OPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.

Tamaño: px
Comenzar la demostración a partir de la página:

Download "OPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E."

Transcripción

1 OPTIMIZACIÓN EXPERIMENTAL Ing. José Luis Zamorano E.

2 Introducción n a la metodología de superficies de respuesta EXPERIMENTACIÓN: Significa variar deliberadamente las condiciones habituales de trabajo para encontrar mejores maneras de proceder, y ganar al mismo tiempo un conocimiento más profundo sobre el comportamiento de productos y/o procesos.

3 ESTRATEGIA PARA UNA EXPERIMENTACIÓN EFICIENTE: Experimentación Diseño Experimental Objetivo Análisis de Resultados Modelos

4 LA METODOLOGIA DE SUPERFICIES DE RESPUESTA Conjunto de técnicas matemáticas y estadísticas útiles para modelar y analizar problemas en los cuales una respuesta de interés es influida por varias variables, y su objetivo es optimizar esta respuesta

5 LA METODOLOGIA DE SUPERFICIES DE RESPUESTA Necesidad de un modelo: - La capacidad de predecir o explicar el valor de cierta respuesta Y una vez conocidos los valores de otras variables x i s. - El hecho de poder seleccionar aquellas condiciones de los factores x i`s que permitan optimizar una la respuesta Y.

6 Superficie de respuesta Temperatura ºC x x 2 Tiempo min. Reactor Cantidad gr. y Y = f(x,x 2 )

7 Superficie de respuesta DESIGN-EXPERT Plot Actual Factors: X = Tiempo Y = Temperatura Cantidad Temperatura Tiempo

8 Estrategias de la metodología a de superficie de respuesta Estrategia de primer orden: Diseño 2 k - Estimación de un modelo lineal por mínimos cuadrados Uso de mapas de contornos ó curvas de nivel Camino de la máxima pendiente (steepest ascent)

9 ESTRATEGIA DE PRIMER ORDEN (-,+) (+,+) (,) (-,,-) ) (+, +,-) ) x' i = xi x x i io

10 Variable Temperatura Nivel inferior 6ºC Nivel Superior 8ºC Codificación n de variables - + = = 6ºC 7ºC 8ºC X i x' i = xi x x i io

11 Variables Diseño o de primer orden x x 2 x x 2 y x - x x 2 - x y x + x x 2 - x y 2 x - x x 2 - x y 3 x + x x 2 - x y 4 x x 2 y 5 x x 2 y 6 x x 2 Matriz de diseño Respuestas y 7

12 ESTRATEGIA DE PRIMER ORDEN Modelo de primer orden yˆ + = b bx i i Región n Superficie ajustada Trayectoria máxima pendiente Y=35 Y=55 Y=25

13 ESTRATEGIA DE PRIMER ORDEN ESTRATEGIA DE PRIMER ORDEN Pendiente Normalizada Pendiente Normalizada 2 / 2 2 ˆ... ˆ ˆ ˆ ˆ + + = i x y x y x y y y δ

14 DESIGN-EXPERT Plot Busqueda del óptimo Cantidad Actual Factors: X = Tiempo 248 Y = Temperatura Temperatura Tiempo

15 ESTRATEGIA DE PRIMER ORDEN Objetivo SELECCIÓN HIPÓTESIS Aproximación Lineal MAXIMA PENDIENTE Experimentos a lo largo del camino Si Diseño Ajusta? No Modelo Primer Orden HIPOTESIS Aproximación Cuadrática

16 ANALISIS DE REGRESIÓN Qué entendemos por análisis de Regresión? Análisis de regresión es la aplicación de métodos matemáticos y estadísticos para el análisis de datos experimentales, y el ajuste de estos modelos matemáticos a los datos mediante la estimación de parámetros desconocidos de los modelos.

17 ANALISIS DE REGRESI ANALISIS DE REGRESIÓN Modelos lineales 2 2 ˆ x b x b b y + + = ) exp( 2 ˆ x b x b b y + + = Modelos no lineales ) 2 exp( ˆ x b b b y + =

18 ANALISIS DE REGRESIÓN Mínimos cuadrados: es la suma de cuadrados de las diferencias entre los valores experimentales y los valores estimados por el modelo: φ n 2 n = e ( y y ) 2 = i i i i= i= Y ˆ = X * b

