Quim. Nova, Vol. 39, No. 2, S1-S2, 2016

Mat

eria

l Sup

lem

enta

r

*e-mail: patriciav@utfpr.edu.br

PROPOSTA EXPERIMENTAL DIDÁTICA PARA O ENSINO DE ANÁLISE DE COMPONENTES PRINCIPAIS

Leonardo Valderrama, Vassula Belinato Paiva, Paulo Henrique Março e Patrícia Valderrama* Universidade Tecnológica Federal do Paraná, 87301-899 Campo Mourão – PR, Brasil

Este material suplementar apresenta um tutorial para realização da análise de componentes principais através do pacote PLS-Toolbox 5.2.

O comando para abrir a interface gráfica da PCA é >> pca. Os espectros foram centrados na média e a Figura 1S apresenta um roteiro para o uso dessa interface no Matlab.

De acordo com a Figura 1S, com a interface gráfica aberta, o primeiro passo consiste em carregar os dados da matriz X. Para tanto deve-se clicar na aba File selecionar a opção Load Data, na sequência Calibration e X-Block (Figura 1S-B). Com isso a janela ilustrada na Figura 1S-C será aberta e deve-se selecionar a matriz X e carregá-la através do botão Load. Para realizar algum tipo de pré--processamento nos dados da matriz X utiliza-se a aba Preprocess. Nesse caso, por se tratar de espectros, utilizou-se o pré-processamento de centrar os dados na média através da aba Preprocess, X-Block e Mean Center (Figura 1S-D). Por fim, a execução do PCA é realizada clicando-se no ícone que é uma roldana ou no botão verde escrito Model (Figura 1S-E).

Figura 1S. Roteiro para execução do PCA através da interface gráfica do PLS-Toolbox. (A) Tela inicial ao digitar o comando >> pca. (B) Como carregar a matriz X (File → Load Data → Calibration → X-Block). (C) Escolha a matriz X e clique em load. (D) Seleção do pré-processamento (Preprocess → X-Block → Mean Center). (E) Execução do PCA (clique no ícone que é uma roldana ou no botão verde escrito Model)

O número adequado de componentes principais (PCs) é então determinado através do gráfico da percentagem de variância em função do número dos PCs. O gráfico, que serve como um indicativo para a escolha do número de PCs, pode ser visualizado clicando-se no ícone ‘λ’ do lado direito, conforme Figura 2S-A. Segundo o gráfico da Figura 2S-B a PCA, para esses dados, deve ser realizada empregando-se 3 PCs. Assim, selecione 3PCs, Figura 2S-C, e clique no ícone roldana ou no botão verde Model. Para salvar a PCA, as Figuras 2S-D e 2S-E apresentam as instruções.

Nessa proposta a PCA foi salva com o nome ‘pcamodel’. A partir dos comandos apresentados no Quadro 1S, pode-se extrair as matrizes de scores (T) e loadings (P), que serão utilizadas na construção do gráfico dos scores e loadings. Alternativamente, o gráfico dos scores e loadings podem ser visualizados na própria interface do PLS-Toolbox (nos ícones e , respectivamente).

Valderrama et al.S2 Quim. Nova

Figura 2S. Escolher o número de PCs e salvar o modelo. (A) Como visualizar o gráfico da percentagem de variância em função do número dos PCs. (B) Gráfico da percentagem de variância em função do número dos PCs. (C) Escolha do número de PCs. (D) Salvar a PCA. (E) Nomear a PCA

Quadro 1S. Comandos no Matlab para extrair e construir o gráfico de scores e loadings

>> T=pcamodel.loads{1};

>> P=pcamodel.loads{2};

>> plot(T(1:4,1),T(1:4,3), ‘or’;

>> hold on;plot(T(5:12,1),T(5:12,3), ‘*k’;

>> hold on;plot(T(13:21,1),T(13:21,3), ‘+b’;

>> ylabel(‘Scores da PC3’);

>> xlabel(‘Scores da PC1’);

>> plot(nm,P(:,1), ‘-k’);

>> hold on;plot(nm,P(:,3),‘--k’);

>> ylabel(‘Loadings’);

>> xlabel(‘Comprimento de onda (nm)’);

>> legend(‘PC1’,‘PC3’);