{"id":4664,"date":"2026-08-12T16:59:59","date_gmt":"2026-08-12T14:59:59","guid":{"rendered":"https:\/\/ellistat.com\/?post_type=guide-dutilisateur&p=4664"},"modified":"2026-08-12T16:59:59","modified_gmt":"2026-08-12T14:59:59","slug":"plan-de-llenado","status":"publish","type":"guide-dutilisateur","link":"https:\/\/ellistat.com\/es\/guide-dutilisateur\/plan-de-remplissage\/","title":{"rendered":"Plan de relleno"},"content":{"rendered":"

Todos los planos anteriores tienen como objetivo la estimaci\u00f3n de un\u00a0modelo dado<\/strong>\u00a0\u2014 lineal, con interacciones, cuadr\u00e1tico. Los planes de relleno tienen otro objetivo:\u00a0cubrir de manera uniforme el espacio experimental<\/strong>, sin dar por sentada la forma de la respuesta.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Este es el enfoque de los modelos de aprendizaje autom\u00e1tico, que aprenden la forma en lugar de suponerla. Los factores deben ser cuantitativos<\/strong>, hace falta al menos dos<\/strong> y como m\u00e1ximo 20<\/strong>.<\/p>\n\n\n\n

1. Plan calculado o tabla tabulada<\/h2>\n\n\n\n

La lista de posibles planos ofrece dos familias:<\/p>\n\n\n\n

    \n
  • Plano de Ellistat (calculado)<\/strong>, el primero que se propone y que est\u00e1 seleccionado por defecto: el \u00fanico cuyo n\u00famero de intentos y criterios se adaptan a tu configuraci\u00f3n; ; <\/li>\n\n\n\n
  • En\u00a0tablas tabuladas<\/strong>, con un n\u00famero fijo de ensayos: Audze-Eglais (9, 15, 16, 25, 50, 100 ensayos seg\u00fan el n\u00famero de factores), Latin Hypercube Design (16, 25, 50) y NOLH 17. A partir de 10 factores, no queda ninguno; solo el plan calculado cumple los requisitos.<\/li>\n<\/ul>\n\n\n\n

    2. Los ajustes del plano calculado<\/h2>\n\n\n\n
    Ajuste<\/strong><\/td>Funci\u00f3n<\/strong><\/td><\/tr><\/thead>
    N\u00famero de factores<\/strong><\/td>Recordatorio, solo lectura.<\/td><\/tr>
    N\u00famero de ensayos<\/strong><\/td>Como m\u00ednimo k<\/em>+1, con un m\u00e1ximo de 100. El valor por defecto es de cinco ensayos por factor, con un m\u00ednimo de 9.<\/td><\/tr>
    Hip\u00f3tesis sobre los factores<\/strong><\/td>\u00abTodos los factores est\u00e1n activos\u00bb o \u00abSolo algunos factores est\u00e1n activos\u00bb.<\/td><\/tr>
    Limitar la correlaci\u00f3n<\/strong><\/td>Fuerza la correlaci\u00f3n m\u00e1xima entre factores. Activada por defecto.<\/td><\/tr>
    Correlaci\u00f3n m\u00e1xima |r|<\/strong><\/td>El valor predeterminado es 0,03.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

    La hip\u00f3tesis elegida se explica en pantalla, y la elecci\u00f3n es importante:<\/p>\n\n\n\n

      \n
    • Todos los factores est\u00e1n activos<\/strong>\u00a0: solo el criterio de Audze-Eglais: ocupaci\u00f3n completa del espacio. A elegir si el modelo posterior tiene en cuenta todos los factores; ;<\/li>\n\n\n\n
    • Solo hay unos pocos factores activos<\/strong>\u00a0: Audze-Eglais + MaxPro: tambi\u00e9n cumple con las previsiones, en aquellos casos en los que la lectura depende realmente de solo dos o tres factores.<\/li>\n<\/ul>\n\n\n\n

      \ud83d\udca1 Este es el ajuste que realmente distingue entre dos planos de relleno, y hay que decidirlo teniendo en cuenta\u00a0el siguiente paso<\/strong>. Si sospechas que dos de los ocho factores son los m\u00e1s importantes, un plano que ocupe bien el espacio de ocho dimensiones puede proyectarse muy mal sobre el plano de esos dos factores, los puntos se superponen en \u00e9l y el modelo apenas distingue nada. Eso es precisamente lo que corrige el t\u00e9rmino MaxPro.<\/p>\n\n\n\n

