Hixon-crow HIGUCHI Krosmeyer/peppas

F=Kt^n
Baker

Hofenberg

WEIBULL
er
 Para acetaminofén
t (h) IC 25 IC 50 IC 75 In 25 In 50 In 75
0 24.757 48.248 73.631 3.20910828 3.87635438 4.29906613
0.02 24.784 50.202 75.582 3.21019828 3.91605487 4.32521816
0.04 24.015 49.511 75.058 3.17867864 3.90219487 4.31826115
0.06 25.024 50.012 73.231 3.21983536 3.91226298 4.29361883
0.08 24.531 49.522 74.054 3.19993762 3.90241702 4.30479456
0.1 24.959 48.489 74.059 3.21723448 3.88133697 4.30486207
0.15 24.84 49.012 71.377 3.21245526 3.89206517 4.26797569
0.2 24.852 50.035 72.716 3.21293823 3.91272276 4.28656144
0.5 24.268 46.694 71.699 3.18915861 3.84361568 4.2724768
1 23.31 45.428 65.433 3.14888245 3.81612866 4.18102672
1.5 23.325 42.139 60.46 3.14952575 3.74097368 4.10198199
2 23.305 40.99 56.673 3.14866793 3.71332813 4.03729791
10 16.046 24.055 28.577 2.7754596 3.18034288 3.3526022
60 5.652 6.695 6.881 1.73200946 1.90136098 1.92876399

orden cero
5
80
4.5
70 4
f(x) = - 1.1218100786x + 68.8782808888 f(x) = - 0.03
60 R² = 0.7698697048 IC 25 3.5 f(x)
R² ==0.9453
- 0.03
50 Li near (IC 25) 3 R² = 0.9616
f(x) = - 0.02
40 f(x) = - 0.7152140451x + 46.7955673225 IC 50 2.5 R² = 0.9837
Axis Title R² = 0.8310495771
Axis Title
Li near (IC 50) 2
30 IC 75 1.5
20 f(x) = - 0.3219934677x + 24.1447718453 Li near (IC 75) 1
10 R² = 0.9227587621
0.5
0 0
0 10 20 30 40 50 60 70 0 10 20

Axis Title
 1/C 25 1/C 50 1/C 75
0.04039262 0.02072625 0.01358124
0.04034861 0.01991953 0.01323066
0.04164064 0.02019753 0.01332303
0.03996164 0.0199952 0.01365542
0.04076475 0.02019305 0.01350366
0.04006571 0.02062323 0.01350275
0.04025765 0.02040317 0.01401012
0.04023821 0.01998601 0.01375213
0.04120653 0.02141603 0.0139472
0.04290004 0.02201286 0.01528281
0.04287245 0.02373099 0.01653986
0.04290925 0.02439619 0.01764509
0.06232083 0.0415714 0.03499318
0.17692852 0.1493652 0.14532771

Orden Uno Orden Dos

5 0.2
4.5 0.18
4 0.16 f(x) = 0.0022793098x + 0.0400269753
f(x) = - 0.0398621389x + 4.2350056028
f(x) R² = 0.9996064079
3.5 R² ==0.9453066676
- 0.0334966311x + 3.8517985101 In 25 0.14 f(x)
f(x) == 0.0021540507x
0.0021999486x ++ 0.0201130492
0.0132763381
3 R² = 0.9616641692 Li nea r (In 25) 0.12 R²
R² == 0.9999233334
0.9999600725
f(x) = - 0.0247871604x + 3.1913741883
2.5 R² = 0.9837615667 In 50 0.1
Axis Title Axis Title
2 Li nea r (In 50) 0.08
1.5 In 75 0.06
1 Li nea r (In 75) 0.04
0.5 0.02
0 0
0 10 20 30 40 50 60 70 0 10 20 30 40 50 60 70
Axis Title Axis Title
 Orden Dos

.0022793098x + 0.0400269753
9996064079 1/C 25
.0021540507x
.0021999486x ++ 0.0201130492
0.0132763381
9999233334
9999600725 Li near (1/C 25)
1/C 50
Li near (1/C 50)
1/C 75
Li near (1/C 75)

20 30 40 50 60 70
Axis Title
t (h) Δt IC 25 Δc Δc/Δt IC 50 Δt
0 0.02 24.76 0.027 1.350 48.248 0.02
0.02 0.02 24.78 -0.769 -38.450 50.202 0.02
0.04 0.02 24.02 1.009 50.450 49.511 0.02
0.06 0.02 25.02 -0.493 -24.650 50.012 0.02
0.08 0.02 24.53 0.428 21.400 49.522 0.02
0.1 0.05 24.96 -0.119 -2.380 48.489 0.05
0.15 0.05 24.84 0.012 0.240 49.012 0.05
0.2 0.3 24.85 -0.584 -1.947 50.035 0.3
0.5 0.5 24.27 -0.958 -1.916 Δc/Δt 46.694 0.5
1 0.5 23.31 0.015 0.030 -0.03 45.428 0.5
1.5 0.5 23.33 -0.020 -0.040 0.04 42.139 0.5
2 8 23.31 -7.259 -0.907 0.907375 40.99 8
10 50 16.05 -10.394 -0.208 0.20788 24.055 50
60 5.65 6.695

Perfil Completo
150.000
12
100.000
10
IC 25
50.000
IC 50 8
IC 75
0.000
10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00 6
-50.000
4
f(
-100.000 R
2
-150.000
0 f(x) = 0.41510
10.00 20.00
R² = 0.001172
 Δc Δc/Δt IC 75 Δt Δc Δc/Δt
1.95 97.70 73.631 0.02 1.95 97.55
-0.69 -34.55 75.582 0.02 -0.52 -26.20
0.50 25.05 75.058 0.02 -1.83 -91.35
-0.49 -24.50 73.231 0.02 0.82 41.15
-1.03 -51.65 74.054 0.02 0.00 0.25
0.52 10.46 74.059 0.05 -2.68 -53.64
1.02 20.46 71.377 0.05 1.34 26.78
-3.34 -11.14 72.716 0.3 -1.02 -3.39
-1.27 -2.53 Δc/Δt 71.699 0.5 -6.27 -12.53 Δc/Δt
-3.29 -6.58 6.578 65.433 0.5 -4.97 -9.95 9.946
-1.15 -2.30 2.298 60.46 0.5 -3.79 -7.57 7.574
-16.94 -2.12 2.116875 56.673 8 -28.10 -3.51 3.512
-17.36 -0.35 0.3472 28.577 50 -21.70 -0.43 0.43392
6.881

Perfil reducido (final)

12

10

8 f(x) = 1.96456029560927E-06 x^3.6562549734

R² = 0.9691377891
6

4
f(x) = 9.24343038142066E-07 x^4.0125594337
R² = 0.9175526882
2

0 f(x) = 0.4151053677 x^-0.2478826147

10.00 20.00
R² 30.00
= 0.0011724791 40.00 50.00 60.00 70.00
 t (h) IC 25 IC 50 IC 75
0 24.757 48.248 73.631
0.02 24.784 50.202 75.582
0.04 24.015 49.511 75.058
0.06 25.024 50.012 73.231 Chart Title
0.08 24.531 49.522 74.054
80
0.1 24.959 48.489 74.059
0.15 24.84 49.012 71.377 70 f(x) = - 8.5988076813x + 74.532743651
R² = 0.8685517759
0.2 24.852 50.035 72.716 60
0.5 24.268 46.694 71.699
1 23.31 45.428 65.433 50
f(x) = - 4.3659902551x + 49.653987904
1.5 23.325 42.139 60.46 40 R² = 0.7500720592
Axis Title
2 23.305 40.99 56.673
30
10 16.046 24.055 28.577
20 f(x) = - 1.366122098x + 24.8277162511
60 5.652 6.695 6.881 R² = 0.634396314
10

