía ven el campo
como algo más que estadísticas. El papel que juega la quimiometría no es el previsto por Kowalski en
1975, ni es el papel que Kowalski, Vandeginste y yo esbozamos en 1987. El énfasis inicial en la
quimiometría como medio para extraer información química de datos químicos, o algo por el efecto- ha
tenido que lidiar con el papel cambiante de la computación en la química. La química computacional ha
llegado a significar el uso de uno o más métodos aproximados para calcular estructuras moleculares y
otras propiedades a partir de conjuntos básicos de parámetros de enlace, etc. Esa área se separó de la
amplia franja de metodología computacional incluida en Kowalski. La visión de la quimiometría casi
cuando el campo comenzó a crecer, y su uso realmente se ha generalizado en la química y la bioquímica
porque se considera una forma de resolver "problemas químicos" cuantitativos relacionados con la
Ver PDF
estructura, la energía y la reactividad. En consecuencia, la quimiometría se ha vuelto menos sobre el
modelado computacional de sistemas químicos y más sobre el cálculo relacionado químicamente. Los
aspectos computacionales cuantitativos de la quimiometría que comenzaron a aparecer a mediados de
la década de 1980 separaron la disciplina de la estadística e hicieron natural la asociación con la química
analítica, pero como la química analítica ha estado bajo presión con respecto a su lugar entre las
disciplinas químicas, también lo ha hecho la asociación. de química analítica con quimiometría. La
quimiometría no ha podido evolucionar hacia el lado teórico de la química analítica,57 En cambio, como
sugerí en 1995, 8 la quimiometría se ha subsumido en gran medida en la práctica química analítica como
parte de la "estadística".
El alcance de la quimiometría es más estrecho ahora de lo que se propuso en parte porque muchos de
los otros campos químicos orientados cuantitativamente que Kowalski había considerado que caían bajo
el término general de quimiometría han divergido de la quimiometría. El campo también se ha reducido
por su enfoque en métodos para un problema particular: la calibración. Sin embargo, el campo también
se ha ampliado, al menos en términos de profesionales. Una simple división del campo en Europa y
América ya no puede considerarse adecuada, como lo fue en el momento del comienzo de esta revista.
Además aunque probablemente haya aproximadamente el mismo número de trabajadores en la parte
Además, aunque probablemente haya aproximadamente el mismo número de trabajadores en la parte
superior de laTraducido
pirámide al:disciplinaria
español que mencioné
Mostrar en mi revisión anterior, 8ahora hay muchos
texto original más
Opciones ▼
usuarios en la base de esa pirámide, pero probablemente no hay más trabajadores académicos que
antes. 58
También se cambia la distinción entre lo que es quimiometría y lo que es parte de campos relacionados.
Kowalski vio que la quimiometría actuaba de manera similar a la biometría y la psicometría, en el sentido
de unir la química cuantitativa con las matemáticas aplicadas y la estadística y actuar como un gran
conducto entre la química y los campos matemáticos. Ese concepto se revisó para que la quimiometría
sirva como una forma de permitir que la química analítica proporcione información en lugar de datos. Sin
embargo, ahora hay numerosas "métricas", cada una relacionada de alguna manera, pero cada una con
un enfoque ligeramente diferente: a las más antiguas (biometría, econometría, psicometría y tal vez
quimiometría) se han sumado la bibliometría, la cualimetría, la bioinfometría y muchas otras. , todo ello
encaminado a proporcionar información a partir de datos. El movimiento de "grandes datos" ha
generado muchas otras formas de combinar una fuente de datos y análisis/modelado de datos, incluidos
"análisis", "informática" y otros. Muchos de estos campos "-ics" o "-metrics" y nuevos "big data" utilizan
una metodología similar a la utilizada en quimiometría y tienen objetivos similares. Cada vez más, a
medida que los métodos se superponen entre estas diferentes manifestaciones del análisis de datos, son
los problemas los que distinguen estos subcampos del análisis de datos, no los datos o la metodología de
análisis de datos porque, cada vez más, los subcampos comparten esa metodología e incluso pueden
compartir estructuras de datos. y tipos. Muchos de estos campos "-ics" o "-metrics" y nuevos "big data"
utilizan una metodología similar a la utilizada en quimiometría y tienen objetivos similares. Cada vez más,
a medida que los métodos se superponen entre estas diferentes manifestaciones del análisis de datos,
son los problemas los que distinguen estos subcampos del análisis de datos, no los datos o la
metodología de análisis de datos porque, cada vez más, los subcampos comparten esa metodología e
incluso pueden compartir estructuras de datos. y tipos. Muchos de estos campos "-ics" o "-metrics" y
nuevos "big data" utilizan una metodología similar a la utilizada en quimiometría y tienen objetivos
Ver PDF
similares. Cada vez más, a medida que los métodos se superponen entre estas diferentes
manifestaciones del análisis de datos, son los problemas los que distinguen estos subcampos del análisis
de datos, no los datos o la metodología de análisis de datos porque, cada vez más, los subcampos
comparten esa metodología e incluso pueden compartir estructuras de datos. y tipos.
Al igual que en los primeros días de la quimiometría, la financiación de la investigación en química se ha

reducido y el campo de la química analítica vuelve a estar a la defensiva, ya que los programas de
química vuelven a abandonar el campo por ser demasiado aplicado. 59Como antes, también existe un
gran interés en las mediciones químicas, tanto en la industria química como en otros campos afines, lo
que compensa en cierto modo la falta de interés de las instituciones académicas. Los esfuerzos
anteriores en el desarrollo de instrumentos han producido instrumentación química que se ha vuelto
más simple y económica de usar, y la gama de posibles aplicaciones que pueden investigarse mediante
una medición química de algún tipo se ha expandido enormemente. Las mediciones químicas
multivariadas ahora se realizan de manera rutinaria en la investigación en conservación de arte, ciencias
sociales, ciencias forenses y de alimentos, investigación biomédica y otros lugares donde los
investigadores pueden no considerarse químicos analíticos o incluso químicos. Los métodos
desarrollados en quimiometría ahora se están utilizando aquí
desarrollados en quimiometría ahora se están utilizando aquí,
La estadística también es una disciplina a la defensiva nuevamente, pero esta vez la amenaza proviene
del aprendizaje automático y el análisis predictivo. Los estadísticos ahora deben lidiar con una mayor
actividad en el tercer frente de Effron por el uso de la minería de datos y el análisis de datos, y con todo
tipo de modelos empíricos. Gran parte de su reacción ha sido similar a su reacción anterior a las nuevas
heurísticas utilizadas en el modelado suave en quimiometría en 1990 y su reacción a las críticas de
Breiman en 2001. Un estadístico famoso comentó que los nuevos métodos de aprendizaje automático
eran "estadísticas sin verificación de modelos". y suposiciones.” Efron comentó,
“ “Una nueva generación de dispositivos científicos, tipificados por microarreglos, producen

