Diseño D-óptimo promediado por una distribución apriori : metodología para incrementar el número de puntos experimentales

Resumen: La finalidad de los diseños óptimos es determinar las condiciones experimentales adecuadas con el fin de garantizar inferencias estadísticas lo más precisas posibles en términos de mínima varianza. Esta teoría supone que se conoce de antemano la relación entre las variables explicativas y l...

Full description

Autores:: Téllez Piñerez, Cristian Fernando

Tipo de recurso:

Fecha de publicación:: 2013

Institución:: Universidad Nacional de Colombia

Repositorio:: Universidad Nacional de Colombia

Idioma:: spa

Description
Summary:	Resumen: La finalidad de los diseños óptimos es determinar las condiciones experimentales adecuadas con el fin de garantizar inferencias estadísticas lo más precisas posibles en términos de mínima varianza. Esta teoría supone que se conoce de antemano la relación entre las variables explicativas y la variable respuesta. Uno de los criterios de uso más frecuente para la obtención de diseños óptimos es el D-optimalidad, el cual proporciona los puntos experimentales donde se minimiza el volumen del elipsoide de confianza asociado al vector de parámetros en el modelo propuesto. A diferencia del diseño D-óptimo clásico, el diseño D-óptimo promediado por una distribución apriori no necesariamente tiene tantos puntos de soporte como parámetros tiene el modelo, esto depende de que tan dispersa sea la distribución apriori que se tenga. En este trabajo se considera el caso en donde el diseño D-óptimo promediado por una apriori particular tiene tantos puntos de soporte como parámetros tiene el modelo. Esta situación puede no ser tan favorable cuando el modelo a trabajar no se tiene especificado con total certeza dado que no sería posible realizar pruebas de falta de ajuste para el modelo. Por ende, la idea del trabajo es proponer una metodología que permita aumentar el número de puntos de soporte del diseño con el fin que, con el diseño resultante, se pueda aplicar la prueba de bondad de ajuste. Se daría una expresión para la varianza de la respuesta predicha, a partir de la cual se determinarían los puntos a adicionar al diseño de tal forma que se maximice la potencia de la prueba de falta de ajuste del modelo. Los diseño obtenidos mediante la metodología son seudo-óptimo con m-puntos (m p) de soporte, donde p es el número de parámetros del modelo. Finalmente al ejemplificar esta metodología, se obtuvo que los diseños resultantes en todos los escenarios que fueron probados arrojaron potencias altas y eficiencias superiores a otros diseños con los cuales fueron comparados.

Diseño D-óptimo promediado por una distribución apriori : metodología para incrementar el número de puntos experimentales

Publicaciones similares