Vous êtes sur la page 1sur 22

ADO (ANUNCIOS, DEBERES, OBSERVACIONES)

DoE (Design of Experiments)


Para descargar el calendario de actividades académicas del periodo 201710, hacer clic AQUÍ.

DEBER nro. 01: Creación de una cuenta en la plataforma de educación virtual Coursera e inscripción
al curso Programación Estadística con R impartido por la UNAM.
Antecedente:
Una de las percepciones que tengo luego de varios años de experiencia docente, es que los estudiantes
de la CARRERA DE INGENIERÍA EN BIOTECNOLOGÍA no llegan a la asignatura DISEÑO EXPERIMENTAL con
las competencias en estadística necesarias debido, por ejemplo, a la cobertura incompleta en temas
fundamentales de estadística, análisis matemático y álgebra lineal, a la informalidad1 con la que
estudiaron las materias ESTADÍSTICA I, ESTADÍSTICA II (casi ninguno de los alumnos que empieza diseño
experimental ha realizado demostraciones estocásticas) y a la no realización de ejercicios de estadística
aplicados a biotecnología. Se pueden mejorar significativamente estas competencias si la materia
INTRODUCCIÓN A LA PROGRAMACIÓN se enseñara con R2 y si en las dos asignaturas de estadística se
empleara este software, lo cual no ocurre siempre (tengo entendido que algunos docentes de Estadística
del Departamento Ciencias Exactas manejan R a nivel básico en sus clases) y cuando se lo utiliza, no se
lo hace con la profundidad necesaria, según he observado. Por lo tanto, existe desconocimiento de R, de
demostraciones estadísticas y de conceptos relativos a la BIOESTADÍSTICA3 – cuyo empleo es usual en
ciertas asignaturas, proyectos integradores y artículos científicos – tales como sensibilidad,
especificidad, valor predictivo positivo, valor predictivo negativo, razones de probabilidad, prevalencia,
incidencia, análisis de pruebas diagnósticas, curvas ROC (receiver operating characteristic), inferencia
bayesiana, métodos no paramétricos, regresión múltiple, regresión no lineal, técnicas estadísticas para
epidemiología (prueba de Mantel-Haenszel, regresión logística, meta-análisis, estudios de equivalencia,
análisis de datos longitudinales), pruebas de hipótesis para datos categóricos (test exacto de Fisher,
prueba de McNemar, estadístico Kappa) y análisis de datos biométricos en el tiempo.
ANUNCIOS:
A fin de cubrir los vacíos expuestos y con la idea de lograr que los estudiantes de la Carrera alcancen
las competencias mínimas necesarias para aplicar métodos estadísticos, durante el transcurso del periodo
académico 201710 se tomarán las siguientes acciones:
✓ Se contactará con los alumnos antes de empezar clases para propender a que se apropien de suficientes
conocimientos básicos, intermedios y avanzados del software R, requisitos indispensables de la
asignatura DISEÑO EXPERIMENTAL, código CVDA‒21129. Estos conocimientos se pueden adquirir
de las siguiente maneras:
i. Aprendizaje autónomo. “El término aprendizaje autónomo se refiere a la capacidad de aprender
por uno mismo. … A pesar que el concepto no es nuevo, hoy en día ha tomado relevancia por el
contexto en el que nos encontramos, donde el acceso abierto a la información se utiliza en los
entornos de aprendizaje para generar conocimiento.”
https://es.wikipedia.org/wiki/Aprendizaje_aut%C3%B3nomo, marzo del 2017.

1
“Un sistema formal es un tipo de sistema lógico-deductivo constituido por un lenguaje formal, una gramática formal que
restringe cuales son las expresiones correctamente formadas de dicho lenguaje y las reglas de inferencia y un conjunto de
axiomas que permite encontrar las proposiciones derivables de dichos axiomas. Los sistemas formales también han
encontrado aplicación dentro de la informática, la teoría de la información y la estadística, para proporcionar una definición
rigurosa del concepto de demostración. La noción de sistema formal corresponde a una formalización rigurosa y completa
del concepto de sistema axiomático, …” https://es.wikipedia.org/wiki/Sistema_formal, marzo del 2017.
2
“R es un entorno y lenguaje de programación con un enfoque al análisis estadístico. R es una implementación de software
libre del lenguaje S pero con soporte de alcance estático. Se trata de uno de los lenguajes más utilizados en investigación
por la comunidad estadística, siendo además muy popular en el campo de la minería de datos, la investigación biomédica,
la bioinformática y las matemáticas financieras. A esto contribuye la posibilidad de cargar diferentes bibliotecas o paquetes
con funcionalidades de cálculo y gráficas. R es parte del sistema GNU y se distribuye bajo la licencia GNU GPL. Está
disponible para los sistemas operativos Windows, Macintosh, Unix y GNU/Linux.”
https://es.wikipedia.org/wiki/R_(lenguaje_de_programaci%C3%B3n) , marzo del 2017.
3
“La BIOESTADÍSTICA es la rama de la estadística aplicada a las ciencias de la vida”.
https://es.wikipedia.org/wiki/Bioestad%C3%ADstica, marzo del 2017.
1
Para mayor referencia, leer el artículo 14 (Componente de aprendizaje autónomo), ubicado en el
capítulo I (Organización del proceso de aprendizaje), correspondiente al título I (Organización
curricular) del Reglamento Interno de Régimen Académico y de Estudiantes de la Universidad
de Las Fuerzas Armadas – ESPE.
Una extensa información digital de apoyo para el aprendizaje autónomo, no solo del software R,
será entregada solamente hasta la primera semana de clase; para el efecto, acercarse a mi oficina
con una laptop o memoria flash de al menos 4.0GB libres. En http://swirlstats.com/ se puede
aprender R muy fácilmente, así como también en https://www.datacamp.com/courses/free-
introduction-to-r. Una información digital preliminar se puede descargar de los siguientes links:
• Braun & Murdoch, A first course in statistical programming with R.
• Clark M., Introduction to R.
• Cohen Y. & Cohen J., Statistics and Data with R.
• Draper N. and Smith H., Applied Regression Analysis.
• Evans R., R Programming.
• Faraway J., Practical Regression and ANOVA using R.
• Febrero M. et alii, Estadística.
• Horton N., Kaplan D. & Pruim R., The Five College Guide to Statistics With R.
• Matloff N., The Art of R Programming. A Tour of Statistical Software Design.
• Peng R., R Programming for Data Science.
• Pruim R., Minimal R for Intro Stats. RShiny.
• RStudio, Desarrollo de paquetes con devtools - Hoja de referencia.
• RStudio, Domar datos con dplyr y tidyr - Hoja de referencia.
• RStudio, R Markdown - Hoja de referencia.
• RStudio, Shiny - Hoja de referencia.
• RStudio, Visualización de datos con ggplot2 - Hoja de referencia.
• Santana A., Guía de referencia rápida de R.
• Santana J. y Farfán E., El arte de programar en R.
• Teetor P., R Cookbook 2011. Logan M., Biostatistical Design and Analysis Using R.
• Torfs T. & Brauer C., A short introduction to R.
• Wackerly D., Mendenhall W. & Scheaffer R., Mathematical Statistics with Applications 7E.
En los estudios superiores lo primero que se debe concientizar es que toda
educación es siempre autoeducación: únicamente se aprenderá lo que de
una manera directa reclame el interés o exija una detenida atención.
Adaptación de José Íbarz Aznárez.
ii. Cursos presenciales o virtuales sobre R impartidos por instituciones reconocidas del país.
iii. MOOC4 sobre R ofrecidos por Coursera5 , edX6, Stanford Online7 o Udacity8. Las dudas que se
presentaren en cualquier MOOC que se siga, no se tratarán en clase; las solventará el propio
estudiante con la ayuda de: a) los foros del curso, b) las consultas que realizare a los profesores

4
“MOOC (acrónimo en inglés de Massive Open Online Course) o COMA en español (Curso Online Masivo Abierto) es un
curso en línea dirigido a un amplio número de participantes a través de Internet, según el principio de educación abierta y
masiva. http://es.wikipedia.org/wiki/MOOC, marzo del 2017.
5
“Coursera es una plataforma de educación virtual nacida en octubre de 2011 y desarrollada por académicos de la
Universidad de Stanford con el fin de brindar oferta de educación masiva a la población (Massive Online Open Course),
con cursos en inglés y otros idiomas como el español, francés, italiano y chino. Coursera ofrece cursos, tanto gratuitos como
de pago, sobre temas variados a niveles universitarios, pero abiertos a todos los sectores de la población.
Fue fundada por los profesores en ciencias computacionales Andrew Ng y Daphne Koller en octubre de 2011 con el
lanzamiento de dos cursos gratuitos, "Aprendizaje automático" e "Introducción a las bases de datos".”
https://es.wikipedia.org/wiki/Coursera, marzo del 2017.
6
Ver https://es.wikipedia.org/wiki/EdX, marzo del 2017.
7
Ver http://online.stanford.edu/, marzo del 2017.
8
Ver https://es.wikipedia.org/wiki/Udacity, marzo del 2017.
2
a cargo del curso, c) el apoyo de sus compañeros de curso y, como última opción, d) las horas de
la asignatura destinadas a tutoría académica. Los MOOC tienen un costo asequible; muchos de
ellos disponen de ayuda económica para quienes no puedan pagar la tarifa, siempre y cuando se
hagan las gestiones con al menos 15 días de anticipación. Sin necesidad de pago alguno se puede
auditar un MOOC i.e. inscribirse para acceder a todos sus recursos, pero sin la opción de entrar
a los materiales con calificación, recibir una calificación final y obtener el certificado de
aprobación correspondiente; hay MOOCs que, inclusive, son completamente gratis.
Nota: i.e. es la abreviatura de las palabras en latín id est, que en español significan “es decir”.
Esta abreviatura se empleará de ahora en adelante, tanto en este documento como en
clases y en la redacción de las pruebas.
✓ Se considerará como parte de la calificación, los certificados obtenidos por cursos aprobados desde
que son contactados por el profesor de diseño experimental o mientras estén matriculados en la
asignatura, siempre y cuando: a) hayan sido impartidos por instituciones reconocidas del país o
MOOC de Coursera, edX, Stanford Online y Udacity; b) hayan permitido alcanzar o ejercer
competencias estadísticas.
✓ Se impartirán al menos diez horas de clases adicionales para cubrir temas de complemento en
estadística, tal como se establece en la sección 1.1.7 del sistema de contenidos del sílabus de la
asignatura; esta es una de las razones por la que toda prueba será rendida fuera del horario de clases.
✓ Todo cálculo numérico de la asignatura se realizará únicamente con el software R, a menos que se
indique expresamente lo contrario.
✓ En la primera prueba parcial de la materia se evaluarán exclusivamente conocimientos sobre el
entorno y lenguaje de programación R y tendrá una ponderación del 30% a la primera unidad.
✓ En cualquier deber o prueba de la asignatura, se podrán evaluar conocimientos de R tales como:
➢ Manejo de R en general; el software R como una calculadora.
➢ Programación con R.
➢ Empleo de RStudio9.
➢ Construcción de aplicaciones web interactivas con Shiny10.
➢ Utilización de knitr11 y de ggplot212.
✓ En los deberes donde se emplee el lenguaje R, el script correspondiente debe generar un documento
pdf con rmarkdown13; la entrega de esta parte del deber se hará de dos formas:
a) Físicamente mediante impresión a color, tanto del script como del pdf.
b) Virtualmente con el envío a través de la mensajería interna del aula virtual, del pdf y del script,
comprimidos en un solo archivo. Si la carga no se puede hacer directamente, se subirá el archivo
comprimido al drive del correo institucional14 y se hará llegar su link. El envío deberá ajustarse al
protocolo establecido en las observaciones especificadas después del deber nro. 06.