datos a una escala gigantesca, con millones de puntos de datos y miles de parámetros a
considerar al mismo tiempo. Estos experimentos son 'profundamente estadísticos'. El sentido
común, e incluso la buena intuición científica, no harán el trabajo por sí solos. El razonamiento
estadístico cuidadoso es la única forma de ver a través de la neblina de aleatoriedad la
estructura subyacente. La recopilación masiva de datos, en astronomía, psicología, biología,
medicina y comercio, es un hecho de la ciencia del siglo XXI y una buena razón para comprar
futuros estadísticos si alguna vez se ofrecen en el NASDAQ”. 60
”
Algunos estadísticos menos tradicionales han reconocido que la nueva metodología ofrece ventajas. A
fines de la década de 1990, Friedman aconsejó hacer las paces entre la estadística y el análisis de datos
computacionales y reconoció que lo que era la estadística y lo que se enseñaba como estadística tendría
que cambiar o se relegaría a hacer una gama limitada de aplicaciones en su mayoría poco interesantes.
55 La comunidad de estadísticas ha visto venir los desafíos, pero con solo unas pocas excepciones (p. ej.,
Martens 1), los quimiométricos en su mayoría han ignorado los desafíos que surgen de los cambios
Ver PDF
recientes en el análisis de datos y en la instrumentación química. Han tendido a ignorar el crecimiento en
el análisis de datos, aunque trabajos recientes han visto que se utilizan enfoques de aprendizaje
automático en lugares donde la metodología tradicional basada en PLS ha dominado en problemas
químicos (por ejemplo, You et al 61). La cultura de la investigación del aprendizaje automático es
diferente de lo que es común en la quimiometría. La publicación y el arbitraje de esas publicaciones son
mucho más rápidos que en quimiometría: el trabajo a menudo se informa en las actas de conferencias, a
menudo se hace hincapié en conjuntos de datos de muestra grandes y de alta dimensión (datos
grandes), y se hace hincapié en la respuesta rápida y presentación de la investigación en lugar de la
producción lenta de artículos de revistas más extensos sobre el análisis de conjuntos de datos "cortos y
gruesos" publicados después de una revisión exhaustiva. De alguna manera, esta interrupción del
análisis de datos químicos se parece un poco a la impuesta a las estadísticas por las heurísticas de
Kowalski de la década de 1970, por el modelado suave y por el breve cambio de revisión que ofrecieron
las revistas de quimiometría a fines de la década de 1980 en oposición a esas largas evaluaciones.
realizado por revistas comoTecnometría . Sin embargo, la disrupción impuesta por el aprendizaje
automático en la quimiometría no es tan sustancial como podría parecer a primera vista. La cultura del
aprendizaje automático comparte un problema fundamental con la cultura de la quimiometría actual: el
énfasis en ambas disciplinas ahora está principalmente en el desarrollo y el refinamiento de la

metodología, no en resolver un problema particular, químico o de otro tipo.
De hecho, la quimiometría se ha vuelto cada vez menos conectada con la química a medida que pasa el
tiempo. Es difícil ver la quimiometría como la interfaz entre la química analítica y varias disciplinas
matemáticas imaginadas por Kowalski y otros. Dados los cambios en el campo y los cambios en la
generación de datos químicos en comparación con lo previsto en 1975, ¿qué se entiende realmente por
"quimiometría" ahora? Tal vez sea mejor verlo como otra manifestación del área más amplia del análisis
de datos, algo que tiene el nombre actual de modelado predictivo o análisis predictivo. Esto, para usar la
definición de Wold, 7debe ser la quimiometría porque parece ser la capacidad que la mayoría de los
investigadores quieren de la quimiometría ahora, a juzgar por la literatura y la mayoría de las
aplicaciones que atraen el interés. También tiene sentido colocar la quimiometría en el análisis
predictivo. La diferencia entre la metodología utilizada en las estadísticas multivariadas computacionales,
el aprendizaje automático, el análisis predictivo y la quimiometría ahora es en gran medida de grado en
comparación con el enfoque o la metodología. Cuando se me preguntó qué diferenciaba la quimiometría
de la estadística en un GRC en Química Analítica a mediados de la década de 1980, sugerí que la
diferencia radicaba en qué "conocimiento del dominio" que el investigador aportó al problema. El
quimiométrico está capacitado en química, así como en métodos computacionales y matemáticos, y que
el conocimiento del dominio se puede utilizar como una fuente adicional de información para resolver el
problema. Este conocimiento del dominio es posiblemente la única característica distintiva que queda en
la quimiometría; aunque la metodología puede superponerse fuertemente con muchas otras disciplinas,
la quimiometría en ocasiones diferirá de ellas debido a la adaptación de la metodología para resolver
problemas químicos. Sin embargo, existe una tendencia cada vez mayor a que los equipos de expertos
trabajen juntos en los problemas, y la necesidad tanto de conocimientos específicos de dominio como de
experiencia en análisis de datos puede satisfacerse mediante en ocasiones, la quimiometría diferirá de
Ver PDF
ellos debido a la adaptación de la metodología para resolver problemas químicos. Sin embargo, existe
una tendencia cada vez mayor a que los equipos de expertos trabajen juntos en los problemas, y la
necesidad tanto de conocimientos específicos de dominio como de experiencia en análisis de datos
puede satisfacerse mediante en ocasiones, la quimiometría diferirá de ellos debido a la adaptación de la
metodología para resolver problemas químicos. Sin embargo, existe una tendencia cada vez mayor a que
los equipos de expertos trabajen juntos en los problemas, y la necesidad tanto de conocimientos
específicos de dominio como de experiencia en análisis de datos puede satisfacerse
mediantemúltiplegente. En bioinformática, por ejemplo, los analistas de datos y bioestadísticos han
trabajado con biólogos para resolver problemas. Aunque tener habilidades tanto en sistemas químicos
como en análisis de datos ofrece una ventaja real, es aconsejable que los quimiométricos no cuenten
demasiado con la combinación de habilidades de análisis de datos y conocimiento del dominio para
hacer un lugar para ellos. Dejando a un lado el conocimiento del dominio, es cada vez más común ver
una amplia gama de análisis de datos aplicados a los datos de algún tipo de medición química, y decidir
si el trabajo es o no algo que acordamos que debería llamarse quimiometría es cada vez más irrelevante.
Todo es análisis de datos. Además, cada vez más, otros están haciendo ese análisis de datos, incluso en
lo que podríamos llamar datos químicos;62 Por lo tanto, me parece que es mejor para la salud continua
de la quimiometría como campo mirar
Traducido al: español
hacia afuera en lugar de mirar hacia adentro. El análisis
Mostrar texto original Opciones ▼
computacional de datos multivariados es una habilidad que la mayoría de los profesionales de la

quimiometría han perfeccionado. Tiene sentido trabajar con datos químicos porque el quimiométrico
está más familiarizado con la tarea y tiene ese conocimiento adicional del dominio químico, pero en un
momento en que la investigación está más orientada a equipos que a un solo investigador, considero
que la distinción entre los diversos “-ics” como uno relacionado en gran medida con una necesidad
histórica dirigida a marcar territorio, una que es cada vez menos importante a medida que la
instrumentación y la computación se han vuelto cada vez más sofisticadas y ubicuas y que los analistas
de datos que trabajan en otros “-ics” se vuelven cada vez más ágiles.
13 ¿A DÓNDE VAMOS DESDE AQUÍ?

