Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicio en Clases
Ejercicio en Clases
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
.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
10
4
f(x) = 9.24343038142066E-07 x^4.0125594337
R² = 0.9175526882
2
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
Chart Title
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
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)
-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
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
0.100
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
os esféricos
Regresión No Lineal - f
Variable dependiente: f
Variables independientes:
t
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
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.
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
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
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
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
0.2
0
0 100 200 300 400 500 600
difusión (mecanismos
erosión) y luego una
Regresión No Lineal - f
Variable dependiente: f
Variables independientes:
t
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
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
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
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
F=Exp(A-BC^t)
2,718^(((A)-((B)*(C^t))))
0.45
0.4
0.35
0.3
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))
0.5
0.4
0.2
0.1
0
0 100 200 300 400 500 600
Regresión No Lineal - f
Variable dependiente: f
Variables independientes:
t
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
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
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
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
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
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
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
0.45
0.4
0.35
0.3
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
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
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
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
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
oceso de pplanta se pueden avalar por medio de esto, si se obtienen perfiles similares se avala
TIEMPO DE DISOLUCIÓN MEDIO
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)
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
20.000000
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