9
“RStudio es un entorno de desarrollo integrado (IDE) para R (lenguaje de programación). Incluye una consola, editor de
sintaxis que apoya la ejecución de código, así como herramientas para el trazado, la depuración y la gestión del espacio de
trabajo.” https://es.wikipedia.org/wiki/RStudio, abril del 2017.
Ver, además, https://www.rstudio.com/, abril del 2017.
10
“Shiny makes it incredibly easy to build interactive web applications with R. Shiny has automatic “reactive” binding
between inputs and outputs and extensive pre-built widgets.”https://www.rstudio.com/products/rpackages/, abril del 2017.
Ver, además, https://www.r-bloggers.com/lang/spanish/2818, abril del 2017.
11
“knitr is an elegant, flexible and fast dynamic report generation that combines R with TeX, Markdown, or HTML.”
https://www.rstudio.com/products/rpackages/, abril del 2017.
Ver, además, https://es.wikipedia.org/wiki/Knitr, abril del 2017.
12
“ggplot2 is an enhanced data visualization package for R. Create stunning multi-layered graphics with ease.”
https://www.rstudio.com/products/rpackages/, abril del 2017.
Ver, además, https://en.wikipedia.org/wiki/Ggplot2, abril del 2017.
13
“rmarkdown lets you insert R code into a markdown document. R then generates a final document, in a wide variety of
formats, that replaces the R code with its results.” https://www.rstudio.com/products/rpackages/, abril del 2017.
Ver, además, https://es.wikipedia.org/wiki/Markdown, abril del 2017.
14
Para el efecto se debe proceder así: 1) ingresar al Drive del correo institucional, 2) subir el archivo, 3) hacer clic derecho
en el archivo cargado y elegir la opción “Compartir…”, 4) hacer clic en “Configuración avanzada”, 5) hacer clic en
3
✓ Se deberá documentar el código de todo script i.e. se añadirá como comentario en ciertas líneas de
código la información para explicar punto por punto lo hace el script, de forma tal que al revisarlo se
entienda qué está haciendo y por qué; en tal sentido, cada script empezará con la siguiente carátula:
###########################################################
# UNIVERSIDAD DE LAS FUERZAS ARMADAS – ESPE #
# Departamento de Ciencias de la Vida y de la Agricultura #
# Carrera de Ingeniería en Biotecnología #
# Asignatura: Diseño experimental #
# NRC XXXX (según corresponda) #
# DEBER nro. XX (o PRUEBA XX, según corresponda) #
# Nombre: _____________________________________ #
# Fecha: _________________ #
###########################################################
# Descripción del script: #
# ________________________________________________________#
# ________________________________________________________#
# ________________________________________________________#
# ________________________________________________________#
###########################################################
# Nomenclatura empleada: #
# ________________________________________________________#
# ________________________________________________________#
# ________________________________________________________#
# ________________________________________________________#
###########################################################
Considerando lo expuesto hasta aquí, se debe crear una cuenta COURSERA y luego apuntarse al curso
“Introducción a Data Science: Programación Estadística con R” impartido por la UNAM (Universidad
Nacional Autónoma de México); para ello hay que seguir los siguientes pasos:
1. Ir a https://www.coursera.org/.
2. Hacer clic en el botón Únete de forma gratuita. NOTA: Dependiendo del navegador o de las
opciones que se hayan escogido para el mismo, la página web de Coursera puede estar desplegada
en inglés; para la explicación de estos pasos se ha empleado Google Chrome versión
57.0.2987.110 (64-bit), configurando al español como primer idioma.
3. Colocar nombres y apellidos completos con letras MAYÚSCULAS, para que así aparezca en
cualquier certificado Coursera que se obtenga.
4. Introducir el email institucional o, provisionalmente, el email personal solo si por alguna razón
no se puede utilizar de momento el primero. Una vez registrado en Coursera se tiene la opción
de cambiar de correo desde el perfil de la cuenta; hacerlo a la brevedad posible si es el caso.
5. Poner un password que vaya a utilizar solo para Coursera, seguro y fácil de recordar; antes de
hacer clic en Regístrate es conveniente leer los «Términos de uso» y la «Política de privacidad».
6. Responder a la pregunta ¿Cuál es tu meta principal?
7. Elegir tres áreas de interés y seleccionar las sub-áreas que le llamen la atención.
8. Ahora, hacer un alto en Coursera e ingresar al mail con el que se creó la cuenta, para confirmar
la dirección de correo electrónico y leer el email cuyo asunto es “Comienza en Coursera”.
9. Continuando en Coursera, se debe escribir “Programación Estadística con R” en Buscar catálogo
(parte superior de la cuenta) y luego digitar enter o hacer clic en la lupa.
10. Hacer clic en el ícono del curso que se muestra a continuación.

11. Leer con detenimiento toda la información de la página web que se despliega.
12. Hacer clic en el botón Inscribirse ahora; el curso empezó el lunes 27 de marzo del 2017 y tiene
una duración cuatro semas. Si se desea recibir el certificado otorgado por la UNAM a través de
Coursera, se debe «Comprar el curso»; caso contrario, elegir la opción «Curso completo, sin
certificado». Inicialmente se puede optar por no comprar el curso; se tendrá un tiempo prudencial
para poder hacerlo. También hay la opción de aprobar el curso en ediciones posteriores.

“Cambiar…” y elegir la opción “Activado: cualquier usuario con el vínculo”, 6) hacer clic en “Guardar”, 7) copiar el
“Vínculo para compartir”, 8) hacer clic en “Listo”, 9) ingresar al aula virtual y pegar el vínculo o link en el correo dirigido
al docente, según el protocolo que se establece más adelante.
4
13. Antes de hacer clic en Comienza a aprender, por favor revisar el email de bienvenida al curso.
14. Antes de hacer clic en Comenzar, leer los “consejos para ayudarte a tener éxito”.
15. Hacer clic en el nombre, parte superior derecha; luego en Perfil. Elegir como nivel de privacidad
al menos La comunidad Coursera para poder interactuar en los foros; hacer clic en el botón
«Bien, lo entiendo». NOTA: Puedes cambiar tu nivel de privacidad luego de aprobar la materia.
16. Cargar una foto donde se lo vea de cerca y en la cual aparezca solo. NOTA: Una foto similar o la
misma deberá ser colocada tanto en el correo institucional como en el aula virtual.
17. En Ubicación escribir “Quito, Pichincha, Ecuador”.
18. Elegir el Género.
19. Poner obligatoriamente la Fecha de nacimiento; se puede omitir solo el año.
20. Llenar necesariamente el campo Acerca de mí en inglés o español; ser lo más descriptivo posible,
empleando al menos tres líneas.
21. Llenar los campos correspondientes a Sitios web y ratificar el nivel de privacidad.
22. Guardar los cambios realizados en el perfil.
23. Hacer clic nuevamente en el nombre y luego hacerlo en Ajustes.
24. En Zona horaria elegir Guayaquil y en Idioma poner español; luego, hacer clic en Guardar.
NOTA: Es muy importante considerar que en la sección Ajustes de la cuenta se pueden realizar
gestiones importantes; por ejemplo, antes de recibir un certificado Coursera, se debe verificar
aquí la cuenta vinculando una foto actual con una identificación oficial.
25. Presentarse en al menos uno de los foros del curso.
26. Desde el correo institucional, o desde un correo personal solo si el institucional no está activo,
enviar a pjromero@espe.edu.ec la siguiente información:
a. Apellidos y nombres completos.
b. El número del teléfono celular.
c. El número de ID.
d. El número de la cédula de ciudadanía.
e. La dirección de un correo electrónico personal.
f. La dirección del correo electrónico institucional, que debe ser dirección del correo que esté
asociada finalmente con la cuenta.
g. El password de la cuenta pues lo necesito entrar en Coursera, hacer el seguimiento del
desempeño y obtener las calificaciones de cada tarea de ser el caso. Una vez terminado el
periodo académico se puede cambiar fácilmente el password desde el perfil de la cuenta.
Finalmente, tener siempre presente que quien se inscribe en Coursera ha aceptado atenerse al siguiente
CÓDIGO DE HONOR:
a) Solo me registraré con una cuenta.
b) Mis soluciones a las tareas, cuestionarios y exámenes serán mi propio trabajo (excepto para
aquellas tareas que permitan colaboración de manera explícita).
c) No proporcionaré las soluciones de los deberes, cuestionarios, exámenes, proyectos y otras tareas,
a nadie (excepto en el caso en el que una tarea permita explícitamente compartir las soluciones).
Esto incluye tanto las soluciones escritas por mí, como cualquier solución proporcionada por el
personal del curso a otras personas.
d) No estaré involucrado en ninguna otra actividad que mejore de manera deshonesta mis resultados
o mejore o perjudique de manera deshonesta los resultados de otros.
Fecha de envío: Lunes 03 de abril del 2017.
Fecha de entrega: La información solicitada en el paso 26 debe ser enviada hasta las 23h59 del lunes
03 de abril del 2017, ajustándose al protocolo establecido en las observaciones
escritas luego del deber nro. 06 (si aún no conoce el NRC, por favor utilizar las letras
XXXX como se indica en el protocolo).
OBSERVACIONES:
➢ Por cada uno de los cinco cursos del programa especializado Mastering Software Development in R
(impartido en Coursera por Johns Hopkins University) que optativamente se apruebe, se tendrá
asegurado el 10% de la calificación correspondiente a una prueba del 30%; de igual manera para el
MOOC Coursera Experimentation for Improvement de McMaster University.
5
➢ El estudiante que ‒ en forma optativa ‒ apruebe el programa especializado Mastering Software
Development in R (impartido en Coursera por Johns Hopkins University), será exonerado con 20.0/20
de una prueba de la tercera unidad.
➢ De acuerdo con el Reglamento del Sistema de Evaluación Estudiantil expedido por el CES (Consejo
de Educación Superior) y, también, considerando el título IV (Del sistema de evaluación y aprobación
de asignaturas en la modalidad de estudios presencial), capítulo I (Medios de evaluación, registro de
calificaciones y asistencias) del Reglamento Interno de Régimen Académico y de Estudiantes de la
Universidad de Las Fuerzas Armadas – ESPE, la evaluación académica de cada unidad se realizará
de forma permanente, con los criterios de valoración establecidos en la rúbrica general de evaluación
de la asignatura, con calificaciones sobre 20 puntos y con múltiples medios e instrumentos
ponderados del siguiente modo, a menos que ‒ durante el desarrollo del periodo académico 201710 ‒
se indique expresamente lo contrario:
• 15% los deberes establecidos y detallados en este documento que se denomina ADO-DoE-201710
(Anuncios Deberes Observaciones - Design of Experiments - 201710). Este documento deberá
examinarse frecuentemente15; el link para descargar su versión actualizada se encuentra en el aula
virtual, en la página web de la asignatura (https://sites.google.com/site/doxespe/), en el grupo
WhatsApp o estará en Facebook si al menos uno de ustedes lo comparte. Esta ponderación no
incluye a los scripts en R que deberán presentarse como parte de la mayoría de los deberes.
• 20% los scripts del lenguaje R parte de pruebas y deberes. Para la calificación de este componente,
se tomará muy en cuenta lo que al respecto está escrito en las páginas 3 y 4 de este documento.
• 30% la prueba parcial de la unidad que puede ser reemplazada, en parte o por completo, con tareas
de investigación, proyectos, trabajos integradores, etc. Si se toma más de una prueba parcial, la
suma de los pesos asignados a estas pruebas será igual al 30%. Todas las pruebas parciales se
tomarán unificadamente en un horario fuera de clases, a ser determinado.
• 30% la prueba acumulada de fin de unidad, también denominada prueba conjunta; similarmente a
la prueba parcial, esta prueba puede ser reemplazada o tener más de un componente. Todas las
pruebas conjuntas se tomarán unificadamente en un horario fuera de clases, a ser establecido.
• 5% los ETP (ejes transversales principales) que consisten en:
✓ Armar los siguientes cubos de Rubik16:
1. 3×3×3.
2. 3×3×3 con un tiempo menor o igual que 120 segundos.
3. 4×4×4
4. 5×5×5.
5. 6×6×6.
✓ Presentar el certificado Coursera correspondiente solamente a uno de estos cursos:
1. “Introducción a Data Science: Programación Estadística con R” de la UNAM.
2. “R Programming” de Johns Hopkins University.
3. “Experimentation for Improvement” de McMaster University. Este MOOC no se abre
frecuentemente y es el mejor de Diseño Experimental, por lo que quien está interesado
debería matricularse en la sesión que empieza este 10 de abril del 2017.
4. Cualquiera de los cinco cursos del programa especializado Mastering Software Development
in R de Johns Hopkins University.

