TALLER DE DISEO EXPERIMENTAL 2016 P

PLANEACIN DEL CURSO

Dr. Alberto Castillo Morales
Informacin general

Identificacin del curso: Taller de diseo experimental. Clave: 2132065, Grupo BH03
Horario: De 12 a 14, martes y viernes, aula C119, mircoles, Sala de cmputo AT 219.
Horario de asesoras, profesor: Mircoles de 15:30 a 16:30 horas en el cubculo AT343.
Nombre profesor: Alberto Castillo Morales
Nombre ayudante: Guadalupe Villeda Gmez
Horario de asesoras ayudante: Martes de 8 a 10. Ala este del primer piso del edificio AT.

Informacin sobre el programa

Objetivos, temas y calendario de actividades: En el Programa del Curso se especifican los objetivos, que resumidos son:
regresin lineal mltiple y principios de diseo de experimentos, utilizando ejemplos relevantes a los alumnos. En el
Calendario de Actividades se especifican los temas que se tratarn cada clase, indicando las fechas en que se realizarn las
evaluaciones parciales.
Mtodo de trabajo:
Resolucin de problemas: a) Se presenta un problema y se dan las instrucciones para que los alumnos lo resuelvan en
casa, usando la computadora y los paquetes estadsticos Excel y R. b) Se revisan los conceptos y la teora estadstica en los
que se basa la forma de resolver el problema y se justifica la seleccin de la metodologa. c) Se regresa al problema inicial y
se discuten los resultados y se derivan las conclusiones que sobre l producen los resultados el anlisis.
Actividades en el aula (martes y viernes): El profesor integrar los conceptos y fundamentos estadsticos que requiere el
problema, indicando a los alumnos las lecturas que complementan su aprendizaje. Estas lecturas, con los ejemplos que
incluyen, no se calificarn, ni tendrn valor en la calificacin final, pero formarn parte de las preguntas de los exmenes
parciales.
Actividades en el laboratorio de cmputo (mircoles) (o en la sala de Cmputo de la UAM.I): Se resolvern los ejemplos
de las lecturas y se asesorar a los estudiantes en el uso de los paquetes Excel y R. Si se dispone de laboratorio de cmputo
se trabajar en l, si no, se asesorar por medio de la pgina del curso el trabajo en la sala de cmputo.

Bibliografa: El programa oficial incluye bibliografa. Se utilizar el libro del Dr. Alberto Castillo Morales, Estadstica aplicada. Trillas,
2013 y las tareas se tomarn del problemario del Dr. Alberto Castillo Morales: Ejercicios para Taller de Diseos Experimentales.
Otros textos adecuados son Daniel W.W. Bioestadstica: base para el anlisis de las ciencias de la salud, Limusa 1984, Mrquez de
Cant M.J. Probabilidad y estadstica para ciencias qumico-biolgicas McGraw Hill 1991 y Montgomery D.C. Diseo y anlisis de
experimentos, Iberoamrica 1981.

Tareas.
Las tareas debern entregarse siguiendo las instrucciones para su elaboracin que estarn en el Aula Virtual. Debe respetarse
el contenido de la tarea y el da en que deben ser entregada al profesor. Despus de la fecha de entrega, estas tareas se
resolvern y discutirn en clase.
Nota 1. Las instrucciones para el desarrollo de las tareas, la fecha de entrega y los datos necesarios se pondrn en el aula
virtual. Tarea no entregada a tiempo produce calificacin de cero.
Nota 2. Es obligatorio consultar el aula virtual para conocer las tareas y su fecha de entrega. No hay disculpa para no
hacerlas o entregarlas fuera de tiempo.
Nota 3. No se recibirn tareas despus de la fecha especificada para su entrega.

