29/1/25, 21:09 Modelo de Primer Orden

Modelo de Primer Orden

Espinoza Doménica, Gómez Ana, Guillén Paula, López Juan, Tuapante Daniel y
Vélez Diana
2025-01-30

#------- DISEÑO DE SUPERFICIE (AJUSTADO) -------

# Cargar la librería
library(rsm)

# Crear el diseño central compuesto rotacional

set.seed(123) # Asegurar reproducibilidad
diseño_ccc <- ccd(
basis = 2,
n0 = 2, # Puntos centrales replicados dos veces
randomize = FALSE, # Sin aleatorización para seguimiento
alpha = 'rotatable', # Diseño rotacional
oneblock = TRUE, # Mantener todo en un solo bloque
inscribed = FALSE, # Puntos fuera de los límites originales
coding = list(
x1 ~ (Temp - 25) / 5, # Codificación de Temperatura (20 a 30 °C)
x2 ~ (pH - 6.5) / 0.5 # Codificación de pH (6 a 7)
)
)

# Mostrar el diseño generado

print(diseño_ccc)

## run.order std.order Temp pH

## 1 1 1 20.00000 6.000000
## 2 2 2 30.00000 6.000000
## 3 3 3 20.00000 7.000000
## 4 4 4 30.00000 7.000000
## 5 5 5 25.00000 6.500000
## 6 6 6 25.00000 6.500000
## 7 1 1 17.92893 6.500000
## 8 2 2 32.07107 6.500000
## 9 3 3 25.00000 5.792893
## 10 4 4 25.00000 7.207107
## 11 5 5 25.00000 6.500000
## 12 6 6 25.00000 6.500000
##
## Data are stored in coded form using these coding formulas ...
## x1 ~ (Temp - 25)/5
## x2 ~ (pH - 6.5)/0.5

# Diseño en formato tabla

diseño_tabla <- as.data.frame(diseño_ccc)
print(diseño_tabla)

file:///C:/Users/diana/Desktop/pp.html 1/6
29/1/25, 21:09 Modelo de Primer Orden

## run.order std.order x1 x2
## 1 1 1 -1.000000 -1.000000
## 2 2 2 1.000000 -1.000000
## 3 3 3 -1.000000 1.000000
## 4 4 4 1.000000 1.000000
## 5 5 5 0.000000 0.000000
## 6 6 6 0.000000 0.000000
## 7 1 1 -1.414214 0.000000
## 8 2 2 1.414214 0.000000
## 9 3 3 0.000000 -1.414214
## 10 4 4 0.000000 1.414214
## 11 5 5 0.000000 0.000000
## 12 6 6 0.000000 0.000000

# Visualización gráfica del diseño

plot(diseño_ccc[, c(3:4)], pch = 16,
xlab = "x1: Temperatura (codificada)",
ylab = "x2: pH (codificada)")
abline(h = c(1, -1), col = 'blue') # Líneas de referencia en pH
abline(v = c(1, -1), col = 'red') # Líneas de referencia en Temperatura

#Datos obtenidos en el laboratorio

Respuesta <- c(2,2,2,2,3.1,3,2.6,3.4,1,3,0.9,0.9) #Aqui poner los resultados de grados brix
Respuesta

## [1] 2.0 2.0 2.0 2.0 3.1 3.0 2.6 3.4 1.0 3.0 0.9 0.9

file:///C:/Users/diana/Desktop/pp.html 2/6
29/1/25, 21:09 Modelo de Primer Orden

diseño_ccc$Respuesta <- Respuesta #con esto se añaden los datos de respuesta a la tabla que
tenemos
diseño_ccc

## run.order std.order Temp pH Respuesta

## 1 1 1 20.00000 6.000000 2.0
## 2 2 2 30.00000 6.000000 2.0
## 3 3 3 20.00000 7.000000 2.0
## 4 4 4 30.00000 7.000000 2.0
## 5 5 5 25.00000 6.500000 3.1
## 6 6 6 25.00000 6.500000 3.0
## 7 1 1 17.92893 6.500000 2.6
## 8 2 2 32.07107 6.500000 3.4
## 9 3 3 25.00000 5.792893 1.0
## 10 4 4 25.00000 7.207107 3.0
## 11 5 5 25.00000 6.500000 0.9
## 12 6 6 25.00000 6.500000 0.9
##
## Data are stored in coded form using these coding formulas ...
## x1 ~ (Temp - 25)/5
## x2 ~ (pH - 6.5)/0.5

#Ajuste modelo lineal simple

qqnorm(Respuesta,col='purple')
qqline(Respuesta)

file:///C:/Users/diana/Desktop/pp.html 3/6
29/1/25, 21:09 Modelo de Primer Orden

modeloexpsimple <- lm(Respuesta ~ x1 + x2, data = diseño_ccc)

summary(modeloexpsimple)