15
La revisión frecuente del archivo pdf ADO-DoE-201710 aumenta la probabilidad de que el alumno no se descuide de los
anuncios, deberes y observaciones establecidos; cada vez que el profesor actualiza a discreción este archivo, las versiones
anteriores ya no tienen validez. No todos los deberes tienen la misma ponderación (peso o proporción); incluso, puede que
alguno tenga un peso igual a cero. Las ponderaciones concernientes a cada deber se establecerán al momento de calcular el
promedio de la unidad y se harán conocer cuando se entreguen las calificaciones.
16
“El cubo de Rubik es un rompecabezas mecánico tridimensional inventado por el escultor y profesor de arquitectura
húngaro Erno Rubik en 1974. Originalmente llamado "cubo mágico", el rompecabezas fue licenciado por Rubik para ser
vendido por Ideal Toy Corp. en 1980. Ganó el premio alemán a mejor juego del año en la categoría "Mejor Rompecabezas"
ese mismo año. Hasta enero de 2009 se han vendido 350 millones de cubos en todo el mundo, haciéndolo el juego de
rompecabezas más vendido.” https://es.wikipedia.org/wiki/Cubo_de_Rubik, marzo del 2017.
6
Hay un total de seis ETP: cinco cubos y un certificado Coursera. Cada ETP tendrá un peso del
2.5% y se asignará un máximo de dos por unidad, en el orden que se vayan obteniendo.
➢ Para que se acepte, la entrega de cualquier certificado se hará de dos formas:
a) Físicamente mediante su impresión en tamaño A4, a color y con excelente calidad.
• Si el certificado es de un MOOC, la impresión será con orientación horizontal y en papel
fotográfico de al menos 120 g/m2.
• Si el certificado corresponde a un documento del cual se tiene el original ‒ tal como
justificación, recibo, diploma ‒ la impresión será en papel normal (60 g/m2 - 70 g/m2).
b) A través del aula virtual y de acuerdo con el protocolo establecido en las observaciones escritas
luego del deber nro. 06.
➢ Cualquier información que se enviare al docente por internet, deberá hacerse únicamente vía
mensajería interna del aula virtual y ajustándose al protocolo que se explicará en las observaciones
escritas luego del deber nro. 06; caso contrario, la información no será procesada o ‒ si tiene nota
asignada ‒ tendrá una calificación máxima de 16/20.
➢ Los estudiantes que repiten la asignatura deberán armar otra vez los cubos de Rubik.
➢ Para los estudiantes que repiten la asignatura, serán válidos tanto los certificados presentados en el
periodo académico que reprobaron (no haciendo falta que los vuelvan a entregar), como los
certificados de pasantías, prácticas pre-profesionales, proyectos de vinculación y demás que fueron
realizados entre los semestres que toman la asignatura; estos certificados no serán tomados en cuenta
para alumnos nuevos pues se ha establecido como válidos únicamente aquellos obtenidos mientras
sean alumnos de la asignatura Diseño Experimental.
➢ En forma optativa, se puede asegurar hasta 4.0 en cualquier prueba parcial ‒ i.e. el 20% de la misma ‒
por concepto de OET (otros ejes transversales), que consisten en:
✓ Armar cubos de Rubik no considerados como ETP (ejes transversales principales): 0.5 puntos por
cubo con un máximo igual a tres de los cuatro puntos, que equivalen a armar un total de seis cubos
distintos por prueba.
✓ Presentar certificados de MOOC aprobados en Coursera, edX, Stanford Online y Udacity, tomados
mientras sean alumnos de diseño experimental: 1.0 por certificado.
✓ Presentar certificados de cursos, seminarios, congresos y eventos en general, impartidos por
instituciones reconocidas y seguidos mientras sean alumnos de la asignatura: 1.0 por certificado.
✓ Colaborar con la compra de entradas a eventos organizados por el Grupo de Gestión y Liderazgo
de Biotecnología: 1.0 por evento.
✓ Participar en carreras atléticas oficiales organizadas por la Universidad de Las Fuerzas Armadas –
ESPE: 1.0 por carrera.

DEBER nro. 02: Portafolio físico de trabajo del alumno.


Entregar un fólder nuevo de plástico con cubierta transparente, bincha y carátula a descargar haciendo
clic AQUÍ. Imprimir la carátula a color y en cartulina blanca (100 g/m2 – 120 g/m2), con la mejor calidad
posible de impresión y llenarla a mano con el propio puño y letra. Esta carpeta constituirá el
PORTAFOLIO FÍSICO DE TRABAJO DEL ALUMNO en donde se almacenarán las evaluaciones, diplomas,
certificados, justificaciones deberes y demás evidencias escritas del proceso de enseñanza-aprendizaje.
Fecha de envío: Lunes 03 de abril del 2017.
Fecha de entrega: Martes 18 de abril del 2017 al inicio de la primera hora de clase.
OBSERVACIONES:
➢ Únicamente el primer deber del semestre se recibirá en un fólder de plástico con cubierta transparente,
bincha y carátula a color. El resto de deberes se entregarán debidamente grapados y perforados, de
tal manera que se los pueda almacenar fácilmente; aquí se pondrán también los restantes medios de

7
evaluación y las otras evidencias evidencias escritas del proceso de enseñanza-aprendizaje. Entonces,
la carpeta donde se tales evidencias, será el portafolio de trabajo del alumno17.
➢ La entrega un deber se hará sólo al inicio de la sesión académica de clases que corresponda.
➢ Sustentado en el Art. 121 (Calendario para evaluación, excepción y procedimiento) del Reglamento
Interno de Régimen Académico y de Estudiantes de la Universidad de Las Fuerzas Armadas – ESPE,
se toma la decisión de no admitir deberes que quieran ser entregados por terceros o que pretendan
entregarse fuera de las fechas y horas señaladas en este documento; por lo tanto, no se receptará el
deber de aquel estudiante que falte, que llegue luego de que sus compañeros lo hayan presentado o
que no lo haga personalmente. Se exceptuarán los casos tipificados en el artículo 121, con la
autorización expresa del Director de la Carrera, previa solicitud y justificación reglamentaria
registradas en la Secretaría la Carrera dentro de los cinco días hábiles siguientes a la fecha de
recepción; situación similar se aplicará con el resto de medios e instrumentos de evaluación.
➢ La presentación de los deberes también cuenta en la nota; tendrá una calificación máxima de 16/20
aquel deber que incumpla, aunque sea parcialmente, al menos una de las siguientes normas:
• Se los entregará completos, en hojas a cuadros A4, utilizando ambos lados de cada hoja, grapados,
perforados y escribiendo con esfero, en la parte superior izquierda o central de la primera hoja, la
identificación: nombre, materia, NRCXXXX (reemplazar XXXX por el # correspondiente), tema
y fecha. La numeración del deber, que corresponde a la establecida en el presente documento, se
ubicará con esfero y letra grande en la parte superior derecha de la primera hoja.
• Los enunciados estarán escritos con esfero o recortados y pegados con goma.
• Después del enunciado de cada ejercicio, deberá venir su correspondiente resolución desarrollada
a lápiz; la redacción de la respuesta de cada literal o de todo el ejercicio, según corresponda, es
una parte muy importante en la resolución.
• Si es el caso, al final de un deber se citará ‒ según las normas APA ‒ toda fuente de consulta
empleada; en internet se puede hallar mucha información al respecto.

DEBER nro. 03: Lectura y comentario personal del libro “La conquista de la voluntad”.
Parte 1: Empezando por el índice, realizar una “lectura rápida” del libro Rojas, E. (1996). La conquista
de la voluntad. (11ª. Ed.). Madrid, España: Ediciones Temas de Hoy.
Parte 2: Escribir en una hoja a cuadros tamaño A4 y con el propio puño y letra, un comentario personal
de algún aspecto tratado, con una extensión aproximada de una carilla. Para aclarar la definición
de lectura rápida y de otros tipos de lectura tales como lectura connotativa, lectura científica,
lectura informativa, lectura receptiva, lectura denotativa y lectura de extrapolación, por favor
revisar el archivo pdf Tipos de lectura.
Fecha de envío: Lunes 03 de abril del 2017.
Fecha de entrega: Martes 18 de abril del 2017 al inicio de la primera hora de clase.