      \u26a0\ufe0f Se recomienda activar la barrera de correlaci\u00f3n: el t\u00e9rmino MaxPro deteriora notablemente las correlaciones cuando no est\u00e1 activada. Desactivarla solo tiene sentido si se busca un relleno m\u00e1ximo sin preocuparse por la independencia de los efectos.<\/p>\n\n\n\n

      3. Calcular y leer el resultado<\/h2>\n\n\n\n

      El bot\u00f3n Calcular<\/strong> inicia el recocido en un worker, con una barra de progreso y un bot\u00f3n Detener<\/strong>. El plano obtenido se guarda en el plano de experiencia: se conserva tras la navegaci\u00f3n.<\/p>\n\n\n\n

      Junto al bot\u00f3n aparecen tres indicadores:<\/p>\n\n\n\n

      \"\"<\/figure>\n\n\n\n
        \n
      • Audze-Eglais<\/strong>\u00a0: el criterio de llenado; cuanto m\u00e1s bajo sea, mejor se cubre el espacio; ; <\/li>\n\n\n\n
      • MaxPro<\/strong>\u00a0: el criterio de cumplimiento de las previsiones, que se muestra cuando se adopta la hip\u00f3tesis de \u00abalgunos factores activos\u00bb; ;<\/li>\n\n\n\n
      • Max |r|<\/strong>\u00a0: la correlaci\u00f3n absoluta m\u00e1s fuerte entre dos factores.<\/li>\n<\/ul>\n\n\n\n

        El bot\u00f3n\u00a0Matriz de correlaciones<\/strong>\u00a0cartel:\u00a0<\/p>\n\n\n\n

        <\/p>\n\n\n\n

        El bot\u00f3n\u00a0Nubes de puntos<\/strong>\u00a0ofrece dos interpretaciones complementarias: <\/p>\n\n\n\n

          \n
        • la matriz de los\u00a0correlaciones entre factores<\/strong>, en una escala fija de \u22121 a +1 \u2014 un plan bien optimizado aparece, por tanto, como casi neutro, lo cual es correcto <\/li>\n\n\n\n
        • y los\u00a0nubes de puntos por pares de factores<\/strong>, que muestran\u00a0\u00bfpor qu\u00e9?<\/em>\u00a0La correlaci\u00f3n es d\u00e9bil: puntos bien repartidos o estructura diagonal.<\/li>\n<\/ul>\n\n\n\n
          \"\"<\/figure>\n\n\n\n

          \ud83d\udca1 La escala fija de la matriz no es un error de configuraci\u00f3n. Una escala ajustada a los datos mostrar\u00eda correlaciones de unas pocas cent\u00e9simas en colores vivos, lo que dar\u00eda la falsa impresi\u00f3n de que el plano es incorrecto. En este caso, un plano casi ortogonal se aprecia como tal.<\/p>\n\n\n\n

