Análise Visual e Enviesamento de Gráficos na Mídia

This workflow performs principal component analysis (PCA) on a large operando X-ray powder diffraction (OXRPD) dataset stored in JSON format. The dataset contains over 92,000 diffraction patterns collected from multiple contributing institutions and is designed to facilitate the exploration of structural relationships, phase evolution, and dominant diffraction features within a large-scale diffraction database. The analysis begins by extracting the dataset and importing all diffraction patterns. Each pattern is interpolated onto a common 2θ grid spanning 5° to 80° with a step size of 0.05° to ensure consistency across samples. Intensities are normalized to their maximum values, allowing comparisons that emphasize structural characteristics rather than absolute signal magnitude. Samples containing missing values after interpolation are removed prior to multivariate analysis. Principal Component Analysis (PCA) is then applied to the processed diffraction matrix to reduce dimensionality while retaining the major sources of structural variation. The workflow generates cumulative variance-exained plots, PCA score plots, and trajectory visualizations that reveal similarities and differences among diffraction patterns and enable investigation of structural evolution across the dataset. To identify possible phase transitions or major structural changes, changepoint analysis is performed on the first principal component (PC1) using the Pruned Exact Linear Time (PELT) algorithm. Detected changepoints partition the dataset into distinct phase regions that are subsequently visualized in PCA space. This provides an automated approach for identifying transitions in diffraction behavior across the sequence of samples. The workflow further examines PCA loadings to determine which diffraction angles contribute most strongly to the observed variance. Peaks with the largest absolute PC1 loadings are extracted and reported as candidate diffraction features associated with structural transformations. Results are exported as CSV files containing PCA scores and the most influential diffraction peak positions for downstream statistical analysis and interpretation. Outputs generated by the workflow include: Cumulative variance explained by principal components PCA score plots colored by source institution Structural evolution trajectories in PCA space Phase-transition detection using changepoint analysis PC1 loading profiles identifying influential diffraction features CSV files containing PCA scores and important diffraction peak positions Identification of diffraction peaks contributing most strongly to structural variation This workflow provides a scalable framework for exploring large OXRPD datasets and facilitates the identification of structural trends, phase evolution pathways, and diffraction features associated with material transformations. Dataset citation: OXRPD Dataset, Zenodo Record 15298026, accessed June 2026. Zenodo Record 15298026

Este estudio analiza el comportamiento del pH como indicador de la calidad del agua en la Ciénaga Grande de Santa Marta (CGSM), el sistema lagunar más grande de Colombia, durante un período de seis meses. Se monitorearon 12 estaciones distribuidas en cuatro tipos de entorno (antropizado, cuerpo abierto, fluvial y de transición), generando 72 observaciones en total. El análisis exploratorio reveló una tendencia global decreciente del pH, con un máximo de 8.68 en el Mes 2 y un mínimo de 7.56 en el Mes 5, evidenciando una transición progresiva de condiciones alcalinas hacia un estado más neutro-ácido. El estudio de autocorrelación confirmó una dependencia temporal a corto plazo, con correlaciones elevadas entre meses consecutivos (r = 0.83 entre Mes 4 y Mes 5), que se desvanecen a medida que aumenta la distancia temporal entre mediciones. Para la modelización se compararon tres estructuras de covarianza bajo un enfoque de efectos mixtos con intercepto aleatorio por estación. El modelo autorregresivo de primer orden AR(1) fue seleccionado por obtener los menores valores de AIC (149.33) y BIC (166.85), con un parámetro de autocorrelación φ = 0.41. La comparación entre tendencias lineal y cuadrática confirmó que la caída del pH sigue un patrón lineal constante (coeficiente = −0.217 por mes), siendo el tiempo el único predictor estadísticamente significativo. La validación mediante residuos normalizados y gráfico Q-Q confirmó el cumplimiento de los supuestos del modelo. Estos resultados dejan percibir una alerta ambiental relevante como lo es la acidificación que ocurre de forma generalizada en toda la ciénaga, con implicaciones directas sobre la biodiversidad acuática, los ecosistemas de manglar y las comunidades pesqueras que dependen del sistema lagunar.

As Cinco Perguntas de Huff aplicadas à notícia sobre homicídios e latrocínios no Brasil (1º tri 2026)

Especialización en Estadística USCO

This article is an perspective and an analysis and the data is sourced.