19 ANALISIS DE REGRESIÓN T ( ) T ˆ ( ˆ ) Θ = e e = Y Y Y Y T T ( ) ( ) Θ = e e = Y Xb Y Xb Θ b = ( ) T X ( Y Xb ) 2 =

20 ANALISIS DE REGRESIÓN ( ) ( ) X T Y = X T Xb b = ( ) ( ) X T X X T Y

21 Ajuste de modelos (Regresión) x o Matriz de diseño x x b = (X T X) - (X T Y) Respuestas y y y 2 y 3 y 4 y 5 y 6 y 7

22 Distribución n de varianzas en regresión p i n _ n _ ( yij Y ) = py i( i Y ) + py i( i yi ) + ( yij yi ) SCT SCR SC(Aj) SCE

23 Análisis de varianza para regresión Fuente de Variación Suma de Cuadrados Grados Libertad Cuadrado Medio F o Experim Debido a la Regresión SSR q SSR MSR= q Error Falta de Ajuste SS(Aj) n-q- SS(Aj) MSAB= (n-q-) MS(Aj) F Aj = MSE Error Puro SS(E) Σp i -n SS(E) MSA= Σp i -n Se acepta el modelo si : F Aj < F crit q=# de parámetros del modelo sin el término independiente n=# de puntos experimentales p i =# de repeticiones por punto

24 Estrategias de la metodología a de superficie de respuesta Estrategia de Segundo orden: Diseño 2 k + Diseño Estrella + Puntos centrales - Estimación de un modelo de segundo orden por mínimos cuadrados Uso de mapas de contornos ó curvas de nivel Análisis Canónico

25 α=2 k/4 Diseños experimentales para modelos de segundo orden (,+,+α) (-,+) (+,+) (-α,) (,) (+α,) (-,,-) ) (+,,-) ) (,-α)

26 Diseño o Rotable Compuesto Central Variables Matriz de diseño Respuestas x x 2 x x 2 Y x - x x 2 - x Y x + x x 2 - x Y 2 x - x x 2 - x Y 3 x + x x 2 - x Y 4 -α Y 5 +α Y 6 -α Y 7 +α Y 8 x x 2 Y 9 x x 2 Y x x 2 y

27 Modelo de Segundo Orden yˆ + bx + i i = b bxx ij i j

28 Ajuste de un modelo de segundo orden Matriz de diseño Respuestas x o x x 2 (x )2 (x 2 )2 x x 2 Y Y Y Y 3 Y 4 b = (X T X) - (X T Y) -α α 2 Y 5 +α α 2 Y 6 -α α 2 Y 7 +α α 2 Y 8 Y 9 Y y

29 Superficie de respuesta Y=b +b x +b 2 x 2 +b x 2 +b 22 x 22 +b 2 x x 2 DESIGN-EXPERT Plot Actual Factors: X = Tiempo Y = Temperatura Cantidad Temperatura Tiempo

30

31

32

33

34 BIBLIOGRAFIA Diseño y análisis de experimentos, MONTGÓMERY; Biblioteca Carrera Ing. Química Process Análysis by statistical methods; HIMMELBLAU. Biblioteca Particular. Quality by experimental design, BARKER. Biblioteca particular. Principios de optimización de procesos, DIAZ MATA; Biblioteca Carrera Ing. Química (Fotocopia) Métodos estadísticos, control y mejora de la calidad, BARTES. Biblioteca Carrera Ing. Química (Fotocopia). Planificación experimental y optimización, ZAMORANO. Biblioteca Carrera Ing. Química (Fotocopia). Probabilidad y estadística para ingenieros; WALPOLE. Biblioteca Carrera Ing. Química.

PLAN DE TRABAJO DISEÑO EXPERIMENTAL Y OPTIMIZACIÓN

PLAN DE TRABAJO DISEÑO EXPERIMENTAL Y OPTIMIZACIÓN UNIVERSIDAD TÉCNICA DE ORURO VICERRECTORADO DIRECCIÓN ACADÉMICA PLAN DE TRABAJO I.- IDENTIFICACIÓN Asignatura: DISEÑO EXPERIMENTAL Y OPTIMIZACIÓN Sigla: PRQ 3234 Facultad: Carrera: NACIONAL DE INGENIERIA

Más detalles

Modelo de Regresión Lineal

Modelo de Regresión Lineal Modelo de Regresión Lineal Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Introducción Un ingeniero, empleado por un embotellador de gaseosas,

Más detalles

Unidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15

Unidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15 Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre

Más detalles

TODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis

TODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:

Más detalles

7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño

7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño 7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores

Más detalles

Método de cuadrados mínimos

Método de cuadrados mínimos REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,