##
## Call:
## lm(formula = Respuesta ~ x1 + x2, data = diseño_ccc)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.2583 -0.6546 0.1952 0.6917 1.0417
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 2.1583 0.2633 8.196 1.82e-05 ***
## x1 0.1414 0.3225 0.438 0.671
## x2 0.3536 0.3225 1.096 0.301
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.9122 on 9 degrees of freedom
## Multiple R-squared: 0.1341, Adjusted R-squared: -0.0583
## F-statistic: 0.697 on 2 and 9 DF, p-value: 0.5231

# Ajuste modelo lineal cuadrático

modeloexpcuad <- lm(Respuesta ~ I(x1^2) + I(x2^2), data = diseño_ccc)

summary(modeloexpcuad)

##
## Call:
## lm(formula = Respuesta ~ I(x1^2) + I(x2^2), data = diseño_ccc)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.0750 -0.3750 -0.2500 0.7438 1.2500
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.9750 0.4548 4.342 0.00187 **
## I(x1^2) 0.3875 0.3596 1.078 0.30923
## I(x2^2) -0.1125 0.3596 -0.313 0.76151
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.9097 on 9 degrees of freedom
## Multiple R-squared: 0.1389, Adjusted R-squared: -0.05241
## F-statistic: 0.7261 on 2 and 9 DF, p-value: 0.5101

Modelo de primer orden

file:///C:/Users/diana/Desktop/pp.html 4/6
29/1/25, 21:09 Modelo de Primer Orden

library(rsm)

modelo1 <- rsm(Respuesta ~ FO(x1,x2),data = diseño_ccc)

summary(modelo1)

##
## Call:
## rsm(formula = Respuesta ~ FO(x1, x2), data = diseño_ccc)
##
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 2.15833 0.26333 8.1962 1.823e-05 ***
## x1 0.14142 0.32252 0.4385 0.6714
## x2 0.35355 0.32252 1.0962 0.3014
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Multiple R-squared: 0.1341, Adjusted R-squared: -0.0583
## F-statistic: 0.697 on 2 and 9 DF, p-value: 0.5231
##
## Analysis of Variance Table
##
## Response: Respuesta
## Df Sum Sq Mean Sq F value Pr(>F)
## FO(x1, x2) 2 1.1600 0.58000 0.6970 0.5231
## Residuals 9 7.4892 0.83213
## Lack of fit 6 2.8617 0.47694 0.3092 0.8971
## Pure error 3 4.6275 1.54250
##
## Direction of steepest ascent (at radius 1):
## x1 x2
## 0.3713907 0.9284767
##
## Corresponding increment in original units:
## Temp pH
## 1.8569534 0.4642383

#Modelo de primer orden, me da la ecuación respecto a las variables

#En direction os steepest... me dice hacia donde desplazar las variables, ejm x1 moverse 0,37
y x2 moverse 0.9 y abajo me da en las unidades originales que puedo hacer

#MODELO SE SEGUNDO GRADO

modelo2<- rsm(Respuesta ~ SO(x1,x2), data = diseño_ccc)

summary(modelo2)

file:///C:/Users/diana/Desktop/pp.html 5/6
29/1/25, 21:09 Modelo de Primer Orden

##
## Call:
## rsm(formula = Respuesta ~ SO(x1, x2), data = diseño_ccc)
##
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.9750e+00 5.1184e-01 3.8586 0.008376 **
## x1 1.4142e-01 3.6192e-01 0.3907 0.709481
## x2 3.5355e-01 3.6192e-01 0.9769 0.366360
## x1:x2 8.8714e-16 5.1184e-01 0.0000 1.000000
## x1^2 3.8750e-01 4.0464e-01 0.9576 0.375228
## x2^2 -1.1250e-01 4.0464e-01 -0.2780 0.790328
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Multiple R-squared: 0.2731, Adjusted R-squared: -0.3327
## F-statistic: 0.4507 on 5 and 6 DF, p-value: 0.8002
##
## Analysis of Variance Table
##
## Response: Respuesta
## Df Sum Sq Mean Sq F value Pr(>F)
## FO(x1, x2) 2 1.1600 0.58000 0.5535 0.6017
## TWI(x1, x2) 1 0.0000 0.00000 0.0000 1.0000
## PQ(x1, x2) 2 1.2017 0.60083 0.5734 0.5917
## Residuals 6 6.2875 1.04792
## Lack of fit 3 1.6600 0.55333 0.3587 0.7889
## Pure error 3 4.6275 1.54250
##
## Stationary point of response surface:
## x1 x2
## -0.1824792 1.5713484
##
## Stationary point in original units:
## Temp pH
## 24.087604 7.285674
##
## Eigenanalysis:
## eigen() decomposition
## $values
## [1] 0.3875 -0.1125
##
## $vectors
## [,1] [,2]
## x1 -1.000000e+00 8.871376e-16
## x2 -8.871376e-16 -1.000000e+00

file:///C:/Users/diana/Desktop/pp.html 6/6