Evaluacin. Los conceptos siguientes se consideran para calcular la calificacin final:

Se harn tres exmenes parciales en el aula (ep1,ep2 y ep3), las fechas para realizar los exmenes parciales se indican en el
calendario de actividades del curso. Cualquier cambio requiere la decisin unnime de los estudiantes presentes en la clase.
El cambio se avisa en el Aula Virtual y lo deben acatar los alumnos que no asisten a clase.
Es obligatorio realizar un proyecto final en equipo de 3 a 5 alumnos, que resuelva un problema relacionado con los temas del
curso. Se presentar durante las semanas 10 y 11. La calificacin del proyecto (PryF) se integra a la calificacin global.
El promedio de las tareas (xbt) forma parte de la calificacin global.
Si el profesor lo considera necesario se harn exmenes rpidos, de 15 minutos, durante la clase para verificar los avances de
los alumnos. El promedio de las calificaciones de estos exmenes (xbER) se integra a la calificacin global.
La calificacin global del curso se basa en el promedio de las calificaciones de las tareas (xbt), las calificaciones de los tres
exmenes parciales en el aula (ep1, ep2, ep3), la calificacin personal en el proyecto final (PryF) y el promedio de exmenes
rpidos (xbER), todo en escala de cero a diez:
Calificacin = C = (ep1 + ep2 + xbt + ep3 + PryF) / 5+ 0.2*xbER
C < 6 produce NA, 6 C < 7.3 produce S, 7.3 C < 8.6 produce B, y 8.6 C produce MB.
Notas importantes
Asegrese de entender la forma de calificar. Una vez que sale mal en un examen o tarea usted limita su calificacin. El curso
requiere un esfuerzo continuo.
En la semana 9 se pegar en el AT 343 la lista con todas las calificaciones obtenidas. Coteje que estn correctas.

CALENDARIO DE ACTIVIDADES (Propuesta y Gua)

TALLER DE DISEO EXPERIMENTAL 2016 P
DR. ALBERTO CASTILLO MORALES
(1)

(2)

10/05
11/05
13/05
17/05

1.1
1.2
1.3
2.1

18/05
20/05

2.2
2.3

24/05

3.1

25/05
27/05

3.2
3.3

31/05
1/06
3/06
7/06
8/06
10/06

4.1
4.2
4.3
5.1
5.2
5.3

14/06

6.1

15/06
17/06

6.2
6.3

21/06

7.1

22/06
24/06
28/06
29/06
1/07
5/07
6/07

7.2
7.3
8.1
8.2
8.3
9.1
9.2

8/07
12/07
13/07
15/07
19/07
20/07

9.3
10.1
10.2
10.3
11.1
11.2

TEMA
Descanso obligatorio
Presentacin del curso. Uso del aula virtual e introduccin al R. Base de datos.
Modelo de regresin lineal simple. Anlisis de regresin simple usando R, Excel y calculadora.
Estimacin de los coeficientes de regresin y la media. Mnimos cuadrados. Prueba de hiptesis sobre los
coeficientes parciales de regresin. Rango de exploracin. Anlisis de Varianza.
Anlisis de regresin lineal simple y cuadrtica.
Residuales, intervalo de confianza para la media e intervalo de confianza para una observacin
(prediccin). R cuadrada. Modelo cuadrtico y cbico. Seleccin del modelo. Otros modelos curvilneos.
Causalidad y regresin. Prueba de suposiciones de la regresin. Correlacin entre variables cuantitativas
(Pearson). Prueba de no correlacin.
Anlisis de regresin mltiple usando R y Excel. Obtencin de resultados y su interpretacin.
Regresin lineal mltiple. Variable repuesta y variables explicativas. Modelo para tres variables
explicativas. Interpretacin de los coeficientes de regresin, tanto parmetros como estimadores.
Varianza residual. Pruebas sobre los coeficientes parciales de regresin. Prueba de regresin.
Primer examen parcial
Anlisis de regresin mltiple y polinomial. Anlisis secuencial. Anlisis de varianza adicionando variables.
Introduccin al diagnstico de la calidad de la regresin, suposiciones, anlisis y seleccin del modelo.
Anlisis de un diseo completamente al azar (DCA)
Importancia de los experimentos. Objetivos, descripcin de un experimento y mtodo de anlisis.
Variables, poblaciones, muestras, unidad experimental (UE), variacin y sus causas, unidades
experimentales homogneas y necesidad de las repeticiones. Aleatorizacin y realizacin del experimento.
Variable respuesta, estmulo a una UE o tratamiento, factor y sus niveles, efecto del nivel del factor en la
media, variables de control, rango de inferencia. Dos o ms factores y los tratamientos que producen.
Identificacin de bloques de UE y su uso como control.
Segundo examen parcial
Distribucin de la variable respuesta, modelo, error experimental e inferencia estadstica. Hiptesis en un
experimento, anlisis de varianza (AdeV) y prueba de F para igualdad de medias de tratamientos.
Diseo completamente al azar (DCA) y bloques completos al azar (DBA). Modelos. Suposiciones:
normalidad, independencia e igualdad de varianzas. Prueba de F, comparaciones de medias, mtodo de
Tukey. Contrastes ortogonales.
Anlisis de DCA con uno y dos factores con R y Excel.
Anlisis del DCA con dos factores y del Diseo bloques completos al azar (DBA) con 1 y 2 factores.
DCAy DBA con uno y dos factores. Revisin.
Tercer examen parcial
Proyecto final. Establecimiento de equipos y lineamientos del trabajo.
Primera revisin de los proyectos, cobertura y pertinencia para el curso. Repaso para tercer parcial.
Pruebas no paramtricas de Kruskal-Wallis de Frieman. Rangos y su distribucin. Base de las pruebas.
Correlacin entre variables cualitativas (Kendall y Spearman).
Revisin de los proyectos y presentacin de proyectos
Revisin de los proyectos y presentacin de proyectos
Revisin de los proyectos y presentacin de proyectos. Presentacin de proyectos
Presentacin de proyectos
Presentacin de proyectos
Presentacin de proyectos