Más detalles

ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE

ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por

Más detalles

Econometría. Ejercicio 5 - Resuelto

Econometría. Ejercicio 5 - Resuelto Econometría Ejercicio 5 Resuelto E ESTE EJERCICIO SE ILUSTRA LAS FÓRMULAS Y LOS CÁLCULOS ASOCIADOS CO LA ESTIMACIÓ, EL COTRASTE DE HIPÓTESIS Y LA PREVISIÓ E MODELOS DE REGRESIÓ LIEAL MÚLTIPLE ES MUY IMPORTATE

Más detalles

Tema 4. Regresión lineal simple

Tema 4. Regresión lineal simple Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias

Más detalles

Capítulo 6. Análisis de la covarianza ANÁLISIS DE LA COVARIANZA UNIFACTORIAL INTRODUCCIÓN

Capítulo 6. Análisis de la covarianza ANÁLISIS DE LA COVARIANZA UNIFACTORIAL INTRODUCCIÓN Capítulo 6 Análisis de la covarianza INTRODUCCIÓN Es una combinación de dos técnicas: Análisis de la Varianza y Análisis de Regresión. En el Análisis de la Covarianza: F La variable respuesta es cuantitativa

Más detalles

Metodología de Superficie de Respuesta.

Metodología de Superficie de Respuesta. Metodología de Superficie de Respuesta. Introducción. En las unidades anteriores hemos presentado diseños experimentales que permiten estimar efectos que sobre una variable respuesta tienen factores individuales

Más detalles

Diseños para estimar la superficie de respuesta

Diseños para estimar la superficie de respuesta Diseños para estimar la superficie de respuesta estrategia experimental y de análisis que permite resolver el problema de encontrar las condiciones de operación óptimas de un proceso optimización ventaja:

Más detalles

Unidad Temática 3: Estadística Analítica. Unidad 9 Correlación y Regresión Lineal Simple

Unidad Temática 3: Estadística Analítica. Unidad 9 Correlación y Regresión Lineal Simple Unidad Temática 3: Estadística Analítica Unidad 9 Correlación y Regresión Lineal Simple Análisis de Correlación Creado por Karl Pearson en 1920. Tiene el propósito de medir el grado de asociación observado

Más detalles

ANÁLISIS DE REGRESIÓN

ANÁLISIS DE REGRESIÓN ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y

Más detalles

Objetivo: Proponer modelos para analizar la influencia

Objetivo: Proponer modelos para analizar la influencia TEMA 3: REGRESIÓN LINEAL SIMPLE Objetivo: Proponer modelos para analizar la influencia de una variable cuantitativa sobre un fenómeno que nos interesa estudiar. 1. Modelo lineal l de regresión 2. Estimación

Más detalles

Diseño de experimentos

Diseño de experimentos Diseño de experimentos Quimiometría Por qué diseñar experimentos? Exploración: cuáles factores son importantes para realizar exitosamente un proceso Optimización: cómo mejorar un proceso Ahorro de tiempo:

Más detalles

ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y

Más detalles

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción

Más detalles

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10 Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias

Más detalles

Curso de nivelación Estadística y Matemática

Curso de nivelación Estadística y Matemática Modelo de Curso de nivelación Estadística y Matemática Pruebas de hipótesis, y Modelos ARIMA Programa Técnico en Riesgo, 2017 Agenda Modelo de 1 2 Asociación Medidas de asociación para variables intervalo

Más detalles

Estadística /Química 2004

Estadística /Química 2004 UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLAN LICENCIATURA EN: QUÍMICA. NOMBRE DE LA ASIGNATURA: ESTADÍSTICA. ÓRGANO INTERNO QUE COORDINA EL PROGRAMA DE LA ASIGNATURA:

Más detalles

Multiple Linear Regression

Multiple Linear Regression Multiple Linear Regression Aniel Nieves-González Aniel Nieves-González () LSP 1 / 16 Considere el ejemplo en cual queremos modelar las ventas en una cadena de tiendas por departamento. La v.a. dependiente

Más detalles

curvatura de un plano, o sea, cuando se quiera verificar la existencia de términos cuadráticos en el

curvatura de un plano, o sea, cuando se quiera verificar la existencia de términos cuadráticos en el Capitulo 6. Delineamiento de Compuesto Central Rotacional 6.1 Introducción El Planeamiento de compuesto central deber ser utilizado cuando se quiera verificar la curvatura de un plano, o sea, cuando se

