Experimental Sequential Designs for Logistic Regression Models

• ARTURO T. DE ZAN ^[1]
  1. [1] Universidad de La Sabana

     Universidad de La Sabana

     Colombia

     
• Localización: Revista Colombiana de Estadística, ISSN-e 2389-8976, ISSN 0120-1751, Vol. 31, Nº. 2, 2008, págs. 261-291
• Idioma: inglés
• Títulos paralelos:
  • Diseños experimentales secuenciales para modelos logísticos de regresión
• Enlaces
  • Texto completo
• Resumen
  • español

    Cuando los supuestos habituales de normalidad y varianza constante no se cumplen (e.g. en procesos de Bernoulli o binomiales), el problema de la elección de diseños adecuados ocasiona cierta dificultad a los experimentadores, especialmente cuando lo que se persigue es una exploración secuencial del proceso. Este artículo está basado en De Zan (2006), en donde se proponen dos criterios para evaluar estrategias de diseño. Una de ellas toma en cuenta la cantidad de información contenida en el modelo ajustado, mientras que la otra explora la información contenida en las mejores condiciones de experimentación encontradas en el modelo ajustado. Se desarrolla un ejemplo simulado con el paquete R acerca de cómo funcionan estas estrategias.

  • English

    When the usual hypotheses of normality and constant variance do not hold (e.g. in binomial or Bernoulli processes), the problem of choosing appropriate designs creates problems to researches when pursuing a sequential exploration of process. This paper is based on De Zan (2006), where the author proposes two criteria to evaluate design strategies, that take the amount of information as the main evaluation tool. One into account the information of the fitted model, and the other explores the information that is contained on the approximation of a set of the best conditions of factors found on a fitted model. An example of how these strategies work is also given through a simulation using R software.

• Referencias bibliográficas
  • Atkinson, A. C.. (2006). Generalized Linear Models and Response Transformation. Khuri.
  • Box, G. E. P.,Draper, N. R.. (1987). Empirical Model Building and Response Surfaces. John Wiley & Sons. New York.
  • Box, G. E. P.,Draper, N. R.. (2007). Response Surfaces, Mixtures and Ridge Analysis. John Wiley & Sons. New York.
  • Box, G. E. P.,Hunter, W. G.,Hunter, J. S.. (2005). Statistics for Experimenters: Design, Innovation and Analysis. John Wiley & Sons. New...
  • Box, G. E. P.,Wilson, K. B.. (1951). `On the Experimental Attainment of Optimum Conditions´. Journal of the Royal Statistical Society....
  • Collett, D.. (2002). Modelling Binary Data. Chapman & Hall/CRC. Boca Raton.
  • Cordeiro, G. M.,De Andrade Lima Neto, E.. (2004). Modelos paramétricos. `16o. SINAPE´.
  • Cox, D. R.,Reid, N.. (2000). The Theory of the Design of Experiments. Chapman & Hall/CRC. Boca Raton.
  • De Zan, A. T.. (2006). Principios de metodología de superficie de respuesta para modelos logísticos.
  • Dobson, A. J.. (2002). An introduction to Generalized Linear Models. Chapman & Hall/CRC. Boca Raton.
  • Firth, D.. (1991). Generalized Linear Models. Hinkley, et al..
  • Khuri, A. I.. (1993). `Response Surface Methodology within the Framework of GLM´. Journal of Combinatorics Information & System Sciences....
  • Khuri, A. I.. (2001). `An Overview of the Use of Generalized Linear Models in Response Surface Methodology´. Nonlinear Analysis. 47. 2023-2034
  • Khuri, A. I.. (2006). Response Surface Methodology and Related Topics. World Scientific Publishing. New Jersey.
  • Khuri, A. I.,Cornell, J. A.. (1996). Response Surfaces: Designs and Analyses. M. Dekker. New York.
  • Khuri, A. I.,Mukhopadhyay, S.. (2006). GLM Designs: The Dependence on Unknown Parameters Dilemma. Khuri.
  • Lewis, S. L.,Montgomery, D. C.,Myers, R. H.. (2001). `Examples of Designed Experiments with Nonnormal Responses´. Journal of Quality Technology....
  • Lewis, S. L.,Montgomery, D. C.,Myers, R. H.. (2001). `Confidence Interval Coverage for Designed Experiments with GLMs´. Journal of Quality...
  • Lindsey, J. K.. (1997). Applying Generalized Linear Models. Springer. New York.
  • McCullagh, P. M.,Nelder, J. A.. (1989). Generalized Linear Models. Chapman & Hall/CRC. Boca Raton.
  • Montgomery, D. C.. (2005). Design and Analysis of Experiments. John Wiley & Sons. New York.
  • Myers, R. H.. (1999). `Response Surface Methodology -Current Status and Future Directions´. Journal of Quality Technology. 31. 30-44
  • Myers, R. H.,Montgomery, D. C.. (2002). Response Surface Methodology: Process and Product Optimization Using Designed Experiments. John Wiley...
  • Myers, R. H.,Montgomery, D. C.,Vining, G. G.. (2001). Generalized Linear Models: With Applications in Engineering and the Sciences. John Wiley...
  • Myers, R. H.,Montgomery, D. C.,Vining, G. G.. (2001). Regression Analysis. Theory, Methods and Applications. Springer. New York.
  • Myers, R. H.,Montgomery, D. C.,Vining, G. G.,Borror, C. M.,Kowalski, S. M.. (2004). `Response Surface Methodology: A Retrospective and...
  • Nelder, J. A.,Wedderburn, R. W. M.. (1972). `Generalized Linear Models´. Journal of the Royal Statistical Society. 370-384
  • Pukelsheim, F.. (1993). Optimal Design of Experiments. John Wiley & Sons. New York.
  • (2006). R Development Core Team, R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. Vienna.
  • Robinson, K. S.,Khuri, A. I.. (2003). `Quantile Dispersion Graphs for Evaluating and Comparing Designs for Logistic Regression Models´....