Principal 2012

Memorias Curso de Consultora Estadstica
Primer Semestre
2012
Integrantes
Fredy Rom
an
Leydi Johana Blanco
Cristian Garc
a
Christian Gonz
alez
Olivia Leal
Estefan
a Acero
Erika Huesa
Jeniffer Duarte
Jessica Franco
Catalina Gonz
alez
Mar
a Castillo
Viviana Segura
Andr
es Ospina
Sebastian Moreno
Andr
es Ram
rez
Laura Monta
no
Igor Urrutia
Juli
an Beltr
an
Juan G
omez
M
onica Palencia
Luis Rueda
Hugo Mancera
An
bal Montero
Harold Pinilla
Camilo Mocet
on
Alejandro Arias
Jorge P
aez
Miguel Forero
Marcela Cadena
Jessika Buitrago
Laura Ramos
Carol Cardozo
Adriana Pach
on
Laura Moreno
Mayerli Valero
Carolina Gamboa
Yeimy Ar
evalo
Ana Giraldo
Lorena Ca
on
Laura Baracaldo
Profesor Encargado
Luis Alberto L
opez P
erez
INDICE GENERAL
1. Casos Grupo 1 1
1.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2. Cliente No. 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3. Cliente No. 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.4. Cliente No. 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.4.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.4.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.4.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.4.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.5. Cliente No. 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.5.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.5.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
iii
INDICE GENERAL
1.5.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.5.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2. Casos Grupo 2 31
2.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.1.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.1.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.1.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.2. Cliente No. 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.2.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.2.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.2.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.2.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.3. Cliente No. 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.3.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.3.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.3.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.3.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.4. Cliente No. 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.4.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.4.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.4.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.4.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.5. Cliente No. 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.5.1. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.5.4. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3. Casos Grupo 3 74
3.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.1.4. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.1.5. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.2. Cliente No. 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.2.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.2.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3.2.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.2.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
iv
Casos de Consultora 2012-1

INDICE GENERAL
3.3. Cliente No. 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.3.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.3.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.3.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.3.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.4. Cliente No. 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.4.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.4.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.4.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.4.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
4. Casos Grupo 4 106
4.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
4.1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
4.1.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
4.1.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
4.1.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
4.2. Cliente No. 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
4.2.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.2.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
4.2.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
4.2.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
4.3. Cliente No. 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
4.3.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
4.3.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
4.3.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
4.3.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
5.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
5.1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
5.1.2. Metodologa estadstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
5.1.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
5.1.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
5.1.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
5.2. Cliente No. 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
5.2.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
5.2.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
5.2.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
v
INDICE GENERAL
5.2.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
5.3. Cliente No. 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
5.3.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
5.3.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
5.3.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
5.3.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
6.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
6.1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
6.1.2. Metodologa empleada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
6.1.4. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
6.2. Cliente No. 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.2.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.2.4. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
6.3. Cliente No. 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
6.3.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
7.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
7.1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
7.1.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
7.1.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
7.1.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
7.2. Cliente No. 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
7.2.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
7.2.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
7.2.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
7.2.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
7.3. Cliente No. 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
7.3.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
7.3.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
7.3.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
7.3.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
7.4. Cliente No. 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
7.4.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
7.4.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
7.4.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
7.4.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
vi
Casos de Consultora 2012-1

INDICE GENERAL
7.5. Cliente No. 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
7.5.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
7.5.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
7.5.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
7.5.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
8.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
8.1.1. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
8.1.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
8.1.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
8.1.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
8.2. Cliente No. 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
8.2.1. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
8.2.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
8.2.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
8.2.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
8.3. Cliente No. 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
8.3.1. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
8.3.3. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
8.3.4. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
8.3.5. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
8.4. Cliente No. 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
8.4.1. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
8.4.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
8.4.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
9.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
9.1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
9.1.2. Metodologa estadstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
9.1.4. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
9.1.5. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
9.2. Cliente No. 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
9.2.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
9.2.4. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
9.2.5. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
9.3. Cliente No. 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276
9.3.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276
vii
INDICE GENERAL
9.3.4. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
9.3.5. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
9.4. Cliente No. 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
9.4.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
9.4.3. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
9.4.4. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
9.4.5. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
10.Casos Grupo 10 296
10.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
10.1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
10.1.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
10.1.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
10.1.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305
10.2. Cliente No. 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
10.2.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
10.2.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
10.2.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
10.2.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
10.3. Cliente No. 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
10.3.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
10.3.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
10.3.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
10.3.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
viii
CAP
ITULO 1
CASOS GRUPO 1
Consultores
Fredy Rom
an fmromanv@unal.edu.co
Leydi Blanco ljblancoc@unal.edu.co
Cristian Garc
a csgarciari@unal.edu.co
Crhistian Gonz
alez cdgonzalezr@unal.edu.co
1.1. Cliente No. 1
Solicitante
Nombres y Apellidos:
Johana Andrea Caro.
Yudi Andrea Medina.
Angie Marcela Pinzon.
Programa Academico: Pregrado en fonoaudiologa
Facultad: Medicina
Nivel de formacion: Pregrado
Tutor-Proyecto
Nombres y Apellidos: Amanda T Paez Pinilla.
Facultad: Medicina
Ttulo del trabajo
Evaluacion del vertigo y trastornos del equilibrio en pacientes con tamizaje vascular positivo.
Diagn ostico de la primera cita
Las clientes informaron que disponan de 30 pacientes que cumplan con el cuadro de Tamizaje Vestibular
positivo (Requisito mnimo para ser considerado apto para el estudio), sin embargo, a estos pacientes se
1
CAP
ITULO 1. CASOS GRUPO 1

les deben realizar 3 pruebas para detectar si sus reacciones vestibulares se deben solo al tamizaje de arteria
vertebral, o si por otro lado se deben al tamizaje de columna vertebral o al tamizaje de funcion otoltica
o pares de ellas. Si un paciente presenta reacciones vestibulares las cuales no son procedentes exclusiva-
mente del tamizaje de arteria vertebral, deben se excluidos del estudio, por lo tanto de los 30 pacientes
disponibles los investigadores esperan que solo 10 resulten ser aptos. Dado el caso en que el n umero de
clientes aptos sea menor, se realizara el estudio con los pacientes aunque no cumplan todos los requisitos y
haran la salvedad. Las pruebas para detectar el o los tamizajes que generan reacciones vestibulares seran
realizadas en periodos distintos en grupos de pacientes de diferentes tama nos; el viernes 30 de marzo se
realizo la prueba a los 2 primeros pacientes elegidos para el estudio se les aplicara una serie de pruebas de
evaluacion vestibular, referentes a la historia clnica, tamizaje vestibular, prueba de videoculografa, y un
cuestionario de autoevaluacion de discapacidad generada por el vertigo, dichas pruebas seran realizadas
una sola vez en cada paciente, por lo tanto se le sugirio a los clientes hacer un analisis de corresponden-
cias m ultiples seguido de una clasifcacion alrededor de centros moviles ,no obstante se les informo que el
n umero de variables es muy grande en comparacion con la cantidad de pacientes disponibles para el analisis.
Nos entregaron un documento en EXCEL el cual contiene un boceto de la base datos que sera trabajada,
cuyas las son los pacientes con tamizaje de arteria vertebral positivo y cuyas columnas corresponden a
las mediciones que seran tomadas a cada paciente.
Descripcion del problema
Con el n de mejorar la calidad de vida de la poblacion que presenta problemas de vertigo, se busca realizar
una investigacion para describir y caracterizar a los pacientes con vertigo y trastornos del equilibrio,
en particular para aquellos que presentan tamizaje de arteria vertebral positivo, para esto se realiza la
evaluacion vestibular que vincula diferentes grupos de mediciones tomadas a los pacientes. A partir de
esto, que metodologa se debe aplicar para caracterizar los resultados de la evaluacion vestibular y cuales
son estas caractersticas?.
Palabras clave
Tamizaje vascular positivo, Vertigo, Trastorno del equilibrio, Tamizaje asociado a arteria vertebral posi-
tivo, Cuestionario de autoevaluacion de discapacidad(generada por el vertigo), Cuadro clnico, Vestbulo,
Prueba de Videoculografa(VOG), Tamizaje de columna vertebral, Tamizaje de funcion otoltica.
1.1.1. Objetivos
Caracterizar los pacientes con vertigo y trastornos del equilibrio, asociado a tamizaje de arteria vertebral
positivo.
Necesidades del investigador
Las clientes desean tener certeza del metodo estadstico mas apropiado para hacer la clasicacion as como
su aplicacion y tambien desean asesora en el analisis de los resultados.
1.1.2. Metodologa estadstica a emplear
Se va a realizar un analisis de correspondencias m ultiples para caracterizar los pacientes, tambien se
construiran tablas cruzadas por cada par de variables y se aplicara el test exacto de Fisher para evaluar
dependencia entre variables. Las clientes decidieron sobre que pares de variables tiene sentido hacer el test
de independencia. Este test se hizo teniendo en cuenta la correcion por tama no de muestra peque no.
2
Casos de Consultora 2012-1 1.1. CLIENTE NO. 1
Software utilizado
R-the R Project for Statistical Computing
1.1.3. Resultados obtenidos
Mediante la matriz de p valores del test exacto de sher se pudieron determinar todas las variables que
estan correlacionadas y que caracterizan a los pacientes con resultado positivo en la prueba de tamizaje
vascular.
Para las clientes la mayora de las variables que mostraron dependencia fue por razones logicas, mientras
que la dependencia entre variables como migra na y uso de medicamentos anti depresores, fue sorpren-
dente lo que llevo a la conclusion de que los pacientes que presentan migra na en forma repetida tienen
relacionado el uso de medicamentos antidepresivos mientras que el uso de medicamentos vaso dilatadores
y medicamentos supresores no se relaciona con la migra na del paciente. Esto ultimo fue interesante puesto
que se las clientes esperaban que el uso de estos ultimos dos medicamentos tambien resultara inuyente
en los problemas de migra na en los pacientes.
Por otra parte los resultados del analisis de correspondencias m ultiples fueron muy utiles puesto que se
obtuvieron caractersticas propias de dichos pacientes, lo cual permitio a las clientes llegar a conclusiones
muy utiles en su estudio.
En cuanto al ACM, este se construyo en R y el codigo fue similar para cada tabla. De la tabla correspon-
diente a las pruebas de videoculografa se observo:
videocu->tabla
inicio<-1
limite<-dim(tabla)[2]
for( i in inicio:limite){
tabla[,i]<-factor(tabla[,i])
}
acm <- dudi.acm(tabla[,inicio:20],scannf=F,nf=2)
boxplot(acm)
acm <- dudi.acm(tabla[,21:40],scannf=F,nf=2)
boxplot(acm)
boxplot(acm)
boxplot(acm)
acm <- dudi.acm(tabla[,inicio:limite],scannf=F,nf=2)
s.label(acm$li,clab=1)
print(scatter.acm(acm,xax=1,yax=2,mfrow=c(2,2)))
Individuos proyectados en el primer plano factorial
3
CAP

En primer lugar se observa que el paciente 2 y el paciente 19 se encuentran bastante alejados del resto, lo
que permite intuir que ellos arrojaron resultados bastante diferentes comparados con el resto en las pruebas
de video oculografa, por otro lado se observa un grupo de pacientes que dieron resultados similares y
se observa en la graca por su cercana, estos son los pacientes 4,14,8,12,6,3,5,16..., y otro grupo de
pacientes con caractersticas similares pero diferentes a las del otro grupo, conformado por los pacientes
9, 8 23,21,22,17.
Observando por ejemplo, el boxplot para la variable Acal. NM, vemos 2 grafcas una peque na corrida
4
hacia la izquierda la cual tiene el valor 1 al lado, a partir de esto observaremos en el graco de pacientes
que los que se encuentren a la izquierda seran precisamente quienes resultaron positivos en Nistagmo
micrograco con Aire Caliente, mientras que mirando la caja grande con el valor 0 armaremos que
en el graco de pacientes los que se agrupan a la derecha de este (los cuales son la mayora por el an-
cho de la caja) seran los que resultaron negativos en la prueba de Nistagmo micrograco con Aire Caliente.
Entonces con seguridad los pacientes 20 y 7 dieron respuesta negativa en la prueba de Nistagmo micro-
graco con Aire Caliente, pero a su vez dieron positivos en la prueba de Hiperreexia con Aire Frio (esto
observando el box plot de la variable Afr.Hiper)
A continuacion se agruparon los pacientes seg un las respuestas obtenidas en cada una de las pruebas:
Observando el graco para la variable Nea..A, vemos dos grupos bastante diferentes, dentro del crculo
con el n umero 1 estan los pacientes que resultaron positivos en Nistagmo Espontaneo Ausente y dentro
del crculo con el n umero 0 los que resultaron negativos, por lo tanto un paciente con prueba de tamizaje
vascular positiva puede tener o no Nistagmo Espontaneo Ausente indistintamente. Tambien vemos que el
paciente 20 dio negativo en Nistagmo Espontaneo Ausente y recordando lo dicho anteriormente el tambien
dio respuesta negativa en la prueba de Nistagmo micrograco con Aire Caliente, y positivo en la prueba
de Hiperreexia con Aire Frio.
Similarmente se interpretaron todas las salidas para todas las variables de las tablas usadas, se entregaron
estas interpretaciones a las consultantes y se les indico que tomaran estas interpretaciones como guia para
concluir en los demas casos.
1.1.4. Conclusiones
Caracterizar a los pacientes que resultan positivos en las pruebas de tamizaje vascular tiene como nalidad
llegar a conclusiones que permitan abordar y solucionar problemas relacionados al vertigo, el analisis
5
CAP

estadstico desarrollado para dar solucion a este n resulto ser muy efectivo, dio respuesta a muchas de las
inquietudes de las consultantes y sirvio de mecanismo para llegar a alcanzar las metas de la investigacion.
1.1.5. Bibliografa
Lebart, L., Morineau, A. (1984), Multivariate Descriptive Statistical Analysis, Wiley, New York.
Cabarcas, G. , Pardo, C.-E. (2001), Metodos estadsticos multivariados en investigacion social, Simposio
de Estadstica.
Anexos
Matriz.sher
1.1.6. Bitacora
Ttulo del trabajo: Evaluacion del Vertigo y trastornos del equilibrio en pacientes con tamizaje vascular
positivo.
Nombre del solicitante: Johana Andrea Caro Et Al.
Fecha de inicio: 14/03/2012
Fecha de terminacion: 01/06/2012
Total de citas: 6 citas
6
No FECHA EVOLUCI
ON
1 28/03/2012 Las clientes nos contaron que tenan 30 Clientes con el cuadro de Tamizaje Ves-
tibular positivo (Requisito mnimo para ser considerado aptos), sin embargo, a
estos les falta hacer 3 pruebas mas para saber si cumplen con las caractersticas
que les permitiran ser aptos para el estudio. Nos informaron que esperan que al
menos diez clientes sean aptos para el estudio pero que probablemente el n umero
sea mucho menor.
2 11/04/2012 En la presente cita se nos informo que solo se haba evaluado completamente a
un paciente ya que haban agregado un par de pruebas de tamizaje vestibular a
la base, se aclaro las escalas de medicion en las variables las cuales en su mayora
son dicotomicas y las que se agregaran son contnuas, acordaron enviarnos la base
con la informacion completa luego de evaluar al segundo paciente.
3 25/04/2012 Se nos hizo entrega de la tabla en excel actualizada, la cual tiene registrados a 7
pacientes y nos comentaron que a pesar de que se han evaluado 3 pacientes mas, no
han sido agregados a la tabla puesto que no se ha completado un informe previo;
tambien nos mostraron que algunos de los pacientes no tienen los datos completos
ya que estan siendo conrmados en el consultorio, por ultimo las consultantes
aseguraron que entre las variables originales algunas van a resultar in utiles a la
hora de caracterizar los pacientes lo cual se observa en la tabla en casos en los
que ning un individuo presento determinada caracterstica, se propuso construir
tablas cruzadas por cada par de variables evaluando independencia mediante el
test exacto de sher.
4 04/05/2012 En esta reunion recibimos la tabla actualizada, esta vez con 17 pacientes evaluados,
por esto propusimos realizar un analisis de correspondencias multiples y mantener
tambien la propuesta ya trabajada, propusimos trabajar con estos datos a la espera
de que puedan evaluar mas y de ser el caso se correra el codigo en R con la nueva
tabla.
5 29/05/2012 Nos reunimos con las consultantes de fonoaudiologa, conjuntamente se reviso la
base de datos completa se encontraron algunos errores en la tabulacion, por ejem-
plo, en algunas de las variables categoricas ellas codicaron a cada categora como
si fueran variables diferentes, entre otros. Se les explico como estos errores pue-
den afectar el analisis estadstico y como deben corregirlos. Tambien se les explico
las herramientas estadsticas a usar, como prueba de independencia chi-cuadrado
y analisis descriptivo multivariado. Se acordo que ellas le haran a la base las
respectivas correcciones y la enviaran al da siguiente.
6 05/06/2012 Hicimos entrega de una matriz con los p-valores de los test exactos de sher para
todas las variables cruzadas y explicamos su interpretacion a las consultantes,
tambien entregamos las salidas del analisis de correspondencias m ultiples y dimos
una exhaustiva explicacion de como interpretarlas y justicarlas.
7
CAP

1.2. Cliente No. 2
Solicitante
Nombres y Apellidos: Isabel Cristina Ceballos
Programa Academico: Doctorado en Agronoma
Facultad: Agronoma
Nivel de formacion: Doctorado
Tutor-Proyecto
Nombres y Apellidos: Alia Rodriguez Villate
Facultad: Agronoma
Ttulo del trabajo:
Respuesta en el crecimiento de variedades de yuca (Manihot esculenta) y la productividad de sus cultivos
frente a la asociacion con diferentes genotipos de G. intraradices en oxisoles de la Orinoqua Colombiana
El interes de la Consultante era evaluar el efecto combinado de la inoculacion con un Hongo Formador de
Micorrizas Arbusculares (HFMA) que se encuentra en formulacion comercial (Glomygel) y de diferentes
niveles de fosforo sobre el crecimiento de plantas de yuca y el rendimiento de sus cultivos. Realmente
trabajo de tesis lo hara sobre un proyecto a futuro el cual es como una continuacion de este, el cual ya
estaba montado cuando ella entro como investigadora.
El proyecto de tesis futuro se hara una vez haya concluido el actual. En el segundo experimento se pre-
tende evaluar el efecto de 15 lneas de HFMA con diferentes genotipos sobre el crecimiento y desarrollo
de plantas de yuca y el rendimiento de sus cultivos. Algunas de las preguntas de investigacion que se
pretenden responder con este segundo experimento son:
Las diferentes lneas de HFMA generan efectos diferentes en las variables de crecimiento de las plantas de
yuca o en el rendimiento de sus cultivos?, alguna de las lneas utilizadas tienen efectos diferentes compara-
das con el inoculo del producto comercial?, Hay efectos diferentes de las lneas parentales comparadas con
las lneas cruzadas en el crecimiento de las plantas de yuca o en el rendimiento de sus cultivos?, entre otras.
Sin embargo la aprobacion de este segundo proyecto esta pendiente ya que depende del grupo Ian Sanders,
el cual cuenta con 15 lneas HFMA las cuales son las que se desean evaluar. Para este segundo proyecto
Isabel conto que tenan pensado realizar un dise no en bloque completamente aleatorizado.
En cuanto al proyecto en ejecucion la consultante expuso que los datos disponibles para el analisis fueron
obtenidos a traves de un dise no en parcelas divididas en donde las unidades experimentales son plantas
de yuca y para determinar el efecto de los tratamientos sobre estas se medan las siguientes variables:
Masa seca por organos: Masa en gramos de la biomasa seca de las hojas, tallo, pecolos y raz
tuberosas de cada planta.
Masa seca total: Sumatoria de la masa en gramos de todos los organos para cada una de las plantas.
Las mediciones de estas variables se hacen a traves del tiempo (a un se esta midiendo la septima
replica) y el metodo de medicion es destructivo, es decir cada planta se mide una sola vez.
8
La necesidad de formar plantas que sean mas resistentes, duraderas y alimenticias, se han desarrollado
distintas lneas de inoculos que funcionan como abono, pero se establece la pregunta de cual lnea genera
un mayor desarrollo en los cultivos y particularmente en las plantas de yuca.
Palabras clave
Inoculo, Micorrizas Arbusculares, Genotipo, Hongos.
1.2.1. Objetivos
Evaluar que tratamiento o grupo de tratamiento tiene mayor incidencia en el rendimiento de cultivos de
yuca.
Luego de realizar el primer experimento, se pretende realizar un segundo experimento para evaluar el
efecto de 15 lneas de HFMA con diferentes genotipos sobre el crecimiento y desarrollo de plantas de yuca
y el rendimiento de sus cultivos.
Dise nar un experimento que permita obtener resultados ables en cuanto a la idea de obtener medidas
de inuencia de las microrrizas arbusculares en el desarrollo de las plantas de yuca, y dar caractersticas
para cada linea de HFMA.
Con el n de describir el problema en terminos matematicos y analizar los resultados estadsticos, comen-
zamos describiendo el mejor modelo para este estudio.
Modelo
A veces en experimentacion, a las unidades experimentales (UE) se le es asignada al azar a un conjunto
de tratamientos. Estos se dividen en sub-unidades a las que se aplican otra serie de tratamientos. Y luego,
aquellos a su vez se subdividen de nuevo y se aplican a un tercer conjunto de tratamientos. Esta es la
trama de sub-parcelas divididas, no debe confundirse con un dise no factorial a 3 vas de clasicacion.
La metodologa estadstica sugerida por el grupo consultor es emplear es un dise no en sub-parcelas divi-
didas (SPLIT SPLIT PLOT), as:
Y
ijkl
= +
i
+
j
+e
ij
+
ijk
+ ()
ij
+
ij
+
l(ik)
+ ()
ui
+ ()
lk
+ ()
lk(i)
+
jkl(i)
Donde,
i
: Efecto del i-esimo nivel del factor HFMA
j
: Efecto del j-esimo bloque
: Efecto del k-esimo nivel del factor Fosforo
: Efecto de entre unidades experimentales.
e
ij
: Error parcela principal (factor HFMA)
ij
: Error sub-parcela (factor Fosforo)
jku(i)
: Error sub-parcelas divididas
Este dise no a nuestro parecer es el mas adecuado para el objetivo de la consultante, pues seg un la descrip-
cion mencionada en el encabezado de esta seccion los datos se ajustan elmente a esta. En un principio
se haba sugerido un dise no en bloques con sub-sub muestreo, sin embargo la inviabilidad de este surgio
9
CAP

mas adelante, al encontrarnos con dicultades como la no consideracion de los diferentes errores que s
considera el dise no SPLIT SPLIT PLOT.
Una ilustracion de un dise no SPLIT SPLIT PLOT se muestra a continuacion, en esta se puede observar
la no homogeneidad de los niveles de los tratamientos y como estos se subdividen.
El analisis multivariante de varianza para estudiar e interpretar los resultados en este estudio lo hemos
estructurado de la siguiente manera:
1. La primera parte del analisis trata de valorar la signicacion estadstica de las diferencias multiva-
riantes entre los grupos. Para este n nos encontramos con cuatro estadsticos a partir de los cuales
contrastar la hipotesis nula de igualdad de vectores de medias: (Lambda de Wilks, traza de
Pillai, traza de Hotelling y la raz mas grande de Roy)
2. Ya hemos comentado que solo tiene sentido aplicar el analisis de varianza cuando los datos cumplen
los requisitos parametricos arriba se nalados. Por ello, es imprescindible contrastar, fundamental-
mente, la homogeneidad o igualdad de las varianzas de las variables dependientes en los grupos
(subpoblaciones) establecidos por los valores de la variable independiente. Para este caso se aplica
prueba de Levene en las variables dependientes seleccionadas. Si el resultado nos llevara a rechazar
tal supuesto, deberemos someter a los datos a un proceso de transformacion
3. Si el analisis concluye en que rechazamos la hipotesis nula (todos los criterios se sit uan por debajo
de 0.05), esto es, que existen diferencias entre los grupos, debemos analizar si las diferencias que
se producen entre vectores son explicadas por las diferencias que se producen entre las medias de
alguna de las variables dependientes. Para contrastar si las diferencias entre los vectores de medias
no son debidas a las diferencias entre las medias de una de las variables dependientes en particular
deberemos realizar un analisis univariante sobre cada una de las variables dependientes.
Este es el punto de la investigacion que lo diferencia del analisis factorial de la varianza.

4. En cuarto lugar, debemos identicar, tal y como ya hicieramos en el analisis de varianza con un
factor y en el analisis factorial de la varianza, en que grupos se producen las diferencias signicativas.
Recordemos que estas diferencias son las que nos han conducido a rechazar la hipotesis nula. Para ello
aplicamos algunos de los metodos Post Hoc (de Shee y de Tukey), Cada uno de estos metodos
indican que comparaciones entre los grupos presentan diferencias signicativas. La aplicacion de estos
metodos proporciona los contrastes para cada combinacion de grupos.
5. Por ultimo, y si el analisis concluye en que rechazamos la hipotesis nula, nos quedara por determinar
si las diferencias que se aprecian entre las medias responde al efecto de las variables independientes
consideradas de forma individual (efectos principales) o/y responde al efecto provocado por la inter-
accion de las variables independientes. Para resolver esta cuestion, ademas de los correspondientes
contrastes de hipotesis, la representacion graca de los resultados puede sernos de gran utilidad.
10
Software utilizado
Statistical Analysis System (SAS)
Al llevar a cabo el analisis de los datos se produjeron los siguientes resultados. Presentamos el seguimiento
a una variable en particular para no extendernos demasiado.
Nota: Antes de analizar el procedimiento sugerido en el apartado de metodologa estadstica, llevamos a
cabo una vericacion descriptiva de las variables dependientes para observar alg un patron de correlacion
entre estas, para esto calculamos la matriz de correlaciones de pearson y comparamos los boxplot de la
siguiente manera.
a. Matriz de correlaciones
El test de correlaciones para las variables respuestas se muestra en la siguiente tabla:
Este test nos deja ver que las correlaciones entre psraiz y psepiolo, pstallo y psepolo, y entre psepolo
y psplanta no son signicativos a un nivel de signicancia del 5 %. Pero s se ve que las variables
estan altamente correlacionadas.
Se debe aclarar que la correlacion entre variables dependientes debera medirse entre las parcelas,
subparcelas y divisiones expuestas en el modelo.
b. Boxplot
Como este documento es informativo del procedimiento trabajado para este estudio, mostramos solo
el boxplot para una de las variables dependientes (psraiz), de lo contrario se hara extenso y poco
ilustrativo. cualquier informacion de interes adicional sobre estos boxplots pueden vericarse con el
codigo SAS que se incluye en los anexos.
11
CAP

El reultado muestra que los niveles de los factores al parecer tienen la misma dispersion e igual
distribucion.
Vericacion de la estructura estadstica del estudio
1. Prueba sobre la igualdad de vectores de medias
H
0
=
psraiz
=
pstallo
=
psepiolo
=
pshojas
Generamos la prueba con los siguientes resultados.
No se rechazara la hipotesis nula de igualdad de vectores de medias.
2. la prueba de Levene para homocedasticidad, muestra si en cada una de las subpoblaciones la varianza
es similar.
H
0
=
psraiz
=
pstallo
=
psepiolo
=
pshojas
En el programa SAS, la prueba esta disponible solo para modelos a una via de clasicacion. y no
podramos llevar a cabo pruebas univariadas de de homocedasticidad porque nos intereza que sea
probada la homogeneidad de varianzas dentro de las parcelas y subparcelas planteadas por el modelo.
3. Analisis univariante de las variables dependientes.
Los estadsticos: Traza de Pillai, Traza de Hotelling, Lambda de Wilks y Raz maxima de Roy
nos permiten, siempre y cuando se sit uen por debajo del nivel de signicacion (normalmente 0.05),
armar que existe un comportamiento diferente en los distintos grupos formados a partir de los
valores de la/a variable/s independiente/s o factor/es. Sin embargo, cabe la posibilidad de que las
diferencias que se aprecian entre los vectores se produjeran porque existen diferencias entre las
medias de una de las dos variables. Para descartar tal posibilidad es necesario que, junto con el
analisis multivariable propiamente, se ejecute un analisis univariante de cada una de las variables
dependientes.
Presentamos el analisis univariado para solo la variable dependiente peso seco raiz (psraiz),
H
0,1
=
j
= 0 para todo j = 1, , 4
H
0,2
=
1
= 0 para todo i = 1, 2
Con resultados:
12
La hipotesis que eval ua el efecto del bloque y del factor micorrizas es comparada con el error
micorrizas*bloque el cual es el correcto y se observa que las hipotesis nulas H
0,1
y H
0,2
se aceptan.
Es decir, los efectos tanto de bloque como de el factor microrrizas sobre las plantas de yuca no
afectan la incidencia del desarrollo de esta.
4. Como la valoracion del ajuste del modelo global concluyo en que rechazamos la hipotesis nula, nos
queda determinar en que grupos se produce una diferencia signicativa. En este caso aplicaremos
algunos de los metodos de comparaciones m ultiples propuestos para este objetivo. De todos ellos,
los que aplicaremos seran los de Shee y Tukey.
Tukey
Schee
Tanto la prueba de Tukey como la de Schee muestran que no hay grupos signicativamente dife-
rentes.
5. Debido a que no se rechazo la hipotesis de igualdad de vectores de medias, no se hace necesario
evaluar alguna prueba de interaccion de grupos, pues no hay diferencias preliminares.
Analisis de Varianza (univariada) para la variable dependiente psraiz. Este analisis se hace como un
complemento, para ver como sera el comportamiento del analisis si solo se evaluara esta variable.
13
CAP

El analisis de varianza para cada variable arrojo conclusiones diversas, por ejemplo, para la variable peso
seco de la raz (psraiz) se observa que los factores HFMA y F
OSFORO no son signicativos, pues su

p valor es muy grande aproximadamente de 6 % y 70 % respectivamente, pero el efecto BLOQUE s es
signicativo a un nivel de signicancia de 5 %, como tambien las replicas son ampliamente signicativas
con un p valor muy peque no.
1.2.4. Conclusiones
En principio se pensaba en dise nar un experimento con el que se disminuyera la variabilidad de fuentes
extra nas e intentar controlar las fuentes conocidas de variacion, sin embargo, el desconocimiento de las
herramientas estadsticas llevaron a los investigadores a emplear un dise no que en principio no conocan
y as evaluar la variabilidad con un modelo errado, pues al inicio implementaron un dise no en bloques,
sin contemplar que la cantidad de niveles de los factores son distintos y por tanto la implementacion del
dise no en la practica es distinto al dise no en bloques.
El proposito principal de la consulta, es idear un dise no para una nueva investigacion, sin embargo, por
cuestiones ajenas a la voluntad de la consultante este proyecto no se ha podido llevar a cabo, por esto, la
consultante nos propuso revisar los resultados de la investigacion previamente expuesta, la cual pudimos
comprobar que no fue bien fundamentada, como vimos en el ejercicio de vericacion.
En conclusion, las metodologas empleadas por los investigadores deben ir acompa nadas desde un princi-
pio por ideas estadsticas, sin abandonar la subjetividad bien conducida que hace algunas investigaciones
fascinantes.
Al nal se obtuvo que el unico factor relevante en el rendimiento fue el tiempo, lo cual no aporta mucho
puesto que las plantas crecen a medida que avanza el tiempo y no se pudo determinar si alg un tratamiento
incidio en que algunas se desarrollaran mas que otras.
1.2.5. Bibliografa
Cochran, W.G., Cox, M.G. (1992), Experimental designs, Second edition.
http://www.tfrec.wsu.edu/ANOVA/RCBspsp.html
http://www.stat.purdue.edu/ zhanghao/STAT514/handout/SplitPlot.pdf
14
Anexos
Codigo SAS de la prueba
ods html file = DYP_CORR.html;
proc corr data = DYP outp = all;
var psraiz pstallo psepiolo pshojas psplanta;
run;
ods html close;
ods html file = Caso YUCA;
PROC GLM data = DYP ;
CLASS bloque micorrizas niveles_de_p replica;
MODEL psraiz pstallo psepiolo pshojas = bloque micorrizas micorrizas*bloque
niveles_de_p niveles_de_p*micorrizas bloque*niveles_de_p(micorrizas)
replica replica*micorrizas replica*niveles_de_p replica*micorrizas*niveles_de_p ;
RANDOM bloque micorrizas*bloque bloque*niveles_de_p(micorrizas) / TEST ;
manova H = bloque micorrizas E = micorrizas*bloque / summary printh printe htype = 1 etype = 1 ;
manova H = niveles_de_p niveles_de_p*micorrizas E = bloque*niveles_de_p(micorrizas) / printh printe htype = 1 etype = 1;
TEST H = bloque micorrizas E = micorrizas*bloque;
TEST H = niveles_de_p niveles_de_p*micorrizas E = bloque*niveles_de_p(micorrizas);
means micorrizas / scheffe tukey;
RUN;
ods html close;
1.2.6. Bitacora
Ttulo del trabajo: Respuesta en el crecimiento de variedades de yuca (Manihot esculenta) y la produc-
tividad de sus cultivos frente a la asociaci on con diferentes genotipos de G. intraradices en oxisoles de la
Orinoqua Colombiana .
Nombre del solicitante: Isabel Cristina Ceballos.
15
CAP

No FECHA EVOLUCI
ON
1 02/04/2012 La primera cita con la consultante fue en el edicio 405 a las 9 AM. En esta reunion
ella nos detallo paso a paso como se realizo el dise no, como se hizo la aleatorizacion
y los factores controlables que se tuvieron en cuenta como el efecto borde. Luego de
esta reunion acordamos que por correo y/o telefono nos seguiramos comunicando
para las siguientes citas que se cuadraran..
2 05/04/2012 Se llamo a Isabel con el n de aclarar algunas dudas acerca de la medicion de las
unidades experimentales pues con los documentos que ella anexo se penso que el
dise no corresponda a medidas repetidas, pero de acuerdo a lo que nos comento
que las plantas que se medas eran destruidas y la extraccion de estas dentro de
cada sub parcela se estaba realizando en forma aleatoria.
3 18/04/2012 En esta cita tenamos planeado reunirnos con el profesor Lus Alberto Lopez y la
consultante, sin embargo el profesor estaba ocupado en una reunion y no le fue
posible asistir; se le llamo y se acordo otra cita para el da 19 de abril. En este
cita Isabel nos comento su duda acerca de la no normalidad de su sus variables
respuesta y se le aclar o que la normalidad se eval ua es en los residuales del modelo,
Isabel nos conrmo que se obtendra la septima replica para la primera semana de
junio, sin embargo le dijimos que para esa semana le enviaramos las estadsticas
descriptivas (Box plots) para conrmar a ojos lo sus sospechas de que los resultados
de los ANOVAS es que no haba diferencias signicativas en los tratamientos.
4 20/04/2012 En esta cita se hablo de algo del proyecto que adelantara Isabel cuando culmine
el que estaba trabajando. Isabel propuso un dise no en bloques completamente
aleatorizado (DBCA), no obstante, como cada tratamiento lo pretenden aplicar a
las plantas en bolsas separadas el profesor le dijo que no habra mayor dicultad
puesto que el dise no correspondera a un Dise no en completamente aleatorizado
(DCA) y no a un DBCA. No obstante el profesor objeto la que este tipo de dise no
requera una cantidad elevada de dinero ante lo que Isabel comento que en caso de
aprobarse el proyecto los recursos estaran disponibles. Con respecto al dise no del
proyecto actual el profesor nos dijo que se poda trabajar el modelo como medidas
repetidas debido a la ?homogeneidad? dentro de cada bloque. Realmente lo que
hubo fue una confusi on ya que se haba hablado de DBCA era para el segundo
proyecto y el actual haba sido planeado como un dise no en parcelas divididas.
Nota: Isabel nos comento que tendra algunas salidas por fuera de la ciudad y
que los resultados de la replica 7 estaran listos para la primera semana de Junio,
quedamos de vernos para esa fecha. Sin embargo se le enviaron las salidas de
las estadsticas descriptivas de las 6 primeras replicas que ya se tenan. Tambien
se le envan las correlaciones entre dichas variables y la necesidad de hacer un
MANOVA. Observaciones: sobre este caso hubo un retraso dado que los datos
de la replica 7 Isabel nos los envio muy tarde y por lo tanto se trabajo solo son
las 6 replicas que inicialmente nos entrego. Isabel nos envio un correo el da 4 de
junio comentandonos que haba estado viajando por muchas partes y que no haba
tiempo de tabular los datos de la replica 7 y que se disculpaba con nosotros. Una
copia de este correo le fue enviada al profesor. Sin embargo se le dijo a Isabel que
cuando estuviera disponible, ultima semana se le entregaran los resultados de su
caso, resueltos para las primeras 6 replicas.
5 19/06/2012 Cita planeada para entregar resultados.
16
1.3. Cliente No. 3
Solicitante
Nombres y Apellidos: Carol Liliana Puentes Diaz
Programa Academico: Maestra en Agronomia
Facultad: Agronomia
Nivel de formacion: Maestra
Tutor-Proyecto
Nombres y Apellidos: Celsa Garcia Dominguez
Facultad: Agronomia
Ttulo del trabajo
Evaluacion De enmiendas qumicas y organicas como estrategia de manejo de la rizoctoniasis en el cultivo
de papa
La consultante expone, con el n de evaluar el efecto de enmiendas correctoras de pH en el nivel de inoculo
de Rhizoctoniasolaniy en la rizoctoniasis de papa y el efecto de enmiendas organicas (cubios y ocas) en el
nivel de inoculo de Rhizoctoniasolaniy en la rizoctoniasis de papa en tres regiones de Colombia, se hizo
un dise no de experimento dise no en bloques Completos al Azar en arreglo de 2 niveles de ocas (con y sin
aplicacion) x 2 niveles de cubios (con y sin aplicacion) x 2 niveles de cal (con y sin aplicacion).
La tesis fue realizada en tres municipios del departamento de Cundinamarca (Zipaquira, Subachoque y
Villapinzon). La seleccion de los lotes se realizo considerando reportes de ocurrencia de la enfermedad con
el n de garantizar la presencia de inoculo natural de R. solani AG3. Y en cuanto a la aplicacion de los
tratamientos, esta se realizo en el momento de la siembra a la semilla; para cubios y ocas se aplico 1g
de liolizado por sitio de siembra y para cal dolomita el equivalente a 1 Ton /ha. El manejo del cultivo
fue el normalmente realizado por el agricultor en cada nca y se llevo registro cuidadoso de las diferentes
actividades y tratamientos realizados.
La papa es considerada como uno de los principales cultivos alimenticios a nivel mundial. En Colombia es
la principal actividad agrcola de los departamentos de Cundinamarca, Boyaca, Nari no y Antioquia; este
cultivo involucra alrededor de 90.000 familias y genera unos 20.000.000 de jornales al a no. La rizoctoniasis
es una enfermedad de la papa causada por el hongo RhizoctoniasolaniKuhn AG-3 (teleomorfo: Thanatep-
horuscucumeris Frank Donk) el cual infecta estolones, tallos y tuberculos. El impacto de esta enfermedad
se ve reejado en la disminucion en volumen y calidad de la produccion; ya que retrasa la emergencia,
reduce la densidad de plantas y por consiguiente disminuye los rendimientos. Existen muy pocos trabajos
sobre el manejo de patogenos de suelo en el cultivo de la papa, el desconocimiento y poco reconocimiento
de estas enfermedades ha favorecido su diseminacion a otras zonas de produccion.
El dise no fue un Bloques son desbalanceo en el submuestreo.
Palabras clave
Rizoctoniasis, inoculo, severidad de la enfermedad, tuberculos, rendimiento, enmiendas correctoras de pH.
17
CAP

1.3.1. Objetivos
Evaluar la funcionalidad de enmiendas correctoras de pH y enmiendas organicas en la formulacion de una
estrategia de manejo de la rizoctoniasis en el cultivo de papa.
La principal necesidad del investigadoe es asesorarse a posteori de que haya utilizado correctamente las
tecnicas del dise no de experimentos, desea saber cual es el analisis estadstico mas pertinentes para sus
datos, teniendo en cuenta que este corrija total o parcialmente cualquier error en los que incurrio en la
planeacion de su dise no.
Contribuir en el conocimiento de la interaccion de enmiendas con la microbiota del suelo, contribuir con
el conocimiento del potencial control que pueden tener las accesiones de cubios y ocas de la Universidad
Nacional en Rhizoctoniasolani, abriendo un camino en la investigacion de estos materiales como posibles
insumos para el control de enfermedades de suelo, espera formular una estrategia de manejo que sea
efectiva para la rizoctoniasis de la papa.
Para plantear un modelo que permita evaluar la variabilidad de las fuentes extra nas de variacion, el ex-
perimentador debio haber contralado las fuentes de variabilidad conocidas. Este proceso de control nos
permitio proponer el siguiente modelo.
Se le sugirio un dise no en BLOQUE CON SUBMUESTREO DESBALANCEADO. La formulacion mate-
matica de este se presenta as:
Y
ijkl
= +
j
+
i
+e
ij
+
(i)jk
Donde,
i
: Efecto del i-esimo tratamiento
j
: Efecto del j-esimo bloque en
e
ij
: Error principal
ij
: Error de muestreo
Este dise no a nuestro parecer es el mas adecuado para el objetivo de la consultante, pues seg un la des-
cripcion mencionada en el encabezado de esta seccion los datos se ajustan elmente a esta.
La metodologa estadstica que emapleamos en primer lugar es un analisis de varianza simple para la
variable de respuesta continua Diametro bajo el modelo prompuesto.
Implemantacion del analisis
1. Descripcion de la variable a tratar
2. Analisis de varianza univariado para la variable Diametro.
Software utilizado
Statistical Analysis System (SAS)
Al llevar a cabo el analisis de los datos se produjeron los siguientes resultados.
18
1. Descipcion de los datos. En este apartado se muestran datos descriptivos de la variable Diametro.
a. Momentos
Prueba de ubicacion
La prueba rechaza la hipotesis de = 0.
b. Boxplot
Una primera impresion sin ajustar el modelo, dira que los datos no se ajustan a una distribucion
normal, como se puede apreciar en la graca.
En cambio parece que la variable Diametro tiene un aproximada distribucion ji cuadrada.
2. Analisis de varianza
1. Analisis de varianza global
En el procedimiento GLM de SAS se exhibe el analisis de varianza global, el cual no es informa-
tivo para nuestro estudio pues este genera un ANOVA sin tener en cuenta el bloqueo y el sub
muestreo, es decir, muestra un analisis de varianza para un modelo a una via de clasicacion.
Si este analisis fuera correcto, en el se muestra que los efectos de los tratamientos son signi-
cativos. Y se estara probando la hipotesis.
H
0
=
i
= 0 para todo i = 1, , 8
19
CAP

1. Analisis de varianza discriminate
Esta prueba del procedimiento GLM de SAS realiza el verdadero analisis de varianza para el
modelo propuesto.
H
0,1
= EfectoCiclonosignificativo
H
0,2
= EfectoBloquenosignificativo.
La suma de cuadrados tipo III adiciona los datos a medida que se van llevando a cabo los
analisis por eso, esta prueba es mas certera que la prueba para la suma de cuadrados tipo I.
La prueba muestra que a un nivel de signicancia del 5 % tanto el efecto Ciclo como el efecto
Bloque es signicativo.
1.3.4. Conclusiones
El tema de este caso es muy interesante, ademas se resaltan los avances que se obtuvieron pese al problema
que surgio con los datos recolectados y a que el efecto de la lluvia en una de las localidades sesgara un
poco las conclusiones.
1.3.5. Bibliografa
Robert O. Kuehl, Dise no de experimentos, Principios estadsticos de dise no. y analisis de investigacion
Segunda edicion The Universiq ofArizona.
http://www.tfrec.wsu.edu/ANOVA/RCBspsp.html
http://www.stat.purdue.edu/ zhanghao/STAT514/handout/SplitPlot.pdf
*http://www.stat.wisc.edu/courses/st850-lindstro/handouts/crdwsubsampeg.pdf*
Anexos
Codigo SAS de la prueba
proc univariate data = DPP plot;
var DIAMETRO;
RUN;
proc glm data = DPP;
class CICLO TRAT REP;
model DIAMETRO = CICLO TRAT REP(TRAT);
output out = newsoilm p = pred r = resid;
test h = TRAT e = REP(TRAT);
means TRAT / lsd;
means TRAT / lsd e=plot(trt);
20
contrast "control vs others" TRAT 1 1 1 1 1 1 1 -7 / e = REP(TRAT);
RUN;
proc plot;
plot resid*pred / vref = 0;
RUN;
1.3.6. Bitacora
Ttulo del trabajo: Evaluacion De enmiendas qumicas y organicas como estrategia de manejo de la
rizoctoniasis en el cultivo de papa
Nombre del solicitante: Carol Liliana Puentes Diaz
Fecha de terminacion: /06/2012
21
CAP

No FECHA EVOLUCI
ON
1 22/05/2012 Esta cita tuvo lugar en la facultad de Economa. Con la cliente inicialmente se
aclararon todas las dudas acerca del dise no que se aplico, por que se decidieron
por este dise no y la forma en que hicieron la aleatorizacion, la aplicacion de los
tratamientos y la coleccion de los datos. Se acordo programar otra reunion en la
cual se hablara acerca de la forma propuesta para analizar sus datos y los cuidados
a tener en cuenta.
2 29/05/2012 Esta cita tuvo lugar en la facultad de economa. De acuerdo al analisis que se
haba hecho del caso, se le propuso a la consultante que el mejor analisis que se
propona para su caso era a traves de un dise no en bloques con desbalanceo en el
sub muestreo puesto que esto le permitira tener bloques con menor cantidad de
tratamientos y garantizaria a homogeneidad en el experimento.
2 07/06/2012 Hubo un atraso en cuanto al seguimiento de este caso puesto que la consultante a
ultima hora enva un correo excusandose por haber cometido un error en la entrega
de la base de los primeros datos. Este correo lo reenviamos al profesor, no obtante
nosotros seguimos trabajando con los datos corregidos.
2 19/06/2012 Se hace entrega de resultados.
22
1.4. Cliente No. 4
Solicitante
Nombres y Apellidos: Felipe Sarmiento
Programa Academico: Investigacion en Agronomia
Facultad: Agronomia
Tutor-Proyecto
Nombres y Apellidos: Felipe Sarmiento
Facultad: Agronomia
Ttulo del trabajo:
Global food security of indigenous communities in Colombia, through nutritive potato production and
community education
La idea de los consultantes es plantear un dise no en el cual sembrar 181 variedades diferentes de papa
las cuales son tomadas como tratamientos para evaluar el efecto que tiene cierto patogeno sobre estas, de
cada variedad de papa se tienen 4 tuberculos disponibles. 45 das despues de que emerjan las plantas se
eval ua la accion del patogeno en las plantas, esa evaluacion se tomara cada 8 das por un mes y medio
aproximadamente a la misma hora, hasta que muera la primera planta testigo susceptible. La accion del
patogeno es evaluada visualmente para tallo y follaje, se clasican en una escala ya predeterminada para
cada uno. Ellos plantean un dise no en bloques ya que el terreno presenta una pendiente. El profesor
propone trabajar con un dise no en lattice, debido a la gran cantidad de tratamientos.
Es un estudio que esta en etapa de planeacion y en el cual se desea evaluar: Severidad del ataque del
patogeno (area foliar afectada y porcentaje de esporulacion por disco foliar), Severidad del ataque del
patogeno (AUDPC). Es un estudio que esta en etapa de planeacion
Palabras clave
Patogeno, Dise no en lattice, tuberculos.
1.4.1. Objetivos
Evaluar el efecto que tiene cierto patogeno en 181 variedades diferentes de papa.
El consultante necesita consultoria estadstica para planear un dise no en el cual sembrar 181 variedades
diferentes de papa las cuales son tomadas como tratamientos para evaluar el efecto que tiene cierto
patogeno sobre estas.
Dise no en lattice cuadrado (13 13) triple (tres repeticiones) parcialmente balanceado.
23
CAP

Software utilizado
R-the R Project for Statistical Computing
Se convencio al consultante que para su caso lo mejor es trabajar un dise no en lattice cuadrado (13 13)
triple.
Descripcion del dise no: El n umero de tratamientos es un cuadrado exacto (169). El tama no del bloque es
la raz cuadrada de este n umero, es decir, el tama no del bloque es 13, se combinan en 3 grupos los bloques
incompletos para formar 3 repeticiones separadas.
El criterio m as importante en el arreglo de un grupo de material experimental, al que se le va a aplicar
un dise no en lattice, es que las unidades dentro del mismo bloque incompleto sean homogeneas, es mas
importante tener los bloques incompletos homogeneos que tener homogeneas las repeticiones.
En cuanto a la aleatorizacion, esta consiste en tres pasos:
Aleatorizar los bloques, separada e independientemente, dentro de cada repeticion.
Aleatorizar los tratamientos, separada e independientemente, dentro de cada bloque.
Designar al azar los tratamientos a los n umeros de tratamientos.
El paquete agricolae de R, tiene implementado el dise no en lattice, la instruccion design.lattice(13, type =
triple) proporciona una conguracion aleatoria. Una posibilidad es:
Lattice design, triple 13 x 13
$square1
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13]
[1,] 33 122 46 117 64 12 166 95 31 35 108 23 148
[2,] 151 152 49 159 50 130 98 79 119 2 167 30 37
[3,] 143 26 131 156 154 126 38 70 141 157 76 123 93
[4,] 112 10 18 104 155 47 144 118 164 138 63 137 55
[5,] 94 147 115 19 86 107 89 39 97 9 4 62 149
[6,] 135 133 22 59 67 27 68 74 7 91 57 24 169
[7,] 72 61 142 20 8 85 129 5 109 41 29 101 52
[8,] 16 120 71 54 34 96 53 25 77 111 114 81 13
[9,] 32 162 160 11 60 43 69 165 58 1 128 84 75
[10,] 66 113 110 36 78 140 21 73 15 103 132 158 45
[11,] 99 80 42 40 136 134 102 125 83 88 44 87 48
[12,] 121 153 116 6 100 105 146 145 161 14 92 90 51
[13,] 56 168 124 150 28 82 127 3 163 17 65 139 106
$square2
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13]
[1,] 32 143 66 72 33 16 135 112 94 121 56 151 99
[2,] 58 141 15 109 31 77 7 164 97 161 163 119 83
[3,] 11 156 36 20 117 54 59 104 19 6 150 159 40
[4,] 84 123 158 101 23 81 24 137 62 90 139 30 87
[5,] 43 126 140 85 12 96 27 47 107 105 82 130 134
[6,] 162 26 113 61 122 120 133 10 147 153 168 152 80
[7,] 1 157 103 41 35 111 91 138 9 14 17 2 88
[8,] 60 154 78 8 64 34 67 155 86 100 28 50 136
[9,] 75 93 45 52 148 13 169 55 149 51 106 37 48
[10,] 69 38 21 129 166 53 68 144 89 146 127 98 102
[11,] 165 70 73 5 95 25 74 118 39 145 3 79 125
[12,] 128 76 132 29 108 114 57 63 4 92 65 167 44
[13,] 160 131 110 142 46 71 22 18 115 116 124 49 42
$square3
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13]
[1,] 69 141 113 41 95 81 22 55 19 121 28 130 44
[2,] 162 156 103 8 46 53 57 118 62 161 106 151 134
[3,] 128 93 140 72 23 71 68 104 39 100 163 2 80
[4,] 32 131 15 20 122 96 91 144 4 145 139 37 136
[5,] 1 123 78 52 108 120 27 18 89 6 3 119 99
[6,] 43 70 66 109 166 114 133 137 115 51 150 50 88
[7,] 58 76 36 101 35 16 67 10 107 116 127 79 48
[8,] 60 38 45 5 12 111 135 63 147 90 124 159 83
[9,] 75 26 73 142 33 34 7 47 9 146 65 30 40
24
[10,] 84 143 21 61 148 54 74 155 97 105 17 167 42
[11,] 165 157 110 29 31 13 59 112 86 153 82 98 87
[12,] 160 154 132 85 117 25 24 164 149 14 56 152 102
[13,] 11 126 158 129 64 77 169 138 94 92 168 49 125
1.4.4. Conclusiones
Es de suma importancia que los investigadores busquen asesoria estadstica desde la planeacion de sus pro-
yectos, ya que con esto garantizar un planteamiento adecuado para la solucion de sus necesidades, ademas
que estan dispuestos a practicar nuevas tecnicas, que con seguridad les proporcionaran mejores resultados.
Se valora el hecho de que este consultante haya asistido a consultora en Estadstica desde la pleneacion
de su dise no as como el esfuerzo de su tutora por acompa narlo en todo este proceso, incluso de asistir a
todas las reuniones, una de las cuales fue en conjunto con el profesor L. Lopez donde se tomo la decision
de que hacer dise no en lattice era la mejor opcion.
En general, es de suma importancia que los investigadores busquen asesoria estadstica desde la planeacion
de sus proyectos, ya que con esto garantizan un planteamiento adecuado para la solucion de sus nece-
sidades, ademas que estan dispuestos a practicar nuevas tecnicas, que con seguridad les proporcionaran
mejores resultados.
Se les instalo R y la libreria agricolae en su pc y se les ense no los comandos basicos para obtener la
aleatorizacion de un dise no en lattice, se le entregara la rutina de SAS para analizar un dise no de este
tipo.
1.4.5. Bibliografa
Cochran W, Cox G. Dise nos experimentales. Editorial Trillas. 1985.
1.4.6. Bitacora
Ttulo del trabajo: Global food security of indigenous communities in Colombia, through nutritive
potato production and community education.
Nombre del solicitante: Felipe Sarmiento
25
CAP

