En aplicaciones prácticas de calibración multivariante, muchos factores afectan el rendimiento predictivo del modelo de mínimos cuadrados parciales (PLS). El ruido del instrumento, como origen de los datos espectrales, es uno de los factores importantes. Investigaciones anteriores han utilizado diversos filtros o métodos de suavizado para reducir el impacto del ruido del instrumento; sin embargo, hay pocos informes sobre cómo el ruido del instrumento afecta el proceso de modelado PLS y la capacidad predictiva del modelo. Este artículo explica y demuestra cómo el ruido del instrumento se introduce en el modelo a través del cálculo de la primera variable latente. A través de una derivación teórica del proceso de cálculo PLS, se discute que la introducción del ruido tiene un efecto acumulativo en el cálculo de los vectores de pesos y cargas de PLS, que se transmiten en el modelo a través del cálculo de variables latentes subsecuentes, afectando así al modelo PLS. También se realiza una descomposición teórica del error de predicción del modelo PLS, dividiéndolo en error del modelo ideal sin ruido y error causado por la propagación del ruido. Los resultados muestran que el ruido del instrumento no solo reduce el rendimiento predictivo del modelo PLS, sino que también afecta la elección de la complejidad óptima del modelo.

Espectro del infrarrojo cercano;Mínimos cuadrados parciales;Calibración multivariante;Ruido del instrumento