Más detalles

4.1 Análisis bivariado de asociaciones

4.1 Análisis bivariado de asociaciones 4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis

Más detalles

Tema 3: Análisis de datos bivariantes

Tema 3: Análisis de datos bivariantes Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta

Más detalles

Estadística para las Ciencias Agropecuarias

Estadística para las Ciencias Agropecuarias Estadística para las Ciencias Agropecuarias Séptima Edición Di Rienzo, Julio Alejandro Casanoves, Fernando Gonzalez, Laura Alicia Tablada, Elena Margot Díaz, María del Pilar Robledo, Carlos Walter Balzarini,

Más detalles

que represente lo mejor posible la relación entre valores X e Y permitiéndonos inferir un valor a partir del otro.

que represente lo mejor posible la relación entre valores X e Y permitiéndonos inferir un valor a partir del otro. Regresió n josé a. mañas 8.2.2017 1 Introducción El objetivo de las técnicas de regresión es identificar una función que permita estimar una variable Y en función de la otra X. Es decir, averiguar una

Más detalles

Método de las Superficies de Respuesta

Método de las Superficies de Respuesta 7 Método de las Superficies de Respuesta En este capítulo se analizará en qué consiste la Metodología de Superficies de Respuesta, su representación gráfica, el procedimiento a seguir hasta encontrar un

Más detalles

Métodos Estadísticos Multivariados

Métodos Estadísticos Multivariados Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre

Más detalles

Unidad 1 DISTRIBUCIONES MUESTRALES Objetivo particular El alumno identificará distribuciones discretas y continuas, obtendrá la probabilidad de

Unidad 1 DISTRIBUCIONES MUESTRALES Objetivo particular El alumno identificará distribuciones discretas y continuas, obtendrá la probabilidad de Nombre de la materia Estadística Inferencial Departamento Ciencias Aplicadas de la Información Academia Ciencias Básicas Clave Horas-teoría Horas-práctica Horas-AI Total-horas Créditos I4863 60 20 0 80

Más detalles

Nombre de la asignatura : Estadística Aplicada. Carrera : Ingeniería en Sistemas Computacionales. Clave de la asignatura : SCB-9308

Nombre de la asignatura : Estadística Aplicada. Carrera : Ingeniería en Sistemas Computacionales. Clave de la asignatura : SCB-9308 . D A T O S D E L A A S I G N A T U R A Nombre de la asignatura : Estadística Aplicada Carrera : Ingeniería en Sistemas Computacionales Clave de la asignatura : SCB-908 Horas teoría-horas práctica-créditos

Más detalles

EJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos

EJERCICIO T1 NOMBRE: Correctas Incorrectas En Blanco Puntos ECONOMETRÍA EJERCICIO T1 APELLIDOS: NOMBRE: FIRMA: GRUPO: DNI: Pregunta 1 A B C En Blanco Pregunta A B C En Blanco Pregunta 3 A B C En Blanco Pregunta 4 A B C En Blanco Pregunta 5 A B C En Blanco Pregunta

Más detalles

4. MODELO DE REGRESIÓN LINEAL. En muchos problemas hay dos o más variables relacionadas, y el interés se centra en

4. MODELO DE REGRESIÓN LINEAL. En muchos problemas hay dos o más variables relacionadas, y el interés se centra en 4. MODELO DE REGRESIÓN LINEAL 4.1 INTRODUCCIÓN En muchos problemas hay dos o más variables relacionadas, y el interés se centra en modelar y explorar esta relación. Por ejemplo, en un proceso químico el

Más detalles

Estadística aplicada al medio ambiente

Estadística aplicada al medio ambiente Estadística aplicada al medio ambiente III. Regresión lineal 3 o de CC. AA. Departamento de Matemáticas Universidad Autónoma de Madrid 2011/12 Planteamiento Modelo Estimación de parámetros Intervalos de

Más detalles

TEMA 4 Modelo de regresión múltiple

TEMA 4 Modelo de regresión múltiple TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.