No FECHA EVOLUCI
ON
1 04/06/2012 Nos reunimos con los consultantes (tutor y estudiante) en la facultad de agrono-
ma, ellos comentan nuevamente los objetivos y material disponible para dise nar
el experimento. Ellos plantean un dise no en bloques ya que el terreno presenta
una pendiente, despues de explicarles las principales caracteristicas de un dise no
en lattice se les propone este dada la cantidad de tratamientos, pero no acceden
a modicar el n umero de tratamientos (181) para adaptarse al dise no propuesto.
Tambien se les propone que la accion del patogeno para tallo y follaje no se cuan-
tique en la escala predeterminada sino en porcentaje, se les explica las ventajas,
pero ellos argumentan que esa es la manera en que siempre se ha trabajado y no
la piensan modicar. Dado que no se llego a ning un acuerdo, se planteo una nueva
reunion con el profesor Luis Alberto lopez.
2 08/06/2012 Nos reunimos con los consultantes y el profesor Luis Alberto Lopez, el profesor
nuevamente les explica y plantea un dise no en lattice, los consultantes acceden a
hacer modicaciones para implementar tal dise no, el n umero de tratamientos se
reduce a 169 con disponibilidad de 9 tuberculos por cada uno. De acuerdo a lo
concertado en la cita, se trabajara un dise no en lattice cuadrado (13 13) triple
(tres repeticiones) parcialmente balanceado.
3 15/06/2012 Nos reunimos en agronoma, Se explica la aleatorizacion para hacer la conguracion
de tratamientos, bloques y replicas, ademas se les instalo R y la libreria agricolae
en su pc y se les dio las instrucciones para hacer esto en R.
26
1.5. Cliente No. 5
Solicitante
Nombres y Apellidos: Dannytza Cortes
Programa Academico: Ingeniera mecanica
Facultad: Ingeniera
Tutor-Proyecto
Facultad:
Ttulo del trabajo
Viabilidad Tecnica Y Economica Para La Creacion De Un Complejo Eolico Generador De Energa Electrica
Alternativa En El Departamento Del Huila
Este caso no hizo presentacion ni asistio a las sesiones de consultora, este fue asignado a nuestro grupo
por el profesor va correo electronico el da 23 de mayo.
La generacion de energias alternativas tiene como n reducir el impacto ambiental que generan la energa
generada en las hidroelectricas o las plantas nucleares, ademas la forma de extraccion de la energa es
limpia respetando el protocolo de kyoto de 1992, de tal manera que se benecie el pas y se evite el ca-
lentamiento global del planeta, promoviendo un mejor futuro para las proximas generaciones. Un tipo de
energa alternativa es La energa Eolica, la cual es un recurso natural renovable, es la energa generada por
efecto del viento a traves de elementos conocidos como turbinas o aerogeneradores los cuales transforman
la energa cinetica del viento en energa electrica, este proceso se suele llevar a cabo en los parques eolicos.
Para este n se encontrara la intensidad de viento que se presenta en un punto dentro de la region huilense.
Durante los estudios se recopilaron los datos que registro el IDEAM por mas de 10 a nos y se les aplicara la
metodologa para calcular el potencial energetico que se generara en el caso de implantar aerogeneradores
en este punto.
La variabilidad en la direccion del viento se resume en lo que se conoce como La Rosa de Los Vientos. Una
rosa de los vientos es un diagrama polar que puede ser construido mostrando el porcentaje del tiempo
durante el cual el viento ha estado soplando en una direccion especca. La utilidad de la Rosa de los
vientos radica en la identicacion de las direcciones prevalecientes en las cuales sopla el viento con mayor
duracion y quizas intensidad. En la actualidad esta informacion es muy util para el emplazamiento y
distribucion de turbinas eolicas en una granja eolica, ya que la mayora de ellas se localizan, en la, para
enfrentar la direccion prevaleciente del viento a lo largo del a no.
Palabras clave
Energa eolica, rosa de los vientos, energa cinetica.
1.5.1. Objetivos
Depurar los datos que suministra el IDEAM desde el 1985 hasta 2004.
27
CAP

Estimar el recurso eolico basados en los datos del IDEAM en el perio suministrado a paratir de los
modelos estadisticos de modelacion y proyeccion por distribuciones.
Estimar la viabilidad tecnica y economica para la creacion de un parque eolico generador de energa
electrica alternativa en el departamento del Huila.
Ajustar un modelo mediante el cual se pueda predecir la direccion prevaleciente del viento a lo largo del
a no.
Series de tiempo y modelos lineales generalizados. La depuracion de la base de datos que la consultante
le compro al IDEAM es una base totalmente incompleta, su intencion era depurarla y anlizar dichos
datos para compararlos con los de su estudio cuyos datos seran recolectados en septiembre. No osbtante
el principal problema es que ella pretenda tomar datos diarios a partir de septiembre por un perodo de
cuatro meses para hacer predicicones de la velocidad del viento para periodos de a nos, sobre lo cual se le
explico en que consisten los diagnosticos.
La idea inicial de la cliente era imputar los datos faltantes de la base, sin embargo, a esta le faltaba mas
de la mitad de la informacion y no todos los datos estaban igualmente espaciados para todos los a nos en
los que haba informacion. Sin embargo, se le explico a la cliente que no era posible hacer imputaciones ni
mucho menos rellenar con ceros (como tambien nos propuso) y de la base se extrajo una peque na parte
para un perodo peque no y con esta se le ilustro como se graca una serie y se le mira l aestacionariedad,
estacionalidad y problemas basicos a los que uno se puede enfrentar cuando trabaja con datos temporales.
La ultima cita con la consultante durante esta semana y en esta se le entregara bibliografa a la clienta
acerca de Series de Tiempo y se le explicar an algunas rutinas en R.
1.5.4. Conclusiones
Pese a que la cliente tena una base de datos bastante pesima y tena ideas absurdas como rellenar con
ceros los datos faltantes, se resalta el hecho de que haya asistido a la consultora desde mucho antes
de inicial su proyecto, puesto que la recoleccion de los datos de este sera hasta mediados del siguiente
semestre. dE No haber asistido a consultora, hubiera llevado a la practica todas estas ideas erroneas.
Con la peque na porcion de la base que se le ilustro acerca de como abordar datos temporales quedo muy
satisfecha de tal manera que nos pidio bibliografa para aprender mas de este tema. La cita para entregarle
la bibliografa esta acordada pra esta semana y se anexa alguna en la bibliografa de este informe.
1.5.5. Bibliografa
Cryer J. Chan K. Time series analysis with aplications in R. Springer. Second edition. New York. 2008.
Saenz A. Metodos estadsticos con R y R Commander. Universidad de Jaen.2010.
Dobson, Annette J. An Introduction to generalized linear models. Chapman & Hall/Crc. Second edition.
United States of America. 2002.
Anexos
Datos caso V IDEAM
28
1.5.6. Bitacora
Ttulo del trabajo: Viabilidad Tecnica Y Economica Para La Creacion De Un Complejo Eolico Gene-
rador De Energa Electrica Alternativa En El Departamento Del Huila
Nombre del solicitante: Dannytza Cortes
Total de citas:3 citas
29
CAP

No FECHA EVOLUCI
ON
1 22/05 /2012 Se contacto a la consultante va telefono celular, pero no se concerto cita por no
disponibilidad de tiempo de la consultante en el horario que tenamos disponible
para atencion.
2 08/06 /2012 Nos reunimos con la consultante en la facultad de ingenieria, su trabajo lo inicia
a mediados del proximo semestre; ella dice que debe ajustarle una graca a los
datos y determinar la ecuacion de dicha graca (le dijimos que lo que tiene que
ajustar es un modelo), seg un ella siempre se utiliza el modelo Weibull, pero no
tenia claro el por que. Se le sugirio usar R para determinar los parametros, ella
dice que le toca justicar el procedimiento por el cual se obtuvieron, que tiene
las formulas que si se puede hacer manual. Se le dijo que el algoritmo ya esta
programado en R y para justicar el procedimiento puede consultar el tutorial
del paquete. Con respecto al modelo pretende trabajar con una base de datos que
compro en el IDEAM, sobre datos temporales de velocidades eolicas del viento.
Se supone que contiene datos de velocidades del viento durante los a nos. La base
contiene los datos de las velocidades del viento son su respectiva direccion (3
direcciones). Sin embargo al observar la base notamos que presenta los siguientes
problemas:
Sin exagerar falta mas de la mitad de la informacion, por ejemplo hay a nos
solo con datos de tres meses y hay un a no con registros de 2 dias unicamente.
Se supone que los datos son de diez a nos consecutivos, pero no es as.
La depuracion de la base es una tarea que le compete a la consultante pero
incluso ella comprende que no hay informacion rescatable de dicha base.
3 20/06 /2012 Esta cita esta programada para entregarle alguna bibliografa a la consultante
instalarle R y explicarle como se podra ajustar un modelo a unos datos.
30
CAP
ITULO 2
CASOS GRUPO 2
Consultores
Olivia Leal olleala@unal.edu.co
Estefan
a Acero eaceror@unal.edu.co
Erika Huesa elhuesaf@unal.edu.co
Jeniffer Duarte jjduartes@unal.edu.co
Jessica Franco jkfrancog@unal.edu.co
2.1. Cliente No. 1
Solicitante
Nombres y Apellidos: Erika Lorena Barrera Suarez
Programa Academico: Fonoaudiologa
Facultad: Medicina
Tutor-Proyecto
Nombres y Apellidos: Amana Paez Pinilla
Facultad: Medicina
Ttulo del trabajo
Habilidades auditivas centrales en sujetos con perdida unilateral periferica de severa a profunda evaluados
en un campo de sonido, mediante simulacion ambiental.
Apoyo en la construccion de la encuesta para obtener los datos, se propone realizar un analisis descriptivo
univariado y multivariado para analizar los datos que se obtengan.
31
CAP

La dicultad para or, experimentada por una persona con PAU (Perdida auditiva unilateral), historica-
mente ha sido subestimada, el error clnico ha consistido en evaluar a estos sujetos en ambientes silenciosos,
donde generalmente tienen un buen desempe no. En base a esto, se eval ua a la poblacion de este estudio en
ambientes ruidosos, con el n de obtener resultados signicativos que evidencien su verdadera dicultad,
pues aunque existen investigaciones que han indagado esta dicultad, la mayora de ellas esta enfocada
en ni nos y muy pocas en adultos, ademas de esto, no existe evidencia cientca del desempe no en las
habilidades auditivas en esta poblacion, que haya sido evaluadas mediante la simulacion ambiental con el
simulador de sonido MySound.
Variables a considerar: (Ver Anexo 1.1)
Palabras clave
: Perdida auditiva unilateral, simulador de sonido, estadstica descriptiva.
2.1.1. Objetivos
Objetivo General:
Describir y caracterizar las habilidades auditivas centrales en pacientes con perdida auditiva unilateral de
grado severa a profunda, quienes asisten a Audiocom I.P.S., evaluados mediante el sistema de simulacion
de sonido ambiental, para el posterior planteamiento de una propuesta de intervencion audiologica para
esta poblacion. Ademas de comparar el desempe no en las habilidades auditivas centrales en personas con
perdida auditiva unilateral quienes asisten a Audiocom I.P.S, con respecto al obtenido en personas con
sensibilidad auditiva periferica normal bilateral.
Objetivos especcos:
Dise nar una evaluacion estructurada para evaluar las habilidades auditivas mencionadas en las per-
sonas con PAU de severa a profunda, con y sin ayuda auditiva.
Describir el desempe no en la identicacion de cambios de direccion del sonido, la localizacion del
origen de la fuente sonora, la memoria auditiva y la comprension auditiva en la poblacion objeti-
vo, evaluados mediante el sistema MySound, en ambientes sin y con ruido de fondo; sin y con la
utilizacion del Contact-Mini.
Comparar los resultados en la identicacion de cambios de direccion del sonido, la localizacion
del origen de la fuente sonora, la memoria auditiva y la comprension auditiva en la poblacion
objetivo evaluados mediante el sistema MySound, en ambientes sin y con ruido de fondo; sin y
con la utilizacion del Contact-Mini, de los obtenidos en personas con sensibilidad auditiva periferica
normal bilateral.
PREGUNTAS DE INVESTIGACI
ON
Cuales son las caractersticas en deteccion del cambio del sonido, localizacion del origen de la fuente sono-
ra, memoria y comprension auditiva, evaluadas por medio del sistema MySound en ambientes silenciosos
y ruidosos, en pacientes con perdida auditiva unilateral, quienes asisten a AUDIOCOM I.P.S.? Como se
modican las habilidades auditivas centrales mencionadas con el uso del Contact-Mini?
Estadstica descriptiva univariada y multivariada.
32
Software utilizado
El software utilizado para la parte descriptiva univariada fue Microsoft Excel 2010 y para la parte des-
criptiva multivariada (ACM) el software estadstico Spad 7.
En la seccion univariada se describio los datos a traves de histogramas, diagramas circulares y tablas de
contingencia. En el analisis multivariado se empleo el metodo analisis de componentes principales, para
describir los datos.
Los resultados se muestran en el anexo 1.1, el cual es un informe preparado para el cliente donde se incluye
en detalle los procedimientos realizados y los resultados encontrados.
2.1.4. Conclusiones
Todas las personas con PAU evidenciaron dicultad e importantes diferencias respecto a las personas
con audicion normal en lo relacionado a las habilidades de identicacion de cambios de sonido y
ubicaci on de la fuente sonora, en especial si haba presencia de ruido. Sin embargo el sujeto n umero 4
fue atpico para todos los casos, debido a que no evidencio importantes dicultades en las habilidades
nombradas. (Esta persona ha tenido la PAU durante 16 a nos y es la mas joven de las personas con
PAU).
Es evidente ademas, que el ambiente de silencio para los pacientes con PAU es claramente mas
bondadoso, ya que es este respondieron por lo menos una vez bien en la evaluacion, en cambio en el
ambiente con ruido la distribucion no es buena.
Al comparar los grupos de pacientes es evidente la ventaja de los que tienen audicion normal sobre
los pacientes con PAU.
Se observo ademas una mayor dispersion en las calicaciones de las pruebas en los individuos con
PAU, lo que indico que estos tenan caractersticas de perdida auditiva diferentes esto evidenciado
por los puntajes tan disimiles que obtuvieron, cosa que no se dio en los individuos sin PAU, los
cuales tienden a agruparse por sus caractersticas homogeneas. Lo que al nal nos deja concluir que
los individuos con PAU padecen de manera diferente las deciencias de su enfermedad.
2.1.5. Bibliografa
AGRESTI A., (2002), Categorical Data Analysis, Second edition. New York. Wiley interscience, John
Wiley & sons, Inc., Publication.
DIAZ L., An alisis Estadstico De Datos Categoricos En: Colombia 2001. ed:Unibiblos Universidad Nacional
Pardo C.E. y Cabarcas G., Metodos estadsticos multivariados en investigaci on social, Simposio de Esta-
dstica. 2001, Colombia.
Anexos
Anexo 1.1
AN
ALISIS DE DATOS
Contexto De Los Datos
33
CAP

Los datos en estudio fueron tomados con el n de ver si realmente hay una diferencia entre personas
con Perdida Auditiva Unilateral (PAU) y personas normales, tambien se quiere ver si el uso del audfono
contac mini ayuda realmente a los pacientes con esta falla auditiva.
Los datos se tomaron de 15 con PAU y 15 personas con audicion normal haciendo diferentes pruebas para
determinar y comparar las caractersticas de estos pacientes, a las personas con PAU se les hizo pruebas
adicionales con el audfono para ver si realmente hay una tendencia a mejorar el desempe no con esta ayuda.
Poblacion.
Se identicaron desde junio de 2011 hasta marzo de 2012, a partir de la revision de la base de datos
de Audiocom I.P.S por medio del software GIGYPRO en base a una primera lista de 400 pacientes que
asistieron en este periodo al area de conduccion osea, ubicada en las instalaciones de la sede norte de esta
institucion, donde se direccionan los pacientes con PAU. De dicha preseleccion se ltraron las personas
que consultaron por PAU que fueron 53, paso seguido se descartaron los pacientes menores de 18 a nos
y aquellos que fueran o hubiesen sido usuarios de alg un tipo de ayuda auditiva. En total se identicaron
32 sujetos con estas condiciones, los cuales fueron convocados a participar en la investigacion informando
acerca de los objetivos y procedimientos a realizar; 20 de ellos aceptaron participar voluntariamente.
Finalmente asistieron a las citas programadas 15 sujetos con PAU.
La poblacion con la que se esta comparando son personas de la ciudad de Bogota con una audicion normal.
Los pacientes con PAU tienen edades que oscilan entre 22 y 71, las personas con las que se comparara
tienes edades entre 21 y 70.
Con 9 mujeres y 6 hombres en cada uno de los grupos.
Respuesta Al Examen.
El examen consistio en una revision de los sntomas de los pacientes con PAU, seguido por una prueba
que evaluaba cada uno de los siguientes tems:
Identicacion de cambios de direccion del sonido.
Ubicacion del origen de la fuente sonora.
Memoria auditiva.
Comprension auditiva.
Variables de estudio.
Con respecto a los valores evaluados durante la prueba se denen y codican de la siguiente manera:
GENERO: variable indicadora del genero masculino.
OA: Odo afectado, 1 si derecho; 2 si izquierdo; 0 si ninguno.
EDAD: En a nos.
G: Grupo Audicion Periferica.
1 si Anacusia;
2 si Hipoacusia neurosensorial severa a profunda, con residuos auditivos en la gama frecuencial grave;
3 si Hipoacusia neurosensorial severa a profunda, con residuos auditivos en dos o mas gamas frecuenciales;
0 si Normal.
PA: Tiempo De Evolucion Con La Perdida Auditiva (En A nos).
CEFALEA: Variable indicadora cefalea posterior a exposicion a ruido
VERTIGO: Variable indicadora vertigo.
ACUFENOS: Variable indicadora acufenos.
34
INTOLERANCIA: Variable indicadora intolerancia a los sonidos fuertes.
I S: Identicacion de cambios de direccion del sonido, en silencio, sin ayuda.
I R: Identicacion de cambios de direccion del sonido, con ruido, sin ayuda.
U S: Ubicacion del origen de la fuente sonora, en silencio, sin ayuda.
U R: Ubicacion del origen de la fuente sonora, con ruido, sin ayuda.
MA S: Memoria auditiva, en silencio, sin ayuda.
MA R: Memoria auditiva, con ruido, sin ayuda.
CA S: Comprension auditiva, en silencio, sin ayuda.
CA R: Comprension auditiva, con ruido, sin ayuda.
I A S: Identicacion de cambios de direccion del sonido, en silencio, con ayuda.
I A R: Identicacion de cambios de direccion del sonido, con ruido, con ayuda.
U A S: Ubicacion del origen de la fuente sonora, en silencio, con ayuda.
U A R: Ubicacion del origen de la fuente sonora, con ruido, con ayuda.
MA A S: Memoria auditiva, en silencio, con ayuda.
MA A R: Memoria auditiva, con ruido, con ayuda.
CA A S: Comprension auditiva, en silencio, con ayuda.
CA A R: Comprension auditiva, con ruido, con ayuda.
En los casos de las variables que se reeren a pruebas se ha codicado de manera que aparece el n umero
de respuestas correctas que presento en esa prueba.
ESTAD
ISTICAS DESCRIPTIVAS
GENERO: Se tienen 18 mujeres y 12 hombres en total.
OA: De las personas con PAU se tienen 7 persona con odo afectado derecho y 8 con odo afectado
izquierdo.
G: Grupo Audicion Periferica. De las personas con PAU, se tienen 3 personas con anacusia, 2 personas
con Hipoacusia neurosensorial severa a profunda, con residuos auditivos en la gama frecuencial grave, y
10 personas con Hipoacusia neurosensorial severa a profunda, con residuos auditivos en dos o mas gamas
frecuenciales.
EDAD:
Edad Valor
Media PAU 46,8
Desviacion PAU 12,4280788
Media Pacientes Audicion normal 35
Desviacion Pacientes Audicion normal 11,5836876
SINTOMAS
La mayora de los pacientes con PAU presentan los cuatro sntomas.
35
CAP

Datos atpicos
Todas las personas con PAU evidenciaron dicultad e importantes diferencias respecto a las personas con
audicion normal en lo relacionado a las habilidades de identicacion de cambios de sonido y ubicacion de
la fuente sonora, en especial si haba presencia de ruido de fondo. Sin embargo el sujeto n umero 4 fue
atpico para todos los casos, debido a que no evidencio importantes dicultades en las habilidades nom-
bradas, teniendo un desempe no muy similar al grupo de personas con audicion normal tanto en ambiente
tranquilo como en ambiente ruidoso. (esta persona ha tenido la PAU durante 16 a nos y es la mas joven
de las personas con PAU). Tambien el sujeto n umero se comporta de forma atpica pero no se tiene un
argumento que justique ese comportamiento.
En las gracas que se relacionan a continuacion se han codicado los nombres de las variables con un
n umero inicial que indica el n umero de respuestas correctas en esa categora.
Identicacion cambio de direccion del sonido
(Hasta maximo 5 respuestas correctas)
Audicion Normal
Con ruido Sin ruido
PAU
Con ruido Silencio
Se ve claramente la diferencia entre los pacientes con PAU y las personas con audicion normal. Cuando
el ambiente para los pacientes con audicion unilateral es ruidoso como nos muestra el graco tienden a
equivocarse mas.
Ubicacion del origen de la fuente sonora
Angulo Frecuencia Odo Derecho Frecuencia Odo Izquierdo
315 7 5
135 6 7
225 5 4
45 6 15
0 5 1
Total fallos 29 32
(frecuencia de fallos)
Para los pacientes que tienen el odo izquierdo afectado parece no tener ning un patron de tendencia, en
cambio para los paciente con afeccion del odo izquierdo se podra pensar que se equivocan al pensar que
el sonido proviene del Angulo 45.
36
Con Ruido En silencio
De igual manera en las gracas anteriores podemos comparar en ambientes silenciosos y con ruido a los
pacientes con PAU y a los de audicion normal. Por ejemplo vemos que en el ambiente de silencio los
pacientes con PAU respondieron por lo menos una vez bien en la evaluacion de esta hablilidad, en cambio
en el ambiente con ruido la distribucion empeora pues hay mas pacientes que solo respondieron bien a dos
preguntas y hay 2 paciente que no pudieron contestar bien ni una sola pregunta.
Al comparar los grupos de pacientes es evidente la ventaja de los que tienen audicion normal.
Memoria auditiva
Vemos como en presencia de ruido los resultados de los pacientes con PAU son menos favorables.
Comprension auditiva
Del mismo modo que en el caso anterior, los resultados para pacientes con PAU tienen un mejor desem-
pe no en silencio.
Comparacion en pacientes PAU con la ayuda auditiva
Para esta parte se han sumado los aciertos en los ambientes con y sin ruido en ambos casos (con y sin
ayuda auditiva), esto con el n de resumir la informacion contenida en estas variables.
37
CAP

Identicacion cambio de direccion del sonido
Sin ayuda Con ayuda
Sin ayuda Con ayuda
Memoria auditiva
Sin ayuda Con ayuda
Comprension auditiva
Sin ayuda Con ayuda
38
Figura 2.1: Primer plano factorial
ESTAD
ISTICA DESCRIPTIVA MULTIVARIADA

Para la parte multivariada se ha utilizado el analisis de componentes m ultiples, el resultado se muestra a
continuacion:
Descripcion del metodo.
El analisis de correspondencias m ultiples se utiliza en el analisis de tablas de individuos descritos por
variables categoricas.
El analisis de correspondencias m ultiples compara individuos a traves de las categoras de las variables.
Encuentra asociaciones entre variables a traves de las modalidades de ellas. Es el metodo apropiado para
abordar el analisis multivariado de las encuestas y para explotar bases de datos con informacion cualitativa.
Este metodo es muy util para ver las relaciones entre todas las variables del estudio.
Analisis de Correspondencia M ultiple con los resultados obtenidos de las variables: signos
y sntomas clnicos, identicacion de cambios de direccion del sonido, ubicacion del origen
de la fuente sonora, memoria y comprension auditiva (con y sin ruido de fondo) en los dos
grupos evaluados.
Los puntos representados por puntos azules representa a los individuos, los cuadrados rojos son las varia-
bles activas.
Interpretacion.
Sobre los planos factoriales se tienen tres claves para la lectura:
- Los individuos que aparecen cerca se parecen porque asumen mas o menos las mismas modalidades.
- Las categoras de variables diferentes se parecen porque son asumidas mas o menos por los mismos
individuos.
- Dos categoras de una misma variable no pueden ser asumidas por los mismos individuos y si caen cerca
39
CAP

se debe al parecido de los individuos por categoras de otras variables.
Se nombra los sectores del plano por cuadrantes, siendo el primer cuadrante la parte positiva de los ejes
x e y. Y siguiendo por segundo, tercero y cuarto cuadrante en sentido de las manecillas del reloj. Los
individuos 1 a 15 son pacientes con PAU y los individuos 16 a 30 son individuos de audicion normal.
Este metodo es muy utilizado para la descripcion de individuos en bases de datos categoricas, en el caso
de nuestros datos, nos valemos de la representacion de las variables y los individuos en el primer plano
factorial. De hecho, se ve la clara separacion de los grupos estudiados, ubicandose en el primer y segundo
cuadrante los individuos con audicion normal, en el tercer y cuarto cuadrante se encuentran los pacientes
con PAU. Tambien se localizan junto a los individuos con audicion normal las categoras con mejores
resultados en las pruebas, debe notarse que junto a los individuos con PAU tambien hay unas categoras
con buenos puntajes, pero en ambiente silencioso, de donde podemos especular que los individuos con
PAU tienen mejores resultados en ambientes silenciosos.
Al observar los individuos se debe resaltar un resultado curioso, el individuo 4 aparece en el cuadrante de
los individuos de audicion normal, hecho que fue relatado con anterioridad.
Segundo plano factorial (Ejes 1 y 3)
Observando el segundo plano factorial es evidente que hay una segregacion en los individuos, claramente
hay un grupo de individuos en el primer y segundo cuadrante del plano (del 15 al 30), que son los que
obtuvieron los mejores puntajes, apoyando la conclusion del analisis del anterior plano factorial. Ademas,
se observa una mayor dispersion en las calicaciones de las pruebas en los individuos con PAU, lo que
indica que estos tienen caractersticas de perdida auditiva diferentes, evidenciado por los puntajes tan
dismiles que obtuvieron, cosa que no se dio en los individuos sin PAU, los cuales tienden a agruparse por
sus caractersticas homogeneas.
Contribuciones de los ejes.
La gua para decidir cuantos ejes analizar en el ACM es la forma del histograma de los valores propios.
Interesan los primeros ejes que se destaquen sobre los demas.
40
De la anterior salida podemos decir que es suciente con 2 ejes para hacer las respectivas interpretaciones,
de las asociaciones de las variables y de las formaciones de grupos de individuos con caractersticas similares
seg un sus respuestas. Estudiando la inercia y los cosenos cuadrados se puede decir que con solo mirar el
primer plano factorial (con ejes 1 y 2) es suciente para describir los individuos, sin embargo, como
medida de precaucion se presenta el segundo plano factorial (de ejes 1 y 3), ye este nos arroja la misma
informacion, por lo cual, para el analisis es suciente el primer plano factorial.
Anexo 1.2
TEST DE HABILIDADES AUDITIVAS PARA PAU SEVERAS A PROFUNDAS
Equipo: Software MySound, campo libre (dB SPL)
LOCALIZACI
ON:
Identicacion de cambios de direccion del sonido
Se explica al paciente que debe decir cambio cada vez que perciba que el sonido cambio de direccion, sin
esperar ninguna otra indicacion durante su desarrollo. Despues se realiza la demostracion para conrmar
que el paciente ha comprendido la instruccion (sin seguir el orden que se menciona a continuacion).
Se inicia desde el parlante central 0
hacia el parlante anterior ubicado en el lado del mejor odo, los

parlantes anteriores iniciando por el mejor odo, sigue por este mismo lado al parlante posterior, luego
pasa al lado del peor odo primero al anterior y luego al posterior, nalmente de esta pasa al contralateral
posterior.
Cada echa () indica un cambio en la direccion del sonido, es decir hay 5 cambios. El n umero que esta
antes de la echa es la ubicacion en la cual estaba el sonido y el que esta despues, es a donde se dirige el
sonido.
Rutas de gua:
Si el odo izquierdo es el afectado:
Si el odo derecho es el afectado:
Se contabiliza como acierto cada uno de los cambios, cuando el sujeto identica cuando corresponde cada
uno de estos, como se menciono anteriormente diciendo: cambio.
41
CAP

Para su medicion: Se pone sobre las casillas que corresponden a cada uno de los cambios, los siguientes
smbolos: (+) si identico el cambio y (-) si no lo identico.
Antes de iniciar, se explica al paciente que debe se nalar con la mano el parlante por el cual crea que esta
sonando el estmulo de interes, cada vez que se le pregunte donde esta sonando?. Una vez se haya dado
la anterior instruccion, se hace una demostracion hasta conrmar que el paciente ha comprendido lo que
debe hacer (sin seguir el orden que se menciona a continuacion).
El orden en el que se presentaran los estmulos para evaluar esta habilidad es el siguiente:
1. Se inicia en el parlante ubicado a 0
.
2. En el parlante anterior o frontal situado en el lado del mejor odo.
3. En el parlante situado en el parlante posterior del lado del peor odo (en diagonal al segundo parlante
mencionado).
42
4. En el parlante posterior ubicado en el lado del mejor odo (justo enfrente).
5. Finalmente en el parlante frontal situado en el lado del peor odo.
Rutas de gua:
Si el odo izquierdo es el afectado:
Si el odo derecho es el afectado:
Para su medicion: se pone sobre cada parlante los siguientes smbolos: (+) si ubico la fuente y (-) si no la
ubico y en este ultimo caso se pone junto al - el parlante con el que lo confundio (su posicion en grados).
43
CAP

MEMORIA AUDITIVA:
Pasando los estmulos a 0
para cada condicion.

Se considera acierto (+) cuando el sujeto repite los estmulos exactos en el mismo orden en que se pre-
sentan, en caso contrario se registra como (-). Se realiza un conteo de aciertos sobre 4 posibles, que
corresponde a un 100 % de discriminacion 4/4.
SIN AYUDA AUDITIVA
-Estmulo: discurso de mujer, receta de cocina (65dB)
-Sin ruido competitivo.
ELEMENTO 1: 400 gramos de carne de cerdo,
ELEMENTO 2. Cebolla, ajo.
ELEMENTO 3. tomate, nata, vino rojo
ELEMENTO 4: ya hace mucho que no cocinaba tan laboriosamente.
-Estmulo: discurso de hombre, cuento (65 dB SPL)
-Ruido competitivo: Cocina (60dB SPL)
ELEMENTO 1:

Erase una vez un hombre muy rico,
ELEMENTO 2: que viva solo en un hermoso palacio,
ELEMENTO 3: tena todo lo que se podra desear,
ELEMENTO 4: joyas, oro, los caballos mas caros.
CON AYUDA AUDITIVA
-Estmulo: Discurso de Hombre: pronostico del tiempo (65dB SPL)
-Sin ruido competitivo:
ELEMENTO 1: Y ahora, el pronostico del tiempo para ma nana y los proximos das.
ELEMENTO 2: la depresion ambiental, trae consigo aire templado del suroeste.
ELEMENTO 3: el tiempo alterna entre nublado y soleado.
ELEMENTO 4: durante el da las temperaturas suben hasta 24 grados centgrados.
-Estmulo: Discurso de Mujer: cuento (65 dB SPL)
-Ruido competitivo. Cocina (60dB SPL)
ELEMENTO 1:

Erase, un principito curioso
ELEMENTO 2: que quiso un da salir a pasear sin escolta,
ELEMENTO 3: caminando por un barrio miserable de su ciudad,
44
ELEMENTO 4: descubrio un muchacho de su estatura que era en todo exacto a el.
COMPRENSI
ON AUDITIVA:
Los estmulos de interes se pasaran a 90
por el peor odo (girando la silla 45
).
Se marca positivo (+) si el paciente indica la respuesta correcta y negativo (-) en el caso contrario Ademas
de registrar + o - , indique marque con una x la opcion escogida por el sujeto.
45
CAP

Conversacion 4 : abuelo, mujer ( 65 dB SPL)
- Hola, disculpe, un momento por favor!
- Yo?
- Si, usted. Vaya! Normalmente ya no me persiguen mujeres jovenes y tan bellas.
- JA JAJA, normalmente tampoco persigo a los hombres, pero encontre unas gafas, son suyas?
- S, son mas, muchas gracias, sin ellas estara perdido donde las olvide en esta ocasion?
- Estaban sobre la mesa como advirtio que podran ser las mas?
- Le vi leer un libro, hace un momento.
- como lo noto?
- Porque usted estaba leyendo mi libro favorito y usted sonrio muchas veces y tambien meneo la cabeza.
- S, es un libro bueno, sobre las diferencias en la manera de pensar entre hombre y mujer, muy revelador!
a donde va con su maleta tan pesada? Tal vez, pudiera devolverle el favor de encontrarme los lentes con
un viaje conjunto en taxi?
- Tengo que ir al valle de los Linos, a casa de mis padres.
- Vaya! entonces vamos en la misma direccion, yo tambien voy al Valle de los Linos.
- Que bien! entonces no tengo que cambiar dos veces de tren y podremos charlar amenamente en el
trayecto.
46
Conversacion 5 : abuelo, mujer ( 65 dB SPL)
- Que bien que podamos seguir nuestra conversacion! ya que parece que tenemos el mismo gusto y pasion
por los libros.
- S, me encantan los libros sobre la psicologa, como por ejemplo por que los hombres no escuchan y las
mujeres no entienden los mapas y otros similares.
- Yo s escucho muy bien.
- No existen reglas sin excepcion.
- Pero si es verdad que mi mujer no entiende los mapas.
- Esta seguro de que su esposa estara de acuerdo con su armacion?
- Si, estoy seguro que lo admitira, se ha conformado con ello y ademas creo que hay cosas peores a un
- Usted siempre se ha interesado por la psicologa?
- Si, siempre, desde que me case, y eso desde hace ya 45 a nos
- Pero entonces? Usted debera conocer perfectamente a la psicologa femenina.
- Si, debera ser as no? ya que ademas tengo 4 hijas.
Conversacion 7 : abuela, abuelo ( 65 dB SPL)
- A proposito piensa en que ma nana por la tarde estamos invitados a casa de Pablo y Lucia.
- Cumple alguno de ellos a nos?
- No creo que celebran su 28 aniversario de boda,
- vaya!, ellos tambien? Como corre el tiempo, nadie hubiera pensado que justamente ellos se quedaran
casados mas de 2 a nos.
- Nadie, tampoco lo hubieran pensado de nosotros y ves!
- Pues de verdad de vez en cuando fuiste un cara dura.
- Pues entonces dile a ese cara dura que podra regalarle a pablo y lucia.
- Una botella de vino, excelente; ores, entradas para un concierto. . .
Conversacion 9 : abuelo, hombre ( 65 dB SPL)
- Hola papa, viniste temprano.
- Hoy me permit un taxi.
- y eso!? Con lo avaro que normalmente eres.
- Pues para decir la verdad, quera impresionar a una dama.
- Papa ya se te olvido que estas casado? y mama tampoco esta tan mal.
- Si tienes razon y seguro que hubiera gritado a voces del cuello.
- Uh, por que?
- Otra vez se me olvidaron mis lentes.
- Y ahora, tenemos que ir directamente a la optica!
- Pues no, una dama joven vino detras de m y me los trajo, estaba sentada enfrente a m en el tren.
- era guapa?
- S, como tu novia Ana, la que tuviste durante tu tiempo de estudiante.
47
CAP

2.1.6. Bitacora
Ttulo del trabajo:
Habilidades auditivas centrales en sujetos con perdida unilateral periferica de severa a profunda evaluados
en un campo de sonido, mediante simulacion ambiental.
Nombre del solicitante: Erika Lorena Barrera Suarez
Fecha de inicio: 16/03/12 Primera cita
Total de citas:
No Fecha Evolucion
1 16/03/2012 Exposicion del problema de Fonoaudioloda, deniciones importantes para
el estudio.
2 13/04/2012 Introduccion a los consultores acerca del tema. Se sugiere bibliografa y
ademas la consultante facillita un borrador en el cual aborda de manera
muy especica el tema de la investigacion.
3 15/05/2012 La consultante no tena claridad sobre los objetivos, por lo que se le
sugiere replantear el estudio y dise nar bien las metas de la investigacion.
4 24/05/2012 Reunion con la consultante. Entrega de los datos para su respectivo
analisis y se plantea la posible construccion de
un modelo log-lineal.
5 31/05/2012 La consultante consiguio sujetos adicionales en el estudio, lo cual genero
una modicacion de los analisis que se haban hecho con
anterioridad.
6 01/07/2012 Entrega nal de los resultados con sus respectivas interpretaciones,
incluyendo los nuevos datos que se recolectaron en la fecha anterior.
48
2.2. Cliente No. 2
Solicitante
Nombres y Apellidos: Adriana Carolina Rojas Arias.
Programa Academico: Doctorado en Biotecnologa.
Facultad: Ciencias.
Nivel de formacion: Doctorado.
Tutor-Proyecto
Nombres y Apellidos: Alia Rodrguez Villate.
Facultad: Agronoma.
Ttulo del trabajo
Macroproyecto: Inuencia de la Asociacion entre Hongos Formadores de Micorrizas Arbusculares y
Plantas de Yuca en el Contexto de la Tolerancia a Aluminio.
Microproyecto: Optimizacion de un medio de cultivo para la asociacion in vitro de hongos formadores
de micorrizas arbusculares y yuca.
Se requiere plantear un dise no de experimentos factorial fraccionado pues debido al numero de factores es
difcil realizar un dise no factorial completo. Para este caso se considera plantear un dise no 2
kp
.
Los hongos formadores de micorrizas arbusculares (HFMA) son microorganismos del suelo que establecen
asociaciones simbioticas con las races de las plantas. En laboratorio se ha logrado cultivar este tipo de
hongos usando medios completamente articiales como sustrato, y races transgenicas de zanahoria como
planta hospedera. Son incipientes a un los desarrollos de medios de cultivo y sistemas que usen plantas no
transgenicas, que generen todas las estructuras tpicas de una planta (raz, tallos, hojas, etc).
El proyecto propone la optimizacion de un medio de cultivo que soporte el crecimiento de plantas de
yuca asociadas a HFMA in vitro, partiendo de 2 medios estandarizados previamente para el desarrollo del
hongo y de la planta por separado.
Variables: Once las cuales corresponden a los reactivos que deben ser estandarizados.
Niveles de cada variable: dos que corresponden a nivel bajo y nivel alto.
Criterios para seleccionar el nivel adecuado de cada variable: Biomasa de la planta, % de colonizacion.
Palabras clave
Optimizacion, dise no factorial fraccionado, medio de cultivo, hongos y yuca.
2.2.1. Objetivos
Dise nar un medio de cultivo que permita la asociacion de HFMA y plantas de yuca in vitro exhibiendo
parametros vitales adecuados en ambos organismos.
Determinar en que forma inuye cada reactivo en los ndices de vitalidad de planta y hongo.
49
CAP

Encontrar la combinacion de reactivos y sus cantidades que generan un mejor desempe no tanto de
la planta como del hongo.
Herramientas para el analisis de los resultados.
Dise no factorial fraccionado 2
116
para optimizacion de respuestas m ultiples.
Software utilizado
Statgraphics Centurion XV, Version 15.2.06.
Se planteo un dise no Factorial Fraccionado, con optimizacion de supercie de respuesta para analizar los
resultados. (Ver Anexo 2.1)
2.2.4. Conclusiones
Salvo que el dise no factorial fraccionado constituye una herramienta muy economica para evaluar los
efectos de los tratamientos no se obtuvieron mas conclusiones dado que solo se alcanza a plantear el
dise no a emplear puesto que el experimento requiere de mas tiempo para obtener los datos, se da una
introduccion al uso del paquete estadstico a la consultante para el posterior analisis (Ver Anexo 2.1).
2.2.5. Bibliografa
Melo, O., Lopez, L. & Melo, S. (2007). Dise no de Experimento metodos y aplicaciones. 1a Edicion. Uni-
versidad Nacional de Colombia, Sede Bogota. Facultad de Ciencias.
Montgomery, D. (2002). Dise no y analisis de experimentos. Segunda edicion. Mexico: Editorial Limusa
SA.
Hinkelmann, K. & Kempthorne, O. (1994). Design and analysis of experiments. VolumenI: Introduction
to Experimental Design. John Wiley & Sons.
Gutierrez, H.(2003) Analisis y Dise no de experimentos. 1a Edicion Mexico: Editorial Mc Graw Hill.
Kuehl, R. (2001) Dise no de experimentos Principios estadsticos de dise no y analisis de experimentos. 2a
Edicion. Mexico: Editorial Thomson Lerner.
Hinkelmann, K. & Kempthorne, O. (1994). Design and analysis of experiments.
Melo, O., Lopez, L. & Melo, S. (2007). Dise no de Experimento metodos y aplicaciones. 1a Edicion. Uni-
versidad Nacional de Colombia, Sede Bogota. Facultad de Ciencias.
Montgomery, D. (2002). Dise no y analisis de experimentos. Segunda edicion. Mexico: Editorial Limusa
SA. 2003
John Wiley & Sons. Gutierrez, H.(2003). Analisis y Dise no de experimentos. 1a Edicion Mexico: Editorial
Mc Graw Hill 2003
Kuehl, R. (2001). Dise no de experimentos Principios estadsticos de dise no y analisis de experimentos. 2a
Edicion. Mexico: Editorial Thomson Lerner.
50
Anexos
Anexo 2.1
DISE
NO FACTORIAL FRACCIONADO 2
116
PARA LA OPTIMIZACI
ON DE UN ME-
DIO DE CULTIVO PARA LA ASOCIACI
ON IN VITRO DE HONGOS FORMADORES

DE MICORRIZAS ARBUSCULARES Y YUCA
Introduccion
Es de interes conocer la combinacion de reactivos y sus cantidades que generan un mejor desempe no tanto
de la planta como del hongo. Ademas de que forma inuye cada reactivo en los ndices de vitalidad de
planta y hongo.
Variables:
11, correspondientes a los reactivos que van a ser utilizados, cada uno con 2 niveles, que corresponden a
bajo, y alto.
Criterios para seleccionar el nivel optimo de cada variable: Biomasa de la planta y Porcentaje de
colonizacion. (Variables respuesta)
El dise no que se escoge debido a la dicultad de realizar 2048 corridas del experimento es un dise no factorial
fraccionado 2
116
, se escoge la fraccion 1/32 para realizar 32 tratamientos cada uno con dos replicas y as
tener una mejor estimacion del error experimental, as se usaran 64 unidades experimentales.
Para una mejor comprension se dan a continuacion unos conceptos.
Dise nos Factoriales Fraccionados
Son dise nos que contienen un subgrupo de las corridas de un factorial completo 2
k
. Estos dise nos se cla-
sican por su resolucion, que se reere al tipo de efectos que pueden ser estimados:
Resolucion V: El dise no puede estimar todos los efectos principales y las interacciones de 2 factores.
Estos dise nos se preeren si pueden ser ejecutados en un n umero aceptable de corridas.
Resolucion IV: El dise no puede estimar todos los efectos principales, pero las interacciones de 2 factores
se confunden entre ellas mismas. Estos dise nos pueden percibir la presencia de interacciones entre los
factores pero no pueden resolver cuales interacciones estan presentes.
Es este caso se realiza un dise no de resolucion IV ya que el interes principal es estimar el efecto de cada
uno de los reactivos por si solo.
El orden de los experimentos ha sido completamente aleatorizado, esto aportara proteccion contra el efecto
de variables ocultas.
Las relaciones de denicion para seleccionar los niveles de los factores F,G,H,I,J,K fueron:
F = ABC
G = BCD
H = CDE
I = ACD
J = ADE
K = BDE
51
CAP

I= ABC = BCD = CDE = ACD = ADE = BDE
La decision de en que nivel debe estar un reactivo recae sobre el signo obtenido al multiplicar las columnas
de cada uno de los factores de la relacion (ver Anexo 2.2).
Por ejemplo el nivel de F sera el producto de los respectivos signos de las columnas A*B*C.
Patron de alias
La estructura alias muestra que efectos principales e interacciones estan confundidos unos con otras. Pues-
to que este dise no de resolucion IV, los efectos principales estaran libres de las interacciones de dos factores
y se podra estimar su efecto asumiendo que interacciones de mayor orden son no signicativas. Sin embar-
go, el efecto de las interacciones dobles quedaran confundidas con el efecto de otra(s) interacciones dobles
y no se podr an estimar por separado.
A continuacion, se presenta la estructura de alias para este experimento:
Contraste Estimados
1 A
2 B
3 C
4 D
5 E
6 F
7 G
8 H
9 I
10 J
11 K
12 AB+CF+GI+JK
13 AC+BF+DI+HJ
14 AD+CI+EJ+FG
15 AE+DJ+HI
16 AF+BC+DG+HK
17 AG+BI+DF
18 AH+CJ+EI+FK
19 AI+BG+CD+EH
20 AJ+BK+CH+DE
21 AK+BJ+FH
22 BD+CG+EK+FI
23 BE+DK+GH
24 BH+CK+EG+FJ
25 CE+DH+GK+IJ
26 EF+GJ+IK
(Estructura en Anexo 2.4)
Luego se puede estimar el efecto de cada uno de los reactivos al pasar del nivel bajo al nivel alto, pero
no se puede especicar a que interaccion doble de reactivos se debe el efecto sobre las variables respuesta
(Biomasa y porcentaje de colonizacion). (Ver anexo 2.3)
En el Anexo 1 se muestra la estructura de cada uno de los 32 tratamientos con una replica. Cada renglon
indica la combinacion de tratamientos que se debe aplicar a cada Unidad Experimental, donde -1 representa
el nivel bajo y 1 el nivel alto. Las unidades experimentales se deben aleatorizar al momento de realizar el
52
experimento.
Anexo 2.2
TRATAMIENTOS A REALIZAR CADA UNO CON UNA R
EPLICA
(GENERADO EN STATGRAPHICS).
Se debe recordar que el n umero uno signica que el factor esta presente en su nivel alto, mientras que el
cero signica el nivel bajo.
Para la replica se aplican los mismos 32 tratamientos, para as completar en total 64 corridas.
53
CAP

A
B
C
D
E
F
G
H
I
J
K
R
e
p
H
3
B
O
3
M
n
S
O
H
2
O
Z
n
S
O
4
7
H
2
O
N
a
2
M
o
O
4
2
H
2
O
C
u
S
O
4
5
H
2
O
C
o
C
l
2
6
H
2
O
C
a
C
l
2
2
H
2
O
N
a
2
E
D
T
A
F
e
S
O
4
7
H
2
O
S
a
c
a
r
o
s
a
K
C
l
1
1
1
0
1
1
0
0
0
0
1
1
1
1
0
0
1
0
1
1
1
0
0
1
1
0
0
0
1
0
0
1
1
1
1
1
1
1
0
1
1
1
0
0
1
1
1
0
1
0
0
0
1
1
0
1
0
1
0
0
1
0
0
1
1
0
1
0
0
0
1
1
1
0
0
0
0
0
0
0
0
0
0
0
1
1
0
0
1
1
1
1
0
0
1
0
1
1
0
0
0
1
1
0
1
1
0
1
1
0
1
0
1
1
1
0
0
1
0
1
1
0
0
1
0
0
1
1
1
1
0
0
1
1
0
1
0
1
0
1
0
0
0
1
1
1
1
0
1
0
0
0
1
0
0
0
1
0
1
0
0
1
1
1
1
0
1
0
1
0
1
1
0
1
0
0
0
1
1
0
1
0
1
1
1
1
0
1
1
0
0
1
1
1
1
0
0
0
0
1
0
1
1
1
1
1
1
1
1
0
1
1
0
1
0
0
1
0
0
0
0
1
0
0
1
0
1
1
1
1
1
1
0
1
1
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
1
0
0
0
1
1
0
1
0
1
1
0
0
0
0
1
0
0
1
1
0
1
1
1
1
0
0
1
0
1
0
1
1
1
0
1
1
1
0
0
1
0
0
1
0
1
0
0
1
1
1
1
0
1
0
0
0
1
0
1
0
0
0
1
1
0
0
0
1
1
0
1
1
0
0
0
0
1
1
0
1
1
0
1
0
1
0
1
0
1
1
1
0
1
0
0
1
0
1
1
1
0
1
1
1
54
Anexo 2.3
Creacion del dise no del experimento en StatGraphics.
Se da un breve tutorial de como se realiza el procedimiento en Statgraphics.
Se selecciona el Dise no factorial Fraccionado con 11 factores, dos variables respuesta la Biomasa de la
planta y porcentaje de colonizacion.
Se nombran los tratamientos con su respectiva nomenclatura qumica, los tratamientos son variables ca-
tegoricas (nivel bajo, nivel alto).
De la misma Forma se nombran las variables respuesta.
55
CAP

Se escoge un Dise no de resolucion IV con un total de 32 tratamientos con una replica.
Ahora se elige una replica para cada tratamiento y se aleatoriza de tal forma que se realizan 64 corridas.
Por ultimo se selecciona el signo de los generadores, es decir si vamos a tomar la fraccion +ABC o ABC,
para este caso se toma +, y las interpretaciones de los resultados se basaran en esto.
El programa nos da la matriz dise no del experimento y nos deja dos columnas vacias, estas son para los
56
datos que se midan en el experimento.
AN
ALISIS
Despues de realizar el experimento se ingresan los datos, en el libro de datos como en cualquier archivo
de datos. En este caso, para efectos ilustrativos se emplean n umeros aleatorios.
En el men u se selecciona la opcion analisis del dise no para realizar el analisis de varianza y algunos gracos
que explican el comportamiento de los reactivos.
Con el anterior procedimiento se obtendr a una analisis de varianza para los datos con el dise no que se
denio anteriormente, as se interpretaran las estimaciones de los correspondientes efectos.
Despues de la obtencion y respectiva tabulacion de los datos, a la consultante se le sugiere utilizar el
procedimiento de optimizacion de respuestas m ultiples de Statgraphics, debido a que tiene dos variables
respuesta, as el procedimiento a realizar se describe posteriormente.
En el men u DDE, Analizar dise no, Optimizacion de multiples respuestas.
Se seleccionan las variables que se quieren optimizar.
57
CAP