DEBER nro. 04: Foto en el perfil del correo institucional.


Cargar una foto individual tamaño carné y completamente clara, en el perfil de su correo electrónico
institucional usuario@espe.edu.ec y hacerla visible para todos.
Fecha de envío: Lunes 03 de abril del 2017.
Fecha de entrega: Domingo 16 de abril del 2017 hasta las 23h59.
OBSERVACIÓN:
No hace falta notificar por correo electrónico la realización de este deber; un email se enviará únicamente
cuando se lo indique explícitamente o esté implícito el envío de un R-script.

17
“El portafolio de trabajo del alumno empleado como una estrategia didáctica permite visualizar el progreso del alumno
a través de los registros acumulados y los comentarios acerca de las aproximaciones sucesivas en el logro de los
aprendizajes, facilitando al mismo tiempo la autoevaluación del alumno y la evaluación de proceso realizada por el profesor.
Esta estrategia didáctica, permite al profesor aplicar en forma activa y directa la evaluación formativa o de proceso, como
un proceso interactivo: alumno–portafolio–profesor, cuya interacción y comunicación se basa en los materiales elaborados
por los alumnos, que permiten detectar o inferir sus logros parciales o terminales con relación a determinados objetivos
educacionales.” http://ww2.educarchile.cl/UserFiles/P0001/File/portafolio.pdf, octubre del 2016.
8
DEBER nro. 05: Foto en el perfil del aula virtual.
Ingresar al perfil del aula virtual y subir una foto individual tamaño carné y completamente clara.
Fecha de envío: Lunes 03 de abril del 2017.
Fecha de entrega: Domingo 30 de abril del 2017 hasta las 23h59.

DEBER nro. 06: Bases de la asignatura.


Desde el aula virtual enviarme un correo con el siguiente asunto: 06 NRCXXXX Primer apellido
Nombre (en todo caso, las letras XXXX deberán ser reemplazadas por el número respectivode NRC);
el contenido del mensaje, sin archivo adjunto este caso, debe ser un párrafo de máximo tres líneas sobre
lo que considera son sus conocimientos y competencias en Estadística necesarios para que pueda
comenzar y culminar con éxito el curso de Diseño Experimental.
Fecha de envío: Lunes 03 de abril del 2017.
Fecha de entrega: Domingo 30 de abril del 2017 hasta las 23h59.
OBSERVACIONES:
➢ Para que sea calificado, cualquier deber completo o parte de un deber con envío por internet, tendrá
que llegar a través de la mensajería interna (correo electrónico) del aula virtual. Tanto el asunto
como el nombre del archivo adjunto al correo electrónico, se escribirán así:
# del deber NRCXXXX Primer apellido Nombre
Hay que dejar un espacio en blanco entre cada bloque i.e. entre # del deber y NRCXXXX, entre
NRCXXXX y Primer apellido, entre Primer apellido y Nombre; e.g. 08 NRC1234 Bernal José.
Como se observa, se escribirán con letras mayúsculas la sigla NRC, la letra inicial del primer apellido
y la inicial del nombre (si se ponen dos nombres, se debe dejar un espacio en blanco entre cada uno
y escribir con mayúsculas la letra inicial de cada nombre, e.g. 08 NRC1234 Bernal José Alejandro).
Si hay más de un archivo por enviar, se los comprimirá en uno solo y se lo pondrá como el archivo
adjunto. Si el envío no se ajustare a lo descrito, entonces el deber correspondiente tendrá una
calificación máxima de 16/20 por falta de orden y organización.
Nota: e.g. es la abreviatura de las palabras en latín exempli gratia, que en español significan “por
ejemplo”. Esta abreviatura se empleará de ahora en adelante, tanto en este documento como
en clases y en la redacción de las pruebas.
➢ Cualquier Pregunta o Tipo de información ‒ tal como justificación reglamentaria, diploma o
certificado ‒ que no esté asociada directamente a un deber y que se enviare por internet, se hará por
el aula virtual; el asunto y el archivo adjunto al email, si aplica, se escribirán así:
NRCXXXX Primer apellido Nombre Pregunta o Tipo de información
Similarmente, hay que dejar un espacio en blanco únicamente en cada bloque y se escribirá con
mayúsculas la sigla NRC, la letra inicial del primer apellido, la letra inicial del primer nombre y la
letra inicial de la pregunta o del tipo de información (en todo caso, se escribirán con mayúsculas las
iniciales de los nombres propios). Si hay más de un archivo por enviar, se los comprimirá en uno solo
y se pondrá a este como el archivo adjunto. Si el envío no se ajustare a este protocolo, entonces el
email no será revisado y se borrará del aula virtual.
➢ A menos que se indique expresamente lo contrario, el orden de prioridad de un envío electrónico se
dispone del siguiente modo:
• Enviar cualquier email vía mensajería interna (correo electrónico) del aula virtual.
• Solamente si el aula virtual no se encuentra activa o está bloqueada, el email se hará llegar desde
el correo electrónico institucional.
• Si no se puede ingresar tanto el aula virtual como el correo electrónico institucional, el email se
enviará desde un correo electrónico personal.
De cualquier modo, en cuanto se tenga ingreso al aula virtual deberá enviarse el email desde esta
plataforma para proceder a revisar o calificar su contenido; caso contrario no se lo hará.
➢ Un deber que no se entregare tendrá una calificación de cero; un deber que quiera ser entregado por
terceros o fuera del plazo estipulado, sin la justificación reglamentaria y hecha a tiempo (Art. 121 del
9
Reglamento Interno de Régimen Académico y Estudiantil), no se recibirá y tendrá una calificación
de cero; esta misma calificación se impondrá a un deber que no se enviare finalmente desde el aula
virtual cuando se lo estipulare en tal sentido.

DEBER nro. 07: Sílabus de la asignatura.


Descargar el sílabus de la asignatura, imprimirlo a doble lado, escribir con esfero el nombre en la parte
superior izquierda de la primera hoja y el número del deber en la parte superior derecha; realizar una
“lectura informativa” de todo el sílabus y entregarlo para revisión.
Fecha de envío: Lunes 03 de abril del 2017.
Fecha de entrega: Martes 18 de abril del 2017 al inicio de la primera hora de clase.

DEBER nro. 08: Rúbrica general de evaluación de la asignatura.


Descargar la rúbrica general de evaluación de la asignatura, imprimirla, escribir con esfero el nombre en
la parte superior izquierda de la primera hoja y el número del deber en la parte superior derecha; realizar
una “lectura informativa” de toda la rúbrica y entregarla para revisión.
Fecha de envío: Lunes 03 de abril del 2017.
Fecha de entrega: Martes 18 de abril del 2017 al inicio de la primera hora de clase.

DEBER nro. 09: Presentación y calificación del LdT.


Tal como se establece en el sílabus de la asignatura, se empleará el siguiente LdT (libro de texto)18:
Montgomery, D. (2013). Diseño y análisis de experimentos. (2a. ed.).
México D.F., México: Limusa Wiley.
Previo a su presentación del LdT, se escribirá el nombre con esfero en la parte superior de la hoja n.° 1.
Fecha de envío: Lunes 03 de abril del 2017.
Fecha de entrega: Martes 18 de abril del 2017 al inicio de la primera hora de clase.
OBSERVACIONES:
➢ Aunque el LdT se empleará frecuentemente durante el desarrollo del periodo académico, este deber
tiene una ponderación igual a cero pues la compra del LdT es optativa; sin embargo, quien lo adquiera
en una librería y no a un compañero de la Carrera que ya aprobó la asignatura, lo podrá emplear como
fuente de consulta en las pruebas que se autorice.
➢ Se toma la política de permitir el uso del LdT de acuerdo a la observación anterior, para incentivar la
compra y uso del LdT debido a que como Biometrista de la Carrera, docente de Estadística, Diseño
Experimental y Proyecto Integrador, he observado a estudiantes que no tienen el respaldo físico y
propio de al menos un buen libro de Diseño Experimental que les ayude a no reprobar la asignatura
y a sustentar un proyecto integrador, un proyecto de investigación, la planeación y toma controlada
de información, un proyecto de graduación, la elaboración de un póster científico, la producción de
un artículo científico, el empleo de técnicas de diseño experimental en otras asignaturas, etc.
➢ Como evidencia de la compra del LdT, se deberá presentar en la fecha de entrega (martes 18 de abril
del 2017 al inicio de la primera hora de clase) la impresión a color de la factura electrónica y, también,
se deberá enviarla hasta las 23h59 del lunes 17 de abril del 2017, por mensajería interna del aula
virtual, según el protocolo establecido en las observaciones redactadas luego del deber nro. 06.

