Resumen de Simulación de la precisión y el cubrimiento en experimentos con mezclas con respuestas binomial y poisson analizados bajo modelos lineales generalizados y mínimos cuadrados ordinarios

Leandro González, Sandra Patricia Barragán Moreno

• español

  En este artículo se muestra un análisis de diseños experimentalescon mezclas simplex centroides con respuestas binomial y Poissonempleando un Modelo Lineal Generalizado. Se comparó la precisióny el cubrimiento de los intervalos de confianza, alrededor de las mediasesperadas, obtenidos bajo un modelo de Mínimos CuadradosOrdinarios que utiliza una transformación con los proporcionados porun modelo lineal generalizado; dicha comparación se hizo mediantedos simulaciones en donde se asume un modelo conocido. En dichassimulaciones se introdujo reiteradamente una perturbación aleatoria delas medias esperadas en cada punto experimental. Los nuevos vectoresde respuestas fueron analizados con cada uno de los dos modelos. Laprecisión y el cubrimiento fueron reportados, en cada caso, en funciónde la magnitud de la perturbación inducida y fueron utilizados comomedida de comparación de la incertidumbre de la estimación y paraevaluar el comportamiento de ambos modelos. En el análisis en un diseñoexperimental con mezclas con respuesta no normal, el Modelo LinealGeneralizado produjo mejores resultados en términos de precisión ycubrimiento que el hecho con Mínimos Cuadrados Ordinarios basadoen una transformación.

• English

  This article provides an analysis of experimental designs simplex centroidmixtures with binomial and Poisson responses using a GeneralizedLinear Model. Throughout a simulation process, in which a model wasassumed known, it was compared accuracy and coverage of the confidenceintervals around the expected average obtained under a modelbased on normal theory with that provided by a Generalized LinearModel. Simulations were carried out using specialized software, andrandom perturbation to the true average expected in each experimentalpoint was introduced repeatedly. The new response vectors were analyzedin each of the two models. Accuracy and coverage were reportedin each case depending on the magnitude of the induced disturbanceand were used as a measure of comparison of estimation uncertaintyand to evaluate the performance of both models. In an experimentaldesign with mixtures including no normal reponse, a Generalized LinearModel produced better results in terms of accuracy and coverage thanan Ordinary Least Squares based on a transformation.