dc.creatorRudnykh, Svetlana Ivanovna
dc.creatorLópez-Ríos, Víctor Ignacio
dc.date.accessioned2018-11-26 00:00:00
dc.date.accessioned2022-06-17T20:19:05Z
dc.date.accessioned2022-09-29T14:49:29Z
dc.date.available2018-11-26 00:00:00
dc.date.available2022-06-17T20:19:05Z
dc.date.available2022-09-29T14:49:29Z
dc.date.created2018-11-26 00:00:00
dc.date.created2022-06-17T20:19:05Z
dc.date.issued2018-11-26
dc.identifier1794-1237
dc.identifierhttps://repository.eia.edu.co/handle/11190/4967
dc.identifier10.24050/reia.v15i30.903
dc.identifier2463-0950
dc.identifierhttps://doi.org/10.24050/reia.v15i30.903
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/3776957
dc.description.abstractEl diseño experimental es una etapa clave de cualquier estudio, ya que influye directamente en la calidad de las inferencias que se pueden hacer a partir de los datos. Los diseños experimentales inadecuados pueden causar problemas en la estimación de los parámetros del modelo y/o entrar en conflicto con la práctica común de laboratorio u otras directrices establecidas. En este artículo se considera el problema de la construcción de diseños óptimos aumentados bajo restricciones para superar estas dificultades. La técnica propuesta por Parker (2005) sugiere generar diseños experimentales que cumplen con ser óptimos de acuerdo con los criterios de diseño tradicional y prácticos de acuerdo con los criterios impuestos por un investigador a través del uso de las funciones de deseabilidad. En este artículo se presentan las pautas generales para la elección adecuada de las funciones de deseabilidad que intervienen en la obtención de los diseños óptimos penalizados con características deseables. Además, se ilustra la metodología propuesta con el modelo de Michaelis-Menten y se comparan  los diseños obtenidos a partir de diferentes funciones de deseabilidad.
dc.description.abstractEl diseño experimental es una etapa clave de cualquier estudio, ya que influye directamente en la calidad de las inferencias que se pueden hacer a partir de los datos. Los diseños experimentales inadecuados pueden causar problemas en la estimación de los parámetros del modelo y/o entrar en conflicto con la práctica común de laboratorio u otras directrices establecidas. En este artículo se considera el problema de la construcción de diseños óptimos aumentados bajo restricciones para superar estas dificultades. La técnica propuesta por Parker (2005) sugiere generar diseños experimentales que cumplen con ser óptimos de acuerdo con los criterios de diseño tradicional y prácticos de acuerdo con los criterios impuestos por un investigador a través del uso de las funciones de deseabilidad. En este artículo se presentan las pautas generales para la elección adecuada de las funciones de deseabilidad que intervienen en la obtención de los diseños óptimos penalizados con características deseables. Además, se ilustra la metodología propuesta con el modelo de Michaelis-Menten y se comparan  los diseños obtenidos a partir de diferentes funciones de deseabilidad.
dc.languagespa
dc.publisherFondo Editorial EIA - Universidad EIA
dc.relationAtkinson, A.C.; Donev, A.N.; Tobias, R.D. (2007). Optimum Experimental Designs, with SAS. Oxford University Press, Oxford, pp.119-328.
dc.relationBates, D. M.; Watts, D. C. (1988). Nonlinear Regression Analysis and Its Applications. Wiley, New York, pp.33-62,269.
dc.relationDerringer, G. C. (1994). A Balancing Act-Optimizing Products Property. Quality Progress, 27(6), pp.51-58.
dc.relationDerringer, G.; Suich, R. (1980). Simultaneous Optimization of Several Response Variables. Journal of Quality Technology, 12, pp.214-219.
dc.relationGibb, R. D. (1998). Optimal Treatment Combination Estimation for Univariate and Multivariate Response Surface Applications. PhD thesis, Richmond, Virginia, Virginia Commonwealth University, Department of Biostatistics, 289 pp.
dc.relationHarrington, E. (1965). The desirability function. Industrial Quality Control, 21(10), pp.494-498.
dc.relationNelder, J. A.; Mead, R. (1965). A simplex method for function minimization. The computer Journal, 7(4), pp.308-313.
dc.relationParker, S. M. (2005). Solutions to Reduce Problems Associated with Experimental Designs for Nonlinear Models: Conditional Analysis and Penalized Optimal Designs. PhD thesis, Richmond, Virginia, Virginia Commonwealth University, Department of Biostatistics, 130 pp.
dc.relationParker, S.; Gennings, C. (2008). Penalized Locally Optimal Experimental Designs for Nonlinear Models. Journal of Agricultural, Biological and Environmental Statistics, 13(3), pp.334-354.
dc.relationR Core Team. (2014). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria, 2012.
dc.relationhttps://revistas.eia.edu.co/index.php/reveia/article/download/903/1183
dc.relationNúm. 30 , Año 2018
dc.relation24
dc.relation30
dc.relation13
dc.relation15
dc.relationRevista EIA
dc.rightshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.rightsRevista EIA - 2018
dc.sourcehttps://revistas.eia.edu.co/index.php/reveia/article/view/903
dc.subjectDiseños óptimos
dc.subjectFunciones de deseabilidad
dc.subjectDiseños óptimos restringidos
dc.titleElección de la función de deseabilidad para diseños óptimos bajo restricciones
dc.typeArtículo de revista
dc.typeJournal article


Este ítem pertenece a la siguiente institución