Qu es ADEI?

Qu es ADEI?
Descripcin de conjuntos de datos (estados):
Caracterizar en base a indicadores objetivos la dispersin, tendencia y distribucin de un set de datos

Diseo de experimentos Ajuste de modelos

2

Qu es ADEI?
Descripcin de conjuntos de datos (estados):
Caracterizar en base a indicadores objetivos la dispersin, tendencia y distribucin de un set de datos

Poseen el mismo promedio, pero distintos rangos de variacin

Diseo de experimentos Ajuste de modelos

3

Qu es ADEI?
Descripcin de conjuntos de datos (estados):
Caracterizar en base a indicadores objetivos la dispersin, tendencia y distribucin de un set de datos

Poseen el mismo promedio y rango de variacin, sin embargo estn distribuidos de distinta manera. Diseo de experimentos

Ajuste de modelos
4

Qu es ADEI?
Descripcin de conjuntos de datos (estados):
Caracterizar en base a indicadores objetivos la dispersin, tendencia y distribucin de un set de datos. Describir relacin entre variables, definiendo dependencia, casualidad y causalidad. Volumen de un gas

CAUSALIDAD

Poblacin humana

CASUALIDAD

Temperatura

Precio del petrleo

Diseo de experimentos Ajuste de modelos

5

Qu es ADEI?
Descripcin de conjuntos de datos (estados):
Caracterizar en base a indicadores objetivos la dispersin, tendencia y distribucin de un set de datos. Describir relacin entre variables, definiendo dependencia, casualidad y causalidad.

Calentamiento global: Qu pasa con la temperatura y [CO2] si sellamos hermticamente sta sala con nosotros adentro?

Diseo de experimentos Ajuste de modelos

6

Qu es ADEI?
Descripcin de conjuntos de datos (estados): Diseo de experimentos: Obtener de manera eficiente y til los datos sobre los que se concluir. Evitar la confusin: Es poder explicar de buena forma las dependencias.
Se busca estudiar la relacin entre presin y volumen de un gas, es decir, P(v). Se realiza un experimento que vara V y mide P. 1era Medicin 2da Medicin

P1, V1

P2, V2

Ajuste de modelos
7

Qu es ADEI?
Descripcin de conjuntos de datos (estados): Diseo de experimentos: Obtener de manera eficiente y til los datos sobre los que se concluir. Evitar la confusin: Es poder explicar de buena forma las dependencias.
Se busca estudiar la relacin entre presin y volumen de un gas, es decir, P(v). Se realiza un experimento que vara V y mide P. La segunda medicin, a menor volumen, tambin resulta en una menor presin. 1era Medicin 2da Medicin

P1, V1

P2, V2

Ajuste de modelos
8

Qu es ADEI?
Descripcin de conjuntos de datos (estados): Diseo de experimentos: Obtener de manera eficiente y til los datos sobre los que se concluir. Evitar la confusin: Es poder explicar de buena forma las dependencias.
Se busca estudiar la relacin entre presin y volumen de un gas, es decir, P(v). Se realiza un experimento que vara V y mide P. La segunda medicin, a menor volumen, tambin resulta en una menor presin. 1era Medicin 2da Medicin

P1, V1

P2, V2
T1 T2

Ajuste de modelos

EL EXPERIMENTO FRACASA No se consider que las temperaturas de las dos mediciones eran distintas, no se bloque dicho efecto.
9

Qu es ADEI?
Descripcin de conjuntos de datos (estados): Diseo de experimentos: Obtener de manera eficiente y til los datos sobre los que se concluir. Evitar la confusin: Ser eficiente: La muestra puede ser escasa o el anlisis costos.

8 Mediciones, con algunas redundantes

Ajuste de modelos
10

Qu es ADEI?
Descripcin de conjuntos de datos (estados): Diseo de experimentos: Obtener de manera eficiente y til los datos sobre los que se concluir. Evitar la confusin: Ser eficiente: La muestra puede ser escasa o el anlisis costos.

