Analitik kimyada kemometri, çok değişkenli analitik verilerden maksimum kimyasal bilgi elde edebilmek için istatistik ve uygulamalı matematik ile birlikte bilgisayarın kullanıldığı bir disiplindir. Kemometrinin özel alanlarından bazıları; deneysel tasarım, yapı tanıma, çok değişkenli kalibrasyon, istatistiksel yöntemler ve sinyal işleme yöntemleri. Bu çalışma temel olarak, kemometrik kalibrasyonların yada çok değişkenli kalibrasyonların genel prensipleri ve analitik kimyadaki özgün uygulamaları üzerine odaklanmıştır. Çok değişkenli kalibrasyonlar, kemometrik algoritmaların derişim seti ve karşılık gelen çok değişkenli ölçüm verilerine uygulanmasıyla elde edilirler. Kemometride, çok değişkenli kalibrasyonlar için çeşitli matematiksel algoritmalar kullanılmaktadır yada önerilmektedir. Bu bağlamda, bunlardan yaygın olarak kullanılan klasik en küçük kareler classical least-squares→ CLS , ters en küçük kareler inverse least-squares → ILS , temel bileşen regresyon principal component regression→PCR ve kısmi en küçük kareler partial least-squares→ PLS bu çalışmanın içinde kısaca açıklanmıştır. İzleyen basamaklarda, bu kalibrasyon yöntemlerinin analitik kimyadaki uygulamalarının yakın geçmişteki literatür taraması yapılarak sunulmuştur.

Chemometrics in analytical chemistry is the discipline that uses statistics and applied mathematics together with computer to obtain maximum chemical information from multivariate analytical data. Some specific areas of chemometrics are that experimental design, pattern recognition, multivariate calibration, statistical methods and signal processing methods. This review focuses mainly on the general principles and applications of chemometric calibrations or multivariate calibrations in analytical chemistry. Multivariate calibrations are obtained by applying chemometric algorithms to the concentration set and its corresponding multivariate measurements. In chemometrics, various mathematical algorithms for the multivariate calibrations have been used or proposed. In this context, mathematical algorithms for classical least-squares CLS , inverse least-squares ILS , principal component regression PLS and partial least-squares PLS , which are very popular, were briefly explained within this write-up. In the following steps, their typical applications in the previous published articles were scanned and presented.