Con los cambios que ya están en marcha en otras partes del análisis de datos, la práctica quimiométrica
también deberá cambiar. Ya se está forzando algún cambio desde el exterior. En los Estados Unidos, el
movimiento de investigación reproducible, que comenzó con la investigación biomédica, ahora ha
llegado a la mayoría de las instituciones que otorgan subvenciones, y ahora existe un requisito para
aquellos proyectos que reciben subvenciones gubernamentales para poner a disposición de forma
gratuita los datos, algoritmos y cualquier código necesario para examinar los resultados de la
investigación financiada, al menos para los solicitantes estadounidenses. La quimiometría tendrá que
adaptarse a este cambio, o también se volverá cada vez más marginada y propietaria.
Al mismo tiempo, la metodología basada en la inferencia que subyace en muchas estadísticas clásicas
ahora está bajo una gran presión para cambiar como consecuencia de una mayor atención a las fallas en
el uso o la interpretación de los valores de p . Una serie de artículos muy visibles señalaron las fallas
inherentes al mal uso de la importancia en la toma de decisiones sobre los datos. 63 , 64 Muchos de esos
artículos señalan la incapacidad de los investigadores independientes para reproducir estudios en los
que se observó uno u otro resultado "significativo". 65 También hay mucho debate sobre el lugarVer
delPDF
software estadístico y cómo garantizar el cumplimiento de los principios estadísticos por parte de sus
usuarios. 66Recientemente, la Asociación Estadounidense de Estadística publicó una declaración de la
sociedad sobre el uso de valores p , una acción muy inusual que subraya las preocupaciones que existen
entre el grupo de estadísticos más grande del mundo. 67
Los quimiométricos pueden considerar los problemas estadísticos de los valores de p como extraños o
incluso insignificantes. Después de todo, la pEl valor generalmente se refiere al análisis de datos
univariados, y ahora en quimiometría principalmente tratamos con datos multivariados, por lo que
podríamos pensar que estos no suelen entrar en juego en la investigación quimiométrica. Eso sería un
error. Es un error porque, como comentan numerosos estadísticos con fuertes simpatías por los
métodos no tradicionales, es importante conocer los conceptos básicos cuando se trabaja con métodos
más avanzados. Aunque es probable que no se utilice la inferencia, es útil conocerla de todos modos. Por
ejemplo, el arranque, las tasas de error, las simulaciones y más son métodos que se basan en
estadísticas básicas que se usan a menudo en quimiometría. A veces, un pequeño error cometido en el
uso de uno de estos métodos básicos puede cuestionar los resultados de un método multivariado.
Las dificultades para usar los valores de p también apuntan a un problema mucho mayor. Lo que
realmente está en juego son algunos temas críticos para la ciencia en general y la quimiometría y otras
formas de análisis de datos en particular: la repetibilidad de los experimentos, la reproducibilidad de los
resultados de un análisis de ese experimento y la apertura sobre cómo se lograron los resultados. 68 Eso
tiene implicaciones en la disponibilidad de código y datos, los cuales son de vital importancia para los
estudios quimiométricos. Además, desde 2010 existe el requisito de proporcionar todo como parte de la
publicación para una importante revista que publica bioestadística. 69
14 ¿DÓNDE ESTÁ EL CÓDIGO?

La quimiometría es muy algorítmica, por lo que saber cómo se implementó un avancees un paso
importante hacia la comprensión de ese avance, pero desde poco después de los primeros días de
ARTHUR, los trabajadores de la quimiometría no han sido especialmente abiertos sobre los detalles de
los algoritmos. La mayoría de los artículos de investigación en ciencias químicas han tendido a restar
importancia a la divulgación completa del código o pseudocódigo de los algoritmos, y la quimiometría ha
seguido esa tendencia. Sin embargo, los campos con un énfasis similar en el análisis de datos como el de
la quimiometría siguen un camino muy diferente. Allí, se espera la publicación de algoritmos de alguna
forma. En el aprendizaje automático, por ejemplo, los informes breves de actas de conferencias
preparados con una restricción de tiempo estricta se usan comúnmente para informar sobre
investigaciones, y los algoritmos no se brindan con detalles sustantivos. Sin embargo, un artículo más
grande generalmente se envía más tarde, después de los comentarios de los conferencistas y árbitros. y
la mayoría de los artículos de aprendizaje automático brindan un código o pseudocódigo detallado para
cada algoritmo que se informa. Las correcciones de errores en algoritmos quimiométricos publicados en
artículos o en textos también son bastante raras, a diferencia de la práctica en estadística, donde el
escrutinio minucioso del trabajo por parte de los revisores es normal y donde las correcciones de
Ver PDF
cualquier error restante son comunes, incluso después de la publicación.
Los métodos de implementación de códigos de quimiometría utilizables de los artículos a menudo