0
IC Ve inic 0 0.2 0.4 0.6 0.8
25 1.3661
Axis Title
50 4.366
75 8.5988

IC 25 IC50 IC75
ORDEN 0 Chart T
ORDEN 1
ORDEN 2 10
9
8 f(x) = 0.00098632x^2 + 0.046022x - 0.40
R² = 1
7
6
5
Axis Title
4
3
2
1
0
20 30 40 50 60
Axis Title
 Chart Title

= - 8.5988076813x + 74.5327436515
= 0.8685517759
IC25
Linear (IC25)
= - 4.3659902551x + 49.6539879048
IC50
= 0.7500720592
Linear (IC50)
IC75
= - 1.366122098x + 24.8277162511 Linear (IC75)
= 0.634396314

0.2 0.4 0.6 0.8 1 1.2

Axis Title

Chart Title

= 0.00098632x^2 + 0.046022x - 0.4009

1

Column B
Polynomial (Column B)

0 40 50 60 70 80
Axis Title
 Orden Cero
80 5
4.5
70
f(x) = - 1.1218100786x + 68.8782808888 4 f(x) = - 0.03
60 3.5 f(x)
R² = =0.94530
- 0.03
R² = 0.7698697048 IC 25
50 Li near (IC 25) 3 R² = 0.96166
f(x) = - 0.02
40 f(x) = - 0.7152140451x + 46.7955673225 IC 50 2.5 R² = 0.98376
Axis Title Axis Title
R² = 0.8310495771 Li near (IC 50) 2
30
IC 75 1.5
20 f(x) = - 0.3219934677x + 24.1447718453 Li near (IC 75) 1
10 R² = 0.9227587621 0.5
0 0
0 10 20 30 40 50 60 70 0 10 20

Axis Title

25 50 75
ORDEN CERO 0.322 0.7152 1.1218
Chart Title
ORDEN 1 0.0248 0.0335 0.0399 45
ORDEN 2 0.0023 0.0022 0.0022 40
t1/2 38.8198758 34.9552573 33.4284186 35 f(x) = - 0.1078291433x + 41.1259743835
30 R² = 0.9410241233
t1/2 27.9435484 20.6865672 17.3684211
25 f(x) = - 0.2115025467x + 32.5746395358
t1/2 17.3913043 9.09090909 6.06060606 Axis Title 20 R² = 0.9558011777
15 f(x) = - 0.2266139657x + 22.178304787
10 R² = 0.9327391962
5
0
20 30 40 50 60 70 80
Axis Title
 Orden Uno
O
5
4.5 0.2
4 0.18
f(x) = - 0.0398621389x + 4.2350056028
f(x) 0.16 f(x) = 0.0022793
3.5 R² = =0.9453066676
- 0.0334966311x + 3.8517985101 In 25
R² = 0.9616641692 0.14 R² = 0.99960640
3 f(x) = - 0.0247871604x + 3.1913741883 Li nea r (In 25) f(x)
f(x) == 0.0021540
0.0021999
2.5 R² = 0.9837615667 In 50 0.12 R²
R² == 0.99992333
0.99996007
Axis Title Li nea r (In 50) 0.1
2 Axis Title
1.5 In 75 0.08
1 Li nea r (In 75) 0.06
0.5 0.04
0 0.02
0 10 20 30 40 50 60 70 0
0 10 20 3
Axis Title
Axis

Chart Title 1.2

078291433x + 41.1259743835 orden 0

0241233 Linear (orden 0) 0.8
115025467x + 32.5746395358 orden 1
Row 18
8011777 Linear (orden 1) 0.6
Row 19
266139657x + 22.178304787 orden 2
SERIE 3
7391962 Linear (orden 2) 0.4

50 60 70 80 0.2

is Title
0
20 30 40 50 60 70 80
 Orden Dos
0.2
0.18
0.16 f(x) = 0.0022793098x + 0.0400269753
0.14 R² = 0.9996064079 1/C 25
f(x)
f(x) == 0.0021540507x
0.0021999486x ++ 0.0201130492
0.0132763381
0.12 R²
R² == 0.9999233334
0.9999600725 Li near (1/C 25)
0.1 1/C 50
Axis Title Li near (1/C 50)
0.08
0.06 1/C 75
0.04 Li near (1/C 75)
0.02
0
0 10 20 30 40 50 60 70
Axis Title

Row 18
Row 19
SERIE 3

70 80
 Verapamilo matriz cilindrica
orden 0 orden 1 orden2 Higuchi
t (min) t0.5 Hixon-crow
% In % 1/C % fracción
0.00 0 -- -- 0.000 0 0.0000
30.00 9 2.1972 0.1111 0.090 5.4772 -0.0309
60.00 23.5 3.1570 0.0426 0.235 7.7460 -0.0854
90.00 29 3.3673 0.0345 0.290 9.4868 -0.1079
120.00 29.9 3.3979 0.0334 0.299 10.9545 -0.1117
180.00 34.6 3.5439 0.0289 0.346 13.4164 -0.1320
240.00 40.9 3.7111 0.0244 0.409 15.4919 -0.1608
360.00 45.8 3.8243 0.0218 0.458 18.9737 -0.1847
420.00 46.8 3.8459 0.0214 0.468 20.4939 -0.1897
480.00 47.4 3.8586 0.0211 0.474 21.9089 -0.1928
n 10
p (# de
parámetros 2
-kyn)

orden cero Higuchi

50 0.500
f(x) = 0.0843732782x + 13.9840909091 0.450 f(x) = 0.0224136029x + 0.0290849891
40 R² = 0.7903553561 R² = 0.9467700758
0.400
30 0.350
Axis Title 20 0.300
0.250
Axis Title
10 0.200
0.150
0
0.00 100.00 200.00 300.00 400.00 500.00 600.00
0.100
0.050
Axis Title 0.000
0 5 10 15
Axis Title
Orden Uno
4.5000
4.0000
3.5000
f(x) = 0.0024800716x + 2.8880678583
R² = 0.6080294972
Hixon-Crow
3.0000
0.0000
2.5000
0.00 100.00 200.00 300.00 40
Axis Title 2.0000
-0.0500
1.5000 f(x) = - 0.000357453x - 0.04
1.0000 R² = 0.8372173369
-0.1000
0.5000
Axis Title
0.0000
-0.1500
0.00 100.00 200.00 300.00 400.00 500.00 600.00
Axis Title -0.2000

-0.2500
Orden Dos Axis Title
0.1200
0.1000
 -0.1500

-0.2000

-0.2500
Orden Dos Axis Title
0.1200
0.1000
0.0800
0.0600
Axis Title f(x) = - 0.0001083491x + 0.0615303655
0.0400
R² = 0.394072864
0.0200
0.0000
0.00 100.00 200.00 300.00 400.00 500.00 600.00
Axis Title
 0.700
Korschmeyer &Peppas Hofenberg
Baker -Londs
Ln F Ln t k n Did sq 0.600
--- --- 0.0000 0.000 1.35.E-05 136.734 0.00000
-2.4079 3.4012 0.0014 5.38.E-02 0.017672 min sq 0.00131 0.500

