Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Utilice el código de RStudio para determinar las corridas a realizar y los valores de
lo (-1, 1, -1,414 y 1,414), así como un orden aleatorio en el que se deben realizar
las corridas.
Parte 2 Análisis de la información
A partir de la información suministrada por el programa R Studio se llevo a cabo el diseño
de experimentos y se obtuvieron los siguientes resultados, debido a limitaciones en el
laboratorio no se contaba con disolvente fresco para todas las corridas para lograr la
recuperación del biocrudo, por lo que en algunas corridas se utilizó una porción de
disolvente recuperado de corridas previas utilizando el rotavapor, se desea bloquear las
diferentes porciones del disolvente reutilizado.
x1 x2 block y
1 -1 1 43.4
0 0 1 41.5
-1 -1 2 39.4
0 0 1 35.8
-1 1 1 38.8
1 1 1 31.5
0 1.414 1 19.5
0 -1.414 1 43.4
1.414 0 1 22.4
-1.414 0 2 26.9
0 0 1 31.5
0 0 1 37.4
X2 es un efecto significativo para un porcentaje de confianza del 90% y 95% y x2 solo para
un 90% de confianza
3. Para el caso sin bloque, ¿Cuáles son los valores propios o característicos?
9. Presente los gráficos de contorno, ¿qué puede concluir a partir de ellos? Explique
su respuesta
Nuevamente e llega a valores más altos de y cuando x2 es negativo pero en este caso
x1 está entre -1 y -1,5. Como se puede observar la gráfica de contorno a color, en el
que el contorno de de 50 se encuentra en esa área naranja/roja.
10. ¿Cuáles son los valores de tiempo y temperatura del punto óptimo calculado por la
superficie estacionaria?
T= T0+x1*DeltaT = 300+5.481723*25 = 437.043075°C
t0+x2*Deltat= 0+0.5*(-2.292190) = -1.146095 horas
11. ¿Cuál es el modelo que representa la superficie estacionaria? ¿Cuál es el valor de
rendimiento predicho por el modelo en el punto óptimo calculado por la superficie
estacionaria?
La superficie estacionaria es plana.
Código:
#1
DCCD <- ccd(basis = 2, alpha = "rotatable", n0 = 2, randomize = TRUE,
oneblock = TRUE, coding = list(x1 ~ (Temp-300)/25, x2~(tiempo-1.5)/0.5))
DCCD
plot(DCCD[ , c(3:4)], pch = 16)
abline(h = c(1, -1), col = "Black")
abline(v = c(1, -1) , col = "Black")
#2
tareadccd=read.table("E:/UCR/Lab Masa I/Tarea.txt", header = TRUE)
View(tareadccd)
tareadccd$block <- factor(tareadccd$block)
str(tareadccd)
library(rsm)
tareadccd
#a)
rsm.tareadccd <- rsm(y ~ SO(x1, x2), data = tareadccd)
rsm.tareadccd$studres <- rstudent(rsm.tareadccd)
summary(rsm.tareadccd)
contour.lm(rsm.tareadccd, ~x1+x2)
contour.lm(rsm.tareadccd, ~ x1 + x2, image = TRUE, at = canonical(rsm.tareadccd)$xs,
main = "through stationary point")
par(mfrow = c(1,1))
persp(rsm.tareadccd, x2 ~ x1,
zlab = "Rendimiento(%)",
contours = list(z = "bottom", col = "colors"), # posicion y color
at = c(summary(rsm.tareadccd$canonical$xs)),
theta = 120, phi = 10)
#b)
rsm.tareadccdb <- rsm(y ~ block + SO(x1, x2), data = tareadccd)
rsm.tareadccdb$studres <- rstudent(rsm.tareadccd)
summary(rsm.tareadccdb)
contour.lm(rsm.tareadccdb, ~x1+x2)
contour.lm(rsm.tareadccdb, ~ x1 + x2, image = TRUE, at = canonical(rsm.tareadccdb)$xs,
main = "through stationary point")
par(mfrow = c(1,1))
persp(rsm.tareadccdb, x2 ~ x1,
zlab = "Rendimiento(%)",
contours = list(z = "bottom", col = "colors"), # posicion y color
at = c(summary(rsm.tareadccdb$canonical$xs)),
theta = 70, phi = 10)