Metodología de Superficie de Respuesta.
|
|
- Valentín Rico Martín
- hace 6 años
- Vistas:
Transcripción
1 Metodología de Superficie de Respuesta.
2 Introducción. En las unidades anteriores hemos presentado diseños experimentales que permiten estimar efectos que sobre una variable respuesta tienen factores individuales y/o sus interacciones, así como la estimación de la variable respuesta. Otro objetivo de suma importancia es el identificar qué condiciones hacen que la variable respuesta estimada alcance un valor óptimo.
3 Objetivo. Para el cumplimiento de este objetivo es necesario un enfoque metodológico que combine el uso de los diseños experimentales antes vistos y las técnicas de modelaje del análisis de regresión, pero adicionando técnicas matemáticas de optimización. A esta combinación se le ha dado el nombre general de: Metodología de Superficie de Respuesta (MSR).
4 Antecedentes. La MSR se desarrolló inicialmente por Box y Wilson (1951). Hill y Hunter (1966) llevan a cabo una excelente revisión de sus fundamentos. Myers (1971) fue el primer libro sobre este tema. La evolución de la computación hizo que esta técnica cobrara un gran impulso y así, en estudios más recientes Khuri y Cornell (1987), Box y Draper (1987) y Myers y Montgomery (1995) publicaron notables trabajos acerca de la metodología. La MSR es una herramienta que se ha utilizado ampliamente en el desarrollo de procesos industriales y en el desarrollo tecnológico, por ejemplo en la elaboración de alimentos. Beetner (1974) emplea un diseño 2 3 en el estudio de la degradación en el cocinado de extrusión de tiamina y riboflavina.
5 Conocer el funcionamiento de un sistema o proceso. Encontrar las condiciones óptimas de funcionamiento. Mejoras en costo, tiempo, eficiencia, productividad y/o calidad.
6 Originada por el trabajo de Box y Wilson (1951) Box, G. E. P., Wilson, K. G. (1951), On the experimental attainment of optimum conditions, Journal of the Royal Statistical Society, B 13, 1-45 Desarrollo teórico y primeras aplicaciones (década 1990): o Box y Draper (1987). o Cornell (1991). o Montgomery y Myers (1996). o Araujo y Brereton (1996).
7 Conjunto de técnicas matemáticas y estadísticas Analizar el comportamiento de una respuesta Construir un modelo y = f(x 1, x 2 ) x 1 x 2 Datos experimentales Niveles Diseño de experimentos Optimizar
8 Representación gráfica del modelo: y = f(x 1, x 2 ) Encontrar el óptimo
9 Cada línea de contorno está formada por todas las combinaciones de los factores que producen una misma respuesta.
10
11 Buscando las mejores condiciones: Producción Experimentos exploratorios Selección de factores
12 Buscando las mejores condiciones: Producción Experimentos exploratorios Selección de factores Factores significativos / niveles: A Temperatura C B Tiempo de incubación Hrs.
13 T ( C) Tiempo (Horas) Rendimiento (g/l) Valor óptimo Condiciones óptimas de temperatura T = 48 C R = 43.8 g/l
14 Una misma respuesta puede depender de más de dos factores. y = f x 1., x k + ε Cuál es el óptimo? Técnicas de optimización.
15 Requerimientos de la MSR Creación de un diseño de experimentos. Ajuste de un modelo. Utilización de una Técnica de Optimización. *Explorar el modelo para obtener información sobre el óptimo.
16 Diseños y modelos matemáticos para MSR.
17 Diseños y modelos matemáticos para MSR. Para construir el modelo se necesitan como mínimo la misma cantidad de puntos experimentales diferentes que coeficientes a estimar. Para evaluar la falta de ajuste se deben incluir repeticiones de un punto del diseño.