-1.4482 4.0943 0.0103 1.05.E-01 0.01695

0.400
-1.2379 4.4998 0.0162 1.53.E-01 0.01876
-1.2073 4.7875 0.0173 1.99.E-01 0.01006 0.300
-1.0613 5.1930 0.0238 2.83.E-01 0.00399
-0.8940 5.4806 0.0346 3.58.E-01 0.00258 0.200
-0.7809 5.8861 0.0449 4.86.E-01 0.00079
0.100
-0.7593 6.0403 0.0472 5.40.E-01 0.00521
-0.7465 6.1738 0.0486 5.89.E-01 0.01314 0.000
sum 0.07279 0.00 100.0
Lnsum -2.6202219
AIC -22.202219
r^2 0.6521

Higuchi Peppas
0.0000
f(x) = 0.0224136029x + 0.0290849891 3.0000 3.5000 4.0000 4.5000 5.0000 5.5000 6.
R² = 0.9467700758 -0.5000
f(x) = 0.5169543569x - 3.7882281857
-1.0000 R² = 0.8673366707
Axis Title -1.5000

-2.0000

-2.5000

-3.0000

0 5 10 15 20 25 Axis Title

Axis Title

Baker&Londs
Hixon-Crow 0.0600
0.0000 0.0500 f(x) = 0.000105983x + 0.003445769
0.00 100.00 200.00 300.00 400.00 500.00 600.00 R² = 0.9575973626
-0.0500 0.0400
f(x) = - 0.000357453x - 0.0488128673
0.0300
R² = 0.8372173369 Axis Title
-0.1000 0.0200

-0.1500 0.0100
0.0000
-0.2000 0.00 100.00 200.00 300.00 400.00 500.00 600.00
Axis Title
-0.2500
Axis Title
-0.1500 0.0100
0.0000
-0.2000 0.00 100.00 200.00 300.00 400.00 500.00 600.00
Axis Title
-0.2500
Axis Title
Baker se diseñó para modelos esféricos
 0.700

0.600

0.500

0.400

0.300 Experi menta

r
Teóri co
0.200

0.100

0.000
0.00 100.00 200.00 300.00 400.00 500.00 600.00

eppas
000 4.5000 5.0000 5.5000 6.0000 6.5000

5169543569x - 3.7882281857
673366707

Axis Title

onds

83x + 0.003445769
26

0 300.00 400.00 500.00 600.00

xis Title
0 300.00 400.00 500.00 600.00
xis Title

os esféricos
Regresión No Lineal - f
Variable dependiente: f
Variables independientes:
t

Función a estimar: 1-(1-k*t)^n

Estimaciones iniciales de parámetros:
k = 0,00001
n = 12,0
Número de observaciones: 10

Método de estimación: Marquardt

La estimación se detuvo debido a la convergencia de la suma de cuadrados de residuos.
Número de iteraciones: 62
Número de llamadas de la función: 248

Resultados de la Estimación
Intervalo Con 95.00%
Error EstándaAsintótico
Parámetro Estimado Asintótico Inferior Superior
k 1.34903E-05 1.844E-06 9.238E-06 1.77425E-05
n 136.734 1.50E-07 136.734 136.734

Análisis de Varianza
Fuente Suma de CuaGl Cuadrado Medio
Modelo 1.1045 2 0.55225
Residuo 0.0727867 8 0.00909834
Total 1.17729 10
Total (Corr.) 0.235411 9

R-Cuadrada = 69,081 porciento

R-Cuadrada (ajustada por g.l.) = 65,2161 porciento
Error estándar del est. = 0,0953852
Error medio absoluto = 0,0732496
Estadístico Durbin-Watson = 0,316591
Autocorrelación residual de retardo 1 = 0,751432

Análisis de Residuos
Estimación Validación
n 10
CME 0.00909834
MAE 0.0732496
MAPE
ME 0.0302724
MPE
El StatAdvisor
La salida muestra los resultados de ajustar un modelo de regresión no lineal para describir la relación entre f y 1 variables inde
ecuación del modelo ajustado es

f = 1-(1-0,0000134903*t)^136,734

Al realizar el ajuste, el proceso de estimación terminó exitosamente después de 62 iteraciones, en este punto los coeficientes e
convergieron con los estimados actuales.

El estadístico R-Cuadrada indica que el modelo, así ajustado, explica 69,081% de la variabilidad en f. El estadístico R-Cuadrada
es más adecuado para comparar modelos con diferente número de variables independientes es 65,2161%. El error estándar d
muestra que la desviación estándar de los residuos es 0,0953852. Este valor puede utilizarse para construir límites de predicció
observaciones seleccionando la opción de Pronósticos del menú de texto. El error absoluto medio (MAE) de 0,0732496 es el v
de los residuos. El estadístico de Durbin-Watson (DW) prueba los residuos para determinar si hay alguna correlación significati
el orden en que se presentaron en su archivo de datos.

La salida también muestra los intervalos asintóticos del intervalos de confianza del 95,0% para cada uno de los parámetros des
Estos intervalos son aproximados y más precisos para tamaños de muestra grandes. Puede determinar si los estimados son es
significativos, o no, examinando tales intervalos para ver si contiene el valor 0. Los intervalos que cubren el 0 corresponden a c
que bien podrían eliminarse del modelo sin afectar el ajuste substancialmente.

Matriz de correlación asintótica para los coeficientes estimados

k n
k 1 -3856.6612
n 3856.6612 1

El StatAdvisor
Esta tabla muestra las correlaciones estimadas entre los coeficientes en el modelo ajustado. Estas correlaciones pueden usarse
presencia de multicolinearidad seria, es decir, correlación entre las variables predictoras. En este caso, hay 1 correlación con va
mayor que 0,5.
relación entre f y 1 variables independientes. La

s, en este punto los coeficientes estimados

d en f. El estadístico R-Cuadrada ajustada, que

es 65,2161%. El error estándar del estimado
para construir límites de predicción para nuevas
medio (MAE) de 0,0732496 es el valor promedio
hay alguna correlación significativa basada e

a cada uno de los parámetros desconocidos.

eterminar si los estimados son estadísticamente
que cubren el 0 corresponden a coeficientes

Estas correlaciones pueden usarse para detectar la

este caso, hay 1 correlación con valor absoluto
Time (min) F Weibull a b Did sq
0 0 0 32.7442 0.505969 0.00000 0.6
30 0.09 0.15692874 sum dif sq 0.00486054 0.00448
60 0.235 0.2152676 0.00039 0.5
90 0.29 0.25741126 0.00106
120 0.299 0.29124431 0.00006 0.4
180 0.346 0.34468103 0.00000
240 0.409 0.38667082 0.00050 0.3
360 0.458 0.45128253 0.00005
420 0.468 0.47735675 0.00009 0.2
480 0.474 0.50053089 0.00070
n 10 sum 0.00733 0.1
p 2 Lnsum -4.9160671
AIC -45.160671
0
r^2 0.9649 0 100 200 300 40

Valores bajos de AIC dicen que mejor ajustes (algunos autores)

Valores altos de AIC dicen que mejor ajustes (algunos autores)

parámetro a es de escalamiento y depende del tiempo

si b es igual a1 la ecuación se ajusta a exponencial (Krosmeyer&peppas)
si es mayor a una se ajusta a perfil sigmoide
si es menor a uno es agudo desde el inicio
 Teóri co
Experi menta l

100 200 300 400 500 600

ES UN MODELO EMPIRICO, POR LO QUE NO DICE MUCHO

Regresión No Lineal - f
Variable dependiente: f
Variables independientes:
t

Función a estimar: 1-EXP(-((t)^b)/a)

Estimaciones iniciales de parámetros:
b = 0,9
a = 432,0
Número de observaciones: 10

Método de estimación: Marquardt

La estimación se detuvo debido a la convergencia de la suma de cuadrados de residuos.
Número de iteraciones: 49
Número de llamadas de la función: 197