tampoco se han puesto a disposición de otros a pedido. Aunque el campo se ha estandarizado más o
menos en Matlab o en lenguajes similares a Matlab gratuitos (Octave y Scilab, por ejemplo), no es
rutinario que el código que implementa una nueva metodología se publique en el dominio público. El
ARTHUR inicial era inusual para su época: la mayoría del resto del software de esa época se vendía
comercialmente, por lo que el código era propietario, o simplemente no se publicaba, una práctica que
ha continuado. Un repositorio mantenido por Rasmus Bro (accesible en
http://www.models.life.ku.dk/algorithms ) tiene código de algunas fuentes, y hay un código fuente
similar a Matlab en FACT, el complemento de quimiometría para el Scilab similar al trabajo de Matlab
(accesible en www.scilab.org), muy buen código fuente de R proporcionado por el usuario en el
repositorio de CRAN ( https://cran.r-project.org /), así como los paquetes proporcionados por el usuario
de Mathworks, pero aún no es rutinario que los autores proporcionen código utilizable para probar
algoritmos y documentar resultados. En algunos casos, el problema es que el nuevo código se basa en
rutinas comerciales con licencia que no pueden publicarse según los términos de la licencia del paquete.
Además desafortunadamente hay algunos algoritmos bien conocidos así como algunos menos
Además, desafortunadamente, hay algunos algoritmos bien conocidos, así como algunos menos
famosos, que Traducido
han sidoal:patentados
español para evitar
Mostrar textola publicación o el uso de código de dominio público.
original A
Opciones ▼
veces, esta práctica puede atribuirse a las políticas del patrocinador industrial de la investigación, pero no
siempre.
Como señala Jerry Workman en su artículo sobre la quimiometría en la nueva economía (2002), hacer
que algo sea gratuito y fácilmente disponible puede aumentar considerablemente tanto su uso como su
valor. 15Hacer que el código de quimiometría sea fácilmente accesible solo puede ayudar al campo y
aumentar su impacto. La investigación reproducible brindará un nuevo soporte para desarrollar un
nuevo código además de los paquetes de software de dominio público y hacer que el paquete esté
fácilmente disponible. Las estadísticas computacionales, por ejemplo, tienen la expectativa de que los
nuevos algoritmos vayan acompañados de la liberación del código al dominio público con la expectativa
de que el código sea examinado por usuarios expertos y se mantenga y corrija a medida que se
descubran los errores. Su repositorio CRAN, que ahora se usa para la publicación de código en
estadísticas y muchos otros campos de las ciencias físicas y sociales, incluida la quimiometría, es un
ejemplo especialmente exitoso de esto: tiene más de 7000 "paquetes" con código proporcionado por el
usuario. Con frecuencia, el código se publica en paquetes documentados con datos de ejemplo del
artículo para facilitar su comprensión y uso. En el aprendizaje automático, no existe un sitio CRAN, pero
existen paquetes de dominio público estándar, actualizados con frecuencia y mantenidos por expertos
(por ejemplo, Weka, scikit-learn) que eventualmente incorporan código de la mayoría de los trabajos más
nuevos si hay suficiente. interés en la metodología. Estos campos están activos y en crecimiento, en parte
debido a este lanzamiento de código utilizable y la publicación de los algoritmos relevantes. Aunque
algunos de los “métodos usuales” usados en quimiometría han llegado a los repositorios de dominio
público mantenidos en el análisis de datos computacionales, la quimiometría estaría bien servida si se
uniera con entusiasmo a la tendencia establecida por sus parientes cercanos en el análisis de datos y
difundiera el uso de métodos desarrollados aquí.
Ver
El requisito de software reproducible también ejerce cierta presión sobre los paquetes de apuntar y PDF
hacer clic que ahora se utilizan para estadísticas y quimiometría. Será necesario generar, al menos, un
registro completo de las operaciones necesarias para obtener un resultado a partir de un conjunto de
datos. Ya se ha propuesto prohibir la publicación de los resultados obtenidos con dicho software
estadístico de apuntar y hacer clic en artículos con “análisis estadísticos” publicados en revistas de
primera línea. 70
15 DATOS
Aunque el software es importante para cualquier método empírico, el tema del acceso a los datos es
fundamental para las direcciones futuras de la quimiometría. Los datos no solo ayudan a definir el
problema, en un análisis basado en datos, el análisis es rehén de obtener datos adecuados para analizar.
Aunque la historia temprana de la quimiometría estuvo poblada por estudios de datos de fuentes
externas, esa práctica es mucho menos común ahora, en parte porque los datos verdaderamente
informativos tomados sobre un problema relevante rara vez están disponibles para su publicación. La
publicación de datos de estudios ha sido durante mucho tiempo una práctica estándar en las ciencias
sociales, pero no es nada común en la química. De hecho, a menudo sucede que los proyectos
respaldados por financiamiento
Traducido al: español industrial
Mostrar tienen prohibido cualquier divulgación de datos como
texto original parte de
Opciones ▼
los acuerdos contractuales que respaldan el trabajo. Esos pocos conjuntos que se lanzan se estudian
extensamente. Los problemas interesantes asociados con los conjuntos de datos propietarios a menudo
están estrictamente restringidos. Para que la quimiometría prospere, es necesario tener problemas
desafiantes y datos para probar soluciones.
En consecuencia, obtener acceso a los datos ahora se realiza con mayor frecuencia internamente. Cada
vez es más común que el quimiométrico no solo participe en el análisis de datos, sino que también los
recopile. A veces, un quimiométrico puede trabajar con experimentadores como miembro de un equipo
interdisciplinario, asumiendo solo el diseño experimental y el análisis de datos del proyecto, con el
objetivo de responder preguntas específicas de los datos, pero sin tomar ningún dato. Debido a la
naturaleza consultiva de la formación estadística, esta es la función habitual en estadística, pero no entre
los químicos formados experimentalmente que se convierten en quimiométricos. Por lo general, el
quimiométrico está muy involucrado en la recopilación de datos y los pasos de procesamiento de
señales, además de ser responsable del análisis de datos. Además, en muchos casos, el quimiométrico es
también el experimentador, con el reto de manejar los aspectos experimentales del proyecto y el análisis
de datos. No es de extrañar que este compromiso limite el experimento y el análisis de datos, pero con el
beneficio de que se reducen las restricciones a la publicación de los datos.
Cuando se desarrolla un nuevo método, a menudo es útil tener otros datos estándar que se puedan usar
para probar el método y compararlo con otros métodos. El conjunto de datos de arqueometría ARCH
que se incluyó con ARTHUR sirvió bien en este sentido. Tener datos bien caracterizados es una parte
importante de la investigación en el análisis de datos. Estos conjuntos bien caracterizados a menudo se
encuentran en repositorios de datos. Los depósitos de datos son cada vez más comunes en muchos
campos, pero las contribuciones de datos de áreas relevantes para la quimiometría están rezagadas,
aunque estas áreas fueron de las primeras en ofrecer datos de manera amplia. Las estadísticas
Ver PDF
computacionales proporcionan conjuntos de datos, pero hay relativamente pocos datos disponibles
fuera de los paquetes que se incluyen como parte de un paquete de software. El repositorio de
aprendizaje automático de UCI (accesible en http://archive.ics.uci.edu/ml/), un repositorio de datos que,
aunque pasó por una fase tranquila después de su establecimiento a mediados de la década de 1990,
vuelve a ser más activo a medida que aumenta el interés por el aprendizaje automático. Aquí, se pueden
encontrar conjuntos de datos de complejidad muy variable para clasificación y regresión. Una resolución
acordada en una Conferencia de Investigación Gordon de Estadística en Química e Ingeniería Química a
mediados de los años 90 fue establecer un Repositorio de datos de quimiometría similar al
proporcionado por UCI: los datos se almacenarían en un repositorio mantenido en la Universidad de
Pensilvania. El sitio ftp permanece (en ftp://ftp.cis.upenn.edu/pub/ungar/chemdata/), pero no permite
descargar datos que no sean 1 conjunto de datos. También hubo un esfuerzo por tener "conjuntos de
datos estándar" disponibles a un costo nominal de una revista de quimiometría, pero esto también
parece haber desaparecido. Desafortunadamente, ninguno de estos esfuerzos atrajo la atención, o los
conjuntos de datos, de aquellos en el campo. El más cercano a un repositorio de datos para
quimiometría es el sitio mantenido por Rasmus Bro, quien ha proporcionado datos de sus estudios y de
algunos otros (en http://www.models.life.ku.dk/datasets ). Un proveedor de software también
proporciona algunas versiones de datos estándar (en http://www eigenvector com/data/index htm )
proporciona algunas versiones de datos estándar (en http://www.eigenvector.com/data/index.htm ).
Proporcionar un fácil acceso a los datos de investigación es otro cambio requerido por la iniciativa de
investigación reproducible. Algunas universidades estadounidenses y europeas ya mantienen sitios
donde se puede acceder a los datos de sus proyectos financiados por subvenciones, y se ha establecido
un nuevo consorcio internacional para catalogar los depósitos de datos de varias agencias
gubernamentales en todo el mundo. Hasta el momento, las contribuciones al catálogo de las ciencias
químicas siguen siendo relativamente escasas. No es sorprendente que los editores vean otra
oportunidad comercial en este mandato de investigación reproducible, y ahora hay al menos 1 revista
que comienza a publicar conjuntos de datos químicos. Sin embargo, incluso si poner a disposición datos
de trabajos financiados por subvenciones se convierte en la norma, como parece que lo hará, e incluso si
los editores obtienen suficientes ingresos de estas revistas de datos, sigue existiendo la necesidad de
recopilaciones de datos de rutina disponibles gratuitamente. Tanto los estudiantes como los
desarrolladores de quimiometría se beneficiarán si un sitio de libre acceso abastecido con conjuntos de
datos y conjuntos de resultados de esos datos, algo así como el sitio de aprendizaje automático de UCI.
Los datos de tiroteos, como los proporcionados en las reuniones de NIR de Chambersburg y las
reuniones de Chimometrie, podrían proporcionar un comienzo para tal sitio.
16 EDUCACIÓN
Aunque los cambios en los hábitos culturales de la quimiometría en la publicación de código y datos son
necesarios y probablemente sean beneficiosos para el campo a corto plazo, la necesidad de encontrar
formas de educar a los nuevos usuarios en la metodología quimiométrica es fundamental para la salud
continua de la quimiometría. en el largo plazo. Los estadísticos consideran que este componente
educativo es primordial para la salud continua de las estadísticas, pero incluso ellos están divididos sobre
cómo lidiar con el gran aumento en el interés y la disponibilidad de software estadístico. Están viendo las
consecuencias de tener acceso instantáneo a los métodos en manos de usuarios no capacitados. Los
Ver PDF
químicos, como se señaló anteriormente, por lo general no pueden contar entre sus puntos fuertes la
capacitación estadística, computacional o matemática, por lo que el problema que enfrentan los de la
quimiometría es, en todo caso, más desafiante. La mayoría de los cursos de quimiometría se centran en
el uso de software de quimiometría y solo se cubre la teoría básica. Sin embargo, si un curso cubriera
teoría, ¿qué debería cubrirse? A juzgar por otros artículos de esta serie, sigue existiendo cierta
incertidumbre sobre lo que se debe proporcionar en la formación en quimiometría. Destacaría el álgebra
matricial, la inferencia estadística básica, la regresión y luego cubriría las estadísticas computacionales y
algunos métodos de aprendizaje automático. Probablemente omitiría el tratamiento detallado del diseño
experimental por ser en su mayoría irrelevante, pero dedicaría tiempo a cubrir algunos métodos de
preprocesamiento, la teoría y las alternativas a los ubicuos algoritmos PCA y PLS, y los métodos de
análisis espectral y de series temporales. Ese enfoque también me pone en desacuerdo con los
estadísticos que ven la necesidad de dedicar mucha más atención a la inferencia y su probabilidad
subyacente, y que preferirían no dedicar mucho tiempo al aprendizaje automático u otros métodos
algorítmicos. No discuto que es útil conocer los principios estadísticos cuando se examinan datos para
los cuales métodos más algorítmicos pueden ser más adecuados. El examen de residuos, la evaluación
del rendimiento de las clasificaciones y el diseño de datos se benefician de la comprensión estadística de
l bj i l d l í Si b f d d l áli i é
los objetivos y la metodología. Sin embargo, un enfoque en asegurarse de que todos los análisis estén
estrictamente de acuerdo con la teoría estadística comprobable y que los modelos utilizados sean
demostrablemente los óptimos a menudo desvía el esfuerzo y la atención de los aspectos importantes
del análisis de datos. Mi enfoque también está en desacuerdo con el de Brereton. y quién preferiría no
dedicar mucho tiempo al aprendizaje automático u otros métodos algorítmicos. No discuto que es útil
conocer los principios estadísticos cuando se examinan datos para los cuales métodos más algorítmicos
pueden ser más adecuados. El examen de residuos, la evaluación del rendimiento de las clasificaciones y
el diseño de datos se benefician de la comprensión estadística de los objetivos y la metodología. Sin
embargo, un enfoque en asegurarse de que todos los análisis estén estrictamente de acuerdo con la
teoría estadística comprobable y que los modelos utilizados sean demostrablemente los óptimos a
menudo desvía el esfuerzo y la atención de los aspectos importantes del análisis de datos. Mi enfoque
también está en desacuerdo con el de Brereton. y quién preferiría no dedicar mucho tiempo al
aprendizaje automático u otros métodos algorítmicos. No discuto que es útil conocer los principios
estadísticos cuando se examinan datos para los cuales métodos más algorítmicos pueden ser más
adecuados. El examen de residuos, la evaluación del rendimiento de las clasificaciones y el diseño de
datos se benefician de la comprensión estadística de los objetivos y la metodología. Sin embargo, un
enfoque en asegurarse de que todos los análisis estén estrictamente de acuerdo con la teoría estadística
comprobable y que los modelos utilizados sean demostrablemente los óptimos a menudo desvía el
esfuerzo y la atención de los aspectos importantes del análisis de datos. Mi enfoque también está en
desacuerdo con el de Brereton. No discuto que es útil conocer los principios estadísticos cuando se
examinan datos para los cuales métodos más algorítmicos pueden ser más adecuados. El examen de
residuos, la evaluación del rendimiento de las clasificaciones y el diseño de datos se benefician de la
comprensión estadística de los objetivos y la metodología. Sin embargo, un enfoque en asegurarse de
que todos los análisis estén estrictamente de acuerdo con la teoría estadística comprobable y que los
modelos utilizados sean demostrablemente los óptimos a menudo desvía el esfuerzo y la atención de los
aspectos importantes del análisis de datos. Mi enfoque también está en desacuerdo con el de Brereton.
Ver PDF
No discuto que es útil conocer los principios estadísticos cuando se examinan datos para los cuales
métodos más algorítmicos pueden ser más adecuados. El examen de residuos, la evaluación del
rendimiento de las clasificaciones y el diseño de datos se benefician de la comprensión estadística de los
objetivos y la metodología. Sin embargo, un enfoque en asegurarse de que todos los análisis estén
estrictamente de acuerdo con la teoría estadística comprobable y que los modelos utilizados sean
demostrablemente los óptimos a menudo desvía el esfuerzo y la atención de los aspectos importantes
del análisis de datos. Mi enfoque también está en desacuerdo con el de Brereton. un enfoque en
asegurarse de que todos los análisis estén estrictamente de acuerdo con la teoría estadística
comprobable y que los modelos utilizados sean demostrablemente los óptimos a menudo desvía el
esfuerzo y la atención de los aspectos importantes del análisis de datos. Mi enfoque también está en
desacuerdo con el de Brereton. un enfoque en asegurarse de que todos los análisis estén estrictamente
de acuerdo con la teoría estadística comprobable y que los modelos utilizados sean demostrablemente
los óptimos a menudo desvía el esfuerzo y la atención de los aspectos importantes del análisis de datos.
Mi enfoque también está en desacuerdo con el de Brereton.5 y probablemente con otros
quimiométricos. Cuando muchos métodos producen resultados similares, lo que importa es la calidad de
los resultados, no el camino hacia los resultados, siempre que la solución se adapte al problema. Como
los resultados, no el camino hacia los resultados, siempre que la solución se adapte al problema. Como
señala Workman, si seal:
Traducido usa PCR o PLSMostrar
español para encontrar
texto original la calibración es mucho menos relevante para
Opciones ▼
resolver el problema que si la calibración funciona bien. 15 Habiendo pasado por alto las trampas de
forzar un enfoque de modelado inadecuado para el problema, como el uso de métodos univariados y la
teoría para examinar problemas multivariados con distribuciones desconocidas, ¿por qué reducir el
espacio de solución al definido por un método de regresión de 3 letras sin buena ¿porque?
La educación en quimiometría también debe ampliarse para aprovechar al máximo la explosión de

