Elección de la función de deseabilidad para diseños óptimos bajo restricciones

Elección de la función de deseabilidad para diseños óptimos bajo restricciones

Contenido principal del artículo

Svetlana Ivanovna Rudnykh
Víctor Ignacio López-Ríos

Resumen

El 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.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Biografía del autor/a (VER)

Svetlana Ivanovna Rudnykh, Universidad del Atlántico

Física, Universidad Estatal de Moscú (Rusia), Ms. en Física, Universidad Industrial de Santander, Especialista en Estadística, Universidad Nacional de Colombia sede Bogotá, Ms. En Estadística Aplicada, Universidad del Norte, Ph.D. (C) en Estadística, Universidad Nacional de Colombia sede Medellín, Docente Facultad Ciencias Básicas Universidad del Atlántico. 

 

Víctor Ignacio López-Ríos, Universidad Nacional de Colombia sede Medellín

Matemático, Universidad de Antioquia, Ms. en Estadística, Universidad Nacional de Colombia sede Medellín, Ph.D en Ciencias con Orientación en Probabilidad y Estadística del Centro de Investigación en Matemáticas, CIMAT, México, , Profesor Asociado Escuela de Estadística, Universidad Nacional de Colombia sede Medellín. 

Referencias (VER)

Atkinson, A.C.; Donev, A.N.; Tobias, R.D. (2007). Optimum Experimental Designs, with SAS. Oxford University Press, Oxford, pp.119-328.

Bates, D. M.; Watts, D. C. (1988). Nonlinear Regression Analysis and Its Applications. Wiley, New York, pp.33-62,269.

Derringer, G. C. (1994). A Balancing Act-Optimizing Products Property. Quality Progress, 27(6), pp.51-58.

Derringer, G.; Suich, R. (1980). Simultaneous Optimization of Several Response Variables. Journal of Quality Technology, 12, pp.214-219.

Gibb, 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.

Harrington, E. (1965). The desirability function. Industrial Quality Control, 21(10), pp.494-498.

Nelder, J. A.; Mead, R. (1965). A simplex method for function minimization. The computer Journal, 7(4), pp.308-313.

Parker, 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.

Parker, S.; Gennings, C. (2008). Penalized Locally Optimal Experimental Designs for Nonlinear Models. Journal of Agricultural, Biological and Environmental Statistics, 13(3), pp.334-354.

R Core Team. (2014). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria, 2012.