Resultados de la Estimación
Intervalo Con 95.00%
Error EstándaAsintótico
Parámetro Estimado Asintótico Inferior Superior
b 0.505969 0.0549004 0.379368 0.63257
a 32.7442 10.9922 7.39609 58.0923

Análisis de Varianza
Fuente Suma de CuaGl Cuadrado Medio
Modelo 1.16996 2 0.58498
Residuo 0.00732789 8 0.00091599
Total 1.17729 10
Total (Corr.) 0.235411 9

R-Cuadrada = 96,8872 porciento

R-Cuadrada (ajustada por g.l.) = 96,4981 porciento
Error estándar del est. = 0,0302653
Error medio absoluto = 0,0193258
Estadístico Durbin-Watson = 1,91754
Autocorrelación residual de retardo 1 = -0,00679657

Análisis de Residuos
Estimación Validación
n 10
CME 0.00091599
MAE 0.0193258
MAPE
ME -0.0012375
MPE

El StatAdvisor
La salida muestra los resultados de ajustar un modelo de regresión no lineal para describir la relación entre f y 1 variables inde
ecuación del modelo ajustado es

f = 1-EXP(-((t)^0,505969)/32,7442)

Al realizar el ajuste, el proceso de estimación terminó exitosamente después de 49 iteraciones, en este punto los coeficientes e
convergieron con los estimados actuales.

El estadístico R-Cuadrada indica que el modelo, así ajustado, explica 96,8872% de la variabilidad en f. El estadístico R-Cuadrada
que es más adecuado para comparar modelos con diferente número de variables independientes es 96,4981%. El error estánd
muestra que la desviación estándar de los residuos es 0,0302653. Este valor puede utilizarse para construir límites de predicció
observaciones seleccionando la opción de Pronósticos del menú de texto. El error absoluto medio (MAE) de 0,0193258 es el v
de los residuos. El estadístico de Durbin-Watson (DW) prueba los residuos para determinar si hay alguna correlación significati
el orden en que se presentaron en su archivo de datos.

La salida también muestra los intervalos asintóticos del intervalos de confianza del 95,0% para cada uno de los parámetros des
Estos intervalos son aproximados y más precisos para tamaños de muestra grandes. Puede determinar si los estimados son es
significativos, o no, examinando tales intervalos para ver si contiene el valor 0. Los intervalos que cubren el 0 corresponden a c
que bien podrían eliminarse del modelo sin afectar el ajuste substancialmente.
relación entre f y 1 variables independientes. La

s, en este punto los coeficientes estimados

ad en f. El estadístico R-Cuadrada ajustada,

ntes es 96,4981%. El error estándar del estimado
para construir límites de predicción para nuevas
medio (MAE) de 0,0193258 es el valor promedio
hay alguna correlación significativa basada e

a cada uno de los parámetros desconocidos.

eterminar si los estimados son estadísticamente
que cubren el 0 corresponden a coeficientes
Time (min) F f ajustado k1 k2 minim sq Did sq 0.6
0 0 0 0.255758 0.289898 1.51.E-10 0.00000
30 0.09 0.12593 α B 0.00129 0.5
60 0.235 0.21035 0.016564 0.003104 0.00061
90 0.29 0.26882 0.00045 0.4
120 0.299 0.31087 0.00014
180 0.346 0.36688 0.00044 0.3
240 0.409 0.40323 0.00003
360 0.458 0.45017 0.00006
0.2
420 0.468 0.46670 0.00000
480 0.474 0.48023 0.00004
0.1
n 10 sum 0.00306
p 4 Lnsum -5.78956
0
AIC -49.8956 0 100 20
r^2 0.9805
(k*(1-2,718(-a*t)))+(q*(1-2,718(-b*t)))

En este modelo los parámetros k tienen valores muy similares, lo que indica que se esán dando dos procesos simultaneos
Mientras que se erosiona la tableta al mismo tiempo se esta disolviendo.
 0.6

0.5

0.4

0.3 Experi mental

Ajusta do

0.2

Inicialmente se hinchan bastante y empieza la e

0.1

0
0 100 200 300 400 500 600

Inicialmente se da una erosión y luego difusión (mecanismos

dual una desintegración superficial (erosión) y luego una
difusión)
os procesos simultaneos el sistema es esférico se confirmó con Baker y
peppas salihn para sistemas esféricos
e hinchan bastante y empieza la erosión

difusión (mecanismos
erosión) y luego una
Regresión No Lineal - f
Variable dependiente: f
Variables independientes:
t

Función a estimar: (k*(1-2,718^(-a*t)))+(q*(1-2,718^(-b*t)))

Estimaciones iniciales de parámetros:
k = 0,37
a = 0,03
q = 0,01
b = 0,02
Número de observaciones: 10

Método de estimación: Marquardt

La estimación se detuvo debido a la convergencia de la suma de cuadrados de residuos.
Número de iteraciones: 26
Número de llamadas de la función: 157

Resultados de la Estimación
Intervalo Con 95.00%
Error EstándaAsintótico
Parámetro Estimado Asintótico Inferior Superior
k 0.255419 0.452832 -0.852623 1.36346
a 0.0165607 0.0195945 -0.0313854 0.0645068
q 0.289649 0.180382 -0.151732 0.731029
b 0.00310254 0.0108935 -0.023553 0.0297581

Análisis de Varianza
Fuente Suma de CuaGl Cuadrado Medio
Modelo 1.17423 4 0.293557
Residuo 0.00305735 6 0.00050956
Total 1.17729 10
Total (Corr.) 0.235411 9

R-Cuadrada = 98,7013 porciento

R-Cuadrada (ajustada por g.l.) = 98,0519 porciento
Error estándar del est. = 0,0225734
Error medio absoluto = 0,013631
Estadístico Durbin-Watson = 2,27586
Autocorrelación residual de retardo 1 = -0,143125

Análisis de Residuos
Estimación Validación
n 10
CME 0.00050956
MAE 0.013631
MAPE
ME -0.0010081
MPE

El StatAdvisor
La salida muestra los resultados de ajustar un modelo de regresión no lineal para describir la relación entre f y 1 variab
ecuación del modelo ajustado es

f = (0,255419*(1-2,718^(-0,0165607*t)))+(0,289649*(1-2,718^(-0,00310254*t)))

Al realizar el ajuste, el proceso de estimación terminó exitosamente después de 26 iteraciones, en este punto los coefi
convergieron con los estimados actuales.

El estadístico R-Cuadrada indica que el modelo, así ajustado, explica 98,7013% de la variabilidad en f. El estadístico R
que es más adecuado para comparar modelos con diferente número de variables independientes es 98,0519%. El erro
muestra que la desviación estándar de los residuos es 0,0225734. Este valor puede utilizarse para construir límites de
observaciones seleccionando la opción de Pronósticos del menú de texto. El error absoluto medio (MAE) de 0,013631
de los residuos. El estadístico de Durbin-Watson (DW) prueba los residuos para determinar si hay alguna correlación si
el orden en que se presentaron en su archivo de datos.