18
“El libro de texto es una de las posibles formas que pueden adoptar los materiales curriculares para facilitar el proceso de
enseñanza-aprendizaje. Se trata de un documento impreso concebido para que el docente desarrolle su programa:
habitualmente, diseña y organiza de manera precisa la práctica didáctica, esto es, la selección, la secuencia y organización
temporal de los contenidos, la elección de los textos de apoyo, el diseño de las actividades y de los ejercicios de evaluación.”
http://cvc.cervantes.es/ensenanza/biblioteca_ele/diccio_ele/diccionario/librotexto.htm, abril del 2017.
10
DEBER nro. 10: Introducción al diseño de experimentos.
Parte 1: “Lectura connotativa” del Cap. 1 (Introducción) del LdT.
Parte 2: Transcribir los conceptos clave del capítulo 1 i.e. aquellos que aparecen en letras negritas, los
ejemplos, un resumen de los principios básicos, un resumen de las pautas generales para diseñar
experimentos, un resumen de la sección 1.5 (Breve historia del diseño estadístico) y la
transcripción de los cuatro puntos que todo experimentador debe tener presente para el uso
correcto de las técnicas estadísticas en la experimentación.
Parte 3: Resolver los problemas planteados al final del capítulo 1 de la 8va edición en inglés del LdT.
Fecha de envío: Lunes 03 de abril del 2017.
Fecha de entrega: Jueves 20 de abril del 2017 al inicio de la primera hora de clase.
OBSERVACIONES:
➢ Toda transcripción que se envíe en un deber, será realizada con esfero y con el propio puño y letra.
➢ La segunda edición de la versión en español del LdT que se vende en algunas librerías del país y que
es aquella que se va emplear en la asignatura, corresponde a la traducción de la quinta edición en
inglés, la cual ‒ como se puede observar ‒ no tiene aún problemas planteados al final del capítulo 1;
esto no sucede con la octava edición en inglés del LdT, que no se va a usar porque no está localmente
a la venta.
ANUNCIOS:
➢ La prueba parcial de la primera unidad se tomará el lunes 15 de mayo del 2017; considerar que:
1. Tendrá una ponderación del 30% y una duración máxima de 120 minutos (de 15h00 a 17h00).
2. Será individual y con la asistencia de una laptop; el estado, la carga y conectividad del equipo
recaerá sobre cada usuario. Se recomienda encarecidamente que se organicen para la prueba, por
ejemplo, estando al menos 15 minutos antes del inicio y trayendo extensiones eléctricas.
3. Se evaluarán conocimientos sobre estadística, métodos numéricos, el entorno y lenguaje de
programación R; en este último caso, empleando el ambiente de desarrollo integrado RStudio así
como también el diseño y la construcción de aplicaciones web interactivas con Shiny.
4. Todos los programas se construirán según las especificaciones solicitadas y se documentarán
conforme a lo establecido en la página 04 de este documento.
5. Los scripts se colocarán en la carpeta Apellido Nombre; se escribirá con mayúscula únicamente
la primera letra del apellido y la primera letra del nombre; entre apellido y nombre se pondrá un
espacio en blanco.
6. Dentro de la carpeta Apellido Nombre se pondrá además un archivo Word denominado Salidas,
que contendrá los resultados de todas las corridas que se solicitaren. Las corridas del programa 𝑖
deberán estar agrupadas en el documento bajo el subtítulo Programa 𝑖, según corresponda; este
archivo Word tendrá como cabecera la siguiente información:
UNIVERSIDAD DE LAS FUERZAS ARMADAS – ESPE.
Departamento de Ciencias de la Vida y la Agricultura.
Carrera de Ingeniería en Biotecnología.
Asignatura: Diseño Experimental.
PRUEBA PARCIAL 1.
Nombre: _________________________.
Fecha: 2017-05-152.
7. La carpeta Apellido Nombre se grabará en una memoria flash que se hará circular desde las
16h55; cada estudiante será completamente responsable de los archivos que grabe y presente.
8. Una vez empezada la prueba se prohíben hacer preguntas, pedir o dar en préstamo cualquier cosa
y salir del curso.
9. Tener muy presente que, en situaciones de fraude o deshonestidad académica, se aplicarán
sanciones como por ejemplo las especificadas en el Art. 123 (Casos de copia en pruebas,
lecciones escritas u otros medios de evaluación) y en el Art. 155 (Fraude en pruebas presenciales
o virtuales) del Reglamento Interno de Régimen Académico y de Estudiantes de la Universidad
de Las Fuerzas Armadas – ESPE.
10. Como simulacro, se puede resolver en Shiny la prueba parcial de la primera unidad tomada el
periodo académico 201720.
11
➢ La primera prueba conjunta se tomará el jueves 01 de junio del 2017; considerar que:
1. Tendrá una ponderación del 30% y una duración máxima de 120 minutos.
2. Constará de al menos ocho ejercicios sobre los siguientes temas tratados tanto en la primera unidad
como en las asignaturas Estadística I y Estadística II; es importante recalcar que las competencias
sobre estos contenidos constituyen requisitos necesarios para una cabal comprensión de las
técnicas de Diseño Experimental que se estudiarán en las dos unidades restantes.
✓ Fundamentos estadísticos:
• Análisis exploratorio unidimensional de datos.
• Análisis exploratorio bidimensional de datos.
• El concepto de probabilidad.
• Variables aleatorias, esperanza y varianza.
• Principales distribuciones de probabilidad.
• Distribuciones multidimensionales.
• Distribuciones de muestreo.
• Estimación puntual y por intervalo.
• Fundamentos de muestreo.
• Pruebas de hipótesis.
• Análisis de regresión.
✓ Los inicios de diseño experimental:
• Introducción al diseño experimental.
• Experimentos con uno y dos tratamientos.
3. Será individual y se podrá utilizar solamente el siguiente material:
✓ El LdT (libro de texto).
✓ Esferos, lápiz, borrador y regla; no cartuchera.
✓ Calculadora científica.
✓ Un formulario hecho con el propio puño y letra, en máximo dos carillas tamaño A4, donde no
conste ningún ejercicio resuelto.
✓ La impresión de las tablas y formularios presentados en el deber nro. 12.
4. Se calificará únicamente lo que se desarrolle en las hojas proporcionadas.
5. En toda PdH (prueba de hipótesis) se calculará el valor-p y se lo incluirá entre paréntesis al final
de la redacción de la Decisión.
6. Se evaluará también la presentación, la forma cómo estarán redactadas cada una de las respuestas
y, en general, se tomarán en cuenta todos los criterios detallados en la rúbrica general de evaluación
de la asignatura que se puso a conocimiento con el deber nro. 08.
7. Una vez empezada la prueba se prohíbe: hacer preguntas, pedir o dar en préstamo cualquier cosa,
emplear dispositivos electrónicos adicionales, ponerse de pie y salir del curso.
8. Tener presente que, en situaciones de fraude o deshonestidad académica, se aplicarán sanciones
como por ejemplo las especificadas en el Art. 123 (Casos de copia en pruebas, lecciones escritas
u otros medios de evaluación) y en el Art. 155 (Fraude en pruebas presenciales o virtuales) del
Reglamento Interno de Régimen Académico y de Estudiantes de la Universidad.

DEBER nro. 11: Experimentos comparativos simples.


Parte 1: “Lectura connotativa” del Cap. 2 (Experimentos comparativos simples) del LdT.
Parte 2: Transcribir los conceptos clave del capítulo 2 i.e. aquellos que aparecen en letras negritas, todas
las fórmulas, las propiedades, el desarrollo teórico relevante, los ejemplos y las tablas. Recordar
que, en las observaciones ubicadas al final del deber nro. 10, se estableció lo siguiente: Toda
transcripción que se envíe en un deber, será realizada con esfero y con el propio puño y letra.
Parte 3: Resolver los problemas planteados al final del capítulo 2 del LdT; los estudiantes del NRC2392
harán los impares y los del NRC2408 los pares.
Fecha de envío: Lunes 08 de mayo del 2017.
Fecha de entrega: Jueves 18 de mayo del 2017 al inicio de la primera hora de clase.
12
OBSERVACIONES:
En la calificación de los deberes se tomará en cuenta:
➢ Que la resolución de cada problema sea realizada con al menos el nivel de detalle empleado en clase.
➢ Que se cumplan las indicaciones presentadas al final del deber nro. 02 (leerlas otra vez, por favor).
➢ Que se utilice al software R como única calculadora, lector de tablas estadísticas y graficador; los
gráficos se imprimirán a color, se recortarán y se pegarán donde corresponda.
➢ Que se justifique el empleo del lenguaje y entorno de programación R, presentando como anexo la
impresión de un archivo pdf generado con rmarkdown. El pdf, perfectamente documentado conforme
a lo establecido en la página 04 de este documento, debe reportar los datos, las fórmulas, los cálculos,
las tablas, las gráficas y las funciones empleadas en cada ejercicio por separado; además, incluirá la
consulta de funciones que permitan realizar directamente ciertos procedimientos, poniendo como
comentario lo que hace cada una de ellas y la respectiva fuente de consulta. Estas funciones se podrán
emplear en cualquier prueba o deber en lo posterior, bien sea como medio de comprobación o para la
obtención directa de resultados, siempre y cuando se dé autorización expresa para el efecto.
➢ Que, como como parte del 20% de la calificación de la unidad, tanto el script como el pdf se harán
llegar por el aula virtual hasta las 23h59 del día anterior a la entrega física del deber; el envío se
ajustará al protocolo establecido en las observaciones escritas después del deber nro. 06.

DEBER nro. 12: Impresión de formularios y tablas estadísticas.


Imprimir y presentar los siguientes siete archivos pdf, ordenados alfabéticamente; la impresión se hará
en hojas en blanco tamaño A4 de 75g/m2, a doble lado y con la opción “una página por hoja”.
• Elementos de muestreo.
• Funciones de distribución y cuantil, chi-cuadrado.
• Funciones de distribución y cuantil, F de Fisher.
• Funciones de distribución y cuantil, t de Student.
• Funciones de distribución y cuantil, VANE.
• Intervalos de confianza.
• Pruebas de hipótesis.
En la parte superior izquierda de la primera hoja de cada archivo impreso, se pondrá con esfero el nombre
completo; en la parte superior derecha de la misma hoja se debe escribir con esfero el número del deber.
Fecha de envío: Viernes 12 de mayo del 2017.
Fecha de entrega: Jueves 01 de junio del 2017 antes de empezar la primera prueba conjunta.

DEBER nro. 13: Resolución en Shiny de la prueba parcial 1.


Resolver en Shiny la prueba parcial 1; es parte de la resolución documentar todos los pasos y condiciones
necesarias para que se pueda correr, sin error alguno, cada uno de los dos programas. Como ayuda, se
puede descargar una propuesta de resolución en R sin Shiny, del programa 1 y del programa 2; las cuales
son susceptibles de mejora.
Fecha de envío: Lunes 15 de mayo del 2017.
Fecha de entrega: Martes 23 de mayo del 2017 hasta las 23h59 y por el aula virtual, ajustándose al
protocolo de envío.

DEBER nro. 14: Estadística descriptiva bidimensional.


Parte 1: “Lectura connotativa” del Cap.3 (Estadística descriptiva bidimensional) del libro:
González, M. y Pérez, A. (2009). Estadística Aplicada: Una visión
instrumental. (1ª. Ed.). Madrid, España: Ediciones Díaz de Santos.
Parte 2: Resolver los problemas propuestos planteados al final del documento; los estudiantes del
NRC2392 desarrollarán los impares y los del NRC2408 los pares.
Fecha de envío: Viernes 12 de mayo del 2017.
Fecha de entrega: Jueves 01 de junio del 2017 antes de empezar la primera prueba conjunta.

13
DEBER nro. 15: Ejercicios de entrenamiento para la prueba conjunta de la primera unidad.
Resolver los ejercicios de entrenamiento para la primera prueba conjunta que se pueden descargar
haciendo clic aquí; los estudiantes del NRC2392 realizarán los impares y los del NRC2408 los pares.
Fecha de envío: Viernes 12 de mayo del 2017.
Fecha de entrega: Jueves 01 de junio del 2017 antes de empezar la primera prueba conjunta.

DEBER nro. 16: Primer deber de la segunda unidad. Demostraciones en diseño experimental.
Resolver los 16 ejercicios del documento pdf Demostraciones en diseño experimental, la mayoría de los
cuales ha sido resueltos en clase.
Fecha de envío: Domingo 04 de junio del 2017.
Fecha de entrega: Jueves 20 de julio del 2017 al inicio de la segunda prueba conjunta.