18 Experimentos para la extracción de un alcaloide. PH (x 1 ) Temperatura (x 1 ) mg/g (y)
19 Experimentos para la extracción de un alcaloide. PH (x 1 ) Temperatura (x 1 ) mg/g (y) Lineal y = x x 2 Lineal con interacción y = x x 2 6.2x 1 x 2 Cuadrático y = x x 2 6.2x 1 x 2 9.2x x 2 2
20 Evaluación del modelo (ANOVA).
21 Evaluación de los coeficientes.
22 Evaluación de los coeficientes. Utilizar el modelo más simple que describa el comportamiento del sistema.
23 Técnicas para depurar los modelos. Manual. Eliminación Backward. Modelo completo Modelo depurado Adición Forward. Modelo depurado Modelo depurado
24 Categoría de modelos. Un modelo es Jerárquico cuando contiene todos los términos más simples que componen los términos de mayor orden que están en el modelo.
25 Categoría de modelos. Los modelos Jerárquicos tienen un comportamiento más estable que los no Jerárquicos.
26 Modelo lineal o de Primer Orden.
27 Modelo lineal con interacción.
28 Modelo cuadrático o de segundo orden.
29 Modelo cúbico o de tercer orden.
30 Modelo cúbico o de tercer orden.
31 Pasos en la MSR. 1. Definir los objetivos de la optimización. Plantear adecuadamente el problema a resolver y seleccionar la respuesta a evaluar. 2. Seleccionar los factores que resultan significativos. 3. Establecer la región de operatibilidad. Considerar las posibilidades instrumentales y la información sobre el sistema. 4. Seleccionar un entorno experimental. Definir la región del espacio de los factores en donde vamos a planear los experimentos.
32 Pasos en la MSR. 5. Construir un diseño experimental de optimización. Recabar datos experimentales. 6. Elaborar un modelo matemático. Graficar la Superficie de respuesta y evaluar resultados. Repetir los pasos 4, 5 y 6 si fuera necesario. 7. Localizar el óptimo buscado para la respuesta. Utilizar herramientas gráficas y/o matemáticas. 8. Verificar el valor de la respuesta utilizando los niveles óptimos de los factores.
33 Región de operabilidad y entorno experimental. Región de operabilidad. Condiciones en donde el proceso o equipo puede ser operado.
34 Región de operabilidad y entorno experimental. Entorno experimental. Limitado por los niveles seleccionados para los factores.
35 Región de operabilidad y entorno experimental. Región de Operabilidad. Entorno experimental. Si sabemos poco del sistema, el punto óptimo puede encontrarse fuera del entorno experimental inicial. El entorno experimental debe moverse hacia la localización del óptimo.
36 Planificación de los experimentos.
37 La MSR se considera una técnica secuencial.
38 Las curvas de nivel en la superficie La superficie que corresponde a este modelo Las curvas de nivel son particularmente útiles porque permiten crear, varios escenarios en donde la respuesta del proceso sea cercana al óptimo. Por ejemplo, si el investigador decide que un índice de absorción de agua es adecuado en 7.0, entonces en cualquier punto de la segunda elipse concéntrica en las curvas de nivel se tendrán soluciones adecuadas para este proceso. En términos prácticos esto quiere decir que se podrá ajustar el proceso a diferentes temperaturas y tiempos, tal decisión dependerá de los intereses del investigador.
39
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 detallesOPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.
OPTIMIZACIÓN EXPERIMENTAL Ing. José Luis Zamorano E. Introducción n a la metodología de superficies de respuesta EXPERIMENTACIÓN: Significa variar deliberadamente las condiciones habituales de trabajo
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 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 detallesPrograma de Asignatura
Asignatura: DISEÑO DE EXPERIMENTOS Clave: 7987 Semestre: V Tipo: Obligatoria H. Teoría: 3 H Práctica: 1 HSM: 4 Créditos: 7 Requisitos Materia : Análisis de datos en Ingeniería Clave : 7980 Objetivo General:
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 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 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 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 detallesEstimar las soluciones para el sistema de ecuaciones de abajo.
