Parsimonious modelling of spectroscopy data via a Bayesian latent variables approach = Modellazione parsimoniosa di dati spettroscopici mediante un approccio Bayesiano a variabili latenti

Recent years have seen increased attention in the dairy sector towards cattle feeding regimens with grass-based one leading to healthier and more expensive products, thus more susceptible to adulteration. Hence, statistical tools guaranteeing milk authenticity and discriminating samples from different diets are needed. Spectroscopy data are routinely used in this context, nonetheless they introduce challenges, such as high-dimensionality and the peculiar wavelengths relationships, that have to be tackled. In this work a modification of the standard Factor Analysis is proposed. The data are mapped into a low-dimensional latent space while clustering the observed variables thus highlighting redundancies and providing more parsimonious summaries of the data and insights on diet induced differences in the milk

Nel settore lattiero-caseario si sta assistendo ad un crescente interesse verso l’alimentazione degli animali. L’allevamento al pascolo e considerato sinonimo di prodotti più salutari, venduti ad un prezzo più elevato e suscettibili a sofisticazione. Sono quindi necessari strumenti statistici che garantiscano l’autenticità del latte e che discriminino campioni associati a diete diverse. I dati spettroscopici, utilizzati spesso in questo contesto, introducono alcune difficolta da affrontare quali l’elevata dimensionalità e le particolari relazioni tra diverse lunghezze d’onda. In questo lavoro proponiamo una modifica dell’analisi fattoriale standard; si riduce la dimensionalità dei dati e si ottiene una partizione delle variabili capace di evidenziare ridondanze e di fornire informazioni sull’impatto sul latte di diete diverse