La finalidad de los diseños óptimos es determinar las condiciones experimentales adecuadas de tal forma que se pueda garantizar inferencias estadísticas lo más precisas posibles en términos de mínima varianza del vector de parámetros estimado. Esta teoría presupone el conocimiento de la función que relaciona las variables explicativas con la variable respuesta, en esta situación, con frecuencia, se obtienen diseños con tantos puntos de soporte como parámetros tiene el modelo propuesto en la investigación. Dado que los diseños con p-puntos de soporte asumen que la función del modelo es conocida, éstos pueden llegar a ser no tan óptimos en algunas situaciones prácticas, debido a que no permiten probar la bondad de ajuste del modelo asumido [1]. En este artículo se presenta una generalización dela metodología propuesta en [2] para aumentar el número de puntos en el criterio D-optimalidad. Se encuentra una expresión para la varianza de la respuesta predicha en términos de una constante de ponderación δ , la cual permitirá determinar los puntos a adicionar al diseño D-óptimo. Se propone una estrategia para la elección de la constante δ . Finalmente se proporciona un diseño seudo-óptimo con p+s puntos de experimentación.
1 INTRODUCCIÓN
Para muchos procesos usualmente se tiene el interés de modelar el comportamiento de una variable Y a través de un conjunto de variables explicativas, por medio de un modelo estadístico que permita describir esta relación:
y(x) = η(x; θ) + ε,
donde η(x; θ) es una función del vector de parámetros desconocido θt = (θ1, . . . , θp) Rp, el vector x toma valores en un espacio de diseño X, en la práctica X suele ser un intervalo compacto y por último ε, llamado error aleatorio, contiene tanto la parte de los errores debido a la realización del experimento como los errores debido a la especificación del modelo, se asume que tienen media cero y varianza común σ2.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Marco de distribución de componentes múltiples para el modelado y la simulación de sistemas de producción inteligentes
Artículo:
Mejoramiento basado en la simulación de procesos para la maximización de nafta en una planta existente de tratamiento de gases
Artículo:
Modelado del proceso de secado de bayas por convección en placa delgada y estimación de eficiencia energética
Artículo:
Identificación y cuantificación de las pérdidas de sacarosa en el efluente final del proceso de fabricación de azúcar en el Ingenio Riopaila Castilla (Planta Castilla)
Artículo:
Un enfoque heurístico para optimizar la programación de la producción de bebidas a base de fruta
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.