8 Mediciones, con algunas redundantes

6 Mediciones, con ms informacin de la dinmica

Ajuste de modelos
11

Qu es ADEI?
Descripcin de conjuntos de datos (estados): Diseo de experimentos: Ajuste de modelos:
Para predecir, explicar, optimizar, etc.

y Cul es la ecuacin que describe los puntos?

x
12

Qu es ADEI?
Descripcin de conjuntos de datos (estados): Diseo de experimentos: Ajuste de modelos:
Para predecir, explicar, optimizar, etc.

y Es una recta? y=a*x + b

x
13

Qu es ADEI?
Descripcin de conjuntos de datos (estados): Diseo de experimentos: Ajuste de modelos:
Para predecir, explicar, optimizar, etc.

y Es una cuadrtica? y=ax2+bx + c

x
14

Qu es ADEI?
Descripcin de conjuntos de datos (estados): Diseo de experimentos: Ajuste de modelos:
Para predecir, explicar, optimizar, etc.

y Es una cbica? Y=ax3+bx2+cx+d

x
15

Qu es ADEI?
Descripcin de conjuntos de datos (estados): Diseo de experimentos: Ajuste de modelos:
Para predecir, explicar, optimizar, etc. Supongamos que es una recta Es esa recta? y=a*x + b

x
16

Qu es ADEI?
Descripcin de conjuntos de datos (estados): Diseo de experimentos: Ajuste de modelos:
Para predecir, explicar, optimizar, etc. Supongamos que es una recta Es esa recta? y=a*x + b

x
17

Qu es ADEI?
Descripcin de conjuntos de datos (estados): Diseo de experimentos: Ajuste de modelos:
Para predecir, explicar, optimizar, etc. Supongamos que es una recta Es esa recta? y=a*x + b

x
18

Qu es ADEI?
Descripcin de conjuntos de datos (estados): Diseo de experimentos: Ajuste de modelos:
Para predecir, explicar, optimizar, etc. Supongamos que es LA cuadrtica Cul es el mximo? Cmo puedo aprovecharlo?

x
19

Qu es ADEI?
Descripcin de conjuntos de datos (estados): Diseo de experimentos: Ajuste de modelos:
Para predecir, explicar, optimizar, etc. Supongamos que es una cbica Representa la fenomenologa entre las variables?

x
20

Ejemplos de aplicacin

21

Ejemplo de aplicacin: Descripcin.

Una fbrica de barras de cereal imprime en las etiquetas de sus productos que estos contienen un 4% de fibra. Sus maquinarias, que no son perfectas, aaden una cantidad de fibra con una variabilidad de 2%. Por lo que est obligada aadir una cantidad de fibra promedio de 6%, para asegurar que sus productos cumplan con lo indicado en la etiqueta

%Fibra 8% 6%2% 4% Tiempo 4%

22

Ejemplo de aplicacin: Descripcin.

Una fbrica de barras de cereal imprime en las etiquetas de sus productos que estos contienen un 4% de fibra. Sus maquinarias, que no son perfectas, aaden una cantidad de fibra con una variabilidad de 2%. Por lo que est obligada aadir una cantidad de fibra promedio de 6%, para asegurar que sus productos cumplan con lo indicado en la etiqueta Un joven ingeniero, que pona atencin a su clase de ADEI, logr disminuir la variabilidad del porcentaje de fibra a la mitad, 1%.

%Fibra 4% a 8%

5% a 7%

6%
4% Tiempo

23

Ejemplo de aplicacin: Descripcin.

Una fbrica de barras de cereal imprime en las etiquetas de sus productos que estos contienen un 4% de fibra. Sus maquinarias, que no son perfectas, aaden una cantidad de fibra con una variabilidad de 2%. Por lo que est obligada aadir una cantidad de fibra promedio de 6%, para asegurar que sus productos cumplan con lo indicado en la etiqueta Un joven ingeniero, que pona atencin a su clase de ADEI, logr disminuir la variabilidad del porcentaje de fibra a la mitad, 1%. 4% a 6%

%Fibra 4% a 8%

5% a 7%

6%
4% Tiempo

Con lo que se pudo disminuir la fibra promedio por unidad, sin trasgredir la legislacin
24

Ejemplo de aplicacin: Descripcin.

Suponiendo que cada barra de cereal pesa 100 [g], y que la fbrica solo cuenta con 100 [kg] de fibra por da Cunto fue posible aumentar la produccin de barras de cereal por mes gracias a las mejoras hechas por el joven ingeniero?

100 [kg]/0,06/100[g]=16.667 unidades

%Fibra 4% a 8% 6% 4% Tiempo 4% a 6% 5%

100 [kg]/0,05/100[g]=20.000 unidades

AUMENTO DEL 17% EN LA PRODUCCIN

25

Ejemplo de aplicacin: Optimizacin

Supongamos que tenemos un proceso qumico en donde se sintetiza un valioso producto B. De acuerdo a la cintica de formacin de B, mientras ms alta est la temperatura del reactor, mayor ser la cantidad de producto obtenida (mayores ingresos). Modelo predictor de cantidad de B

26

Ejemplo de aplicacin: Optimizacin

Supongamos que tenemos un proceso qumico en donde se sintetiza un valioso producto B. De acuerdo a la cintica de formacin de B, mientras ms alta est la temperatura del reactor, mayor ser la cantidad de producto obtenida (mayores ingresos).