Finalmente se tienen unos resultados como estos.
Este procedimiento ayuda a determinar la combinacion de los factores experimentales que simultaneamen-
te optimiza varias respuestas. Los hace maximizando la funcion de deseabilidad.
Las metas de cada una de las respuestas actualmente estan establecidas como:
Colonizacion - maximizar
Biomasa - maximizar
La salida muestra la funcion de deseabiliad evaluada en cada punto del dise no. Entre los puntos de dise no,
58
la deseabilidad maxima se alcanza en la corrida 1. Para encontrar la combinacion de factores que alcanza
la deseabilidad global optima, seleccione Optimizacion del cuadro de dialogo de Opciones Tabulares.
Esta tabla muestra la combinacion de niveles de factores que maximiza la funcion de deseabilidad en la
region indicada. (Columna optimo)
Anexo 2.4
Figura 2.2: (Tomado de Montgomery, Desing and Analysis of experiments, Pg. 677)
59
CAP

2.2.6. Bitacora
Ttulo del trabajo: Dise no de experimentos para optimizacion de un medio de cultivo para la asociacion
in vitro de hongos formadores de micorrizas arbusculares y yuca.
Nombre del solicitante: Adriana Carolina Rojas Arias
Fecha de inicio: 16/03/2012 Primera cita
Fecha de terminacion:
Total de citas:
No. FECHA EVOLUCI
ON
1 16/03/2012 Se expuso el problema del medio de cultivo, los parametros y
objetivos de estudio.
2 12/04/2012 Se contextualizo a los consultores sobre el tema de los
cultivos InVitro, los alcances del estudio y dudas que se
generaron a partir la primera cita. La consultante nos planteo
el dise no Plackett Burman.
3 22/05/2012 Se pregunto acerca del numero maximo de Unidades
experimentales disponibles para el estudio a partir de eso se
decide usar un dise no factorial fraccionado 2
116
de
resolucion IV pues a la consultante le interesa principalmente
el efecto de cada uno de los reactivos mas que el de las
interacciones entre ellos.
4 31/05/2012 Se entrego y explico el dise no, y se hace una introduccion al
uso del software statgraphics para el analisis de los datos que
obtengan posteriormente y se resuelven las dudas que presenta
la consultante.
60
2.3. Cliente No. 3
Solicitante
Nombres y Apellidos: Diana Yamile Gallego Villa.
Programa Academico: Maestra en Salud Animal
Facultad: Medicina Veterinaria
Nivel de formacion: Postgrado
Tutor-Proyecto
Nombres y Apellidos: Camilo Alberto Orozco Sanabria.
Facultad: Medicina Veterinaria y Zootecnia.
Ttulo del trabajo
Evaluacion del Efecto Neuroprotector de los Propoleos Colombianos.
La consultante desea determinar estadsticamente la dosis letal de dos toxicos aplicados en celulas neu-
ronales, ya que ella determino esta dosis usando gracos de barras. Luego de determinada la dosis letal,
evaluar el efecto neuroprotector de los propoleos colombianos en las celulas neuronales. Se propuso utilizar
un modelo binomial.
De acuerdo con investigaciones recientes, el consumo de sustancias naturales con propiedades antioxidan-
tes, parece disminuir en alguna medida, el riesgo y/o los efectos provocados por patologas relacionadas
con la edad, por ejemplo, enfermedades neurodegenerativas relacionadas con el envejecimiento, como el
Alzheimer y el Parkinson. Entre estas sustancias se encuentra el propoleo, cuya composicion y amplio
rango de actividades biologicas, incluyendo la neuroproteccion, han hecho de este producto, una alterna-
tiva optima de investigacion en neuroproteccion. Por esto, este trabajo eval ua la capacidad antioxidante
de propoleos colombianos, ante la exposici on de celulas neuronales (sh sy5y) a Peroxido de Hidrogeno y
Cloruro de Potasio.
Palabras clave
Dosis Letal.
Modelos Binomial.
Comparacion de Medias.
2.3.1. Objetivos
Calcular la dosis letal de Peroxido de Hidrogeno y Cloruro de Potasio en celulas neuronales.
Evaluar el efecto neuroprotector de los propoleos por medio de comparacion de medias con metodos
no parametricos.
61
CAP

Determinar estadsticamente la dosis letal 50 de los dos toxicos utilizados en su ensayo (KCl y H
2
O
2
) y
compararla con la que ella calculo gracamente. Luego determinar existe capacidad neuroprotectora de 5
tipos de propoleos colombianos y si existen diferencia entre ellos.
Inicialmente se propuso un modelo de regresion con respuesta binomial dada la naturaleza de los datos, este
modelo servira para dar respuesta a los dos objetivos. Sin embargo al hacer el graco de la proporcion de
celulas neuronales muertas respecto a las diferentes dosis de toxicos aplicadas, descartamos esta posibilidad
ya que la forma de los gracos no se asemejaba en nada a lo que se espera para un modelo binomial, luego
se propuso utilizar modelos aditivos generalizados para ubicacion, escala y forma con el proposito de
suavizar la variable respuesta para poder hacer uso del modelo binomial, pero los resultados obtenidos no
fueron satisfactorios. Por ultimo se utilizo el paquete estadstico SAS para realizar un ajuste no lineal a
los datos, en el cual los resultados obtenidos no fueron satisfactorios, por lo cual se procede a realizar un
analisis no parametrico de diferencias de medias, para comprobar si existe un efecto neuroprotector.
Primero se realizan los gracos de dosis vs proporcion para ver el comportamiento de la variable respuesta.
Figura 2.3: Proporcion Observada para to-
xico KCl.
Figura 2.4: Proporcion Observada para to-
xico H
2
O
2
.
De las guras 2.3 y 2.4 se puede concluir que el comportamiento de la variable respuesta no se ajusta a una
distribucion binomial, ya que se espera que a medida que se aumenta la dosis de los toxicos la proporcion
de celulas muertas tambien aumente y que en la graca se aprecie una forma de S.
Por la razon anterior se descarta el uso de modelos lineales generalizados para determinar la dosis letal 50
y se procede a hacer uso de los modelos aditivos generalizados para ubicacion, escala y forma(MAGUEF)
Ajuste con MAGUEF
Estimaciones obtenidos mediante los modelos aditivos generalizados para ubicacion, escala y forma.
logit(m
i
) =
0
+
1
x
El ajuste del modelo no es bueno ya que la deviance global es de 5024.969 que comparada con los grados
de libertad 15.0004 estan muy alejadas, este es el mejor ajuste obtenido ya que con otros metodos de
suavizamiento la deviance global aumentaba con cada iteracion del algoritmo y este no converga.
62
Estimacion Error Estandar Pr(> |t|)
Intercepto -2.432e-01 1.710e-02 4.095e-10
cs(dosis,df=3) 2.932e-07 2.287e-08 1.740e-09
Cuadro 2.1: Estimacion de Parametros con MAGUEF
Valor
Deviance global 5024.969
Grados de libertad 15.0004
AIC 5034.968
Cuadro 2.2: Ajuste del MAGUEF
Ajuste con Modelos no Lineales
Como se observa en la gura 2.4, al principio incrementa la dosis y tambien incrementa la proporcion de
celulas muertas, pero a partir de las dosis 16 esta proporcion empieza a disminuir hasta el nal de las
observaciones. Por esto se sugiere utilizar un Modelo no Lineal denido como sigue:
Y
i
=
1
t
2
i
exp(
3
t
i
)
Fuente DF Sum cua Cua medios F-Valor Ap Pr(>F)
Modelo 3 0.000983 0.000328 0.00 1.0000
Error 17 5.9555 0.3503
Total no 20 5.9565
Cuadro 2.3: Analisis de Varianza (Aproximado).
Estimador ES aprox LCI 95 % aprox LCS 95 % aprox
1
7.06E-16 3.9E-10 -823E-12 8.23E-10
2
1.8036 41393.8 -87331.5 87335.1
3
-3.62E-7 0.0231 -0.0488 0.0488
Cuadro 2.4: Estimacion de Parametros Modelos no Lineal.
R
2
=
1 SCE
SCT
=
1 5,955
5,9565
= 0,83
Observando la tabla 2.4, donde se encuentran las estimaciones para el modelo propuesto se concluye que
ninguno de los parametros estimados son signicativos, ya que los intervalos de conanza aproximados
para estos contienen todos el cero. Ahora, se calculo el R
2
aproximado para el modelo y este es negativo,
por lo tanto con este modelo tampoco se puede realizar un ajuste para este conjunto de datos.
63
CAP

Evaluacion del Efecto Neuroprotector de los Propoleos
Para evaluar el efecto neuroprotector de los propoleos Colombianos en las celulas neuronales se opto por
hacer pruebas no parametricas para comparacion de medias, se decidio realizar este procedimiento ya que
por la naturaleza de los datos estos son binomiales, y por lo tanto no se cumplen los supuestos para el
analisis de varianza. Finalmente, esto no se realizo ya que la consultante no nos envio los datos a pesar
de que en varias ocasiones se los pedimos va e-mail.
2.3.4. Conclusiones
Se utilizaron diferentes tecnicas estadsticas para modelar estos datos, y con ninguna se obtuvo exito.
Esto abre una puerta para la investigacion estadstica siempre y cuando se pueda asegurar que la
toma de los datos se realizo con las precauciones necesarias.
La falta de compromiso por parte de los consultantes hace que el desarrollo del curso no sea el
deseado.
2.3.5. Bibliografa
Lopez. L, Vargas. J, Principios B asicos de Regresion Lineal y No Lineal. Universidad Nacional de Colom-
bia.
McCullagh, P., and Nelder, J. (1983), Generalized Linear Models, London Chapman & Hall.
64
2.3.6. Bitacora
Ttulo del trabajo: Evaluacion del Efecto Neuroprotector de los Propoleos Colombianos.
Nombre del solicitante: Diana Yamile Gallego Villa.
Total de citas: 3
No FECHA EVOLUCI
ON
1 16/03/2012 La consultante expuso su problema con respecto a la determinacion de la dosis
letal 50 para los dos toxicos, ademas que desea evaluar el efecto neuroprotector de
los propoleos en celulas neuronales a los toxicos peroxido de hidrogeno y cloruro
de potasio.
2 27/03/2012 La consultante hizo una explicacion mas detallada de la forma en la cual se desarro-
llo el experimento, la toma de datos y la forma de almacenamiento, se le comunico
el metodo estadstico que se pensaba usar para lograr los objetivos planteados. Se
le propuso vericar la dosis letal que ella utilizo para llevar a cabo el experimento.
3 04/05/2012 Se cito a la consultante para explicarle el problema que haba con los datos, y el
metodo que planeabamos seguir ya que el planteado en la segunda reunion no se
ajusta a los datos que ella tomo. La consultante no pudo asistir a la cita y se le
comunicaron los inconvenientes presentados via e-mail.
65
CAP

2.4. Cliente No. 4
Solicitante
Nombres y Apellidos: Dayhana Clemencia Benavides Erazo.
Programa Academico: Maestrà en Ciencias Agrarias con enfasis en topatologa.
Facultad: Agronoma
Nivel de formacion: Postgrado.
Tutor-Proyecto
Nombres y Apellidos: Celsa Garca Dominguez
Facultad: Agronoma
Ttulo del trabajo
Analisis de la interaccion entre Solanum phureja - Spongospora subterranea.
Se requiere planear un dise no experimental, para determinar la incidencia y severidad del patogeno Spon-
gospora subterranea sobre la Solanum phureja (especie de papa). Tambien, se desea realizar el mapa con
la distribucion del patogeno en el terreno donde se llevara a cabo el experimento. Se propone un dise no
lattice 8 8, ya que se cuenta con 64 variedades de Solanum phureja.
La Spongospora subterranea es un patogeno de suelo que afecta races y tuberculos de papa, disminuyendo
los rendimientos y afectando la calidad para comercializarla. Este patogeno se encuentra distribuido en
todas las zonas de produccion en el pas; no se encuentra descrito un manejo qumico efectivo para
su control. Con este trabajo se busca conocer el comportamiento de Solanum phureja - Spongospora
subterranea determinando la incidencia y la severidad sobre raz y fruto del patogeno.
Palabras clave
Dise no lattice.
Incidencia.
Severidad.
Mapa de Distribucion.
2.4.1. Objetivos
Determinar la incidencia y la severidad en la raz y la epidermis del tuberculo debido al patogeno
caracterizado molecularmente.
Realizar el mapa de distribucion del patogeno en el terreno donde se desarrollara el ensayo (Hacienda
Splendor, El Corzo - Cundinamarca).
Utilizar un dise no experimental que le permita determinar la incidencia y la severidad en las diferentes
variedades de Solanum phureja del patogeno Spongospora subterranea. Ademas, construir el mapa de
distribucion del patogeno en el terreno donde realizara el ensayo a partir de tecnicas estadsticas.
66
Para identicar la incidencia y la severidad se planteo a la consultante un dise no lattice 8 8, ya que se
contaba con 64 variedades de Solanum phureja. Se le entrego la aleatorizacion para realizar el sembrado
en campo con las respectivas recomendaciones para que el analisis estadstico sea valido.
La consultante decidio realizar un dise no lattice 7 7 sin consultarnos, uso una aleatorizacion correcta,
pero no se tiene la referencia del libro.
Para realizar el mapa de la distribucion del patogeno en el terreno de sembrado, se decide realizar un
muestreo en malla regular, ya que no se tiene conocimiento previo de dicha distribucion.Luego, para
obtener el mapa se hara uso de la geoestadstica.
Se encuentra en los anexos
2.4.4. Conclusiones
La consultante no siguio las recomendaciones realizadas para aplicar un dise no lattice 8 8 y tampoco
nos comunico los cambios que realizo al hacer el sembrado en campo.
2.4.5. Bibliografa
Cochran, W., Cox, G.(1990). Dise nos Experimentales. Trillas. Mexico.
Schabenberguer, O., Gotway, C., (2005). Statistical Methods for Spatial Data Analysis. Chapman Hall -
CRC.
Anexos
Dise no lattice 7 7
Se decidio junto con la consultante y la asesora del profesor Luis Alberto Lopez realizar un dise no lattice
8 8 por la cantidad de tratamientos con los que se contaban que eran 64, posteriormente la consultante
decidio aplicar un dise no lattice 7 7 ya que no contaba con la cantidad de plantas para realizar el di-
se no planteado inicialmente, los tratamientos eran accesiones no comerciales de Solanum Phureja, a cada
accesion se le asigno un numero entre 1 y 49 que se conservara durante todo el estudio, esta asignacion
fue aleatoria, la asignacion realizada esta en la tabla 2.5:
Asignacion de tratamientos
1 69 11 6 21 73 31 51 41 74
2 86 12 59 22 126 32 Latina 42 106
3 128 13 143 23 141 33 Galeras 43 3
4 Colombia 14 36 24 122 34 43 44 102
5 13 15 110 25 100 35 92 45 98
6 124 16 127 26 72 36 35 46 32
7 37 17 133 27 5 37 15 47 117
8 63 18 94 28 101 38 103 48 34
9 79 19 70 29 23 39 Guanena 49 96
10 71 20 65 30 53 40 99
Cuadro 2.5: Asignacion de Tratamientos
67
CAP

Como se realizo un dise no lattice 7 7 se necesitaban realizar tres replicas, se decidio sembrar 4 plantas
por cada tratamiento, la aleatorizacion que se siguio para aplicar el dise no en campo es la que se encuentra
en las tablas 2.6, 2.7, 2.8.
Aleatorizacion utilizada en campo para el cultivo de Solanum phureja.
Bloque Repeticion 1
(1) 1 2 3 4 5 6 7
(2) 8 9 10 11 12 13 14
(3) 15 16 17 18 19 20 21
(4) 22 23 24 25 26 27 28
(5) 29 30 31 32 33 34 35
(6) 36 37 38 39 40 41 42
(7) 43 44 45 46 47 48 49
Cuadro 2.6: Aleatorizacion 1
a
Repeticion
Bloque Repeticion 2
(8) 1 8 15 22 29 36 43
(9) 2 9 16 23 30 37 44
(10) 3 10 17 24 31 38 45
(11) 4 11 18 25 32 39 46
(12) 5 12 19 26 33 40 47
(13) 6 13 20 27 34 41 48
(14) 7 14 21 28 35 42 49
a
Repeticion
Bloque Repeticion 3
(15) 1 9 17 25 33 41 49
(16) 43 2 10 18 26 34 42
(17) 36 44 3 11 19 27 35
(18) 29 37 45 4 12 20 28
(19) 22 30 38 46 5 13 21
(20) 15 23 31 39 47 6 14
(21) 8 16 24 32 40 48 7
a
Repeticion
A la consultante se le dieron unas medidas para realizar la siembra, ya que se contaba con un terreno
rectangular de 8m 32m, de tal forma que tuviera el terreno suciente para poder sembrar todas las
plantas requeridas para las tres replicas.
En el progreso del experimento hasta el 15/06/2012 se reporto la perdida de informacion para un trata-
miento, es el correspondiente al asignado al numero 12, la cantidad de plantas con las que se cuenta por
cada tratamiento se reporta en las tablas 2.9,2.10, 2.11.
Mapa de Distribucion del Patogeno
Para realizar el mapa de la distribucion del patogeno se decidio hacer una malla regular, ya que no se
contaba con informacion previa de la distribucion de este en el suelo, la malla regular que se le entrego a
la consultante contaba con las medidas en las cuales deba tomar las muestras y se hizo pensando en que
se podan tomar 96 muestras de suelo; ademas se le hizo entrega de un archivo de excel donde estaban
guardadas las coordenadas de la malla, para que solo tuviera que guardar los resultados. Los resultados
del muestreo se haran mediante un kit ElisaDAS el cual es especico para el patogeno Spongospora
Subterranea, el resultado de la muestra se obtiene mediante un espectofotometro el cual mediante la
densidad optica y cuantifca cuanto inoculo hay del patogeno. La primera parte de la malla regular se
encuentra en la gura 2.5
68
Bloque Repeticion 1
3 3 4 4 4 4 2
(1) 1 2 3 4 5 6 7
4 2 3 4 0 4 4
(2) 8 9 10 11 12 13 14
3 3 3 3 2 4 4
(3) 15 16 17 18 19 20 21
1 1 2 0 4 3 3
(4) 22 23 24 25 26 27 28
3 4 3 4 4 4 3
(5) 29 30 31 32 33 34 35
3 4 4 4 2 4 3
(6) 36 37 38 39 40 41 42
3 2 4 4 4 1 3
(7) 43 44 45 46 47 48 49
Cuadro 2.9: # de Plantas por Tto en la 1
a
Repeticion
Bloque Repeticion 2
4 4 2 4 2 4 2
(8) 1 8 15 22 29 36 43
4 3 2 4 4 2 3
(9) 2 9 16 23 30 37 44
3 4 4 3 3 3 3
(10) 3 10 17 24 31 38 45
3 1 4 4 3 4 4
(11) 4 11 18 25 32 39 46
2 0 4 3 4 1 4
(12) 5 12 19 26 33 40 47
4 4 4 1 4 2 2
(13) 6 13 20 27 34 41 48
1 3 1 2 1 4 4
(14) 7 14 21 28 35 42 49
Cuadro 2.10: # de Plantas por Tto en la
2
a
Repeticion
Bloque Repeticion 3
3 4 4 2 4 2 1
(15) 1 9 17 25 33 41 49
3 3 2 2 0 3 0
(16) 43 2 10 18 26 34 42
3 3 3 4 2 4 4
(17) 36 44 3 11 19 27 35
4 4 1 4 0 3 2
(18) 29 37 45 4 12 20 28
2 1 4 4 4 2 2
(19) 22 30 38 46 5 13 21
3 1 2 4 2 4 4
(20) 15 23 31 39 47 6 14
3 3 2 0 1 4 2
(21) 8 16 24 32 40 48 7
Cuadro 2.11: # de Plantas por Tto en la 3
a
Repeticion
2.4.6. Bitacora
Ttulo del trabajo: Analisis de la interaccion entre Solanum phureja - Spongospora subterranea.
Nombre del solicitante: Dayhana Clemencia Benavides Erazo.
Total de citas: 5
69
CAP

Figura 2.5: Malla Regular
No FECHA EVOLUCI
ON
1 25/04/2012 Se expuso el caso en el cual se queria llevar a cabo un experimento en campo para
determinar la resistencia y susceptibilidad de la Solanum phureja a la Spongospora
subterranea. La consultante junto con su directora de tesis pensaban realizar un
dise no en bloques completos aleatorizados. Como se disponia de 64 variedades de
Solanum Phureja se les recomendo aplicar un dise no lattice 8 8 debido al gran
numero de tratamientos, ademas el dise no que ellas planteaban no cumplia los
supuestos bajo las cuales se debe realizar este tipo de diseno.
2 30/04/2012 Se le explico a la consultante el dise no lattice 8 8, se le entrego la aleatorizacion
que debia utilizar en tres replicas del experimento y la distribucion del sembrado
en el sitio de cultivo.
3 22/05/2012 Nos comunicamos con la consultante por chat para preguntarle si habia podido
hacer el sembrado en campo con el dise no lattice 8 8 y las recomendaciones
dadas, nos respondio que ella habia decidido aplicar un dise no lattice 7 7 para
evitar perdida de informacion, ya que algunas de las variedades de Solanum phu-
reja no estaban en las condiciones adecuadas para ser sembradas. Tambien nos
comunico que habia seguido la aleatorizacion de un libro de dise no, pero no nos
dio la referencia, quedo en enviarnosla via e-mail.
4 7/06/2012 Nos reunimos con la consultante para explicarle como deba realizar la toma de
muestras para el mapa de distribucion del patogeno, le dimos la malla regular con
los puntos en los cuales deba tomar las muestras, y le explicamos como ingresar
los datos. Se le explico el manejo del paquete estadstico R.
5 15/06/2012 La consultante nos hizo saber el progreso del experimento, cuantas plantas haban
germinado en cada replica de cada tratamiento, como haban algunos tratamientos
en los cuales no haba germinado ninguna planta en el experimento. Se le expli-
co que deba esperar a nalizar el ensayo completamente para poder decidir el
procedimiento a seguir para el analisis de los datos.
70
2.5. Cliente No. 5
Solicitantes
Nombres y Apellidos: Katherine Reyes Gonzalez y Paloma Ramirez C.
Programa Academico: Farmacia
Facultad: Ciencias
Tutor-Proyecto
Nombres y Apellidos: Ilvar Jose Mu noz
Facultad: Ciencias
Ttulo del trabajo
Dise no preliminar de un centro de investigacion en Bioqumica Nutricional.
A la primera cita asistio una de las solicitantes (Paloma Ramrez) con el tutor. Ellos desean hacer la
estimacion de los niveles nutricionales en los ni nos de Bogota, y tambien de pacientes en cuidados intensivos
y con enfermedades cronicas en los hospitales de Bogota. La primera parte de este estudio hace parte de
un proyecto que se presentara a Colciencias es septiembre del presente a no; y la segunda hace parte del
trabajo de grado de las solicitantes.
Se propuso a los consultantes hacer un muestreo multietapico, por lo tanto la primera tarea era conseguir
los respectivos marcos muestrales. Se les sugirio solicitarlas en el ministerio de educacion y en el ministerio
de salud respectivamente.
La intervencion nutricional en el ambito hospitalario hoy en da, tiene un abordaje subjetivo en cuanto a
los requerimiento nutricionales que debe tener un paciente colombiano, es por ello que se busca establecer,
cuales son esos valores o rangos normales que tiene la poblacion colombiana que serviran como base para
el establecimiento de tratamientos individualizados y dirigidos a la poblacion de nuestro pas.
Palabras clave
Muestreo Multietapico.
Niveles Nutricionales.
Colegios.
Hospitales.
2.5.1. Objetivo
Dise no preliminar de un Centro de Investigacion de Bioqumica Nutricional, especializado en el diagnostico
clnico de los requerimientos y las deciencias nutricionales de la poblacion Colombiana.
71
CAP

Caracterizar e identicar la muestra poblacional que servira como base para el estudio en la determina-
cion de los requerimientos nutricionales y la base de analisis para establecer las deciencias presentadas
intrahospitalariamente en pacientes.
Las consultantes deseaban realizar un muestreo a colegios de estratos 1,2 y 3 y para hospitales de tercer
y cuarto nivel, para esto se va a considerar un muestreo multietapico, para el caso de los colegios se
consideran 4 etapas, las cuales son primero escoger las localidades, los colegios, los cursos y nalmente los
ni nos, para el caso de los hospitales se considera la misma metodologa. El tama no de muestra se escogera
mediante una ajacion optima , este tipo de ajacion considera los costos. Para el caso de los colegios
como el objetivo del estudio es comparar los niveles nutricionales de los ni nos antes y despues de aplicar
un suplemento dietario via intravenosa, se les planteo a las consultantes incluir en el muestreo colegios de
estratos altos para poder comparar los niveles nutricionales tambien por estrato, dando un aspecto mas
amplio al trabajo.
La realizacion del muestreo en cada etapa se presentan en las tablas 2.12 y 2.13.
Colegios
Etapa Tipo de Muestreo Uni. Muestrales
1 Conglomerados Localidades
2 ppt Colegios
3 Conglomerados Cursos
4 MAS Ni nos
Cuadro 2.12: Etapas del Muestreo en Co-
legios
Hospitales
Etapa Tipo de Muestreo Uni. Muestrales
1 Conglomerados Localidades
2 ppt Hospitales
3 MAS Pacientes
Cuadro 2.13: Etapas del muestreo en hos-
pitales
Para el muestreo ppt se debe contar con una covariable altamente correlacionada, y se va a tener en cuenta
el numero de estudiantes en cada colegio, ya que los colegios mas grandes deben pertenecer a la muestra.
En este caso no se tuvieron resultados ya que las consultantes decidieron que no tenan el tiempo suciente
para realizar el estudio, y que el estudio se realizara en el segundo periodo del 2012.
72
2.5.4. Bitacora
Ttulo del trabajo: Dise no preliminar de un centro de investigacion en Bioqumica Nutricional.
Nombre del solicitante: Katherine Reyes Gonzalez y Paloma Ramirez C.
Total de citas:1
No FECHA EVOLUCI
ON
1 14/03/2012 Las consultantes queran medir los niveles nutricionales en ni nos de colegios y
en adultos en unidad de cuidados intensivos o con enfermedades cronicas antes y
despues de aplicar un suplemento dietario segun los requerimientos del paciente,
nos resaltaron la importancia de este estudio ya que no se ha hecho ninguno de
este tipo, se les planteo un muestreo multietapico, y se les pidio el marco muestral
para poder empezar el trabajo.
2 25/05/12 Nos comunicamos con las consultantes via e-mail ya que no tenan la disponibilidad
de tiempo para reunirnos personalmente, les preguntamos por el avance que habian
tenido para conseguir el marco muestral, y nos comunicaron que habian tomado
la decision de aplazar el estudio para el otro semestre ya que no contaban con el
tiempo necesario para realizarlo en este.
73
CAP
ITULO 3
CASOS GRUPO 3
Consultores
Catalina Gonzalez smorenorod@unal.edu.co
Sebasti
an Moreno eaceror@unal.edu.co
Andr
es Ospina amospinaq@unal.edu.co
Ang
elica Castillo macastilloh@unal.edu.co

Viviana Segura evseguraa@unal.edu.co
3.1. Cliente No. 1
Solicitante
Nombres y Apellidos: Camilo Andres Lastra Romero
Programa Academico: Maestra en Ciencias Agrarias
Facultad: Agronoma
Tutor-Proyecto
Nombres y Apellidos:Orlando Rivera Daz
Facultad: Agronoma
Ttulo del trabajo
Diversidad orstica, usos y manejos de la ora arvense en la comunidad campesina de Garagoa, Boyaca .
Se hablo de la necesidad de hacer un muestreo para poder hacer mediciones sobre la ora arvense de
Garagoa, sin la necesidad de los costos excesivos de medir la zona completa.
74
Palabras clave
Flora arvense, estimacion de diversidad
El consultante, Camilo Lastra estudiante de la Maestra en Ciencias Agrarias de la Universidad Nacional
sede Bogota, acudio a nosotros con la intencion de hacer una estimacion de la diversidad de especies y los
totales de plantas para ora arvense (conocida como maleza) en el municipio de Garagoa en Boyaca, era
tambien intencion del estudio reunir la informacion socio-economica de los habitantes del municipio y del
conocimiento que tienen sobre la utilizacion de este tipo de plantas.
De acuerdo a las necesidades del consultante, se determino dividir el estudio en 2 etapas en la prime-
ra se obtendra una muestra de previos en Garagoa en la cual se medira para cada una la informacion
socio-economica y la de manejo de la ora arvense, mientras que en la segunda se hara la estimacion
de los totales a traves de un muestreo para poblaciones biologicas efectuado en cada uno de los predios
seleccionados en la muestra de la primera etapa del estudio.
3.1.1. Objetivos
Objetivo General
Analizar la diversidad orstica, los usos locales, el conocimiento tradicional y el manejo de la ora
arvense asociada con los cultivos del municipio de Garagoa (Valle de Tenza, Boyaca-Colombia).
Objetivos Especcos
Reconocer las especies de plantas arvenses asociadas con los cultivos del municipio de Garagoa.
Analizar el conocimiento tradicional que tienen los campesinos de Garagoa en cuanto a nombres
comunes, usos y manejos de las plantas arvenses en funcion de variables socioeconomicas.
Establecer, en funcion de la demanda de mano de obra e insumos externos, un gradiente de intensidad
de manejo para los cultivos del municipio.
Comparar las agrupaciones de plantas arvenses de los cultivos en funcion de la riqueza y estructura
de las mismas.
El desarrollo inicial del caso tuvo complicaciones debido a la necesidad de contar con una marco muestral,
constituido por una base de datos de los predios en Garagoa. Dicho marco exista y era de conocimiento
del consultante la entidad en donde podia ser obtenido, pero debido a tramites burocraticos su obtencion
tomo mas tiempo del esperado. El atraso de tiempo genero que durante el desarrollo del curso de consul-
tora solo se pudiera llevar a cabo la primera etapa, sin embargo siguiendo lo acordado se presentara una
gua para efectuar el muestreo en poblaciones biologicas apropiado para la segunda etapa.
Primera etapa del proyecto
La base de datos predial de de Garagoa esta constituida por 6611 observaciones y ademas de contar con
la codicacion referente a los predios y veredas contaba con la informacion del area total en m
2
y en
Hectareas para cada observacion, variable que fue utilizada como auxiliar en la determinacion del calculo
de un tama no de muestra.
75
CAP

Determinacion del tama no muestral
El paso inicial fue la determinacion de un tama no de muestra apropiado, el procedimiento se baso en el
hecho de se escogio un Muestreo Aleatorio Simple(M.A.S.) como dise no muestral y a partir de la formula
para el coeciente de variacion del -estimador (estimador de Horvitz-Thompson), en este dise no, con la
diferencia de que se utilizo el area del predio en lugar de la variable numero de plantas arvenses. Esto
claramente bajo el supuesto de que estas variables estan directamente correlacionadas es decir que en
ncas mas grandes se encontraran mas plantas de este tipo.
El calculo del Coeciente de Variacion (CV) se hizo de acuerdo a la siguiente formula:
CV (
) =
_
V ar(
)
t
(3.1)
Donde V ar(
) = N
2
1n/N
n
S
2
yU
y t es el total de la variable de interes.
Software utilizado
Se utilizo el software R para la implementacion de la metodologa
Se procedio usando el total y la varianza del area en m
2
de los predios de Garagoa a variar n y calcular
(3.1), obteniendo los diferentes CV buscando el n para le cual se estabilizaran el. Es importante recalcar
que debido a la existencia de algunos predios con valores atpicos que podran inuenciar los resultados,
el procedimiento se ejecuto no para la base de datos original si no para una modicacion de esta, en la
que se extrajeron los diez predios con mayores areas. Los resultados obtenidos se presentan a continuacion:
n CV
30 0.46172361
280 0.14823162
530 0.10558912
780 0.08522725
1030 0.07255627
1280 0.06360901
1530 0.05679735
1780 0.05134351
2030 0.04681495
2280 0.04294886
2530 0.03957467
2780 0.03657574
3030 0.03386886
3280 0.03139240
3530 0.02909910
3780 0.026951481
Cuadro 3.1: Coeciente de Variacion para diferentes tama nos de muestra
Se puede observar mas claramente en la graca como para tama nos de muestra a partir de 100 se logra
una reduccion importante del CV llegando a valores cercanos al 25 %
76
Figura 3.1: CV. Vs n
De esta manera se acordo con el consultante un tama no de muestra nal de 120 predios para el cual en la
simulacion se obtena un Coeciente de Variacion de 22,93 %
Obtencion de la muestra
De acuerdo al tama no de muestra pactado, se obtuvo una muestra aleatoria simple usando el metodo de
Fan-Muller-Rezucha y se le entrego al consultante quien se encargara de la recopilacion de la informacion
pero, debido a problemas de desplazamiento el tiempo de recopilacion supero el tiempo programado para
el curso de consultora, por lo que el analisis de la informacion no pudo ser adelantado por el grupo
consultor.
Figura 3.2: Mapa de las ncas seleccionadas en la muestra
77
CAP

Segunda etapa del proyecto
La siguiente parte del estudio constaba de la estimacion del total de ora arvense, par ello se planteo
utilizar la muestra de predios obtenida en la primera etapa y para cada uno de los predios seleccionados,
hacer un muestreo especializado en poblaciones biologicas, pero debido a las complicaciones de tiempo
solo se alcanzo a preparar una gua para la extraccion de la muestra, de manera que el consultante pueda
adelantar la recoleccion de la informacion.
Muestreo de lineas transectas (Line Transect Sampling)
La intencion con este tipo de muestreo es estimar el total poblacional desconocido N, caminando una
distancia L sobre una trayectoria a traves de de un area A en lneas que no se intersectan o transectos,
haciendo observaciones solo para una distancia M a cada lado de dicho transecto. EL observador cuenta
el numero, n, de animales o plantas vistos para cada especie investigada y registra uno o mas de los
siguientes estadsticos al momento de la primera observacion.
a. Distancia radial, r
i
, desde el observador hasta el animal o planta al momento del avistamiento.
b. Distancia en angulo recto, x
i
, desde el animal o planta visto hasta la trayectoria del observador
c.

Angulo de avistamiento,
i
, medido desde la trayectoria del observador hasta el punto en que el animal
o planta fue visto inicialmente visto.
Esto es descrito mejor en la siguiente graca:
Figura 3.3: Diagrama muestreo de lneas transectas
78
Instructivo para la toma de la muestra en la segunda etapa
De acuerdo al dise no escogido, se construyo un instructivo con el n de darle al consultante los parametros
basicos para una toma adecuada de la muestra:
1. En cada predio seleccionado en la etapa uno determinar el area en el cual se haran las mediciones.
2. Obtener aleatoriamente un valor entre 0 y 180, que dara el angulo del primer transecto con respecto
a la horizontal.
3. Los siguientes 3 transectos se determinaran con el mismo angulo pero cada uno separados una
distancia mayor que M entre ellos. Es importante recalcar que la distancia M se deja a criterio de
quien realice el trabajo de campo con la unica condicion de que se proporcional al area maestreada.
4. Finalmente en cada transecto y para una distancia no mayor que M a cada lado, se registrar la
especie y la cantidad de plantas arvenses.
Analisis de la Matriz Ecologica e

Indice de Bio-Diversidad de Shannon-Wiener
La matriz ecologica contiene el n umero de especmenes de cada especie encontrados en una muestra,
las las representan las muestras y las columnas las especies. Para su analisis se propone el calculo de
la media de la abundancia de cada una de las especies, realizar gracos de Box-Plot por especie para
observa su distribucion. Para contrastar la hipotesis de diferencias signicativas en el n umero de especies
encontradas entre ncas se propuso realizar la comparacion no parametrica de Kruskal-Wallis. Para medir
la bio-diversidad se propone el uso de el ndice de Shannon-Wiener el cual es muy utilizado en la ecologa
u otras ciencias. Este ndice se expresa con un n umero positivo sin lmite superior. La funcion diversity
del paquete Vegan en R permite su calculo as como el de otros ndices similares como el de Simpson y el
recproco de Simpson.
La formula de ndice de Shannon-Wiener es la siguiente:
H
=
S
i=1
p
i
log
2
p
i
Donde
S N umero de especies (la riqueza de especies).
p
i
Proporcion de individuos de la especie i respecto al total de individuos (es decir la abundancia
relativa de la especie i):
ni
N
n
i
N umero de individuos de la especie i.
N N umero de todos los individuos de todas las especies.
3.1.4. Bibliografa
Sarndal, C., Swensson, B. & Wretman, J. (1992), Model Assisted Survey Sampling, Springer-Verlag.
Cochran, W. (1977), Sampling Techniques, Wiley Eastern Limited
79
CAP

3.1.5. Bitacora
Ttulo del trabajo: Diversidad orstica, usos y manejos de la ora arvense en la comunidad campesina
de Garagoa, Boyaca.
Nombre del solicitante: Camilo Andres Lastra Romero.
Total de citas: 7
No FECHA EVOLUCI
ON
1 13/03/2012 Se realiza realizan aclaraciones como que no solo se quiere conocer el total de
las plantas, sino ademas el n umero de plantas por especie y tambien aclaraciones
sobre el objetivo de analizar el conocimiento tradicional de los habitantes de el
municipio y su composicion socio-demograca.
2 21/03/12 El consultante se compromete a conseguir la division administrativa de Garagoa
para utilizarla como marco muestral, se escogen las ncas como unidades mues-
trales. Se descarta el interes de incluir en el estudio variables geogracas al igual
que el interes de tener en cuenta la division veredal del municipio.
3 29/03/12 Se plantean opciones al consultante para la realizacion del muestreo, pero no se
concluye sobre ello. Se realizan nuevas aclaraciones sobre los objetivos de la primera
y segunda etapa del estudio.
4 25/04/12 Despues de casi un mes de espera se nos hace entrega de la base de datos correspon-
diente al informe predial del municipio de Garagoa, la base contiene informacion
adicional sobre el area y permetro del predio entre otros. Con lo que se procede
a estimar el tama no de muestra y extraer la misma. Se nos entrega una encuesta
para revision que ser a aplicada a los habitantes y ncas. Se discute la posibilidad
de realizar estratos en el muestreo pero no se encuentran una caracterstica acorde
al estudio por la que pueda estraticarse el municipio.
5 29/04/12 Se presenta el calculo de el tama no de muestra para diferentes valores del coe-
ciente de variacion teniendo en cuenta la variable auxiliar area del predio, pero
el consultante expresa que debe consultar primero si usar esa metodologa pues
tradicionalmente se utilizan las formulas de los libros.
6 03/05/12 Se realizan recomendaciones sobre el formato de encuesta para que sea consistente
y rapida y se propone una metodologa para el analisis de la informacion cerrada.
Se hace la propuesta para analizar la matriz ecologica y la bio-diversidad.
7 09/05/12 Para el analisis descriptivo de los predios de Garagoa se propone el uso de los gra-
cos de Box-Plot. Se realiza nuevamente una explicacion sobre la conveniencia de
la metodologa usando el estimador de Horvitz-Thompson y se brindan referencias
sobre ello y sobre la realizacion de gracos en R.
80
3.2. Cliente No. 2
Solicitante
Nombres y Apellidos: Yuri Stella Alfonso

Avila y Katerine Oviedo Oviedo
Facultad: Medicina
Tutor-Proyecto
Nombres y Apellidos: Amanda Teresa Paez
Facultad: Medicina
Ttulo del trabajo
Evaluacion del vertigo y/o trastornos del equilibrio en pacientes con tamizaje cervical positivo.
Las consultantes y su tutora comentaron el proyecto el cual consista en evaluar un grupo de pacientes
con una caracterstica especial (Tamizaje cervical). Se aplicaron las pruebas (que consistian en sonidos
especiales, de ambiente, diferentes posiciones del paciente, etc) con y sin un audfono en uno de los oidos.
Las consultantes acudieron a nosotros con el n de evaluar cuales son las principales variables que inu-
yen en la presencia del tamizaje cervical mediante la revision de la historia clnica, tamizaje vestibular,
resultados obtenidos en la videoculografa y autoevaluacion de cada uno de los pacientes con el n de
caracterizar el cuadro clnico.
Tambien queran describir los antecedentes clnicos, signos y sintomas, mediante la revision de la historia
clnica de los pacientes con vertigo asociado al tamizaje cervical positivo para caracterizar su desorden
vestibular y as generar una conducta con respecto a la rehabilitacion requerida.
Palabras clave
El vertigo y/o trastornos del equilibrio asociados a compromiso de columna cervical y/o
trastornos musculo-esqueleticos: conjunto de enfermedades que tienen dentro de sus sntomas
la sensacion de falta de equilibrio, generalmente es de caracter rotatorio y se puede acompa nar de
manifestaciones vegetativas.
Tamizaje cervical: el tamizaje cervical esta dise nado para encontrar celulas anormales el fases
precoces del desarrollo (cuando pueden ser eliminadas).
Especulo: Instrumento utilizado para realizar examenes o procedimientos diagnosticos y terapeu-
ticos de cavidades corporales manteniendo abiertos sus oricios de entrada.
Otoscopio: Instrumento constituido por un especulo y una fuente de luz, que se emplea para la
inspeccion del conducto auditivo externo y de la membrana timpanica.
81
CAP

Sistema vestibular: Tambien llamado aparato vestibular esta relacionado con el equilibrio y el
control espacial.
3.2.1. Objetivos
Objetivo general:
Enumerar y describir los signos, sntomas y resultados , de la evaluacion vestibular en pacientes con
vertigo y/o trastornos del equilibrio del equilibrio asociado a tamizaje cervical positivo mediante la revi-
sion de historia clnica, tamizaje vestibular, resultados obtenidos en la videoculagrafa y autoevaluacion,
con el n de caracterizar el cuadro clnico.
Objetivos especcos
Enumerar y describir los antecedentes clnicos, signos y sntomas , mediante la revision de la histo-
ria clnica, de los pacientes con vertigo asociado a tamizaje cervical positivo, para caracterizar su
desorden vestibular.
Enumerar y describir el impacto del desorden vestibular sobre la calidad de vida de la persona ,
mediante la aplicacion del cuestionario de autoevaluacion de la discapacidad generada por el vertigo,
con el n de proponer aspectos relacionados con consejera y orientacion a los usuarios.
Enumerar y describir los resultados de las pruebas oculomotoras de nistagmo espontaneo, saca-
das oculares, rastreo pendular, nistagmo optoquinetico y nistagmo rotatorio registrados mediante
videoculografa, en los sujetos en estudio, para que mediante los registros obtenidos en dichas prue-
bas se lleve a cabo la respectiva identicacion de los usuarios con patologa cervical y compromiso
vestibular.
Identicar y enumerar cada una de las relaciones encontradas entre las variables estudiadas rela-
cionadas con la evaluacion vestibular, con el n de determinar el cuadro clnico correspondiente de
los usuarios en estudio y asa generar una conducta seguir conables respecto a la rehabilitacion
requerida.
La fase inicial del proyecto consisitio en acceder a la informacion contextual necesaria para llevar a cabo
el estudio descriptivo de las variables de interes de las consultantes, mientras ellas intentaban conseguir
los datos necesarios puesto que la obtenci on de pacientes para el estudio resulto tan larga y dispendiosa
por la complejidad de la prueba y de instrumentos de medicion de las variables, ademas de el n umero
lmitado de pacientes con las caractersticas requeridas.
Las pruebas consistian en una serie de mediciones en un laboratorio dotado con espejos, con una silla
giratoria, con colchonetas y espumas, balones, trampolines, balancines, barras paralelas, camilla y otros
elementos para el entrenamiento del sistema vestibular y del equilibrio, sabanas y fundas desechables,
reloj con segundero, tensiometro digital, linternas, ri noneras de acero inoxidable, dispensador de pa nuelos
desechables, canecas para el manejo de los desechos roja, verde y gris, un armario organizador y otros
elementos.
Dichas pruebas fueron realizadas con el n de medir las variables de interes con un otoscopio para poder
comparar dichos resultados.
La entrega de la base de datos nal fue la tercera semana de mayo con los cambios sugeridos por el
grupo consultor acerca de:
82
Las categoras, debido a que en un principio las variables estaban mal categorizadas, presentaron
repeticiones lo que poda prestarse para confusiones.
Variables relevantes, es decir, se les pidio claridad sobre las relaciones requeridas entre las variables
que por su experiencia tuvieran importancia en el estudio.
En el momento en que se conto con las relaciones y la base organizada adecuadamente, el grupo consultor
procedio con la respectiva depuracion con el n de implementarla en el programa SAS recodicando cada
una de las variables y sus respectivas categoras. Esta nueva codicacion se realizo cuidadosamente de
manera tal que fuera entendible para las consultoras y se facilitara su interpretacion.
Se realizo un Analisis de Correspondencias M ultiples (ACM) relacionando la variable principal, tamizaje
cervical positivo (SI_TPCERV), con variables agrupadas dependiendo los examenes aplicados. Ademas
se relacionaron las variables importantes entre si para establecer posibles similitudes entre los signos y
sntomas de cada uno de los pacientes.
Software utilizado
Se uso el programa Excel para la depuraci on y organizacion de los datos.
Para el analisis estadstico se uso el programa SAS 9.2
Se obtuvieron las gracas del primer plano factorial y sus respectivas tablas de Burt, luego se programo
una cita con las consultantes para realizar la respectiva explicacion obteniendo una actitud favorable por
parte de las mismas, por lo tanto se continuo con la de obtencion de resultados.
Algunas interpretaciones hechas en conmpa na de las consultantes se presentan a continuacion:
Figura 3.4: Primer plano factorial. Comienzo, Evolucion, Factores desencadenantes del vertigo y Tamizaje
vestibular
La representacion del plano factorial (40,04 % de variabilidad) mostrado en la graca evidencia que:
83
CAP

La variable de principal de estudio representada como SI_TPCERV, presenta alta incidencia con la
aparici on s ubita del vertigo
Hay correspondencia entre las categoras de la Variable III (Video-Oculografa) correspondientes a
SI_TPCERV, tamizaje positivo vascular (SI_TPVASC) y tamizaje positivo otoltico representado como
SI_TPOTOL.
Se corrobora la alta relacion entre la variable de estudio principal SI_TPCERV y la categora de sitio
de lesion Mixto.
Respecto a la categora de factores desencadenantes del vertigo asociado a tamizaje cervical positivo
(SI_TPCERV), hay baja relacion con traumas, representada en el plano factorial como SI_FDTR. Por
otra parte, hay una alta correspondencia entre los cambios de posicion, representados como SI_FDCP
y el SI_TPCERV. El consumo de medicamentos (SI_FDME) tiene una baja incidencia dentro de la
categora principal de estudio.
Cuando la evolucion del vertigo es de 1 a 15 a nos (A1-5) tiene mas alta relacion con el tamizaje
cervical positivo. Al ser la evolucion de 1 a 6 Meses (M1-6), se mantiene la relacion con la categora
principal de estudio, pero en mayor proporcion que en a nos. Hay una baja correspondencia entre
la evolucion de das y SI_TPCERV. A continuacion se complementa la informacion brindada en la
graca y en la descripcion anterior, a traves de la tabla de Burt, debido a la proximidad de los ejes
de las categoras descritas:
Figura 3.5: Tabla de Burt
3.2.4. Conclusiones
La metodologa estadstica aplicada, parece ser la adecuada puesto que los resultados obtenidos son muy
similares a los esperados por las consultantes de acuerdo a su experiencia y a los resultados arrojados en
la evaluacion de sus pacientes en dicha investigacion.
84
Figura 3.6: Tabla de Burt(Continuacion)
3.2.5. Bibliografa
Lebart, L., Morineau, A. and Warwick (1984), Multivariate Descriptive Statistical Analysis, Wiley, New
York.
85
CAP

3.2.6. Bitacora
Ttulo del trabajo: Evaluacion del vertigo y/o trastornos del equilibrio en pacientes con tamizaje cervical
positivo. Nombre del solicitante: Yuri Stella Alfonso

Avila y Katerine Oviedo Oviedo
Total de citas: 6
No FECHA EVOLUCI
ON
1 15/03/2012 Antes de la recoleccion de los datos, se cita a las consultantes para hacerles re-
comendaciones para que la informacion sea lo mas completa y consistente posi-
ble, entre las recomendaciones estaban que no se clasicara a un algunas variables
cuantitativas, que no se duplicara informacion de las variables dicotomicas y que la
escala de las variables fuera la misma. Se hacen aclaraciones sobre el la informacion
de las historias clnicas de los pacientes.
2 08/05/12 Sobre una primera base con datos recogidos, se realizan nuevamente recomendacio-
nes para que la base sea depurada pues haba presencia de informacion redundante.
Se nos informa que las variables cuantitativas ya no son de interes en el estudio.
Se deja a consideraci on de las consultantes que relaciones entre las variables son
de mayor interes para el estudio.
3 18/05/2012 Entrega de base denitiva por parte de las consultantes y se establecen las rela-
ciones entre las variables mas importantes.
4 18/05/2012 (En horas de la tarde)Reunion con la tutora y solucion de dudas acerca de los
requerimientos de las consultantes.
5 25/05/2012 Presentacion de primeros resultados y conrmacion por parte de las consultantes.
6 28/05/2012 Interpretacion de Resultados nales y recomendaciones nales.
86
3.3. Cliente No. 3
Solicitante
Nombres y Apellidos: Diana Carolina Gamboa Sotelo
Facultad: Medicina
Tutor-Proyecto
Nombres y Apellidos: Amanda Teresa Paez
Facultad: Medicina
Ttulo del trabajo
Evaluacion del vertigo y/o trastornos del equilibrio en pacientes con presion endolinfatica alta
La consultante y su tutora comentaron el proyecto el cual consista en evaluar un grupo de pacientes con
Presion endolinfatica alta. Se aplicaron las pruebas (que consistian en sonidos especiales, de ambiente,
diferentes posiciones del paciente, etc) con y sin un audfono en uno de los oidos.
Debido a que en los casos 2 y 3 el conjunto de variables a medir era el mismo, (la diferencia radicaba en
la poblacion objetivo), estos fueron tratados de manera simultanea.
La consultante acudio a nosotros con el n de evaluar cuales son las principales variables que inuyen en
presencia de la presion endolinfatica alta mediante la revision de la historia clnica, tamizaje vestibular,
resultados obtenidos en la videoculografa y autoevaluacion de cada uno de los pacientes con el n de
examinar el impacto del vertigo en la vida de las personas que lo padecen y de esta manera generar
recomendaciones para su tratamiento.
Ademas se pretenda describir las posibles relaciones encontradas entre las variables estudiadas para
evaluar similaridades en entre los signos y sntomas de diferentes pacientes.
Palabras clave
Presion endolinfatica alta: aumento del volumen endolinfatico que ocasiona distension del labe-
rinto membranoso, esto provoca alteraciones en la audicion, en el equilibrio y zumbidos, caracters-
ticas de este sndrome.
Tamizaje vestibular: el tamizaje vestibular tiene como objetivo la evaluacion informal subjetiva
de las alteraciones de los reejos vestibulares.
Especulo: Instrumento utilizado para realizar examenes o procedimientos diagnosticos y terapeu-
ticos de cavidades corporales manteniendo abiertos sus oricios de entrada.
Otoscopio: Instrumento constituido por un especulo y una fuente de luz, que se emplea para la
inspeccion del conducto auditivo externo y de la membrana timpanica.
87
CAP