La salida también muestra los intervalos asintóticos del intervalos de confianza del 95,0% para cada uno de los paráme
Estos intervalos son aproximados y más precisos para tamaños de muestra grandes. Puede determinar si los estimado
significativos, o no, examinando tales intervalos para ver si contiene el valor 0. Los intervalos que cubren el 0 corresp
que bien podrían eliminarse del modelo sin afectar el ajuste substancialmente.
Regresión No Lineal - f
Variable dependiente: f
Variables independientes:
t

Función a estimar: (k*(1-2,718^(-a*t)))+(q*(1-2,718^(-b*t)))

Estimaciones iniciales de parámetros:
k = 0,37
a = 0,03
q = 0,01
b = 0,02
Número de observaciones: 10

Método de estimación: Marquardt

La estimación se detuvo debido a la convergencia de la suma de cuadrados de residuos.
Número de iteraciones: 26
Número de llamadas de la función: 157

Resultados de la Estimación
Intervalo Con 95.00%
Error EstándaAsintótico
Parámetro Estimado Asintótico Inferior Superior
k 0.255419 0.452832 -0.852623 1.36346
a 0.0165607 0.0195945 -0.0313854 0.0645068
q 0.289649 0.180382 -0.151732 0.731029
b 0.00310254 0.0108935 -0.023553 0.0297581

Análisis de Varianza
Fuente Suma de CuaGl Cuadrado Medio
Modelo 1.17423 4 0.293557
Residuo 0.00305735 6 0.00050956
Total 1.17729 10
Total (Corr.) 0.235411 9

R-Cuadrada = 98,7013 porciento

R-Cuadrada (ajustada por g.l.) = 98,0519 porciento
Error estándar del est. = 0,0225734
Error medio absoluto = 0,013631
Estadístico Durbin-Watson = 2,27586
Autocorrelación residual de retardo 1 = -0,143125

Análisis de Residuos
Estimación Validación
n 10
CME 0.00050956
 MAE 0.013631
MAPE
ME -0.0010081
MPE

El StatAdvisor
relación entre f y 1 variabLa salida muestra los resultados de ajustar un modelo de regresión no lineal para describir la relación entre f y 1 v
ecuación del modelo ajustado es

f = (0,255419*(1-2,718^(-0,0165607*t)))+(0,289649*(1-2,718^(-0,00310254*t)))

s, en este punto los coefi Al realizar el ajuste, el proceso de estimación terminó exitosamente después de 26 iteraciones, en este punto los
convergieron con los estimados actuales.

ad en f. El estadístico R El estadístico R-Cuadrada indica que el modelo, así ajustado, explica 98,7013% de la variabilidad en f. El estadístic
ntes es 98,0519%. El erroque es más adecuado para comparar modelos con diferente número de variables independientes es 98,0519%. E
para construir límites de muestra que la desviación estándar de los residuos es 0,0225734. Este valor puede utilizarse para construir límite
medio (MAE) de 0,013631 observaciones seleccionando la opción de Pronósticos del menú de texto. El error absoluto medio (MAE) de 0,01
hay alguna correlación side los residuos. El estadístico de Durbin-Watson (DW) prueba los residuos para determinar si hay alguna correlac
el orden en que se presentaron en su archivo de datos.

a cada uno de los parámeLa salida también muestra los intervalos asintóticos del intervalos de confianza del 95,0% para cada uno de los pa
eterminar si los estimadoEstos intervalos son aproximados y más precisos para tamaños de muestra grandes. Puede determinar si los estim
que cubren el 0 corresp significativos, o no, examinando tales intervalos para ver si contiene el valor 0. Los intervalos que cubren el 0 corr
que bien podrían eliminarse del modelo sin afectar el ajuste substancialmente.
a describir la relación entre f y 1 variables independientes. La

26 iteraciones, en este punto los coeficientes estimados

e la variabilidad en f. El estadístico R-Cuadrada ajustada,

s independientes es 98,0519%. El error estándar del estimado
ede utilizarse para construir límites de predicción para nuevas
or absoluto medio (MAE) de 0,013631 es el valor promedio
determinar si hay alguna correlación significativa basada e

el 95,0% para cada uno de los parámetros desconocidos.

des. Puede determinar si los estimados son estadísticamente
os intervalos que cubren el 0 corresponden a coeficientes
Time (min) F f ajustado A B minim sq Res 0.5
0 0 3.7751.E-11 -1.00.E+00 23.000000 -0.0407305 0.00000 0.45
30 0.09 0.36788 C 0.07722
0.4
60 0.235 0.36788 0.000049 0.01766
90 0.29 0.36788 0.00607 0.35
120 0.299 0.36788 0.00474 0.3
180 0.346 0.36788 0.00048 0.25
240 0.409 0.36788 0.00169
0.2
360 0.458 0.36788 0.00812
420 0.468 0.36788 0.01002 0.15
480 0.474 0.36788 0.01126 0.1
n 10 sum 0.13726
0.05
p 3 Lnsum -1.98587
0
AIC -13.8587 0 100 2

F=Exp(A-BC^t)
2,718^(((A)-((B)*(C^t))))

Este modelo no se ajusta a los datos experimentales

 0.5

0.45

0.4

0.35

0.3

0.25 Experi mental

Ajusta do
0.2

0.15

0.1

0.05

0
0 100 200 300 400 500 600
Time (min) F f ajustado A B minim sq Res 0.6
0 0 0.191 0.51980 0.00225 2.0548E-08 0.03657
30 0.09 0.205 0.01313 0.5
60 0.235 0.219 0.00026
90 0.29 0.234 0.00312 0.4
120 0.299 0.250 0.00235
180 0.346 0.287 0.00352 0.3
240 0.409 0.328 0.00654
360 0.458 0.430 0.00080
0.2
420 0.468 0.492 0.00057
480 0.474 0.563 0.00791
0.1
n 10 sum 0.07477
p 2 Lnsum -2.59329
0
AIC -21.9329 0 100 20
r^2 0.6485
F=Aexp[(Bt)-1]
A*(2,718^((B*t)-1))

Mal ajuste del modelo R^2 bajo

0.6

0.5

0.4

0.3 Experi mental

Ajusta do

0.2

0.1

0
0 100 200 300 400 500 600
Regresión No Lineal - f
Variable dependiente: f
Variables independientes:
t

Función a estimar: A*(2,718^((B*t)-1))

Estimaciones iniciales de parámetros:
A = 0,88
B = 0,003
Número de observaciones: 10

Método de estimación: Marquardt

La estimación se detuvo debido a convergencia de los parámetros estimados.
Número de iteraciones: 4
Número de llamadas de la función: 13

Resultados de la Estimación
Intervalo Con 95.00%
Error EstándaAsintótico
Parámetro Estimado Asintótico Inferior Superior
A 0.508779 0.104637 0.267486 0.750073
B 0.00221557 0.00057451 0.00089074 0.0035404

Análisis de Varianza
Fuente Suma de CuaGl Cuadrado Medio
Modelo 1.10373 2 0.551867
Residuo 0.0735539 8 0.00919424
Total 1.17729 10
Total (Corr.) 0.235411 9

R-Cuadrada = 68,7551 porciento

R-Cuadrada (ajustada por g.l.) = 64,8495 porciento
Error estándar del est. = 0,0958866
Error medio absoluto = 0,0709486
Estadístico Durbin-Watson = 0,462731
Autocorrelación residual de retardo 1 = 0,498904

Análisis de Residuos
Estimación Validación
n 10
CME 0.00919424
MAE 0.0709486
MAPE
ME -0.0034511
MPE
El StatAdvisor
La salida muestra los resultados de ajustar un modelo de regresión no lineal para describir la relación entre f y 1 variab
ecuación del modelo ajustado es

f = 0,508779*(2,718^((0,00221557*t)-1))

Al realizar el ajuste, el proceso de estimación terminó exitosamente después de 4 iteraciones, en este punto la suma d
aproximó al mínimo.