(3)
L5-23
L281-287
L281-287
L281-293
L267-281
L69-73. Notas
L247-255
L241-247
L247-266
Notas.
L241-281
L294-303
L294-302, L303-314

L197-207, L314-328
L296-328

L296-328

Notas

1) Da-Mes
2) Semana. Sesin
3) Pginas del libro Estadstica Aplicada (L) y Ejercicios a desarrollar del Problemario "Ejercicios de Diseos Experimentales" (P).

PROGRAMA OFICIAL DEL CURSO

UNIDAD IZTAPALAPA
DIVISION CIENCIAS BIOLOGICAS Y DE LA SALUD
NOMBRE DEL PLAN LICENCIATURA EN INGENIERIA DE LOS ALIMENTOS
UNIDAD DE ENSEANZA-APRENDIZAJE TALLER DE DISEO EXPERIMENTAL
CLAVE 2132065
CRED. 6 TIPO OBL. TRIM. III-X SERIACION 2132064
H.TEOR. 0.0 H.PRAC. 6.0
OBJETIVO(S):
Objetivo General:
Que al final de la UEA el alumno sea capaz de:
Reconocer y aplicar los principios bsicos del diseo de experimentos a problemas biotecnolgicos
que involucran dos o ms variables, as como plantear y analizar modelos de regresin lineal y
correlaciones; entendiendo que existen otros diseos no vistos en el curso pero que parten de los
mismos principios.
Objetivos Especficos:
Que al final de la UEA el alumno sea capaz de:
- Conocer y aplicar los principios bsicos del diseo de experimentos; as como incorporar los
resultados estadsticos encontrados a los objetivos iniciales de la investigacin y al marco terico de
sta.
- Plantear problemas donde se involucre el diseo completamente al azar y de bloques al azar.
- Ajustar modelos de regresin lineal y aplicarlos en la prediccin de comportamientos
biotecnolgicos.
- Evaluar el nivel de asociacin y ajuste de modelos de regresin lineal (MRL) mediante correlacin.
- Manejar e interpretar resultados empleando un paquete estadstico (NCSS, SPSS, MiniTab, SAS,
etc.) para resolver y analizar problemas del diseo completamente al azar y de bloques al azar en
las tcnicas de correlacin y regresin lineal.
CONTENIDO SINTETICO:
1. Introduccin al diseo de experimentos.
1.1 Importancia del diseo de experimentos en la planeacin de la investigacin biotecnolgica, en
el anlisis objetivo de los datos y en el proceso de toma de decisiones.
1.2 Definicin de objetivos, descripcin del experimento (unidades experimentales, materiales a
utilizar, tratamientos, variables controladas, variables de respuesta o aleatorias y mtodo de
medicin de las mismas) y mtodo de anlisis de los resultados.
1.3 Manejo de datos: organizacin, almacenamiento y tratamiento, la importancia de los datos
marginales, el error, datos perdidos y transformacin de datos. Conceptos de aleatoriedad,
repeticin y error experimental.
1.4 Formulacin de hiptesis sujetas a prueba en base a ejemplos de diseos experimentales que
involucren variables biolgicas.
1.5 Introduccin y enseanza del paquete estadstico para el anlisis de diseos experimentales.
1.6 Describir la distribucin de F y su uso, como estadstico de prueba, en el anlisis de varianza
(ANOVA). Realizar ejemplos e interpretar los resultados obtenidos utilizando bases de datos
proporcionadas por el profesor o por los alumnos.
1.7 Anlisis post-ANOVA: pruebas de comparaciones mltiples y contrastes ortogonales.
2. Diseo completamente al azar (DCA).
2.1 Descripcin del DCA y su aleatorizacin.
2.2 Realizar problemas aplicados de este diseo y la prueba de comparaciones mltiples utilizando
un paquete estadstico y bases de datos provenientes de muestras o de experimentos. Los
ejemplos pueden provenir de diseos completos sin importar si son balanceados o no.
2.3 Plantear las hiptesis a probar en este diseo, as como los supuestos involucrados
(normalidad, igualdad de varianzas e independencia entre las observaciones).
2.4 Obtener y explicar el anlisis de varianza de un DCA.