Sistema vestibular: Tambien llamado aparato vestibular esta relacionado con el equilibrio y el
control espacial.
Enfermedad de Menière: Desorden del equilibrio producido por una anomala localizada en la
zona del odo interno llamado laberinto.
3.3.1. Objetivos
Objetivo general:
Caracterizar los resultados de la evaluacion vestibular en pacientes con vertigo y trastornos del equili-
brio asociado a presion endolinfatica alta, utilizando la historia clnica, el tamizaje vestibular, el examen
de videoculografa (VOG) y cuestionario de autoevaluacion del impacto del vertigo sobre la vida diaria
con el n de elaborar una serie de recomendaciones para el posterior tratamiento.
Objetivos especcos
Enumerar y describir los antecedentes del vertigo asociado a hidrps endolinfatico mediante la ela-
boracion de la historia clnica de los sujetos en estudio, para determinar cuales tienen signicancia
estadstica.
Describir y enumerar los resultados de las pruebas de tamizaje vestibular (prueba de Romberg,
prueba de Fukuda y prueba de Babinsky Well), para corroborar los hallazgos con lo descrito por la
literatura.
Enumerar y describir los resultados de las pruebas oculomotoras (nistagmos espontaneo, sacadas
oculares, rastreo pendular, nistagmo optoquinetico, nistagmo rotatorio), de las pruebas posturales
(tamizaje de arteria vertebral, tamizaje de columna cervical, tamizaje de la funcion otolitica) y
las pruebas caloricas registrados mediante videoculografa (VOG), de los sujetos en estudio, para
determinar las caractersticas del vertigo asociado a hidrps endolinfatico.
Determinar el impacto del vertigo asociado a hidrops endolinfatico sobre la calidad de vida, mediante
la aplicacion de una encuesta individual para determinar que implicaciones trae sobre la vida diaria
de los sujetos en estudio.
Identicar y enumerar las posibles relaciones encontradas entre las variables estudiadas relacionadas
con la evaluacion vestibular.
El hidrops endolinfatico tambien conocido como Enfermedad de Menière es una enfermedad asociada al
aumento de volumen endolinfatico en la cavidad interna del oido, esta enfermendad se maniesta en el
paciente por medio de la perdida del equilibrio,ac ufenos e hipoacusia.
Usualmente el diagnostico clnico de hidrops endolinfatico se presenta durante la consulta con el medi-
co especialista, cuando estos sintomas estan presentes, y muchas veces no se ordenan pruebas especiales
complementarias audiologicas para monitorear la evolucion de la enfermendad y prevenir el da no del oido
interno.
En algunas ocasiones se solicita la electrografa para conrmar la presion endolinfatica alta o para mo-
nitorear la eciencia del medicamento diuretico, pero no se estudian las caractersticas del nistagmo y
cuadro vertiginoso, para poder encontrar otras posibles variables asociadas que durante el transcurso de
la enfermedad, que pudieran evitar o disminuir la recidida de la crisis, con la perdida de audicion a largo
plazo.
A partir de las anteriores planteamientos la consultante se plantea la siguiente pregunta: cuales son
88
las caractersticas principales de los resultados de la evaluacion vestibular en los pacientes con vertigo,
asociados a pacientes con presion endolifatica alta, con crisis tardas y cronicas?
La fase inicial del proyecto consisitio en acceder a la informacion contextual necesaria para llevar a cabo
el estudio descriptivo de las variables de interes de la consultante, mientras ella intentaba conseguir los
datos necesarios puesto que la obtencion de pacientes para el estudio resulto tan larga y dispendiosa por
la complejidad de la prueba y de instrumentos de medicion de las variables, ademas de el n umero lmitado
de pacientes con las caractersticas requeridas.
Las pruebas consistian en una serie de mediciones en un laboratorio dotado con espejos, con una silla
giratoria, con colchonetas y espumas, balones, trampolines, balancines, barras paralelas, camilla y otros
elementos para el entrenamiento del sistema vestibular y del equilibrio, sabanas y fundas desechables,
reloj con segundero, tensiometro digital, linternas, ri noneras de acero inoxidable, dispensador de pa nuelos
desechables, canecas para el manejo de los desechos roja, verde y gris, un armario organizador y otros
elementos.
Dichas pruebas fueron realizadas con el n de medir las variables de interes con un otoscopio para poder
comparar dichos resultados.
La entrega de la base de datos nal fue la tercera semana de mayo con los cambios sugeridos por el
grupo consultor acerca de:
Las categoras, debido a que en un principio las variables estaban mal categorizadas, presentaron
repeticiones lo que poda prestarse para confusiones.
Variables relevantes, es decir, se les pidio claridad sobre las relaciones requeridas entre las variables
que por su experiencia tuvieran importancia en el estudio.
En el momento en que se conto con las relaciones y la base organizada adecuadamente, el grupo consultor
procedio con la respectiva depuracion con el n de implementarla en el programa SAS recodicando cada
una de las variables y sus respectivas categoras. Esta nueva codicacion se realizo cuidadosamente de
manera tal que fuera entendible para las consultoras y se facilitara su interpretacion.
Sin embargo, una semana despues la consultora entrego una nueva base de datos la cual tena un indivduo
mas y algunas modicaciones en las variables. El grupo consultor le pidio que codicara las variables que
haba modicado y hacer las respectivas correcciones para a nadir el nuevo individuo.
Con esta nueva base de datos se realizo un Analisis de Correspondencias M ultiples (ACM) relacionando
la variable principal, presion endolinfatica alta la cual tena tres categoras, presion endolinfatica alta
oido derecho, presion endolinfatica alta oido izquierdo, presion endolinfatica alta bilateral, representadas
por PEAOD, PEAOI, PEAB respectivamente, con variables agrupadas dependiendo los examenes aplicados.
Ademas se relacionaron las variables mas importantes (seg un el criterio de la consultante) entre si para
establecer posibles similitudes entre los signos y sntomas de cada uno de los pacientes.
Software utilizado
Se uso el programa Excel para la depuraci on y organizacion de los datos.
Para el analisis estadstico se uso el programa SAS 9.2
Se obtuvieron las gracas del primer plano factorial y sus respectivas tablas de Burt, luego se programo
una cita con la consultante para realizar la respectiva explicacion, a pesar de que mostro una actitud favo-
rable con los resultados obtenidos, el grupo consultor noto falta de comprension por parte de la consultora
89
CAP

por lo cual se programo una nueva cita cuando se tuvieran la totalidad de los resultados. Sin embargo, en
esta ultima cita, el grupo consultor evidencio fallas en las modicaciones que realizo la consultora cuando
realizo las modicaciones a la base de datos, por lo tanto, durante la cita, se procedio a depurar la base
nuevamente corrigiendo los errores cometidos por la consultante. Finalizando el da se le entregaron los
resultados y se realizo una nueva explicacion con los datos corregidos.
A continuacion se muestra uno de los planos factoriales obtenidos y su respectiva tabla de Burt:
Figura 3.7: Primer plano factorial. Grado de discapacidad y presion endolinfatica alta
Figura 3.8: Tabla de Burt
Al da siguiente la consultante manifesto tener inconvenientes con la interpretacion, por lo tanto el grupo
consutor la cito mediante Skype y nuevamente le explico la manera correcta de analizar los gracos y
tablas obtenidas. Al nalizar la cita, la consultante declaro haber entendido la explicacion suministrada.
Sin embargo, una semana despues, se le envio un correo con el n de conocer los resultados del estudio a
lo que respondio que no haba usado lo que el grupo consultor le suministro por falta de entendimiento.
90
3.3.4. Conclusiones
A pesar de que la metodologa estadstica aplicada parecio ser la adecuada pues las consultantes del caso
2 lograron interpretar correctamente los resultados, se debe hacer referencia a la falta de compromiso y
de disposicion para usar el analisis propuesto por el grupo de consultora, pues la cliente decidio desechar
los resultados y realizar unicamente un analisis descriptivo.
3.3.5. Bibliografa
Lebart, L., Morineau, A. and Warwick (1984), Multivariate Descriptive Statistical Analysis, Wiley, New
York.
91
CAP

3.3.6. Bitacora
Ttulo del trabajo: Evaluacion del vertigo y/o trastornos del equilibrio en pacientes con presion endo-
linfatica alta Nombre del solicitante: Diana Carolina Gamboa Sotelo
Total de citas: 5
No FECHA EVOLUCI
ON
1 15/03/2012 Antes de la recoleccion de los datos, se cita a las consultantes para hacerles re-
comendaciones para que la informacion sea lo mas completa y consistente posi-
ble, entre las recomendaciones estaban que no se clasicara a un algunas variables
cuantitativas, que no se duplicara informacion de las variables dicotomicas y que la
escala de las variables fuera la misma. Se hacen aclaraciones sobre el la informacion
de las historias clnicas de los pacientes.
2 18/05/2012 Entrega de base con algunos errores por parte de la consultante.
3 18/05/2012 (En horas de la tarde)Reunion con la tutora y solucion de dudas acerca de los
requerimientos de las consultantes.
4 25/05/2012 Presentacion de primeros resultados y conrmacion por parte de las consultantes.
5 28/05/2012 Interpretacion de Resultados nales y recomendaciones nales.
92
3.4. Cliente No. 4
Solicitante
Nombres y Apellidos:Fabian Alejandro Ballen Avila y Luis Alveiro Diaz Cabrera
Programa Academico: Zootecnia
Facultad: Medicina veterinaria y zootecnia.
Tutor-Proyecto
Nombres y Apellidos: Gustavo

Alvaro Wills Franco
Facultad: Medicina veterinaria y zootecnia.
Ttulo del trabajo
Efectos de programas de restriccion alimenticia sobre el desempe no productivo y economico en pollos de
engorde.
En la primera cita el consultante se presento sin la compa na de su tutor, se describieron a grandes rasgos
los objetivos del estudio, los 8 tratamientos aplicados a las aves y la forma en que se haban recogido
los datos, los cuales aparentemente no tenan problemas de informacion perdida. Se propuso realizar un
analisis de varianza y una comparacion de medias para determinar si el tratamiento incida en el peso de
las aves.
El experimento consista en la aplicacion de 8 tratamientos (dietas) a pollos de engorde para determinar
el desempe no de la dieta en el peso, la mortalidad y la conversion alimenticia de las aves con miras a
su aplicacion a nivel industrial. Los individuos fueron elegidos aleatoriamente y de igual manera fueron
repartidos en los corrales habilitados para el estudio, cada corral con 25 aves. Antes de aplicar las dietas
un incidente con la iluminacion del lugar y la presencia de la enfermedad Ascitis provocaron la muerte de
algunos individuos por lo que el n umero de aves por corral en el estudio no fue homogenea. El experimento
tuvo una duracion de 6 semanas; el interes se centraba en los resultados obtenidos en la semana 5 en la
cual se extrajo una muestra aleatoria de cada corral la cual fue sacricada para obtener mediciones y
pesos de los organos y presas de las aves.
Palabras clave
Restriccion y conversion alimenticia, mortalidad.
3.4.1. Objetivos
Objetivo General
Evaluar la viabilidad de 8 programas de restriccion alimenticia sobre el comportamiento productivo y
economico en la produccion de pollos de engorde en la sabana de Bogota.
Objetivos especcos
Determinar si los programas de restriccion alimenticia tienen un efecto positivo sobre la produccion
de pollos de engorde.
93
CAP

Determinar si los programas de alimentacion a utilizar son viables economicamente
Analisis descriptivo del comportamiento de la informacion recolectada por semana con gracos resumen y
determinar si existen diferencias signicativas entre los tratamientos aplicados con respecto al peso nal
de las aves, el peso detallado de la muestra sacricada en cada tratamiento, la conversion alimenticia y la
mortalidad.
Analisis descriptivo del peso y la conversion alimenticia por semana y tratamiento por medio de gracos
BoxPlot y de perles y para la mortalidad un graco resumen. Para observar la presencia de diferencias
signicativas entre los tratamientos, se desarrollo un analisis de varianza para la variables peso y poste-
riormente la prueba de comparaciones m ultiples de Schee usada cuando el tama no de las muestras no es
el mismo; para la variable conversion alimenticia se desarrollo la prueba no parametrica de Kruskal-Wallis
y por ultimo para la variable mortalidad la prueba exacta de Fisher.
Software utilizado
El software utilizado para las respectivas gracas y test fue R-project
En primera instancia se realizan un analisis descriptivo para obtener un panorama general del comporta-
miento del peso de los pollos por tratamiento en cada una de las semanas. Este analisis se realiza mediante
los gracos Box-Plot, ampliamente conocidos y aplicados los cuales presentan informacion sobre la ten-
dencia central, dispersion y simetra de los datos de estudio. Los primeros gracos de cajas o Boxplot
muestran el comportamiento del peso de cada tratamiento separado por semana.
Figura 3.9: Box-Plot para el peso de los pollos por tratamiento para la Semana 1
La semana 1 es la semana de partida, en la cual comienzan a suministrarse los respectivos tratamientos
a las aves en cada uno de los corrales. En este tiempo de medicion, como era de esperarse, no hay una
diferencia clara en el impacto producido por el suministro de cada tratamiento. De hecho, lo que se espera
94
es que en este instante de tiempo, todos los pollos tengan el mismo peso, condiciones ideales para realizar
un experimento de este tipo. Sin embargo, para el tratamiento 3, observamos que hay un par de pollos con
un peso mas alto que los demas. El tratamiento 8 es el que muestra un peso promedio mas alto con menos
variacion, aun cuando el tratamiento 4 y 5 presentan valores altos con mucha variacion en comparacion
con el 8. Revisamos ahora el comportamiento en la semana 2.
La gura 3.10 muestra que en la semana dos, ya hay una evidente diferencia entre los pesos de los pollos. Se
observa que el tratamiento 8 muestra los pesos mas peque nos en general, al igual que el tratamiento 1. Se
tiene ademas que a excepcion del tratamiento 8, todos presentan mas o menos el mismo comportamiento.
Notamos que de acuerdo a la gura anterior, que el promedio general sube. As, el tratamiento 8 es
entonces el que muestra pesos mas bajos. Revisamos as, el comportamiento de la semana 3.
95
CAP

La gura 3.11 muestra ahora, una diferencia mas marcada entre los diferentes tratamientos. En esta
semana, el tratamiento 8 sigue siendo el de pesos mas bajos, y el que mas peso alcanza es el septimo.
Otro que muestra pesos bajos es el 4 y otro que presenta pesos mas altos que el resto es el 6. Vale la
pena comparar estos resultados contra el primero, que es el tratamiento control. Mostramos ahora los
resultados para la semana 4.
La gura 3.12 muestra que para la semana 4 los tratamientos con menor peso, son el tratamiento 1, el 4
y el 8. La distribucion en terminos generales sigue siendo la misma que la semana anterior. Hay que tener
en cuenta que el n umero de pollos, se ha ido reduciendo de manera importante. Cabe recordar que en la
informacion de esta semana no se incluyen los datos de una muestra aleatoria de pollos sacricada un da
antes del cumplimiento de la semana 4. Ahora revisamos el comportamiento en la semana 5.
96
El comportamiento cambia un poco con respecto a esta semana. Sin embargo, los tratamientos 8 y 1
siguen mostrando comportamientos del peso mas bajo que el resto. En este caso, el tratamiento con mas
variabilidad es el 6, en donde hay valores muy altos y muy bajos. Por ultimo, se muestra el comportamiento
de la semana 6.
La gura 3.14 muestra que el tratamiento 1 y 4 son los de valores mas peque nos al cabo del experimento,
y el dos es el que mas altos valores presenta, las aves que reciben el tratamiento 8, como en las semanas
anteriores, son las que alcanzan un menor peso. Estas hipotesis son las que se prueban mas adelante. Ahora,
descriptivamente revisamos el comportamiento de cada tratamiento por semana. La gura 3.15 muestra de
manera muy general el comportamiento a traves del tiempo (semanas) de cada uno de los tratamientos.
Se observa en general un comportamiento muy similar en cada uno de los ellos, es decir, el patron de
crecimiento parece ser el mismo. Esta gura es un caso mas general del este tipo de comportamientos.
Sin embargo, revisamos el comportamiento mas especco en este caso, comparando las medias de cada
tratamiento en los tiempos.
La gura 3.16 muestra el comportamiento promedio de cada tratamiento con respecto a la semana de
medicion. A simple vista, parece no haber muchas diferencias entre cada tratamiento. Para encontrar si
hay diferencias signicativas entre los tratamientos se realiza un analisis de varianza y posteriormente se
realiza una comparacion de medias, pero debe tenerse en cuenta que en particular en este experimento
se evidencio una perdida de informacion debida a la muerte durante el estudio de varios individuos, estas
muertes se presentaron de manera desigual en cada corral lo que se conlleva al uso de la prueba de Schee.
El siguiente paso es vericar mediante un analisis de varianza si hay diferencias signicativas entre los
valores promedio de la quinta semana, como es claro el primer objetivo. Para poder llevar a cavo el analisis
mediante este metodo primero debe chequearse el supuesto de normalidad en los valores disponibles de la
muestra. Esta prueba se realiza con mediante el test de Shapiro-Wilk, donde se contrasta la hipotesis nula
de normalidad, para el experimento el p-valor resultante es de 0.00171 por lo que se rechaza la hipotesis
nula de normalidad. Una opcion para obtener la normalidad deseada es buscar una transformacion para
los datos, se usa la transformacion de Box Cox para la cual se encontro un optimo = 4. Al realizar
nuevamente la prueba de Shapiro-Wilk el nuevo p-valor = 0.3751 por lo que no se rechaza la hipotesis nula
de normalidad de los datos y se puede pasar a realizar el Analisis de Varianza (ANOVA) que se muestra
a continuacion.
Seg un la tabla 3.2, se tiene que el efecto del tratamiento es signicativo, al menos a un 99 % de conabilidad.
Esto quiere decir que se rechaza la hipotesis de que el peso promedio de cada tratamiento es el mismo.
97
CAP

Figura 3.15: Box-Plot para el peso de los pollos por Semana para cada uno de los 8 tratamientos
Figura 3.16: Graco de perles para el peso por tratamiento
Fuente de Variacion Grados de Libertad Suma de cuadrados Cuadrado Medio Valor F P valor
Tratamiento 7 288096 41157 4.375 0.0002898
Residual 99 931307 9407
Cuadro 3.2: Analisis de varianza para la variable peso transformado en funcion del tratamiento.
98
Ahora se procede a realizar una prueba de comparaciones m ultiples. Con esta prueba, determinamos cuales
son los tratamientos que dieren. Antes, se da un vistazo al esquema que guarda la transformacion de los
datos.
Figura 3.17: Box Plot del peso y el peso transformado para cada tratamiento
La gura 3.17 muestra que con la transformacion de los datos, se mantiene la estructura general del
comportamiento entre los tratamientos. Ahora, realizamos una prueba de comparaciones m ultiples, para
determinar estadsticamente cuales son los tratamientos signicativamente diferentes. La siguiente tabla
muestra los resultados del analisis de comparaciones m ultiples de Schee (de los pesos transformados).
La tabla 3.3 muestra que estadsticamente, no hay diferencias signicativas entre la gran mayora de los tratamien-
tos, se resalta que las dos unicas diferencias signicativas que corresponden al Tratamiento 1 y Tratamiento 7, con
un p-valor=0,029309 y Tratamiento 7 con Tratamiento 4 con p-valor=0,01356. Adem as de acuerdo a la diferencia
de promedios, se tienen los siguientes grupos formados:
En la tabla 3.4, los tratamientos con la misma letra en la columna grupos no son signicativamente diferentes.
Como ya se conoce, las diferencias detectadas son el tratamiento 7 con el tratamiento 1 y tratamiento 7 con el
tratamiento 4.
Ahora se procede a presentar un an alisis descriptivo de los pesos promedio obtenidos en la muestra de tama no 3
en cada tratamiento sacrica el da 35 del estudio. Gracando por tratamiento y por cada medicion tomada se
obtienen las guras 3.18 y 3.19 en donde puede observarse que en general que los mayores valores se presentan en
el tratamiento 4, especialmente en el peso y longitud del intestino y peso del hgado. La pierna pernil m as pesada
se presenta en el tratamiento 5 y el peso de la molleja m as alto en el tratamiento 7. El peso m as homogeneo entre
tratamientos es el peso del hgado, a excepci on del tratamiento 4.
Para comparar la mortalidad de las aves y como sugerencia del investigador se propone el siguiente gr aco que
permite observar el n umero de muertes, el tratamiento y la semana donde sucedi o la muerte.
La forma de leer la gr aca 3.20 es teniendo en cuenta que el n umero que aparece dentro de la misma corresponde a
la semana donde muri o el individuo. As por ejemplo, para el tratamiento 1 se presentaron 2 muertes en la semana
3, 3 muertes en la semana 5 y 3 muertes en la semana 6. Para el tratamiento 2, se presento una muerte en la
semana 3, tres muertes en la semana 5 y cuatro muertes en la semana 6, etc. Debe tenerse en cuenta que las cifras
de la semana 5 se ven afectadas por el sacricio de la muestra seleccionada.
Para analizar si hay diferencias en la mortalidad entre tratamientos se usa la prueba exacta de Fisher que est a
basada en la distribuci on exacta de los datos y no en aproximaciones asint oticas. En general, cuando las frecuencias
absolutas esperadas, en la gran mayora de casillas o celdas son relativamente grandes (m as de 5), se utiliza el
estadstico Chi-Cuadrado para realizar el contraste mencionado. El valor p indica la probabilidad de obtener una
diferencia entre los grupos mayor o igual a la observada, bajo la hip otesis nula de independencia, si este valor es
99
CAP

Tratamientos Diferencia p valor
T2 - T1 82,667534 0,715523
T3 - T1 85,347231 0,659619
T1 - T4 1,780128 1
T5 - T1 109,396989 0,375244
T6 - T1 115,321887 0,255898
T7 - T1 154,643092 0,029309
T8 - T1 57,093516 0,948424
T3 - T2 2,679697 1
T2 - T4 84,447663 0,626817
T5 - T2 26,729455 0,999501
T6 - T2 32,654352 0,997641
T7 - T2 71,975558 0,809715
T2 - T8 25,574019 0,999574
T3 - T4 87,12736 0,561016
T5 - T3 24,049758 0,999722
T6 - T3 29,974655 0,998463
T7 - T3 69,295861 0,824746
T3 - T8 28,253716 0,999074
T5 - T4 111,177118 0,282478
T6 - T4 117,102015 0,173285
T7 - T4 156,42322 0,01356
T8 - T4 58,873644 0,919641
T6 - T5 5,924897 1
T7 - T5 45,246102 0,984595
T5 - T8 52,303474 0,968007
T7 - T6 39,321205 0,991546
T6 - T8 58,228371 0,930062
T7 - T8 97,549576 0,454452
Cuadro 3.3: Resultados Prueba de Schee (p-valores y diferencia de promedios de los tratamientos)
Grupos Tratamiento Promedio
a T7 383,883858
ab T6 344,562653
ab T5 338,637756
ab T3 314,587998
ab T2 311,908301
ab T8 286,334282
b T1 229,240766
b T4 227,460638
Cuadro 3.4: Resultados Prueba de Schee (Tratamientos con la misma letra no son signicativamente
diferentes)
100
Figura 3.18: Mediciones muestra sacricada en la semana 5 - I
Figura 3.19: Mediciones muestra sacricada en la semana 5 - II
101
CAP

Figura 3.20: Analisis de Mortalidad de las aves por Tratamiento y Semana
Test Exacto de Fisher para datos de conteo
Datos Mortalidad
p - valor 0.396
Cuadro 3.5: Test Exacto de Fisher para mortalidad)
peque no (p<0.05) se deber a rechazar la hip otesis de nula o de interes, en caso contrario se concluye que no existe
evidencia estadstica de asociaci on entre las variables. La hip otesis a contrastar en este experimento corresponde
a que existen diferencias en la mortalidad presentada entre tratamientos.
En la tabla 3.5 puede verse que como el p-valor= 0.396 es grande, se tiene evidencia signicativa de que la
mortalidad no esta asociada con el tratamiento aplicado, es decir, no presentan diferencias entre tratamientos. A
continuaci on se procede a revisar el comportamiento de la conversi on alimenticia que equivale a la ganancia de
peso del individuo con respecto a la cantidad de alimento que le fue suministrado, recordando que el objetivo
principal es evaluar el comportamiento en la semana 5. Nuevamente se hace un an alisis descriptivo de los datos.
En el gr aco BoxPlot 3.21 de la ganancia de peso de las aves en la semana 5, se observa que los tratamientos con
mayor conversi on son el n umero uno y el cinco y seis y aquellos con menor conversi on son el tres y cuatro. Se
destaca que el tratamiento 5 es el m as variable y el 7 el que presenta valores de conversi on alimenticia similares de
las aves similares. Se puede observar la presencia de dos datos atpicos en el tratamiento 2 que corresponden a las
aves No. 34 y 44 cuya conversion alimenticia supera en gran medida lo esperado en su corral y uno dato atpico
en el tratamiento 4 que corresponde al ave No 84 que de igual manera supera la conversi on alimenticia esperada
dados los valores las dem as aves.
La gura 3.22 se muestra el comportamiento promedio de la conversi on alimenticia de las aves para cada semana.
En ella se observa que no hay ninguna tendencia en la ganancia de peso de las aves a traves del tiempo, se destaca
el tratamiento 1, el cual al parecer tiene un valor m as alto que los otros tratamientos y los que presentan valores
mas peque nos corresponden al 3 y 4.
Al realizar la prueba de normalidad para llevar a cavo el ANOVA para la conversion alimenticia, para el test de
Shapiro-Wilk se encuentra un valor p-valor= 7.835e-06 lo que indica que los datos no se comportan de normalmente,
pero contrario a lo que sucedi o para la variable peso, aun realizando una transformaci on (Box-Cox) de los datos
no se logra obtener la normalidad deseada, por ello se decide realizar la prueba no parametrica de Kruskal-Wallis
la cual permite decidir si k muestras aleatorias e independientes proceden de una misma poblaci on. En este caso
la hip otesis nula consiste en saber si la conversi on alimenticia se comporta de la misma manera en cada uno de los
8 tratamientos.
En la tabla 3.6 se observa que con un p-valor mu peque no del 2,2e
16 se concluye que existen diferencias estads-

102
Figura 3.21: BoxPlot Conversion Alimenticia Semana 5
Figura 3.22: Conversion alimenticia promedio por tratamiento para cada semana
Test de Kruskal-Wallis
Estadstico 106.1723 gl 7 p-valor 2.2e-16
Cuadro 3.6: Test de Kruskal - Wallis para la conversion alimentaria)
103
CAP

ticamente signicativas de la conversi on alimenticia en cada tratamiento pues los datos para cada tratamiento no
provienen de poblaciones identicas.
3.4.4. Conclusiones
El an alisis descriptivo en la semana 1 sustenta la hip otesis del investigados de que las aves entran al tratamiento
en condiciones homogeneas, las diferencias entre el peso de los tratamientos se comienza a marcar a partir de la
semana 4, el tratamiento 8 es el que presenta menores valores de esta variable. Pero en general el aumento del peso
mantiene tendencia de crecimiento similar en los tratamientos. En la muestra sacricada, puede observarse que
en general los mayores valores de los pesos medidos se presentan en el tratamiento 4, especialmente en el peso y
longitud del intestino y peso del hgado. La pierna pernil m as pesada se presenta en el tratamiento 5 y el peso de la
molleja m as alto en el tratamiento 7. El peso mas homogeneo entre tratamientos es el peso del hgado, a excepci on
del tratamiento 4. Realizando un ANOVA para le variable peso se encuentra que existe evidencia para inferir que
el efecto del tratamiento es signicativo, y particularmente se encuentran diferencias entre el tratamiento 7 y el
tratamiento 1 y 4. Ademas, se encuentra que se tiene evidencia signicativa de que la mortalidad no esta asociada
con el tratamiento aplicado, es decir, no se presentan diferencias en las muertes de aves entre tratamientos. El
an alisis de la conversi on alimenticia arroja que estadsticamente la ganancia de peso con respecto a la cantidad de
alimentos consumidos presenta diferencias signicativas entre tratamientos.
3.4.5. Bibliografa
Gibbons, Jean Dickinson. Nonparametric statistical inference. Chapman and Hall/CRC, 5 edition (July 26 2010).
Melo, O. Lopez, L. Melo, E. Dise no de Experimentos Metodos y Aplicaciones, Universidad Nacional de Colombia,
2007.
104
3.4.6. Bitacora
Ttulo del trabajo: Efectos de programas de restricci on alimenticia sobre el desempe no productivo y economico
en pollos de engorde.
Nombre del solicitante: Fabian Alejandro Ballen Avila y Luis Alveiro Diaz Cabrera
Fecha de terminaci on: 14/05/2012
Total de citas: 4
No FECHA EVOLUCI
ON
1 23/05/2012 Aclaraciones sobre los objetivos del estudio. Se informa que la base de datos presenta
informaci on faltante por causa de la muerte durante el estudio de algunos individuos. Se
indaga sobre la homogeneidad de las aves a la entrada del estudio y sobre la aleatorizaci on
de las mismas. Se informa sobre el sacricio de una muestra de aves en cada tratamiento
al termino de la semana 5.
2 25/05/2012 Se informa el interes de evaluar adem as del peso de las aves, la mortalidad y la conversi on
alimenticia que consiste en saber cuanto gana en peso el ave con respecto a lo que consume.
Se proponen algunos gr acos para el an alisis descriptivo de interes.
3 09/06/2012 Se hace entrega de un informe sobre el an alisis del peso en la ultima semana (semana 6) y
sobre la mortalidad por tratamiento. Pero en las horas de la tarde el consultante informa
que el an alisis debe realizarse sobre la informaci on de la semana 5 por lo que debe repetirse
nuevamente el trabajo que se haba entregado.
4 12/06/2012 Se entrega el informe denitivo con la informaci on corregida. Adem as, se hace una ex-
plicaci on para que el consultante pueda extender con sus palabras las conclusiones del
estudio.
105
CAP
ITULO 4
CASOS GRUPO 4
Consultores
Laura Monta
no lrmontanor@unal.edu.co
Andr
es Ramirez jharamirezsa@unal.edu.co
Igor Urrutia iurrutiab@unal.edu.co
4.1. Cliente No. 1
Solicitante
Nombres y Apellidos: Diana Patricia Tamars
Programa Academico: Doctorado en ecologa
Facultad: Ciencias
Tutor-Proyecto
Nombres y Apellidos: Hugo Fernando Lopez Arevalo
Facultad: Ciencias
Ttulo del trabajo
Efecto del cultivo de palma de aceite (Elaeis guineensis), sobre la diversidad de aves en San Carlos de
Guaroa, Meta.
En la cita realizada el da 21 de marzo del a no en curso, la consultante Diana Patricia Tamars Turizo,
expuso el ante-proyecto de su tesis de grado del progarama Doctorado en ecologa. En esta primera
reunion, se trato de dejar claro los obetivos de su investigacion y algunos conceptos propios de su actividad
academica, se le asigno un grupo de consultoria conformado por Laura Monta no, Igor Urrutia y Andres
Ramrez, luego, en conjunto se concerto una nueva cita para la cual el grupo consultor ya hubiera leido el
ante-proyecto.
106
Colombia se ubica como el primer pas productor de palma de aceite en America Latina y el quinto a
nivel mundial despues de Malasia, Indonesia, Nigeria y Tailandia pases donde se ha demostrado que el
establecimiento de estas plantaciones genera perdida de la biodiversidad, reduce la riqueza y abundancia
de especies, fragmenta la estructura vegetal original, limita el desplazamiento de la fauna silvestre, favorece
el establecimiento de especies invasoras, entre otros efectos. Los cultivos de palma en el pas se concentran
en el piedemonte llanero, Cesar, Magdalena, Sucre, Cordoba, Bolvar y la Costa Pacca totalizando
3.508.417 ha en el territorio nacional. La actividad agrcola en la llanura oriental del pas ha transformado
sabanas tropicales y bosques del pie de monte andino generando cambios en la composicion de aves y
perdida de la estructura vegetal nativa. El sector palmero de Colombia se ha fortalecido en los ultimos
60 a nos expandiendo el cultivo en cerca de 97 municipios con un area de siembra superior a los 3.5
millones de hectareas sin embargo a un hay vacos de informacion sobre el efecto del establecimiento de
estas plantaciones sobre las comunidades de aves en sistemas de sabanas tropicales nativas, considerando
que es un pas destacado por tener la mayor diversidad de aves a nivel mundial y que esta region alberga
el 877 especies de las aves conocidas para el pas. En consideracion con lo anterior, surgen como preguntas
de investigaci on:
Cual es el efecto de la edad de los cultivos de palma de aceite, sobre la composicion, riqueza y
abundancia de los ensambles de aves asociados a estos sistemas del municipio San Carlos de Guaroa?
Cuales son los principales recursos que ofrece el cultivo de palma a las aves que frecuentan los cultivos
de palma de aceite en el municipio San Carlos de Guaroa?
Cual es el efecto de la distancia y el area de los parches de vegetacion natural con respecto al cultivo
de palma, sobre la ocurrencia de especies en las plantaciones de San Carlos de Guaroa?
La presente investigacion busca identicar si existen perdidas o amenazas que enfrentan las aves asociadas
a sabanas nativas en el municipio San Carlos de Guaroa por el establecimiento de los cultivos de palma
de aceite, identicar la funcion de los cultivos de palma de aceite sobre la ornitofauna local para proponer
medidas orientadas a mitigar el posible efecto encontrado, ademas de sugerir e incorporar practicas de
conservacion en estos sistemas agrcolas.
Palabras clave
Indices de biodiversidad, efecto isla continente, composicion, riqueza, abundancia, ensambles de aves, san
Carlos de Guaroa.
4.1.1. Objetivos
Objetivo general
Conocer el efecto de la edad de la plantacion, as como del area y la distancia entre cobertura de vegetacion
y el cultivo, sobre la diversidad de aves asociadas a los cultivos de palma de aceite (Elaeis guineensis) en
el municipio San Carlos de Guaroa, departamento del Meta.
Objetivos especcos
Determinar la composicion, riqueza y abundancia del ensamble de aves asociado a cultivos con dos
edades en el municipio San Carlos de Guaroa.
Identicar el uso del cultivo de palma de aceite por parte de los miembros del ensamble de aves,
seg un el manejo del sotobosque de la plantacion en el municipio San Carlos de Guaroa.
Conocer el efecto del area y la distancia de los parches con cobertura natural con respecto al cultivo
de palma de aceite, sobre la ocurrencia de especies en la plantacion, en el municipio San Carlos de
Guaroa.
107
CAP

La investigadora Diana Tamars, requiere especicamente servicios estadsticos en los siguientes puntos:
Utilizar un indice de biodiversidad acorde a las condiciones de su investigacion.
Aprobar la estrategia de muestreo seleccionada para la investigacion.
Validar un metodo estadstico apropiado para la identicacion del uso del cultivo por parte de los
miembros del ensamble de aves asociado a las plantaciones.
Asesorarse en metodos estadsticos para la comparacion del efecto de la edad de los cultivos en la
composicion del ensamble de aves asociado.
Validar un metodo estadstico para la comparacion de el efecto de la distancia de los cultivos a un
parche, con cobertura natural en la composicion del ensamble de aves asociado.
Indice de biodiversidad
B usquedas y conteos
Cada vez que se realiza un conteo para determinar la presencia de especies es necesario cuanticar de
alguna forma el esfuerzo de muestreo con el n de no confundir la importancia de un sitio biodiverso
con el entusiasmo de los cientcos. Es necesario estandarizar el esfuerzo en todas la areas que se van a
muestrear, por ejemplo por da y en tiempo de dedicacion diaria. El esfuerzo de muestreo afecta sobre todo
los conteos de especies raras. Con el n de estandarizar el esfuerzo de muestreo, una etapa fundamental
es la seleccion de las areas o sitios de muestreo. Es importante tener muy claro si la seleccion de los sitios
de muestreo se va a realizar de forma aleatoria o por conveniencia.
Para el caso de la b usqueda y el conteo de especies en un area de interes especca, se puede reportar,
una vez realizado el conteo, diferentes ndices de riqueza como numero/muestra.
En la mayora de los estudios no tiene sentido muestrear solamente un sitio, sino realizar comparaciones
entre varios sitios. La metodologa de muestreo y recoleccion de datos debe ser muy clara para que se
pueda repetir en el otro sitio. Hay que tener en cuenta que las condiciones ambientales (clima, hora del
da, estacion, estructura del habitat) afectan los resultados obtenidos. Igualmente, la persona que realiza
el muestreo puede tener una fuerte inuencia sobre los resultados (Sutherland-2000).
La composicion del ensamble se obtendra mediante el listado de las especies identicadas visual y au-
ditivamente en cada transecto, la riqueza estara dada por el n umero total de especies registradas y la
abundancia se calculara mediante el estimador Hayne (1949), dise nado para estimar densidades de aves
observadas en transectos lineales y esta dado por la formula:
D
H
=
n
sL
_
1
n
1
r
i
_
Donde: D
H
= Estimador de densidad de Hayne, n = n umero de individuos observados, L = longitud del
transecto, r
i
= distancia de observacion de cada individuo.
Indice de Shannon
Shannon-Wiener asume que todas las especies estan representadas en las muestras; indica que tan unifor-
mes estan representadas las especies (en abundancia) teniendo en cuenta todas las especies muestreadas.
H
= p
i
ln p
i
y p
i
= 1
Donde p
i
= abundancia proporcional de la especie i, lo cual implica obtener el n umero de individuos de
la especie i dividido entre el n umero total de individuos de la muestra. Asume que todas las especies
108
estan representadas en las muestras y que todos los individuos fueron muestreados al azar. Puede adquirir
valores entre cero (0) cuando hay una sola especie y el logaritmo de S cuando todas las especies estan
representadas por el mismo n umero de individuos. Puede verse fuertemente inuenciado por las especies
mas abundantes.
Para comprender la dinamica espacial y temporal de la estructura del ensamble asociado al cultivo de
palma, se calcularan los ndices de Riqueza Chao, Abundancia de Hayne y Diversidad Shanon.
Muestreo: transecto de lneas
Este muestreo fue propuesto para detectar la densidad D de n individuos en un area A: D
n
A
. Para este
tipo de muestreo se traza una la lnea L en un area A y se cuentan todos los individuos que se observan
desde L hasta una distancia w. L podra estar compuesto de varias lneas mas cortas l
i
, donde L =
l
i
.
Este muestreo no tiene el supuesto de que TODOS los individuos en el area L w se detectan, lo cual s
se aplica para el muestreo por areas. Las caractersticas de este muestreo son las siguientes:
Las lneas que se usan para realizar el muestreo no se interceptan.
Se cuentan n individuos observados desde la lnea L.
Es posible medir x
i
(la distancia del individuo en angulo recto a la lnea) o r
i
(la distancia del
individuo a la lnea) y
i
(el angulo con la lnea) de forma exacta.
Mas alla de w los individuos no son contados.
Los supuestos de este muestreo son
La distribucion de los individuos en el area A es aleatoria.
Los transectos de lnea se ubican al azar.
Los individuos no se cuentan dos veces (esto implica que se marcan).
La probabilidad de deteccion g(x) es una funcion de x (la distancia del individuo a la lnea).
La probabilidad de deteccion de un individuo que esta ubicado sobre la lnea es 1, g(0) = 1.
Las observaciones son eventos independientes.
Se tiene que el area que se observa es: a = 2wL. Si la probabilidad de observacion P
a
= 1, la densidad
estimada es

D =
n
2wL
. Si la probabilidad de observacion no es 1, se tiene

D =
n
2wLPa
. El estimado de esta
densidad no depende directamente de x, pero los valores de x se necesitan para estimar la probabilidad
de deteccion P
a
. Podemos decir que la densidad se puede estimar con :

D =
n
aPa
. Sin embargo, en este
punto no sabemos como podramos estimar P
a
. Solamente hemos dicho que depende de la distancia de
deteccion x.
Si se asume que la funcion de deteccion tiene una distribucion normal truncada (half-normal), el valor
absoluto de una funcion con distribucion normal, entonces se puede estimar por:
=
_
x
i
2n
. (4.1)
La varianza de

D o de

N se puede estimar por metodos bootstrap.
Se seleccionaran seis cultivos en total, tres con edades entre 5 y 8 a nos y tres con edades entre 11 y 15 a nos,
en cada uno se estableceran tres transectos lineales de 500 m separados entre s por una distancia mnima
de 1 km (cada transecto sera una estacion de muestreo). El monitoreo se hara en los picos estacionales
de la localidad durante seis das entre las 6:00 y 11:00 horas y de 15:30 a 17:30 h dedicando un esfuerzo
de muestreo mnimo diario de 7 h/Km. En el registro se incluiran las especies observadas y escuchadas
(Bibby-2000a).
109
CAP

Uso del cultivo
El ensamble estara conformado por las aves silvestres asociadas a los cultivos de palma de aceite. Se deter-
minara el estatus de residencia para conocer las especies con mayor ocurrencia al sistema, la categorizacion
del estatus de residencia se le asignara seg un (Codesido-2004) y (Almazan-2006):
Residente: aves observadas durante el periodo de estudio.
Migratoria: especies migratorias que se registren en el sitio de estudio con al menos tres das de
permanencia.
Ocasional: especie no migratoria observada en los sitios de estudio entre el 10 y el 50 % de las
ocasiones.
Rara: especie no migratoria observada en los sitios de estudio entre el 1 y el 9 % de las ocasiones.
No se tendran en cuenta golondrinas, rapaces ni carro neras que sobrevuelen el sitio de estudio por encima
de los 20 m (Codesido-2004). Durante los registros de composicion y abundancia se anotara la altura y
las actividades relacionadas al uso del cultivo de palma en las diferentes fases de desarrollo por parte de
los miembros del ensamble. Las actividades que se tendran en cuenta son:
Forrajeo y alimentacion: sera el comportamiento orientado a la b usqueda y consumo de alimento.
Percha: seran los individuos posados en alg un sustrato dentro del cultivo.
Canto: seran los individuos que se encuentren cantando en el interior del cultivo como conducta de
comunicacion o territorialidad.
Actividad Reproductiva: seran los registros de cortejo, copula o anidacion de las especies del ensam-
ble.
Dormidero: seran los registros de las especies que llegan al cultivo al nal del da y permanecen en
el hasta el amanecer.
Prueba
2
Para comparar si hay una tendencia signicativa del uso del cultivo de palma con respecto a la edad de
la plantacion, se hara una prueba
2
(ji-cuadrado), dicha prueba es la de uso y abuso mas frecuente para
contrastar la hipotesis de independencia entre variables categoricas. Para vericar la independencia entre
dos variables se requiere la diferencia entre los valores estimados de las frecuencias que se esperan bajo la
hipotesis nula (independencia) E
ij
y las frecuencias observadas en la muestra n
ij
. Tal prueba, sugerida
por Pearson (1904), emplea la estadstica
2
(ji-cuadrado), dada por:
2
0
=
f
i=1
c
j=1
(n
ij
E
ij
)
2
E
ij
La cual esta formulada en terminos de frecuencias observadas (n
ij
) y esperadas (E
ij
). La doble suma
indica que se deben sumar todas las celdas, lo cual se consigue desplazandosepor las o por columnas. Se
observa que la magnitud de esta estadstica depende de los valores que asuman las diferencias (n
ij
E
ij
)
2
;
notese que la formula tiene implicada la distancia al cuadrado (euclidiana) entre las frecuencias observadas
y las esperadas; de tal manera, la formula registra que tandistanteesta lo observado de lo esperado bajo la
hipotesis de independencia. Si las dos variables son independientes, estas diferencias deberan ser menores
que en el caso contrario (dependencia); en consecuencia,
2
0
sera mas peque na cuando la hipotesis nula es
cierta que cuando es falsa. Por tanto, se necesita de un metodo mediante el cual se pueda o no rechazar
la hipotesis nula. Tal procedimiento se basa en la distribucion de probabilidades de la estadstica
2
bajo
el supuesto de que la hipotesis de independencia es cierta. Para cada valor que tome la estadstica
2
se
110
tiene una probabilidad de que haya valores mayores o iguales (o menores) que tal valor, de manera que la
distribucion de probabilidades de
2
corresponde a las probabilidades asociadas con los diferentes valores
de
2
. Por construccion, la estadstica ji-cuadrado toma valores positivos, pues es una suma de cantidades
elevadas al cuadrado.
La decision de rechazar o no la hipotesis nula de independencia entre las variables, se basa en la proba-
bilidad de los valores obtenidos para
2
0
; pues valores con baja probabilidad (de ser mayores o iguales
que este) permiten el rechazo de la hipotesis nula y, en caso contrario, su no rechazo, el rechazo de la
hipotesis nula indica que la probabilidad de que no existan discrepancias entre los valores observados y los
esperados, bajo la hipotesis de independencia, es baja, pues como se anoto, la magnitud de la estadstica
2
0
depende de los valores que asuman las diferencias (n
ij
E
ij
)
2
si las dos variables son independientes,
estas diferencias deberan ser menores que en el caso contrario (dependencia).
Analisis de correspondencias
Para identicar las variables (tipo de uso) mas explicativa con respecto al uso se hara un analisis de
correspondencias (AC), el analisis de correspondencias es una tecnica descriptiva para representar tablas
de contingencia, es decir, tablas donde recogemos las frecuencias de aparicion de dos o mas variables cuali-
tativas en un conjunto de elementos. Constituye el equivalente de componentes principales y coordenadas
principales para variables cualitativas. (Pe na-2002) El analisis de correspondencias es un procedimiento
para resumir la informacion contenida en una tabla de contingencia. Puede interpretarse de dos formas
equivalentes. La primera, como una manera de representar las variables en un espacio de dimension menor,
de forma analoga a componentes principales, pero deniendo la distancia entre los puntos de manera cohe-
rente con la interpretacion de los datos y en lugar de utilizar la distancia eucldea utilizamos la distancia
ji-cuadrado. Desde este enfoque, el analisis de correspondencias es el equivalente de componentes principa-
les para datos cualitativos. La segunda interpretacion esta mas proxima al escalado multidimensional: es
un procedimiento objetivo de asignar valores numericos a variables cualitativas. Para mayor profundidad
en este tema consultar a Daz-2012 o a Pe na-2002
Efecto de la edad
Modelo de efectos jos
En los experimentos comparativos los tratamientos se comparan por sus efectos medios sobre una variable
respuesta con el objeto principal de determinar cual de ellos es mejoren alg un sentido. El proposito de
este experimento es proveer informacion necesaria para tomar decisiones administrativas satisfactorias.
La principal caracterstica de este tipo de experimentacion es que todos los tratamientos de interes estan
incluidos en el experimento. Consecuentemente, la estructura matematica basica es el modelo de efectos
jos ya que bajo experimentos repetidos se seleccionaran los mismos tratamientos. En este caso, es de
interes la deteccion y estimacion de relaciones determinadas (constantes) entre las medias del universo de
objetos considerados. Para estos modelos, el interes primordial es juzgar varias hipotesis relacionadas con
las medias de los tratamientos.(Melo-2007)
Cuando al nalizar un experimento las conclusiones se formulan sobre un n umero preestablecido de tra-
tamientos, el modelo se llama modelo de efectos jos y en este caso la inferencia se hace sobre los efectos
medios de los tratamientos. Si los tratamientos del experimento son una muestra aleatoria de una pobla-
cion de tratamientos, es decir, las conclusiones se formulan sobre un n umero mayor de tratamientos a los
usados en el experimento, el modelo se llama modelo de efectos aleatorios y en este caso la inferencia se
hace sobre las varianzas de los tratamientos. Si en la conduccion del experimento se combinan los modelos
anteriores el modelo se denomina modelo de efectos mixtos.(Melo-2007)
Debido a que lo que se quiere evaluar es el efecto de las edades del cultivo y dichas edades ya estan
predenidas por la investigadora es preciso realizar el experimento bajo este modelo.
111
CAP

Kruskal-Wallis
Las tecnicas no parametricas desarrolladas para el problema de t-muestras no requieren otro supuesto
mas que el de continuidad. La estrategia basica de la prueba de Kruskal-Wallis es asignar rangos a las n
observaciones y comparar la suma de los rangos por muestra (columna o tratamiento). La estadstica de
Kruskal-Wallis se calcula a partir de la expresion:
H =
12
n(n + 1)
t
i=1
1
r
i
_
R
i.
r
i
(n + 1)
2
_
2
Bajo la hipotesis, que las muestras provienen de la misma poblacion, H tiene una distribucion asintotica
ji-cuadrado con (t 1) grados de libertad. Se rechaza H
0
:
1
=
2
= =
k
con un nivel de signicancia
aproximado de cuando H
2
t1,
, donde
2
t1,
es el percentil (1 ) de la distribucion ji-cuadrado
con t 1 grados de libertad. El supuesto inicial de poblacion continua, obvia al menos teoricamente, el
problema de empates. Por problemas propios de la muestra se pueden presentar empates, esta situacion
se resuelve con el metodo del rango promedio. En caso de empates se sigue el mismo procedimiento de la
prueba de Mann-Whitney, que emplea la siguiente estadstica con correccion para empates
H
=
H
_
1
l
i=1
i(
2
i
1)
n(n
2
1)
_
con l el n umero total de empates y
i
el n umero de observaciones empatadas en el i-esimo empate,(Melo-
2007). Para mayor profundidad en modelos con efectos jos consultar Melo-2007. En el caso de no contar
con los supuestos necesarios para el modelo de efectos jos, se propone utilizar una prueba de Kruskal
Wallis para evaluar los efectos de la edad en la riqueza y abundancia de aves.
Efecto isla continente
Otra prueba de hipotesis permitira identicar si hay diferencias signicativas entre individuos recapturados
con respecto al area y la distancia de los fragmentos. Una prueba de Bray Curtis sera util para identicar
el grado de similaridad en la composicion de aves de cada estacion.
Analisis de correlacion canonica
El analisis de correlaciones canonicas estudia la relacion entre resultados de dos pruebas realizadas a una
poblaciòn. Se pretende investigar las relaciones entre ambos conjuntos de variables y conocer cuantas
dimensiones independientes tiene la relacion existente entre ellas. En general, correlacion canonica se
utiliza cuando un conjunto de variables multivariantes puede dividirse en dos grupos homogeneos (por
criterios economicos, demogra cos, sociales, etc.), y se desea estudiar la relacion entre ambos conjuntos
de variables. En particular, los dos grupos pueden corresponder a las mismas variables medidas en dos
momentos distintos en el tiempo, el espacio,..., etc. Supongamos que disponemos de un conjunto de datos
de n individuos y k variables que pueden subdividirse en dos grupos: el primero incluye p variables y el
segundo q, donde p + q = k. Por ejemplo, las primeras p variables representan las inversiones realizadas
por una empresa y las restantes q variables representan distintas medidas de benecios. Es posible que
p = q. Por ejemplo, cuando medimos las p variables en el instante t y en el instante t + 1. Llamaremos
X a la matriz n p que contienen los valores de las p primeras variables en los n elementos (individuos,
pases, empresas, etc...) e Y a la matriz (n q) que contienen los valores de las q segundas variables
medidas sobre esos mismos n elementos. Para medir la relacion entre ambos conjuntos vamos a buscar
una combinacion lineal de las p primeras variables que tenga la maxima correlacion con una combinacion
lineal de las q segundas variables. Es decir, llamando:
x
= X =
p
i=1
i
X
i
112
a una combinacion lineal de las variables del primer grupo, y :
y
= Y =
q
j=1
j
X
j
a una combinacion lineal de las variables del segundo, se desea encontrar los vectores y tales que las
nuevas variables x
e y
tengan maxima correlacion,(Pe na-2002).