El estadístico R-Cuadrada indica que el modelo, así ajustado, explica 68,7551% de la variabilidad en f. El estadístico R
que es más adecuado para comparar modelos con diferente número de variables independientes es 64,8495%. El erro
muestra que la desviación estándar de los residuos es 0,0958866. Este valor puede utilizarse para construir límites de
observaciones seleccionando la opción de Pronósticos del menú de texto. El error absoluto medio (MAE) de 0,0709486
de los residuos. El estadístico de Durbin-Watson (DW) prueba los residuos para determinar si hay alguna correlación si
el orden en que se presentaron en su archivo de datos.

La salida también muestra los intervalos asintóticos del intervalos de confianza del 95,0% para cada uno de los paráme
Estos intervalos son aproximados y más precisos para tamaños de muestra grandes. Puede determinar si los estimado
significativos, o no, examinando tales intervalos para ver si contiene el valor 0. Los intervalos que cubren el 0 corresp
que bien podrían eliminarse del modelo sin afectar el ajuste substancialmente.
Regresión No Lineal - f
Variable dependiente: f
Variables independientes:
t

Función a estimar: A*(2,718^((B*t)-1))

Estimaciones iniciales de parámetros:
A = 0,88
B = 0,003
Número de observaciones: 10

Método de estimación: Marquardt

La estimación se detuvo debido a convergencia de los parámetros estimados.
Número de iteraciones: 4
Número de llamadas de la función: 13

Resultados de la Estimación
Intervalo Con 95.00%
Error EstándaAsintótico
Parámetro Estimado Asintótico Inferior Superior
A 0.508779 0.104637 0.267486 0.750073
B 0.00221557 0.00057451 0.00089074 0.0035404

Análisis de Varianza
Fuente Suma de CuaGl Cuadrado Medio
Modelo 1.10373 2 0.551867
Residuo 0.0735539 8 0.00919424
Total 1.17729 10
Total (Corr.) 0.235411 9

R-Cuadrada = 68,7551 porciento

R-Cuadrada (ajustada por g.l.) = 64,8495 porciento
Error estándar del est. = 0,0958866
Error medio absoluto = 0,0709486
Estadístico Durbin-Watson = 0,462731
Autocorrelación residual de retardo 1 = 0,498904

Análisis de Residuos
Estimación Validación
n 10
CME 0.00919424
MAE 0.0709486
MAPE
ME -0.0034511
MPE
 El StatAdvisor
relación entre f y 1 variabLa salida muestra los resultados de ajustar un modelo de regresión no lineal para describir la relación entre f y 1 v
ecuación del modelo ajustado es

f = 0,508779*(2,718^((0,00221557*t)-1))

en este punto la suma d Al realizar el ajuste, el proceso de estimación terminó exitosamente después de 4 iteraciones, en este punto la su
aproximó al mínimo.

ad en f. El estadístico R El estadístico R-Cuadrada indica que el modelo, así ajustado, explica 68,7551% de la variabilidad en f. El estadístic
ntes es 64,8495%. El erroque es más adecuado para comparar modelos con diferente número de variables independientes es 64,8495%. E
para construir límites de muestra que la desviación estándar de los residuos es 0,0958866. Este valor puede utilizarse para construir límite
medio (MAE) de 0,0709486observaciones seleccionando la opción de Pronósticos del menú de texto. El error absoluto medio (MAE) de 0,07
hay alguna correlación side los residuos. El estadístico de Durbin-Watson (DW) prueba los residuos para determinar si hay alguna correlac
el orden en que se presentaron en su archivo de datos.

a cada uno de los parámeLa salida también muestra los intervalos asintóticos del intervalos de confianza del 95,0% para cada uno de los pa
eterminar si los estimadoEstos intervalos son aproximados y más precisos para tamaños de muestra grandes. Puede determinar si los estim
que cubren el 0 corresp significativos, o no, examinando tales intervalos para ver si contiene el valor 0. Los intervalos que cubren el 0 corr
que bien podrían eliminarse del modelo sin afectar el ajuste substancialmente.
a describir la relación entre f y 1 variables independientes. La

4 iteraciones, en este punto la suma de cuadrados residual se

e la variabilidad en f. El estadístico R-Cuadrada ajustada,

s independientes es 64,8495%. El error estándar del estimado
ede utilizarse para construir límites de predicción para nuevas
or absoluto medio (MAE) de 0,0709486 es el valor promedio
determinar si hay alguna correlación significativa basada e

el 95,0% para cada uno de los parámetros desconocidos.

des. Puede determinar si los estimados son estadísticamente
os intervalos que cubren el 0 corresponden a coeficientes
Time (min) F f ajustado K1 K2 minim sq Res
0 0 0.000 0.00000 0.001342 3.1874E-08 0.00000
30 0.09 0.040269 0.00247
60 0.235 0.080538 0.02386
90 0.29 0.120808 0.02863
120 0.299 0.161077 0.01902
180 0.346 0.241615 0.01090
240 0.409 0.322153 0.00754
360 0.458 0.483230 0.00064
420 0.468 0.563769 0.00917
480 0.474 0.644307 0.02900
n 10 sum 0.13123
p 2 Lnsum -2.03079
AIC -16.3079
r^2 0.4308
F=1-[(1-K1t^2)*((1-K2t)]
1-((1-k*(t^2))*(1-(q*t)))

Mal ajuste del modelo R^2 bajo

0.7

0.6

0.5

0.4
Experi mental
0.3 Ajustado

0.2

0.1

0
0 100 200 300 400 500 600
Regresión No Lineal - f
Variable dependiente: f
Variables independientes:
t

Función a estimar: 1-((1-k*(t^2))*(1-(q*t)))

Estimaciones iniciales de parámetros:
k = 0,0
q = 0,00134
Número de observaciones: 10

Método de estimación: Marquardt

La estimación se detuvo debido a la convergencia de la suma de cuadrados de residuos.
Número de iteraciones: 6
Número de llamadas de la función: 26

Resultados de la Estimación
Intervalo Con 95.00%
Error EstándaAsintótico
Parámetro Estimado Asintótico Inferior Superior
k -1.4313E-06 7.507E-06 -1.8743E-05 0.00001588
q 0.00145624 0.00093776 -0.0007062 0.00361873

Análisis de Varianza
Fuente Suma de CuaGl Cuadrado Medio
Modelo 1.05819 2 0.529095
Residuo 0.119098 8 0.0148872
Total 1.17729 10
Total (Corr.) 0.235411 9

R-Cuadrada = 49,4085 porciento

R-Cuadrada (ajustada por g.l.) = 43,0845 porciento
Error estándar del est. = 0,122013
Error medio absoluto = 0,0934671
Estadístico Durbin-Watson = 0,286713
Autocorrelación residual de retardo 1 = 0,79027

Análisis de Residuos
Estimación Validación
n 10
CME 0.0148872
MAE 0.0934671
MAPE
ME 0.0592062
MPE
El StatAdvisor
La salida muestra los resultados de ajustar un modelo de regresión no lineal para describir la relación entre f y 1 variables inde
ecuación del modelo ajustado es

f = 1-((1--0,00000143126*(t^2))*(1-(0,00145624*t)))

Al realizar el ajuste, el proceso de estimación terminó exitosamente después de 6 iteraciones, en este punto los coeficientes es
convergieron con los estimados actuales.

El estadístico R-Cuadrada indica que el modelo, así ajustado, explica 49,4085% de la variabilidad en f. El estadístico R-Cuadrada
que es más adecuado para comparar modelos con diferente número de variables independientes es 43,0845%. El error estánd
muestra que la desviación estándar de los residuos es 0,122013. Este valor puede utilizarse para construir límites de predicción
observaciones seleccionando la opción de Pronósticos del menú de texto. El error absoluto medio (MAE) de 0,0934671 es el v
de los residuos. El estadístico de Durbin-Watson (DW) prueba los residuos para determinar si hay alguna correlación significati
el orden en que se presentaron en su archivo de datos.