2.5 Realizar pruebas de comparaciones mltiples por Tukey-Kramer, LSD de Fischer y contrastes
ortogonales.
3. Diseo de bloques al azar (DBA).
3.1 Descripcin del DBA y su aleatorizacin.
3.2 Realizar problemas aplicados de este diseo y la prueba de comparaciones mltiples
utilizando un paquete estadstico y bases de datos provenientes de muestras o de experimentos.
Los ejemplos pueden provenir de diseos completos sin importar si son balanceados o no.
3.3 Plantear las hiptesis a probar en este diseo, as como los supuestos involucrados
(normalidad, igualdad de varianzas e independencia entre las observaciones).
3.4 Obtener y explicar el anlisis de varianza de un DBA.
3.5 Realizar pruebas de comparaciones mltiples por Tukey-Kramer, LSD de Fischer y contrastes
ortogonales.
4. Modelos de regresin lineal (MRL).
4.1 Introduccin al modelo de regresin lineal: Definir el MRL general. Plantear los objetivos que
persigue el investigador cuando ajusta MRL, el tipo de variables que tiene y la necesidad de un
marco terico que justifique la causalidad entre variables.
4.2 Revisar el caso del modelo de regresin lineal simple (MRLS), como un caso particular del
MRL y la utilidad del diagrama de dispersin.
4.3 Explicar el mtodo de mnimos cuadrados para la estimacin de los parmetros del MRLS.
4.4 Planteamiento de las hiptesis a probar en el MRLS y la tcnica de ANOVA asociada a esta
prueba.
4.5 Definir el coeficiente de determinacin y utilizarlo como uno de los criterios ms importantes en
la interpretacin y comparacin de modelos que se ajusten a un mismo conjunto de datos.
4.6 Realizar ejemplos aplicados de ajuste del MRLS, usando un paquete estadstico, cuidando de
manera especial la interpretacin del coeficiente de determinacin y la significancia de la prueba
de regresin, utilizando datos propuestos por el profesor o los alumnos.
4.7 Introducir el uso de la regresin lineal curvilnea como alternativa al MRLS. Ajustar funciones
que comnmente se utilizan para describir el comportamiento causal de variables biolgicas:
cuadrtica, cbica, exponencial y logartmica.
5. Correlacin.
5.1 Explicar y calcular el coeficiente de correlacin de Pearson y su respectiva prueba de
correlacin cuando las variables involucradas fueron medidas en escala al menos de intervalo.
Utilizando datos propuestos por el profesor o los alumnos, hacer ejemplos aplicados de
correlacin.
5.2 Introducir el coeficiente de correlacin de Spearman para variables asociadas con escala de
medicin nominal u ordinal.
MODALIDADES DE CONDUCCIN DEL PROCESO DE ENSEANZA-APRENDIZAJE:
La UEA consiste en un taller en el cual el profesor introducir los conceptos tericos bsicos de la
estadstica y su aplicacin para el anlisis e interpretacin de diversos problemas biotecnolgicos.
Al inicio del curso el profesor presentar el contenido de la UEA, las modalidades de conduccin y
los criterios de evaluacin. La exposicin del profesor se apoyar en el uso del pizarrn y medios
audiovisuales. Las sesiones se realizarn en las salas de cmputo especializadas. En cada sesin
se presentarn y discutirn entre profesor y los alumnos, ejemplos con datos de variables
biotecnolgicas relacionados con las licenciaturas de Ingeniera de los Alimentos e Ingeniera
Bioqumica Industrial que fortalezcan su desarrollo profesional.

