Lectura 5

UNIVERSIDAD ADVENTISTA DE CENTROAMERICA
Escuela de Ingeniería de Sistemas








Lectura 5
Estadística Inferencial


Alumno(s):
Lemuel Marroquín Z


Profesor:
Dodanim Castillo

1-03-16





¿Qué pasa cuando dejamos que van desde menos de uno a más uno que hemos estado tan centrados en?
Vamos a añadir una nueva herramienta para nuestra caja de herramientas que utilizamos para analizar los datos.El concepto denominado Métodos de superficie de respuesta (RSM).
Cuando uso de datos para mejorar un proceso o un sistema, en mi experiencia, me parece que estoy tratando de lograr, inevitablemente, uno de estos cinco objetivos.
En primer lugar: Siempre estoy tratando de aprender más, o incrementar mis conocimientos, del sistema.
Tal vez estoy solución de problemas del proceso.
O tal vez, estoyusando los datos para hacer algún tipo de predicción.
O tal vez estoy tratando de optimizar el sistema de alguna manera.
O, por último, yo podría estar monitoreando el proceso sobre la base de los datos para asegurarse de que estoy reteniendo todas aquellas mejoras de rendimiento que he hecho en el pasado.
En los cuatro módulos anteriores de este curso, nos hemos centrado sólo en los tres primerosobjetivos que allí se indican. Hemos insinuado un poco en ese cuarto, se trata de optimizar el proceso de alguna manera.
Realmente piensa acerca de sus resultados experimentales y los de interpretar cada vez. Los conceptos aprendidos en este curso también se pueden utilizar para solucionar un problema.
Luego, utilizando las ideas factoriales fraccionados del módulo 4 y se puede identificarrápidamente qué factores están realmente relacionadas con el problema mediante la ejecución de un experimento de muestreo.
Queremos maximizar esta variable de resultado, ese es el objetivo de mis experimentos.
Y aquí están los resultados en un gráfico de cubo para que pueda ver rápidamente que el factor B, el tipo de aceite, casi no tiene efecto en el resultado. Tenga en cuenta que la primera se utilizóaquí objetivo de los cinco. Hemos aprendido en nuestro sistema que el tipo de aceite en este intervalo de tiempo de cocción parece tener poco impacto en el resultado.
Tenga en cuenta que no tenemos para incluir el factor B o la interacción AB en nuestro modelo porque hemos determinado que ni el factor B, ni la interacción AB es grande.
Vamos a construir sobre nuestros experimentos existentes hastaaquí para averiguar lo que pasa por allí.
Hemos descubierto ya que el factor B no juega un papel importante en este sistema.

Luego, una vez que construimos un modelo basado en los factores importantes, ahora podemos ir a utilizarlo para decirnos dónde pasar a la siguiente.

Podemos ver aquí que deberíamos avanzar hacia la derecha, para aumentar nuestro objetivo.
Ahora en este video vamos acomenzar a optimizar nuestro proceso, utilizando la idea de un método de superficie de respuesta (RSM) o la optimización de respuesta.
Ahora la gente ha estado preguntando acerca lineal frente a sistemas no lineales en los foros. Y para abordar la cuestión de repetidos experimentos y ruido, vamos a ver estos temas en este ejemplo. Esa es la idea del aprendizaje just-in-time.
Ahora algunos advertenciajusta, el vídeo es más largo que la mayoría, pero conlleva un solo estudio de caso a través de e introduce muchos conceptos críticos.
Así que volvemos al ejemplo de palomitas de maíz en el video anterior.
Tuvimos un único factor que afecta el sistema, el factor A, el tipo de cocción.
Y hemos desarrollado el modelo: y = 90 + 15x_A
En el factor tiempo de cocción aquí el punto central es el centro,entre el valor bajo y el alto valor. Eso corresponde a 135 segundos.
La gama se refiere al alto nivel menos el nivel bajo. Por lo menos 150 120 es igual a 30, y la mitad de la gama es entonces 15 segundos.
Vamos a tratar de utilizar esta fórmula para las unidades reales de 135 segundos de tiempo de cocción. Así que eso es 135 - 135 = 0, dividido por la mitad de la gama de 15, que sigue siendo 0....