• No se han encontrado resultados

Análisis multivariado de los aceites esenciales extraídos de la especie

2.2 Extracción y caracterización del aceite

2.2.3 Análisis multivariado de los aceites esenciales extraídos de la especie

Se realizó el Análisis de Componentes Principales (ACP) de los nueve perfiles de aceites esenciales de la especie vegetal Ulex europaeus L., empleando los software estadísticos Minitab 17 y OriginPro 8, con el fin de optimizar los parámetros de identificación de los compuestos más representativos en las extracciones de aceites esenciales de la especie vegetal y organizar la composición de compuestos representativos o relevantes al estudio de la especie Ulex europaeus L.

Se emplearon dos métodos estadísticos: Análisis Multivariado de Componentes Principales (ACP) y Análisis de Conglomerados Jerárquicos o Clusters (ACJ), con el fin de estandarizar un modelo interpretativo del comportamiento de los compuestos químicos reportados por CG-EM, en cuanto a la composición de aceites esenciales de la especie vegetal Ulex europaeus L.

2.2.3.1 Análisis de Componentes Principales (ACP)

El ACP, es una técnica estadística de síntesis de la información, donde se reduce la dimensión del número de variables, es decir, ante un banco o matriz de datos con muchas variables con el objetivo de reducir a un menor número de variables o componentes principales (CP) perdiendo la menor cantidad de información posible. En este contexto, los nuevos componentes principales o factores serán una combinación lineal de las variables originales, y además serán independientes entre sí.

Un aspecto importante y fundamental en ACP es la interpretación de los factores, ya que ésta no viene dada a priori, sino que será deducida tras observar la relación de los factores con las variables iniciales, para ello se debe analizar en detalle tanto el signo como la magnitud de las correlaciones.

41 2.2.3.1.1 Análisis de la matriz de correlaciones

Un análisis de componentes principales tiene sentido en la medida que deben existir altas correlaciones entre las variables seleccionadas, ya que esto es indicativo de que existe información redundante y, por tanto, pocos factores explicarán gran parte de la variabilidad total.

2.2.3.1.2 Selección de los factores

La elección de los factores se realiza de tal forma que el primero recoja la mayor proporción posible de la variabilidad original; el segundo factor debe recoger la máxima variabilidad posible que no logró ser recogida en el primer factor, y así sucesivamente. Del total de los factores proporcionados por el ACP se elegirán aquellos que recojan el mayor porcentaje de variabilidad que se considere suficiente, éstos serán los denominados componentes principales.

2.2.3.1.3 Análisis de la matriz factorial

Una vez seleccionados los componentes principales, se representan en forma de matriz. Cada elemento de ésta, representa los coeficientes factoriales de las variables (correlaciones entre cada una de las variables y los componentes principales). La matriz tendrá tantas columnas como componentes principales y tantas filas como variables.

2.2.3.1.4 Interpretación de los factores

Para que un factor sea fácilmente interpretable debe tener unas características específicas; en este sentido, se busca que los coeficientes factoriales deben ser próximos a 1, pero no pueden tomar el valor de 1. Una variable debe tener coeficientes elevados sólo con un factor y por último no deben existir factores con coeficientes similares.

42

2.2.3.1.5 Cálculo de las puntuaciones factoriales

Para calcular las puntuaciones que tienen los componentes principales para cada caso, se emplea la ecuación 3.

Ecuación 3. Ecuación de cálculo para determinar las puntuaciones de los componentes principales. Fuente: (Terrádez, 2017)

Donde los a son los coeficientes y los Z son los valores estandarizados que tienen las variables en cada uno de los sujetos de la muestra.

Para el ACP se empleó el software estadístico Minitab 17, tomando como variables cada uno de los perfiles de los aceites esenciales, así como el porcentaje de coincidencia de cada uno de los compuestos encontrados, comparados con el espectro de masas proporcionado por la librería NIST 08, y los índices de retención tanto teórico como el calculado.

43

2.2.3.2 Análisis de Conglomerados Jerárquicos o Cluster (ACJ)

El Análisis Cluster, conocido comúnmente como Análisis de Conglomerados, es una técnica estadística multivariante cuyo fin es agrupar elementos (variables) tratando de lograr la máxima homogeneidad en cada grupo y la mayor diferencia entre los grupos.

El ACJ es una herramienta ampliamente utilizada en muchas áreas de investigación, pero se debe hacer claro énfasis en que la técnica ACJ es una técnica netamente descriptiva, ateórica y no inferencial, por ende no tiene bases estadísticas profundizadas sobre las que deducir inferencias estadísticas para una población a partir de una muestra, ya que es un método basado en criterios geométricos y se utiliza principalmente como exploratoria, descriptiva pero no explicativa.

En este sentido no son únicas, en la medida en que la pertenencia al conglomerado para cualquier número de soluciones depende de muchos elementos del procedimiento elegido. Así, la solución Cluster depende totalmente de las variables utilizadas, por adición o destrucción de variables relevantes se puede generar un impacto substancial sobre la solución resultante, que se verá reflejada en datos atípicos muy sobresalientes que no aportan ninguna relación al ACJ y se mostrarán como datos independientes. (de la Fuente, 2011)

Los algoritmos de formación de conglomerados se agrupan en dos categorías:

2.2.3.2.1 Algoritmos de partición

Se refiere al método de dividir el conjunto de observaciones en k conglomerados (clusters), donde k lo define inicialmente el usuario.

44 2.2.3.2.2 Algoritmos jerárquicos

Es el método que entrega una jerarquía de divisiones del conjunto de elementos en conglomerados o agrupaciones. Se parte de una situación en la que cada observación forma un conglomerado y sucesivamente se va uniendo paso a paso, hasta que finalmente todas las situaciones están en un único conglomerado.

2.3 Extracción con etanol y fraccionamiento del extracto etanólico de las partes

Documento similar