La salida también muestra los intervalos asintóticos del intervalos de confianza del 95,0% para cada uno de los parámetros des
Estos intervalos son aproximados y más precisos para tamaños de muestra grandes. Puede determinar si los estimados son es
significativos, o no, examinando tales intervalos para ver si contiene el valor 0. Los intervalos que cubren el 0 corresponden a c
que bien podrían eliminarse del modelo sin afectar el ajuste substancialmente.
relación entre f y 1 variables independientes. La

en este punto los coeficientes estimados

ad en f. El estadístico R-Cuadrada ajustada,

ntes es 43,0845%. El error estándar del estimado
ara construir límites de predicción para nuevas
medio (MAE) de 0,0934671 es el valor promedio
hay alguna correlación significativa basada e

a cada uno de los parámetros desconocidos.

eterminar si los estimados son estadísticamente
que cubren el 0 corresponden a coeficientes
Time (min) F f ajustado A K minim sq Res
0 0 0.21170 0.42340 0.009976 -3.288E-08 0.04482
30 0.09 0.24314 0.02345
60 0.235 0.27323 0.00146
90 0.29 0.30083 0.00012
120 0.299 0.32518 0.00069
180 0.346 0.36312 0.00029
240 0.409 0.38800 0.00044
360 0.458 0.41204 0.00211
420 0.468 0.41708 0.00259
480 0.474 0.41991 0.00293
n 10 sum 0.078899
p 2 Lnsum -2.5396
AIC -21.396
r^2 0.6293
F=A/[1+EXP^-kt]
A/(1+(2,718^(-(k*t))))

Mal ajuste del modelo R^2 bajo

 0.5

0.45

0.4

0.35

0.3

0.25 Experi mental

Ajustado
0.2

0.15

0.1

0.05

0
0 100 200 300 400 500 600
Time (min) F f ajustado kd kr minim sq Res
0 0 0.0000 0.00942 0.000000 7.1246E-10 0.00000
30 0.09 0.0909 m 0.00000
60 0.235 0.1442 0.66654 0.00824
90 0.29 0.1890 0.01020
120 0.299 0.2290 0.00491
180 0.346 0.3000 0.00212
240 0.409 0.3634 0.00208
360 0.458 0.4762 0.00033
420 0.468 0.5277 0.00357
480 0.474 0.5768 0.01058
n 10 sum 0.042008
p 3 Lnsum -3.16990
AIC -25.6990
r^2 0.9766
(k*(t^(m)))+(q*(t^(2*m)))
F=Kdt^0,24+Krt^0,85

Cuando hablamos de peppas nos referimos a matrices de hinchamiento, Hidrofílicos

Diseñada para tipo de geometrias esfericas (ser cuidadoso con este criterio)
Dividio la K en dos ( difusional y relajación)

k indica velocidades de las reacciones

R/F
0
0.7
0
0 0.6
0
0 0.5
0
0 0.4
Experi menta l
0
0.3 Ajustado
0
0
0.2

0.1

0
0 100 200 300 400 500 600
Experi menta l
Ajustado
Regresión No Lineal - f
Variable dependiente: f
Variables independientes: CON STATGRAP ARROJA UN BUEN AJUSTE, SIN EMABRGO PA
APLICAR SOLVER EN EXCEL SE DEBE TENER LA RESTICCIÓN DE
t OCLOCAR Kr (Q) EN NEGATIVO POR LO QUE EL AJUSTE SE DE
DE LO ARROJADO POR STATGRAP
Función a estimar: (k*(t^(m)))+(q*(t^(2*m)))
Estimaciones iniciales de parámetros:
k = 0,00401
m = 0,39316
q = 0,004658
Número de observaciones: 10

Método de estimación: Marquardt

La estimación se detuvo debido a la convergencia de la suma de cuadrados de residuos.
Número de iteraciones: 44
Número de llamadas de la función: 217

Resultados de la Estimación
Intervalo Con 95.00%
Error EstándaAsintótico
Parámetro Estimado Asintótico Inferior Superior
k 0.0146016 0.00569319 0.00113935 0.0280639
m 0.679288 0.0797296 0.490757 0.867819
q -0.0001133 8.86782E-05 -0.000323 9.64107E-05

Análisis de Varianza
Fuente Suma de CuaGl Cuadrado Medio
Modelo 1.173 3 0.391001
Residuo 0.00428269 7 0.00061181
Total 1.17729 10
Total (Corr.) 0.235411 9

R-Cuadrada = 98,1808 porciento

R-Cuadrada (ajustada por g.l.) = 97,661 porciento
Error estándar del est. = 0,0247348
Error medio absoluto = 0,0135033
Estadístico Durbin-Watson = 2,19892
Autocorrelación residual de retardo 1 = -0,101186

Análisis de Residuos
Estimación Validación
n 10
CME 0.00061181
MAE 0.0135033
MAPE
ME -0.0008036
MPE

El StatAdvisor
La salida muestra los resultados de ajustar un modelo de regresión no lineal para describir la relación entre f y 1 variables inde
ecuación del modelo ajustado es

f = (0,0146016*(t^(0,679288)))+(-0,00011328*(t^(2*0,679288)))

Al realizar el ajuste, el proceso de estimación terminó exitosamente después de 44 iteraciones, en este punto los coeficientes e
convergieron con los estimados actuales.

El estadístico R-Cuadrada indica que el modelo, así ajustado, explica 98,1808% de la variabilidad en f. El estadístico R-Cuadrada
que es más adecuado para comparar modelos con diferente número de variables independientes es 97,661%. El error estánda
muestra que la desviación estándar de los residuos es 0,0247348. Este valor puede utilizarse para construir límites de predicció
observaciones seleccionando la opción de Pronósticos del menú de texto. El error absoluto medio (MAE) de 0,0135033 es el v
de los residuos. El estadístico de Durbin-Watson (DW) prueba los residuos para determinar si hay alguna correlación significati
el orden en que se presentaron en su archivo de datos.

La salida también muestra los intervalos asintóticos del intervalos de confianza del 95,0% para cada uno de los parámetros des
Estos intervalos son aproximados y más precisos para tamaños de muestra grandes. Puede determinar si los estimados son es
significativos, o no, examinando tales intervalos para ver si contiene el valor 0. Los intervalos que cubren el 0 corresponden a c
que bien podrían eliminarse del modelo sin afectar el ajuste substancialmente.
N BUEN AJUSTE, SIN EMABRGO PARA
SE DEBE TENER LA RESTICCIÓN DE NO
VO POR LO QUE EL AJUSTE SE DESVIA
OJADO POR STATGRAP
relación entre f y 1 variables independientes. La

s, en este punto los coeficientes estimados

ad en f. El estadístico R-Cuadrada ajustada,

ntes es 97,661%. El error estándar del estimado
para construir límites de predicción para nuevas
medio (MAE) de 0,0135033 es el valor promedio
hay alguna correlación significativa basada e

a cada uno de los parámetros desconocidos.

eterminar si los estimados son estadísticamente
que cubren el 0 corresponden a coeficientes
Time (min) F f ajustado kd kr minim sq Res
0 0 0.0000 0.01854 0.001601 1.418E-13 0
30 0.09 0.1089 0.000357
60 0.235 0.1598 0.005653
90 0.29 0.2017 0.007789
120 0.299 0.2390 0.003604
180 0.346 0.3052 0.001665
240 0.409 0.3646 0.001972
360 0.458 0.4714 0.000179
420 0.468 0.5207 0.002777
480 0.474 0.5681 0.008849
n 10 sum 0.032844
p 2 Lnsum -3.41598
AIC -30.1598
r^2 0.9766
(k*(t^,43))+(q*(t^0,85))
F=Kdt^0,24+Krt^0,85

