Show simple item record

dc.contributorLópez Ríos, Víctor Ignacio (Thesis advisor)
dc.creatorGaviria Bedoya, Jaime Andrés
dc.date.accessioned2019-06-25T00:33:16Z
dc.date.available2019-06-25T00:33:16Z
dc.date.created2013
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/11902
dc.descriptionResumen: Los diseños de experimentos óptimos son una herramienta que le permite al investigador saber en qué niveles del factor debe experimentar para obtener una estimación óptima de los parámetros del modelo en estudio bajo determinado criterio estadístico. Uno de los criterios de optimalidad más conocidos es el criterio de D-optimalidad que consiste en encontrar el diseño que minimice la varianza generalizada del vector de parámetros. Ahora, el diseño depende de un modelo de regresión que tiene entre otros supuestos que la componente del error tiene varianza constante. Sin embargo, en la práctica se encuentran casos en los que no necesariamente se cumple dicho supuesto. Para resolver este problema existen dos metodologías: una es aplicar algún tipo de transformación sobre el modelo para volver homogénea la varianza y encontrar el diseño para el modelo transformado. La segunda consiste en incorporar la función que modela la varianza del error en el modelo y encontrar el diseño D-óptimo. En este trabajo se encontrarán diseños D-óptimos mediante las dos metodologías, se compararán los diseños mediante el cálculo de las D-eficiencias y se simularán observaciones en el modelo con el fin de comparar los errores relativos y los errores cuadráticos medios mediante ambas metodologías
dc.descriptionAbstract: The optimal design of experiments is a tool that allows the researcher to know which factor levels should experiment to obtain a best estimate of the parameters of the model under certain statistical criteria. One of the best-known criteria is D-optimality, which involves finding the design that minimizes the generalized variance of the parameter vector. Now, the design depends on a regression model, which has among other assumptions that the error component has constant variance. However, in practice there are cases where this assumption is not satisfied necessarily. To solve this problem there are two methods: one is to apply some transformation on the model to get back the variance homogeneous and find the design for the transformed model. The second consists of incorporating a function that models error variance in the model and find the D-optimal design. In this thesis, we will find D-optimal designs using the two methodologies, designs will be compared by calculating the D efficiencies and simulate the model with observations in order to compare the relative errors and mean square errors by both methodologies
dc.formatapplication/pdf
dc.relation.ispartofUniversidad Nacional de Colombia Sede Medellín Facultad de Ciencias Escuela de Estadística
dc.relation.ispartofEscuela de Estadística
dc.subjectDiseños óptimos
dc.subjectModelos heterocedásticos
dc.subjectMatriz de información
dc.subjectCriterio D-optimalidad
dc.subjectOptimal designs
dc.subjectHeteroscedatic models
dc.subjectInformation matrix
dc.subjectD-optimality criteria
dc.subject.ddc51 Matemáticas / Mathematics
dc.titleComparación de dos metodologías en la construcción de diseños óptimos para modelos heterocedásticos
dc.typeinfo:eu-repo/semantics/masterThesis
dc.type.spaTesis/trabajos de grado - Thesis
dc.type.hasversioninfo:eu-repo/semantics/submittedVersion
dc.coverage.modalityMaestría
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess
dc.identifier.bibliographicCitationGaviria Bedoya, Jaime Andrés (2013) Comparación de dos metodologías en la construcción de diseños óptimos para modelos heterocedásticos. Maestría thesis, Universidad Nacional de Colombia, Medellín.
dc.identifier.eprintshttp://bdigital.unal.edu.co/9486/


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record