Caso práctico 5.

Slides:



Advertisements
Presentaciones similares
“Construcción de Software para Regresión: El Caso de Selección de Modelos y Pruebas de Homocedasticidad” Previa a la obtención del Título de: INGENIERO.
Advertisements

ANÁLISIS DE LA VARIANZA (ANOVA)
Tema 2: Números aleatorios. Generación de números
Curso 2006/07 S. Ramírez de la Piscina Millán U.D. Técnicas Experimentales Departamento de Física y Química Aplicadas a la Técnica Aeronáutica Técnicas.
Modelado y simulación en Ingeniería Química. Manuel Rodríguez
Capitulo 10: La metodología Box-Jenkins
Diseño de experimentos
Tema 5 Protocolos para obtención de datos, calibrados, uso de hojas de cálculo.
Ajuste de curvas Métodos de ajuste de curvas: regresión lineal y no lineal Fco. Javier Burguillo Universidad de Salamanca Tema 8.
Resortes y análisis mediante regresión lineal de datos
Regresión Lineal Simple
RELACIONES ENTRE VARIABLES
REGRESION LINEAL En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre factores (o variables).
QUE ES UNA MAQUINA DE JUEGO PROGRAMADO ?
Regresión Lineal Múltiple
Regresión Lineal Simple
Diseño Factorial Descompuesto
Tema-14. Las enzimas en el interior celular
DERIVADO DE LOS COEFICIENTES DE REGRESIÓN LINEAL Y X Esta sequencia muestra cómo los coeficientes de regresión para un modelo de regresión lineal simple.
ESTADÍSTICA BÁSICA EN ECOLOGÍA EVOLUTIVA Juan J. Soler Cruz Estación Experimental de Zonas Áridas Almería.
Métodos de calibración: regresión y correlación
REGRESION LINEAL MULTIPLE: Introducción
CO2124 CRÍTICA DEL MODELO Práctica 5 1 El ajuste y el análisis de un modelo lineal se sustenta en cuatro suposiciones básicas: La relación entre las variables.
Píldora de evaluación estadística de ajuste de curvas Files con las tablas: T_tables.pdf F_tables.pdf Descargadas desde
Concepto El diseño de discontinuidad en la regresión ofrece mejores perspectivas que el diseño de grupos no equivalentes, dado que se conoce la naturaleza.
Definición La extensión lógica del diseño de grupo control no equivalente con medidas antes y después es el diseño con múltiples grupos no equivalentes;
Contingency Tables Raymond L. Tremblay. Los temas Regresión Lineal Comparando ecuaciones lineales Bondad de ajuste (Chi square) Tabla de contingencia.
Comparasi ó n de Regresión Lineales Capitulo 18. Los temas Regresión Lineal Comparando ecuaciones lineales Bondad de ajuste (Chi square) Tabla de contingencia.
PARA LA REGRESIÓN LINEAL SIMPLE
Regresión Lineal Simple
Coeficiente de determinación y análisis de varianza de la regresión
Regresión lineal simple Nazira Calleja
REGRESIÓN LINEAL MÚLTIPLE.
Modelos de regresión lineal
REGRESIÓN LINEAL SIMPLE TEMA INTRODUCCIÓN Determinar la ecuación de regresión sirve para: – Describir de manera concisa la relación entre variables.
ANÁLISIS DE COVARIANZA En algunas circunstancias, un experimento está afectado por la intervención de un factor muchas veces imprevisible y que no puede.
Bioestadistica II 2014 FACULTAD DE CIENCIAS EXACTAS, FÍSICAS Y NATURALES. UNIVERSIDAD NACIONAL DE CÓRDOBA.
REGRESIÓN LINEAL MÚLTIPLE TEMA INTRODUCCIÓN 2 x1x1 Y x2x2 x3x3 xKxK.
Contraste de Hipotesis
TEMA 3: Estadística Bidimensional. ● Álvaro Fernández Romero y Luis Carlos Fernández herrezuelo.
Prof. Dr. Luis Alberto Rubio Jacobo CURSO: “Estadística Aplicada al Marketing” MAESTRIA EN GERENCIA DE MARKETING.
MEP- II.
DISEÑO EN CUADRADO LATINO Y GRECOLATINO
Erick Daniel Wolf Chacón SANTO DOMINGO-ECUADOR 2014
DISEÑOS EXPERIMENTALES
3. ACTIVIDAD ENZIMÁTICA PARTE II. FACTORES QUE MODIFICAN LA ACTIVIDAD DE LAS ENZIMAS: EFECTO DE LA CONCETRACIÓN DE SUSTRATO Y DE UN INHIBIDOR.
Herrera Oscar 1, Vaisberg Abraham2
Si una enzima obedece la cinética de Michaelis-Menten, una gráfica del recíproco de la velocidad de reacción 1/v0 como función del recíproco de la concentración.
¿Qué es investigación? Educ. 901 Dra. Rosita Puig.
Regresion Multiple Varias variables explicativas
Capítulo 6 Regresión no lineal
Enzimas Curvas temporales de actividad enzimática de LDH
RECHAZO DE DATOS DE UNA SERIE Gloria María Mejía Z.
DISTRIBUCIÓN GAMMA. La distribución gamma se deriva de la función gamma. La distribución gamma tiene un caso especial que es la distribución exponencial.
UNIVERSIDAD POLITÉCNICA TERRITORIAL DEL ESTADO BARINAS “JOSÉ FÉLIX RIBAS” UNIVERSIDAD NACIONAL EXPERIMENTAL “FRANCISCO DE MIRANDA” ÁREA CIENCIAS DE LA.
ANÁLISIS RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS Método del test Chi cuadrado Lic. Ramiro Duras Lozano.
Regresión Lineal Simple Capitulo 17. Los temas Regresión Lineal Comparando ecuaciones lineales Bondad de ajuste (Chi square) Tabla de contingencia The.
Cinética enzimática.
Análisis de datos categóricos Cs. Veterinarias 2015
Diseño de experimentos
INHIBIDOR COMPETITIVO INHIBIDOR NO COMPETITIVO INHIBIDOR ACOMPETITIVO La Vmax no cambia Aumenta la km Disminución de la afinidad de la enzima por su sustrato.
Leyes de newton.
Analisis de Regresion Multiple
FUNCIÓN CUADRÁTICA—FUNCIÓN LINEAL.
Ajuste de curvas v v = f[S] Modelo Teórico Modelo Empírico
Tema 15 INHIBICIÓN ENZIMÁTICA I 1.Introducción 2. Inhibición reversible 2.1 Inhibición competitiva (inhibición específica) 2.2 Inhibición no-competitiva.
ANÁLISIS DE REGRESIÓN LINEAL Y CORRELACIÓN SIMPLE ANÁLISIS DE REGRESIÓN LINEAL Y CORRELACIÓN SIMPLE 1 1.
ANALISIS DE REGRESION SIMPLE
REGRESION LINEAL SIMPLE
Transcripción de la presentación:

Caso práctico 5

Ejemplo de regresión no lineal con SIMFIT Con una preparación enzimática de dos isoenzimas se realizó el siguiente estudio: 8 puntos experimentales, en el margen de concentraciones de 0.05 a 50 mM, espaciados logarítmicamente y realizándose 5 réplicas por punto (40 datos en total). [S] v s 0.050 0.0530 0.0006 0.0531 0.0523 0.0522 0.0520 ….. 50.0 1.73 0.06 1.86 1.77 1.76 ¿Tienen las 2 isoenzimas la misma Vmax y Km?

Algoritmo Búsqueda al azar Algoritmo Cuasi-Newton (p<0.05)

si yexp. yajus. yexp.- yajus.

Tabla de análisis global de los residuales (importante) Test c2 (p < 0.01) weighted sum of squares Test rachas (p < 0.01) cualitativo (poco valor)

Hay 7 rachas (pocas para 40 residuales), eso significa un ajuste “sesgado” (los residuales debieran estar al azar y no en “racimos”)

Entra automáticamente el ajuste a 2 Michaelis-Menten Algoritmo búsqueda al azar Algoritmo Cuasi-Newton Las 4 “p” son < 0.05 , parámetros distintos “0”

Residuales

Análisis global de los residuales para 2 Michaelis-Menten (disminuyó (antes 2.43E+02)) Test c2 (buen ajuste p > 0.05) (disminuyó (antes 5.66 %)) (aumentó (antes 7 )) (test rachas (buen ajuste ( p > 0.05 ))

Los residuales están más al azar (18 rachas frente a 7 de antes) Los residuales están más al azar (18 rachas frente a 7 de antes). El ajuste no está sesgado (es mejor ajuste)

Discriminación estadística entre los 2 modelos rivales (disminuye, pero hay que probar que es significativo ) (p < 0.05, la disminución en WSSQ es significativa ) (Cp/M1 > 1 rechazar modelo previo ) (disminuye AIC, rechazar modelo previo)

(Basado en Bardsley 2011, SIMFIT statistical package)