Más detalles

DISEÑO EN BLOQUES ALEATORIZADOS

DISEÑO EN BLOQUES ALEATORIZADOS DISEÑO EN BLOQUES ALEATORIZADOS DISEÑO EN BLOQUES ALEATORIZADOS COMPLETOS DISEÑO EN BLOQUES INCOMPLETOS ALEATORIZADOS DISEÑO EN CUADRADOS LATINOS DISEÑO EN CUADRADOS GRECO-LATINOS DISEÑO EN CUADRADOS DE

Más detalles

ECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica

ECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación

Más detalles

Folleto de Estadísticas. Teoría del 2do Parcial

Folleto de Estadísticas. Teoría del 2do Parcial Folleto de Estadísticas Teoría del 2do Parcial 2012 Variables aleatorias conjuntas continuas: Sean X y Y dos variables aleatorias continuas con ellas se asocia una función denominada función de densidad

Más detalles

Tema 4. Análisis multivariante de la varianza

Tema 4. Análisis multivariante de la varianza Máster en Técnicas Estadísticas Análisis Multivariante Año 2008 2009 Profesor: César Sánchez Sellero Tema 4 Análisis multivariante de la varianza 4 Presentación del modelo Se trata de comparar las medias

Más detalles

REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE

REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o

Más detalles

Regresión Lineal. El modelo de regresión caracteriza la relación entre una variable respuesta que depende de k variables independientes o regresoras.

Regresión Lineal. El modelo de regresión caracteriza la relación entre una variable respuesta que depende de k variables independientes o regresoras. Regresión Lineal Los factores envueltos en la experimentación pueden ser de tipo cuantitativos o cualitativos Un factor cuantitativo es aquel que sus niveles pueden ser asociados con puntos dentro de una

Más detalles

DISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO

DISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO TEMA II ESQUEMA GENERAL Diseño experimental de dos grupos: definición y clasificación Formatos del diseño y prueba de hipótesis Diseño experimental multigrupo: definición Formato del diseño multigrupo

Más detalles

donde ε es la variable aleatoria de media 0 y f(x) es una relación que tiene la siguiente expresión:

donde ε es la variable aleatoria de media 0 y f(x) es una relación que tiene la siguiente expresión: INTRODUCCIÓN Los modelos de regresión B-Splines son de tipo semiparamétrico y presentan un excelente ajuste en variables climatológicas, como se muestra en el desarrollo de este trabajo que está dividido

Más detalles

Identificación Paramétrica

Identificación Paramétrica Identificación Paramétrica Métodos para la Obtención de un Modelo Discreto Un modelo, incluyendo el ruido o perturbación, a tiempo discreto puede ser representado por la siguiente i ecuación Donde: ( )

Más detalles

CENTRO UNIVERSITARIO UAEM ZUMPANGO LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN DISEÑO DE BLOQUES AL AZAR PRESENTA. DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN

CENTRO UNIVERSITARIO UAEM ZUMPANGO LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN DISEÑO DE BLOQUES AL AZAR PRESENTA. DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN CENTRO UNIVERSITARIO UAEM ZUMPANGO LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN DISEÑO DE BLOQUES AL AZAR PRESENTA DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN SEPTIEMBRE, 2015 INTRODUCCIÓN Los diseños experimentales

Más detalles

Carrera: Ingeniero Químico Asignatura: Área del Conocimiento: Licenciatura Ingeniero Químico Abril de 2010

Carrera: Ingeniero Químico Asignatura: Área del Conocimiento: Licenciatura Ingeniero Químico Abril de 2010 Carrera: Ingeniero Químico Asignatura: Diseño de experimentos Área del Conocimiento: Ciencias de la Ingeniería Generales de la Asignatura: Nombre de la Asignatura: Clave Asignatura: Nivel: Carrera: Frecuencia

Más detalles

Unidad Temas Subtemas

Unidad Temas Subtemas Nombre de la Asignatura: Estadística Línea de Trabajo: Asignatura Básica Docencia Trabajo de Investigación Supervisado - Trabajo Profesional Supervisado - Horas totales Créditos 48 20 100 168 6 1. Historial

Más detalles

Prueba de Hipótesis. Para dos muestras

Prueba de Hipótesis. Para dos muestras Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de

Más detalles

Carrera: IAB Participantes. Representantes de las academias de Ingeniería Ambiental. Academia de Ingeniería

Carrera: IAB Participantes. Representantes de las academias de Ingeniería Ambiental. Academia de Ingeniería 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Diseño de Experimentos Ingeniería Ambiental IAB - 0410 4-0-8 2.- HISTORIA DEL PROGRAMA

Más detalles

TEMA 3 Modelo de regresión simple

TEMA 3 Modelo de regresión simple TEMA 3 Modelo de regresión simple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Planteamiento del problema.

Más detalles

Estimación de Parámetros. Jhon Jairo Padilla A., PhD.

Estimación de Parámetros. Jhon Jairo Padilla A., PhD. Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de

Más detalles

Estimación de Parámetros. Jhon Jairo Padilla A., PhD.

