Tarea # 4.

Nombre: Angela Carolina Cely Macias – Miguel Andres Rivera Mateus.

1. (a) (10 Puntos) Ajuste un modelo de primer orden y lleve acabo una prueba de curvatura para el primer bloque
de corridas. ¿Qué conclusiones puede sacar de este análisis?

Se realizó el estudio de factores importantes en la separación de ranitidina y productos relacionados mediante

electroforesis capilar. A partir de los experimentos de selección, los investigadores identificaron tres factores
importantes: el pH de la solución tampón, el voltaje utilizado en la electroforesis y la concentración de CD, un
componente de la solución tampón.

Inicialmente se realizó un análisis de primer orden

Obteniendo como resultados

rsm(formula = CEF ~ FO(A, B, C) + TWI(A, B, C), data = Ra, subset = Block ==
1)

Estimate Std. Error t value Pr(>|t|)

(Intercept) 3.41017 0.59223 5.7582 0.004512 **
A 2.45295 0.78344 3.1310 0.035151 *
B 0.81906 0.78344 1.0455 0.354823
C -0.59116 0.78344 -0.7546 0.492497
A:B 2.10993 0.78344 2.6932 0.054479 .
A:C 0.45141 0.78344 0.5762 0.595351
B:C -0.44036 0.78344 -0.5621 0.604062

Si la verificación de la curvatura no es significativa, la búsqueda puede continuar con el uso de otro experimento de prime
r orden y un ascenso más empinado. De lo contrario, debería cambiarse a un experimento de segundo orden.
Dos propósitos de agregar puntos centrales a un experimento de primer orden
(i) permite la verificación del efecto de curvatura global,
(ii) proporciona una estimación no sesgada de la varianza del error del proceso.

(b) (10 Puntos) Ajuste un modelo de segundo orden. ¿Qué efectos fueron significativos?

Este es un diseño de segundo orden en el sentido de que permite estimar todas las componentes lineales y cuadráticas
de los efectos principales y las interacciones lineales por lineales.
rsm(formula = CEF ~ SO(A, B, C), data = Ra)

Estimate Std. Error t value Pr(>|t|)

(Intercept) 2.185017 0.578187 3.7791 0.004355 **
A 1.117393 0.424239 2.6339 0.027185 *
B 0.794960 0.424239 1.8739 0.093721 .
C 0.010657 0.424239 0.0251 0.980507
A:B 1.465103 0.588509 2.4895 0.034449 *
A:C -0.193409 0.588509 -0.3286 0.749944
B:C 0.204464 0.588509 0.3474 0.736257
A^2 2.712838 0.379663 7.1454 5.393e-05 ***
B^2 -0.048225 0.379663 -0.1270 0.901717
C^2 -0.128623 0.379663 -0.3388 0.742545
(c) (15 Puntos) Usando su resultado en la parte (b), haga un grafico de contornos. ¿Puede determinar el mínimo usando
este gráfico? En caso afirmativo, ¿cuál es el mínimo en las unidades originales?. En caso negativo, ¿qué le indica el
análisis canónico?
canonical.path(mod2)
dist A B C | Ph V CD | yhat
1 -5.0 -5.577 1.032 2.478 | -14.0195 30.4232 17.390 | 75.100
2 -4.5 -5.092 1.153 2.466 | -12.3220 31.6453 17.330 | 61.340
3 -4.0 -4.607 1.273 2.455 | -10.6245 32.8573 17.275 | 49.035
4 -3.5 -4.122 1.393 2.443 | -8.9270 34.0693 17.215 | 38.176
5 -3.0 -3.636 1.513 2.432 | -7.2260 35.2813 17.160 | 28.747
6 -2.5 -3.151 1.634 2.420 | -5.5285 36.5034 17.100 | 20.782
7 -2.0 -2.666 1.754 2.409 | -3.8310 37.7154 17.045 | 14.268
8 -1.5 -2.181 1.874 2.398 | -2.1335 38.9274 16.990 | 9.201
9 -1.0 -1.696 1.995 2.386 | -0.4360 40.1495 16.930 | 5.579
10 -0.5 -1.210 2.115 2.375 | 1.2650 41.3615 16.875 | 3.404
11 0.0 -0.725 2.235 2.363 | 2.9625 42.5735 16.815 | 2.681
12 0.5 -0.240 2.355 2.352 | 4.6600 43.7855 16.760 | 3.405
13 1.0 0.245 2.476 2.340 | 6.3575 45.0076 16.700 | 5.577
14 1.5 0.730 2.596 2.329 | 8.0550 46.2196 16.645 | 9.196
15 2.0 1.215 2.716 2.317 | 9.7525 47.4316 16.585 | 14.262
16 2.5 1.701 2.837 2.306 | 11.4535 48.6537 16.530 | 20.792
17 3.0 2.186 2.957 2.295 | 13.1510 49.8657 16.475 | 28.755
18 3.5 2.671 3.077 2.283 | 14.8485 51.0777 16.415 | 38.165
19 4.0 3.156 3.197 2.272 | 16.5460 52.2897 16.360 | 49.022
20 4.5 3.641 3.318 2.260 | 18.2435 53.5118 16.300 | 61.332
21 5.0 4.127 3.438 2.249 | 19.9445 54.7238 16.245 | 75.112

(d) (25 Puntos) Los investigadores decidieron llevar acabo un segundo análisis reduciendo el rango de las variables. El
rango de Ph fue (4.19, 4.50, 5.25, 6.00, 6.31) y el de voltaje fue (11.5, 14.0, 20.0, 26.0, 28.5). Los factores codificados y el
resultado de cada corrida fueron:
rsm(formula = CEF ~ SO(A, B), data = exp3)

Estimate Std. Error t value Pr(>|t|)

(Intercept) 2.02440 0.55242 3.6646 0.008021 **
A 1.93080 0.43738 4.4145 0.003102 **
B -1.32876 0.43738 -3.0380 0.018900 *
A:B -0.66800 0.61762 -1.0816 0.315292
A^2 1.48377 0.47034 3.1547 0.016047 *
B^2 0.77430 0.47034 1.6462 0.143708
2.