Materia: Matemática de 5to Tema: La Circunferencia Marco Teórico En el capítulo de sistemas de resolución de ecuaciones, hemos resuelto un sistema que implica dos líneas o tres planos, mediante el uso
Más detallesProyecto: Control de motor de corriente directa Como parte de este proyecto deben llevarse a cabo las siguientes actividades:
Proyecto: Control de motor de corriente directa Diseño de un convertidor dc-dc. Definir configuración. Calcular parámetros iniciales de los elementos del convertidor a partir de la representación matemática
Más detallesANÁLISIS DE LA VARIANZA MULTIFACTORIALES
Instituto Valenciano de Investigaciones Agrarias Seminario MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN AGRONÓMICA Tema 7 ANÁLISIS DE LA VARIANZA MULTIFACTORIALES Análisis de la Varianza Multifactoriales
Más detallesSe presentan los siguientes casos de la aplicación del uso de la Metodología de Superficie
Capitulo 10. Estudio de casos Se presentan los siguientes casos de la aplicación del uso de la Metodología de Superficie de Respuesta (RMS). 10.1 Caso1. Análisis de la información de Rodrigo Ramos Catharino
Más detallesPlaneación experimental
Planeación experimental Diseño de Experimentos Diseño de Experimentos Ventajas Identifica uno o más factores influyen dentro de la variable de respuesta. Permite establecer la combinación adecuada de tratamientos
Más detallesPensando en Modelos. H. R. Alvarez A., Ph. D.
Pensando en Modelos H. R. Alvarez A., Ph. D. Modelos y la toma de decisiones La idea no es nueva: mapas, diagramas de flujo, gráficas y ecuaciones básicas. http://negocios.maimonides.edu/%c2%a1a-tomar-mejoresdecisiones-gerenciales/
Más detallesDiseños Factoriales. Diseño de experimentos p. 1/25
Diseños Factoriales Diseño de experimentos p. 1/25 Introducción El término experimento factorial o arreglo factorial se refiere a la constitución de los tratamientos que se quieren comparar. Diseño de
Más detallesRegresión polinomial y factores
Capítulo Regresión polinomial y factores.. Regresión polinomial Si una función media tiene un predictor X pueden usarse sus potencias enteras para aproximar E (Y X). El caso más simple es la regresión
Más detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Introducción El proceso de aprendizaje El conocimiento es la clave de la innovación y del beneficio. También, es la clave para la generación de ideas, para
Más detalles1.- DATOS DE LA ASIGNATURA. Ingeniería Forestal. Clave de la asignatura: SATCA: PRESENTACIÓN. Caracterización de la asignatura.
1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Carrera: Clave de la asignatura: Diseños Experimentales Ingeniería Forestal FOQ-1010 SATCA: 1 2 3 2.- PRESENTACIÓN. Caracterización de la asignatura.
Más detallesUNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema:
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL Tema: Correlación múltiple y parcial. Ecuaciones y planos de regresión La Plata, septiembre
Más detallesINDICE. Introducción Capitulo uno. La idea nace un proyecto de investigación Como se originan las investigaciones? 2 Resumen Conceptos básicos
INDICE Introducción Capitulo uno. La idea nace un proyecto de investigación 1 1.1. Como se originan las investigaciones? 2 Resumen 6 Ejemplo 7 Capitulo dos. El planteamiento del problema objetivos, preguntas
Más detallesCarrera: Ingeniería Industrial
1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Estadística Industrial Carrera: Ingeniería Industrial Clave de la Asignatura: 2. PRESENTACIÓN CARACTERISTICAS DE LA ASIGNATURA: La Estadística Industrial
Más detallesModelos Matemáticos II
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES IZTACALA CARRERA BIOLOGÍA PLAN DE ESTUDIOS UNIFICADO Modelos Matemáticos II Objetivo general del módulo: Conocer y aplicar las técnicas
Más detallesDISEÑO DE PROCESOS ROBUSTOS
DISEÑO DE PROCESOS ROBUSTOS DICIEMBRE 24 Índice general. INTRODUCCIÓN................................. Interacción entre variables de control y de ruido.........2. Valor medio y Varianza de una combinación
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 detallesUniversidad Autónoma del Estado de México Licenciatura de Químico en Alimentos Programa de Estudios: Diseño de Experimentos
Universidad Autónoma del Estado de México Licenciatura de Químico en Alimentos 2003 Programa de Estudios: Diseño de Experimentos I. Datos de identificación Licenciatura Químico en Alimentos 2003 Unidad
Más detallesDISEÑO EXPERIMENTAL Y OPTIMIZACIÓN DE SISTEMAS CON MÚLTIPLES RESPUESTAS 3 - METODOLOGÍA DE LA SUPERFICIE DE RESPUESTA (RSM)
DISEÑO EXPERIMENTAL Y OPTIMIZACIÓN DE SISTEMAS CON MÚLTIPLES RESPUESTAS 3 - METODOLOGÍA DE LA SUPERFICIE DE RESPUESTA (RSM) M.S Cámara M.M. De Zan L. Vera Candioti H. Goicoechea 2016 Metodología de la
Más detallesDiseño de experimentos - Experimentos multifactoriales.
