##plugins.themes.bootstrap3.article.main##

Cristian Fernando Tellez Víctor Ignacio López Ríos

Resumen

Uno de los criterios de uso más frecuente para la obtención de diseños óptimoses el D-optimalidad, el cual proporciona los puntos experimentales donde se minimizael volumen del elipsoide de confianza asociado al vector de parámetros enel modelo propuesto. A diferencia del diseño D-óptimo clásico, el diseño D- óptimobayesiano no necesariamente tiene tantos puntos de soporte como parámetrostiene el modelo. En este artículo se considera el caso en donde el diseño D-óptimobayesiano tiene tantos puntos de soporte como parámetros tiene el modelo. Estasituación puede no ser tan favorable cuando el modelo no se tiene especificado contotal certeza dado que no sería posible realizar pruebas de falta de ajuste parael modelo. En este artículo se propone una metodología que permite aumentar el número de puntos de soporte del diseño con el fin que, con el diseño resultante, sepueda aplicar la prueba de bondad de ajuste. Finalmente se ejemplifica la metodología con un modelo exponencial.

##plugins.themes.bootstrap3.article.details##

Palabras Clave

D-optimalidad bayesiano, bondad de ajuste, D-eficiencia, incremento puntos experimentales, diseños óptimos

Referencias
Argumedo-Galvan, S. & López, V. (2011), ‘Estrategia de adición de puntos de soporte para un diseño D-óptimo’, VIII Coloquio Internacional de Estadística Métodos Estadísticos Aplicados a Finanzas y Gestión de Riesgo pp. 1–17.

Atkinson, A., Donev, A. & R., T. (2007), Optimum experimental designs with SAS, Oxford University Press, New York.

Cardona, J., López, V. I. & Correa, J. C. (2012), ‘Diseños óptimos bayesianos para estimación de parámetros en farmacocinética’, Comunicaciones en Estadística 5(1), 97–112.

Chaloner, K. & Larntz (1989), ‘Optimal bayesian design applied to logistic regression experiments’, Journal of Statistical 1, 191–208.

Fedorov, V. & Hackl, P. (1997), ‘Model oriented design of experiments.’, Lecture Notes in Statistics .

Gaffke, N. (1987), ‘On D-optimality of exact linear regression designs with minimum support’, Journal of Statistical Planning and Inference 15, 189–204.

Inderjit, J. C. & Olofsdotter, M. (2002), ‘Joint action of phenolic acid mixtures and its significance in allelopathy research’, Physiologia Plantarum 114, 422–428.

Kiefer, J. (1959), ‘Optimum experimental designs’, Journal of the Royal Statistical Society 21, 272–319.

Kiefer, J. & Wolfowitz, J. (1959), ‘Optimum designs in regression problems’, Annals of Mathematical Statistics 30(2), 271–294.

López, V. I. (2008), Diseños óptimos para discriminación y estimación en modelos no lineales, PhD thesis, Centro de Investigación en Matemáticas, A.C, Guanajuato, México.

López, V. I. & Ramos, R. (2007), ‘Una introducción a los diseños óptimos’, Revista Colombiana de Estadística 30(1), 37–51.

O’Brien, T. (1992), ‘A note on quadratic designs for nonlinear regression models’, Biometrika 79, 847–859.

O’Brien, T. (1995), ‘Optimal design and lack of fit in nonlinear regression models’, Statistical modelling, Lecture Notes in Statistics 104, 201–206.
Cómo citar
Tellez, C. F., & López Ríos, V. I. (2013). Propuesta para aumentar los puntos experimentales en diseños D-óptimos bayesianos. Comunicaciones En Estadística, 6(2), 121-137. https://doi.org/10.15332/s2027-3355.2013.0002.02
Sección
Artículos