          \u26a0\ufe0f El bot\u00f3n D-\u00d3ptimo<\/strong> se omite deliberadamente en los planes de relleno: buscar un subconjunto D-\u00f3ptimo de un plan de relleno no tiene sentido, ya que el plan tiene como objetivo cubrir el espacio y no estimar un modelo concreto.<\/p>","protected":false},"featured_media":0,"menu_order":100,"template":"","meta":{"_acf_changed":true},"menu-guide-dutilisateur":[24],"class_list":["post-4664","guide-dutilisateur","type-guide-dutilisateur","status-publish","hentry","menu-guide-dutilisateur-7-doe-plans-dexperiences"],"acf":[],"yoast_head":"\nPlan de remplissage - Ellistat<\/title>\n<meta name=\"description\" content=\"Latin Hypercube, Audze-Eglais, MaxPro : construisez un plan de remplissage d'espace optimis\u00e9 pour entra\u00eener vos mod\u00e8les de machine learning sans hypoth\u00e8se a priori.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/ellistat.com\/es\/guia-del-usuario\/plan-de-llenado\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Plan de remplissage - Ellistat\" \/>\n<meta property=\"og:description\" content=\"Latin Hypercube, Audze-Eglais, MaxPro : construisez un plan de remplissage d'espace optimis\u00e9 pour entra\u00eener vos mod\u00e8les de machine learning sans hypoth\u00e8se a priori.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/ellistat.com\/es\/guia-del-usuario\/plan-de-llenado\/\" \/>\n<meta property=\"og:site_name\" content=\"Ellistat\" \/>\n<meta property=\"og:image\" content=\"https:\/\/ellistat.com\/wp-content\/uploads\/remplissage.png\" \/>\n\t<meta property=\"og:image:width\" content=\"644\" \/>\n\t<meta property=\"og:image:height\" content=\"298\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data1\" content=\"4 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/\",\"url\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/\",\"name\":\"Plan de remplissage - Ellistat\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/remplissage.png\",\"datePublished\":\"2026-08-12T14:59:59+00:00\",\"description\":\"Latin Hypercube, Audze-Eglais, MaxPro : construisez un plan de remplissage d'espace optimis\u00e9 pour entra\u00eener vos mod\u00e8les de machine learning sans hypoth\u00e8se a priori.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/#primaryimage\",\"url\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/remplissage.png\",\"contentUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/remplissage.png\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/plan-de-remplissage\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\\\/\\\/ellistat.com\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Plan de remplissage\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/#website\",\"url\":\"https:\\\/\\\/ellistat.com\\\/\",\"name\":\"Ellistat\",\"description\":\"La suite qualit\u00e9 de l'industrie m\u00e9canique\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/ellistat.com\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Plan de llenado - Ellistat","description":"Latin Hypercube, Audze-Eglais, MaxPro: crea un plan de relleno de espacio optimizado para entrenar tus modelos de aprendizaje autom\u00e1tico sin hip\u00f3tesis a priori.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/ellistat.com\/es\/guia-del-usuario\/plan-de-llenado\/","og_locale":"es_ES","og_type":"article","og_title":"Plan de remplissage - Ellistat","og_description":"Latin Hypercube, Audze-Eglais, MaxPro : construisez un plan de remplissage d'espace optimis\u00e9 pour entra\u00eener vos mod\u00e8les de machine learning sans hypoth\u00e8se a priori.","og_url":"https:\/\/ellistat.com\/es\/guia-del-usuario\/plan-de-llenado\/","og_site_name":"Ellistat","og_image":[{"width":644,"height":298,"url":"https:\/\/ellistat.com\/wp-content\/uploads\/remplissage.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_misc":{"Tiempo de lectura":"4 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/","url":"https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/","name":"Plan de llenado - Ellistat","isPartOf":{"@id":"https:\/\/ellistat.com\/#website"},"primaryImageOfPage":{"@id":"https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/#primaryimage"},"image":{"@id":"https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/#primaryimage"},"thumbnailUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/remplissage.png","datePublished":"2026-08-12T14:59:59+00:00","description":"Latin Hypercube, Audze-Eglais, MaxPro: crea un plan de relleno de espacio optimizado para entrenar tus modelos de aprendizaje autom\u00e1tico sin hip\u00f3tesis a priori.","breadcrumb":{"@id":"https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/#primaryimage","url":"https:\/\/ellistat.com\/wp-content\/uploads\/remplissage.png","contentUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/remplissage.png"},{"@type":"BreadcrumbList","@id":"https:\/\/ellistat.com\/guide-dutilisateur\/plan-de-remplissage\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/ellistat.com\/"},{"@type":"ListItem","position":2,"name":"Plan de remplissage"}]},{"@type":"WebSite","@id":"https:\/\/ellistat.com\/#website","url":"https:\/\/ellistat.com\/","name":"Ellistat","description":"La suite de calidad para la industria de la ingenier\u00eda mec\u00e1nica","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/ellistat.com\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"}]}},"_links":{"self":[{"href":"https:\/\/ellistat.com\/es\/wp-json\/wp\/v2\/guide-dutilisateur\/4664","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ellistat.com\/es\/wp-json\/wp\/v2\/guide-dutilisateur"}],"about":[{"href":"https:\/\/ellistat.com\/es\/wp-json\/wp\/v2\/types\/guide-dutilisateur"}],"wp:attachment":[{"href":"https:\/\/ellistat.com\/es\/wp-json\/wp\/v2\/media?parent=4664"}],"wp:term":[{"taxonomy":"menu-guide-dutilisateur","embeddable":true,"href":"https:\/\/ellistat.com\/es\/wp-json\/wp\/v2\/menu-guide-dutilisateur?post=4664"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}