| Competencias del título |
| Código | Competencias / Resultados del título |
| A2 | Capacidad para comprender, plantear, formular y resolver aquellos problemas susceptibles de ser abordados a través de modelos de la estadística y de la investigación operativa. |
| A4 | Conocer algoritmos de resolución de los problemas y manejar el software adecuado. |
| A6 | Realizar inferencias respecto a los parámetros que aparecen en el modelo. |
| A9 | Obtener los conocimientos precisos para un análisis crítico y riguroso de los resultados. |
| A10 | Complementar el aprendizaje de los aspectos metodológicos con apoyo de software. |
| B6 | Capacidad para iniciar la investigación y para participar en proyectos de investigación que pueden culminar en la elaboración de una tesis doctoral. |
| B10 | Capacidad de identificar y resolver problemas |
| B11 | Capacidad de integrarse en un equipo multidisciplinar para el análisis experimental |
| B12 | Adquirir destreza para el desarrollo de software |
| B13 | Capacidad de análisis estadístico crítico de las muestras, los planteamientos y resultados |
| C1 | Ser capaz de identificar un problema de la vida real. |
| C2 | Dominar la terminología científica-metodológica para comprender e interactuar con otros profesionales. |
| C3 | Habilidad para trabajar los aspectos metodológicos de la investigación en colaboración con otros colegas a través del Campus Virtual con el foro. |
| C4 | Habilidad para realizar el análisis estadístico con ordenador. |
| C5 | Escoger el diseño más adecuado para responder a la pregunta de investigación. |
| C6 | Utilizar las técnicas estadísticas más adecuadas para analizar los datos de una investigación |
| C7 | Planificar, analizar e interpretar los resultados de una investigación considerando tanto los aspectos teóricos como los metodológicos. |
| C8 | Habilidad de gestión administrativa del proceso de una investigación. |
| C9 | Comunicación y difusión de los resultados de las investigaciones. |
| C10 | Lectura con juicio crítico de artículos científicos desde una perspectiva metodológica. |
| Resultados de aprendizaje | |||
| Resultados de aprendizaje | Competencias / Resultados del título | ||
| Capacidad para planificar un experimento siguiendo unas pautas apropiadas, identificar los problemas que puedan surgir y formular un modelo matemático para su representación y posterior análisis. | AM2 AM9 |
BP6 BP10 BP11 |
CP1 CP2 CP3 CP5 CP7 CP8 |
| Adquirir destreza en el manejo de software. | AM4 AM10 |
BP12 |
CP4 |
| Capacidad para integrarse en un equipo multidisciplinar para el análisis experimental | BP11 |
CP8 CP9 |
|
| Capacidad de análisis crítica de los resultados | AM9 |
BP10 BP13 |
CP10 |
| Dominar los principios básicos del diseño de experimentos. | AM4 AM6 |
BP6 BP10 BP11 |
CP1 CP2 CP5 CP6 |
| Conocer un amplio espectro de modelos para la descripción de datos procedentes de la planificación experimental. | AM2 AM6 AM10 |
BP11 BP13 |
CP1 CP5 CP6 CP7 |
| Manejar técnicas estadísticas y algoritmos para el análisis de datos procedentes de la planificación experimental. Específicamente, conocimiento y soltura en la aplicación de procedimientos de inferencia sobre los parámetros de los modelos. | AM4 AM6 AM10 |
BP13 |
CP5 CP6 |
| Obtener conocimientos específicos para un análisis crítico y riguroso de los resultados. | AM2 AM9 |
BP13 |
CP2 CP10 |
| Complementar el aprendizaje de los aspectos metodológicos con el apoyo do software. | AM4 AM10 |
BP12 |
CP4 |
| Contenidos |
| Tema | Subtema |
| 1. Principios básicos del diseño de experimentos. | 1.1. Introducción: Ventajas de la planificación experimental. Fuentes de variación. 1.2. Principios básicos en la planificación experimental. 1.3. Etapas en la planificación de un experimento. Un ejemplo real. 1.4. Algunos diseños experimentales estándar. |