DEBER nro. 17: Taller en clase sobre DCA (diseños completamente aleatorizados).
NRC2392: Resolver los problemas 3-6 y 3-7, página 120 del LdT (libro de texto).
NRC2408: Resolver el problema 3-6, página 120 del LdT.
Fecha de envío: Jueves 08 de junio del 2017 al inicio de la sesión de clase.
Fecha de entrega: Jueves 08 de junio del 2017 al inicio de la sesión de clase.

DEBER nro. 18: Taller sobre un diseño factorial de dos factores, modelo con efectos fijos.
Con el contexto y los datos del problema 5-1 (alumnos del NRC2392) o del problema 5-2 (alumnos del
NRC2408), ubicado en la página 211 del LdT (libro de texto):
a) Construir a mano e interpretar las dos gráficas de interacción; como anexo, se debe pegar con
goma en barra las gráficas construidas en R con ayuda de la función interaction.plot().
b) Elaborar a mano la tabla ANOVA que aparece en tabla 5-3 de la página 180 del LdT; para ello:
• Calcular las sumas de cuadrados con las fórmulas conceptuales de la página 178 del LdT:
𝑎

𝑆𝑆𝐴 = 𝑏𝑛 ∑(𝑦̅𝑖•• − 𝑦̅••• )2


𝑖=1
𝑏
2
𝑆𝑆𝐵 = 𝑎𝑛 ∑(𝑦̅•𝑗• − 𝑦̅••• )
𝑗=1
𝑎 𝑏
2
𝑆𝑆𝐴𝐵 = 𝑛 ∑ ∑(𝑦̅𝑖𝑗• − 𝑦̅𝑖•• − 𝑦̅•𝑗• + 𝑦̅••• )
𝑖=1 𝑗=1
𝑎 𝑏 𝑛
2
𝑆𝑆𝐸 = ∑ ∑ ∑(𝑦𝑖𝑗𝑘 − 𝑦̅𝑖𝑗• )
𝑖=1 𝑗=1 𝑘=1
𝑎 𝑏 𝑛
2
𝑆𝑆𝑇 = ∑ ∑ ∑(𝑦𝑖𝑗𝑘 − 𝑦̅••• )
𝑖=1 𝑗=1 𝑘=1
• Verificar los cálculos anteriores con las fórmulas operativas de la página 180 del LdT:
𝑎 𝑏 𝑛
2
2
𝑦•••
𝑆𝑆𝑇 = ∑ ∑ ∑ 𝑦𝑖𝑗𝑘 −
𝑎𝑏𝑛
𝑖=1 𝑗=1 𝑘=1
𝑎
2
1 2
𝑦•••
𝑆𝑆𝐴 = ∑ 𝑦𝑖•• −
𝑏𝑛 𝑎𝑏𝑛
𝑖=1
𝑏
2
1 2
𝑦•••
𝑆𝑆𝐵 = ∑ 𝑦•𝑖• −
𝑎𝑛 𝑎𝑏𝑛
𝑗=1
1 𝑦2
𝑆𝑆𝐴𝐵 = 𝑆𝑆𝑆 − 𝑆𝑆𝐴 − 𝑆𝑆𝐵 donde 𝑆𝑆𝑆 = 𝑛 ∑𝑎𝑖=1 ∑𝑏𝑗=1 𝑦𝑖𝑗
2 •••
− 𝑎𝑏𝑛
𝑆𝑆𝐸 = 𝑆𝑆𝑇 − 𝑆𝑆𝑆 ; también 𝑆𝑆𝐸 = 𝑆𝑆𝑇 − 𝑆𝑆𝐴𝐵 − 𝑆𝑆𝐴 − 𝑆𝑆𝐵

14
• En la columna del estadístico de prueba 𝐹0 , emplear la siguiente notación: 𝐹0𝐴 = 𝑀𝑆𝐴 ⁄𝑀𝑆𝐸 ,
𝐹0𝐵 = 𝑀𝑆𝐵 ⁄𝑀𝑆𝐸 , 𝐹0𝐴𝐵 = 𝑀𝑆𝐴𝐵 ⁄𝑀𝑆𝐸 .
• Incluir una última columna adicional para el valor-p: valor‑𝑝𝐴 = 𝑃𝑟(𝐹𝑎−1,𝑎𝑏(𝑛−1) > 𝐹0𝐴 ),
valor‑𝑝𝐵 = 𝑃𝑟(𝐹𝑏−1,𝑎𝑏(𝑛−1) > 𝐹0𝐵 ), valor‑𝑝𝐴𝐵 = 𝑃𝑟(𝐹(𝑎−1)(𝑏−1),𝑎𝑏(𝑛−1) > 𝐹0𝐴𝐵 ).
• Adjuntar como anexo la tabla ANOVA realizada en R con alguna función, incluyendo la
impresión de la BdD (base de datos) y la forma cómo se la ingresó.
c) Realizar la PdH (prueba de hipótesis) para establecer si los niveles del factor 𝐴 de filas tienen un
efecto promedio distinto en la variable de respuesta; establecer el CdR (criterio de rechazo) de
tres formas: empleando el valor crítico, gráficamente y mediante el valor-p.
d) Realizar la PdH (prueba de hipótesis) para establecer si los niveles del factor 𝐵 de columnas
tienen un efecto promedio distinto en la variable de respuesta; establecer el CdR (criterio de
rechazo) de tres formas: empleando el valor crítico, gráficamente y mediante el valor-p.
e) Realizar la PdH (prueba de hipótesis) para establecer si los niveles del factor 𝐴 de filas
interactúan en la variable de respuesta con los niveles del factor 𝐵 de columnas; establecer el
CdR (criterio de rechazo) empleando el valor crítico, gráficamente y con el valor-p.
En este caso, no tienen que subir al aula virtual el componente del software R realizado.
Fecha de envío: Martes 13 de junio del 2017 al inicio de la segunda hora de clase.
Fecha de entrega: Jueves 15 de junio del 2017 al inicio de la sesión de clase.

DEBER nro. 19: Diseño factorial de dos factores.


Un ingeniero en biotecnología industrial investiga el hinchamiento, medido en %, del catalizador
después de la extrusión en la obtención de polietileno de alta densidad para la elaboración de recipientes;
el objetivo es maximizar el hinchamiento. Los factores de interés son molde y catalizador; tal como se
muestra en la siguiente BdD (base de datos), se ha experimentado con dos moldes y tres catalizadores:

a) Construir la BdD en R, imprimirla y pegarla como resultado de este literal.


Sugerencia:
hinchamiento <- c(93,92,90,91,92,91,90,91,93,90,92,94,90,91,90,91,92,92,92,9
1,95,94,94,94,94,97,95,96,94,96,88,88,87,87,88,87,87,87,87,88,90,88,88,88,89
,90,89,88,88,89,91,90,92,90,97,89,90,91,91,91)
molde <- rep(1:2,each=30)
molde <- factor(molde,labels=c("A1","A2"))
catalizador <- rep(rep(1:3,each=10),2)
catalizador <- factor(catalizador,labels=c("B1","B2","B3"))
ejc <- data.frame(hinchamiento,molde,catalizador)
rm(hinchamiento,molde,catalizador)
attach(ejc)
b) Realizar e interpretar:
• Los diagramas de caja simultáneos para hinchamiento versus molde.
Sugerencia: boxplot(hinchamiento~molde)
• Los diagramas de caja simultáneos para hinchamiento versus catalizador.
Sugerencia: boxplot(hinchamiento~catalizador)
• El gráfico de los efectos univariados medios del diseño.
15
Sugerencia: plot.design(ejc,fun="mean")
• El gráfico de los efectos univariados medianos del diseño.
Sugerencia: plot.design(ejc,fun="median")
• El gráfico de interacción molde versus catalizador.
Sugerencia: interaction.plot(molde,catalizador,hinchamiento)
• El gráfico de interacción catalizador versus molde.
Sugerencia: interaction.plot(catalizador,molde,hinchamiento)
c) Construir la tabla ANOVA.
Sugerencia:
ejc.aov <- aov(hinchamiento~molde*catalizador,data=ejc)
summary(ejc.aov)
d) Calcular las estimaciones de las medias del modelo de efectos fijos.
Sugerencia:
(medias <- model.tables(ejc.aov,type="means"))
e) Realizar la PdH (prueba de hipótesis) para contrastar la igualdad de los efectos medios en el
hinchamiento según los tipos de molde.
f) Efectuar la PdH para contrastar la igualdad de los efectos medios en el hinchamiento de acuerdo
a los catalizadores utilizados.
g) Desarrollar la PdH para contrastar la igualdad de los efectos medios en el hinchamiento según la
interacción entre los niveles de los dos factores que se investigan.
h) Utilizando la prueba de Tukey, clasificar en grupos (A, B, etc.) según la comparación de pares
de medias, tanto a los niveles de cada factor como a los tratamientos (i.e. a las interacciones en
este caso); la clasificación debe ser tal que en el grupo A deben estar los mejores tratamientos, el
grupo B debe contener a los siguientes tratamientos en orden de importancia y así sucesivamente.
Establecer conclusiones respecto a las tres clasificaciones obtenidas.
Sugerencia: Existen funciones en R que realizan la clasificación en forma directa. Otra opción
es ingresar TukeyHSD(ejc.aov) y formar los grupos en cada caso, analizando la
salida obtenida; por ejemplo, empleando la prueba del rango múltiple de Duncan,
la respuesta a este literal es la siguiente (a pesar que en las tres clasificaciones dadas
a continuación los grupos son mutuamente excluyentes, esto no es una condición
necesaria; tomar en cuenta que los métodos de comparación de pares de medias de
tratamientos no producen siempre el mismo resultado):
Grupo
Molde
A B
A2
A1
Tabla 1: Clasificación Duncan para los niveles del factor molde.
Grupo
Catalizador
A B
B1
B2
B3
Tabla 2: Clasificación Duncan para los niveles del factor catalizador.
Tratamiento Grupo
Molde Catalizador A B C D
A2 B1
A2 B2
A2 B3
A1 B1

16
Tratamiento Grupo
Molde Catalizador A B C D
A1 B2
A1 B3
Tabla 3: Clasificación Duncan para los tratamientos i.e. para las interacciones entre
los niveles del factor molde versus los niveles del factor catalizador.
i) Dibujar e interpretar el gráfico Q-Q19 para el diagnóstico exploratorio del supuesto de normalidad
de los residuos del modelo.
Sugerencia: qqnorm(residuals(ejc.aov))
j) Realizar la PdH de Shapiro-Wilk para el diagnóstico inferencial del supuesto de normalidad de
los residuos del modelo.
Sugerencia: Ingresar shapiro.test(residuals(ejc.aov)) para obtener el EdP (estadístico
de prueba) ‒que en este caso se denota por W ‒ y el respectivo valor-p.
k) Dibujar e interpretar el gráfico de los residuos en función de los predichos para el diagnóstico
exploratorio de la homocedasticidad20 de los errores de los tratamientos21.
Sugerencia: plot(fitted.values(ejc.aov),residuals(ejc.aov))
l) Realizar la PdH de Levene para el diagnóstico inferencial del supuesto de homocedasticidad de
los errores o residuos asociados a las respuestas de los tratamientos del modelo.
Sugerencia:
tratamientos <- c("T1","T1","T1","T1","T1","T1","T1","T1","T1","T1","T2","T2
","T2","T2","T2","T2","T2","T2","T2","T2","T3","T3","T3","T3","T3","T3","T3"
,"T3","T3","T3","T4","T4","T4","T4","T4","T4","T4","T4","T4","T4","T5","T5",
"T5","T5","T5","T5","T5","T5","T5","T5","T6","T6","T6","T6","T6","T6","T6","
T6","T6","T6")
ejc.aov.levene <- aov(lm(abs(residuals(ejc.aov))~tratamientos))
summary(ejc.aov.levene)
m) Realizar la prueba no paramétrica de Kruskal-Wallis, incluyendo la comparación de a pares por
el método de Bonferroni; se deben construir grupos como en el literal h.
Sugerencia:
ejc.KW <- data.frame(hinchamiento,molde,catalizador,tratamientos)
kruskal.test(hinchamiento~tratamientos,data=ejc.KW)
(comp.bonferroni <- pairwise.wilcox.test(hinchamiento,tratamientos,p.adj="bo
nferroni",exact=F))
Fecha de envío: Martes 13 de junio del 2017.
Fecha de entrega: Martes 20 de junio del 2017 al inicio de la sesión de clase.