Estimación de Parámetros. Jhon Jairo Padilla A., PhD. Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de

Más detalles

TEMA 2 Diseño de experimentos: modelos con varios factores

TEMA 2 Diseño de experimentos: modelos con varios factores TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial

Más detalles

Estimación de Parámetros

Estimación de Parámetros Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: p Estimación de Parámetros Prueba de Hipótesis Estimación

Más detalles

Conocer los principales métodos de la estadística inferencial e identificar sus aplicaciones a diversas áreas del conocimiento y de la cotidianidad.

Conocer los principales métodos de la estadística inferencial e identificar sus aplicaciones a diversas áreas del conocimiento y de la cotidianidad. NOMBRE DEL CURSO: ESTADÍSTICA INFERENCIAL CÓDIGO: CRÉDITOS 5 PRE-REQUISITO: POST-REQUISITO: JORNADA: PRESENTACIÓN: Se estudian los métodos más importantes de la estadística inferencial, enfocándose principalmente

Más detalles

En clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza

En clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza Bioestadística II Bioestadística II En clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza Bioestadística II Bioestadística

Más detalles

MÉTODO DE SUPERFICIE DE RESPUESTA

MÉTODO DE SUPERFICIE DE RESPUESTA MÉTODO DE SUPERFICIE DE RESPUESTA SEPTIEMBRE 2017 Índice general 1. INTRODUCCIÓN............................... 1 2. MODELOS DE PRIMER ORDEN Y DISEÑOS FACTORIALES. 3 3. DIRECCIÓN DE MÁXIMA PENDIENTE...............

Más detalles

Estadística II. Carrera: INB Participantes. Representante de las academias de ingeniería industrial de Institutos Tecnológicos.

Estadística II. Carrera: INB Participantes. Representante de las academias de ingeniería industrial de Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística II Ingeniería Industrial INB - 0408 4 0 8 2.- HISTORIA DEL PROGRAMA

Más detalles

Práctica 2. Identificación de sistemas

Práctica 2. Identificación de sistemas Asignatura: Sistemas Electrónicos de Control Curso: 213/214-1 Realización: D4-5, 15/3/13 (g19), 18/3/13 (g12), 18h-2h Nota: Para la realización de la práctica es imprescindible traer el estudio previo

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Análisis de Regresión y Correlación Lineal Análisis de dos ó más variables aleatorias Veamos que en los siguientes estudios hay situaciones donde intervienen más de una variable aleatoria Ejemplos: La

Más detalles

DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II

DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 7 Problema 1. Tengamos el siguiente ANOVA obtenido en una investigación con N 15 donde se estudia la relación entre autoeficacia percibida (X y el rendimiento

Más detalles

Aproximación. Ultima actualización: 15/01/2008

Aproximación. Ultima actualización: 15/01/2008 Asignatura: Autor: Análisis umérico César Menéndez Ultima actualización: 5/0/008 Titulación: Planificación: Materiales: Conocimientos previos: Ingeniero Técnico Informático 6 Teoría+Talero+0.5Laoratorio

Más detalles

Cuadrados Mínimos. Diego Luna. May 8, Laboratorio 1 Cuadrados Mínimos May 8, / 22

Cuadrados Mínimos. Diego Luna. May 8, Laboratorio 1 Cuadrados Mínimos May 8, / 22 Cuadrados Mínimos Diego Luna May 8, 2017 Laboratorio 1 Cuadrados Mínimos May 8, 2017 1 / 22 Motivación Dado un número de observaciones, puede requerirse el ajuste a un modelo Ejemplo 1 : Parámetros: y

Más detalles

Estadística II. Carrera: INB Participantes. Representante de las academias de ingeniería industrial de Institutos Tecnológicos.

Estadística II. Carrera: INB Participantes. Representante de las academias de ingeniería industrial de Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística II Ingeniería Industrial INB-0408 4-0-8 2.- HISTORIA DEL PROGRAMA Lugar

Más detalles

Productividad de Agrosistemas Clave: 1242 Créditos: 11.25

Productividad de Agrosistemas Clave: 1242 Créditos: 11.25 I. DATOS GENERALES Unidad Académica: Departamento de Suelos Programa Educativo: Ingeniero Agrónomo Especialista en Suelos Nivel educativo: Licenciatura Área de conocimientos: Fertilidad Asignatura: Productividad