software de alta calidad disponible públicamente para el análisis de datos proporcionado por
investigadores en muchos campos afines que ahora están investigando datos multivariados. Miles de
métodos, desde métodos robustos hasta metodología de selección variable, están disponibles ahora, sin
costo alguno, a disposición de alguien que pueda entender qué hacen estos métodos y dónde podrían
tener un lugar en el análisis de datos químicos. Ser capaz de leer los artículos no quimiométricos
adjuntos y evaluar críticamente la idoneidad de los métodos, ya sea a través de los archivos de ayuda
proporcionados o mediante el examen directo del código fuente proporcionado, es una habilidad muy
valiosa para quienes practican el análisis de datos químicos. Esta habilidad requiere comodidad con las
matemáticas y la codificación,
En lugar de capacitar tarde y capacitar en aspectos específicos como el uso de un paquete particular de
software que implementa algunos métodos matemáticos, un amplio programa de capacitación debe
comenzar temprano y apuntar a la integración de habilidades cuantitativas y habilidades de
programación simplemente como parte de la ciencia. . Los químicos con cualquier pretensión de trabajar
en áreas cuantitativas del campo necesitan más exposición que la norma actual a las matemáticas
básicas, como el álgebra lineal y la estadística. Las habilidades básicas de programación más allá de Excel
y Visual Basic deben introducirse temprano en el curso de educación de un estudiante para hacer una
conexión entre las matemáticas y la programación. Esta conexión necesita tiempo para solidificarse en
los cursos subsiguientes, de modo que se convierta en una segunda naturaleza usar las habilidades de
programación para lidiar con cualquier problema matemático que encuentre el estudiante. Ver PDF
Algunos estadísticos académicos han discutido la necesidad de mejorar la instrucción en estadística