| 2. Diseños con una fuente de variación. | 2.1. Introducción. 2.2. Aleatorización. Modelo para un diseño completamente aleatorizado: Estimación de los parámetros, análisis de la varianza, inferencia de contrastes y medias. 2.3. Métodos de comparaciones múltiples. 2.4. Comprobación de la idoneidad del modelo. 2.5. Alternativas al análisis de la varianza. |
| 3. Diseños con dos o más fuentes de variación. | 3.1. Introducción 3.2. Aleatorización. Significado da la interacción. Modelo factorial completo. Modelo de efectos principales. 3.3. Estimación, análisis de la varianza, inferencia de contrastes. 3.4. Tamaños muestrales. 3.5. Comprobación de la idoneidad del modelo. |
| 4. Análisis de la covarianza. | 4.1. Introducción. 4.2. Modelos matemáticos. 4.3. Estimación, análisis de la varianza, inferencia de contrastes. 4.3. Comprobación de la idoneidad del modelo. |
| 5. Modelos de efectos aleatorios y modelos mixtos. | 5.1. Efectos aleatorios: Componentes de la varianza. Ejemplos. 5.2. Modelos matemáticos para diseños con efectos aleatorios: Estimación y análisis de la varianza. 5.3. Tamaños muestrales. 5.4. Comprobación de la idoneidad del modelo. 5.5. Modelos mixtos: Estimación y análisis de la varianza. |
| 6. Diseños en bloques. | 6.1. Generalidades. 6.2. Diseños en bloques completos. Modelos, estimación, análisis de la varianza, inferencia de contrastes. 6.3. Diseños en bloques incompletos: Diseños en bloques incompletos balanceados; diseños divisibles en grupos; diseños cíclicos. Modelos, estimación, análisis de la varianza, inferencia de contrastes. 6.4. Diseños fila-columna: Diseños en cuadrado latino; diseños Youden; diseños cíclicos y otros diseños fila-columna. Modelos, estimación, análisis de la varianza, inferencia de contrastes. 6.5. Algunas alternativas al análisis de la varianza. |
| 7. Diseños jerarquizados o anidados. | 7.1. Introducción. 7.2. Diseño jerárquico en dos etapas. 7.3. Diseño jerárquico en m etapas. 7.4. Diseños jerárquicos y factores tratamiento cruzados. |
| 8. Diseños en parcelas divididas. | 8.1 Introducción: Motivación y ejemplos. 8.2. Modelos matemáticos. 8.3. Estimación y análisis de la varianza con bloques completos. |
| 9. Diseños con medidas repetidas. | 9.1. Introducción: Contexto experimental. 9.2. Estructuras de dependencia entre las medidas repetidas. 9.3. Prueba de esfericidad de Mauchly. 9.4. Análisis univariante y multivariante. |
| 10. Diseños factoriales a dos niveles. |
10.1. El diseño dos al cuadrado. 10.2. El diseño dos al cubo. 10.3. El diseño general dos elevado a k. 10.4. Adición de puntos centrales al diseño dos elevado a k. 10.5. Algoritmo de Yates. |
| Planificación | ||||
| Metodologías / pruebas | Competencias / Resultados | Horas lectivas (presenciales y virtuales) | Horas trabajo autónomo | Horas totales |
| Sesión magistral | A2 A4 A6 A9 B6 B10 B11 B13 C1 C2 C3 C5 C6 C7 C9 C10 | 20 | 30 | 50 |
| Solución de problemas | A2 A6 A9 A10 B10 B11 B12 B13 C2 C4 C5 C6 C7 C9 C10 | 16 | 24 | 40 |
| Estudio de casos | A2 A6 A9 A10 B6 B10 B11 B12 B13 C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 | 0 | 25 | 25 |
| Prueba objetiva | A10 B10 B13 C1 C2 C4 C5 C6 C9 | 3 | 0 | 3 |
| Atención personalizada | 7 | 0 | 7 | |
| (*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos | ||||
| Metodologías |
| Metodologías | Descripción |
| Sesión magistral | Sesiones dirigidas a la exposición de los conceptos teóricos y metodológicos, impartidas con apoyo de diversos recursos didácticos, incluyendo presentaciones y software específico (fundamentalmente R). |
