Esta presentación es una extensión de la charla, "Análisis de sistemas de medición para datos de curvas utilizando modelos funcionales de efectos aleatorios", presentada en JMP Discovery Europe 2023. Aquí, se utilizó un modelo funcional de efectos aleatorios para realizar un análisis R&R de indicador funcional en datos que contenían un conjunto de curvas como respuesta.En esta aplicación, el modelo funcional se amplió usando las funciones propias y luego se expresó como un modelo de efectos aleatorios, donde los componentes de la varianza se estimaron usando métodos estándar. Este análisis se realizó utilizando las plataformas Functional Data Explorer y Fit Mixed.
En la versión actualizada de esta presentación, muestro que es posible incluir efectos fijos en este tipo de análisis utilizando el mismo enfoque de expansión del modelo. El modelo funcional aún se expande utilizando las funciones propias, pero en su lugar se expresa como un modelo mixto generalizado. También analizo ideas para utilizar la expansión wavelet en lugar de la expansión de funciones propias y cómo esto podría mejorar los ajustes del modelo para ciertos tipos de datos.