computacional, y los textos estadísticos habituales sobre regresión están siendo reemplazados por otros
nuevos que ilustran todo tipo de enfoques algorítmicos más nuevos, con menos énfasis en el modelado
de máxima verosimilitud. Artículos recientes sobre instrucción en estadística enfatizan la necesidad de
una capacitación mucho más sólida sobre manipulación de datos, visualización y generación de informes
automatizados necesarios para respaldar la investigación reproducible. También promueven el uso de
nuevos métodos algorítmicos y la codificación de estos en lenguajes informáticos estadísticamente
relevantes como Matlab, python y R. 71Los estadísticos también están considerando la publicación de
trabajos presentados por primera vez en forma breve en conferencias de aprendizaje automático y
reportados en sus actas como manuscritos regulares, desdibujando aún más la línea entre las
estadísticas y otros tipos de análisis de datos. Gran parte de la agenda sugerida para las estadísticas ya
es un lugar común en la instrucción de aprendizaje automático. Sin embargo, poco de esto es un lugar
común en la enseñanza de la quimiometría. Los pocos textos disponibles sobre quimiometría nunca
mencionan una amplia capacitación en "convertir" los datos que provienen del instrumento en algo que
pueda ser manejado por el software quimiométrico. También ignoran las instrucciones generales sobre
pueda ser manejado por el software quimiométrico. También ignoran las instrucciones generales sobre
la presentación de resultados
Traducido y las técnicas
al: español utilizadas
Mostrar texto original para la generación de informes adecuados. Eso
Opciones ▼
también debe cambiar para mantener competitivos a los capacitados en análisis de datos
quimiométricos.
17 ¿EL FUTURO?
Este es un momento desafiante y emocionante para el análisis de datos en general y para la
quimiometría en particular. Para bien o para mal, el "análisis de datos" ha captado la atención del público
en general, y ahora existe una conciencia de lo que puede hacer el análisis de datos, incluso si los
ejemplos más publicitados han aparecido en campos distintos a la química. Ha comenzado un gran
cambio en el software y en hacer que ese software esté disponible para todos. La fusión de los campos
de análisis de datos se puede ver en la naturaleza del software que se pone a disposición de los
repositorios. Los métodos desarrollados en las ciencias sociales o en geografía están listos para usarse
en química para aplicarlos al problema apropiado. Además, de manera lenta pero segura, un flujo de
datos experimentales de proyectos respaldados por el gobierno está disponible, lo que permite la
investigación de una nueva metodología. Es un goteo ahora,
Los analistas de datos, especialmente aquellos en ciencias químicas, deben recibir una capacitación más
amplia para que puedan aprovechar al máximo la comprensión matemática a medida que esté
disponible. Deben desarrollar una nueva metodología de análisis de datos y el código que implementa
esa metodología. Deben fortalecerse en la evaluación crítica de los métodos y en la evaluación del código
para convertirse en consumidores selectivos de los avances de otros en el análisis de datos. Además,
deben fortalecerse en los aspectos de conversión de datos para aprovechar el flujo de datos públicos
que llegará pronto.
Los científicos capacitados como se describió anteriormente tienen un sólido conjunto de habilidades
que les permite estudiar una amplia gama de aspectos cuantitativos de la ciencia. Eso, además deVer
unaPDF
base sólida en metrología, especialmente en metodología de sistemas químicos, hará que un
quimiométrico sea un miembro valioso de cualquier equipo y también un trabajador fuerte e
independiente. De hecho, mi experiencia como miembro de equipos compuestos por experimentadores
y analistas de datos sugiere que las habilidades de análisis de datos a menudo se pueden usar para
dirigir la medición a un lugar donde los datos que se obtienen son mucho más útiles. Los
experimentadores no podían ver el cuadro completo, pero los quimiométricos sí.
Incluso si pueden contribuir a estudios más allá del análisis de datos, los quimiométricos necesitan
ampliar sus horizontes. La revolución en curso en el análisis de datos no puede ni debe ser ignorada.
Muchos de los nuevos métodos y herramientas que están disponibles en otros campos pueden ayudar a
resolver problemas en los sistemas químicos. A medida que la instrumentación química se aplica cada
vez más a otros campos, la oportunidad de aplicar el conocimiento del dominio químico a ese análisis de
datos también aumenta para aquellos lo suficientemente flexibles como para aprovecharlo. Sin embargo,
como se discutió anteriormente, es importante no quedar atrapado en el punto de vista "Sé lo que me
gusta y me gusta lo que sé" con respecto al análisis de datos químicos. Con un mejor acceso a los datos y
los problemas reales que subyacen a los datos, los quimiométricos pueden volver a centrarse en el
bl l d l é d
problema en lugar del método.
No veo estos desafíos planteados por los cambios en el análisis de datos como insuperables. Más bien,
parecen requerir un reenfoque y perfeccionamiento de las habilidades que los quimiométricos ya han
desarrollado. Me parece que la "intuición" química, junto con habilidades matemáticas, analíticas y de
codificación ampliadas, tiene un futuro brillante, se llame como se llame. Por eso decidí ampliar mis
habilidades al análisis de datos en 1975 y por eso sigo confiando en el futuro de la quimiometría. Esta es
un área donde los avances reales son posibles y donde estos avances pueden marcar la diferencia.
EXPRESIONES DE GRATITUD
La investigación en el laboratorio del Prof. Brown cuenta con el apoyo de la Fundación Nacional de
Ciencias de EE. UU., con el premio 1506853.
REFERENCIAS 
1 Martens H. Quantitative big data: where chemometrics can contribute. J Chemometr. 2015; 29: 563– 581.
Wiley Online Library | CAS | Web of Science® | Google Scholar
2 Vandeginste BGM. I-chemometrics. J Chemometr. 2015; 29: 435– 441.

3 Zupan J. Chemical data, ways and means, past and future. J Chemometr. 2015; 29: 1– 8.
4 Vogt F. Quo vadis, chemometrics? J Chemometr. 2014; 28: 785– 788.