Diseño de experimentos - Experimentos multifactoriales http://www.academia.utp.ac.pa/humberto-alvarez/diseno-deexperimentos-y-regresion Introducción Los casos anteriores explicaban los diseños en bloques
Más detallesEstadistica II. Carrera: INB Diseñar e implantar sistemas y procedimientos para la toma de decisiones.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadistica II Ingeniería Industrial INB-9329 4-0-8 2.- UBICACIÓN DE LA ASIGNATURA
Más detallesDiseño de Experimentos Optimización de Múltiples Respuestas
Diseño de Experimentos Optimización de Múltiples Respuestas Resumen La selección de Optimización de Múltiples Respuestas sobre el menú DDE permite al experimentador determinar las configuraciones de los
Más detallesESTAD2 - Estadística II
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2013 801 - EUNCET - Centro Universitario Euncet Business School 801 - EUNCET - Centro Universitario Euncet Business School GRADO
Más detallesPROGRAMA EDUCATIVO DE INGENIERÍA EN TECNOLOGÍA AMBIENTAL
PROGRAMA EDUCATIVO DE HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Diseño de experimentos 2. Competencias Desarrollar soluciones de prevención, control, mitigación y
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 detallesDISEÑO ROBUSTO Y MODELOS DE REGRESIÓN LOGÍSTICA EN LA MEJORA DE CALIDAD DE SUELA DE POLIURETANO
DISEÑO ROBUSTO Y MODELOS DE REGRESIÓN LOGÍSTICA EN LA MEJORA DE CALIDAD DE SUELA DE POLIURETANO Armando Mares-Castro ab, Jorge Domínguez-Domínguez c a Universidad Tecnológica de León, León, Gto., amares@utleon.edu.mx
Más detallesINGENIERÍA EN MANTENIMIENTO INDUSTRIAL
HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estadística Industrial 2. Competencias Diseñar estrategias de mantenimiento mediante el análisis de factores humanos, tecnológicos,
Más detallesINGENIERÍA EN GESTIÓN DE PROYECTOS EN COMPETENCIAS PROFESIONALES ASIGNATURA DE MATEMÁTICAS APLICADAS
INGENIERÍA EN GESTIÓN DE PROYECTOS EN COMPETENCIAS PROFESIONALES ASIGNATURA DE MATEMÁTICAS APLICADAS UNIDADES DE APRENDIZAJE 1. Competencias Dirigir los procesos de consultoría financiera y de mercadotecnia,
Más detalles5. DISEÑO FACTORIALES 2 k
5. DISEÑO FACTORIALES 2 k Los diseños factoriales son ampliamente utilizados en experimentos en los que intervienen varios factores para estudiar el efecto conjunto de éstos sobre una respuesta. Un caso
Más detallesPROGRAMA DE ASIGNATURA
PROGRAMA DE ASIGNATURA I.- DATOS GENERALES Nombre de la Carrera o Programa: Ingeniería Industrial Nombre de la Asignatura: Métodos estadísticos Departamento y/o cátedra: Apoyo a la toma de decisiones Régimen:
Más detallesCarrera: Ingeniería Civil CIM 0531
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA
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 detalles4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC:
4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC: A continuación se muestran los objetivos así como los mapas funcionales según la línea de acentuación y la línea
Más detallesGuía Docente: ESTADÍSTICA APLICADA
ESTADÍSTICA APLICADA FACULTAD DE CIENCIAS QUÍMICAS UNIVERSIDAD COMPLUTENSE DE MADRID CURSO 2017-2018 I.- IDENTIFICACIÓN NOMBRE DE LA ASIGNATURA: NÚMERO DE CRÉDITOS: 6 CARÁCTER: Obligatoria MATERIA: Estadística
Más detallesPLANIFICACIÓN ANUAL NM3 TERCERO MEDIO
PLANIFICACIÓN ANUAL NM3 TERCERO MEDIO TERCER AÑO FORMACIÓN GENERAL OBJETIVOS FUNDAMENTALES CONTENIDOS MINIMOS SUGERENCIAS DE ACTIVIDADES. Los alumnos y las alumnas desarrollarán la capacidad de : Resolver
Más detallesEstadística III. Carrera: FOR Participantes Representante de las academias de Ingeniería Forestal de Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística III Ingeniería Forestal FOR - 0619 2 1 5 2. HISTORIA DEL PROGRAMA Lugar