As, pues, un analisis de Correlacion Canonica (CCA) permitira determinar si existe una relacion entre la
presencia o abundancia de aves con respecto al area y la distancia del parche seg un la estructura de cada
cultivo.
Software utilizado
El software que se utilizara para el procesamiento de la informacion arrojada por la investigacion sera R,
debido a que es de licencia libre y a que es uno de los de mayor aceptacion en los miembros del grupo
consultor.
Debido a que la investigacion esta en su fase inicial y la toma de datos iniciara hasta junio del presente
a no, no se cuenta a un con informacion para procesar ni con resultados, se debe aclarar, que la consultora
para este caso consistio en una gua para la correcta captura de datos y su posterior procesamiento, para
este n, se realizaron charlas con la consultante en las cuales se hizo especial enfasis en las precauciones
y recomendaciones previstas para este tipo de informacion as como tambien, de los posibles riesgos para
el analisis con los metodos estadsticos que le fueron seleccionados.
4.1.4. Conclusiones
Las conclusiones van encaminadas a la consultoria como tal y no a los resultados del caso debido a la fase
en la que se encuentra la investigacion.
Es muy acertada la decision de la consultante de tomar la consultora antes de iniciar su fase de
recoleccion y captura de datos, ya que de esta manera se puede planicar con menores errores y
mejores metodologas.
Es necesario profundizar en el ejercicio de las consultorias con el n de ampliar las perspectivas y
los horizontes del estadstico no solo en la univerisdad sino en el pais.
4.1.5. Bibliografa
Almazan N u nez, R. C. y A. G. Navarro S. 2006. Avifauna de la subcuenca del ro San Juan, Guerrero,
Mexico. Revista Mexicana de Biodiversidad, 77:103114.
Daz, Luis G. y Morales, Mario A. 2012. Estadstica multivariada: Inferencia y metodos. Universidad na-
cional de Colombia, Unibiblos. Bogota, Colombia.
Bibby, C. J, N. D. Burgess, D. A. Hill y S. Mustoe. 2000a. Bird census techniques. Second Edition Aca-
demic Press, Londres.
Codesido, M. y D. Bilenca. 2004. Variacion estacional de un ensamble de aves en un bosque subtropical
semiarido del ChacoArgentino. Biotropica, 36(4): 544-554.
113
CAP

Melo, O. O, Lopez, L. A, y Melo, S. E. 2007. Dise no de expermentos: Metodos y aplicaciones. Universidad
nacional de Colombia, Unibiblos. Bogota, Colombia.
Pe na, Daniel. Analisis de datos multivariantes. 2002. McGraw-Hill. Madrid.
Sutherland, W. J. The Conservation Handbook: Research, Management and Policy. 2000. Blackwell Scien-
ce, Oxford.
114
4.1.6. Bitacora
Ttulo del trabajo: Efecto del cultivo de palma de aceite (Elaeis guineensis), sobre la diversidad de aves
en San Carlos de Guaroa, Meta.
Nombre del solicitante: Diana Patricia Tamaris
Fecha de terminacion: En curso
Total de citas: 5
No FECHA EVOLUCI
ON
1 21/03/2012 Exposicion del caso por parte del consultante
2 28/03/12 Reunion y recomendaciones en la ocina del profesor Lopez a los consultantes, se
solicito bibliografa para contextualizar al grupo consultor.
3 18/04/12 Se hicieron recomendaciones para los objetivos 2 y 3 exponiendo la metodologa
estadstcia adecuada para la consecucion de los mismos.
4 09/05/12 Debido a un cambio en el objetivo de la tesis se replanteo la metodologa a emplear
con la consultante.
5 06/06/12 Se recomendaron metodologas para la consecucion del objetivo 1 y se discutieron
dudas de la consultante respecto a todas las metodologas.
115
CAP

4.2. Cliente No. 2
Solicitante
Nombres y Apellidos: Jair Mora Gamboa
Programa Academico: Maestra en ecologa
Facultad: Ciencias
Nivel de formacion: Maestria
Tutor-Proyecto
Nombres y Apellidos: Joao Victor Mu noz Duran
Facultad: Ciencias
Ttulo del trabajo
Estimacion de la conformacion craneal ancestral de la sub-familia Caninae.
El consultante Jair Mora asistio el da 21 de Marzo, con su tutor Joao Mu noz, este da fue expuesto
el problema por el cual asistan en busca de asesora estadstica. Inicialmente se realizo por parte del
consultante una contextualizacion acerca de los principales temas que se involucraban en la tesis y por
consiguiente se expuso los objetivos que se esperaban trabajar en conjunto.Ademas nos indicaron de que
forma se haban obtenido los datos y que procedimientos se haban realizado con estos, de esta forma se
pacto un estudio para encontrar propuestas apropiadas con las cuales se pudiera abordar los objetivos de
la consulta. En esta primera cita fueron facilitados documentos y papers por parte del consultate acerca
de temas pertinentes para este caso.
Caninae es una sub familia de los canidos, es la unica subfamilia en este grupo que cuenta con represen-
tantes vivos. A ella pertenecen todos los canidos que habitan actualmente la Tierra, como lobos, chacales
y zorros. Los miembros de este orden se distinguen por la considerable cantidad de vertebrados que hacen
parte de sus dietas y por poseer un par de dientes carnasiales formados por el cuarto premolar superior y
el primer molar inferior, caracterizados por bordes largos y losos a modo de dispositivo cortante.
Los esfuerzos dirigidos a reconstruir la historia evolutiva de los Caninae han sido numerosos y han invo-
lucrado m ultiples fuentes de informacion, como datos morfologicos, moleculares, citogeneticos, ecologicos
y comportamentales. En este orden los Caninae ejercen m ultiples impactos sobre los organismos con los
que comparten el espacio, las estrategias de vida de estos pueden afectar las tasas de captura sobre las
presas, la eciencia depredatoria o forrajera en terminos de relaciones costobenecio, el establecimiento
de sistemas de apareamiento y las actividades de cuidado parental, entre otras.
De igual forma estos animales ejercen diversas inuencias sobre parametros poblacionales de las presas y
carnvoros simpatricos, as como sobre algunos patrones de historia de vida, estrategias comportamenta-
les y, a largo plazo, pueden incluso afectar las probabilidades de especiacion y extincion de tales organismos.
La socialidad y el gremio alimenticio son algunas de las estrategias que mas involucra estos impactos, para
poder determinar la magnitud de estos y el costo de la especializacion de una estrategia como la socia-
lidad y el gremio alimenticio, hay que adentrarse en el estudio historico del comportamiento alimenticio
y el contexto social bajo el cual evoluciono. Para tal n se hace necesario a partir de especies actuales
de Caninae conocidas clasicar o discriminar con metodos estadsticos consistentes los ancestros en las
116
estrategias de socialidad y gremio alimenticio.
Esto ultimo es la razon principal de la consultoria, ya que eso ayudara a entender bajo que condiciones se
desenvolvieron las comunidades ancestrales de mamferos, cuales fueron los impactos de tales condiciones y
que tan preocupantes son las que estan observando en las especies actuales. Por supuesto, el conocimiento
aportado por la discriminacion o clasicaci on dara mas luces para establecer prioridades de conservacion.
Los gremios alimenticios y sociales en los que se busca hacer la clsicacion son:
Codicacion Socialidad
Solitario Familiar Social
Codicacion Alimentacion
Omnvoro Insectvoro Carnvoro Hipercarnvoro
Palabras claves
Sub familia Caninae, Socialidad, Gremio alimenticio.
4.2.1. Objetivos
Clasicar mediante metodos estadsticos consistentes los ancestros reconstruidos de cada una de las espe-
cies de la subfamilia Caninae analizadas, en gremios alimenticios y de socialidad, para entender bajo que
condiciones se desenvolvieron las comunidades ancestrales de mamferos.
A continuacion se exponen tres metodos estadsticos consistentes para abordar de forma adecuada las
necesidades del consultante.
Primer metodo: Fundamentos del algoritmo de k-medias
El metodo k-medias, tiene como objetivo la particion de los puntos iniciales en los 4 grupos de interes para
este caso en particular, tal que la suma de los cuadrados de los puntos a los centros de los conglomerados
asignados sea minimizada.
Esta metodo realiza la particion de manera que:
Cada elemento pertenezca a uno y solo uno de los grupos
Todo elemento quede clasicado
Cada grupo sea internamente homogeneo
Supongamos una muestra de n elementos con p variables. El objetivo es dividir esta muestra en un n umero
de grupos prejado, G. El algoritmo de k medias requiere las cuatro etapas siguientes:
Seleccionar G puntos como centros de los grupos iniciales
Calcular las distancias euclidianas de cada elemento a al centro de los G grupos, y asignar cada
elemento al grupo mas proximo. La asignacion se realiza secuencialmente y al introducir un nuevo
elemento en un grupo se recalculan las coordenadas de la nueva media de grupo.
Denir un criterio de optimalidad y comprobar si reasignando uno a uno cada elemento de un grupo
a otro mejora el criterio.
Si no es posible mejorar el criterio de optimalidad, terminar el proceso.
117
CAP

Segundo metodo: Regresion logstica con respuesta politomica
Un modelo estadstico, tiene como nalidad principal explicar el comportamiento (en terminos de variabi-
lidad) de las variables que, de acuerdo con el marco conceptual asumido por el investigador, estan ligadas
a un fenomeno mediante otras variables asociadas al mismo fenomeno [?].
La regresion Logstica es una tecnica estadstica multivariante que nos permite estimar la relacion existente
entre una variable dependiente (politomica) y un conjunto de variables independientes cuantitativas o
cualitativas. As pues el modelo sera util en frecuentes situaciones practicas de investigacion en que la
respuesta puede tomar varias categoras.
Para el caso, tenemos un modelo de regresion logstica con respuesta politomica por medio del cual
deseamos clasicar los ancestros reconstruidos en los 4 gremios alimenticios ya mencionados, para ello
se uso de la tecnicas de regresion logstica en la cual la respuesta es una variable nominal. La funcion
matematica con la cual se expresan las relaciones entre las variables puestas en juego seg un las necesidades
del consultor es:
P(Y = k) =
exp(
k
X)
1 +
r1
i=1
exp(
i
X)
; para k = 1, 2, ..., r 1. (4.2)
Donde
exp[
i
X] = exp[
1
+
i1
X
1
+
i2
X
2
+... +
ip
X
p
]
Entre los propositos del modelamiento estadstico se cuentan la descripcion de informacion, la prediccion
y el analisis de un problema contextualizado en una situacion real. La regresion logstica no es ajena a los
propositos anteriores, pues con su aplicacion se pretende tener un dispositivo con el cual se pueda hacer
una descripci on de la realidad contenida en un conjunto de datos, sin perder de vista que esta mirada es
reducida o parcial [?].
Tercer metodo: Analisis discriminante
El Analisis Discriminante se puede considerar en particular para este caso como un analisis de regresion
donde la variable dependiente es categorica(gremio alimenticio) y tiene como categoras la etiqueta de cada
uno de los grupos (Omnvoro, Insectvoro, Carnvoro, Hipercarnvoro), y las variables independientes son
continuas y determinan a que grupos pertenecen los individuos. Se pretende encontrar relaciones lineales
entre las variables continuas que mejor discriminen en los grupos dados, a los individuos.
En otra palabras el analisis discriminante es una tecnica estadstica multivariante cuya nalidad es describir
(si existen) las diferencias entre g grupos de objetos mencionados sobre los que se observan p variables
(variables discriminantes). Mas concretamente, se comparan y describen las medias de las p variables
clasicadoras a traves de los g grupos.
En caso de que estas diferencias existan, intentara explicar en que sentido se dan y proporcionar proce-
dimientos de asignacion sistematica de nuevas observaciones con grupo desconocido a uno de los grupos
analizados, utilizando para ello sus valores en las p variables clasicadoras (estos s, conocidos).
Para el caso de dos poblaciones normales se expondra el analisis anterior. Sea f
1
y f
2
distribuciones
normales de cada poblacion con distintos vectores de medias pero identica matriz de varianzas. Para
establecer la regla con caracter general se supondra que se desea clasicar un elemento generico X que si
pertenece a la poblacion i = 1, 2 tiene funcion de densidad:
f
(i)
=
1
(2)
p
2
|V |
1
2
exp
_
1
2
(X
i
)
V
1
(X
i
)
_
(4.3)
118
La particion optima , es clasicar en la poblacion 2 si:
f
2
(X)
2
c(2|1)
>
f
1
(X)
1
c(2|1)
(4.4)
Donde c(i|j) es el coste de clasicacion en P
i
de una unidad que pertenece a P
j
, y
1
y
2
las probabi-
lidades apriori, estos se suponen conocidos. Como ambos terminos son positivos, tomando logaritmos y
sustituyendo f
i
(X) por su expresion, la ecuacion anterior se convierte en:
1
2
(X
2
)
V
1
(X
2
) +log

2
c(1|2)
>
1
2
(X
1
)
V
1
(X
1
) +log

1
c(1|2)
(4.5)
Llamando D
2
i
a la distancia de Mahalanobis entre el punto obsevado X, y la media de la poblacion i:
D
2
i
= (X
i
)
V
1
(X
i
) (4.6)
Se puede escribir:
D
2
1
log
1
c(1|2) > D
2
2
log
1
c(2|1) (4.7)
Y suponiendo iguales los costes y las probabilidades a priori, c(2|1) = c(1|2);
1
=
2
, la regla anterior se
reduce a:
Clasicar en 2 si D
2
1
>D
2
2
Es decir clasicar la observacion en la poblacion de cuya media este mas proxima midiendo la distancia
con la distancia de Mahalanobis.
Reglas de discriminacion para varios grupos
Se considera ahora el caso de muestras obtenidas desde k grupos G
1
, G
2
, ..., G
k
. Se desarrollan reglas de
discriminacion para el caso de varias poblaciones que tienen matrices de covarianzas igual.
Grupos con matrices de covarianzas iguales. Cuando se muestrea, varias poblaciones normales
con matrices de covarianzas iguales, las funciones de discriminacion otima son lineales. Estas funciones
de clasicaci on se obtienen aqu. Si p
1
, p
2
, ..., p
k
son las probabilidades a priori que una observacion X
proceda de la poblacion G
1
, G
2
, ..., G
k
, respectivamente; la regla de clasicacion optima, conociendo las
funciones de densidad es la siguiente:
Asignar X a la poblacion G
i
si
p
i
f
i
(X) > p
j
f
j
(X), paratodo j = 1, ..., k.
Es decir,
p
i
f
i
(X) = max
j
p
j
f
j
(X).
Maximizar p
i
f
i
(X) es equivalente a maximizar ln(p
i
f
i
(X)).
Si X N
p
(
i
, ), se obtiene
ln(p
j
f
j
(X)) = ln(p
i
)
1
2
pln(2)
1
2
ln||
1
2
(X
i
)
1
(X
i
)
119
CAP

Donde es la varianza com un a las k poblaciones.
Notese que cuando no hay informacion a priori sobre las p
i
, se opta por asumir que estas son iguales
(distribucion no informativa), y estas cantidades p
i
desaparecen de la regla de clasicacion; la regla de
discriminacion es entonces la de maxima verosimilitud. Ademas, se debe advertir que p es el n umero de
variables, mientras que los p
i
son las probabilidades a priori. Al desarrollar los calculos algebraicos sobre
la expresion anterior, se obtiene:
ln(p
i
) +
1
X
1
2
i
Para observaciones muestrales (n
i
por grupo), se asigna la observacion X al grupo para el cual se maximice.
S
p
=
k
i=1
(n
i
1)S
i
k
i=1
(n
i
1)
(4.8)
Si se asume igual probabilidad a priori (p
i
), entonces la observacion X se asigna al grupo G
i
que produzca
el mayor valor D
i
. Alternativamente, se puede denir D
ij
= D
i
D
j
, tal que la regla de asignacion, por
ejemplo para i = 1, 2, 3, es:
Asignar a G
1
si D
12
> 0 y D
13
> 0
Asignar a G
2
si D
12
< 0 y D
23
> 0
Asignar a G
3
si D
13
< 0 y D
23
< 0
De esta manera, el espacio de los individuos es dividido en tres regiones de discriminacion, cuyas fronteras
vienen dadas por las reglas de asignacion D
ij
.
Software utilizado
Para realizar los analisis correspondientes fue utilizado el software estadstico R [?]. En particular fueron
utilizados los siguientes paquetes de dicho software:
stats [?]
MASS [?]
mvShapiroTest [?]
survival [?]
car [?]
splines [?]
lattice [?]
qAnalyst [?]
nnet [?]
energy [?]
foreign [?]
epicalc [?]
120
Descripcion de las bases de datos
Antes de indicarse los resultados obtenidos a partir de los metodos estadsticos con los cuales se trabajo
en este caso de consultora, se realiza una descripcion de las bases de datos para los individuos observados
y para los individuos reconstruidos.
La base de datos de los individuos actuales tiene las siguientes variables e individuos (especies) respecti-
vamente: 1X, 1Y ,
2X, 2Y , 3X, 3Y , UniX, UniY .
Individuoes-Especies
NPR: Nyctereutes procyonoides
OME: Otocyon megalotis
UCI: Urocyon cinereoargenteus
VBE: Vulpes bengalensis
VCH: Vulpes chama
VPA: Vulpes pallida
VRU: Vulpes rueppelli
VZE: Vulpes zerda
VVU: Vulpes vulpes
VLA: Vulpes lagopus
VFE: Vulpes ferrilata
VMA: Vulpes macrotis
VVE: Vulpes velox
CBR: Chrysocyon brachyurus
AMI: Atelocynus microtis
CTH: Cerdocyon thous
PSE: Pseudalopex sechurae
PVE: Pseudalopex vetulus
PFU: Pseudalopex fulvipes
PGY: Pseudalopex gymnocercus
PCU: Pseudalopex culpaeus
PGR: Pseudalopex griseus
CAD: Canis adustus
CME: Canis mesomelas
CAL: Cuon alpinus
LPI: Lycaon pictus
SVE: Speothos venaticus
CSI: Canis simensis
CAU: Canis aureus
Para la base de los ancestros se tienen las mismas variables pero no se tienen los individuos, justamente
esto ultimo es lo que se pretende obtener con la clasicacion.
Resultados obtenidos con el primer metodo
Con el metodo de k-medias sugerido se obtuvieron cuatro grupos (numero prejado) de 10, 7, 6 y 6
individuos cada uno respectivamente, este algoritmo indico que los centros de cada uno de los grupos
deban tener las siguientes coordenadas:
Cluster means:
121
CAP

X1X X1Y X2X X2Y X3X X3Y UniX UniY
1 -0.00283 0.001031 -0.00864 0.000052 -0.00801 0.0025 -0.01021 0.01235
2 -0.00672 0.000781 0.00072 0.000305 -0.00580 0.0045 0.00769 -0.00041
3 0.00974 -0.002302 0.01410 -0.000988 0.01743 -0.0059 0.01742 -0.02070
4 0.00438 -0.000417 -0.00019 0.000516 0.00597 -0.0048 -0.00947 -0.00127
Finalmente este metodo se nala a cual grupo pertenece cada uno de los individuos que se clasicaron
Clustering vector:
[1] 1 1 2 1 2 2 2 2 3 3 3 3 1 1 1 1 1 1 1 2 2 4 4 4 3 3 4 4 4
Lo anterior nos esta indicando que el primer y segundo individuo pertenecen al grupo uno, y esto se hace
para cada uno de los individuos en estudio.
Resultados obtenidos con el segundo metodo
De acuerdo a la teora expuesta sobre regresion logstica y de acuerdo ademas a la naturaleza de la variable
dependiente que para este caso la llamamos gremio, se obtiene el siguiente modelo:
Gremio =
0
+
1
1X +
2
IY +
3
2X +
4
2Y +
5
3X +
6
3Y +
7
UniX +
8
UniY +
Mediante el uso del software R se obtienen las siguientes estimaciones de los s:
stopped after 100 iterations
Call:
multinom(formula = Gremio ~ X1X + X1Y + X2X + X2Y + X3X + X3Y +
UniX + UniY)
Coefficients:
(Intercept) X1X X1Y X2X X2Y
2 -4.711846 -94.55035 -44.823515 97.32773 -36.3756
3 -1.256853 99.084177 0.040296 314.3296 3.06506
4 -8.007220 503.19639 -126.51532 38.63611 152.467
X3X X3Y UniX UniY
2 -152.7707 151.3399 -29.83917 -40.58074
3 72.59185 -123.24623 9.404454 26.0213
4 262.4839 -73.46466 12.61878 -20.17570
Residual Deviance: 21.54529
AIC: 75.54529
De la anterior salida se observan las estimaciones de los parametros s para cada una de las variables
incluidas en el modelo, se observa un AIC bajo de 75,54 indicando que efectivamente este es el mejor
modelos que explica la variable dependiente.
Posteriormente, se calculo la probabilidad que tenia cada individuo de pertenecer a uno de los 4 gremiso
o grupos denidos, utilizando el modelo descrito anteriormente, Dichas probabildades se consignan en la
siguiente salida.
> prob.ances
prob1 prob2 prob3 prob4
[1,] 9.180094e-01 1.810592e-02 6.385480e-02 2.987060e-05
[2,] 9.250179e-01 1.776596e-02 5.719180e-02 2.433976e-05
[3,] 9.021331e-01 5.354041e-02 4.432492e-02 1.592180e-06
[4,] 5.886419e-01 4.113263e-01 3.186162e-05 5.658890e-11
[5,] 7.701901e-01 2.948778e-02 2.003118e-01 1.032759e-05
[6,] 7.911350e-01 1.770725e-01 3.179243e-02 8.652908e-08
[7,] 7.464778e-01 2.304032e-01 2.311894e-02 5.381424e-08
122
[8,] 6.171042e-01 3.218998e-01 6.099581e-02 2.198525e-07
[9,] 2.072058e-02 5.647493e-05 9.772566e-01 1.966310e-03
[10,] 4.489679e-03 6.575676e-06 9.919209e-01 3.582832e-03
[11,] 4.879783e-03 7.370234e-06 9.935393e-01 1.573522e-03
[12,] 2.541385e-03 1.774296e-05 9.973418e-01 9.908417e-05
[13,] 9.540994e-01 6.584707e-03 3.924262e-02 7.328417e-05
[14,] 9.900824e-01 6.922771e-03 2.991840e-03 2.978160e-06
[15,] 9.880914e-01 8.803167e-03 3.102810e-03 2.628651e-06
[16,] 9.780279e-01 1.641274e-02 5.556646e-03 2.698101e-06
[17,] 9.743819e-01 1.958681e-02 6.026687e-03 4.648625e-06
[18,] 9.739196e-01 2.048144e-02 5.589869e-03 9.104080e-06
[19,] 9.661900e-01 1.190374e-02 2.186235e-02 4.395108e-05
[20,] 9.462327e-01 1.030701e-02 4.343763e-02 2.268448e-05
[21,] 8.534190e-01 6.224678e-03 1.403064e-01 4.996722e-05
[22,] 7.440290e-01 2.746225e-03 2.512177e-01 2.007162e-03
[23,] 5.149409e-01 1.317930e-03 4.769219e-01 6.819245e-03
[24,] 2.868506e-01 3.488556e-04 6.858510e-01 2.694956e-02
[25,] 1.256495e-05 5.196238e-10 9.176140e-03 9.908113e-01
[26,] 2.783243e-07 9.918108e-12 4.494838e-04 9.995502e-01
[27,] 4.276106e-01 4.243071e-04 5.679626e-01 4.002532e-03
[28,] 5.097543e-01 8.280666e-04 4.795046e-01 9.913055e-03
[29,] 4.186395e-01 3.388673e-04 5.163609e-01 6.466075e-02
A partir de la anterior salida se determina a que grupo pertenecera cada individuo, de esta forma el primer
individuo va a quedar clasicado en el primer grupo, el segundo va a estar clasicado de igual manera en
el primer grupo y de esta forma se decide a que grupo pertenece cada individuo.
Resultados obtenidos con el tercer metodo
Se encontro que las variables de estudio no tenan una distribucion normal multivariada ni homocedastici-
dad de varianza entre grupos como se indica en las siguientes salidas que se obtienen al realizar la prueba
de normalidad mediante la funcion mvShapiroTest para la base de datos observados y la base de datos
reconstruidos 4.2.3respectivamente.
Generalized Shapiro-Wilk test for Multivariate Normality
data: Obser
MVW = 0.9289, p-value = 6.611e-06
data: rec
MVW = 0.9204, p-value = 4.367e-06
Debido a que uno de los supuestos que se debe cumplir para realizar un analisis discrimnate es el de nor-
malidad multivariada, se procedio a realizar una transformacion de Box Cox, a continuacion se conrmo
normalidad multivariada realizando nuevamente la prueba de normalidad mediante la funcion mvShapi-
roTest, obteniendose lo siguiente:
data: data
MVW = 0.9604, p-value = 0.1935
A partir de estos resultados se puede decir que hay evidencia estadstica para suponer normalidad multi-
variada para las variables. A continuacion se procedio a realizar el analisis discriminante para el gremio
social de los individuos, por medio de una funcion lda que se encuentra implementado en el software R, y
los resultados obtenidos son los siguientes:
123
CAP

table(grupo,Gremio)
Gremio
grupo 1 2 3
1 14 3 0
2 2 7 0
3 0 0 5
tea<-1-sum(grupo == Gremio)/31;tea
[1] 0.1612903
Se observa la tabla donde se muestran como quedaron clasicados los individuos originales, al realizar una
comparacion con la clasicacion existente de los individuos conocidos, se observa que la mayora quedaron
bien clasicados a excepcion de tres individuos que pertenecan al grupo 1, pero que al realizar el analisis
quedaron discriminados en el grupo dos, y dos individuos que pertenecan al grupo dos pero quedaron
clasicados en el grupo uno. En la salida tambien se muestra la tasa de error de clasicacion que para
el caso del del gremio social fue aproximadamente de 16 %, un valor que se puede considerar peque no
indicando una buena clasicacion.
El mismo procedimiento se realizo para el gremio alimenticio para los individuos conocidos, obteniendose
los siguientes resultados:
table(grupo1,Alim$Alimen)
grupo1 1 2 3 4
1 13 0 2 0
2 1 3 0 0
3 2 0 7 1
4 0 0 0 2
tea1<-1-sum(grupo1 == Alim$Alimen)/31;tea1
[1] 0.1935484
La tasa de error para la clasicacion en el grupo alimentario es de aproximadamente el 20 %, aunque
es mas grande que para el caso anterior sigue siendo relativamente peque na, indicando una clasicacion
adecuada.
Una vez se tiene la funcion discriminante se prodece a clasicar los ancestros en los gremios deseados por
medio de la funcion predict que se muestra en la seccion 4.2.5 , obteniendose los siguiente resultados:
datapred<-cbind(predSoc,predAlim)
Social Alim
[1,] 1 1
[2,] 1 1
[3,] 2 1
[4,] 2 2
[5,] 2 1
[6,] 1 1
[7,] 1 1
[8,] 1 2
[9,] 2 3
[10,] 2 3
[11,] 2 3
[12,] 2 3
124
[13,] 1 1
[14,] 1 1
[15,] 1 1
[16,] 1 1
[17,] 1 1
[18,] 1 1
[19,] 1 1
[20,] 1 1
[21,] 1 1
[22,] 2 1
[23,] 2 3
[24,] 2 3
[25,] 3 4
[26,] 3 4
[27,] 2 3
[28,] 2 3
[29,] 2 3
A partir de esto se ve que los 29 individuos reconstruidos quedaron clasicados tanto para el gremio
alimenticio como para el gremio social, por ejemplo el primer individuo quedo en el primer grupo tanto
de la clasicacion alimenticia como social. Se resume en la siguiente tabla el n umero de individuos con el
cual queda cada grupo en la clasicacion tanto para el gremio alimentario como para el gremio social:
Gremio N. Grupo1 N. Grupo2 N. Grupo3 N. Grupo4
Social 14 13 2 0
Alimenticion 16 2 9 2
4.2.4. Conclusiones
La socialidad y el gremio alimenticio son algunas de las estrategias que mas se involucra en impactos sobre
parametros poblacionales de las presas, as como sobre algunos patrones de historia de vida, estrategias
comportamentales y, a largo plazo, pueden incluso afectar las probabilidades de especiacion y extincion
de tales organismos. Para poder determinar la magnitud de estos y el costo de la especializacion de una
estrategia como la socialidad y el gremio alimenticio, hay que adentrarse en el estudio historico del com-
portamiento alimenticio y el contexto social bajo el cual evoluciono.
Para tal n se realizo a partir de especies conocidas de Caninae, clasicacion o discriminacion de los
ancestros reconstruidos en los gremios de socialidad y alimenticios mediante tres metodos estadsticos
consistentes, que fueron propuestos de acuerdo a las circunstacias de la investigacion y a la naturaleza
misma de las variables involucradas.
Luego de hacer un estudio profundo de dichos metodos se realizaron las correspondientes rutinas con el
n de determinar cual y de que forma se estaban realizando las agrupaciones para que de esta forma el
consultante se acercara a la evolucion de esta especie y sus caractersticas asociadas.
Los metodos propuestos fueron primero aplicados a los datos de los individuos conocidos y de los cuales
se tena conocimiento previo de su clasicacion para conrmar que los resultados coincidieran. Por consi-
guiente se compararon los resultados obtenidos bajo los tres procedimientos cuando fueron aplicados a los
datos reconstruidos y se observo verazmente que estaban coincidiendo, es decir, que las agrupaciones que
se obtenan con una de estas rutinas se estaban dando de igual forma bajo otro de los procedimientos.
125
CAP

4.2.5. Bibliografa
Chongsuvivatwong, V. (2012), epicalc: Epidemiological calculator. R package version 2.14.1.6.
*http://CRAN.R-project.org/package=epicalc
Daz Monroy, L. G. Morales Rivera, M. A. (2011), Estadstica multivariada: inferencia y metodos.,tercera
edn, Unibiblos, Universidad Nacional de Colombia, Bogota.
Estrada, E. G. Alva, J. A. V. (2009), mvShapiroTest: Generalized Shapiro-Wilk test for multivariate
normality. R package version 0.0.1.
*http://CRAN.R-project.org/package=mvShapiroTest
Fox, J. Weisberg, S. (2011), An R Companion to Applied Regression, second edn, Sage, Thousand Oaks
CA. *http://socserv.socsci.mcmaster.ca/jfox/Books/Companion
McArdle, B. Rodrigo, A. G. (2007), INTRODUCCI
ON A LA MORFOMETR
IA GEOM
ETRICA., CEN-
TRO NACIONAL PATAG
ONICO . R Core Team (2012), foreign: Read Data Stored by Minitab, S, SAS,
SPSS, Stata, Systat, dBase, ... R package version 0.8-50.
*http://CRAN.R-project.org/package=foreign
R Development Core Team (2011a), R: A Language and Environment for Statistical Computing, R Foun-
dation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0.
*http://www.R-project.org
R Development Core Team (2011b), R: A Language and Environment for Statistical Computing, R Foun-
*http://www.R-project.org/
R Development Core Team (2011c), R: A Language and Environment for Statistical Computing, R Foun-
*http://www.R-project.org/
Rizzo, M. L. Szekely, G. J. (2011), energy: E-statistics (energy statistics). R package version 1.4-0.
*http://CRAN.R-project.org/package=energy
Sarkar, D. (2008), Lattice: Multivariate Data Visualization with R, Springer, New York. ISBN 978-0-387-
75968-5. *http://lmdvr.r-forge.r-project.org
SILVINA VAN DER MOLEN, NEUS MART
INEZ ABAD
IAS, R. G.-J. (2005), Estimating the Ances-

tral States of a Continuous-Valued Character Using Squared-ChangeParsimony: An Analytical Solution.,
Journal of the American Statistical Association Vol. 43, No. 4 (Dec., 1994), 573578.
Spano, A. (2011), qAnalyst: Control Charts, Capability and Distribution Identication. R package version
0.6.4. *http://CRAN.R-project.org/package=qAnalyst
Therneau, T. original Splus->R port by Thomas Lumley (2011), survival: Survival analysis, including
penalised likelihood. R package version 2.36-10. *http://CRAN.R-project.org/package=survival
Venables, W. N. Ripley, B. D. (2002a), Modern Applied Statistics with S, fourth edn, Springer, New
York. ISBN 0-387-95457-0. *http://www.stats.ox.ac.uk/pub/MASS4
Venables, W. N. Ripley, B. D. (2002b), Modern Applied Statistics with S, fourth edn, Springer, New
126
York. ISBN 0-387-95457-0. *http://www.stats.ox.ac.uk/pub/MASS4
Wilson, S. J. P. S. (2005), Choosing Between Logistic Regression and Discriminant Analysis., Journal of
the American Statistical Association Vol. 73, No. 364. (Dec., 1978), 699705.
Anexos
Para el metodo de k-medias, se anexa las instrucciones que se utilizaron para realizar los procedimientos
descritos en la seccion 4.2.3.
#####K-medias####
(cl <- kmeans(datosRecon, 4))
plot(datosRecon, col = cl$cluster)
kmeans(datosRecon,1)$withinss
Para los procedimientos realizados en la seccion 4.2.3 se utilizo la siguiente rutina:
#####Estimacion Coeficientes#######
multinom(formula = Gremio ~ X1X + X1Y + X2X + X2Y + X3X + X3Y +
UniX + UniY)
Para el ultimo metodo utilizado en la seccion 4.2.3 se hizo uso de las siguientes instrucciones:
###prueba normalidad####
Social<-as.matrix(Social)
mvShapiro.Test(Social)
######TRANSFORMACIONES####
dat<-matrix(0,nrow(Social),ncol(Social)-1)
for(i in 1:8)
{
dat[,i]<-Social[,i]+1.1*abs(min(Social[,i]))
}
lambda<-boxcoxFun(dat)
lambda<-lambda$parameters
new<-matrix(0,nrow(dat),ncol(dat))
for(i in 1:8)
{
new[,i]<-((dat[,i])^(lambda[i])-1)/(lambda[i])
}
####analisis discriminante####
Social<-data.frame(Social)
127
CAP

dis <- lda(Gremio ~ X1X+X1Y+X2X+X2Y+X3X+X3Y+UniX+UniY, data=Social, prior=c(1/3,1/3,1/3))
pred<-predict(dis,newdata=Social[,-9])
grupo<-predict(dis,method="plug-in")$class
table(grupo,Gremio)
tea<-1-sum(grupo == Gremio)/31
####clasificacion de los ancestros####
prednew<-predict(dis,newdata=ances);prednew$class
prednew1<-predict(dis1,newdata=ances);prednew1$class
predSoc<-cbind(prednew$class);predSoc
predAlim<-cbind(prednew1$class);predAlim
datapred<-cbind(ances,predSoc,predAlim)
datapred<-cbind(predSoc,predAlim)
128
4.2.6. Bitacora
Ttulo del trabajo: Estimacion de la conformacion craneal ancestral de la sub-familia Caninae.
Nombre del solicitante: Jair Mora Gamboa
Total de citas: 6
No FECHA EVOLUCI
ON
1 21/03/2012 Exposicion del caso por parte del consultante
2 26/03/2012 Reunion y recomendaciones en ocina del profesor a los consultantes, se solicito
bases de datos con las que se hubiese trabajado hasta ese momento.
3 11/04/2012 Se reviso procedimientos que se haban realizado con los datos, validando las prue-
bas de normalidad, homocedasticidad y se expuso algunas rutinas que se podran
usar en R para implementar el metodo de k-medias(metodo inicial).1
4 08/05/2012 Luego de implementar el metodo uno, se propuso realizar una regresion logstica,
ya que la variable dependiente era politomica, se le enviaron documentos al consul-
tante para que este entendiera a groso modo de que se trataba dicho procedimiento,
ademas se aclararon dudas en las rutinas de R.
5 24/05/2012 Se conrmo que el procedimiento fuera coherente mediante la clasicacion de los
individuos conocidos y sobre los que se conoca previamente su clasicacion. El
consultante indico que de acuerdo a la experiencia las agrupaciones tenian sentido.
6 07/06/2012 Finalmente como no se tenia normalida se exploro un procedimiento que exige este
supuesto, el analisis discriminante se uso luego de ealizar una trasnformacion.
129
CAP

4.3. Cliente No. 3
Solicitante
Nombres y Apellidos: Juan Sebastian Celis Melo
Programa Academico:Maestria en estudios del caribe Facultad: Ciencias
Nivel de formacion: Maestria
Tutor-Proyecto
Nombres y Apellidos: Jose Ernesto Mancera Pineda
Facultad: Ciencias
Ttulo del trabajo
Evaluacion del efecto de las intoxicaciones alimentarias de origen marino sobre el turismo en la isla de
San Andres.
La primera cita que se tuvo con juan Sebastian fue va skype, ya que el se encuentra cursando sus estudios
en la sede San Andres, Esa primera cita fue poco productiva debido a los problemas de comunicacion que
se tenan va internet, entonces se le planteo que nos enviara la informacion por correo electronico para
revisarla y concretar citas posteriores..
El modelo de desarrollo que actualmente impera en el Caribe es el basado en el turismo, siendo posible
armar que ??en el siglo XXI las economas del Caribe insular dedican una porcion cada vez mayor de sus
recursos a la promocion de las industrias de ocio y recreacion, industrias ?post trabajo? (Pantojas, 2006).
Estimaciones del n umero de intoxicaciones por consumo de recursos pesqueros contaminados, especial-
mente por ciguatera obtenidos por los servicios de Salud P ublica en las Islas del Caribe son subvalorados,
ya que menos del o.1Asimismo, estudios realizados en los 70s y 80s en Puerto Rico y las Islas Vrgenes
Americanas estiman que ente 16 mil y 18 mil personas presentaron problemas de intoxicacion por cigua-
tera por a no a lo largo de estas decadas (Hokama and Miyahara 1986. Tosteson 1995). Se han reportado
aumentos en los casos de Floraciones Algales Nocivas (FAN) alrededor del mundo, as como de las toxinas
algales ligadas a este fenomeno natural (Burkholder, J. 1998. Van Dolah, F. 2000). La isla de San Andres
depende en gran medidad de la actividad turstica, que como otras islas del Caribe, esta sujeta a las
amenazas de origen marino, en este caso, las intoxicaciones alimentarias producidas por el consumo de
pescado contaminado.
Palabras clave
Ciguatera, Floraciones Algales, Toxinas algales
4.3.1. Objetivos
El objetivo principal que se tiene en este estudio es Establecer en el corto y mediano plazo, el nivel de
amenaza que para la pesca y el turismo, dos de las principales actividades productivas de San Andres,
representan las intoxicaciones por ingesta de productos pesqueros contaminados con biotoxinas de origen
marino.
130
El investigador tiene las siguientes necesidades:
1. Determinar la incidencia de intoxicaciones alimentarias de origen marino en la isla de San Andres.
2. Establecer las posibles consecuencias de las intoxicaciones alimentarias sobre el turismo de la isla de
San Andres.
Para poder Brindar una posible solucion al problema propuesto y en las reuniones que se han podido tener
el consultante nos indico que su idea principal era tener un tama no de muestra para encuestar a turistas,
pescadores y trabajadores de la salud en la isla en la temporada de vacaciones que se aproxima.
La metodologa que se esta empleando en este caso es, primero el dise no y desarrollo de encuestas para
determinar mas que el impacto de las intoxicaciones causadas por la ciguatera, es medir el nivel de
vulnerabilidad de la poblacion turista que llega a la isla, la segunda parte de la metodologa es determinar
un tama no de muestra, para aplicar la encuesta anteriormente dicha, y el tercer punto realizar un analisis
de los resultados obtenidos.
Para resolver la primera parte del problema en las reuniones se han ido implementando y modicando
algunos formularios de encuesta, un trabajo en conjunto de los integrantes del grupo y el consultante en
presente momento se tienen unos modelos de estos formularios, donde se tienen preguntas propuestas en
base a encuestas realizadas anteriormente.
Para la segunda parte de determinar el tama no de muestra, en el caso de los turistas no podemos determinar
un tama no de muestra optimo ya que no contamos con un marco muestral de esta poblacion, entonces lo
que se plantea aca son metodos inicialmente de muestreo no probabilstico, algunos de los metodos que se
discutieron fueron:
MUESTREO POR CUOTAS: Tambien denominado en ocasiones, .
a
ccidental. Se asienta general-
mente sobre la base de un buen conocimiento de los estratos de la poblacion y/o de los individuos mas
representativos.
o
.
a
decuadospara los nes de la investigacion. Mantiene, por tanto, semejanzas con el
muestreo aleatorio estraticado, pero no tiene el caracter de aleatoriedad de aquel.
En este tipo de muestreo se jan unas cuotasque consisten en un n umero de individuos que re unen unas
determinadas condiciones, por ejemplo en nuestro caso: quiero 20 individuos de 25 a 40 a nos, de sexo
femenino y visitantes de la isla. Una vez determinada la cuota, se eligen los primeros que se encuentren
que cumplan esas caractersticas. Este metodo se utiliza mucho en las encuestas de opinion.
MUESTREO OPIN
ATICO O INTENCIONAL: Este tipo de muestreo se caracteriza por un es-

fuerzo deliberado de obtener muestras representativasmediante la inclusion en la muestra de grupos su-
puestamente tpicos. Es muy frecuente su utilizacion en sondeos preelectorales de zonas que en anteriores
votaciones han marcado tendencias de voto.
MUESTREO CASUAL O INCIDENTAL: Se trata de un proceso en el que el investigador selecciona
directa e intencionadamente los individuos de la poblacion. El caso mas frecuente de este procedimiento el
utilizar como muestra los individuos a los que se tiene facil acceso (los profesores de universidad emplean
con mucha frecuencia a sus propios alumnos). Un caso particular es el de los voluntarios.
Estos metodos fueron los planteados debido al tiempo del cual dispone el consultante para aplicar las
encuestas, sin embargo le propusimos a manera de consulta el metodo de muestreo inverso del cual a un
no se tiene mucha documentacion.
Para el caso del sector de la salud no se propone tomar una muestra si no un censo ya que esta poblacion
si tenemos acceso y son faciles de listar, el consultante Juan Sebastian nos contaba que esta poblacion son
aproximadamente 30 personas, entonces se decidio que las poblaciones objetivo seran los turistas usando
131
CAP

un metodo no probabilstico y El sector de la salud tomando un censo y aplicar las respectivas encuestas
que se estan validando.
Software utilizado
Para este punto no se ha necesitado de software estadstico ya que el caso aun esta en curso y la validacion
de las encuestas se han hecho en excel.
Debido a la dicultad en cuanto a las citas con el consultante no se han obtenido resultados a un, pero el
grupo de consultora seguira apoyando al estudiante y teniendo reuniones via skype,y debido tambien a
que se empezo a trabajar en el caso aproximadamente el 10 de junio, fecha en la cual se obtuvo la segunda
cita con el consultante, dia en el que nos planteo el problema, los objetivos y los recursos de los cuales
dispona.
4.3.4. Conclusiones
Este caso nos ha parecido muy interesante, ya que el consultante tena claro la necesidad estadstica desde
que se planteo los objetivos a cumplir, tambien que la divulgacion haya llegado hasta la sede de san
Andres, pues este es el objetivo principal de la materia de consultora al dar apoyo estadstico a toda la
comunidad estudiantil en general.
4.3.5. Bibliografa
Burkholder,J. 1998. Implications of Harmful Microalgae and Heterotrophic Dinoagellates in Management
of Sustainable Marine Fisheries. Ecological Applications, Vol. 8, No. 1, Supplement: Ecosystem Manage-
ment for Sustainable Marine Fisheries (Feb., 1998), pp. S37-S62
Sarndal Carl-Erik, Swensson Bengt, Wretman Jan 2003, Model assisted survey samplig
Grande Ildefonso, Abascal Elena,2005, An alisis de encuestas
132
4.3.6. Bitacora
Ttulo del trabajo: Evaluacion del efecto de las intoxicaciones alimentarias de origen marino sobre el
turismo en la isla de San Andres.
Nombre del solicitante: Juan Sebastian Celis Melo
Fecha de terminacion: En curso
Total de citas: 3
No FECHA EVOLUCI
ON
1 20/04/12 Sesion va Skype sin buena comunicacion, se concreto que nos enviara informacion
por correo para concretar cita posterior
2 10/05/12 No se pudo tener conexion va Skype, por tal razon se comento brevemente el caso
por chat y se concreto proxima cita.
3 10/06/12 Reunion va Skype donde nalmente se dio a conocer los Recursos y la explicacion
del problema por parte del consultante.
133
CAP
ITULO 5
CASOS GRUPO 5
Consultores
Julian Beltr
an jebeltranc@unal.edu.co
Monica Palencia mapalenciam@unal.edu.co
Juan G
omez jumgomezro@unal.edu.co
5.1. Cliente No. 1
Solicitante
Nombres y Apellidos: Lizzete Dayana Romero Moya
Programa Academico: Maestra en ciencias agrarias - Area Fitopatologa
Facultad: Agronoma
Nivel de formacion: Maestra en curso
Tutor-Proyecto
Facultad: Agronoma
Ttulo del trabajo
Relacion de las propiedades fsicas y qumicas de los suelos en la incidencia de la pudricion radical en el
cultivo de aguacate.
En la primera cita, donde la investigadora interesada en hacer uso de los servicios de consultoria, asistio con
su profesora tutora, nos comento generalmente en que radicaba su problema y cuales eran sus objetivos,
haciendo uso de la metodologa estadstica. Ella tena un cultivo de arboles de aguacate en el municipio
de Mariquita, Tolima, y queria ver que efectos podrian traer los factores tanto fsicos como qumicos en la
incidencia de la pudricion radical en estos arboles, siendo esta pudricion el nivel de enfermedad en el que
134
se encuentre el arbol al momento de la medicion de los datos. Y necesitaba un asesoramiento estadstico
para poder resolver su problema y cumplir sus objetivos, mediante un modelo estadstico. Despues de esta
breve introduccion al problema, se hizo unn intercambio de n umeros telefonicos y correos, para seguir con
el seguimiento del caso, debido a que a un no se tenian los datos, ni se sabia como recolectarlos.
Dadas las especicaciones dadas en la primera cita, para desarrollar los objetivos del proyecto de investi-
gacion, se debera plantear una metodologa estadistca para poder de alg un modo cuanticar o modelar
la relacion que supuestamente podrian tener las propiedades fsicas y qumicas de la rizosfera en donde el
arbol este plantado, con respecto a la pudricion radical del respectivo arbol, cuyo agente causal principal
en Colombia de esta enfermedad es el Phytophthora cinnamomi. Para poder medir esta relacion primero
se debera hacer un muestreo del total del cultivo, debido a que no se podia hacer una medicion en toda
la totalidad del cultivo (84 arboles), por motivos de costos enla recoleccion de los datos, puesto que cada
medicion de las propiedades qumicas de la rizosfera del suelo, era relativamente costosa, y el proyecto no
contaba con la suciente disposicion de dinero. Despues de ello, se plantearaa un modelo para identicar
la posible relacion que podran tener.
Palabras clave
Pudricion radical: Nivel de enfermedad que afecta el arbol.
Rizosfera: es una parte del suelo inmediata a las races donde tiene lugar una interaccion dinamica
con los microorganismos.
Phytophthora cinnamomi: Agente que produce una topatologa, vive en el suelo nutriendose gracias
a materias en descomposicion, e inicia su destruccion por las races mas peque nas, avanzando de
forma centrpeta con el n de destruir el n ucleo del arbol y su sistema conductor.
5.1.1. Objetivos
Hacer un muestreo estadstico del cultivo total de arboles debido al alto costo de la recoleccion de
los datos.
Relacionar las componentes qumicas de suelo y las propiedades fsicas con la pudricion radical en
el cultivo de aguacate. Dados lso datos recolectados en el muestreo hecho previamente.
Encontrar tama no y seleccionar muestra de los arboles de estudio, debido a que por costos es
imposible hacer censo.
Modelar los datos arrojados de las pruebas sico-qumicas, con respecto a la prudicion radical.
5.1.2. Metodologa estadstica
Muestreo: El lote donde se encuentar el cultivo, esta dividido en 3 bloques o 3 terrenos, y cada
bloque de estos tenia partes en donde los arboles tienen niveles de pudricion homogeneos, asi que se
tenia una informaciion auxiliar, en donde ellos cuanticaban el nivel de pudricion en niveles 1,3,5,7,9,
segpun la severidad de la enfermedad, asi que se propuso hacer un Dise no Muestral Estraticado -
MAS, dividiento estos terrenos por estratos, donde las caractersticas de los arboles eran similares.
Se estratico seg un los siguientes criterios:
ESTRATO 1: Nivel de pudricion 1
135
CAP

Estos niveles de pudricion estan clasicados seg un los siguientes criterios:
El tama no de muestra para un dise no Estraticado MAS que se utilizo fue:
Modelamiento: Dado que el nivel de enfermedad del arbol(pudricion radical) se podia expresar como
una proporcion o un porcentaje en un intervalo de (0, 1) se le propuso a los investigadores cambiar
el tipo de medicion, para poder utilizar un modelo de regresion beta, debido a que este utiliza una
variable de respuesta en un intervalo (0, 1). Debido a que ellos utilizaban una escala propuesta hace
mucho tiempo que no es muy util para un analisis estadistico, miediendo el nivel de pudricion en la
escala 1,3,5,7,9, como ya se expuso antes.
Software utilizado
Para desarrollar la parte de muestreo se uso Excel, debido a que se tenia la informacion auxiliar en este
programa y se facilitaba su desarrollo, y la parte de modelamiento se propuso trabajar en R.
Se decidio que el tama no de muestra, dados el nivel de conanza y el error medio de muestreo dados por
el investigador, sera de n=50 de un total de 84 arboles. Luego de determinar el tama no de muestra se
hizo una ajacion proporcional por estrato dentro de cada bloque apoyandose en la informacion auxiliar.
De modo que se repartio la muestra de la siguiente forma:
136
Finalmente se obtuvo el listado de los arboles que se escogieron en la muestra en cada bloque o territorio
del lote.
Actualmente los resultados de las muestras qumicas se encuentran en proceso de laboratorio para ajustar
el debido modelo. Igualmente se le explico a la investigadora como aplicar en el paquete estadstico R, la
metodologa de el modelamiento, con la libreria Betareg, utilizando los datos, Gasolineyield disponibles
en esta misma libreria.
5.1.4. Conclusiones
La metodologa usada por los investigadores es necesaria modicarla, para poder utilizar el modelo
propuesto (regresion beta), se debe medir la variable de respuesta (pudricion radical del arbol) como
un porcentaje de enfermedad de (0, 1), debido a que la metodologa usada anteriormente la medicion
se hacia en una escala ordinal 1,3,5,7,9, la cual no es muy uil para aplicar esta metodologa propuesta.
5.1.5. Bibliografa
M. Fernandez Falcon, R. L. Fox and E. E. Trujillo. 1984. Interactions of soil pH, nutrients and moisture
on phytophthora root rot of avocado. Volume 81, Number 2, 165-176.
Inuence of site factors on the impact of Phytophthora cinnamomi in cork oak stands in Portugal. Forest
Pathology.Volume 35, Issue 3, pages 145162, June 2005
Beta Regression in R , http://www.jstatsoft.org/ , 2010
137
CAP

5.1.6. Bitacora
Ttulo del trabajo: Determinacion del umbral altitudinal eritropoyetico y su efecto sobre variables
hematologicas en poblaciones colombianas.
Nombre del solicitante: Lizzete Dayana Romero Moya
Total de citas: 2
No FECHA EVOLUCI
ON
1 04/04/2012 Se dialogo con la consultante, de que modo se queria recolectar los datos, y debido
al presupuesto del proyecto, se propuso hacer un muestreo, al ver la incapacidad
de hacer un censo de los 84 arboles, dadas las especicaciones que nos daba la con-
sultante, se propuso un dise no de meustreo estraticado, dadas las caracteristicas
del lote y de los arboles.
2 26/04/2012 Se le entrego el tama no y la seleccion de la muestra a los investigadores, y se les
explico la metodologa a seguir para la modelacion de los datos, explicandoles el
por que y el como usar el modelo de regresion beta, y de la necesidad, de que
la variable de respuesta estuviera recolectada en un intervalo (0, 1), sin embargo
quedaron en decidir, como iban a trabajar, y se quedo al tanto de tener los datos
de laboratorio, para hacer el debido modelamiento.
138
5.2. Cliente No. 2
Solicitante
Nombres y Apellidos: Gina Paola Ramos Aroca
Programa Academico: Maestra en Musicoterapia
Facultad: Artes
Nivel de formacion: Fisioterapeuta
Tutor-Proyecto
Nombres y Apellidos: Juan Alberto Ortz O.
Facultad: Artes
Ttulo del trabajo
Efectos de la musico-terapia, a partir del coro terapeuticosobre la calidad de vida en una poblacion adulta
atendida por la Fundacion Miniliga Lila S anchez del municipio de Arbelaez, Cundinamarca.
En la primra cita, asignada a la investigadora en cuestion, la cual asistio en ausencia de su profesor
tutor, nos comento que estaba trabajando con un grupo de adultos mayores, en el municipio de Arbelaez,
Cundinamarca. en donde queria conocer si existia diferencia en el comportamiento del grupo mediante un
tratamiento de musicoterapia, esta diferencia la queria medir mediante una prueba antes y despues del
tratamiento que tuviera una validacion estadstica. La herramienta estadstica fue una encuesta realizada
sobre la concepcion en la calidad de vida, la cual contenia 26 preguntas al respecto, esta misma, se aplicaba
a lso individuos estudiaados, antes de realizar la musicoterapia y despues de esta. y se quedo al tanto de
estar en contacto para desarrollar la debida metodologa estadstica.
Encontrar si existe diferencia estadisticamente signicativa entre el tratamiento pre y post, mediante una
encuesta de 26 preguntas relacionadas con la persepcion de si mismo y hacia los demas respecto a la
calidad de vida, aplicada a este grupo.
Palabras clave
Musicoterapia: Tratamiento mediante tecnicas musicales, para poder cambiar alg un comportamiento es-
pecco.
5.2.1. Objetivos
Realizar el respectivo analisis cuantitativo y estadstico de los resultados pre y post de las encuentas
realizadas al grupo estudiado.
Realizar estadisticas descriptivas que nos permitan ver el comportamiento antes y despues del grupo.
Observar si existe alguna diferencia estadsticamente signicativa, con relacion a los datos, para poder
saber si la musicoterapia propuesta por el investigador incide o no en los comportamientos y la percepcion
de la calidad de vida, en el grupo de adultos mayores estudiado.
139
CAP