Fijndose solo en la produccin de B, lo ptimo sera tener la temperatura lo ms alta posible. Sin embargo, calentar el reactor no es gratis, as que se hace un estudio de costos. Modelo predictor de cantidad de B Modelo predictor de costo de calefaccin

27

Ejemplo de aplicacin: Optimizacin

Supongamos que tenemos un proceso qumico en donde se sintetiza un valioso producto B. De acuerdo a la cintica de formacin de B, mientras ms alta est la temperatura del reactor, mayor ser la cantidad de producto obtenida (mayores ingresos).

Fijndose solo en la produccin de B, lo ptimo sera tener la temperatura lo ms alta posible. Sin embargo, calentar el reactor no es gratis, as que se hace un estudio de costos. Considerando ambos hechos, que se mueven a la inversa con la temperatura, se hace conveniente hallar el ptimo para la utilidad del proceso.
Contraste de ingreso y costo Utilidad del proceso

28

Ejemplo de aplicacin: Clasificacin.

La regresin logstica es un tipo de ajuste donde se busca definir la frontera de decisin que determinar su un evento es de cierta clase u otro, es decir, un clasificador. Tiene amplias aplicaciones, desde definir si un correo es spam, hasta otras como fallas en el funcionamiento de equipos de procesos. Ejemplo de 2 variables x1 Candidato a frontera f(x1,x2)

x2
29

Ejemplo de aplicacin: Clasificacin.

La regresin logstica es un tipo de ajuste donde se busca definir la frontera de decisin que determinar su un evento es de cierta clase u otro, es decir, un clasificador. Tiene amplias aplicaciones, desde definir si un correo es spam, hasta otras como fallas en el funcionamiento de equipos de procesos. Ejemplo de frontera no lineal Candidato a frontera f(x1,x2) x1

x2

30

Ejemplo de aplicacin: Clasificacin.

La regresin logstica es un tipo de ajuste donde se busca definir la frontera de decisin que determinar su un evento es de cierta clase u otro, es decir, un clasificador. Tiene amplias aplicaciones, desde definir si un correo es spam, hasta otras como fallas en el funcionamiento de equipos de procesos. Ejemplo multiclasificador x1 Como definimos la frontera?

x2
31

Ejemplo de aplicacin: Deteccin de anomalas.

Es una aplicacin de los clasificadores. Supongamos el caso de un motor, el cual mientras a ms RPM se mueve, ms vibraciones genera.

Vibracin

RPM
32

Ejemplo de aplicacin: Deteccin de anomalas.

Es una aplicacin de los clasificadores. Supongamos el caso de un motor, el cual mientras a ms RPM se mueve, ms vibraciones genera.

Vibracin

Frontera de normalidad

RPM
33

Ejemplo de aplicacin: Deteccin de anomalas.

Es una aplicacin de los clasificadores. Supongamos el caso de un motor, el cual mientras a ms RPM se mueve, ms vibraciones genera.

Vibracin

Anomala, las vibraciones son ms altas de lo normal para esas RPM

Frontera de normalidad

RPM
34

Ejemplo de aplicacin: Deteccin de anomalas.

Es una aplicacin de los clasificadores. Supongamos el caso de un motor, el cual mientras a ms RPM se mueve, ms vibraciones genera.

Vibracin

Anomala, las vibraciones son ms altas de lo normal para esas RPM

Frontera de normalidad

RPM
35

Ejemplo de aplicacin: Reduccin dimensional.

Se trata de reducir el nmero de variables de las que depende una funcin. Como muestra el ejemplo, un grupo de puntos en tres dimensiones puede estar contenido en un plano bidimensional inclinado. En ese caso, se puede hacer un cambio de ejes para que en vez de tres variables solo se requieran 2. Ejemplo:

Un problema puede constar de 10, 20 o ms variables. Se puede hacer reduccin con el objetivo de simplificar los clculos, como tambin dejar 2 o 3 variables principales para visualizar.
36

Rol del diseo de experimento

Descriptiva: Resumir, organizar y simplificar.

La estadstica como herramienta

Inferencial: Generalizacin de la poblacin en base a una muestra REPRESENTATIVA.

Estudio observacional: No se manipulan variables, se analiza lo que hay. La va del Experimento randomizado: Se bloquea y manipula lo de inters.
- Definir una muestra representativa. - Identificar variables dependientes e independientes. - Bloquear y segar lo necesario. - Evitar la confusin. - DEFINIR CAUSALIDAD. Para Predecir eventos. Prevenir eventos perjudiciales. Promover eventos favorables. Identificar patrones.

Cuando y porqu suceden las cosas!

37