Más detallesCLAVE - LAB 12 - Regresión Múltiple y Selección de Variables
Revisado_May_2018_LW B CLAVE - LAB 12 - Regresión Múltiple y Selección de Variables Para estudiar la relación entre ciertas características del suelo y la producción de biomasa (g) de una planta forrajera
Más detallesGuía Docente: ESTADÍSTICA APLICADA
ESTADÍSTICA APLICADA FACULTAD DE CIENCIAS QUÍMICAS UNIVERSIDAD COMPLUTENSE DE MADRID CURSO 2018-2019 I.- IDENTIFICACIÓN NOMBRE DE LA ASIGNATURA: NÚMERO DE CRÉDITOS: 6 CARÁCTER: Obligatoria MATERIA: Estadística
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesESQUEMA GENERAL DISEÑO CUASI-EXPERIMENTAL
TEMA V ESQUEMA GENERAL Definición y clasificación del diseño cuasi-experimental Estructuras básicas: Diseño pre-experimental Diseño de grupo control no equivalente: Definición Diseño de grupo control no
Más detalles=COEF.DE.CORREL(Y;X) Comprueba que te vuelve a resultar 0,82...
Práctica 5.2 Construcción de un modelo para el estudio de la Regresión Para estudiar la regresión entre dos variables estadísticas deberás construir un modelo adecuado con Hoja de Cálculo. Puede ser similar
Más detalles3. RELACION ENTRE DOS CONJUNTOS DE DATOS.
3. RELACION ENTRE DOS CONJUNTOS DE DATOS. 3. 1 Introducción En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre variables. Para lo cual existen
Más detallesDISEÑO EXPERIMENTAL Y OPTIMIZACIÓN DE SISTEMAS CON MÚLTIPLES RESPUESTAS
DISEÑO EXPERIMENTAL Y OPTIMIZACIÓN DE SISTEMAS CON MÚLTIPLES RESPUESTAS Parte 3: Metodología de la superficie de respuesta (RSM) Héctor Goicoechea E-mail: hgoico@fbcb.unl.edu.ar http://www.fbcb.unl.edu.ar/laboratorios/ladaq/
Más detalles1. Metodología de respuesta
1. Metodología de respuesta En las secciones anteriores se ha estudiado el comportamiento de la variable respuesta cuando se ve afectada por diferentes factores, sin embargo no se ha tocado el tema a cerca
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 detallesEstadística. Carrera: IFM Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística Licenciatura en Informática IFM - 0411 3-2-8 2.- HISTORIA DEL PROGRAMA
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 detallesCarrera: Se organiza el temario, agrupando los contenidos conceptuales de la asignatura en cuatro unidades.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: ESTADISTICA INFERENCIAL II Ingeniería Industrial Clave de la asignatura: (Créditos) SATCA 1 3-2-5 2.- PRESENTACIÓN Caracterización de la asignatura.
Más detallesDiferentes tamaños de u.e. Diseño de experimentos p. 1/24
Diferentes tamaños de u.e. Diseño de experimentos p. 1/24 Introducción Los diseños experimentales que tienen varios tamaños de u.e. son: diseños de mediciones repetidas, diseños de parcelas divididas,
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 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 detallesCarrera: Integrantes de la Academia de Ingeniería Industrial: M.C. Ramón García González. Integrantes de la
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Ingeniería de calidad Licenciatura en Ingeniería Industrial Clave de la asignatura: Horas teoría horas práctica - créditos 4-0 - 8 2.- HISTORIA
Más detallesModelos y Toma de Decisiones
Modelos y Toma de Decisiones Toma de decisiones Keeney (2004) define decisiones como situaciones donde se reconce que hay que hacer una selección a conciencia de un curso de acción. Es la emisión de un
Más detallesSobre el capitulo 5, se puede encontrar los tratamientos estadísticos más completos en los
Capitulo 5. Superficies de Respuesta Sobre el capitulo 5, se puede encontrar los tratamientos estadísticos más completos en los libros de Cornell (1990), Myers y Montgomery (1995) y en artículos de G.E.P.