Cuando hablamos de peppas nos referimos a matrices de hinchamiento, Hidrofílicos

Diseñada para tipo de geometrias esfericas (ser cuidadoso con este criterio)
Dividio la K en dos ( difusional y relajación)

k indica velocidades de las reacciones

Se asume que es esferico y queda constante m
 R/F Difusión
0.6
0 1.00000
0.360 0.72852
0.5
0.482 0.66576
0.571 0.62591
0.4
0.645 0.59652
0.764 0.55395
0.3 Experi mental
0.863 0.52322
Ajustado
1.023 0.47966
1.091 0.46314 0.2
1.154 0.44890
0.1

0
0 100 200 300 400 500 600

NOTA: En stat grap la const Kr da valor negativo por ende se toman los valores de excel (solver)
 RELAJACIÓN
1

1
Experi mental
Ajustado 1

600 0
0 100 200 300 400 500 600

Difusión
1.20000

1.00000

0.80000

0.60000

0.40000

0.20000

0.00000
0 100 200 300 400 500 600
 Time Rt Tt Rt-Tt (Rt-Tt)^2 Si f2 da 100 son identicos
0.33333 0.11474 0.13525 0.0205 0.0004 Si f2 da 0 no son nada parecidos
1 0.69674 0.76895 0.0722 0.0052 Si f2 da entre 50 y 100 son similares
2 1.52864 1.67498 0.1463 0.0214
3 6.40938 6.90878 0.4994 0.2494
4 18.2783 20.0121 1.7338 3.0061 Si f esta entre 0-15 siguen siendo comparabl
5 52.8071 55.9718 3.1647 10.015
6 71.4679 82.2794 10.8115 116.89
7 81.9656 97.169 15.2034 231.14 Se utiliza para comparar dos perfiles de disol
8 87.9813 99.2083 11.2270 126.05
Sum (Rt-Tt) 42.879 Cambios en proceso de pplanta se pueden av
Sum (Rt-Tt)^2 487.38
Sum Rt 321.25
f2 56
f1 13
on nada parecidos Un factor no contradice al otro, son complementarios
50 y 100 son similares

0-15 siguen siendo comparables, no hay diferencia

comparar dos perfiles de disolución

oceso de pplanta se pueden avalar por medio de esto, si se obtienen perfiles similares se avala
TIEMPO DE DISOLUCIÓN MEDIO

time formulation 1 ci+1-ci t half product MDT time

0 0 0.114735 0.16667 0.01912 0 0
0.3333 0.114735 0.811477 0.33333 0.27049 2.357541 0.3333
1 0.69674 2.225382 0.5 1.11269 1.596991 1
2 1.52864 7.938017 0.5 3.96901 2.596431 2
3 6.40938 24.687667 0.5 12.3438 1.925902 3
4 18.27829 71.085360 0.5 35.5427 1.944530 4
5 52.80707 124.27501 0.5 62.1375 1.176689 5
6 71.46794 153.434 0.5 76.7168 1.073443 6
7 81.96565 169.947 0.5 84.9735 1.036696 7
8 87.98132 SUM 277.0856 8

1.180000

1.160000
Form A
1.140000
3 Form B
1.120000
2.5
1.100000

AUC ratio
2
1.080000
1.5
mdt

1.060000
1
1.040000
0.5 1.020000
0 1.000000
0 1 2 3 4 5 6 7 8 0 1
tIME (H)

A partir de la hora 5 se estabilizan los dos perfiles

Son superponibles los perfiles

 formulation 2 ci+1-ci t half product MDT Ratio AUC
0 0.132540 0.16667 0.02209 0 1.155184
0.13254 0.901486 0.33333 0.30050 2.267206 1.110920
0.76895 2.443931 0.5 1.22197 1.589143 1.098207
1.67499 8.583762 0.5 4.29188 2.562340 1.081348
6.90878 26.920867 0.5 13.4604 1.948309 1.090458
20.01209 75.983880 0.5 37.9919 1.898449 1.068910
55.97179 138.25117 0.5 69.1256 1.235008 1.112462
82.27938 179.448 0.5 89.7242 1.090482 1.169551
97.16897 196.377 0.5 98.1886 1.010494 1.155521
99.20832 SUM 314.3272

1.180000

1.160000

1.140000

1.120000

1.100000
AUC ratio

1.080000
1.400000
1.060000
1.200000
1.040000
1.000000
1.020000

1.000000 0.800000
0 1 2 3 4 5 6 7 8
0.600000
Ti me (h)
0.400000

0.200000

0.000000
0 1
 Se toma el valor máximo más parecido que sea común para ambos mu

time form 1 tr82 time form 2 tr82

0.333333 0.114735 0.001400 0.333333 0.13254 0.001611
1 0.69674 0.008500 1 0.76895 0.009346
2 1.52864 0.018650 2 1.67499 0.020357
120.000000
3 6.40938 0.078196 3 6.90878 0.083967
4 18.27829 0.222999 4 20.01209 0.243221 100.000000
5 52.80707 0.644259 5 55.97179 0.680265
80.000000
6 71.46794 0.871925 6 82.27938 1.000000
7 81.96565 1.000000 7 97.16897 1.180964 60.000000
8 87.98132 1.073393 8 99.20832 1.205749
40.000000

20.000000

GRÁFICO DE TIEMPO REDUCIDO, SE RATIFICA CON 0.000000

EL ANTERIOR QUE HAY UN PUNTO DE QUIEBRE 0 1
DESDEPUÉS DE LAS 5 HORAS

Chart Title
tr82 tr82
1.400000

1.200000
Después de la hora 5 hay una formulación que s
1.000000

0.800000

0.600000

0.400000

0.200000

0.000000
0 1 2 3 4 5 6 7 8 9
Gráfico normalizado
 Chart Title
TR 82 F1 TR 82 F2
120.000000

100.000000

80.000000
Gráfico de tipo sigmoide, liberación retardada, e
60.000000

40.000000

20.000000

0.000000
0 1 2 3 4 5 6 7 8 9

gráfico no normalizado

hora 5 hay una formulación que se disuelve más rápido (se empieza a diferenciar pero siguen siendo comparables )
o sigmoide, liberación retardada, en las 2 primeras horas no se libera mucho.
 Time Rt Tt Rt-Tt Rt+Tt (Rt-Tt)^2 (Rt+Tt)^2
0.33333 0.11474 0.13525 0.0205 0.2500 0.0004 0.0625
1 0.69674 0.76895 0.0722 1.4657 0.0052 2.1482
2 1.52864 1.67498 0.1463 3.2036 0.0214 10.2632
3 6.40938 6.90878 0.4994 13.3182 0.2494 177.3734
4 18.2783 20.0121 1.7338 38.2904 3.0061 1466.1547
5 52.8071 55.9718 3.1647 108.7789 10.0153 11832.8491
6 71.4679 82.2794 10.8115 153.7473 116.8885 23638.2323
7 81.9656 97.169 15.2034 179.1346 231.1434 32089.2049
8 87.9813 99.2083 11.2270 187.1896 126.0455 35039.9463
sumatoria 42.8789 685.3783 487.3753 104256.235
res (i=1) 0.063
res (i=2) 0.068
El indice es cercano a cero cuando son similares
es 1 cuando el API cuando son distinto