Diseños Experimentales II

Curso aplicado de diseños experimentales avanzados es una materia obligada para los estudiantes de la carrera de Estadística e Informática de la Universidad Nacional Agraria. 

Sylabus del curso en pdf: [ SYLABUS, ]

Programas para comprender mejor los tópicos tratados en el curso: SCRIPT en R
Problemas encargados:   
Prácticas:  

Solucion Parciales: 2016-1 (.Rnw)

Solucion Finales:

DATOS GENERALES.
CURSO : Diseños experimentales II

ESPECIALIDAD: Estadística Informática.
CODIGO : EP-3170
CREDITOS : 3-2-4
PRE-REQUISITOS : Diseños experimentales I

SUMILLA:
Experimentos factoriales 2k, Técnica de Confusión en experimentos factoriales 2k. Repetición Fraccionada de dos niveles. Diseños factoriales y Factoriales Fraccionarios con 3 niveles. Métodos de Superficies de Respuesta. Diseños Anidados y Parcelas Subdivididas.

OBJETIVOS GENERALES:
Proporcionar los conocimientos sobre los diseños experimentales con énfasis en la aplicación agrícola e industrial.
Realizar el planeamiento de experimentos de bloques incompletos, Parcelas subdivididas y bloques divididos, factores cruzados y anidados.
factorial 2k.Análisis de superficie de respuesta.
Usar las herramientas computacionales para el planeamiento y análisis de experimentos.

OBJETIVOS ESPECIFICOS:
Al término del curso, el estudiante estará capacitado en:
1.  Planeamiento de experimentos en el campo agrícola e industrial.
2.  Conocer las condiciones de aplicación de los experimentos factoriales, con dos y tres niveles, fraccionamiento y optimización con superficie de respuesta, diseños anidados y de parcelas subdivididas y bloques divididos, así como sus ventajas y desventajas.
3.  Uso del programa R con los paquetes para diseño y análisis de datos.

CONTENIDO

Capítulo I

Semana I
Experimento Factorial 2^k, El diseño 2² y 2³. El diseño general 2^k: generación y aleatorización del diseño, Estimación de efectos, sumas de cuadrados y pruebas de hipótesis.
Semana II
Análisis con una sola réplica del Diseño Factorial 2^k. Análisis de Residuo en Diseño Factorial 2^k. Proyección de un Diseño.
Semana III
Adición de puntos. Otros métodos de análisis de Significancia: Análisis de Dispersión. Algoritmo de Yates
Fuente: Montgomery D. (2006)

Capítulo II

Semana IV
Confusión en experimento factoriales 2^k. Técnica de Confusión en el Diseño Factorial 2^k: Diseño factorial 2^k en dos bloques.
Semana V
Diseño factorial 2^k en cuatro bloques, en 2^k en 2^p bloques. Generación y aleatorización del diseño, Confusión parcial.
Semana VI
Diseños factoriales Fraccionado con dos Niveles. Media fracción del diseño factorial 2^k. Fracción un Cuarto del diseño factorial 2^k.
Semana VII
Generación y aleatorización del diseño. Métodos computacionales.
Semana VIII
Diseño factorial fraccionado 2^k general
Semana VIII
Diseños factoriales con tres niveles. Generación Diseños factorial en computadora
Semana IX
Examen de Medio Curso

Capítulo III

Semana X
Diseño factorial 3², 3³ y diseño general 3^k.
Generación y aleatorización del diseño
Semana XI
Uso de funciones de R para el diseño y los análisis de experimentos factoriales
Semana XII
Confusión en el diseño factorial 3^k: El diseño factorial 3^k en tres y nueve bloques, Diseño factorial 3^k en 3^p bloques.
Semana XIII
Réplica Fraccionada del diseño factorial 3^k: La fracción un tercio del diseño factorial 3^k y Otros diseños factorial fraccionado 3^k-p.
Fuente: Montgomery D. (2006) y Kuelh (2000)

Capítulo IV

Semana XIV
Método de superficie de respuesta Introducción, Terminología y conceptos básicos de superficie, Modelo de primer orden. Generación y aleatorización del diseño. Uso computacional.
Semana XV
Modelos de segundo orden, prueba de significancia de los coeficientes, prueba de bondad de ajuste. Método de máxima pendiente. Generación y aleatorización del diseño. Uso computacional
Semana XVI
Localización del punto estacionario, Caracterización de superficie de respuesta. Uso computacional
Semana XVII
Diseños Avanzados para ajustar superficie de Respuesta, uso de la regresión lineal múltiple.
Fuente: Montgomery D. (2006) y Kuelh (2000)
Semana XVIII
Examen Final

METODOLOGÍA

Evaluación participativa de los estudiantes en clase sobre los tópicos del curso. Cada sesión será formulada utilizando el programa R en R-Studio y Markdown. El estudiante realizara una aplicación en un tema específico desarrollado en clase. Las aplicaciones serán analizadas con datos reales, medidos de experimentos recientes.

EVALUACIÓN
Practica                40%
Examen Parcial   30%
Examen Final       30%

Artículo 69: La asistencia a clases teóricas y prácticas es obligatoria y califica al estudiante para presentarse a exámenes finales. El mínimo de asistencia requerido no podrá ser inferior al 70% del total de clases teóricas y prácticas dictadas.

Bibliografía base

1.   R Core Team (2015). R: A language and environment for statistical   computing. R Foundation for Statistical Computing, Vienna, Austria.   URL https://www.R-project.org/.
2.   agricolae: Statistical Procedures for   Agricultural Research. R package version 1.2-2.   http://CRAN.R-project.org/package=agricolae.
3.   Diseños de experimentos. 2001. Kuehl, Robert.
4.   Introducción a la estadística experimental. (1969) Ching Chu Li.
5.   Diseño y análisis de experimentos. (2004) Montgomery. Ed. Limusa.

Bibliografía complementaria

6.     Métodos Estadísticos para la Investigación. 1970. Calzada Benza. Lima-Perú
7.     Bio Estadística. 1988. Steel and Torrie
8.     Statistical procedures for agricultural research. 1976. Gomez and Gomez.
9.     Estadística para experimentadores. 2004. Box and Hunter.