Más detalles

Modelo de Análisis de la Covarianza. Introducción al modelo de Medidas Repetidas

Modelo de Análisis de la Covarianza. Introducción al modelo de Medidas Repetidas Modelo de Análisis de la Covariza. Introducción al modelo de Medidas Repetidas Modelo de Análisis de la Covariza Introducción El diseño por bloques se considera para eliminar el efecto de los factores

Más detalles

ANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS

ANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS ANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS CONTENIDO 1 Ajuste de Curvas 2 Análisis de Regresión 2.1 Métodos de Mínimos Cuadrados 2.2 Regresión Lineal AJUSTE DE CURVAS Uno de los objetivos en

Más detalles

NORMAS El examen consta de dos partes: Diez Cuestiones: (tiempo: 60 minutos)

NORMAS El examen consta de dos partes: Diez Cuestiones: (tiempo: 60 minutos) NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: (tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido

Más detalles

Universidad Autónoma del Estado de México Licenciatura de Ingeniero Químico Programa de Estudios: Probabilidad y Estadística

Universidad Autónoma del Estado de México Licenciatura de Ingeniero Químico Programa de Estudios: Probabilidad y Estadística Universidad Autónoma del Estado de México Licenciatura de Ingeniero Químico 2003 Programa de Estudios: Probabilidad y Estadística I. Datos de identificación Licenciatura Ingeniero Químico 2003 Unidad de

Más detalles

Nombre de la asignatura: Probabilidad y Estadística

Nombre de la asignatura: Probabilidad y Estadística 1. - DATOS DE LA ASIGNATURA Regresar Nombre de la asignatura: Probabilidad y Estadística Carrera : Mecánico Clave de la asignatura: Clave local: Horas teoría horas practicas créditos: 3-2-8 O B S E R V

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA

Más detalles

Diseño de Experimentos

Diseño de Experimentos Diseño de Experimentos Tema 6. Validación de Supuestos JAIME MOSQUERA RESTREPO VERIFICACIÓN DE LA ADECUACIÓN DEL MODELO Los procedimientos estudiados son validos únicamente bajo el cumplimiento de 4 supuestos

Más detalles

Regresión Lineal Simple y Múltiple Regresión Logística

Regresión Lineal Simple y Múltiple Regresión Logística Regresión Lineal Simple y Múltiple Regresión Logística Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura MUI en Ciencias de la Salud MUI en Ciencias de la Salud (UEx) Regresión

Más detalles

CAPÍTULO 2 REGRESIÓN LINEAL MULTIPLE

CAPÍTULO 2 REGRESIÓN LINEAL MULTIPLE CAPÍTULO REGRESIÓN LINEAL MULTIPLE Fernández Departament de Matemáticas Universidad de Puert Ric Recint Universitari de Mayagüez REGRESIÓN LINEAL MULTIPLE La regresión lineal multiple trata de explicar

Más detalles

Clasificación. Aurea Grané. Análisis Discriminante

Clasificación. Aurea Grané. Análisis Discriminante Diplomatura en Estadística 1 Diplomatura en Estadística 2 Análisis discriminante Análisis Discriminante y Clasificación Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid Supongamos

Más detalles

Curso de Métodos Numéricos. Ajuste de curvas. Regresión.

Curso de Métodos Numéricos. Ajuste de curvas. Regresión. Curso de Métodos Numéricos. Ajuste de curvas. Regresión. Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Universidad: ITESM CEM Fecha: Lunes, 20 de octubre de 2014 Tópicos

Más detalles

Ejemplo de Regresión Lineal Simple

Ejemplo de Regresión Lineal Simple Ejemplo de Regresión Lineal Simple Países Porcentaje de Inmunización (x) Tasa de mortalidad (y) Bolivia 77 8 Brazil 69 65 Cambodia 3 84 Canada 85 8 China 94 43 Czech_Republic 99 Egypt 89 55 Ethiopia 3

Más detalles

Estadística Inferencial. Sesión No. 9 Regresión y correlación lineal

Estadística Inferencial. Sesión No. 9 Regresión y correlación lineal Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia

Más detalles

Carrera: IAM Participantes Representante de las academias de ingeniería en Industrias Alimentarias de los Institutos Tecnológicos.

Carrera: IAM Participantes Representante de las academias de ingeniería en Industrias Alimentarias de los Institutos Tecnológicos. .- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística Aplicada Ingeniería en Industrias Alimentarias IAM-0 --8.- HISTORIA

Más detalles

Taller I Econometría I

Taller I Econometría I Taller I Econometría I 1. Considere el modelo Y i β 1 + ɛ i, i 1,..., n donde ɛ i i.i.d. N (0, σ 2 ). a) Halle el estimador de β 1 por el método de mínimos cuadrados ordinarios. Para realizar el procedimiento

Más detalles

UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA POR COMPETENCIAS I. DATOS DE IDENTIFICACIÓN 1. Unidad Académica: Facultad de Ingeniería. Mexicali.