| Solución de problemas | De forma complementaria a la exposición de los conceptos teóricos y metodológicos, se plantearán y resolverán problemas y supuestos prácticos con la participación activa de los estudiantes, introduciendo así progresivamente al estudiante el el uso del software. Como complemento a las referencias bibliográficas, se proporcionará material docente elaborado por el profesor incluyendo los temas desarrollados en el programa, listados de problemas propuestos de aplicación y cuestionarios de autoevaluación. |
| Estudio de casos | Cada estudiante individualmente desarrollará problemas concretos con apoyo de las técnicas estudiadas. |
| Prueba objetiva | Examen escrito de conocimientos. |
| Atención personalizada |
|
|
| Evaluación | |||
| Metodologías | Competencias / Resultados | Descripción | Calificación |
| Estudio de casos | A2 A6 A9 A10 B6 B10 B11 B12 B13 C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 | Resolución apropiada de las prácticas propuestas por el docente a lo largo del curso. |
30 |
| Prueba objetiva | A10 B10 B13 C1 C2 C4 C5 C6 C9 | Examen escrito que constará de dos partes. Un test de conocimientos sobre conceptos llave en la planificación y análisis de experimentos (sobre una hora de duración) y la resolución con ayuda del software empleado en el desarrollo del curso de dos problemas específicos (sobre dos horas de duración). |
70 |
| Observaciones evaluación | |||
|
En ambas oportunidades (mayo y julio), será necesario superar las dos pruebas (estudio de casos y prueba objetiva) para obtener una evaluación global positiva de la materia. Si los trabajos prácticos no se completan a lo largo del curso (en mayo), deberán ser entregados en la segunda oportunidad (julio). Todas estas observaciones son de aplicación también para los estudiantes a tiempo parcial. |
|||
| Fuentes de información |
| Básica |
Dean, A. y Voss, D. (1999). Design and Analysis of Experiments. Springer Texts in Statistics, Springer-Verlag, New York
Montgomery, D.C. (2009). Design and Analysis of Experiments. 7a Ed.. J. Wiley and Sons.
Kuehl, R.O. (2001). Diseño de Experimentos. Principios estadísticos para el diseño y análisis de investigaciones. 2a Ed.. Thomson Learning. |
|
|
|
| Complementária |
Berger, P.D. y Maurier, R.E. (2002). Experimental Design With Applications in Management, Engineering, and the Sciences. Belmont, CA: Duxbury Press
Coob, G.W. (1998). Introduction to Design and Analysis of Experiments. Springer-Verlag
Prat, A., Tort-Martorell, X., Groma, P. y Pozueta, L. (1997). Métodos estadísticos. Control y mejora de la calidad. Edicions UPC (Universitat Politécnica de Catalunya)
Gibbons, J.D. y Chakraborti, S. (1992). Nonparametric Statistical Inference, 3a. Ed.. Marcel Dekker, New York
Box, G.E.P., Hunter, W.G. y Hunter, J.S. (2005). Statistics for Experimenters: Design, Innovation, and Discovery. 2a. Ed. Wiley, New York.
Cox, D. y Reid, N. (2000). The Theory of the Design of Experiments. Monographs on Statistics and Applied Probability. Chapman & Hall CRC Press |
|
Vikneswaran (2005) |
| Recomendaciones | ||
| Asignaturas que se recomienda haber cursado previamente |
| Asignaturas que se recomienda cursar simultáneamente | ||
|
| Asignaturas que continúan el temario |
| Otros comentarios | |
|
Para superar con éxito esta materia es aconsejable la asistencia regular a las clases, siendo de gran importancia el seguimiento del trabajo propuesto por el docente.
Esto último tomará especial énfasis para aquellos estudiantes que por las razones que fuesen no puedan asistir regularmente a las clases presenciales. Conocimientos previos de los rudimentos de la inferencia estadística y del software estadístico R facilitarán considerablemente el aprendizaje de la materia. La resolución de los cuestionarios y de los problemas propuestos así como el aprovechamiento de las tutorías inividualizadas serán de gran utilidad para una correcta comprensión del material estudiado. |