Dado que se tenian los resultados ya obtenidos de la investigacion (pre y post) las cuales el rango de
medicion era de 0 a 5, se utilizo la prueba para datos pareados de rangos de Wilcoxon.
Software utilizado
Para obtener los resultados obtenidos, y observar la diferencia entre un pre y post, se uso el programa
estadstico SPSS
Para realisar la prueba de rangos de Wilcoxon, se utilizo como variable, una variable obtenida, por el
promedio de los puntajes de ciertas preguntas seleccionadas por el investigador, las cuales eran las mas
inuyentes y adecuadas para medir el comportamiento y la concepcion con respecto a la calidad de vida.
As que los resultados en SPSS son:
En conclusion debido a que el p-valor arrojado por la prueba es menor a nuestro nivel de signicancia (0,05),
denido pro el investigador desde un principio, se puede concluir que existe evidencia estadsticamente
signicativa para rechazar la hipotesis nula, lo que indica que la musico-terapia aplicada al grupo de
adultos mayores tuvo efecto sobre su comportamiento.
5.2.4. Conclusiones
La musicoterapia propuesta por el investigador apartir de un coro terapeutico, inuyo en el com-
portamiento y la concepcion de la calidad de vida de la poblacion adulta estudiada, en el municipio
de Arbelaez.
5.2.5. Bibliografa
Test de Calidad de vida , Wooql and Bref
Estadstica no parametrica, Metodos basados en rangos, Jimmy Corzo, 2005
140
5.2.6. Bitacora
Ttulo del trabajo: Efectos de la musico-terapia, a partir del coro terapeuticosobre la calidad de vida
en una poblacion adulta atendida por la Fundacion Miniliga Lila Sanchez del municipio de Arbelaez,
Cundinamarca.
Nombre del solicitante: Gina Paola Ramos Aroca
Fecha de terminacion:15/05/2012
Total de citas: 2
No FECHA EVOLUCI
ON
1 27/03/2012 La investigadora, profundizo en los conceptos que se debian manejar para una
futura interpretacion, nos mostro la base de datos, pre y post, y se le explico la
metodologia estadistica a seguir, para poder comparar datos apreados.
2 15/05/12 Se le entregaron los resultados estadsticos, y se le explico como hacer el procedi-
meinto en SPSS, tambien se le entregaron estadisticas descriptivas por pregunta,
para poder ver el comportamiento de cada una, interpretando con ella, la conclu-
sion de que la musicoterapia tuvo un efecto en el comportamiento de la poblacion
adulta estudiada.
141
CAP

5.3. Cliente No. 3
Solicitante
Nombres y Apellidos: Zulma Victoria Agudelo
Programa Academico: Posgrado en Ortodoncia
Facultad: Odontologa
Nivel de formacion: Odontologa
Tutor-Proyecto
Nombres y Apellidos: Martha Esther Herrera Ruiz Facultad: Odontologa
Nombres y Apellidos: Luis Miguel Mendez Facultad: Ingeniera Mecanica
Ttulo del trabajo
Analisis del comportamiento de los alambres de aleaciones de Niquel-Titanio termoactivados en diferentes
niveles de deexion. Estudio in vitro.
En la primera cita, la cliente expuso junto con su tutora el objetivo de trabajo de grado y la metodologia que
tenia establecida para cumplirlo. El metodo que expuso consistia en analizar 3 tipos de alambres de 2 casas
comerciales, de cada tipo de alambre se tomarian 3 muestras, en una se medira la resistencia de los braquets
despues de exponer el alambre a calor, la segunda bajo frio y la tercera bajo temperatura intermitente,
los resultados que le generaban la maquina con la que se media la resistencia estaban representados en
una graca de carga vs deexion. La cliente necesitaba un soporte estadstico para determinar si las
temperaturas a las que se exponia el alambre inuian en su resistencia.
Establecer el mejor tipo de alambre para brackets comparando el comportamiento de su resistencia du-
rante un periodo determinado de tiempo, en el cual estos alambres (termoactivados y super elasticos)se
expondran a cambios de temperatura, altas bajas e intermitentes, y se medira su resistencia y porcentaje
de recuperacion del alambre posterior a aplicar la carga.
Palabras clave
Deexion: Distancia a la que se desplaza cualquier punto del alambre al aplicarle una fuerza.
Termoactivados: Alambres para brackets que moldean bajo cambios de temperaturas.
Super Elasticos: Producen el ideal de deformarse y adaptarse a los brackets de forma sencilla.
Porcentaje de recuperacion: Porcentaje de retorno de resistencia del alambre luego de aplicar la
carga (Temperatura).
5.3.1. Objetivos
Conocer e identicar el comportamiento de alambres termoactivados de Nquel Titanio de tres casas
comerciales en brackets de autoligado, utilizando las curvas de carga-deexion.
Evaluar el efecto de la friccion en el comportamiento de los alambres ante una carga determinada.
Identicar el efecto del ciclado termico en un alambre termoactivado
142
Determinar el comportamiento de los alambres termoactivados de Nquel Titanio a diferentes niveles
de deexion en un sistema de brackets de autoligado, mediante el analisis de las curvas de carga-
deexion.
Establecer diferencias entre alambres termoactivados de tres casas comerciales, a diferentes niveles
de deexion.
Identicar el comportamiento de los diferentes alambres termoactivados cuando son sometidos a una
deformacion y a la aplicacion de una temperatura estable o intermitente.
Determinar el comportamiento de resistencia de 3 aleaciones de Nquel Titanio de diferentes casas co-
merciales en 2 tipos de brackets de autoligado bajo la inuencia de alta y baja temperatura, ademas de
aplicar una temperatura intermitente.
En este caso se presentaron multiples inconvenientes como la ausencia de la cliente durante un viaje de
trabajo al que tuvo que asisitir y la carencia de implementos para las mediciones pues los instrumentos
del laboratorio estuvieron ocupados y la solicitud de prestamo tardo bastante.
Cuando la cliente se dispuso a tomar las mediciones tuvo un problema adicional pues estas estaban siendo
inuenciadas por variables externas que no se pudieron controlar como fue la friccion del alambre en el
bracket contra la placa que sujetaba a este, debido a lo anterior tuvo que cambiarse el proceso completo
de medicion y los objetivos iniciales del proyecto tambien se vieron afectados.
Ahora se tomaran 2 tipos de almabres: Termoactivados (TA) y Superelasticos (SE) y las mismas 3 marcas
para cada tipo de alambre: GAC, RMO y OG, la cliente tomo 3 alambres de cada clase-tipo para hacer
las mediciones. Finalmente se tomaron las pruebas en el laboratorio obteniendo los datos de resistencia
para cada alambre en 6 periodos de tiempo que se expusieron a diferentes temperaturas, lo que teniamos
ahora era la ausencia de una variable respuesta general que permitiera el correcto analisis de los datos
y una aplicacion eciente de metologias estadsticas, por esto se le solicito a la cliente los porcentajes de
recuperacion de los alambres que seran nuestra variable respuesta.
Independiente de la falta de resultados se tiene planteado aplicar la siguiente metodologia estadsca:
1 Ajustar un modelo linal a los datos tomando como variable respuesta el porcentaje de recuperacion
del alambre. Para esto se realizara una transformacion a los datos siempre y cuando sea necesario.
Se espera que el tipo de alambre, la marca y las cargas sean variables explicativas del modelo, si los
tipos de alambre (TA y SE) resultaran no explicar la variable se debe conservar en el modelo pues
es la variable de interes al momento de hacer la comparacion.
Para esto se utilizara el Analisis de datos interactivo de SAS 9.3.
2 Posteriormente se propone un analisis por clusters para determinar si el tipo de alambre (TA o SE)
inuye en la resistencia del alambre y en el porcentanje de recuperacion del mismo, esta ultima
medida es la mas importante en este estudio ya que explica si el alambre se deformo bastante o poco
despues del experimento con las temperaturas.
Software utilizado
Para el desarrollo de las metodologias propuestas se utilizara el softwara estadistico SAS 9.3
A un no se han obtenido resultados puesto que se esta a la espera de los porcentajes de recuperacion de
los alambres.
143
CAP

5.3.4. Conclusiones
La falta de planeacion de un proyecto puede conllevar al cambio de toda su metologa e incluso del
objetivo del trabajo de grado o proyecto a desarrollar.
El acompa namiento estadstico es primordial desde la primera etapa de un proyecto, asi sera menos
complejo el analisis de los datos y se puede garantizar una mejor conanza en los resultados.
Se le ense no al cliente como y porque se aplican diferentes metodologias dependiendo del plantea-
miento del problema y se le presentaron diferentes propuestas que se pudieron tener en cuenta para
el desarrollo de su trabajo.
5.3.5. Bibliografa
BADRA S., STEVENSON, M.y BURDEN,D. Photo-elastic stress analysis of initial alignment archwires.
European Journal of Orthodontics.No. 25 (2003); p. 117-125
MELING T, DEGAARD J. The eect of short term temperature changes on superelastic nickel-titanium
archwires activated in orthodontic bending. American Journal of Orthodontics
KUSY, R et al.Thermal and mechanical characteristics of stainless steel, titanium-molybdenum, and
nickel-titanium archwires. American Journal of Orthodontics Dentofacial
MARTINEZ. E.,HERRERA, M., y PARDO, M. Efecto de los cambios s ubitos de temperatura (5-50
o
c)
sobre la fuerza liberada por tres tipos de resortes de nitinol super elasticos.Trabajo nal
144
5.3.6. Bitacora
Ttulo del trabajo: Analisis del comportamiento de los alambres de aleaciones de Niquel-Titanio ter-
moactivados en diferentes niveles de deexion. Estudio in vitro.
Nombre del solicitante: Zulma Victoria Agudelo
Total de citas: 4
No FECHA EVOLUCI
ON
1 31/03/2012 Se conocio las primeras gracas que se habian obtenido en analisis previos como
ensayos a los analisis denitivos y quedamos pendientes de la nueva cita para la
entrega de los datos completos.
2 28/04/2012 La cliente manifesto el cambio de metodologa para el desarrollo del trabajo dado
que los analisis iniciales en los alambres generaron datos inueciados por variables
externas y que no fueron posibles de controlar. Inicialmente las pruebas se hacian
sobre una placa a la que se le ponia el braquet y posteriormente, seg un lo que
observaron en el laboratorio, estos resultados estaban afectados por la friccion
entre la placa y el braquet razon por la que se tuvo que replantear toda la medicion
de resistencia en los alambres.
3 12/05/2012 Fuimos al laboratorio donde se realizaban las nuevas pruebas para hablar con
el ingeniero y solicitar los datos en un formato facil de manejar. El ingeniero se
mostro muy interesado en el procedimiento que se iba a utilizar en el analisis y
explico como se estaban tomando las mediciones.
4 19/06/2012 Explicacion de metologas estadsticas aplicada a los datos. Dados los multiples
inconvenientes durante el desarrollo del proyecto los resultados estan a la espera de
los porcentajes de recuperacion que la cliente esta sacando con base en las muestras
realizadas, esta informacion se le solicito puesto qeu con solo los resultados de la
maquina no era posible aplicar una metodologa estadstica que garantizara el
objetivo propuesto.
145
CAP
ITULO 6
CASOS GRUPO 6
Consultores
Anibal Montero Leguizam
on ammonterol@unal.edu.co
Luis

Alvaro Rueda Blanco laruedab@unal.edu.co
Hugo Alfonso Mancera Medina hamanceram@unal.edu.co
6.1. Cliente No. 1
Solicitante
Nombres y Apellidos: Jairo Orlando Villabona
Programa Academico: Escuela de Administracion y Economa
Facultad:()
Tutor-Proyecto
Nombres y Apellidos: Gerald Orange / Marc Leroy - Francia
Facultad: Sciences de Gestion- Universite de Rouen
Ttulo del trabajo
Causas de la Evasion de Impuestos en Colombia
146
6.1.1. Objetivos
General
Se busca dar explicacion al comportamiento del indicador de la evasion de impuestos a traves de indicadores
socio-economicos medidos a nivel de 57 pases alrededor del mundo.
Especcos
1. El GDP per capita
2. El

Indice de Corrupcion
3. El Gasto en educacion P ublica per c apita
4. Porcentaje del GDP per capita en impuesto de renta
5. La tasa de desempleo ( %)
6. Porcentaje del GDP per capita efectivo recibido por las personas a partir de impuestos
7. Impuestos recaudados como porcentaje del GDP
8. El coeciente de Gini
Se pretende ademas, que esta comparacion a nivel de pases sea una fuente explicativa del caso particular
de Colombia, es decir, encontrar y cuanticar la similitud entre pases para establecer concordancias o
diferencias de tipo economico en los pases estudiados.
6.1.2. Metodologa empleada
Dado que las variables tratadas en este problema las son realmente un indicador, en donde se desconoce
su construcci on, calculo o estimacion ( tanto por parte del consultante, como de nosotros, ya que la fuente
original de los datos no brinda informacion tecnica o metodologica sobre estas: http://www.imd.org/ ) se
opto por hacer una descripcion de las variables asociadas a la evasion de impuestos, con el animo de guiar
un poco el estudio hasta cuanto se dispongan de fuentes conables y completas en relacion a las variables
de las cuales se desconoce la forma en que fueron construidas; esta opcion metodologica se justica ademas
en la forma de interpretacion que se busca dar a los indicadores expresados en porcentaje.
Figura 6.1: Pases incluidos en los libros de IMD (se nalados en azul)
147
CAP

Como primera parte, se hace un seguimiento particular de la situacion de Colombia respecto a las variables
observadas en este y comparada con el resto de pases medidos. Se puede denotar que la muestra de pases
incluida en las mediciones de estas fuentes es conveniente, por tanto, la comparacion de Colombia frente
a los otros pases del estudio se encuentra limitada a estos. Entre las descripciones se usaron caras de
Cherno para tener, a partir de la representacion particular de cada pas, una visualizacion multivariada
y conjunta de la informacion contenida en los indicadores.
Por otro lado, seg un le consultante, es de interes la clasicacion de los pases en conglomerados bajo
una medida de asociacion que se deduce de algunas variables del conjuntos de datos ( debido a la falta de
informacion sobre algunas de las variables, se asume que tiene sentido hacer este tipo de asociaciones entre
las variables escogidas para tal proposito ) Se realizo ademas una exploracion bivariada del indicador de
evasion de impuestos pareada con cada una de las variables explicativas propuestas por el consultante ya
mencionadas, a traves de la interpretacion puntual y validacion por prueba de hipotesis de los coecien-
tes de correlacion de Pearson , Kendall y Spearman r
s
, como indicadores de asociacion entre las
variables tomadas. Para interpretar estos coecientes, se tiene en cuenta que sus rangos se sit uan entre -1
y 1, en donde:
0 indica una correlacion lineal nula.
1 indica una correlacion lineal directa.
-1 indica una correlacion lineal inversa.
Las formulas, a partir de una muestra pareada, para cada uno de estos coecientes, son las siguientes:
=
n
i=1
(x
i
x)(y
i
y)
_
n
i=1
(x
i
x)
2
_
n
i=1
(y
i
y)
2
=
(num. pares con rango concordante) (num. pares con rango discordante)
1
2
n(n 1)
r
s
= 1
6
n
i=1
(x
i
y
i
)
2
n(n
2
1)
Por ultimo se observa el caso puntual de Colombia frente al conjunto completo de pases a partir de su
ranking efectuado en todas las variables.
Al observar el caso particular de Colombia a lo largo de los rangos que ocupa en cada indicador y dentro
de los 57 pases incluidos en el estudio, este se encuentra dentro de los mas bajos; y salvo en en tasa de
desempleo y valor de impuestos recaudados, Colombia se encuentra dentro del cuartil con puntajes mas
bajos.
Cuadro 6.1: Estadsticas univariadas de las variables analizadas, comparadas con el caso particular de
Colombia.
Mnimo 1er cuartil Mediana 3er cuartil M aximo Media Colombia Ranking
Evasion de impuestos 1,59 3,20 4,19 5,22 7,03 4,20 2,52 9
GDP 24,70 30,86 34,47 40,88 63,14 36,42 56,67 3
Corrupci on 1,49 8,79 19,13 45,15 110,77 27,89 5,48 9
Gasto educ. P ublica 0,50 4,20 6,15 7,65 21,90 6,36 11,40 3
( %) GDP imp. de renta 12,38 21,09 30,22 36,70 49,11 29,86 14,57 6
desempleo ( %) 0 2,67 5,20 8,99 25,39 6,25 4,01 35
( %) GDP ingreso efectivo 0 10,94 15,86 23,88 38,83 16,66 5,59 8
( %) GDP impuestos recaudados 0,47 1,74 3,41 6,38 9,25 4,07 2,20 33
Gini 0,25 0,32 0,72 2,11 5,15 1,24 0,18 9
148
Por otra parte, se observan, a partir de los coecientes de correlacion estudiados en este caso, y junto
con la signicancia de sus pruebas de hipotesis, aquellas variables mas asociadas al ndice de evasion de
impuestos; podemos notar entonces que: el GDP per capita, el
Indice de Corrupcion, el Gasto en educacion

P ublica per capita, y el porcentaje del GDP per capita en impuesto de renta, tienen una tendencia ante
una relacion directa con la evasion, es decir por ejemplo que: entre mayor GDP per capita en los pases,
se tiene un mejor ndice para la evasion de impuestos; recprocamente, para la tasa de desempleo, el
porcentaje del GDP per capita efectivo en impuesto de renta, impuestos recaudados como porcentaje del
GDP, y el coeciente de Gini, no se puede armar lo mismo.
p-valor p-valor rs p-valor
GDP -0.2000 0.1394 -0.1871 0.0418 -0.2712 0.0432
Corrupcion 0.5410 0.0000 0.3917 0.0000 0.5562 0.0000
Gasto educ. P ublica -0.2611 0.0498 -0.3179 0.0005 -0.4424 0.0006
( %) GDP imp. de renta 0.1965 0.1430 0.1485 0.1028 0.2179 0.1035
desempleo ( %) 0.4464 0.0006 0.3072 0.0009 0.4426 0.0007
( %) GDP ingreso efectivo -0.0196 0.8850 0.0270 0.7672 0.0378 0.7802
( %) GDP impuestos recaudados 0.6882 0.0000 0.4798 0.0000 0.6618 0.0000
Gini 0.5483 0.0000 0.4030 0.0000 0.5640 0.0000
Al hacer una comparacion entre los pases, vemos como el agrupamiento jerarquico toma las economas mas
similares en cuanto a los indicadores que se estan estudiando y que ademas estaran sugiriendo patrones de
evasion de impuestos similar, esto permite al consultante agregar sus hipotesis frente a como el fenomeno
se presenta mas en unos pases que en otros, tratandose de aspectos que se guardan en com un, estos
patrones son mejor interpretados y visualizables en el metodo de las caras de Cherno, lo que hace hace
mas amigable su interpretacion.
Figura 6.2: Agrupacion jerarquica de los 57 pases del IMD.
149
CAP

Figura 6.3: Histograma de Inter-varianza del proceso de agrupamiento jerarquico.
150
Figura 6.4: diagramas de dispersion de todas las variables comparadas con el indicador de Evasion de
impuestos del IMD.
151
CAP

Figura 6.5: Caras de Cherno de los 57 pases del IMD.
152
6.1.4. Bibliografa
R Development Core Team, R: A language and environment for statistical computing, R Foundation for
Statistical Computing, Vienna, Austria, 2011, ISBN 3-900051-07-0.
153
CAP

6.2. Cliente No. 2
Solicitante
Nombres y Apellidos: Ana Juliana Rodrguez Osorio
Programa Academico:
Facultad:
Nivel de formacion:
Tutor-Proyecto
Facultad:
Ttulo del trabajo
Deteccion de pruebas discriminatorias para pacientes con o Afasia Progresiva Primaria no uente APNF.
6.2.1. Objetivos
General
El objetivo del estudio es trazar un perl neuropsicologico de los pacientes con APP a partir de pruebas:
1. cognoscitivas
2. de memoria
3. de uidez verbal
que permitan diferenciar esta enfermedad de los pacientes AS y DTA.
Se busca trazar un perl clnico y psicologico de la APP, estableciendo si existen diferencias entre APNF,
DS y DTA (Los distintos patrones de ejecucion en las pruebas aplicadas deben permitir diferenciar los
grupos con diferente diagnostico).
Especcos
1. Evaluar la produccion de aroma durante la fermentacion del yogurt con tres tipos de cultivos co-
merciales.
2. Evaluar la produccion de aroma durante la fermentacion del yogurt, en dos condiciones de tempe-
ratura de incubacion.
3. Relacionar los descriptores emitidos por el panel sensorial entrenado para aroma con los resultados
obtenidos mediante nariz electronica.
4. Evaluar la cinetica de fermentacion a traves de parametros sicoqumicos y un sistema de olfato
articial comercial.
Concepto de Afasia
La afasia progresiva (APP) es una demencia focal caracterizada por una disolucion aislada y gradual de la
funcion del lenguaje.Es un deterioro en la uidez ling ustica, que culmina en mutismo..(Snowden cols.,
1996)
154
Marco de estudio:
La poblacion objetivo de este estudio son 45 pacientes del Instituto de Genetica que pertenecen a uno de
los tres grupos dispuestos de la siguiente forma:
11 Pacientes con Afasia Primaria Progresiva no uente (APP).
9 Pacientes con diagnostico de demencia semantica (AS).
10 Pacientes con diagnostico de demencia tipo Alzheimer (DTA).
15 Pacientes del grupo de control.
Los test usados buscar diferencias entre los grupos fueron los siguientes:
MMSE de Folstein: es un test dise nado para detectar deterioro cognoscitivo, eval ua orientacion, aten-
cion y calculo, memoria inmediata y diferida.
Memoria verbal Grober & Buschke: Consiste en el aprendizaje de 16 palabras con codicacion con-
trolada. Aporta una medida del recuerdo a corto y largo plazo.
Fluidez Verbal fonologica y semantica: media de la cantidad de palabras que produce un sujeto en
un minuto con base en un criterio fonologico o semantico. Es una medida de la capacidad de crear
estrategias para recuperar informaci on.
Inicialmente se tomaron en cuenta dos enfoques:
Analisis discriminante con modelos de regresion logstica. En donde se explica el diagnostico /
no diagnostico de la APP a partir de su relacion lineal con los puntajes en los diferentes test
neuropsicologicos.
Analisis de componentes principales En donde se establece la relacion lineal latente entre los dife-
rentes test neuropsicologicos para explicar diagnostico/no diagnostico de la APP.
Al tomar los modelos de regresion logstica, se encontro que los algoritmos de estimacion de los parametros
no convergen, debido posiblemente al peque no tama no de la muestra.
[subgure]labelformat=empty
155
CAP

Figura 6.6:
Figura 6.7:
Figura 6.8: Representacion de las pruebas de diagnostico PFVa partir de componentes principales
Contribucion a la varianza de los ejes (PFV):
Dim.1 Dim.2
PFV_Frutas 12.80 22.74
PFV_Animales 15.20 11.18
PFV_PromedioFluidezSemantica 17.85 20.91
PFV_PalabrasPorletraP 17.70 13.42
PFV_PalabrasPorletraM 17.16 15.73
PFV_PromedioFluidezFonologica 19.28 16.02
Correlacion de las covariables con los ejes (PFV):
Dim.1 Dim.2
PFV_Frutas 0.5318 0.2799
PFV_Animales 0.6318 0.1376
PFV_PromedioFluidezSemantica 0.7419 0.2574
PFV_PalabrasPorletraP 0.7356 0.1652
PFV_PalabrasPorletraM 0.7132 0.1936
PFV_PromedioFluidezFonologica 0.8013 0.1971
Correlacion de las covariables con las variables rta. (PFV):
Dim.1 Dim.2
APP -0.7577 -0.02086
DS -0.1035 -0.44699
DTA 0.1956 -0.12692
control 0.5883 0.46228
Se observa que la representacion de la Afasia APP en todas las pruebas diagnosticas (PFV, MMSE y
Grober) concuerda en mayor medida con el primer eje principal, lo que indica que las pruebas que esten
en el primer eje principal como su mayor representador en terminos de varianza, son aquellas que: por un
156
lado, se toman como las pruebas que ayudan en mayor medida al diagnostico certero e la APP, y que por
otro lado, se pueden reducir para efectos de un diagnostico.
Figura 6.9:
Figura 6.10:
Figura 6.11: Representacion de las pruebas de diagnostico MMSEa partir de componentes principales
Contribucion a la varianza de los ejes (MMSE):
Dim.1 Dim.2
MMSEOmes 5.4565 5.28275
MMSEOdia 5.6465 8.60340
MMSEOsemana 8.2744 8.33335
MMSEAtencionCalculo 11.3460 0.92714
MMSEevocacion 9.2404 0.45862
MMSElectura 7.4126 3.74866
MMSEescritura 6.2187 0.45252
MMSEpraxis 7.5655 0.01644
MMSEtotal 15.1209 0.21798
Correlacion de las covariables con los ejes (MMSE):
Dim.1 Dim.2
MMSEOano 0.21666 0.1803409
MMSEOmes 0.33810 0.2083395
MMSEOdia 0.34987 0.3392980
MMSEOsemana 0.51270 0.3286481
MMSEOhora 0.01477 0.0951668
MMSEOdepart 0.06534 0.0996051
MMSEOHospital 0.22947 0.0033149
MMSEOpiso 0.28829 0.1696287
MMSEMregistro 0.07685 0.5282244
MMSEAtencionCalculo 0.70302 0.0365643
MMSEevocacion 0.57255 0.0180869
MMSEdenomina 0.14906 0.6799357
MMSErepite 0.21384 0.4765122
MMSEcomprension 0.21537 0.6051720
MMSElectura 0.45930 0.1478385
MMSEescritura 0.38532 0.0178463
MMSEpraxis 0.46877 0.0006482
MMSEtotal 0.93692 0.0085966
157
CAP

Correlacion de las covariables con las variables rta. (MMSE):
Dim.1 Dim.2
APP -0.68968 -0.18966
DS 0.06604 -0.04453
DTA -0.02959 0.31020
control 0.59261 -0.06185
Vemos entonces que todas las pruebas PFV discriminan y resultan efectivas en el diagnostico de la APP,
o que resulta en proponer una reduccion a una sola prueba PFV que resuma todas sus tematica o items.
En las pruebas PFV vemos por otra parte que muchas de las tematicas podran ser descartadas, las
que mas cabe resaltar son las de calculo, evocacion, lectoescritura y praxis.
Por ultimo, encontramos que para las pruebas Grober, es sugerible descartar la prueba de intrusiones,
debido a su baja asociacion y correlacion con el diagnostico de la APP.
Figura 6.12:
Figura 6.13:
Figura 6.14: Representacion de las pruebas de diagnostico Grobera partir de componentes principales
Contribucion a la varianza de los ejes (Grober):
Dim.1 Dim.2
GroberT_Corto_P_Libre 23.52 0.0541
GroberT_Corto_P_Clave 23.22 2.3845
GroberT_Largo_P_Libre 22.04 3.0216
GroberT_Largo_P_Clave 22.46 7.6751
GroberT_intrusiones 8.77 86.8647
Correlaci on de las covariables con los ejes (Grober):
158
Dim.1 Dim.2
GroberT_Corto_P_Libre 0.9426 0.0004016
GroberT_Corto_P_Clave 0.9303 0.0177031
GroberT_Largo_P_Libre 0.8830 0.0224334
GroberT_Largo_P_Clave 0.8999 0.0569829
GroberT_intrusiones 0.3514 0.6449128
Correlacion de las covariables con las variables rta. (Grober):
Dim.1 Dim.2
APP -0.3720 -0.14048
DS -0.2527 -0.24300
DTA -0.3781 0.40989
control 0.8451 -0.04212
6.2.4. Bibliografa
Ludovic Lebart, Analisis de datos textuales, Ecole Nationale Superieure des Telecomunicationes. France,
1993.
Ludovic Lebart, Analisis de datos textuales, Ecole Nationale Superieure des Telecomunicationes. France,
1993
159
CAP

6.3. Cliente No. 3
Solicitante
Nombres y Apellidos:Aldemar Gordillo
Programa Academico:
Facultad:
Tutor-Proyecto
Facultad:
Ttulo del trabajo
Efectos de sustancias de base antibiotica primaria en simbiosis de organismos fungi y bacterias en ambientes
anaerobios
Sntesis:
A partir de 3 situaciones que surgen en el estudio, se plantean formas de apoyarlas con el n de dar una
base mas formal de los procedimientos tecnicos usados por el consultante en su estudio.
Palabras clave: Concentracion Mnima Inhibitoria, Muestreo de aceptacion.
Descripcion:
Inicialmente se plantea una conjunto de ensayos de laboratorio en los que surge la necesidad de estimar
una curva de crecimiento de tres tipos de hongos (Scierotinia, Brotrytis y Alternaria) en el que se va a
aplicar 5 concentraciones distintas de una sustancia qumica en funcion de la cual se va a observar el
crecimiento (usando el diametro de unas cajas de petri). En esta etapa del ensayo, se busca calcular la
concentracion mnima inhibitoria de la sustancia, para lo cual en necesario especicar las dimensiones de
las cajas de petri a usar. Ademas, el crecimiento de cada tipo de hongo se va a observar en un tiempo de
16 das en los cuales se va a aplicar una concentracion de la sustancia para observar la variable de interes.
6.3.1. Objetivos
General
Plantear formas de apoyar los distintos procedimientos usados en el estudio mencionado desde el enfoque
estadstico, de forma que se faciliten actividades como toma de decisiones y explicacion de metodos usados
(propios de la investigacion). Debido a que el interes del consultante es visualizar y plantear situaciones
antes de que surjan en su investigacion (motivadas por costos procedimentales) solo se plantean soluciones
a las situaciones mencionadas antes.
Especcos
1. Predecir la concentracion mnima inhibitoria desde curvas de crecimiento
2. Observar las dimensiones de las cajas de petri bajo especicaciones dadas
160
3. Exponer al consultante algunos conceptos de los dise no factoriales que lo ayuden a guiarse hacia los
objetivos de su estudio.
Planteamientos:
La determinacion de la concentracion mnima inhibitoria de una sustancia que previene el crecimiento
microbial es un paso importante de manejo de infecciones en general. En este estudio se observara el
crecimiento de tres tipos de hongos bajo cinco tipos de concentraciones distintas medidas en microgramos
(0.0117, 0.0235, 0.0469, 0.0938, 0.1876) en un espacio aproximado de 15 das (da: 0, 2, 5, 6, 8, 10,12 y
15).
El modelo probabilstico del crecimiento, se plantea a partir de la idea de que no hay crecimiento en
una cepa con una concentracion mayor a la concentracion mnima inhibitoria (verdadera). Usando valo-
res de referencia externa en estudios anteriores, se piensa en una variable respuesta Yij (con j como la
concentracion e i como un panel o variable adicional asociada a la respuesta)
y
ij
=
_
1 en otro caso
0 si j CMI referenciada
Esta denicion asume que las CMI anteriores fueron medidas sin error y no toman en cuenta equivocaciones
en la clasicacion de las curvas de crecimiento. Ademas las medidas son discretas de lo que, en realidad,
debe ser un valor continuo. Los errores asociados con cualquier estimacion individual de la CMI seran
afectados por muchos factores; estos incluyen (entre otros) errores de medicion, variacion en lo materiales
usados y el aislamiento de los agentes antimicrobiales examinados.
Modelos:
Se usa un metodo estadstico que permite una determinacion rapida y precisa de las CMIs para cada
conjunto de datos panel. Los modelos, toman en cuenta las probabilidades condicionales desconocidas
( y las CMIs). Se asume que los indicadores de crecimiento en diferentes cepas y en los paneles son
independientes entre si.
Y
ij|ij
Ber(
ij
) i n, j J, i, j N
Donde
ij
es la probabilidad de crecimiento, o equivalentemente, que la concentracion j en el panel i es
menor que la CMI, con n como el n umero de paneles y J es el n umero de soluciones con una concentracion
especca o cepas en un panel. Mientras se concibe que las observaciones en el mismo panel pueden ser
dependientes, el modelo anterior implica que tal dependencia puede verse mediante las probabilidades
ij
,
por ejemplo, un panel especica el efecto aleatorio.
El indicador de Crecimiento/No crecimiento puede ser previsto como una funcion de las curvas de creci-
miento modelando las probabilidades de crecimiento
ij
como funcion de las variables en el tiempo para
la solucion j en el panel i. Mientras, que el conjunto de datos en el tiempo puede ser usado para modelar
los indicadores de Crecimiento, ciertas caractersticas de las curvas pueden ser sucientes para diferenciar
el patron de Crecimiento/No crecimiento. En un experimento sin ruido en las curvas de crecimiento, se
necesitara solo de la diferencia entre las medidas de crecimiento desde el comienzo hasta el tiempo al
resultado para separar las soluciones correspondientes a Crecimiento o a no Crecimiento. Sin embargo, en
las curvas con ruido, otras caractersticas pueden ser mejores predictores de crecimiento. Se usa un modelo
de regresion logstica para asociar el indicador de Crecimiento a la coleccion de caractersticas, donde el
predictor lineal
ij
logit(
ij
) logit(
ij
1ij
) es expresado como una funcion lineal de las caractersticas
seleccionadas.
Como no se tiene certeza de que la relacion sea lineal, sera bueno intentar modelos lineales generali-
zados mas exibles donde se sustituye las funciones lineales por funciones polinomiales de tercer orden
161
CAP

en cada caracterstica. Como los terminos lineales, cuadraticos y c ubicos estan altamente correlacionados
(usualmente en el contexto de estudios anteriores), los polinomios ortogonales son preferibles desde un
punto de vista computacional, pero dan predicciones equivalentes.
Una vez que se tienen estimaciones del estas son usadas para calcular
ij
, la estimacion de los predictores
lineales, que a su vez se se usa para obtener las estimaciones de de las probabilidades de Crecimiento:
e
ij
1 +e
ij
=
ij
Lmites de especicaci on:
Para controlar la variable volumen de las cajas de petri, se plantea un control de procesos con variables
m ultiples (radio y profundidad) usando una carta de control T
2
de Hotelling dada por:
T
2
= m( x
x)
S
1
( x
x)
Como ejemplo podemos suponer que si se decide usar n igual 10 ejemplares de prueba (se han tomado 20
pruebas preliminares), se calcula el lmite de control superior con la siguiente ecuacion:
162
UCL =
p (m1)(n 1)
mn mp + 1
F
,p,mnmp+1
=
2 (19)(9)
20(10) 20 2 + 1
F
0,01,2,20(10)202+1
=
342
179
F
0,01,2,2,179
= 8, 594
Con lo cual la carta de control T
2
sera construida con este limite de control superior (lo que sigue cuando
el investigador tome los datos).
Bibliografa
M. Douglas, Control Estadstico de Calidad, Arizona University , 2004
163
CAP
ITULO 7
CASOS GRUPO 7
Consultores
Harold Pinilla hfpinillac@unal.edu.co
Camilo Mocet
on camocetonr@unal.edu.co
Alejandro Arias laariasv@unal.edu.co
Jorge P
aez jepaezi@unal.edu.co
Miguel Forero maforeroj@unal.edu.co
7.1. Cliente No. 1
Solicitante
Nombres y Apellidos: Diana Milena Santamara Rojas.
Programa Academico: Maestra en administracion.
Facultad: Administracion.
Tutor-Proyecto
Nombres y Apellidos: ()
Facultad: Ciencias
Ttulo del trabajo
Caracterizacion y evaluacion del impacto de la certicacion en sostenibilidad hotelera nts-ts 002 desde la
perspectiva de la responsabilidad social empresarial sobre la percepcion de los clientes en una organizacion
hotelera: el caso del hotel el Campn
En primera instancia el grupo se reunion con la estudiante y su directora de tesis, donde se recibio una
charla donde se contextualizaba el tema, y se introdujo conceptos del modelo Servqual y la percepcion de
calidad.
164
Analizar la importancia que un cliente da, ha la certicacion en la norma hotelera NTS TS 002, desde la
percepcion de calidad como eje fundamental para la eleccion del hospedaje.
Palabras-clave:
Dise no de encuestas, Modelo SERVQUAL,
7.1.1. Objetivos
Objetivo General
Caracterizar y evaluar el impacto de la Norma Tecnica Sectorial (NTS-TS002) frente a la percepcion del
cliente de las acciones de Sostenibilidad y Responsabilidad Social asumidas por la gerencia.
Objetivos especcos
1. Identicar desde la perspectiva del cliente el impacto de las acciones de Responsabilidad Social
Empresarial de la certicacion en sostenibilidad en el caso de una organizacion hotelera.
2. Dise nar una encuesta basica que permita recoger la calidad percibida por el cliente seg un la meto-
dologa SERVQUAL.
3. Proponer un dise no muestral para aplicar la encuesta.
El investigador pretende mediante el analisis de las encuestas, descubrir si los esfuerzos hechos por la
gerencia del hotel en la implementacion de la norma social y ambiental son valorados por el cliente, como
una mejora de calidad que desemboca en la eleccion del hotel.
Para llevar a cabo los objetivos se busco una bibliografa que sirvio de marco teorico para realizar una
propuesta de solucion de la parte estadstica.
Dise no y desarrollo de encuestas.
Muestreo.
Analisis multivariado.
165
CAP

Dise no y desarrollo de encuesta
Para Dise nar la encuesta se tuvo en cuenta la metodologa Servqual.
Figura 7.1: Metodologa Servqual
de esta metodologa se sacaron 5 ejes principales los cuales hay que evaluar.
Figura 7.2: Percepcion de calidad
Muestreo
El plan de muestreo, sera un muestreo aleatorio simple (MAS), como no tenemos un marco muestral
inicial, se decide realizar un marco cronologico, es decir con intervalos de horas, luego se procedera a
realizar un muestreo aleatorio simple donde se tenga en cuenta el ancho medio del intervalo, el nivel de
conanza y el tama no del marco muestral.
166
Dise no de encuestas
Se realizaron dos instrumentos de medicion dirigido a los clientes, una encuesta para aplicar a los directivos
con respecto al nivel de implementacion de la norma.
Encuesta a los clientes:
Estimado huesped:
En nuestra b usqueda por brindarle siempre el mejor servicio, le pedimos nos ayude a conocer su percepcion
respecto a la experiencia que vivio al alojarse en este hotel.
Le pedimos que responda a este cuestionario de manera sincera, evaluando cada pregunta en una escala
del 1 al 7, siendo 1 totalmente en desacuerdo y 7 totalmente de acuerdo.
Muchas Gracias por su ayuda y esperamos haya tenido una feliz estancia.
Responda las siguientes preguntas seg un su percepcion:
167
CAP

No. Pregunta Respuesta
1 Considero que el Hotel el Campn cuenta con la certicacion NTS-
TS 002.(es decir: mantiene un procedimiento documentado para
identicar, tener acceso, cumplir y evaluar la legislacion que le sea
aplicable en los aspectos tursticos, ambientales, socioculturales,
economicos y laborales)
2 Considero que el Hotel el Campn cuenta con informacion acerca
de las areas naturales de interes turstico y promueve su visita.
3 Considero que el Hotel el Campn tiene identicadas con su nombre
las especies arboreas ubicadas en su interior.
4 Considero que el Hotel el Campn cuenta con la informacion y fa-
cilidades necesarias para promover el un uso eciente del agua y
energa del establecimiento.
5 Considero que el Hotel el Campn tiene implementado un programa
de manejo integral de residuos solidos, que incluya minimizacion,
reutilizacion, separacion, reciclaje y disposicion adecuada de los
mismos.
6 Considero que el Hotel el Campn generalmente presta bien su ser-
vicio.
7 Considero que el Hotel el Campn da conocer las principales dispo-
siciones legales vigentes en materia de traco legal de especies de
fauna y ora.
8 Considero que el Hotel el Campn ofrece zonas y habitaciones debi-
damente se nalizadas y acondicionadas para fumadores y adelanta
acciones para reducir la contaminacion del aire en recintos cerrados.
9 Considero que el personal del Hotel el Campn esta capacitado pa-
ra orientar y brindar informacion de manera responsable sobre los
sitios de interes en el destino turstico.
10 Considero que el Hotel el Campn ejecuta acciones practicas para
garantizar la seguridad en sus instalaciones y servicios.
11 Considero que el Hotel el Campn cuenta con informacion disponible
sobre las medidas de protecci on y difusion del patrimonio cultural
y la prevencion del traco ilcito de bienes culturales.
12 Considero que los empleados del Hotel el Campn ofrecen un servicio
rapido y agil.
13 Considero que el Hotel el Campn promueve la gastronoma nacio-
nal o regional.
14 Considero que el Hotel el Campn promueve en usted comporta-
mientos responsables con el entorno.
15 Considero que el Hotel el Campn adelanta acciones para la preven-
cion del comercio sexual de menores de acuerdo con la reglamenta-
cion vigente.
16 Considero que el Hotel el Campn esta emprendiendo acciones de
Responsabilidad Social Empresarial.
17 Considero que el comportamiento de los empleados del Hotel el
Campn transmite compromiso ambiental.
18 Es importante para mi que el Hotel el Campn este adelantando en
este tipo de acciones.
19 Para mi es importante estar en un hotel que cumple con Normas
Ambientales.
20 Considero que el Hotel el Campn logro satisfacer las necesidades
que tenia al llegar a el.
168
Muestreo
Se construyo un marco cronologico con intervalos de horas durante dos semana, el cual es el tiempo dis-
puesto para realizar la aplicacion de la encuesta.
Salieron 84 intervalos de los cuales, seg un los datos suministrados por la consultante de los niveles de
conanza y demas parametros arrojo la siguiente respuesta.
Tama no de la muestra:
z 1,96
z
2
3,8416
p 0,5
q 0,5
N 84
E 0,1
n 44,8087092
Ya teniendo un tama no de muestra se prosiguio a seleccionarla, mediante el metodo del coordinado nega-
tivo. la cual se anexa.
7.1.4. Conclusiones
Fue complicado establecer una comunicacion uida con el consultante.
El consultante es reacio a realizar cambios a su planeacion inicial del estudio.
Sin embargo los puntos anteriores en la consultora se desarrollo los siguientes puntos al consultante.
1. Se dise naron encuestas que tengan como eje la metodologa servqual.
2. Se levanto un marco muestral cronol ogico para realizar un posterior muestreo.
7.1.5. Bibliografa
Sarndal, C.-E., Swensson, B., and Wretman, J. (1992), Model Assisted Survey Sampling, Springer Verlag,
New York.
D. Donoho, (1982), Breakdown properties of multivariate location estimators. Ph.D. Qualifying Paper,
Dept of Statist., Harvard University.
Anexos
Encuesta para los empleados.
Encuesta para los Directivos.
Metodologa Servqual.
169
CAP

7.1.6. Bitacora
Ttulo del trabajo: Caracterizacion y evaluacion del impacto de la certicacion en sostenibilidad hotelera
nts-ts 002 desde la perspectiva de la responsabilidad social empresarial sobre la percepcion de los clientes
en una organizacion hotelera: el caso del hotel el campn.
Nombre del solicitante: Diana Milena Santamara Rojas.
Total de citas: 3
Actividades Semanas
1 2 3 4 5 6 7 8 9 10 11
Presentacion de caso X
Recoleccion de informacion basica X X
B usqueda de Bibliografa para marco teorico. X X
Propuesta X
Dise no de encuestas X
Aplicacion de encuesta piloto X
Ajuste y calibracion de encuestas X X
Aplicacion de la encuesta X X X
Formacion de base de datos X
Analisis de base de datos X X
Elaboracion de informe X
Presentacion del informe X
170
7.2. Cliente No. 2
Solicitante
Nombres y Apellidos: Paola Andrea Rivera
Programa Academico: Maestra en Ciencias Farmaceuticas
Facultad: Ciencias
Nivel de formacion: Pregrado (QU
IMICA)
Tutor-Proyecto
Nombres y Apellidos: Claudio Jaime G omez Alegra
Facultad: Ciencias
Ttulo del trabajo
Identicacion de mutaciones relacionadas con resistencia a quinolonas en aislados clnicos de Pseudomonas
aeruginosa.
En el primer encuentro se establece el objetivo del trabajo, el cual es a partir de analisis anteriores,
revaluar estos estudios, y encontrar aquella falencia en el analisis estadstico para no recaer en este error
y as llegar a conclusiones objetivas.
El grupo de trabajo recibe el caso con datos de un analisis pasado, planteando en primera instancia un
dise no de experimentos donde se hallara diferencias entre dos grupos, el grupo 1 conformado por pacientes
con Fibrosis Qustica, identicado de ahora en adelante como FB y el grupo 2 conformado por pacientes
con otras patologas, que ahora en adelante se llamara NO FB.
La resistencia a antimicrobianos se ha convertido en un importante problema de salud p ublica a nivel
mundial. Muchos aislados clnicos de Pseudomonas Aeruginosa, un patogeno oportunista responsable
de distintas infecciones (neumonas, septicemias, urinarias, y otras), presentan resistencia a quinolonas,
observandose que los aislados provenientes de pacientes con brosis qustica son mas resistentes que los
provenientes de otras infecciones, pero se desconoce la base molecular de este fenomeno.
Palabras clave
1. Pseudomonas Aeruginosa
Descripcion general: Pseudomonas aeruginosa pertenece a la familia Pseudomonadaceae y es un
bacilo gramnegativo aerobio con un agelo polar. Cuando se cultiva en medios adecuados produce
piocianina, un pigmento azulado no uorescente. Muchas cepas producen tambien el pigmento ver-
de uorescente pioverdina. Pseudomonas aeruginosa, al igual que otras seudomonas uorescentes,
produce catalasa y oxidasa, as como amoniaco a partir de la arginina, y puede utilizar citrato como
unica fuente de carbono.
Efectos sobre la salud humana: Pseudomonas aeruginosa puede causar diversos tipos de infec-
ciones pero rara vez causa enfermedades graves en personas sanas sin alg un factor predisponente.
Coloniza predominantemente partes da nadas del organismo, como quemaduras y heridas quir urgi-
cas, el aparato respiratorio de personas con enfermedades subyacentes o las lesiones fsicas en los
171
CAP

ojos. Desde estos lugares puede invadir el organismo y causar lesiones destructivas o septicemia y
meningitis. Las personas con brosis qustica o inmunodeprimidas son propensas a la colonizacion
por P. aeruginosa, que puede conducir a infecciones pulmonares progresivas graves. Las foliculitis y
las otitis relacionadas con el agua se asocian con ambientes h umedos y calidos como las piscinas y
ba neras de hidromasaje. Muchas cepas son resistentes a diversos antibioticos, lo que puede aumentar
su relevancia en el ambito hospitalario.
2. Fibrosis Qustica
3. Antimicrobianos (Quinolonas)
7.2.1. Objetivos
1. Identicar mutaciones relacionadas con resistencia a quinolonas en aislados clnicos nativos de Pseu-
domonas aeruginosa.
2. Analizar Mutaciones genicas que han sido relacionadas previamente con resistencia a antibioticos
3. Resistencia a antibioticos de tipo uoroquinolona
Se pretende relacionar la resistencia a antibioticos con mutaciones encontradas en genes de la bacteria
Pseudomonas aeruginosa.
Ademas de realizar una comparacion de medias entre los dos grupos, tambien se desea analizar la diferencia
de proporciones entre los dos grupos el an alisis previo se dividio en 3 grupos, se clasicaran cada una de
las cepas de acuerdo con su concentracion mnima inhibitoria (MIC) y seg un los estandares establecidos
por el instituto de estandares clnicos y de laboratorio (The clinical and Laboratory Standars Institute,
CLSI) (2011) para uroquinolonas como se puede observar en la tabla.
MIC (g/mL)
Antibioticos Susceptible Intermedio Resistente
Levooxacina 2 4 8
Para identicar la diferencia de medias entre los dos grupos realizamos una prueba de normalidad para
establecer que test es mas adecuado para este conjunto de datos. Los estudios posteriores arrojaron los
siguientes resultados son:
172
FB NO FB
Individuo MIC(mg/mL) interpretacion Individuo MIC(mg/mL) interpretacion
PA001 32,00 Resistente PA031 1,00 Susceptible
PA005 1,00 Susceptible PA035 2,00 Intermedio
PA006 1,00 Susceptible PA036 1,00 Susceptible
PA010 2,00 Intermedio PA040 1,00 Susceptible
PA013 1,00 Susceptible PA043 2,00 Intermedio
PA021 2,00 Intermedio PA051 2,00 Intermedio
PA027 1,00 Susceptible PA057 8,00 Resistente
Software utilizado
El objetivo de la consultara es esencialmente metodizar el analisis entre dos grupos independientes.
Para facilitar el trabajo de la replicacion de los analisis el grupo de trabajo decide realizar los procedi-
mientos en SPSS; es por ello que este informe se presentaran, los pasos a seguir por el investigador.
Uno de los objetivos principales del investigador, es el encontrar si existe una diferencia signicativa entre
los aislados que presentan brosis qustica y los que no, ademas de observar en caso de la existencia de
esta diferencia cual de ellos presenta la mayor resistencia a las quinolonas aplicadas en el experimento.
Para poder realizar este analisis con la ayuda de la prueba t es indispensable validar el supuesto de
normalidad de las observaciones, ademas se asume que las observaciones son independientes; esta ultima
armacion no se vericara pero se dara por sentada ya que la consultante asegura esta independencia.
Por lo tanto se realizara la prueba de Kolmogorov-Smirnov para asegurar si los datos provienen de una
distribucion normal:
173
CAP

Prueba de normalidad de Kolmogorov-Smirnov
Lo primero que se debe hacer es leer los datos en el programa y se hace de la siguiente manera:
1. Abrir el software, ir a archivo, ir a abrir y por ultimo datos.
Figura 7.3: Cargar datos
2. Ahora seleccionar la ubicacion del archivo, una vez estemos en la ubicacion de este seleccionar todos
los archivos para encontrar el formato en que esten los datos, en este caso .xls.
Figura 7.4: Seleccionar archivo
3. Luego de abrir los datos, se realiza la prueba de normalidad de los datos; par eso se debe ir a la
pesta na Analizar, Pruebas no parametricas y Una muestra.
174
Figura 7.5: Buscar la prueba
4. Ahora seleccionar la pesta na Campos, y seleccionar una de la variable a la que se le hara la prueba
de normalidad.
Figura 7.6: Personalizar
5. Luego de esto seleccionar la pesta na Conguracion, seleccionar la opcion Personalizar pruebas, se-
leccionar tambien la opcion prueba de Kolmogorov-Smirnov y oprimir el boton Opciones.
6. En el boton Opciones seleccionar Normal, para realizar la prueba de normalidad.
Despues de desarrollar estos pasos es importante resaltar que la hipotesis que se esta evaluando es:
_
H
0
: Los datos provienen de una distribucion normal;
H
a
: Los datos no provienen de una distribucion normal.
Y los resultados que se obtienen del software son:
Luego se rechaza la hipotesis de normalidad y se procede a usar teora estadstica no parametrica, ya
que con esta no es necesario hacer supuestos sobre los datos. Es por esto que se realizara la prueba de
Jonckheere-Terpstra para la alternativa ordenada de comparacion de medias en los dos grupos de aislados
175
CAP

