Diseños experimentales secuenciales para modelos logísticos de regresión
Cuando los supuestos habituales de normalidad y varianza constante no se cumplen (e.g. en procesos de Bernoulli o binomiales), el problema de la elección de diseños adecuados ocasiona cierta dificultad a los experimentadores, especialmente cuando lo que se persigue es una exploración secuencial del...
- Autores:
-
De Zan, Arturo T.
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2008
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/40706
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/40706
http://bdigital.unal.edu.co/30803/
- Palabra clave:
- diseño factorial
metodología de superficie de respuesta
diseño de experimentos secuenciales
modelo lineal generalizado
regresión logística
matriz de información de Fisher
Factorial Design
Response Surface Design
Sequential Design of Experiments
Generalized Linear Model
Logistic Regression
Fisher Information Matrix
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| Summary: | Cuando los supuestos habituales de normalidad y varianza constante no se cumplen (e.g. en procesos de Bernoulli o binomiales), el problema de la elección de diseños adecuados ocasiona cierta dificultad a los experimentadores, especialmente cuando lo que se persigue es una exploración secuencial del proceso. Este artículo está basado en De Zan (2006), en donde se proponen dos criterios para evaluar estrategias de diseño. Una de ellas toma en cuenta la cantidad de información contenida en el modelo ajustado, mientras que la otra explora la información contenida en las mejores condiciones de experimentación encontradas en el modelo ajustado. Se desarrolla un ejemplo simulado con el paquete R acerca de cómo funcionan estas estrategias. |
|---|