La resolucin de los diversos problemas se realizar empleando un paquete de cmputo

estadstico, por lo que el profesor guiar en el uso del paquete haciendo nfasis en la
interpretacin de los conceptos y brindar asesora para el manejo del mismo.
A juicio del profesor se considerarn los siguientes elementos:
a. En el tema 1 se debe hacer mencin de la existencia de otros diseos. Destacar a la estadstica
no paramtrica, sus alcances y supuestos. Prueba de Kruskal-Wallis y Wilcoxon como alternativa
cuando no se cumple el supuesto de normalidad.
b. En el tema 2 se har mencin de otros diseos estadsticos como el diseo por bloques
completos y factoriales, as como de las pruebas de comparaciones mltiples y sus supuestos.
MODALIDADES DE EVALUACIN:
Evaluacin Global:
Incluir un mnimo de tres evaluaciones peridicas y, a juicio del profesor, una evaluacin terminal.
Las primeras podrn realizarse a travs de evaluaciones escritas, la elaboracin de ejercicios y la
entrega tareas o problemas resueltos. Los factores de ponderacin sern a juicio del profesor
y se darn a conocer al inicio del curso.
Evaluacin de Recuperacin:
A juicio del profesor, consistir en una evaluacin escrita que incluya todos los contenidos tericos
y prcticos de la UEA, o slo aquellos que no fueron cumplidos durante el trimestre.
BIBLIOGRAFA NECESARIA O RECOMENDABLE:
Bibliografa Necesaria:
1. Daniel, W. W. (2006) Bioestadstica. Base para el anlisis de las ciencias de la salud, Mxico:
Limusa-Wiley.
2. Gutirrez-Pulido, H. y De la Vara-Salazar, R. (2004) Anlisis y diseo de experimentos, Mxico:
Editorial Mc-Graw-Hill.
3. Quevedo-Urias, H. y Perez-Salvador, B. R. (2008) Estadstica para ingeniera y ciencias,
Mxico: Grupo Editoral Patria.
4. Steel, R. G. D. y Torrie, J. H. (1985) Bioestadstica: principios y procedimientos, Mxico: Mc.
Graw Hill-Interamericana de Mxico.
Bibliografa Recomendable:
1. Devore, J. L. (2001) Probabilidad y estadstica para ingeniera y ciencias, Mxico: Thompson
Learning.
2. Kuehl, R. 0. (2001) Diseo de experimentos, Principios estadsticos de diseo y anlisis de
investigacin, 2da ed., Mxico: International Thompson Editores.
3. Mrquez-De Cant, M. J. (1991) Probabilidad y Estadstica para Ciencias Qumico-Biolgicas,
Mxico: Mc. Graw Hill-Interamericana.
4. Ostle, B. (1988) Estadstica Aplicada, Mxico: Limusa.

UNIVERSIDAD AUTNOMA METROPOLITANA

APROBADO POR EL COLEGIO ACADMICO
EN SU SESION NUM. 344
EL SECRETARIO DEL COLEGIO (FIRMA)