Figura 7.7: Seleccionar opciones
Figura 7.8: Seleccionar opciones
clnicos; ya que es importante saber si existen diferencias entre los grupos y saber en cual de los dos grupos
es mas resistente a las quinolonas.
Prueba de Jonckheere-Terpstra
El objetivo de esta prueba es vericar si las medias de k grupos son iguales o si por el contrario son
diferentes y ademas existe un orden de este parametro para las grupos, la hipotesis a avaluar es:
_
H
0
:
1
=
2
= =
k
H
a
:
1

2

k
Con al menos una desigualdad estricta.
176
La prueba propuesta por Jonckheere y Terpstra utiliza la estadstica:
J =
1i<jk
W
ij
donde
W
ij
=
ni
s=1
nj
t=1
(x
jt
x
is
)
y (x) se dene por:
(x) =
_
1 six > 0
0 six 0
Entonces W
ij
es el numero de observaciones de la muestra i que son excedidas por las de la muestra j.
Ahora para el caso de la consultante se desarrolla en SPSS como sigue:
1. Generar una nueva base de datos con dos variables, es decir, una variable que se llame Resistencia
que contiene todos los valores observados para los 60 aislados clnicos, y otra que se llama fc que
indica la presencia o ausencia de brosis qustica en los individuos , 1 si hay presencia 0 si hay au-
sencia. Se leen los datos en software, click en la pesta na aAnalizar, click en Pruebas no parametricas
y por ultimo click en Muestras independientes.
Figura 7.9: Buscar prueba
177
CAP

Figura 7.10: Objetivo
2. Seleccionar en la pesta na Objetivo la opcion comparar medianas entre grupos
3. Seleccionar en la pesta na Campos a variable Resistencia en campos de prueba y a la variable fc
como variable de agrupacion.
Figura 7.11: Campos
4. Seleccionar en la pesta na Conguracion la opcion Jonckheere-Terpstra para k muestras seleccionar
De mayor a menor y por ultimo seleccionar Todo por pareja.
Al seguir cada uno de los anteriores se obtiene el siguiente contraste de hipotesis:
En consecuencia podemos armar que existe una diferencia signicativa de la resistencia a la quinolona
entre los grupos que presentan la caracterstica de tener brosis qustica y los que no cuentan con ella, ade-
mas tambien se puede armar que el grupo con brosis qustica presenta mas resistencia a los antibioticos
empleados por la consultante.
178
Figura 7.12: Conguracion
7.2.4. Conclusiones
La resistencia a antimicrobianos de los aislados clnicos de Pseudomonas Aeruginosa, un pato-
geno oportunista responsable de distintas infecciones (neumonas, septicemias, urinarias, y otras),
presentan resistencia a quinolonas, observandose que los aislados provenientes de pacientes con -
brosis qustica son mas resistentes que los provenientes de otras infecciones, seg un los resultados
obtenidos .
7.2.5. Bibliografa
Gibbons, Jean & Chakraborti, S (2003). Nonparametric Statistical Inference. New York. Marcel Dekker,
INC.
179
CAP

7.2.6. Bitacora
Ttulo del trabajo: Identicacion de mutaciones relacionadas con resistencia a quinolonas en aislados
clnicos de Pseudomonas aeruginosa.
Nombre del solicitante: Paola Andrea Rivera
Total de citas: 3
No FECHA EVOLUCI
ON
1 28/03/2012 En la primera cita se realiza la contextualization del tema, los objetivos y un
primer diagnostico donde se propone una metodologa basada en Bio-ensayos
2 12/04/2012 Se realiza una cita con el cliente donde se aclaran terminos debido a la complejidad
y los terminos ajenos que aun no habamos comprendido.
3 13/04/2012 El profesor se re une con nosotros, argumentando y resolviendo nalmente la me-
todologa a usar
4 25/04/2012 El analisis solicitado se realizo con los datos suministrados por la consultante, y
se espera que en dos semanas se tengan los datos que se emplearan en el analisis
nal.
4 4/05/2012 La consultante se comunica con el grupo, para informa que la entrega prevista de
datos para el analisis nal
180
7.3. Cliente No. 3
Solicitante
Nombres y Apellidos: Alejandro Cleves
Facultad: Ingeniera
Tutor-Proyecto
Facultad: Ciencias
Ttulo del trabajo
Inuencia de la intensidad del estres hdrico en la fase de oracion cuajado sobre la produccion de Aguacate
en el piedemonte del Meta.
El primer encuentro se lleva a cabo el da 20 de abril, para el primer semestre del 2012, en dicho encuentro
el solicitante requiere determinar la inuencia del estres hdrico en los lotes de seguimiento del Centro de
investigacion La Libertad, sobre la produccion de 4 variedades de aguacate.
El grupo en primera instancia contempla que es un caso de modelamiento, donde las variables explicativas
Figura 7.13: 1/nov a 15 /abr
son la precipitacion y el requerimiento, donde dichas variables permiten calcular el estres hdrico.
Nota :El consultante NO CUENTA con un director de tesis nombrado sino el departamento gua y
supervisa el avance de cada uno de los actividades del aspirante a Doctorado, a un as con esta situacion
el consultante tiene fundamentos teoricos para realizar con normalidad el proceso.
Para determinar la inuencia del estres hdrico sobre la produccion de aguacate, se selecciono un lote con
cuatro variedades: Lorena, Choquette, Trinidad y Booth 8, establecido en 1997, en el C.I. La Libertad de
181
CAP

CORPOICA en Villavicencio, ubicado a latitud 4
o
03 norte y longitud 73
o
29 oeste y una altitud de 336
msnm, bajo condiciones de suelo de terraza alta (Typic Haplustox) del Piedemonte del Meta. Durante este
tiempo se tomo el registro de la produccion y junto con los datos climatologicos, se hallo el requerimiento
hdrico y das de estres hdrico del cultivo de aguacate.
La determinacion del requerimiento hdrico se hizo con base en la formula:
ET
c
= ET
o
X K
c
1
(7.1)
Donde Kc corresponde al coeciente especico para el cultivo, de acuerdo a esta publicacion el valor del
coeciente utilizado para epocas secas es Kc=0,8. Los datos de evaporacion empleados para hallar ETc,
corresponden a la estacion climatologica ubicada dentro del Centro de Investigacion; el registro utilizado
corresponde al periodo 2002-2008.
Los requerimientos hdricos se calcularon quincenalmente, desde el 1 de Noviembre, hasta el 30 de Abril,
de cada a no; los resultados obtenidos se compararon con la precipitacion registrada durante el mismo
periodo y de esta forma se pudo gracar los das de estres hdricos en cada epoca seca, para analizar su
inuencia sobre la produccion de aguacate.
La produccion promedio anual, corresponde a los datos experimentales obtenidos desde el a no 2003 hasta
el 2008 en Corpoica La Libertad.
Basados en la experiencia en campo, se toma la principal oracion entre 15 de octubre y 15 de noviembre;
a partir de esta fecha empieza el proceso hacia el cuajado de frutos (para cosecha).
Se realizaron las siguientes gracas.
La siguiente tabla muestra el conteo de los das de estres hdrico para los a nos del 2003 al 2008
1
Metodologa sugerida por la FAO (2006)
182
a no dias estresados
2003 87.00
2004 53.00
2005 61.00
2006 27.00
2007 92.00
2008 105.00
Palabras clave
1. Estres Hdrico
2. Requerimiento Hdrico
7.3.1. Objetivos
1. Determinar la inuencia del estres hdrico sobre la produccion de aguacate
2. Diferenciar la produccion dependiendo de la situacion en la etapa de oracion
La siguiente graca representa el diagrama de dispersion para la produccion de la variedad LORENA,
tomando un punto de vista muy amplio, los diferentes puntos en el plano tienen una peque na tendencia
NO creciente, teniendo en cuenta que, en el eje X estan los das de estres hdrico y en el eje Y esta la
produccion del (2003-2008). Luego por la cantidad de datos no podemos hacer un analisis mas a fondo
183
CAP

Figura 7.16: 2003 a 2 008
sobre esta informacion, los datos de la precipitacion y el requerimiento hdrico estan tomados en su mayora
quincenalmente, desafortunadamente esto no ocurre con la produccion.
Para implementar la diferencia entre uno y otro grupo es decir evaluar la produccion para a nos con
presencia de estres hdrico, en la etapa de oracion, la cual en el grupo y con el consultante coincidimos
que era importante se realizara una prueba NO-parametrica para establecer diferencia de un parametro
de localizacion,por la naturaleza se inspeccionara la mediana y por la cantidad de los datos se recurre a
la prueba de wilcoxon de los rangos con signo de muestras relacionadas.
De este modo cuando se trata de variables medibles en por lo menos una escala ordinal y pueden suponerse
poblaciones continuas una prueba no parametrica es lo adecuado. La prueba de los signos de Wilcoxon
para muestras relacionadas, permite contrastar la hipotesis de que las respuestas a dos caractersticas
pertenecen a poblaciones identicas. Para la utilizacion de esta prueba se requiere unicamente que las
poblaciones subyacentes sean continuas y que las respuestas de cada par asociado esten medidas por lo
menos en una escala ordinal, cumpliendo con estos supuestos, se procede a analizar la prueba.
La hipotesis nula puede expresarse como:
P(X
i
> Y
i
) = P(X
i
< Y
i
) = 0, 5 (7.2)
Siendo X
i
la respuesta del elemento i-esimo a la primera caracterstica e Y
i
la respuesta del elemento
i-esimo a la segunda caracterstica.
La hipotesis alternativa puede ser direccional, cuando postula que X es estocasticamente mayor (o menor)
que Y, o no direccional, cuando no predice la direccion de la diferencia.
Para realizar el contraste se hallan los signos (+ o -) de las diferencias no nulas entre las respuestas de los
dos componentes de cada par y se cuenta cuantas son positivas, S+, y cuantas negativas, S-. Si H
0
es cier-
ta, es de esperar que aproximadamente la mitad de las diferencias sean positivas y la otra mitad negativas.
El estadstico de prueba es S = min[S+, S],
Si H
0
es cierta, S tiene distribucion binomial de parametros n = n
o
de diferencias nulas y = 0, 5. Si n
184
es grande, la distribucion de S puede aproximarse mediante una normal de parametros,
S
=n
=0,5n;
2
S
=n(1 )
=0,25n
la decision dependera del valor estandar de S. Para mejorar la aproximacion se realiza una correccion de
continuidad, de forma que el estadstico de prueba es:
Z N(0, 1)
Cuando el n umero de diferencias no nulas es peque no la aproximacion de la distribucion de S mediante
la normal no es buena y en este caso el SPSS realiza directamente la prueba binomial, dando el nivel de
signicacion a partir del cual se rechaza H
0
en un contraste de dos colas. Si el contraste se realiza a una
cola dicho nivel de signicacion se reduce a la mitad.
limitaciones
1. Tama no de muestras peque no, impidiendo obtener parametros ecientes e insesgados, es as como
la prueba NO parametrica se convierte en la mejor opcion
2. muestras relacionadas debido a mediciones tomadas sobre los mismos individuos(arboles)
3. Destruccion de las unidades experimentales,(desaparicion de plantas por transplantaciones fallidas)
Software utilizado
R Development Core Team (2011). R: A language and environment for statistical computing. R Foundation
for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0,
2
. SPSS
Analisis, la hipotesis a constrastar
_
H
0
La mediana de los dos grupos son iguales
H
distintas
Se obtienen los siguientes resultados.
Variedad Test sig. Decision
Lorena Prueba de
Wilcoxon de los
rangos con signo de
muestras
relacionadas
0.655 NO rechazar la hi-
potesis nula
Choquette 0.655 NO rechazar la hi-
potesis nula
Trinidad .180 NO rechazar la hi-
potesis nula
Booth8 .180 NO rechazar la hi-
potesis nula
Para cada una de las 4 variedades de aguacate NO rechazamos la hipotesis nula a un nivel de signicancia
del 5 % ( = 0,05), es decir no hay diferencia signicativa entre los a nos que presentaron estres hidrico en
la oracion con los que no.
2
http://www.R-project.org/
185
CAP

Discusion
En la imagen se puede observar la heterogeneidad en los distintos frutos, es as como comparar las pro-
ducciones resulta una apreciacion sesgada.
Lorena Booth8
Trinidad Choquette
Figura 7.17: 4 variedades de aguacate
7.3.4. Conclusiones
1. En el analisis previo, incluso en el transcurso de la consultora, se crea que la diferencia resultara
signicativa, las pruebas de diferencia de medianas evidencio lo contrario, antagonizando el compor-
tamiento de estres hdrico(todo esto sujeto a los datos actuales, difcilmente podemos generalizar
con los datos )
2. Durante los transcursos de los a nos la diferencia entre una y otra produccion con metodos exclusi-
vamente descriptivos frente a ciclos con estres hdrico desciende considerablemente, es decir el estres
hdrico inuye parcialmente
3
en la produccion, asi que a mayor das de estres hdrico menor kg
s
de produccion.
7.3.5. Bibliografa
Orduz, J. (2007), Ovaluacion de cuatro variedades de aguacate.
Morint ,CHARLES.(1968) , CULTIVO DE FRUTALES
3
se tendra que corroborar la armacion con una base mas amplia
186
Anexos
Precipitacion , Requerimiento hdrico (Etc)
187
CAP

7.3.6. Bitacora
Ttulo del trabajo: Inuencia de la intensidad del estres hdrico en la fase de oracion cuajado sobre la
produccion de Aguacate en el piedemonte del Meta Nombre del solicitante: Alejandro Cleves
Total de citas:
No FECHA EVOLUCI
ON
1 20/04/2012 Se inicia el proceso con el cliente con una breve introduccion a la metodologa que
sugiere al grupo de consultora.
2 20/04/2012 Inmediatamente se acaba la audicion en el grupo de consultora, el grupo se reune
con el cliente argumentando que a partir que tengamos los datos, se realizara una
posible regresion multiple para determinar la inuencia del estres hdrico
3 23/04/2012 Se reciben los datos, lastimosamente el grupo se entera de la poca informacion y
de la informacion faltante por otro lado se realiza una nueva contextualizacion y
propuesta de la primera metodologa.
4 11/05/2012 Entrega de estadsticas descriptivos y segunda metodologa propuesta.
5 07/06/2012 Presentacion de metodologa escogida, segundo ajuste.
6 15/06/2012 Finalizacion caso de consultora, entrega de resultados.
188
7.4. Cliente No. 4
Solicitante
Nombres y Apellidos: Alejandro Cleves
Facultad: Ingenieria
Tutor-Proyecto
Facultad:
Ttulo del trabajo
Comportamiento agroecologico de cuatro variedades de Aguacate en suelos de la terraza alta del Piede-
monte del Meta, Colombia (1998-2008).
El primer encuentro se lleva a cabo el da 20 de abril, para el primer semestre del 2012, en dicho encuentro
el solicitante requiere determinar la inuencia de ciertas variables climatològicas, y del arbol de aguacate
sobre la producciòn de las diferentes variedades del mismo.
El grupo en primera instancia contempla que es un caso de modelamiento, donde las variables explicativas
son la variedad del aguacate, la evaporaciòn, la temperatura media y el brillo solar.
Nota: El consultante NO CUENTA con un director de tesis nombrado sino el departamento gua y
supervisa el avance de cada uno de los actividades del aspirante a Doctorado.
Para determinar la inuencia de las variables climatologicas y del arbol de aguacate sobre la produccion
del mismo se evaluaron cuatro variedades comerciales de aguacate: Lorena (raza Antillana), Trinidad
(Antillana x Guatemalteca), Choquette (A x G) y Booth 8 (A x G) injertados sobre aguacate criollo.
Los arboles fueron plantados en agosto de 1998 en un lote del centro de investigacion La Libertad de
CORPOICA en Villavicencio Meta, con una distancia de plantacion de 8 x 6 m (208 plantas/ha). El tipo
de suelo del area experimental se clasica como Typic Haplustox, de textura F.A.; estos suelos se conocen
como suelos clase IV (terrazas altas) en la clasicacion regional y son los suelos recomendados para ctricos
en la region (Orduz y Baquero, 2003). Naturalmente estos suelos son acidos con alta concentracion de
Al, niveles bajos de materia organica y bajos contenidos de P, Cu, B y Zn. Para aumentar la saturacion
de bases por encima del 60 %, un mes antes del transplante se aplico por ha: 2.5 t de cal dolomita, 1.5 t
de Escorias Thomas que se incorporo con rastra; posteriormente se aplico 1.5 t de yeso agrcola en fran-
jas que se ampliaron en el tercer a no. Anualmente se realizaron 3 aplicaciones de fertilizante compuesto
(17-6-18-2) mas elementos menores iniciando con 0.5 kg arbol
1
incrementando la cantidad por arbol en
300 g anualmente, estabilizando la fertilizacion hasta 2.5 kg arbol
1
despues del 5 a no hasta nalizar el
experimento; evitando el KCl por la toxicidad de Cl. Se aplico riego manual en los dos primeros veranos
y no se regaron las plantas adultas.
Se transplantaron 90 plantas de las 4 variedades, de las cuales se marcaron 10 de cada variedad; ubicadas
en el centro del lote. En el primer verano despues del transplante se perdieron 7 plantas de Booth 8, 2
de Trinidad y 5 de Choquette. Se llevaron registros anuales para cada arbol. Las variables de crecimiento
se midieron una vez al a no en la epoca seca y a partir del segundo a no se evaluaron las variables pro-
ductivas en cada cosecha anual. El volumen de la copa fue calculado usando la formula de Turrel (1946),
189
CAP

V = 0, 5236HD
2
, en el que H = altura de la copa y D = diametro de la copa.
Con la informacion obtenida se calculo la varianza y se represento con el comportamiento anual y acumu-
lado por arbol para las variables productivas. Al nal de los 11 a nos se realizo una lectura para conocer
la sobrevivencia de las variedades.
El promedio anual de las condiciones climaticas del Centro de Investigacion La Libertad durante la dura-
cion del experimento se presentan en la siguiente tabla.
Figura 7.19: Valores medios de precipitacion, temperaturas, humedad relativa, brillo solar, radiacion y
recorrido del viento del C.I. La Libertad (4
o
03 N y 73
o
29 W, 336 m.s.n.m)*. 1998 -2008.
Palabras clave
1. Produccion
2. Comportamiento agroecologico
3. Variedad
7.4.1. Objetivos
1. Determinar la inuencia de ciertas variables climatològicas, y agroecològicas del aguacate sobre la
producciòn de las diferentes variedades del mismo.
Evaluar las diferencias que existen en las 4 variedades de aguacate (Lorena, Trinidad, Choquette y Booth
8) en cuanto a produccion teniendo en cuenta las diferentes variables climàtologicas presentes en el piede-
monte llanero tales como la precipitacion, la evaporacion, la temperatura (Min, Med, Max), la Humedad
Relativa, la Temperatura de evaporacion, el punto de rocio, el brillo Solar y el Viento, ademas las variables
agroecologicas del arbol de aguacate como el volumen de la copa, la altura de la planta y la eciencia de
produccion de la copa.
Es importante resaltar, por la naturaleza de los datos que las observaciones proceden de una misma unidad
de muestreo; es decir la independencia de las observaciones no se tiene, por lo tanto se debe implementar
190
un metodo que modele la correlacion existente entre ellas; dando lugar a los modelos linelas mixtos.
Sin embargo en la literatura se sugiere ajustar un modelo de regresion lineal para observar las variables
que describen el fenomeno.
Un modelo lineal mixto tiene la siguiente estructura.
Y = X +Zb + (7.3)
X matriz de datos
vector de parametros jos.
Z matriz de bloques diagonal.
b vector de parametros aleatorios.
error aleatorios.
Software utilizado
Para los resultados obtenidos se utilizo el software estadstico R debido a su facil manejo y gratuidad.
El modelo se ajusto teniendo en cuenta los requerimientos climaticos presentes en el articulo de [Aragon,
1995] y utilizando la tecnica de ensayo y error que permite llegar al siguiente modelo:
Producci on = V ariedad +Evaporacin +TemperaturaMedia +BrilloSolar + (7.4)
Utilizando el paquete estadstico R se ajusta el modelo anterior obteniendo los siguientes resultados:
Call:
lm(formula = Produccion ~ -1 + variedad + EV + TMED + BSOLAR,
data = base)
Residuals:
Min 1Q Median 3Q Max
-20.409 -10.586 -1.629 10.474 33.458
Coefficients:
Estimate Std. Error t value Pr(>|t|)
variedadLorena -2971.768 609.168 -4.878 5.11e-05 ***
variedadChoquette -2988.318 609.168 -4.906 4.76e-05 ***
variedadTrinidad -2989.438 609.168 -4.907 4.74e-05 ***
variedadBooth8 -3001.293 609.168 -4.927 4.50e-05 ***
EV -5.438 1.026 -5.302 1.71e-05 ***
TMED 127.943 24.098 5.309 1.68e-05 ***
BSOLAR 52.162 15.303 3.409 0.00222 **
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Residual standard error: 14.65 on 25 degrees of freedom
Multiple R-squared: 0.8119, Adjusted R-squared: 0.7592
F-statistic: 15.42 on 7 and 25 DF, p-value: 1.213e-07
Ahora con ayuda de este modelo se estima el modelo lineal mixto de la forma:
191
CAP

Efectos jos Variedad.
Efectos Aleatorias Variables Climatologicas.
para el cual se utiliza la librera lme4 de R que permite con la funcion lmer realizar este tipo de ajuste asi:
ajus<-lmer(Produccion ~ -1+variedad+(1|EV)+(1|TMED)+(1|BSOLAR),
data=base)
Obteniendo los siguientes resultados:
Linear mixed model fit by maximum likelihood
Formula: Produccion ~ -1 + variedad + (1 | EV) + (1 | TMED) + (1 | BSOLAR)
Data: base
AIC BIC logLik deviance REMLdev
288.7 300.4 -136.3 272.7 250.4
Random effects:
Groups Name Variance Std.Dev.
EV (Intercept) 0.0000e+00 0.0000e+00
BSOLAR (Intercept) 2.3479e+02 1.5323e+01
TMED (Intercept) 1.9411e-19 4.4058e-10
Residual 1.9636e+02 1.4013e+01
Number of obs: 32, groups: EV, 8; BSOLAR, 7; TMED, 5
Fixed effects:
Estimate Std. Error t value
variedadLorena 36.294 7.643 4.748
variedadChoquette 19.744 7.643 2.583
variedadTrinidad 18.624 7.643 2.437
variedadBooth8 6.769 7.643 0.886
Correlation of Fixed Effects:
vrddLr vrddCh vrddTr
variddChqtt 0.580
variddTrndd 0.580 0.580
varieddBth8 0.580 0.580 0.580
Sin embargo el Acadeemico Douglas Bates autor principal del paquete cree que no es posible estimar
con abilidad los grados de libertad de los parametros jos y por lo tanto, proponer una distribucion del
estadstico F lo sucientemente able como para realizar el Test de signicacion.
Por lo tanto lo que se recomienda segun el artculo comparar el modelo ajustado con un modelo en el que
no se tengan en cuenta los factores jos pero si los efectos aleatorios.
Se hace uso del paquete estadstico R para comparar los dos modelos con lo que se obtiene:
Data: base
Models:
ajus1: Produccion ~ (1 | EV) + (1 | TMED) + (1 | BSOLAR)
ajus: Produccion ~ -1 + variedad + (1 | EV) + (1 | TMED) + (1 | BSOLAR)
Df AIC BIC logLik Chisq Chi Df Pr(>Chisq)
ajus1 5 296.20 303.53 -143.10
ajus 8 288.66 300.38 -136.33 13.547 3 0.003591 **
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Ahora como se ve, el modelo completo (ajus) produce un AIC que es inferior al AIC del modelo anidado
(que no contempla la variacion en las pendientes),y ademas el test Chi-cuadrado realizado sobre el para-
metro de verosimilitud (logLik) es signicativo, lo que indica que que el modelo completo es parsimonioso.
192
Todo ello apunta a que existe un efecto general y signicativo de la variedad sobre la produccion.
Luego se debe vericar el suuesto de normalidad de los errores con los siguientes gracos y el test de
Shapiro Wilk.
Figura 7.20: Residuales
En el Q-Qplot se ve que los puntos no se comportan muy bien ya que hay algunas observaciones extremas
en la respuesta y el histograma de los residuales no sugiere que halla normalidad.
Shapiro-Wilk normality test
data: Res
W = 0.9502, p-value = 0.146
Al analizar este test de normalidad no hay evidencia signicativa para rechazar la hipotesis nula, con lo
cual no se rechaza la hipotesis nula a un nivel de signicancia del 5 %, con lo que se concluye que hay
normalidad en los residuales.
7.4.4. Conclusiones
Es engorroso lograr buenos resultados con la variable respuesta (Produccion) estimada por kgs ya
que todas las variedaddes tienen pesos diferentes dicultandose la comparacion entre variedades de
aguacate; por lo tanto deberia pensarse en una nueva escala o indice para la produccion y mejorar
los resultados que se puedan obtener
Debido a que se desconocen los datos de cuantos arboles desaparecian por a no hay un impedimento
para que quede bien medida la produccion en cada variedad respecto a las otras, puesto que se
desconoce cual variedad es la que estuvo perdiendo mas arboles anualmente.
Desde un pricipio no hubo un buen dise no en el experimento lo cual imposibilita que se tenga buena
informacion y ademas que los datos recogidos no se tomaron como deba ser implicando que la
informacion fuera reducida y faltante.
193
CAP

7.4.5. Bibliografa
Aragon (1995) Climas tropicales, subtropicales, mediterraneo y semidesertico. 15(3), 209 - 225.
Cayuela L. (2010) Modelos lineales mixtos en R. Universidad de granada.
194
7.4.6. Bitacora
Ttulo del trabajo: Comportamiento agroecologico de cuatro variedades de Aguacate en suelos de la
terraza alta del Piedemonte del Meta, Colombia (1998-2008). Nombre del solicitante: Alejandro Cleves
Total de citas:
No FECHA EVOLUCI
ON
1 20/04/2012 Inicio de la consultoria
2 23/04/2012 Contextualizacion, propuesta primera metodologa, complementacion de la base
de datos.
3 11/05/2012 Entrega de estadisticas descriptivos y segunda metodologia propuesta.
4 07/06/2012 Presentacion de metodologia escogida, segundo ajuste.
5 14/06/2012 Finalizacion caso de consultoria, entrega de resultados.
195
CAP

7.5. Cliente No. 5
Solicitante
Nombres y Apellidos: Nathalia Rodrguez Suarez
Programa Academico: Maestra en Psicologa
Facultad: Ciencias sociales y Humanas
Nivel de formacion: Posgrado (Psicologa)
Tutor-Proyecto
Nombres y Apellidos: Mara Patricia Monta nez
Facultad: Ciencias Sociales y Humanas
Ttulo del trabajo
Perles clnicos en la enfermedad de Alzheimer.
En el primer encuentro la consultante expone el caso, arma es un estudio retrospectivo de pacientes
diagnosticados con enfermedad de alzheimer, valorados mnimo 3 veces y en diagnostico por consenso en
la clnica de la memoria del Hospital San Ignacio; donde la idea es describir los perles clnicos de los
pacientes con ayuda de un analisis longitudinal de los datos, teniendo en cuenta que los mismos no estan
tomados en un mismo momento (diferentes tiempos entre sujetos y entre cada valoracion de un mismo
sujeto); las variables a cruzar serian de pruebas neuropsicologicas (puntuaciones de escalas de memoria,
atencion, lenguaje, depresion y otras escalas); tambien hace entrega de el artculo Neural networks for
longitudinal studies in Alzheimers disease, el cual cree puede usar para su trabajo, con el n de hacerle
una revision por parte del grupo de consultores y determinar la viabilidad del uso del mismo.
La enfermedad de Alzheimer afecta en la actualidad a una poblacion cada vez mayor de personas de edad
avanzada; las predicciones sobre el curso de la enfermedad son un componente clave para el cuidado de la
salud y la toma de decisiones para el tratamiento de pacientes con Alzheimer.
El diagnostico fsico y el pronostico de la trayectoria en el deterioro cognitivo a menudo forman la base del
tratamiento y las decisiones sobre el cuidado tomado por los pacientes y sus familias. Estas predicciones
son difciles de hacer debido a la alta variabilidad y no linealidad exhibida por los patrones individuales
de deterioro cognitivo.
Palabras clave
1. Alzheimer
2. Deterioro cognitivo
3. Perles clnicos
196
7.5.1. Objetivos
1. Establecer las caractersticas de los perles clnicos de la enfermedad de Alzheimer.
2. Proponer un modelo estadstico que permita entender el curso de la enfermedad y as ayudar con el
diagnostico y el tratamiento de los pacientes.
3. Conocer que pruebas determinan el avance de la enfermedad de acuerdo a los protocolos establecidos
para tal n.
Debido a la complejidad del estudio ya que los sntomas de la enfermedad se pueden presentar de m ultiples
formas, y no siempre con las mismas caractersticas, la consultante necesita establecer con claridad los
perles de los pacientes haciendo uso de pruebas neuropsicologicas ya establecidas en los protocolos; por
ello es de gran importancia proponer un modelo adecuado que tenga en cuenta la naturaleza de los datos
y logre obtener resultados relevantes para el avance en el entendimiento de la enfermedad en sus diferentes
etapas.
En primera instancia se analizo el articulo propuesto por la consultante y se determino que no era ade-
cuado para desarrollar el estudio por la naturaleza de las variables en consideracion.
En numerosas ocasiones la variable respuesta no sigue una distribucion Normal: una variable discreta, una
tasa, una proporcion,etc, en tal caso,
Las relaciones lineales no son validas (predicciones fuera de rango).
Los errores no suelen ser homogeneos.
La inferencia basada en modelos lineales no suele ser adecuada.
Aplicando transformaciones (log, Sqrt,etc.) el modelo se distorsiona.
Es necesario emplear modelos que se adapten a la propia distribucion de los errores: Modelos GLM
o GLMM.
Por las razones expuestas anteriormente, se propone un modelo condicional (G) GLMM.
El modelo (G) es el siguiente:
E[Y |u] = g
1
(X +Zu) donde; u N(0, G) (7.5)
Se asume que condicional a los efectos aleatorios se trata de un modelo lineal generalizado simple y
que la distribucion de los efectos aleatorios u es Normal.
La introduccion de efectos aleatorios en el modelo, induce una estructura de correlaciones en la
distribucion marginal.
197
CAP

El metodo de estimacion emplea (aproxima) la funcion de verosimilitud.
En el modelo GLMM los coecientes representan el efecto a nivel individual.
Debido a que no se cuenta con informacion se presenta un ejemplo donde se hace uso de el modelo
planteado; fue tomado de una ponencia de Llorenc Badiella de la Universidad de Barcelona denominada
MODELOS LINEALES GENERALIZADOS MIXTOS ALGUNOS CASOS PR
ACTICOS.
Episodios Enfermedad En este caso, se desea analizar el patron de evolucion de una patologa auto-
inmune. La informacion de los pacientes es recogida semestralmente. La variable objetivo consiste en el
n umero de brotes experimentados desde la ultima visita realizada. Se selecciona unicamente a aquellos
pacientes con al menos 3 visitas realizadas, en total se incluyen 277 sujetos. Finalmente, se desea analizar
la inuencia de la edad en el momento de diagnostico o del sexo en la severidad de la enfermedad.
A continuaci on se muestran algunos datos:
proc print data=a(obs=10);
run;
El resumen de los datos es el siguiente:
proc means data=a mean std n maxdec=2;
class sexo;
var nbrotes;
run;
proc means data=a mean std n maxdec=2;
class EdadR;
var nbrotes;
run;
198
Gracamente:
proc sgplot data=a;
vbar edad / response=nbrotes stat=mean limits=upper ;
run;
La evolucion a lo largo del tiempo a nivel individual para una seleccion de sujetos es la siguiente:
proc sgplot data=a noautolegend;
series x=tiempo y=nbrotes / group=id ;
run;
La evolucion promedio a nivel visita seg un el sexo se muestra en el siguiente graco:
199
CAP

proc sgplot data=s;
series x=visita y=nbrotesm / group=sexo ;
run;
El modelo actual comprende un factor aleatorio, el individuo. Dado que los datos son recuentos, se em-
pleara un modelo lineal generalizado mixto. Por tratarse de datos longitudinales donde la evolucion de la
patologa puede variar, se considerara el termino independiente y el pendiente asociados a cada individuo
como efectos aleatorios.
proc glimmix data=a plots=pearsonpanel maxopt=50 method=quad;
class sexo id;
model nbrotes = edadr sexo Tiempo / dist=poisson ;
random intercept Tiempo / subject=id;
run;
Las componentes de la varianza y la tabla ANOVA para los efectos jos son:
200
Las estimaciones de los parametros:
Finalmente, el diagrama de residuos condicionales de Pearson es:
Software utilizado
A continuaci on se presenta un cuadro con las diferentes funciones en dos paquetes que pueden ser usados
para el analisis.
201
CAP

V.Respuesta Observaciones SAS R
Normal Indep. GLM lm
Normal Corr. MIXED lme(nlme) lmer(lme4)
F.Expo. Indep. GENMOD glm
F.Expo. Corr.Cond GLIMMIX glmer(lme4)
F.Expo. Corr.Marginal GLIMMIX geeglm(lme4)
Para los requerimientos del estudio se recomienda usar el paquete estadstico SAS, y utilizar la funcion
GLIMMIX.
Debido a que no se cuenta con los datos requeridos para el analisis, ni con la estructura de la base no se
muestran resultados.
7.5.4. Conclusiones
Teniendo en cuenta que falta determinar las pruebas neuropsicologicas que son de interes para el estudio
y los diferentes factores que determinan las respuestas se propone un modelo estadstico que esta acorde
con las necesidades de la investigacion, esta revision se le entrega a la consultante para que sirva de base
en el futuro trabajo con los datos.
7.5.5. Bibliografa
Reeti Tandon a, Sudeshna Adak a, Jerey A. Kaye b,Neural networks for longitudinal studies in Alzhei-
mers disease, Articial Intelligence in Medicine (2006) 36, 245255
Cayuela,l. Modelos lineales mixtos en R. Universidad de granada (2010)
Verbeke,G.Molenberghs,G, Lineal mixed models for Longitudinal data;Spinger (2000)
202
7.5.6. Bitacora
Ttulo del trabajo: Perles clnicos en la enfermedad de Alzheimer.
Nombre del solicitante: Nathalia Rodrguez Suarez
Fecha de terminacion: //-
Total de citas: 2
No FECHA EVOLUCI
ON
1 19/04/2012 En la primera cita se realiza la contextualizacion del tema, los objetivos y un
primer diagnostico el cliente propone un artculo para usar la misma metodologa
en el trabajo.
2 23/04/2012 Se realiza una cita con el cliente y el profesor donde se aclara que el articulo
propuesto no es adecuado y se propone una revision con un modelo que tenga en
cuenta la naturaleza de las variables.
203
CAP
ITULO 8
CASOS GRUPO 8
Consultores
Marcela Cadena ymcadenat@unal.edu.co
Jessika Buitrago jjbuitragor@unal.edu.co
Carol Cardozo ccardozog@unal.edu.co
Adriana Pach
on appachong@unal.edu.co
Laura Ramos lmramoss@unal.edu.co
8.1. Cliente No. 1
Solicitante
Nombres y Apellidos: Andrea Trompetero
Programa Academico: Maestra en Fisiologa
Facultad: Medicina
Nivel de formacion: Fisioterapeuta
Tutor-Proyecto
Nombres y Apellidos: Edgar Cristancho Meja
Facultad: Ciencias
Ttulo del trabajo
Determinacion del umbral altitudinal eritropoyetico y su efecto sobre variables hematologicas en pobla-
ciones colombianas.
En la primera consulta, realizada el da 14 de Marzo la estudiante de Maestra en Fisiologa Andrea Trom-
petero asistio con su correspondiente tutor Edgar Cristancho con el n de exponer su principal problema,
204
el cual consiste en encontrar un tama no de muestra adecuado con el n de encontrar un umbral altitudi-
nal donde pueda encontrar diferencias signicativas sobre sus variables de estudio. Se expuso un estudio
anterior que podra llegar a ser de utilidad para la solucion del problema, sin embargo se encontraron en
el algunas inconsistencias, como la poblacion objetivo: En el estudio realizado anteriormente se tena en
cuenta solo mujeres de diferentes edades, lo cual diere del estudio actual que requiere personas en un
rango especco de edad y de determinada raza.
En el mundo hay mas de 40 millones de personas que viven en lugares por encima de los 3000 msnm (me-
tros sobre el nivel del mar). Sobre esos niveles la salud humana, la productividad y supervivencia podan
estar en su lmite por la escasa presion de oxgeno. La reducida presion parcial de oxgeno, caracterstica
de las alturas, produce un estado de hipoxia (privacion del suministro adecuado de oxgeno) en todo el
organismo humano. El estudio de las respuestas hematologicas a la exposicion a la altura ha sido tema de
gran interes para los investigadores debido al aumento cada vez mayor del asentamiento de las personas
en altitudes mayores a 2500 msnm.
La mayora de los estudios comparativos han sido realizados en simulaciones en camaras hipobaricas o en
exposiciones directas a altitudes mayores a los 4000 msnm, en las cuales se ha reportado una eritropoyesis
(generacion de globulos rojos) aumentada, que se asocia con un incremento de la concentracion de la
hormona eritropoyetina (EPO) que estimula la produccion de los globulos rojos. De esta manera el hierro
juega un papel importante en la sntesis de hemoglobina la cual transporta el oxgeno dentro del globulo
rojo. La hemoglobina se cuantica con una metodologa que nos permite conocer el valor de su masa total.
La razon principal de la consultora se basa en la b usqueda de un tama no de muestra por altura que permita
ubicar el umbral donde se presente diferencias en los niveles de las variables hematologicas, esencialmente
el nivel de concentracion de EPO, esto se tendra tomando en cuenta las tres diferentes ubicaciones de
estudio: Soacha (2640 msnm), Choach (1923 msnm), y Fusagasuga (1728msnm). Se considerara la pobla-
cion entre 18 y 30 a nos en estado saludable mas no deportivo de centros educativos en estos municipios
para el estudio.
Palabras clave
Eritropoyetina, EPO, altura, metros sobre el nivel del mar, hemoglobina, tama no de muestra.
8.1.1. Objetivo
Determinar la altura sobre el nivel del mar y el grado de hipoxia ambiental a partir del cual grupos de
colombianos adultos saludables (nativos y/o residentes de la altura) incrementan su eritropoyesis medida
mediante la masa total de hemoglobina (Hbtot) en relacion a residentes de tierras bajas.
Para solucionar el problema es necesario:
Denir poblacion objetivo:
Personas entre 18 y 30 a nos en estado saludable.
Personas de raza blanca o mestiza.
Personas que pertenezcan a los centros de educacion superior de los tres diferentes municipios
ya establecidos: Soacha (2640 msnm), Choach (1923 msnm), y Fusagasuga (1728msnm).
205
CAP

Tener por locacion un tama no muestral de aproximadamente 50 personas.
Contar con un estudio piloto, con el cual se puedan tener datos y estadsticas relevantes y necesarias
para la determinacion del tama no de muestra.
El tama no de muestra maximo puede cambiar respecto al presupuesto establecido.
La determinacion del tama no muestral debe tener respaldo estadstico coherente.
Para el tama no de muestra adecuado se requiere de conocimientos establecidos por la Teora del Muestreo,
teniendo en cuenta el coeciente de variaci on sobre la media poblacional denido de la siguiente manera:
CV
2
U
=
V ar()
2
Para el estudio piloto tomaremos los resultados del artculo
Para tener una tama no de muestra para el conjunto de poblaciones se usara el que toma en cuenta el
coeciente de variacion del estudio similar realizado:
n
CV
2
U
CV + (
CV
2
U
N
)
Donde CV
U
corresponde a el coeciente de variacion sobre la poblacion para la media de la variable EPO
obtenido a partir del estudio piloto, CV es el coeciente de variacion que se da para determinar el tama no
de muestra para la variable de interes y N es el tama no de la poblacion, es decir, el total de poblacion
universitaria tomada de los tres municipios.
Tomando los datos del estudio piloto, se tiene para la variable EPO:
Cuadro 8.1: Datos Estudio piloto
1780m 2085m 2800m
18,6 6,2 18,9 7,0 20,9 12,6
Los valores se presentan como medias SD donde SD se dene como
SD =
_
2
h
n

2
h
=

2
h
n
u
h

2
h
= n
u
h
2
h
=
1
n
u
h
u
h
(y
k
y
u
h
)
2
=
1
n
u
h
__
u
h
y
2
k
_
n
u
h
y
2
u
h
_
n
u
h
= 48 para h = 1, 2, 3.
2
u
=
1
N
u
(y
k
y
u
)
2
=
1
N
__
u
y
2
k
_
Ny
2
u
_
para calcular
2
u
a partir de
2
h
entonces por ser estratos entonces u =
3
h=1
u
h
, por lo tanto
u
y
2
k
=
3
h=1
_
u
h
y
2
k
_
206
ademas
u
h
y
2
k
=
2
h
n
u
h
+n
u
h
y
2
u
h
= n
u
h
_
2
h
+y
2
u
h
_
Entonces:
2
u
=
1
N
__
3
h=1
_
n
u
h
(
2
h
+y
2
u
h
)
_
_
Ny
2
u
_
como n
u
h
= 48, h = 1, 2, 3 luego N = 144, por lo cual
2
u
=
1
N
__
48
3
h=1
(
2
h
+y
2
u
h
)
_
Ny
2
u
_
Finalmente por tener los estratos
y
u
=
u
y
k
N
=
u
h
y
k
N
como y
u
h
=
uh
y
k
n
uh
u
h
y
k
= n
u
h
y
u
h
de donde
y
u
=
3
h=1
(n
u
h
y
u
h
)
N
=
48
3
h=1
y
u
h
N
Por lo anterior
=

2
u
N
Al obtener n, proseguimos obteniendo un n
h
por ajacion de Neyman, es decir:
n
h

n
2
h
N
h
N
h
h
donde N
h
es el tama no poblacional de cada estrato, que en este caso corresponde al n umero de estudiantes
en cada universidad.
Dado que no se obtuvieron marcos muestrales para poder llevar a cabo un muestreo probabilstico, se
decide realizar un muestreo de conveniencia, el cual esta denido como: El muestreo de conveniencia es
una tecnica de muestreo no probabilstica. Como el nombre lo indica, la muestra se determina por conve-
niencia. Los elementos se incluyen en la muestra sin que haya una probabilidad previamente especicada
o conocida de que sean incluidos en la muestra. [Anderson, D.]
Por lo anterior, para realizar el analisis se propone aplicar inferencia basada en el modelo para muestreo
estraticado, para el cual seg un Lhor (2000), el modelo de analisis de varianza en un sentido con efectos
jos proporciona una estructura subyacente para muestreo estraticado. En este caso
Y
hj
=
h
+
hj
donde los
hj
sin independientes con media cero y varianza
2
h
. El estimador por mnimos cuadrados de
h
obtenido a partir de las unidades de la muestra es el promedio de las observaciones de la muestra en
el estrato h.
207
CAP

Tomando los datos del estudio anterior para la variable EPO y dada la informacion disponible en cada
municipio, se tiene la siguiente asociacion:
Cuadro 8.2: Datos necesarios para el analisis.
Estudio piloto Informacion municipios
Altura (msnm) EPO Municipio Altura (msnm) Poblacion universitaria
1780 18,6 6,2 Fusagasuga 1728 3558
2085 18,9 7,0 Choachi 1923 323
2800 20,9 12,6 Soacha 2640 1019
Los valores de la variable EPO se presentan como medias SD donde SD es
SD =
_
2
h
n
Entonces se obtuvieron los siguientes valores:
y
u
=
48
144
(18,6 + 18,9 + 20,9) = 19,4667
2
u
=
1
144
(48(38,44 + 18,6
2
+ 49 + 18,9
2
+ 158,76 + 20,9
2
) (144 19,4667)) = 83,1089
=
83,1089
144
= 0,5771
CV
2
u
=
0,5771
19,4667
2
= 0,0015
Se calcularon los tama nos de muestra con valores del CV de 0,001, 0,003, 0,005 y 0,01, para los cuales se
obtuvo:
Cuadro 8.3: Tama nos de muestra totales usando diferentes coecientes de variacion
CV 0.001 0.003 0.005 0.01
n total 1161.875269 163.573888 60.17216305 15.18287542
La anterior tabla se obtiene aplicando la formula para tama nos de muestra con coecientes de variacion,
por ejemplo:
n
0,0015
0,003
2
+ (
0,0015
4900
)
= 163,57 164
La siguiente tabla muestra diferentes opciones para el tama no de muestra en cada estrato, usando diferentes
tama nos de muestra total por el metodo de ajacion de Neyman:
Cuadro 8.4: Tama nos de muestra por estrato
Municipio n
h
con N = 150 n
h
con N = 164 n
h
con N = 60
Fusagasuga 65.25824613 71.34901577 48.45069336
Choach 7.551699103 8.256524352 0.508986021
Soacha 77.19005477 84.39445988 16.41323502
208
8.1.4. Conclusiones
Debido a los objetivos que propone el estudio y a la disponibilidad de costos se toma el tama no de
muestra cuando el coeciente de variacion es de 0.3 %, es decir un tama no de muestra n = 165 el
cual quedo distribuido de la siguiente forma: 71 individuos en Fusagasuga, 9 en Chocach, y 85 en
Soacha.
Por otra parte, dadas las caractersticas del estudio, y las condiciones de inclusion para el estudio,
se hace necesario llevar a cabo un muestreo por conveniencia, por tal razon, para llevar a cabo
un analisis de los datos obtenidos se propone utilizar inferencia basada en el modelo para el caso
estraticado.
En general, la interaccion entre la consultante y el grupo de trabajo del caso fue constante. Se
propusieron diferentes escenarios por lo cual fue necesario llegar a un com un acuerdo entre ambas
partes tomando la opcion que mejor se acomoda a las necesidades del consultante.
Ya que la consultante propone realizar un analisis en otros municipios con alturas intermedias entre
las ya tomadas, se sugiere durante la toma de los datos en los tres municipios determinados se
eval uen aproximadamente entre 3 y 5 personas que pertenezcan a las otras alturas para poder tener
una estimacion de la varianza y as poder ampliar el analisis a otros municipios correspondientes
a nuevas alturas, esto dado que no se tiene informacion adicional u otros estudios que permitan
determinar tama nos de muestras en nuevos lugares.
8.1.5. Bibliografa
Boning D.,Rojas J.,Serrato M.,Ulloa C.,Coy L., Mora M.,Gomez J.,H utler M.(2001). Hemoglobin mass
and peak oxygen uptake in untrained and trained residents of moderate altitude. International Journal of
Sports Medicine. Vol.22:572-578.
Boning D., Cristancho E.,Serrato M., Reyes O., Mora M., Coy L., Rojas J.(2004). Hemoglobin mass and
peak oxygen uptake in untrained and trained female altitude residents. International Journal of Sports
Medicine. Vol.25:1-9.
Ri-li Ge, S. Witkowski, Y. Zhang, C. Alfrey, M. Sivieri, T.Karlsen, G.k. Resaland, M.Harber, J. Stray-
Gundersen, B.D. Levine.(2002). Determinants of erythropoietin release in response to short-term hypobaric
hipoxia. Journal of Applied Physiology. Vol:92:2361-2367.
Schmidt W., Spielvogel H., Eckardt K.U., Quintela A., Pe naloza R.(1993). Eects of chronic hipoxia and
exercise on plasma erythropoietin in high-altitude residents. Journal of Applied Physiology. Vol 74(4):
1874-1878.
Sarndal, Carl-Erik. Swensson, Bengt. Wretman, Jan. (1992) Model Assisted Survey Sampling. Springer-
Verlag. New York.
Anderson, David. Sweeney, Dennis J. y Williams, Thomas A. (2008). Estadstica para Administracion y
Economa. CENGAGE Learning. Mexico D.F. 10 ed. pp 290.
Lohr, Sharon L. (2000). Muestreo, Dise no y Analisis. International Thomson Editores. Mexico, Vol 1. pp
93-115.
209
CAP

8.1.6. Bitacora
Ttulo del trabajo: Determinacion del umbral altitudinal eritropoyetico y su efecto sobre variables
hematologicas en poblaciones colombianas.
Nombre del solicitante: Andrea Trompetero
Total de citas: 7
No FECHA EVOLUCI
ON
1 14/03/2012 Planteamiento y discusion del problema con el tutor. Establecimiento de parame-
tros para futuros encuentros y discusiones.
2 21/03/2012 Reunion con la estudiante, el grupo dio las pautas para tener la poblacion objetivo
y se hablo ademas del presupuesto del estudio, esto para tener idea sobre el tama no
muestral deseado. El 27 de Marzo la estudiante consultante envio la informacion
al grupo sobre estudios anteriores y el que tiene en proceso. Para tener el n umero
de estudiantes entre 18 y 30 a nos en estado saludable y de raza blanca o mestiza
en cada institucion educativa se debe pedir un permiso escrito, proceso del cual se
encarga la estudiante consultante.
3 18/04/2012 La ciudad Manizales estaba en consideracion para el estudio, pero fue descartada
por falta de datos necesarios. La consultante brinda informacion pertinente como
estudios anteriores relacionados, de los cuales se toman varianzas estimadas para
cada altura.
4 4/05/2012 Se consideran diferentes dise nos muestrales y se deduce un Muestreo Estraticado
por Conveniencia.
5 9/05/2012 Estudio de diferentes tama nos de muestra, tomando como poblacion, los totales
estimados del censo de 2005 y totales estimados de universidades con convenio.
Se considera inicialmente el tama no muestral por universidades, sin embargo se
espera una o dos ciudades mas en el estudio, por consiguiente el tama no muestral
tomado inicialmente debe ser planteado nuevamente.
6 23/05/2012 Reunion con el tutor, para la tesis de la consultante Andrea Trompetero se realizara
el analisis con 3 locaciones, y con poblaciones de universidades ya que son mas
accesibles para el estudio. Se debe cambiar la estimacion de la varianza de los
estudios piloto.
7 8/06/2012

