Arquivo do Trabalho - IAG - USP

! ,
Existem vários métodos para cálculo das incertezas das concentrações (Reef et al,
2007), sendo que muitos deles consideram a incerteza analítica (da parte experimental) no
cálculo.
Quanto às incertezas, essas devem englobar os erros analíticos e de amostragem. Esses
erros podem ser fornecidos pelos laboratórios analíticos ou baseados na precisão dos
equipamentos. Contudo, nem sempre essas incertezas estão disponíveis, por isso devem ser
estimadas (Norris et al, 2008). Reff et al (2007) sugeriram alguns métodos para o cálculo
dessas incertezas, considerando, em sua maioria, erro analítico e limite de detecção mínimo.
Outro método para estimar essas incertezas é por redes neurais, que caracterizam funções não-
lineares, (Hermann et al, 2009).
3.4.3 Determinação do número de fatores
Uma das principais considerações ao se utilizar o PMF é a determinação do número de
fatores ideal no ajuste do modelo. Não há uma maneira simples de saber quantos fatores
deverão ser extraídos do conjunto de dados durante uma análise utilizando PMF, i. e., a
análise é empírica. Uma boa forma de se obter o melhor valor de p é analisar os valores de Q.
Se p aproxima o número de fatores do número dos dados e estes e suas incertezas respeitam o
modelo bilinear, então Q teórico deve ser igual a aproximadamente o número de pontos de
dados na matriz xij. Um bom ajuste da solução é considerado quando os valores de Q são
próximos do Q teórico. Se a solução encontrada não tiver validade física, outros valores de p
devem ser testados até que esta seja encontrada (Reef et al, 2007, Norris et al, 2008, Hedberg
et al, 2005).
Também devem ser considerados os resíduos dos elementos utilizados nas rodadas do
PMF, mais especificamente, a escala residual. Se uma espécie tem uma escala residual muito
larga, ou ainda a distribuição da curva não é normal (verificado pelo teste de Kolmogorov-