Más detalles

ASTAT - Estadística Avanzada

ASTAT - Estadística Avanzada Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 390 - ESAB - Escuela Superior de Agricultura de Barcelona 749 - MAT - Departamento de Matemáticas GRADO EN INGENIERÍA AGRÍCOLA

Más detalles

Regresión Lineal Simple. Dr. Víctor Aguirre Torres, ITAM. Guión 11.

Regresión Lineal Simple. Dr. Víctor Aguirre Torres, ITAM. Guión 11. Regresión Lineal Simple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función de otra variable (x). y=var. Dependiente (cuantitativa) x=var. Explicativa (cuantitativa) 2

Más detalles

Ajuste de curvas. Regresión.

Ajuste de curvas. Regresión. Ajuste de curvas. Regresión. Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Correo: j.a.otero@itesm.mx web: http://metodosnumericoscem.weebly.com Universidad: ITESM CEM Tópicos

Más detalles

Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos

Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.

Más detalles

Estadística Inferencial

Estadística Inferencial Estadística Inferencial 1 Sesión No. 9 Nombre: Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión

Más detalles

ANÁLISIS DE LA VARIANZA PARTE PRIMERA

ANÁLISIS DE LA VARIANZA PARTE PRIMERA ANÁLISIS DE LA VARIANZA PARTE PRIMERA Febrero de 2012 Índice general 1. INTRODUCCIÓN............................... 1 2. FUNDAMENTOS DEL DISEÑO COMPLETAMENTE ALEATO- RIZADO....................................

Más detalles

Introducción a la Estadística Aplicada en la Química

Introducción a la Estadística Aplicada en la Química Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00

Más detalles

Modelos lineales. Tema 2: Inferencia en el modelo de regresión lineal simple. 6 de febrero de Carmen Armero

Modelos lineales. Tema 2: Inferencia en el modelo de regresión lineal simple. 6 de febrero de Carmen Armero Carmen Armero 6 de febrero de 2012 Introducción Distribuciones en el muestreo Intervalos de confianza Contrastes de hipótesis El modelo de regresión lineal simple El modelo de regresión lineal simple para

Más detalles

ANOVA Análisis de la Varianza en diseño de experimentos

ANOVA Análisis de la Varianza en diseño de experimentos ANOVA Análisis de la Varianza en diseño de experimentos NATURALEZA DEL DISEÑO EXPERIMENTAL El diseño experimental tiene sus orígenes en los trabajos de Ronald Aylmer Fisher (1890 1962) desarrollados en

Más detalles

UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA

UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA POR COMPETENCIAS I. DATOS DE IDENTIFICACIÓN. Unidad Académica: FACULTAD DE INGENIERIA. Programa (s)

Más detalles

Ejercicio Heterocedasticidad_2

Ejercicio Heterocedasticidad_2 Ejercicio heterocedasticidad 2. 1 Ejercicio Heterocedasticidad_2 Tengamos los siguientes datos de los beneficios (B i ) y ventas (V i ) de 20 empresas: obs B V 1 13,2 61 2 15 78 3 22,2 158 4 15,2 110 5

Más detalles

INSTITUTO POLITÉCNICO NACIONAL SECRETARIA DE INVESTIGACIÓN Y POSGRADO

INSTITUTO POLITÉCNICO NACIONAL SECRETARIA DE INVESTIGACIÓN Y POSGRADO SIP-30 INSTITUTO POLITÉCNICO NACIONAL SECRETARIA DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN DE POSGRADO FORMATO GUÍA PARA REGISTRO DE ASIGNATURAS Hoja 1 de 3 I. DATOS DEL PROGRAMA Y LA ASIGNATURA 1.1 NOMBRE

Más detalles

ESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación

ESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación TEMA V ESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación Análisis de la covarianza (ANCOVA) Modelos alternativos de análisis DISEÑO DE GRUPO CONTROL NO

Más detalles

Diseño de experimentos

Diseño de experimentos GUÍA DOCENTE 2013-2014 Diseño de experimentos 1. Denominación de la asignatura: Diseño de experimentos Titulación Grado en Ingeniería Agroalimentaria y del Medio Rural Código 6263 2. Materia o módulo a

Más detalles