-
Distribuciones discretas
010-estbas-02
-
Definiciones
010-estbas-01
-
Muestreo por aceptación
070-muesacep
-
Muestreo de aceptación
070-mueace-01
-
Curvas de operación (CO)
070-mueace-02
-
Muestreo de aceptación simple por atributos
070-mueace-03
-
Análisis gráfico
020-anagraf-01
-
Distribuciones continuas
010-estbas-03
-
Copia de Análisis gráfico
020-anagraf-01
-
Sistemas de muestreo
070-mueace-04
-
Contenido_inferencia
040-infer-c
-
Prueba t - varianzas iguales
Conceptos teóricos
-
Bernoulli
R
-
Criterios de evaluación
Conceptos teóricos
-
Prueba t - varianzas diferentes_
R
-
Inferencia sobre la media_
Conceptos teóricos
-
031-e_infer_eje
Inferencia_ejercicios
-
GLOSARIO
Glosario
-
Ingreso de datos
R - Ingreso de datos
-
Análisis de bloques (DBCA)
R
-
Ejercicios - MONTGOMERY D. C.
Design and analysis of Experiments. 2013. Octava edición. John Wiley Sons, Inc. Capítulo 4, ejercicio 4.3. Pág. 177
-
Ejercicios - MONTGOMERY D. C.
Design and analysis of Experiments. 2013. Octava edición. John Wiley Sons, Inc. Capítulo 4, ejercicio 4.5. Pág. 177
-
Prueba t - varianzas iguales
R
-
Indice de Hausner
ANOVA
-
Peso de las tabletas
ANOVA
-
Prueba t - varianzas diferentes.
Conceptos teóricos
-
Factor de eficiencia relativa DBCA vs. DCA
R
-
Correlación
Guía de comandos
-
Regresión lineal
R
-
Aplicación de Jackknife en la determinación de intervalos de confianza para el coeficiente de variación
Conceptos teóricos
-
Aplicación de bootstrap en la determinación de intervalos de confianza para la mediana
Conceptos teóricos
-
DISEÑO DE CUADRADO LATINO (DCL)
R
-
Cargar datos - URL
R
-
Análisis descriptivo
R
-
Prueba F
Conceptos teóricos
-
Prueba F
R
-
Intervalos de confianza
R
-
Análisis gráfico en R
R
-
Selección de modelos
R
-
Diseño factorial 2 a la 3
R
-
Estandarización de valores en Excel
Excel
-
Estandarización de valores en Minitab
Minitab
-
Análisis descriptivo en Excel
Excel
-
Análisis descriptivo en Minitab
Minitab
-
ANOVA (DCA)
R
-
Análisis gráfico
R
-
Pruebas de normalidad
R
-
Ejercicios - MONTGOMERY D. C.
Design and analysis of Experiments. 2013. Octava edición. John Wiley Sons, Inc. Capítulo 6, ejercicio 6.5. Pág. 292
-
Ejercicios - MONTGOMERY D. C.
Design and analysis of Experiments. 2013. Octava edición. John Wiley Sons, Inc. Capítulo 6, ejercicio 6.37. Pág. 301
-
Ejercicios - MONTGOMERY D. C.
Design and analysis of Experiments. 2013. Octava edición. John Wiley Sons, Inc. Capítulo 6, ejercicio 6.1. Pág. 292
-
Ejercicios - MONTGOMERY D. C.
Design and analysis of Experiments. 2013. Octava edición. John Wiley Sons, Inc. Capítulo 2, ejercicio 29. Pág. 62
-
El gráfico de radar y la metodología SeDem
Short review y comandos en R
-
Peso de capsulas
Base de datos
-
Prueba de disolución
Base de datos
-
Almidón
Base de datos
-
Índice de Hausner
Base de datos
-
Tableteadoras
Base de datos
-
data3 (30)
Base de datos
-
data2 (200)
Base de datos
-
Aglutinante
Base de datos
-
Temperatura
Base de datos
-
Cuarteto de Anscombe
Base de datos
Tomado de: Walker y otros, 2006
La granulación por fusión se puede realizar por dos métodos, a saber, por el procedimiento in situ, es decir incorporando el aglutinante como polvo sólido para que se funda con el incremento de la temperatura, o el procedimiento convencional de pulverización del aglutinante fundido sobre las partículas de polvo del principio activo y diluente. Así mismo, la granulación por fusión se puede realizar en equipos comúnmente utilizados para la granulación por vía húmeda, como mezcladores de alta velocidad (High speed mixer), extrusores y granuladores de lecho fluido, el cual ha mostrado algunas ventajas, particularmente en términos de un mejor control de la temperatura que permite tener procesos de granulación más simplificados y mejor controlados.
Referencias:
(1) Aleksić, I., Đuriš, J., Ilić, I., Ibrić, S., Parojčić, J., & Srčič, S. (2014). In silico modeling of in situ fluidized bed melt granulation. International journal of pharmaceutics, 466(1-2), 21-30.
(2) Walker, G. M., Andrews, G., & Jones, D. (2006). Effect of process parameters on the melt granulation of pharmaceutical powders. Powder Technology, 165(3), 161-166.
(3) Liu, T., Kittikunakorn, N., Zhang, Y., & Zhang, F. (2021). Mechanisms of twin screw melt granulation. Journal of Drug Delivery Science and Technology, 61, 102150.
(4) Ochoa, L., Igartua, M., Hernández, R. M., Gascón, A. R., & Pedraz, J. L. (2006). Granulación por fusión en mezcladores granuladores de alta velocidad. Vitae, 13(1), 40-47.
(5) Heng, P. W., & Wong, T. W. (2003). Melt processes for oral solid dosage forms. Pharm Tech, 16. 2257-2261.
# ANOVA
> MOD<-aov(RTA~TRAT+BLOQ, data = datos)
> summary(MOD)
Df Sum Sq Mean Sq F value Pr(>F)
TRAT 3 12.95 4.32 2.376 0.121
BLOQ 4 157.00 39.25 21.606 2.06e-05 ***
Residuals 12 21.80 1.82
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
previamente obtenido, así:
.
lillie.test(coefvar)
rechazaremos Ho. En este caso,
4.994009;
, y teniendo en cuenta que se desea evaluar si a una mayor temperatura de cocción se obtienen láminas con un es menor espesor medio de la capa fotorresistente, se juzgarán las siguientes hipótesis referentes a la media del espesor de las láminas expuestas a ambas temperaturas:
. En este caso 
por lo que sí rechazaremos Ho y se concluye que con un nivel de significancia del 5%, hay evidencia significativa para afirmar que la temperatura de cocción más alta produce láminas con un menor espesor fotoresistente.