DEBER nro. 20: Experimentos con un solo factor: el análisis de varianza.


Parte 1: “Lectura connotativa” del Cap. 3 (Experimentos con un solo factor: el análisis de varianza) del
LdT (libro de texto).
Parte 2: Transcribir los conceptos clave del capítulo 3 i.e. aquellos que aparecen en letras negritas, todas
las fórmulas, las propiedades, el desarrollo teórico relevante, los ejemplos y las tablas. Recordar
que, en las observaciones ubicadas al final del deber nro. 10, se estableció lo siguiente: Toda
transcripción que se envíe en un deber, será realizada con esfero y con el propio puño y letra.

19
En diseño experimental un gráfico Q-Q (en inglés se conoce como Q-Q plot; la letra"Q" viene de la palabra inglesa
quantile) es un método descriptivo para el diagnóstico de diferencias entre la distribución de probabilidad de una población
de la que se ha extraído una muestra aleatoria y una distribución usada para la comparación.
http://es.wikipedia.org/wiki/Gr%C3%A1fico_Q-Q, junio del 2017.
20
En diseño experimental un modelo presenta homocedasticidad cuando la varianza del error de la variable de respuesta se
mantiene constante en todos los tratamientos. http://es.wikipedia.org/wiki/Homocedasticidad, junio del 2017.
21
Una forma de verificar el supuesto de homocedasticidad es graficando los predichos contra los residuos: los predichos o
respuestas estimadas van en el eje horizontal y los residuos en el eje vertical. Si los puntos en esta gráfica se distribuyen de
manera aleatoria en una banda horizontal, entonces es señal de que se cumple el supuesto de homocedasticidad; por el
contrario, si los puntos se distribuyen siguiendo algún patrón ‒como por ejemplo en forma de corneta o embudo‒ entonces
es evidencia de que no se cumple tal supuesto.
17
Parte 3: Resolver los problemas planteados al final del capítulo 3 del LdT; los estudiantes del NRC2392
harán los impares y los del NRC2408 los pares. Tener presente que el desarrollo en R de los
deberes de una unidad, tienen un peso del 20% a menos que se establezca de otro modo.
Fecha de envío: Martes 06 de junio del 2017.
Fecha de entrega: Jueves 22 de junio del 2017 al inicio de la primera hora de clase; considerar que tanto
el script como el pdf se enviarán por el aula virtual hasta las 23h59 del día anterior a
la entrega física del deber; el envío debe ajustarse al protocolo establecido en las
observaciones escritas después del deber nro. 06.
ANUNCIOS:
1. La segunda prueba parcial se tomará el martes 27 de junio durante la sesión de clase; tendrá una
duración máxima de 100 minutos, un peso del 30% a la nota de la segunda unidad y la temática
son los “diseños factoriales”. Tomar en cuenta las siguientes indicaciones: Únicamente se
calificará lo que se desarrolle en la hoja de papel ministro proporcionada; además de la
presentación, se evaluará la forma cómo se redactan las respuestas; se empleará exclusivamente
el software estadístico R, tanto como calculadora, graficador y como lector de tablas estadísticas;
empezada la prueba no se harán preguntas, no se podrá pedir nada ni se saldrá del curso.
2. La segunda prueba conjunta se tomará el jueves 20 de julio en la sesión de clase; tendrá una
duración máxima de 120 minutos, un peso del 30% a la nota de la segunda unidad y la temática
principal son las “demostraciones en diseño experimental”, sin consulta alguna; también podrán
evaluarse problemas del capítulo 4 (Bloques aleatorizados, cuadrados latinos y diseños
relacionados) y del capítulo 5 (Introducción a los diseños factoriales) del LdT. Por favor tomar
en cuenta que: Únicamente se calificará lo que se desarrolle en la hoja de papel ministro
proporcionada; además de la presentación, se evaluará la forma cómo se redactan las respuestas;
empezada la prueba no se harán preguntas, no se podrá pedir nada ni se saldrá del curso.

DEBER nro. 21: Bloques aleatorizados, cuadrados latinos y diseños relacionados.


Parte 1: “Lectura connotativa” del Cap. 4 (Bloques aleatorizados, cuadrados latinos y diseños
relacionados.) del LdT.
Parte 2: Transcribir los conceptos clave del capítulo 4 i.e. aquellos que aparecen en letras negritas, todas
las fórmulas, las propiedades, el desarrollo teórico relevante, los ejemplos y las tablas. Recordar
que, en las observaciones ubicadas al final del deber nro. 10, se estableció lo siguiente: Toda
transcripción que se envíe en un deber, será realizada con esfero y con el propio puño y letra.
Parte 3: Resolver los problemas planteados al final del capítulo 4 del LdT; los estudiantes del NRC2392
harán los impares y los del NRC2408 los pares. Tener presente que el desarrollo en R de los
deberes de una unidad, tienen un peso del 20% a menos que se establezca de otro modo.
Fecha de envío: Martes 13 de junio del 2017.
Fecha de entrega: Jueves 20 de julio del 2017 al inicio de la segunda prueba conjunta; considerar que
tanto el script como el pdf se enviarán por el aula virtual hasta las 23h59 del día
anterior a la entrega física del deber; el envío debe ajustarse al protocolo establecido
en las observaciones escritas después del deber nro. 06.

DEBER nro. 22: Introducción a los diseños factoriales.


Parte 1: “Lectura connotativa” del Cap. 5 (Introducción a los diseños factoriales.) del LdT.
Parte 2: Transcribir los conceptos clave del capítulo 5 i.e. aquellos que aparecen en letras negritas, todas
las fórmulas, las propiedades, el desarrollo teórico relevante, los ejemplos y las tablas. Recordar
que, en las observaciones ubicadas al final del deber nro. 10, se estableció lo siguiente: Toda
transcripción que se envíe en un deber, será realizada con esfero y con el propio puño y letra.
Parte 3: Resolver los problemas planteados al final del capítulo 5 del LdT; los estudiantes del NRC2392
harán los impares y los del NRC2408 los pares. Tener presente que el desarrollo en R de los
deberes de una unidad, tienen un peso del 20% a menos que se establezca de otro modo.
Fecha de envío: Martes 13 de junio del 2017.
Fecha de entrega: Jueves 20 de julio del 2017 al inicio de la segunda prueba conjunta; tanto el script
como el pdf se enviarán por el aula virtual hasta las 23h59 del miércoles 19 de julio.

18
DEBER nro. 23: Resolución de la segunda prueba parcial.
Resolución tanto de la prueba parcial 2A como de la prueba parcial 2B. Lo que se repite en ambas
pruebas se tiene que realizar una sola vez.
Fecha de envío: Martes 27 de junio del 2017.
Fecha de entrega: Martes 04 de julio del 2017 al inicio de la primera hora de clase; tanto el script como
el pdf se enviarán por el aula virtual hasta las 23h59 del lunes 03 de julio.

DEBER nro. 24: Taller en clase: Diseño de bloques completos aleatorizados y diseño cuadrado latino.
Con el contexto y los datos de los problemas 4-1 y 4-15 (NRC2392) o de los problemas 4.2 y 4-14
(NRC2408) del LdT (libro de texto): (1) calcular las sumas de cuadrados empleando las fórmulas
conceptuales, (2) construir la tabla ANOVA, incluyendo los valores-p tanto para el factor de tratamientos
como para los factores de bloques. (3) realizar con detalle las pruebas de hipótesis respectivas.
Fecha de envío: Jueves 29 de junio del 2017 al inicio de la sesión de clase.
Fecha de entrega: Viernes 30 de junio del 2017 hasta las 16h00.
OBSERVACIONES:
1. Los problemas de este taller ya no deberán incluirse como parte del deber nro. 21.
2. Las fórmulas conceptuales para las sumas de cuadrados de un diseño de bloques completos
aleatorizados son:
a. Suma de cuadrados total corregida:
𝑎 𝑏
2
𝑆𝑆𝑇 = ∑ ∑(𝑦𝑖𝑗 − 𝑦̅•• )
𝑖=1 𝑗=1
b. Suma de cuadrados debida a los tratamientos i.e. entre los tratamientos:
𝑎

𝑆𝑆𝑇𝑟 = 𝑏 ∑(𝑦̅𝑖• − 𝑦̅•• )2


𝑖=1
c. Suma de cuadrados debida a los bloques i.e. entre los bloques:
𝑏
2
𝑆𝑆𝐵 = 𝑎 ∑(𝑦̅•𝑗 − 𝑦̅•• )
𝑗=1
d. Suma de los cuadrados debida al error:
𝑎 𝑏
2
𝑆𝑆𝐸 = ∑ ∑(𝑦𝑖𝑗 − 𝑦̅•𝑖 − 𝑦̅𝑖• + 𝑦̅•• )
𝑖=1 𝑗=1
3. Las fórmulas conceptuales para las sumas de cuadrados de un diseño cuadrado latino son:
a. Suma de cuadrados total corregida:
𝑝 𝑝 𝑝
2
𝑆𝑆𝑇 = ∑ ∑ ∑(𝑦𝑖𝑗𝑘 − 𝑦̅••• )
𝑖=1 𝑗=1 𝑘=1

b. Suma de cuadrados debida a los tratamientos i.e. entre los tratamientos:


𝑝
2
𝑆𝑆𝑇𝑟 = 𝑝 ∑(𝑦̅•𝑗• − 𝑦̅••• )
𝑗=1

c. Suma de cuadrados debida a los bloques de filas i.e. entre los renglones:
𝑝

𝑆𝑆𝑅 = 𝑝 ∑(𝑦̅𝑖•• − 𝑦̅••• )2


𝑖=1

d. Suma de cuadrados debida a los bloques de columnas i.e. entre las columnas:
𝑝

𝑆𝑆𝐶 = 𝑝 ∑(𝑦̅••𝑘 − 𝑦̅••• )2


𝑘=1

19
e. Suma de los cuadrados debida al error:
𝑝 𝑝 𝑝
2
𝑆𝑆𝐸 = ∑ ∑ ∑(𝑦𝑖𝑗𝑘 − 𝑦̅𝑖•• − 𝑦̅•𝑗• − 𝑦̅••𝑘 + 2𝑦̅•• )
𝑖=1 𝑗=1 𝑘=1

DEBER nro. 25: Taller en clase: La FGdM (función generadora de momentos).


