Optimización de curvas de crecimiento a través de análisis univariado

• SARA CRISTINA GUERRERO ^[1] ; ÓSCAR ORLANDO MELO ^[2]
  1. [1] Universidad Pedagógica y Tecnológica de Colombia

     Universidad Pedagógica y Tecnológica de Colombia

     Colombia

     
  2. [2] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
• Localización: Revista Colombiana de Estadística, ISSN-e 2389-8976, ISSN 0120-1751, Vol. 31, Nº. 2, 2008, págs. 193-209
• Idioma: español
• Títulos paralelos:
  • Optimization Process of Growth Curves Through Univariate Analysis
• Enlaces
  • Texto completo
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    En este artículo se propone una metodología de modelamiento conjunto de tratamientos con niveles cuantitativos medidos en el tiempo, a través de la combinación de las metodologías de superficie de respuesta y curvas de crecimiento. Se realiza la estimación de los parámetros del modelo propuesto, los cuales miden el efecto de los factores asociados al modelo de superficie de respuesta de segundo orden a lo largo del tiempo. Se plantea y juzga las diferentes hipótesis de interés y, finalmente, con el modelo ajustado se encuentran las condiciones de optimización de un conjunto de tratamientos a través del tiempo. Por último, se presenta una aplicación, analizada mediante curvas de crecimiento por .

  • English

    A methodology is suggested to jointly model treatments with quantitative levels measured in time, by combining the response surface and the growth curve techniques. The models parameters are estimated; these measure the effect through time of the factors related to the second order response surface model. The hypothesis of interest are formulated and tested. Additionally, by means of the fitted model, the optimality conditions throughout time are established for a set of specific treatments. As a final step, an application previously analyzed with growth curves by is now assessed with the proposed model.

• Referencias bibliográficas
  • Box, G. E. P.,Draper, N. R.. (1982). `Measures of Lack of Fit for Response Surface Designs and Predictor Variable Transformations´. Tecnometrics....
  • Box, G. E. P.,Jones, S.. (1992). `Split Plot Designs for Robust Product Experimentation´. Journal Applied Statistics. 19. 3-26
  • Box, G. E. P.,Jones, S.. (2001). `Split Plot Designs for Robust Process Experimentation´. Quality Engineering. 13. 124-127
  • Box, G. E. P.,Wilson, K. B.. (1951). `On the Experimental Attainment of the Optimum Conditions´. Journal Royal of the Statistical Society....
  • Davidian, M.. (2005). Applied Longitudinal Data Analysis. Chapman and Hall. North Carolina.
  • Davis, C.. (2002). Statistical Methods for the Analysis of Repeated Measurements. Springer. New York.
  • Draper, N.,Ying, L. H.. (1994). `A Note on Slope Rotatability Over all Directions´. Journal of Statistical Planning and Inference. 41....
  • Frey, K. S.,Potter, G. D.,Odom, T. W.,Senor, M. A.,Reagan, V. D.,Weir, V. H.,Elsslander, R. V. T.,Webb, M. S.,Morris, E. L.,Smith, W. B.,Weigand,...
  • Grizzle, J. E.,Allen, D. M.. (1969). `Analysis of Growth an Dose Response Curves´. Biometrics. 25. 357-381
  • Guerrero, S. C.. (2006). Optimizacion de un proceso a tráves de superficies de respuesta en curvas de crecimiento.
  • Hill, W. J.,Hunter, W. G.. (1966). `A Review of Response Surface Methodology: A Literature Review´. Technometrics. 8. 571-590
  • Hinkelman, K.,Kempthorne, O.. (1994). Design and Analysis of Experiments. Vol I. Introduction to Experimental Design. John Wiley & Sons....
  • Khatri, C. A.. (1966). `A Note on a Manova Model Applied to Problems in Growth Curves´. Ann. Inst. Stat. Math. 18. 75-86
  • Khatri, C. A.. (1973). `Testing Some Covariance Structures Under Growth Curve Model´. Journal Multivariate Analysis. 3. 102-116
  • Laird, N.,Ware, J.. (1982). `Random-Effects Models for Longitudinal Data´. Biometrics. 38. 963-974
  • Lee, J. C.. (1991). `Growth Curve Models and Technological Forecasting´. Statiscal Theory and Data Analysis. 369-379
  • Lucas, J. M.. (1976). `Which Response Surfaces Is Best?´. Technometrics. 18. 411-417
  • Magnus, J. R.. (1994). Matrix Differential Calculus with Applications in Statistics and Econometrics. John Wiley & Sons. New York.
  • Mead, R.,Pike, D. J.. (1975). `A Review of Responses Surface Methodology from a Biometric Viewpoint´. Biometrics. 31. 830-851
  • Montgomery, D. C.. (2003). Diseño y análisis de experimentos. Grupo Editorial Limusa, S. A..
  • Myers, R. H.,Montgomery, D. C.. (1995). Response Surface Methodology: Process and Product Optimization Using Designed Experiments. John Wiley...
  • Peña, D.. (2002). Análisis de datos multivariantes. McGraw-Hill.
  • Potthoff, R.,Roy, S. N.. (1964). `A Generalized Multivariate Analysis of Variance Models Useful Spetially for Growth Curves Problems´....
  • Rao, C. R.. (1959). `Some Problems Involving Linear Hypothesis in Multivariate Analysis´. Biometrika. 46. 49-58
  • Rao, C. R.. (1965). Linear Statistical Inference and Its Applications. John Wiley & Sons. New York.
  • Rao, C. R.. (1966). `´. in Proceedings of an International Symposium on Multivariate Analysis.
  • Reinsel, G.. (1982). `Multivariate Repeated Measurements for Growth Curve Models with Multivariate Random Effects Covariance Structure´....
  • Reinsel, G.. (1984). `Estimation and Prediction in a Multivariate Random Effects Generalized Linear Model´. Journal of the American Statistical...
  • Rivera, J. C.,Ortiz, A. F.,Melo, O. O.. (2006). Un enfoque multivariado de curvas de crecimiento y superficies de respuesta.
  • Singer, J.,Andrade, D.. (1994). `Uso de transformaciones en análisis de varianza y análisis de regresión´. Royal Statistical Society....
  • Srivastava, M.. (2001). Nested Growth Curves Models. Special Issue.
  • Srivastava, M.,Katri, C. A.. (1979). An Introduction to Multivariate Statistics. North-Holland. New York.
  • Thompson, W. O.. (1973). `Secondary Criteria in the Selection of Minimum Bias Design in Two Variables´. Technometrics. 2. 319-328
  • Verbyla, A. P.,Venables, W. N.. (1988). `An Extension of the Growth Curve Models´. Biometrica. 75. 129-138