Wiley Online Library | CAS | Web of Science® | Google Scholar Ver PDF
5 Brereton RG. A short history of chemometrics: a personal view. J Chemometr. 2014; 28: 749– 760.
6 Hopke PK. The evolution of chemometrics. Anal Chim Acta. 2003; 500: 365– 377.
Crossref | CAS | Web of Science® | Google Scholar
7 Wold S. Chemometrics: what do we mean with it, and what do we want from it? Chemom Intel Lab Syst. 1995;
30: 109– 115.
8 Brown SD. Has the chemometrics revolution ended? Some views on the past, present and future of
chemometrics. Chemom Intel Lab Syst. 1995; 30: 49– 58.
9 Geladi P, Esbensen K. The start and early history of chemometrics: selected interviews. J Chemometr. 1990; 4:
337 354
337– 354.
Wiley OnlineTraducido
Library al: español
| Google ScholarMostrar texto original Opciones ▼
10 Geladi P, Esbensen K. The start and early history of chemometrics: selected interviews, part 2. J Chemometr.
1990; 4: 389– 412.
Wiley Online Library | Google Scholar
11 Wold S. Spline-funktioner-ett nytt vertyg i data-analysen. Kemisk Tidskrift. 1972; 84(3): 34– 35.
CAS | Web of Science® | Google Scholar
12 Wold S. Kemometri-kemi och tillämpad matematik. 1974; 206.

Google Scholar
13 Kowalski BR. Views and propositions. J Chem Inf Comput Sci. 1975; 15: 201– 203.
14 Kowalski BR, Brown SD, Vandeginste BGM. Editorial. J Chemometr. 1987; 1: 1.

15 Workman J. The state of multivariate thinking for scientists in industry: 1980–2000. Chemom Intel Lab Syst.
2002; 60: 13– 23.
16 Kiralj R, Ferreira MMC. The past, present, and future of chemometrics worldwide: some etymological,
linguistic, and bibliometric investigations. J Chemometr. 2006; 20: 247– 272.
17 Kowalski BR. Fundamental review: chemometrics. Anal Chem. 1980; 52: 112R– 122R.
Crossref | CAS | PubMed | Web of Science® | Google Scholar Ver PDF
18 Brown SD. Fundamental review: chemometrics. Anal Chem. 1992; 62: 84R– 101R.
Google Scholar
19 BR Kowalski (Ed). Chemometrics: Mathematics and Statistics in Chemistry. NATO ASI Series C. 138 Dordrecht,
Netherlands: D. Reidel; 1984: 485.
Crossref | Google Scholar
20 Howery DG, Hirsch RL. Chemometrics in the chemistry curriculum. J Chem Educ. 1983; 60: 656– 659.
Crossref | Web of Science® | Google Scholar
21
Student (Gossett WS). On the error of counting with a haemacytometer. Biometrika. 1907; 5: 351– 360.
Google Scholar
22
Student (Gossett WS). The probable error of a mean. Biometrika. 1908; 6: 1– 25.
Google Scholar
23 Zilak ST. Guinessometrics: the economic foundation of Student's t. J Econ Perspect. 2008; 22: 199– 216.
24 Hanley JA, Julien M, Moodie EEM. Student's z, t and s: what if Gossett had R? Am Statist. 2008; 62: 64– 69.
25 Kaiser H. Foundations for the critical discussion of analytical methods. Spectrochim Acta. 1978; 33B: 551– 576.
26 Eckschlager K, Stepanak V. Information Theory as Applied to Chemical Analysis. New York: Wiley-Interscience;
1979.
Google Scholar
27 Youden WJ. Experimentation and Measurement. Gaithersburg, MD, reprinted: NIST Special Publication 672,
NIST; 1997.
Google Scholar
28 JR DeVoe (Ed). Validation of the Measurement Process. ACS Symp. Ser. 63. Washington, DC: ACS Publications;
1977.
29 Currie LA. The limitations of models and measurements as revealed though chemometric intercomparison. J
Res Natl Bur Stand. 1985; 90: 409– 419 (with discussion).
Ver PDF
30 Gardiner M. How to build a game-learning machine and then teach it to play and win. Mathematical games
column. Sci Am. 1962; March 138– 144.
Web of Science® | Google Scholar
31 Mandel J, Linnig F. Study of accuracy in chemical analysis using linear calibration curves. Anal Chem. 1957; 29:
743– 749.
32 Saxberg BEH, Kowalski BR. The generalized standard addition method. Anal Chem. 1979; 151: 1031– 1038.
33 Geladi P, Kowalski BR. Partial least-squares regression: a tutorial. Anal Chim Acta. 1986; 185: 1– 17.
34 Geladi P, Kowalski BR. An example of 2-block predictive partial least squares regression with simulated data.
Anal Chim Acta. 1986; 185: 19– 32.
35 Martens H, Næs T. Multivariate calibration. In: BR Kowalski, ed. Chemometrics: Mathematics and Statistics in
Chemistry. Dordrecht, Netherlands: NATO ASI Series C, vol. 138, D. Reidel; 1984: 147– 157.
36 HJ Oser (Ed). Special issue: chemometrics conference proceedings. J Res Natl Bur Stand. 1985; 90: 391– 391.
37 Lawton WH, Sylvestre E. Self-modeling curve resolution. Technometrics. 1971; 13: 617– 633.
38 Jackson JE. A User's Guide to Principal Components. New York, NY: Wiley-Interscience; 1991.
39 Jolliffe IT. A note on the use of principal components in regression. Appl Stat. 1982; 31: 300– 303.
Wiley Online Library | Web of Science® | Google Scholar
40 Tukey JW. The future of data analysis. Annals Math Stat. 1962; 33: 1– 67.
41 Breiman L. Statistical modeling: the two cultures. Stat Sci. 2001; 16: 199– 215.
42 Frank IE, Friedman JH. A statistical view of some chemometrics regression tools. Technometrics. 1993; 35:
109– 135.
Ver PDF
43 Burr TL, Fry HA. Biased regression: the case for cautious application. Technometrics. 2005; 47: 284– 296.
44 McGill JR, Kowalski BR. Intrinsic dimensionality of smell. Anal Chem. 1977; 49: 596– 602.
Crossref | CAS | PubMed | Web of Science® | Google Scholar
45 Kowalski BR, Bender CF. Application of pattern recognition to screening prospective anticancer drugs:
adenocarcinoma 755 biological activity test. J Am Chem Soc. 1974; 96: 916– 918.
46 Vandeginste BGM. Teaching chemometrics. Anal Chim Acta. 1983; 150: 199– 206.
47 Laitinen HA. Analytical chemistry in a changing world. Anal Chem. 1980; 52: 605A– 609A.
CAS | Web of Science® | Google Scholar
48 Larson RC, Ghaffarzadegan N, Xue Y. Too many PhD graduates or too few job openings? The basic
reproductive number R0 in academia. Seyst Res Behav Sci. 2014; 31: 745– 750.
Wiley Online Library | PubMed | Web of Science® | Google Scholar
49 Sharaf MA, Ilman DL, Kowalski BR. Chemometrics. New York, NY: Wiley-Interscience; 1986.
Google Scholar
50 Massart DL, Vandeginste BGM, Deming SN, Michotte Y, Kaufman L. Chemometrics: A Textbook. Amsterdam:
Elsevier; 1988.
Google Scholar
51 Rayens WS, Andersen AH. Partial least squares as a target-directed structure seeking technique. Chemom
Intel Lab Syst. 2004; 71: 121– 127.
52 Nadler B, Coifman RR. Partial least squares, Beer's law and the net analyte signal: statistical modeling and
analysis. J Chemometr. 2005; 19: 45– 54.
53 Tenenhaus M, Vinzi VE. PLS regression, PLS path modeling and generalized Procrustean analysis: a combined
approach for multiblock analysis. J Chemometr. 2005; 19: 145– 153.
54 Brown E, Kass R. What is statistics? Am Stat. 2009; 63: 105– 123.

