OPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.
|
|
- Samuel Benítez Ramírez
- hace 7 años
- Vistas:
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
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 detallesModelo 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 detallesUnidad 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 detallesTODO 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 detalles7. 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 detallesMétodo 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 detallesANÁLISIS 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 detallesEconometría. 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 detallesTema 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 detallesCapítulo 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 detallesMetodología 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 detallesDiseños 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 detallesUnidad 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 detallesANÁLISIS 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 detallesObjetivo: 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 detallesDiseño 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 detallesANALISIS 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 detallesPronósticos, 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 detallesEstadística 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 detallesREGRESIÓN 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 detallesCurso 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 detallesEstadística /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 detallesMultiple 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 detallescurvatura 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 detalles4.1 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 detallesTema 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 detallesEstadística 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 detallesque 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 detallesMétodo 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 detallesMétodos 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 detallesUnidad 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 detallesNombre 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 detallesEJERCICIO 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 detalles4. 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 detallesEstadística 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 detallesTEMA 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 detallesDISEÑO 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 detallesECONOMETRÍA 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 detallesFolleto 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 detallesTema 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 detallesREGRESIÓN 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 detallesRegresión 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 detallesDISEÑOS 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 detallesdonde 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 detallesIdentificación 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 detallesCENTRO 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 detallesCarrera: 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 detallesUnidad 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 detallesPrueba 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 detallesCarrera: 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 detallesTEMA 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 detallesEstimación 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 detallesEstimación 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 detallesTEMA 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 detallesEstimación 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 detallesConocer 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 detallesEn 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 detallesMÉTODO 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 detallesEstadística 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 detallesPráctica 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 detallesAnálisis 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 detallesDISEÑO 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 detallesAproximación. 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 detallesCuadrados 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 detallesEstadística 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 detallesProductividad 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 detallesModelo 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 detallesANÁLISIS 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 detallesNORMAS 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 detallesUniversidad 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 detallesNombre 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 detallesUNIVERSIDAD 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 detallesDiseño 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 detallesRegresión 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 detallesCAPÍTULO 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 detallesClasificación. 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 detallesCurso 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 detallesEjemplo 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 detallesEstadística 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 detallesCarrera: 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 detallesTaller 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 detallesUNIVERSIDAD 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 detallesASTAT - 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 detallesRegresión 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 detallesAjuste 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 detallesTema 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 detallesEstadística 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 detallesANÁLISIS 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 detallesIntroducción 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 detallesModelos 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 detallesANOVA 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 detallesUNIVERSIDAD 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 detallesEjercicio 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 detallesINSTITUTO 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 detallesESQUEMA 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 detallesDiseño 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