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar
Más detallesc. (4 puntos) Identifique el factor A (aplicado a nivel de parcela completa) e indique el número de niveles de este factor:
1 AGRO 6600 Examen Final Nombre: 2015 Instrucciones: Apague celulares. Se descontarán 10 puntos si su celular suena durante el examen. Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden
Más detalles9. DISEÑOS 2 K CON PUNTOS AL CENTRO 9.1 INTRODUCCION
9. DISEÑOS 2 K CON PUNTOS AL CENTRO 9.1 INTRODUCCION Un motivo de preocupación potencial en el uso de diseños factoriales de dos niveles es la suposición de linealidad en los efectos de los factores, dado
Más detallesUNIVERSIDAD AUTÓNOMA DE SAN LUIS POTOSÍ FACULTAD DE CIENCIAS QUÍMICAS POSGRADO EN CIENCIAS EN INGENIERÍA QUÍMICA
UNIVERSIDAD AUTÓNOMA DE SAN LUIS POTOSÍ FACULTAD DE CIENCIAS QUÍMICAS POSGRADO EN CIENCIAS EN INGENIERÍA QUÍMICA I. DATOS GENERALES. 1. Nombre de la materia: DISEÑO Y ANALISIS DE EXPERIMENTOS 2. TIPO:
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 detallesINDICE Semblanzas de los autores Prologo Introducción Capitulo 1: el proceso de la investigación y los enfoques
INDICE Semblanzas de los autores Prologo Introducción Capitulo 1: el proceso de la investigación y los enfoques cuantitativo y cualitativo hacia un modelo integral 3 Qué enfoques se han presentado par
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 detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
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 detallesGENETICA CUANTITATIVA
GENETICA CUANTITATIVA Teórico Práctico 1 2011 GENETICA CUANTITATIVA. HEREDABILIDAD. AVANCE GENETICO Y RESPUESTA A LA SELECCIÓN EN MATERIALES EXPERIMENTALES Importancia El conocimiento de los procedimientos
Más detallesEjemplo 4.1. Análisis gráfico y forma funcional en Gretl. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)
Ejemplo 4.1 Análisis gráfico y forma funcional en Gretl Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejemplo 4.1 Análisis gráfico
Más detallesUniversidad Autónoma del Estado de México Licenciatura de Químico Farmacéutico Biólogo Programa de Estudios: Diseño de Experimentos
Universidad Autónoma del Estado de México Licenciatura de Químico Farmacéutico Biólogo 2006 Programa de Estudios: Diseño de Experimentos I. Datos de identificación Licenciatura Químico Farmacéutico Biólogo
Más detallesINGENIERÍA MECATRÓNICA EN COMPETENCIAS PROFESIONALES
INGENIERÍA MECATRÓNICA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA PROPÓSITO DE APRENDIZAJE DE LA ASIGNATURA CUATRIMESTRE El alumno resolverá problemas estadísticos mediante
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
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 detallesCarrera: Doctorado en Ingeniería. Facultad de Ciencias Agropecuarias, Ciencias de la Alimentación e Ingeniería. Características del curso
Doctorado en Ingeniería Carrera: Doctorado en Ingeniería Facultad de Ciencias Agropecuarias, e Ingeniería Mención: Común a las tres menciones Curso de Posgrado: Estadística y Diseño de Experimentos Carga
Más detallesCarrera: Caracterización de la asignatura
Diseño de Experimentos 1. Datos generales de la asignatura Nombre de la asignatura: Clave de la asignatura: Créditos (Ht-Hp_ créditos): Carrera: DISEÑO DE EXPERIMENTOS CMM-1301 2 4 6 INGENIERIA INDUSTRIAL
Más detallesCarrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesLa asignatura proporciona al alumno los conceptos básicos de estadística. Se organiza el temario en cinco unidades.