Ver PDF
55 Friedman JH. Datamining and statistics: what's the connection? Comput Sci Stat. 1997; 29(1): 3– 9.
56 Cobb G. Mere renovation is too little too late: we need to rethink our undergraduate curriculum from the
ground up. Am Stat. 2015; 69: 266– 282.
57 Booksh KS, Kowalski BR. Theory of analytical chemistry. Anal Chem. 1994; 66: A782– A791.
58 Harris M. The academic pyramid. Phys World. 2012; 25(10): 54– 57.
59 Enke CG. Analytical chemistry: an exciting profession in troubling times. National Meeting of the American
Chemical Society, San Francisco, CA, August, 2014.
http://www.analyticalsciences.org/Enke%20ACS%20talk%20August%202014%20print%20version.pdf . Accessed
August 3, 2016.
August 3, 2016.
Google Scholar
60 Efron B. Modern science and the Bayesian-frequentist controversy.

statweb.stanford.edu/~ckirby/brad/papers/2005NEWModernScience.pdf. Accessed 3 August 2016.
Google Scholar
61 You X, Mou Y, Yu S, Jiang X, Xu D, Zhou L. Mixed-norm partial least squares. Chemom Intel Lab Syst. 2016; 152:
42– 53.
62
Committee on the Analysis of Massive Data; Committee on Applied and Theoretical Statistics; Board on
Mathematical Sciences and Their Applications; Division on Engineering and Physical Sciences; National Research
Council. Massive Data Analysis. Washington, DC: National Academies Press; 2013.
Google Scholar
63 Sigfried T. Odds are, it's wrong. Sci News. 2010; 177: 26

64 Nuzzo R. Statistical errors. Nature. 2014; 506: 150– 152.

65 Baker M. Is there a reproducibility crisis? Nature. 2016; 533: 453– 454.

66 Meng X-L. Better training, deeper thinking, and more policing. Am Stat. 2010; 64: 26– 29.
Ver70:
67 Wasserstein RL, Lazar NA. The ASA's statement on p-values: context, process, and purpose. Am Stat. 2016; PDF
129– 133.
68 Reality check on reproducibility. Nature. 2016; 533: 437– 437.

69 Peng R. Reproducible research and biostatistics. Biostatistics. 2009; 10: 405– 408.
Crossref | PubMed | Web of Science® | Google Scholar
70 Santori G. Journals should drive data reproducibility. Nature. 2016; 535: 355– 355.
71 Nolan D, Temple Lang D. Computing in the statistics curricula. Am Stat. 2010; 64: 97– 107.
Citando Literatura

Descargar PDF
Acerca de la biblioteca en línea de Wiley

Política de privacidad
Condiciones de uso
Galletas
Accesibilidad
Políticas de publicación
Servicio de asistencia
Contáctenos
Entrenamiento y Soporte
DMCA y piratería de informes
Oportunidades
Agentes de Suscripción
Anunciantes y socios corporativos
Conéctate con Wiley Ver PDF
La Red Wiley
Sala de prensa de Wiley
Copyright © 1999-2022 John Wiley & Sons , Inc. Todos los derechos reservados

The Chemometrics Revolution Re Examined - Brown - 2017 - Journal of Chemometrics - Wiley Online Library

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

The Chemometrics Revolution Re Examined - Brown - 2017 - Journal of Chemometrics - Wiley Online Library

Cargado por

Copyright:

Formatos disponibles

Traducido al: español Mostrar texto original Opciones

Revista de Quimiometría / Volume 31, Issue 1 / e2856

PERSPECTIVA Acceso Libre

La revolución de la quimiometría reexaminada

Publicado por primera vez:04 noviembre 2016

 “En asuntos controvertidos,

Siempre veo dos puntos de vista:

El que está mal, y el mío.

Primera publicación de Kowalski 13mencionar el término quimiometría (que se deriva de su presentación

Componentes principales 46 94 108 219 Ver PDF

Transformada de Fourier 34 1359 3 20

Teoría de la información 227 35 0 2

mínimos cuadrados 315 143 141 362

Metodología (palabra Nº referencias

3 ¿CÓMO “COMENZÓ” LA QUÍMICA?

4 ¿CÓMO SE INVOLUCRÓ BRUCE KOWALSKI EN LA QUÍMICA?

Abrir en el visor de figuras Ver PDF

Cuando comenzó su investigación de posgrado en química en la Universidad de Washington con Tom

5 ESTADÍSTICAS Y EL PROBLEMA DE LA MODELACIÓN

6 ANÁLISIS DE DATOS QUÍMICOS Y MODELOS QUÍMICOS

7 LA RELACIÓN DE LA QUÍMICA Y LA QUÍMICA ANALÍTICA

Métodos de medición y ensayo

Herramientas de simulación y modelado predictivo

Modelado del conocimiento

2. Realización de estudios de intercomparación y calibraciones

3. Evaluación de tecnologías, sistemas y prácticas, incluido el análisis de incertidumbre

4. Desarrollo de la base técnica para estándares, códigos y prácticas

creció en membresía e importancia, y pronto reemplazó al Laboratorio de Quimiometría en la línea de

10 LA EVOLUCIÓN DEL SOFTWARE DE QUIMIOMETRÍA

Figura 2 Ver PDF

estadísticas, incluso es un desafío proporcionar todo el conjunto de habilidades en un curso de 15

11 ¿CUÁLES SON LAS IMPLICACIONES DE ESTE PASADO EN EL

La bioinformática, un ajuste natural para los métodos quimiométricos, ahora se ha convertido en su

12 ¿DÓNDE ESTÁ LA QUÍMICA AHORA?

Al igual que en los primeros días de la quimiometría, la financiación de la investigación en química se ha

“ “Una nueva generación de dispositivos científicos, tipificados por microarreglos, producen

énfasis en ambas disciplinas ahora está principalmente en el desarrollo y el refinamiento de la

computacional de datos multivariados es una habilidad que la mayoría de los profesionales de la

13 ¿A DÓNDE VAMOS DESDE AQUÍ?

14 ¿DÓNDE ESTÁ EL CÓDIGO?

Los métodos de implementación de códigos de quimiometría utilizables de los artículos a menudo

La educación en quimiometría también debe ampliarse para aprovechar al máximo la explosión de

Algunos estadísticos académicos han discutido la necesidad de mejorar la instrucción en estadística

2 Vandeginste BGM. I-chemometrics. J Chemometr. 2015; 29: 435– 441.

4 Vogt F. Quo vadis, chemometrics? J Chemometr. 2014; 28: 785– 788.

12 Wold S. Kemometri-kemi och tillämpad matematik. 1974; 206.

14 Kowalski BR, Brown SD, Vandeginste BGM. Editorial. J Chemometr. 1987; 1: 1.

54 Brown E, Kass R. What is statistics? Am Stat. 2009; 63: 105– 123.

60 Efron B. Modern science and the Bayesian-frequentist controversy.

63 Sigfried T. Odds are, it's wrong. Sci News. 2010; 177: 26

64 Nuzzo R. Statistical errors. Nature. 2014; 506: 150– 152.

65 Baker M. Is there a reproducibility crisis? Nature. 2016; 533: 453– 454.

68 Reality check on reproducibility. Nature. 2016; 533: 437– 437.

Acerca de la biblioteca en línea de Wiley

Conéctate con Wiley Ver PDF

También podría gustarte