Ejercicio para el NRC2408:
La respuesta experimental 𝒚 de un proceso de remoción ‒mediante el empleo de nanopartículas‒ de
hidrocarburos presentes en muestras de suelo contaminado, se ajusta a una distribución exponencial de
parámetro 𝛾 > 0; tomar en cuenta que la función de densidad de la variable aleatoria de respuesta
experimental 𝒚 es, en este caso, 𝑓(𝒚) = (1⁄𝛾 )exp(−𝒚⁄𝛾 )𝕀ℝ+⋃{0} (𝒚).
a) Determinar 𝑚𝒚 (𝑡), la FGdM de 𝒚.
b) Utilizando la definición, calcular 𝐸(𝒚) y 𝐸(𝒚2 ); calcular, además, 𝑉(𝒚).
Ejercicio para el NRC2392:
En algunos diseños experimentales, la respuesta 𝒚~Bin(𝑛, 𝜋).
a) Determinar 𝑚𝒚 (𝑡), la FGdM de 𝒚.
b) Empleando la definición, calcular 𝐸(𝒚) y 𝐸(𝒚2 ); calcular, además, 𝑉(𝒚).
SUGERENCIAS: 1) La función de masa de probabilidad de una variable aleatoria de respuesta
experimental 𝒚 tiene la formulación 𝑝(𝒚) = (𝑛𝒚) 𝜋 𝒚 (1 − 𝜋)𝑛−𝒚 𝕀𝐴 (𝒚), donde el conjunto
𝐴 = {0,1,2, ⋯ , 𝑛}.
2) (𝑎 + 𝑏)𝑛 = ∑𝑛𝑟=0(𝑛𝑟)𝑎𝑛−𝑟 𝑏 𝑟 .
Fecha de envío: Martes 11 de julio del 2017, 20 minutos antes del final de la sesión de clase.
Fecha de entrega: Martes 11 de julio del 2017, al final de la sesión de clase.

DEBER nro. 26: Taller en clase: Descomposición de la varianza en un DECA (diseño experimental
completamente aleatorizado.
Sea un DECA con variable de respuesta 𝒚~𝒩(𝜇, 𝜎 2 ) y cuyo único factor de interés tiene 𝒂 niveles i.e.
un DECA con 𝒂 tratamientos; si se han realizado 𝒏 réplicas por cada tratamiento, entonces la BdD (base
de datos) puede presentarse como en la siguiente tabla:

Demostrar que 𝑆𝑆𝑇 = 𝑆𝑆𝑇𝑟 + 𝑆𝑆𝐸 donde:


2
➢ 𝑆𝑆𝑇 = ∑𝑎𝑖=1 ∑𝑛𝑗=1(𝑦𝑖𝑗 − 𝑦̅•• ) es la suma de cuadrados total corregida que se usa como una
medida de la variabilidad global de los datos.
➢ 𝑆𝑆𝑇𝑟 = 𝑛 ∑𝑎ñ𝑖=1(𝑦̅𝑖• − 𝑦̅•• )2 es la suma de cuadrados debida a los tratamientos (i.e. entre los
tratamientos).
2
➢ 𝑆𝑆𝐸 = ∑𝑎𝑖=1 ∑𝑛𝑗=1(𝑦𝑖𝑗 − 𝑦̅𝑖• ) es la suma de cuadrados debida al error (i.e. dentro de los
tratamientos).
Fecha de envío: Jueves 13 de julio del 2017, 20 minutos antes del final de la sesión de clase.
Fecha de entrega: Jueves 13 de julio del 2017, al final de la sesión de clase.

20
DEBER nro. 27: Primer deber de la tercera unidad. Resolución de la prueba conjunta 2.
Resolver la prueba conjunta de la segunda unidad.
Fecha de envío: Jueves 20 de julio del 2017.
Fecha de entrega: Martes 25 de julio del 2017 al inicio de la primera hora de clase.
ANUNCIOS:
1. Tal como se estableció en el sílabus de la asignatura, la apropiación de los contenidos de la
tercera unidad será en su mayor parte de autoaprendizaje.
2. La prueba parcial 3 se tomará el martes 01 de agosto; tendrá una ponderación del 30% y una
duración máxima de 120 minutos. Se evaluará el contenido del capítulo 6 del libro de Gutiérrez
y del capítulo 6 del LdT.
3. La prueba parcial 4 se tomará el martes 15 de agosto; tendrá una ponderación del 30% y una
duración máxima de 120 minutos. Se evaluará el contenido del capítulo 8 del libro de Gutiérrez
y de los capítulos 8 y 9 del LdT.
4. La prueba parcial 5 se tomará el jueves 17 de agosto; tendrá una ponderación del 30% y una
duración máxima de 120 minutos. Se evaluará el contenido de los capítulos 9 y 10 del libro de
Gutiérrez.

DEBER nro. 28: Taller en clase: Diseños factoriales 2𝑘 .


Parte 1: “Lectura connotativa” del Cap. 6 (Diseños factoriales2𝑘 ) del LdT.
Parte 2: Resolver los problema 6-1, 6-2, 6-3 y 6-4 del LdT; se deben incluir los enunciados.
Fecha de envío: Martes 25 de julio del 2017 al inicio de la sesión de clase.
Fecha de entrega: Martes 25 de julio del 2017 al final de la sesión de clase.

DEBER nro. 29: Taller en clase: Diseños factoriales 2𝑘 .


Parte 1: “Lectura connotativa” del Cap. 6 (Diseños factoriales2𝑘 ) del LdT.
Parte 2: Transcribir los conceptos clave del capítulo 6 i.e. aquellos que aparecen en letras negritas, todas
las fórmulas, las propiedades, el desarrollo teórico relevante, los ejemplos y las tablas. Recordar
que, en las observaciones ubicadas al final del deber nro. 10, se estableció lo siguiente: Toda
transcripción que se envíe en un deber, será realizada con esfero y con el propio puño y letra.
Parte 3: Realizar en R los gráficos y cálculos desarrollados en el capítulo 6.
Fecha de envío: Martes 25 de julio del 2017.
Fecha de entrega: Jueves 27 de julio del 2017 al inicio de la sesión de clase.

DEBER nro. 30: Resolución y ampliación de la prueba parcial 3.


Parte 1: Corrección de la prueba parcial 3.
Parte 2: Resolver el problema 6-16 del LdT; se debe incluir el enunciado.
Fecha de envío: Martes 01 de agosto del 2017.
Fecha de entrega: Jueves 03 de agosto del 2017 al inicio de la sesión de clase.

DEBER nro. 31: Taller en clase: Diseños factoriales fraccionados de dos niveles.
Parte 1: “Lectura connotativa” del Cap. 8 (Diseños factoriales fraccionados de dos niveles) del LdT.
Parte 2: Resolver el problema 8-6 del LdT; se debe incluir el enunciado.
Fecha de envío: Jueves 03 de agosto del 2017 al inicio de la sesión de clase.
Fecha de entrega: Jueves 03 de agosto del 2017 al final de la sesión de clase.

DEBER nro. 32: Taller en clase: Diseños factoriales fraccionados 2𝑘−𝑝 .


Parte 1: “Lectura connotativa” del Cap. 8 (Diseños factoriales fraccionados 2𝑘−𝑝 .) del libro:
Gutiérrez, H. y De la Vara, R. (2012). Análisis y diseño de experimentos .
(3ª. Ed.). México D.F., México: McGraw-Hill / Interamericana Editores.
Parte 2: Resolver las preguntas y ejercicios desde la 01 hasta la 10 del capítulo 8 que se hace referencia
en la parte anterior; se deben incluir los enunciados.
Fecha de envío: Martes 08 de agosto del 2017 al inicio de la sesión de clase.
Fecha de entrega: Martes 08 de agosto del 2017 al final de la sesión de clase.

21
DEBER nro. 33: Introducción al diseño experimental robusto.
Parte 1: “Lectura connotativa” del Cap. 9 (Introducción al diseño experimental robusto.) del libro:
Gutiérrez, H. y De la Vara, R. (2012). Análisis y diseño de experimentos .
(3ª. Ed.). México D.F., México: McGraw-Hill / Interamericana Editores.
Parte 3: Resolver las veinte primeras preguntas y ejercicios planteados al final del capítulo especificado
en la parte anterior; los estudiantes del NRC2392 harán los impares y los del NRC2408 los
pares. No se requiere enviar al aula virtual lo realizado en R, pero hay que imprimirlo y
entregarlo.
Fecha de envío: Martes 15 de agosto del 2017.
Fecha de entrega: Jueves 17 de agosto del 2017 al inicio de la quinta prueba parcial.

DEBER nro. 34: Planeación de un experimento.


Parte 1: “Lectura connotativa” del Cap. 10 (Planeación de un experimento.) del libro:
Gutiérrez, H. y De la Vara, R. (2012). Análisis y diseño de experimentos .
(3ª. Ed.). México D.F., México: McGraw-Hill / Interamericana Editores.
Parte 3: Resolver las preguntas y ejercicios planteados al final del capítulo especificado en la parte
anterior.
Fecha de envío: Martes 15 de agosto del 2017.
Fecha de entrega: Jueves 17 de agosto del 2017 al inicio de la quinta prueba parcial.

DEBER nro. 35: Resolución de la prueba parcial 4.


Resolver la prueba parcial 4; no se requiere enviar al aula virtual lo realizado en R.
Fecha de envío: Martes 15 de agosto del 2017.
Fecha de entrega: Viernes 18 de agosto del 2017 hasta las 15h00.

DEBER nro. 36: Resolución de la prueba parcial 5.


Resolver la prueba parcial 5; no se requiere enviar al aula virtual lo realizado en R.
Fecha de envío: Jueves 17 de agosto del 2017.
Fecha de entrega: Viernes 18 de agosto del 2017 hasta las 15h00.

22