Delineamentos experimentais ótimos robustos

• Processo: 14/01818-0
• Linha de fomento: Auxílio à Pesquisa - Regular
• Vigência: 01 de maio de 2014 - 30 de abril de 2016
• Área do conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
• Pesquisador responsável: Luzia Aparecida Trinca
• Beneficiário: Luzia Aparecida Trinca
• Instituição-sede: Instituto de Biociências (IBB). Universidade Estadual Paulista (UNESP). Campus de Botucatu. Botucatu , SP, Brasil
• Pesq. associados: Heloisa Maria de Oliveira
• Assunto(s): Predição Robustez Análise fatorial

Resumo

Metodologias para a construção de delineamentos ótimos trazem grandes contribuições para as pesquisas nas áreas experimentais, principalmente quando há restrições de material, de recursos humano ou de tempo de execução. Quando o experimento envolve vários fatores, o uso de fatoriais completos ou de suas frações regulares se tornam inviáveis. A teoria de delineamentos ótimos permite a busca do delineamento mais eficiente possível dado as restrições práticas. Gilmour e Trinca (2012) abriram grande perspectiva na área de delineamentos ótimos ao enfocarem precisão dos estimadores e estimação de erro puro na função critério. Critérios compostos envolvendo 4 possíveis objetivos foram formulados. A vantagem do uso de critérios compostos é que vários objetivos são contemplados de uma maneira razoavelmente simples. Com base na lista de 14 propriedades desejáveis para o experimento de Box e Draper (2007) e nos pontos levantados pelos contribuidores da discussão de Gilmour e Trinca (2012), a proposta deste projeto é ampliar ainda mais a classe de critérios compostos para delineamentos ótimos para experimentos fatoriais , tornando-os mais atrativos na prática. Em particular propomos a incorporação de propriedades de robustez do delineamento à presença de observações influentes, e consequentemente, robustez à ocorrência de perda de observações, a investigação sobre a relevância da inclusão de alguma propriedade para controlar o desbalanceamento dos níveis dos fatores, assim como extensões para experimentos com sistema de aletorização mais complexo requerendo o ajuste de um modelo misto. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

DA SILVA, MARCELO A.; GILMOUR, STEVEN G.; TRINCA, LUZIA A.. Factorial and response surface designs robust to missing observations. COMPUTATIONAL STATISTICS & DATA ANALYSIS, v. 113, p. 261-272, SEP 2017. (14/01818-0)

TRINCA, LUZIA A.; GILMOUR, STEVEN G.. Split-Plot and Multi-Stratum Designs for Statistical Inference. TECHNOMETRICS, v. 59, n. 4, p. 446-457, 2017. (14/01818-0)