1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Carrera: Clave de la asignatura: Muestreo y Regresión. Ingeniería Forestal. FOC-1027 SATCA: 2 2 4 2.- PRESENTACIÓN. Caracterización de la asignatura.
Más detallesMétodos de Diseño y Análisis de Experimentos
1 / 16 Métodos de Diseño y Análisis de Experimentos Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM mayo 2018 Ejemplo Modelos Mixtos 2 / 16 3 / 16 Ejemplo 1 (2 factores
Más detallesUNIVERSIDAD PILOTO DE COLOMBIA PLAN ANALÍTICO DEL PROGRAMA AREA COMÚN DE MATEMÁTICAS PROGRAMA DE ESTADISTICA INFERENICAL ADMINISTRACION
UNIVERSIDAD PILOTO DE COLOMBIA PLAN ANALÍTICO DEL PROGRAMA AREA COMÚN DE MATEMÁTICAS PROGRAMA DE ESTADISTICA INFERENICAL ADMINISTRACION 1. PRESENTACIÓN DE LA ASIGNATURA O CURSO ACADÉMICO Nombre del curso
Más detallesMÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO
MÉTODOS ESTADÍSTICOS 4º Biológicas Septiembre 2009 PRIMER EJERCICIO Resultados obtenidos por los hombres ganadores de las medallas de oro en salto de longitud y salto de altura en las olimpiadas desde
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 detallesPLANIFICACIÓN ANUAL NM2 SEGUNDO MEDIO
PLANIFICACIÓN ANUAL NM2 SEGUNDO MEDIO OBJETIVOS FUNDAMENTALES CONTENIDO MÍNIMOS SUGERENCIAS DE ACTIVIDADES Los alumnos y las alumnas desarrollarán la capacidad de : 1- (O.C). Conocer y utilizar conceptos
Más detallesDiscusión Sobre Taguchi: Taguchi Sí o No Por Sergio Arratia. Variable de entrada. Arreglo variables de ruido. Arreglo producto
Discusión Sobre Taguchi: Taguchi Sí o o Por Sergio Arratia Introducción La contribución de Taguchi a los métodos de mejora de la calidad es sin duda excepcional. Sin embargo, existe cierta crítica de sus
Más detallesIntroducción. Contenido ESTIMACIÓN DE FUNCIONES DE PRODUCCIÓN Y COSTOS
6 ESTIMACIÓN DE FUNCIONES DE PRODUCCIÓN Y COSTOS Dr. Jorge Ibarra Salazar Departamento de Economía Tecnológico de Monterrey Introducción Temas previos Producción y Costos Aplicación de técnicas estadísticas
Más detallesDEPARTAMENTO DE MATEMÁTICAS Página 1
DEPARTAMENTO DE MATEMÁTICAS Página 1 APROBADO EN EL CONSEJO DE LA FACULTAD DE CIENCIAS EXACTAS ACTA 13 DEL 21 ABRIL 2010 DEL PROGRAMAS DEL DEPARTAMENTO DE MATEMÁTICAS El presente formato tiene la finalidad
Más detallesCarrera: Ingeniero Químico Asignatura: Área del Conocimiento:
Carrera: Ingeniero Químico Asignatura: Métodos Estadísticos de Control de Calidad Área del Conocimiento: Acentuación Calidad y Administración. Generales de la Asignatura: Nombre de la Asignatura: Clave
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 detallesASIGNATURA: DISEÑO DE EXPERIENCIAS
Página 1 de 6 CARACTERÍSTICAS GENERALES * Tipo: DESCRIPCIÓN Formación básica, Obligatoria, Optativa Trabajo de fin de grado, Prácticas externas Duración: Cuatrimestral Semestre / s: 1 Número de créditos
Más detallesDiseño de Redes IP (II) Metodologías
Diseño de Redes IP (II) Metodologías Emilio Hernández Carlos Figueira Metodologías de diseño de Redes Vamos a ver dos: Propuesta de James McCabe ( Practical Computer Network Analysis and Design ) Propuesta
Más detalles