Ultima reunion donde se presentaron los resultados, se explico a la cliente que
metodologa se haba utilizado de acuerdo a las decisiones nalmente acordadas
en la reunion anterior y las consideraciones a tener en cuenta para el futuro analisis
de los datos. Tambien se aclararon las dudas que surgieron de lo observado en el
informe.
210
8.2. Cliente No. 2
Solicitante
Nombres y Apellidos: Quelver Yesid Jimenez Ria no
Programa Academico: Maestra en Ingeniera Ambiental
Facultad: Ingeniera
Nivel de formacion: Ingeniero Qumico
Tutor-Proyecto
Nombres y Apellidos: Nestor Yesid Rojas
Facultad: Ingeniera
Ttulo del trabajo
Evaluacion de la eciencia de remocion de material particulado y dioxido de azufre en un lavador tipo
Venturi para una caldera que emplea carb on como combustible.
Descripcion de la remocion de material particulado en un lavador tipo Venturi, explicacion de las variables
tomadas como factores y las variables respuesta que fueron observadas del modelo factorial, el cual fue
propuesto en el segundo semestre de 2011 por el curso de Consultora Estadstica. Se realizo la descripcion
del proceso de remocion de material particulado por medio del lavador, el tutor no estuvo presente.
En el sector industrial de tintoreras en Bogota se concentra un n umero considerable de calderas que
emplean carbon como combustible, cuya capacidad vara entre 80 y 250 BHP (Boiler Horse Power). En
estas empresas se ha considerado el cambio a tecnologas de combustion mas limpia como el gas natural.
Sin embargo, es una opcion que no ha tenido acogida entre estos industriales, debido a la diferencia de
precios en comparacion con el carbon, su oferta limitada y a que la mayor parte de la infraestructura
consiste en calderas que funcionan con carbon. Por tal motivo, el sector ha optado por adelantar proyec-
tos para mejorar las caractersticas del carbon y as disminuir las emisiones atmosfericas al momento de
la combustion, o implementar sistemas de control ecientes y economicamente sostenibles que permitan
cumplir con los lmites establecidos por la normatividad.
La mayora de calderas en este sector cuentan con sistemas de control como ciclones y lavadores, pero
es indiscutible que las eciencias de remocion de contaminantes atmosfericos son bajas. Esto se debe,
principalmente, a que a pesar de ser una tecnologa probada y reconocida a nivel mundial para el control
de contaminantes atmosfericos, este sector no ha podido apropiarse de esta tecnologa de forma adecuada
principalmente por falta de conocimiento, viendose esto reejado en equipos mal dise nados, construidos
de forma emprica, o escalados de un equipo a otro sin tener mayores consideraciones tecnicas, que se de-
terioran muy rapido y se dejan de utilizar. Esto sumado a que no se han logrado establecer condiciones de
operacion optimas del sistema de control que permitan obtener las maximas eciencias, a las condiciones
y nivel tecnologico de los sistemas de combustion del sector en Bogota, hacen que las concentraciones de
contaminantes como el material particulado y el SO2 se encuentren permanentemente por encima de los
lmites permitidos.
Este proyecto busca implementar un sistema lavador en una caldera que emplea carbon como combustible
con el n de establecer eciencias de remocion de un sistema de control de alta eciencia, como el lavador
Venturi, y as poder evaluar cual es la inuencia que sobre esta tienen la inyeccion de la solucion de lavado
211
CAP

y la relacion ujo de gas y ujo de solucion de lavado a las condiciones locales, siendo importante estos
valores para establecer la posibilidad de implementarlo en equipos de combustion a carbon de similares
caractersticas.
Palabras clave
Lavador Venturi, Material Particulado, Dise no Factorial, Analisis de Varianza, Normalidad, Homoscedas-
ticidad
8.2.1. Objetivo
Determinar la eciencia de remocion de material particulado y SO2 para un sistema de control de emisio-
nes atmosfericas tipo lavador Venturi en una caldera que emplea carbon como combustible.
Analisis de los datos obtenidos de un dise no factorial 2
3
con 4 replicas para determinar las combinaciones
de factores mas ecientes en la remocion de particulado en un lavador tipo Venturi para una caldera de
carbon, para cada variable respuesta del dise no llevado a cabo.
Orientacion acerca de la metodologa a implementar para entender el analisis necesario a realizar, ademas
de la herramienta computacional que poda utilizar para obtener los resultados ecientemente. Ademas,
de la respectiva explicacion del marco teorico que se aborda para el desarrollo de analisis.
El dise no factorial propuesto esta denido de la siguiente manera:
Los factores fueron:
1. Forma de inyeccion del lquido de lavado I
-Ip: Inyeccion tipo pelcula
-Is: Inyeccion tipo spray.
2. Flujo de gases combustion G
G1: Nivel alto (m3 de gas/ minuto) condicion actual
G2: Nivel bajo (m3 de gas/ minuto) ajustado a % de aire en exceso recomendado
3. Flujo de lquido de lavado combustion L
L1: Nivel alto (L liquido de lavado/ minuto)
L2: Nivel bajo (L liquido de lavado/ minuto)
4. Las variables de respuesta se denen como:
Mp: Concentracion de material particulado.
SO
2
: Concentracion de SO
2
.
212
O
2
: Concentracion de O
2
.
CO: Concentracion de CO.
Temperatura: Temperatura en grados Celcius.
H
2
O: Cada de presion.
NOX: Concentracion de Oxido de Nitrogeno.
Los datos se encontraban discriminados tanto en los valores reales con un valor de oxgeno (O
2
), como en
los valores corregidos al 6 % de O
2
. Con los valores reales se procede a realizar un analisis de correlacion
de cada variable respuesta con la variable O
2
para determinar la viabilidad de realizar una analisis de
varianza para un dise no factorial con covariable. Dado que no se observo una alta correlacion de todas las
variables respuesta con O
2
se efect ua el analisis con los datos corregidos al 6 % ya que los valores deben ser
presentados frente al Ministerio de Medio Ambiente, el cual es el lmite permitido para la variable oxgeno.
Para el analisis con los datos corregidos, se procede a realizar la vericacion de correlacion entre las va-
riables corregidas para determinar si se debe realizar un analisis multivariado o un analisis univariado
para las variables respuesta. Determinado el tipo de analisis, se realizan las respectivas vericaciones de
supuestos, con el proposito de tener un analisis de varianza valido. Se realizaron gracos para ilustrar
el comportamiento residual y se empleo para normalidad la prueba de Shapiro-Wilk, y para homosce-
dasticidad de varianza la prueba de Bartlett. Las variables SO
2
y H
2
O no cumplan con el supuesto de
normalidad, se procedio a emplear tecnicas de transformacion en las variables SO
2
y H
2
O, con esto las
variables respuesta cumplen los supuestos para realizar el analisis de varianza correspondiente.
Finalmente se realiza el analisis de varianza sobre cada variable para determinar los modelos que se ajus-
tan de manera mas eciente para cada una, es decir la combinacion de niveles factoriales que inuyen en
el comportamiento de la respuesta observada.
Software utilizado
R version 2.15.0 (2012-03-30)
Copyright (C) 2012 The R Foundation for Statistical Computing
Correlacion de variables respuesta con covariable O
2
Al tener datos con una opcion de covariable que inuya en las variables respuesta, se realiza una matriz
de correlaciones con el proposito de vericar si esta covariable es lo sucientemente inuyente como para
considerar una ANCOVA, es decir, un analisis de varianza empleando la covariable O
2
. Gracias a la tabla
8.5 no se aprecian correlaciones mayores a 0.8, luego la variable O
2
no se considera covariable, por lo cual
no es pertinente realizar un analisis ANCOVA.
213
CAP

Cuadro 8.5: Correlaciones de variables respuesta con covariable O
2
H
2
O Temp CO NOX SO
2
Mp O
2
H
2
O 1.00 -0.47 -0.67 -0.58 -0.67 -0.60 0.36
Temp -0.47 1.00 0.73 0.08 0.19 0.60 0.39
CO -0.67 0.73 1.00 0.39 0.36 0.71 -0.12
NOX -0.58 0.08 0.39 1.00 0.33 0.43 -0.48
SO
2
-0.67 0.19 0.36 0.33 1.00 0.32 -0.27
Mp -0.60 0.60 0.71 0.43 0.32 1.00 0.03
O
2
0.36 0.39 -0.12 -0.48 -0.27 0.03 1.00
Correlacion de variables respuesta corregidas al 6%
Ya que los datos con covariable no son de utilidad para el estudio, se toman en cuenta los datos corregidos
al nivel de oxgeno del 6 %, ya que se exigen por el Ministerio de Medio AMbiente, para el manejo de
informacion bajo las mismas condiciones. Se verica de nuevo la correlacion entre variables respuesta,
esta vez descartando la covariable y corrigiendo datos al 6 % con el proposito de considerar un posible un
analisis univariado o multivariado.
Seg un la tabla 8.6, solo existe una correlacion mayor a 0.80, correspondiente a Temperatura y CO, la
cual se puede esperar ya que a mayor nivel de temperatura se espera que haya mayor concentracion de
Monoxido de Carbono, sin embargo no hay mas correlaciones que describan una relacion lineal entre las
variables respuesta corregidas al 6 %. Por tal motivo se considera un analisis univariado.
Cuadro 8.6: Correlaciones de variables respuesta con una correccion de oxgeno del 6 %
H
2
O Temp CO NOX SO
2
Mp
H
2
O 1.00 -0.47 -0.40 -0.24 -0.65 -0.19
Temp -0.47 1.00 0.84 0.46 0.45 0.68
CO -0.40 0.84 1.00 0.50 0.53 0.79
NOX -0.24 0.46 0.50 1.00 0.40 0.65
SO
2
-0.65 0.45 0.53 0.40 1.00 0.49
Mp -0.19 0.68 0.79 0.65 0.49 1.00
214
Vericacion de Supuestos
Figura 8.1: Vericacion de supuestos para las variables H
2
O (Presion) y Temperatura
Figura 8.2: Vericacion de supuestos para las variables CO y NOX
215
CAP

Figura 8.3: Vericacion de supuestos para las variables SO
2
y SO
2
2
Figura 8.4: Vericacion de supuestos para la variable Mp
De acuerdo a las guras 8.1, 8.2, 9.16 y 8.4, podemos apreciar normalidad para la mayora de las variables,
lo cual se verica en la tabla 8.7, donde se presentan los resultados de las pruebas de normalidad y de
homogeneidad de varianza realizadas usando las pruebas de Shapiro Wilk y Bartlett respectivamente:
216
Cuadro 8.7: Pruebas de normalidad y de homoscedasticidad realizadas sobre los residuales de las variables
respuesta
Variable Shapiro-Wilk Bartlett
H
2
O W = 0.802, p-value = 4.452e-05 K-squared = 0.5574, df = 1, p-value = 0.4553
CO W = 0.9428, p-value = 0.08989 K-squared = 0.1485, df = 1, p-value = 0.7
SO
2
W = 0.8737, p-value = 0.001418 K-squared = 10.908, df = 1, p-value = 0.0009575
SO
2
2
W = 0.9484, p-value = 0.1296 K-squared = 1.8815, df = 1, p-value = 0.1702
NOX W = 0.9811, p-value = 0.831 K-squared = 1.03, df = 1, p-value = 0.3102
Temp W = 0.9701, p-value = 0.502 K-squared = 0.0255, df = 1, p-value = 0.8731
Mp W = 0.9647, p-value = 0.3676 K-squared = 0.8788, df = 1, p-value = 0.3485
De acuerdo a los estadsticos de las pruebas de Shapiro Wilk y Bartlett, en la tabla anterior (tabla
8.7) se puede observar que las variables CO, NOX, Temp y Mp cumplen los supuestos de normalidad
y homogeneidad de varianzas y se procede a realizar el analisis de varianza sobre estas variables, las
cuales se encuentran en la siguiente seccion. Por su parte, la variable SO
2
no cumple ninguno de los dos
supuestos, por tal motivo se aplico la transformacion donde se eleva al cuadrado la variable respuesta,
donde la variable SO
2
2
cumple los supuestos. Para la variable H
2
O se procedera de forma distinta, ya que
las diferentes transformaciones no corrigieron el problema de no normalidad, aunque la variable cumple
el supuesto de homogeneidad de varianzas, el analisis correspondiente para esta variable se encuentra en
la siguiente seccion.
Analisis de Varianza
El modelo preliminar que explique el comportamiento de cada variable respuesta tiene la siguiente forma
general:
y
ijkl
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+ ()
ijk
+
ijkl
donde
y
ijkl
es la respuesta de la unidad experimental l, asignada al nivel i del factor Inyeccion, al nivel j
del factor Gas, y al nivel k del factor Lquido.
ijkl
es el componente asociado con el error aleatorio que se asume
ijkl
N(0,
2
).
es la media general o global.
i
es el efecto del nivel i del factor Inyeccion con respecto a la media general, .
j
es el efecto del nivel j del factor Gas con respecto a la media general, .
k
es el efecto del nivel k del factor Lquido con respecto a la media general, .
()
ij
es el efecto de la interaccion de los niveles i de Inyeccion y de j de Gas con respecto a la
media general
()
ik
es el efecto de la interaccion de los niveles i de Inyeccion y de k de Lquido con respecto a la
media general
()
jk
es el efecto de la interaccion de los niveles j de Gas y de k de Lquido con respecto a la media
general
217
CAP

()
ijk
es el efecto de la interaccion de los niveles i de Inyeccion, j de Gas y k de Lquido con
respecto a la media general
i toma los niveles 1 = I
p
(Inyeccion por pelcula) o 2 = I
s
(Inyeccion por spray)
j toma los niveles 1 = alto o 2 = bajo
k toma los niveles 1 = alto o 2 = bajo
Las hipotesis de interes se aprecian en la seccion de Anexos, para la evaluacion de la hipotesis en cada
analisis se tomara como nivel de signicancia = 0,05. De esta manera, los respectivos analisis de varianza
(preliminares, los cuales estan conformados por el modelo general, y denitivos) para cada variable se
presentan a continuacion:
Variable Temperatura
Cuadro 8.8: ANOVA Temperatura con todas las posibles interacciones
Df Sum Sq Mean Sq F value Pr(>F)
iny 1 1.53 1.53 0.27 0.6096
gas 1 3.78 3.78 0.66 0.4241
liq 1 4728.78 4728.78 826.89 0.0000
iny:gas 1 63.28 63.28 11.07 0.0028
iny:liq 1 2.53 2.53 0.44 0.5122
gas:liq 1 124.03 124.03 21.69 0.0001
iny:gas:liq 1 19.53 19.53 3.42 0.0770
Residuals 24 137.25 5.72
Al realizar el analisis para la variable Temperatura, podemos apreciar los niveles de factores que no son
signicativos para el modelo, para ello comparamos el pvalor con un nivel de signicancia de = 0,05, en
este caso el pvalor de la interaccion triple y la interaccion iny liq es mayor que el nivel de signicancia,
lo que indica que se deben retirar del analisis, lo cual se lleva a cabo eliminando la interaccion triple y
vericando que nuevamente la interaccion iny liq no es signicativa. A continuacion se verica el analisis
sin las anteriores interacciones:
Cuadro 8.9: ANOVA Temperatura quitando la interaccion triple y una interaccion doble
iny 1 1.53 1.53 0.25 0.6213
gas 1 3.78 3.78 0.62 0.4392
liq 1 4728.78 4728.78 771.74 0.0000
iny:gas 1 63.28 63.28 10.33 0.0035
gas:liq 1 124.03 124.03 20.24 0.0001
Residuals 26 159.31 6.13
De acuerdo a lo anterior podemos apreciar que los niveles altos de los factores iny y gas (que no se pueden
descartar debido al efecto de las interacciones dobles) no son estadsticamente signicativos, sin embargo
las interacciones iny gas y gas liq si lo son para el modelo que explica el efecto medio de la variable
Temperatura, la interaccion iny gas depende de iny y gas, por tal razon no se retiran del modelo. El
modelo nal es:
218
y
ijkl
= +
i
+
j
+
k
+ ()
ij
+ ()
jk
+
ijkl
donde y
ijkl
es la respuesta asociada a la Temperatura de la unidad experimental l, asignada al nivel i del
factor Inyeccion, al nivel j del factor Gas, y al nivel k del factor Lquido.
Variable CO
Cuadro 8.10: ANOVA CO
iny 1 318.78 318.78 0.13 0.7165
gas 1 132741.28 132741.28 56.20 0.0000
liq 1 707752.53 707752.53 299.67 0.0000
iny:gas 1 42997.78 42997.78 18.21 0.0003
iny:liq 1 3982.78 3982.78 1.69 0.2064
gas:liq 1 159471.28 159471.28 67.52 0.0000
iny:gas:liq 1 21997.53 21997.53 9.31 0.0055
Residuals 24 56681.75 2361.74
Para la variable respuesta CO se tiene un modelo estimado donde todas los efectos simples, dobles y
triples asociados a los factores y sus combinaciones son signicativos, de esta forma se tiene el modelo
nal:
y
ijkl
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+ ()
ijk
+
ijkl
donde y
ijkl
es la respuesta asociada a la concentracion de CO de la unidad experimental l, asignada al
nivel i del factor Inyeccion, al nivel j del factor Gas, y al nivel k del factor Lquido.
Variable NOX
Cuadro 8.11: ANOVA NOX con todas las posibles interacciones
iny 1 90029.98 90029.98 65.89 0.0000
gas 1 628.03 628.03 0.46 0.5043
liq 1 44683.81 44683.81 32.70 0.0000
iny:gas 1 9233.39 9233.39 6.76 0.0157
iny:liq 1 74727.11 74727.11 54.69 0.0000
gas:liq 1 19632.83 19632.83 14.37 0.0009
iny:gas:liq 1 874.46 874.46 0.64 0.4316
Residuals 24 32791.85 1366.33
Ya que la interaccion triple no es signicativa, es eliminada del modelo, para obtener el ANOVA presen-
tado en la tabla 8.12:
219
CAP

Cuadro 8.12: ANOVA NOX eliminando la interaccion triple
iny 1 90029.98 90029.98 66.85 0.0000
gas 1 628.03 628.03 0.47 0.5009
liq 1 44683.81 44683.81 33.18 0.0000
iny:gas 1 9233.39 9233.39 6.86 0.0148
iny:liq 1 74727.11 74727.11 55.49 0.0000
gas:liq 1 19632.83 19632.83 14.58 0.0008
Residuals 25 33666.30 1346.65
Por la tabla anterior se puede apreciar que todas las interacciones son signicativas por lo cual el modelo
nal es:
y
ijkl
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+
ijkl
donde y
ijkl
es la respuesta asociada a la concentracion de OxidodeNitrgeno de la unidad experimental l,
asignada al nivel i del factor Inyeccion, al nivel j del factor Gas, y al nivel k del factor Lquido.
Variable SO
2
Ya que esta variable no supera los supuestos de normalidad y homogeneidad de varianza, se procede a
buscar el modelo mas eciente para SO
2
, a partir de la transformacion SO2
2
, presentado en la tabla 8.13:
Cuadro 8.13: ANOVA SO
2
2
tomando todas las interacciones
iny 1 984831.82 984831.82 23.34 0.0001
gas 1 3202522.84 3202522.84 75.90 0.0000
liq 1 3678499.96 3678499.96 87.18 0.0000
iny:gas 1 3737356.88 3737356.88 88.58 0.0000
iny:liq 1 1815972.76 1815972.76 43.04 0.0000
gas:liq 1 550924.59 550924.59 13.06 0.0014
iny:gas:liq 1 5722322.58 5722322.58 135.62 0.0000
Residuals 24 1012630.86 42192.95
Como todas los factores son signicativos, se obtiene:
y
2
ijkl
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+ ()
ijk
+
ijkl
donde y
ijkl
es la respuesta asociada a la concentracion de SO
2
de la unidad experimental l, asignada al
nivel i del factor Inyeccion, al nivel j del factor Gas, y al nivel k del factor Lquido.
220
Variable Mp
Cuadro 8.14: ANOVA para Mp
iny 1 536.12 536.12 4.92 0.0363
gas 1 3203.20 3203.20 29.37 0.0000
liq 1 17464.87 17464.87 160.14 0.0000
iny:gas 1 15627.35 15627.35 143.29 0.0000
iny:liq 1 3489.88 3489.88 32.00 0.0000
gas:liq 1 1714.05 1714.05 15.72 0.0006
iny:gas:liq 1 419.92 419.92 3.85 0.0614
Residuals 24 2617.49 109.06
Sobre esta variable, puede haber dudas sobre la signicancia de la interaccion triple, pero para estar
seguros se descarta a un nivel del = 0,05. El nuevo analisis de varianza para esta variable eliminando la
interaccion triple, se presenta en la tabla 8.2.3:
Cuadro 8.15: ANOVA para Mp eliminando la interaccion triple
iny 1 536.12 536.12 4.41 0.0459
gas 1 3203.20 3203.20 26.36 0.0000
liq 1 17464.87 17464.87 143.75 0.0000
iny:gas 1 15627.35 15627.35 128.62 0.0000
iny:liq 1 3489.88 3489.88 28.72 0.0000
gas:liq 1 1714.05 1714.05 14.11 0.0009
Residuals 25 3037.41 121.50
Modelo nal:
y
ijkl
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+
ijkl
donde y
ijkl
es la respuesta asociada a la concentracion de material particulado de la unidad experimental
l, asignada al nivel i del factor Inyeccion, al nivel j del factor Gas, y al nivel k del factor Lquido.
Variable H
2
O
Al considerar esta variable, hay varios problemas relacionados a la vericacion de supuestos, particular-
mente para la prueba de normalidad. Las causas de no normalidad se pueden observar en la gura 9.9, ya
que hay distribuciones asimetricas para la mayora de tratamientos, ademas hay heterogeneidad entre los
resultados de los tratamientos, sin embargo la variable H
2
O bajo la prueba de Bartlett cumple el supuesto
de homogeneidad de varianza sobre los residuales.
221
CAP

Figura 8.5: Box-Plot Tratamientos
Al realizar diferentes transformaciones como la aplicacion de logaritmo o de raiz, o incluso al realizar la
transformaci on Box-Cox no se encuentra solucion para que los residuales se distribuyan de forma normal
e independiente. De acuerdo a la gura 9.10, los datos no tienen una tendencia hacia normalidad despues
de aplicar las transformaciones Logartmica, Raz Cuadrada o Box-Cox, es decir no parece haber cambios
signicativos en el comportamiento de la variable.
Figura 8.6: Histogramas datos originales
Al realizar la prueba se Shapiro Wilk para cada una de las transformaciones se encuentra que la variable
Presin (H
2
O) con la transformacion de Box-Cox cumple el supuesto de normalidad, sin embargo al
realizar la misma prueba sobra los residuales del modelo, no se cumple tal supuesto. En la gura 8.7 se
muestra la comparacion tanto del comportamiento de los datos de la variable H
2
O originales y con la
transformaci on Box-Cox, como de los residuales correspondientes.
222
Figura 8.7: Histogramas residuales despues de transformacion Box-Cox
As, se decide realizar un analisis de varianza teniendo en cuenta que la prueba F para rechazar o aceptar
H
0
es robusta para no normalidad, como se dijo anteriormente esta variable cumple el supuesto homoge-
neidad de varianza u homoscedasticidad.
Cuadro 8.16: ANOVA para H
2
O con todas las interacciones
iny 1 0.72 0.72 7.29 0.0125
gas 1 40.95 40.95 414.70 0.0000
liq 1 11.28 11.28 114.24 0.0000
iny:gas 1 3.51 3.51 35.56 0.0000
iny:liq 1 1.20 1.20 12.16 0.0019
gas:liq 1 0.08 0.08 0.81 0.3770
iny:gas:liq 1 1.28 1.28 12.96 0.0014
Residuals 24 2.37 0.10
El factor de interaccion doble entre los niveles altos de Gas y Lquido no es signicativo, no obstante,
este no puede ser eliminado pues la interaccion triple (que si es signicativa) depende de esta interaccion
doble. De esta manera se tiene el modelo nal:
y
ijkl
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+ ()
ijk
+
ijkl
donde y
ijkl
es la respuesta asociada a la concentracion de presion (H
2
O) de la unidad experimental l,
asignada al nivel i del factor Inyeccion, al nivel j del factor Gas, y al nivel k del factor Lquido.
8.2.4. Conclusiones
De acuerdo a la tabla 8.17 se puede observar algunas semejanzas entre los modelos asociados a cada
variable respuesta, pues la relacion de los niveles de la mayora de los factores a consideracion coinciden:
223
CAP

Cuadro 8.17: Variables y modelos asociados nales
Variable Modelo asociado
H
2
O y
ijkl
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+ ()
ijk
+
ijkl
CO y
ijkl
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+ ()
ijk
+
ijkl
SO
2
y
ijkl
= +
i
+
j
+
k
+ ()
ij
+
ijkl
SO
2
2
y
2
ijkl
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+ ()
ijk
+
ijkl
NOX y
ijkl
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+
ijkl
Temp y
ijkl
= +
i
+
j
+
k
+ ()
ij
+ ()
jk
+
ijkl
Mp y
ijkl
= +
i
+
j
+
k
+ ()
ij
+ ()
ik
+ ()
jk
+
ijkl
Al realizar los analisis de varianza sobre cada variable, se aprecian semejanzas a destacar. Primero que
todo, para las variables de estudio se tiene que los factores simples son signicativos, es decir para todo
el experimento, los factores Inyeccion, Gas y Lquido en niveles altos son importantes para las diferentes
respuestas, esto tambien se tiene para las interacciones dobles de niveles altos de los factores Inyeccion con
Gas, y Gas con Lquido. La retencion de material particulado debe ser maxima, luego se deben tener en
cuenta todos estos factores en niveles altos para que esto sea posible. Por consiguiente, la mayor eciencia
en la retenci on de material particulado se obtiene para las variables respuesta al considerar Inyeccin en
pelcula, Gas en nivel alto, Lquido en nivel alto.
8.2.5. Bibliografa
Rojas, N. PhD, Profesor Asociado. Aire y Problemas Ambientales de Bogota. Universidad Nacional de
Colombia. Bogota
Fandi no, Magdalena. Behrentz, Eduardo. (2009) Actualizacion de inventario de emisiones. Universidad de
los Andes. Bogota.
http://oab.ambientebogota.gov.co/resultado_busquedas.php?AA_SL_Session=8cf97c692b&x=3552
Joseph, Gerald T. Beachler, David S. (1998) Scrubber Systems Operation Review. Segunda ed. Universi-
dad del Estado de Carolina del Norte.
Montgomery, Douglas C. (2005) Dise no y Analisis de Experimentos. Limusa Wiley. Segunda ed.
Melo M., Oscar O. Lopez P., Luis A. Melo M., Sandra E. (2005) Dise no de Experimentos: Metodos y
Aplicaciones. Universidad Nacional de Colombia. Facultad de Ciencias.
Gonzalez, Luz M. Notas de Clase de Dise no de Experimentos: Dise nos factoriales AB C y AB en
bloques completos. Univerisdad Nacional de Colombia. Facultad de Ciencias.
Anexos
Hipotesis de Interes
Tomado de las Notas de Clase de Dise no de Experimentos: Dise nos factoriales A B C y A B en
bloques completos.
1.
H
0
: ()
111
= ()
112
= = ()
222
= 0 vs
224
H
a
: Al menos un ()
ijk
= 0, i = 1, 2 j = 1, 2 k = 1, 2.
H
0
se rechazara si el P valor asociado a las interacciones es menor a un nivel de signicancia dado
en la tabla del analisis de varianza, y se concluira que hay diferencia estadsticamente signicativa
en el efecto medio de la interaccion de los tres factores. En caso de rechazar la hipotesis nula NO se
procede a analizar el resto de las hipotesis.
2.
H
0
: ()
11
= ()
12
= = ()
22
= 0 vs
H
a
: Al menos un ()
ij
= 0, i = 1, 2 j = 1, 2.
H
0
en el efecto medio de las interaccion de los factores Inyeccion y Gas. En caso de rechazar la hipotesis
nula NO se procede a analizar las hipotesis 5 y 6.
3.
H
0
: ()
11
= ()
12
= = ()
22
= 0 vs
H
a
: Al menos un ()
ik
= 0, i = 1, 2 k = 1, 2.
H
0
en el efecto medio de las interaccion de los factores Inyeccion y Lquido. En caso de rechazar la
hipotesis nula NO se procede a analizar las hipotesis 5 y 7.
4.
H
0
: ()
11
= ()
12
= = ()
22
= 0 vs
H
a
: Al menos un ()
jk
= 0, j = 1, 2 k = 1, 2.
H
0
en el efecto medio de las interaccion de los factores Gas y Lquido. En caso de rechazar la hipotesis
nula NO se procede a analizar las hipotesis 6 y 7.
5.
H
0
:
1
=
2
= 0 vs
H
a
: Al menos un
i
= 0, i = 1, 2.
H
0
se rechazara si el P valor asociado al factor Inyeccion es menor a un nivel de signicancia dado
en el efecto medio de los niveles del factor Inyeccion en consideracion.
6.
H
0
:
1
=
2
= 0 vs
H
a
: Al menos un
i
= 0, i = 1, 2.
H
0
se rechazara si el P valor asociado al factor Gas es menor a un nivel de signicancia dado
en el efecto medio de los niveles del factor Gas en consideracion.
7.
H
0
:
1
=
2
= 0 vs
H
a
: Al menos un
i
= 0, i = 1, 2.
H
0
se rechazara si el P valor asociado al factor Lquido es menor a un nivel de signicancia dado
en el efecto medio de los niveles del factor Lquido en consideracion.
225
CAP

Programa en R
####### CORRELACION datos con covariable #######
h2o=c(1.4,1.5,1.4,1.3,2.1,2.2,2.2,3.5,5.1,5,5.2,5.2,4.7,4.5,4.7,4.6,2.4,2.2,2.4,2.5,3.2,4.2,3.3,3.1,5.5,5.4,5.5,5.8,3.5,3.6,3.3,3.5)
temp=c(85,82,83,80,56,50,52,55,52,57,56,56,75,73,70,76,79,80,78,76,48,50,52,54,55,54,53,60,76,78,80,78)
co=c(726,711,592,660,608,540,614,601,171,196,183,230,622,677,666,690,636,680,784,620,467,432,441,456,284,282,360,293,779,772,672,630)
nox=c(216,189.2307692,189,187,203,192,205,187,103,116,121,108,181,168,162,177,159,166,219,151,165,169,159,162,137,146,130,130,99,84,96,93)
so2=c(20,20,20,18,16,9,11,10,4,3,4,4,3.1,6,4,6,1,2,4,18,14,19,16,16,2,1,1,6,9,13,12,10)
mg=c(71.99986,67.99986,65.99987,63.99987,63.99987,49.99990,65.99987,47.99990,33.99993,29.99994,35.99993,27.99994,49.99990,53.99989,55.99989,
49.99990,59.99988,57.99988,57.99988,57.99988,39.99992,43.99991,41.99992,39.99992,55.99989,55.99989,59.99988,47.99990,
57.99988,59.99988,55.99989,55.99989)
o2=c(15.2,15.3,14.5,15.8,10.2,11.8,11.4,10.8,15.3,15.6,14.8,15.4,15.6,14.8,14.5,14.7,11.8,12.3,11.5,11.4,10.3,10.4,11.3,11.6,15.2,14.5,14.8,
14.7,15.6,14.6,15.6,15.4)
resp=data.frame(h2o,temp,co,nox,so2,mg,o2)
cor(resp)
plot(resp)
remove(list=ls())
####### CORRELACION con datos 6% #######
h2o=c(1.4,1.5,1.4,1.3,2.1,2.2,2.2,3.5,5.1,5,5.2,5.2,4.7,4.5,4.7,4.6,2.4,2.2,2.4,2.5,3.2,4.2,3.3,3.1,5.5,5.4,5.5,5.8,3.5,3.6,3.3,3.5)
temp=c(85,82,83,80,56,50,52,55,52,57,56,56,75,73,70,76,79,80,78,76,48,50,52,54,55,54,53,60,76,78,80,78)
co=c(1877.586207,1871.052632,1366.153846,1903.846154,844.4444444,880.4347826,959.375,883.8235294,450,544.4444444,442.7419355,
616.0714286,1727.777778,1637.903226,1536.923077,1642.857143,1036.956522,1172.413793,1237.894737,968.75,654.6728972,
611.3207547,681.9587629,727.6595745,734.4827586,650.7692308,870.9677419,697.6190476,2163.888889,1809.375,1866.666667,1687.5)
nox=c(558.6206897,497.9757085,436.1538462,539.4230769,281.9444444,313.0434783,320.3125,275,271.0526316,322.2222222,292.7419355,
289.2857143,502.7777778,406.4516129,373.8461538,421.4285714,259.2391304,286.2068966,345.7894737,235.9375,231.3084112,
239.1509434,245.8762887,258.5106383,354.3103448,336.9230769,314.516129,309.5238095,275,196.875,266.6666667,249.1071429)
so2=c(51.72413793,52.63157895,46.15384615,51.92307692,22.22222222,14.67391304,17.1875,14.70588235,10.52631579,8.333333333,9.677419355,
10.71428571,8.611111111,14.51612903,9.230769231,14.28571429,1.630434783,3.448275862,6.315789474,28.125,19.62616822,
26.88679245,24.74226804,25.53191489,5.172413793,2.307692308,2.419354839,14.28571429,25,30.46875,33.33333333,26.78571429)
mp=c(186.21,178.95,152.31,184.62,88.89,81.52,103.12,70.59,89.47,83.33,87.10,75.00,138.89,130.64,129.23,119.05,97.83,
100.00,91.58,90.62,56.07,62.26,64.95,63.83,144.83,129.23,145.16,114.29,161.11,140.62,155.56,150.00)
resp=data.frame(h2o,temp,co,nox,so2,mp)
cor(resp)
plot(resp)
##########################################################################
################### BOX COX ##############################################
remove(list=ls())
# Limpia R de bases anteriores
iny=c(-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
# Variable independiente - Factor Forma de inyecci on
gas=c(-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1)
# Variable independiente - Factor Flujo de Gas
liq=c(-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1)
# Variable independiente - Factor Flujo de l quido de lavado
rta1=c(1.4,1.5,1.4,1.3,2.1,2.2,2.2,3.5,5.1,5,5.2,5.2,4.7,4.5,4.7,4.6,2.4,2.2,2.4,2.5,3.2,4.2,3.3,3.1,5.5,5.4,5.5,5.8,3.5,3.6,3.3,3.5)
# Variable dependiente DP mm H2O
p <- matrix(c(iny,gas, liq, rta1), ncol=4)
p
iny=as.factor(iny)
gas=as.factor(gas)
liq=as.factor(liq)
datos1=data.frame(iny,gas,liq,rta1)
ajuste1=aov(rta1~iny*gas*liq, data=datos1)
# Ajusta el modelo de analisis de varianza con todas las interacciones
#############
library(MASS)
raiz=sqrt(rta1)
logaritmo=log(rta1)
bc=boxcox(ajuste1,lambda=seq(-2,2.5,1/10))
attach(bc)
x
y
cb <- matrix(c(x,y), ncol=2, nrow=100)
m <- max(cb[,2])
m
lam <- cb[75,]
trans<-function(y,lambda){if(lambda==0){y<-log(y)}
else{
y<-(y^lambda-1)/lambda
}
print(y)
}
lam
lam[1]
dt<-trans(rta1,lam[1])
shapiro.test(dt)
raiz<-as.matrix(raiz)
logaritmo<-as.matrix(logaritmo)
bc<-as.matrix(dt)
bc
par(mfrow=c(2,2))
hist(rta1, main="Datos Originales", col= "dodgerblue2")
hist(raiz, main="Transformacion Raiz Cuadrada", col= "darkorchid3")
hist(logaritmo, main="Transformacion Logaritmo", col= "deeppink2")
hist(dt, main="Transformacion de Box-Cox", col= "darkolivegreen3")
iny=as.factor(iny)
gas=as.factor(gas)
liq=as.factor(liq)
226
datosBC=data.frame(iny,gas,liq,bc)
ajusteBC=aov(bc~iny*gas*liq, data=datosBC)
par(mfrow=c(2,2))
hist(rta1, main="Datos Originales", col= "dodgerblue2")
hist(dt, main="Transformacion de Box-Cox", col= "darkolivegreen3")
hist(ajuste1$residuals, main="Residuales con datos Originales", col= "darkorchid3")
hist(ajusteBC$residuals, main="Residuales despues de Box-Cox", col= "deeppink2")
###Para ver las causas del no cuplimiento del supuesto de normalidad
remove(list=ls())
iny=c(-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
gas=c(-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1)
liq=c(-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1)
h2o=c(1.4,1.5,1.4,1.3,2.1,2.2,2.2,3.5,5.1,5,5.2,5.2,4.7,4.5,4.7,4.6,2.4,2.2,2.4,2.5,3.2,4.2,3.3,3.1,5.5,5.4,5.5,5.8,3.5,3.6,3.3,3.5)
plot(h2o)
iny=as.factor(iny)
gas=as.factor(gas)
liq=as.factor(liq)
datos1=data.frame(iny,gas,liq,h2o)
datos1
I0G0L0=rep(1,4)
grupo=c(I0G0L0,rep(2,4),rep(3,4),rep(4,4),rep(5,4),rep(6,4),rep(7,4),rep(8,4))
g=data.frame(grupo,h2o)
plot(g)
grupo=as.factor(grupo)
g2=data.frame(grupo,h2o)
plot(g2, xlab="Experimento")
summary(h2o)
mean(h2o)
var(h2o)
sd(h2o)
summary(g2)
g2
par(mfrow=c(1,1))
exp <- c("IpG2L2", "IpG2L1", "IpG1L1", "IpG1L2", "IsG2L2", "IsG2L1", "IsG1L1", "IsG1L2")
plot(g2, xlab="Presion", main="Causa de no Normalidad",pch=16, ylab="", axes=FALSE)
axis(1, at=1:8, labels= exp)
legend(0.5,5.5,c("s: spray","p: pelicula","1: alto","2: bajo"))
############################################################################
################################## DP mm H2O ###############################
remove(list=ls())
iny=c(-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
gas=c(-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1)
liq=c(-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1)
rta1=c(1.4,1.5,1.4,1.3,2.1,2.2,2.2,3.5,5.1,5,5.2,5.2,4.7,4.5,4.7,4.6,2.4,2.2,2.4,2.5,3.2,4.2,3.3,3.1,5.5,5.4,5.5,5.8,3.5,3.6,3.3,3.5)
iny=as.factor(iny)
gas=as.factor(gas)
liq=as.factor(liq)
#### GRAFICOS SUPUESTOS #####
par(mfrow=c(2,2),oma=c(0,0,2,0))
plot(ajuste1$fit,ajuste1$residuals,xlab="Valores Ajustados",
ylab="Residuales", main="y_i vs r_i",pch=16)
abline(h=0)
# Grafico yi versus ri
hist(ajuste1$residuals,xlab="Residual",ylab="Frecuencia", main="Histograma de residuales")
# Histograma de residuales
qqnorm(ajuste1$residuals,xlab="Percentiles teoricos",ylab="Percentiles - residuales",
main= "Grafico de probabilidad normal")
# Grafico Q-Q plot
plot(sort(rta1),ajuste1$residuals, main="Residuales vs
observaciones ordenadas",type="o",xlab="Observaciones ordenadas",
ylab="Residuales",pch=16,col="black")
abline(h=0)
title("H2O", outer=TRUE)
#### PRUEBAS SHAPIRO Y BARTLETT ####
shapiro.test(ajuste1$residuals)
bartlett.test(ajuste1$residuals~iny)
summary(ajuste1)
############################################################################
################################## DP mm H2O (2)############################
remove(list=ls())
iny=c(-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
gas=c(-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1)
liq=c(-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1)
rta2=c(1.4,1.5,1.4,1.3,2.1,2.2,2.2,3.5,5.1,5,5.2,5.2,4.7,4.5,4.7,4.6,2.4,2.2,2.4,2.5,3.2,4.2,3.3,3.1,5.5,5.4,5.5,5.8,3.5,3.6,3.3,3.5)
iny=as.factor(iny)
gas=as.factor(gas)
liq=as.factor(liq)
ajuste2=aov(rta2~iny+gas+liq+iny*gas+iny*liq, data=datos2)
227
CAP

# Ajusta el modelo de analisis de varianza algunas interacciones
summary(ajuste2)
############################################################################
################################## Temperatura #############################
remove(list=ls())
iny=c(-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
gas=c(-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1)
liq=c(-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1)
rta3=c(85,82,83,80,56,50,52,55,52,57,56,56,75,73,70,76,79,80,78,76,48,50,52,54,55,54,53,60,76,78,80,78)
# Variable dependiente Temperatura

c
iny=as.factor(iny)
gas=as.factor(gas)
liq=as.factor(liq)
abline(h=0)
# Grafico Q-Q plot
abline(h=0)
title("Temperatura", outer=TRUE)
summary(ajuste3)
############################################################################
################################## Temperatura (2)##########################
remove(list=ls())
iny=c(-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
gas=c(-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1)
liq=c(-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1)
rta4=c(85,82,83,80,56,50,52,55,52,57,56,56,75,73,70,76,79,80,78,76,48,50,52,54,55,54,53,60,76,78,80,78)
# Variable dependiente Temperatura

c
iny=as.factor(iny)
gas=as.factor(gas)
liq=as.factor(liq)
ajuste4=aov(rta4~iny+gas+liq+iny*gas+gas*liq, data=datos4)
summary(ajuste4)
###########################################################################
################################## ppm CO #################################
remove(list=ls())
iny=c(-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
gas=c(-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1)
liq=c(-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1)
rta5=c(1877.586207,1871.052632,1366.153846,1903.846154,844.4444444,880.4347826,959.375,883.8235294,450,544.4444444,442.7419355,
616.0714286,1727.777778,1637.903226,1536.923077,1642.857143,1036.956522,1172.413793,1237.894737,968.75,654.6728972,611.3207547,
681.9587629,727.6595745,734.4827586,650.7692308,870.9677419,697.6190476,2163.888889,1809.375,1866.666667,1687.5)
# Variable dependiente ppm CO
iny=as.factor(iny)
gas=as.factor(gas)
liq=as.factor(liq)
abline(h=0)
# Grafico Q-Q plot
abline(h=0)
228
title("CO", outer=TRUE)
summary(ajuste5)
############################################################################
################################## ppm Nox #################################
remove(list=ls())
iny=c(-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
gas=c(-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1)
liq=c(-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1)
rta6=c(558.6206897,497.9757085,436.1538462,539.4230769,281.9444444,313.0434783,320.3125,275,271.0526316,322.2222222,292.7419355,
289.2857143,502.7777778,406.4516129,373.8461538,421.4285714,259.2391304,286.2068966,345.7894737,235.9375,231.3084112,239.1509434,245.8762887,
258.5106383,354.3103448,336.9230769,314.516129,309.5238095,275,196.875,266.6666667,249.1071429)
# Variable dependiente ppm Nox
iny=as.factor(iny)
gas=as.factor(gas)
liq=as.factor(liq)
abline(h=0)
# Grafico Q-Q plot
abline(h=0)
title("NOX", outer=TRUE)
summary(ajuste6)
############################################################################
################################## ppm Nox (2)##############################
remove(list=ls())
iny=c(-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
gas=c(-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1)
liq=c(-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1)
rta7=c(558.6206897,497.9757085,436.1538462,539.4230769,281.9444444,313.0434783,320.3125,275,271.0526316,322.2222222,292.7419355,
289.2857143,502.7777778,406.4516129,373.8461538,421.4285714,259.2391304,286.2068966,345.7894737,235.9375,231.3084112,239.1509434,245.8762887,
258.5106383,354.3103448,336.9230769,314.516129,309.5238095,275,196.875,266.6666667,249.1071429)
# Variable dependiente ppm Nox
iny=as.factor(iny)
gas=as.factor(gas)
liq=as.factor(liq)
ajuste7=aov(rta7~iny+gas+liq+iny*gas+iny*liq+gas*liq, data=datos7)
summary(ajuste7)
############################################################################
############################### ppm SO2 normal #############################
remove(list=ls())
iny=c(-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
gas=c(-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1)
liq=c(-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1)
rta9=c(51.72413793,52.63157895,46.15384615,51.92307692,22.22222222,14.67391304,17.1875,14.70588235,10.52631579,8.333333333,9.677419355,
10.71428571,8.611111111,14.51612903,9.230769231,14.28571429,1.630434783,3.448275862,6.315789474,28.125,19.62616822,
26.88679245,24.74226804,25.53191489,5.172413793,2.307692308,2.419354839,14.28571429,25,30.46875,33.33333333,26.78571429)
# Variable dependiente ppm SO2
iny=as.factor(iny)
gas=as.factor(gas)
liq=as.factor(liq)
abline(h=0)
229
CAP

# Grafico Q-Q plot
abline(h=0)
title("SO2", outer=TRUE)
summary(ajuste9)
############################################################################
######################## ppm SO2 al cuadrado ###############################
remove(list=ls())
iny=c(-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
gas=c(-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1)
liq=c(-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1)
rta8=c(51.72413793,52.63157895,46.15384615,51.92307692,22.22222222,14.67391304,17.1875,14.70588235,10.52631579,
8.333333333,9.677419355,10.71428571,8.611111111,14.51612903,9.230769231,14.28571429,1.630434783,3.448275862,6.315789474,
28.125,19.62616822,26.88679245,24.74226804,25.53191489,5.172413793,2.307692308,2.419354839,14.28571429,25,30.46875,
33.33333333,26.78571429)
iny=as.factor(iny)
gas=as.factor(gas)
liq=as.factor(liq)
rta=rta8^2
ajuste8=aov(rta~iny*gas*liq, data=datos8)
abline(h=0)
# Grafico Q-Q plot
abline(h=0)
title("SO2^2", outer=TRUE)
summary(ajuste8)
############################################################################
######################## ppm SO2 al cuadrado (2) ###########################
remove(list=ls())
iny=c(-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
gas=c(-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1)
liq=c(-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1)
rta8=c(51.72413793,52.63157895,46.15384615,51.92307692,22.22222222,14.67391304,17.1875,14.70588235,10.52631579,8.333333333,
9.677419355,10.71428571,8.611111111,14.51612903,9.230769231,14.28571429,1.630434783,3.448275862,6.315789474,28.125,19.62616822,
26.88679245,24.74226804,25.53191489,5.172413793,2.307692308,2.419354839,14.28571429,25,30.46875,33.33333333,26.78571429)
iny=as.factor(iny)
gas=as.factor(gas)
liq=as.factor(liq)
rta=rta8^2
ajuste8=aov(rta~iny+gas+liq+iny*liq+iny*gas+gas*liq, data=datos8)
# Ajusta el modelo de analisis de varianza con algunas interacciones
abline(h=0)
# Grafico Q-Q plot
abline(h=0)
title("SO2^2", outer=TRUE)
summary(ajuste8)
############################################################################
230
################################## MP mg/m3 ################################
remove(list=ls())
iny=c(-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
gas=c(-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1)
liq=c(-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1)
rta11=c(186.21,178.95,152.31,184.62,88.89,81.52,103.12,70.59,89.47,83.33,87.10,75.00,138.89,130.64,129.23,119.05,97.83,
100.00,91.58,90.62,56.07,62.26,64.95,63.83,144.83,129.23,145.16,114.29,161.11,140.62,155.56,150.00)
# Variable dependiente MP mg/m3
iny=as.factor(iny)
gas=as.factor(gas)
liq=as.factor(liq)
abline(h=0)
# Grafico Q-Q plot
abline(h=0)
title("Mp/m3", outer=TRUE)
summary(ajuste11)
############################################################################
################################## MP mg/m3 (2)#############################
remove(list=ls())
iny=c(-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)
gas=c(-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1)
liq=c(-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,1,1,1,1,1,1,1,1,-1,-1,-1,-1)
rta12=c(186.21,178.95,152.31,184.62,88.89,81.52,103.12,70.59,89.47,83.33,87.10,75.00,138.89,130.64,129.23,119.05,97.83,
100.00,91.58,90.62,56.07,62.26,64.95,63.83,144.83,129.23,145.16,114.29,161.11,140.62,155.56,150.00)
# Variable dependiente MP mg/m3
iny=as.factor(iny)
gas=as.factor(gas)
liq=as.factor(liq)
ajuste12=aov(rta12~iny+gas+liq+iny*gas+iny*liq+gas*liq, data=datos12)
# Ajusta el modelo de analisis de varianza con algunas interacciones
summary(ajuste12)
231
CAP

8.2.6. Bitacora
Ttulo del trabajo: Evaluacion de la eciencia de remocion de material particulado y dioxido de azufre
en un lavador tipo venturi para una caldera que emplea carbon como combustible.
Nombre del solicitante: Quelver Yesid Jimenez Ria no
Total de citas: 4
No FECHA EVOLUCI
ON
2 16/04/2012 Explicacion conceptual y explicacion de metodologa preliminar, los datos no es-
taban en su totalidad recolectados, as que se programa una reunion cuando las
medidas sean tomadas.
3 11/05/2012 Los datos para el analisis terminaron de ser medidos y fueron enviados al grupo
el 24 de Abril, en la reunion se explico los problemas que podra presentarse en el
proceso, como problemas de correlacion y vericacion de supuestos. El consultor
debe tener claros los conceptos de dise no de experimentos, analisis factorial, y
temas relacionados.
4 1/06/2012 Reunion con el cliente, se presentaron los resultados parciales, es decir los analisis
de varianza para todas las variables, excepto H2O y se presento un informe que
resume los aspectos principales del estudio, hipotesis a considerar y vericacio-
nes de supuestos. En dos semanas aproximadamente se enva toda la informacion
pertinente y se realizara la asesora para el dominio del tema.
232
8.3. Cliente No. 3
Solicitante
Nombres y Apellidos: Laura Victoria Perez Martnez
Programa Academico: Maestra en Ciencias Agrarias
Facultad: Facultad de Agronoma
Nivel de formacion: Biologa
Tutor-Proyecto
Nombres y Apellidos: Luz Marina Melgarejo Mu noz
Facultad: Facultad de Agronoma
Ttulo del trabajo
Evaluacion ecosiologica de gulupa Passiora edulis SIMS, bajo tres condiciones ambientales
En la primera consulta, realizada el da 23 de Abril la estudiante de Maestra en Ciencias Agrarias
Laura Victoria Perez Martnez asistio con su correspondiente tutora Luz Marina Melgarejo Mu noz con
el n de exponer su principal problema, describir y analizar el desempe no ecosiologico de la gulupa
bajo tres condiciones ambientales, as se podran relacionar las condiciciones climaticas con las variables
ecosiologicas medidas que se veran reejadas en el crecimiento y desarrollo de los cultivos en cada uno de
los sitios permitiendo dilucidar cuales son mas aptos para el buen desempe no ecosiologico de la planta
Se evaluaron plantas de gulupa sembradas en cultivos experimentales en tres municipios de Cundinamar-
ca con condiciones ambientales diferentes. Estos municipios son Granada situado a una altura de 2230
m.s.n.m y con una temperatura promedio de 15
C, Tena situado a una altura de 2090 m.s.n.m, con una

temperatura de 17
C (seg un estaciones climaticas) y Cha ubicado a 2610 m.s.n.m, con una temperatura
promedio de 14
C. A su vez, durante el primer ciclo se tena estipulado realizar mediciones en Anapoima

durante los dos a nos pero dicho cultivo no dio resultados y por tanto solo se realizaron mediciones en
estado de plantula y juvenil. Las condiciones en Anapoima son 900 m.s.n.m y 29
C.
Se realizo mantenimiento de cultivo por podas de formacion y fertilizacion mensual, de acuerdo a analisis
de suelo anuales para mantener, en lo posible, los cultivos en optimas condiciones. El tutorado usado fue en
espaldera sencilla con doble alambre. Se realizo riego cuando fue necesario para asegurar la disponibilidad
hdrica en el suelo.
En los tres sitios se encuentran instaladas estaciones meteorologicas marca Coltein para monitorear las si-
guientes medidas climaticas: humedad relativa ( %), radiacion fotosinteticamente activa, PAR (umol/m2s),
precipitacion (mm) y temperatura (
C) en intervalos de 15 minutos. Se han tenido problemas en algunas

epocas con las bateras y a esto se debe la ausencia de datos en algunos meses. A partir de los datos se
determino el decit de presion por el metodo de Allen et al., (1998).
Se realizaron medidas ecosiologicas en cuatro estados fenologicos: plantula, juvenil, oracion y fructica-
cion (Estado reproductivo I) y maduracion y senescencia del fruto (Estado reproductivo II) en Granada
y Tena. En Anapoima se hicieron mediciones en etapa de plantula y juvenil. En el estado juvenil, debido
al escaso desarrollo de las plantas, se eval uo un tratamiento de un lote de plantas que se sometieron a
polisombra para determinar su efecto en la siologa de la planta. Debido a que dicho cultivo no dio
resultado, en el segundo a no se sembraron plantulas en Cha que seran evaluadas unicamente por un a no.
Durante las dos ultimas etapas se midieron las hojas del primer y del segundo alambre del tutorado por
separado. Las medidas se realizaron en hojas totalmente expandidas color verde oscuro entre el primer y
233
CAP

el cuarto nudo a las cuales le llegaba el sol en la ma nana y parte de la tarde. En estado de plantula la
gulupa tena de 10 a 12 hojas y a un no alcanzaba el primer alambre. Por su parte, en estado juvenil las
plantas se encontraban alcanzando el segundo alambre, a un sin desarrollar ramas secundarias.
En cada uno de los estados fenologicos (excepto potencial hdrico en estado de plantula debido al poco
n umero de hojas) se midio la tasa fotosintetica, la tasa transpiratoria, la conductancia estomatica con
un IRGA (analizador de infrarrojo) ADC (ADC BioScientic Ltd. Hoddesdon, UK), evaluando las tasas
fotosinteticas maximas (sin control ambiental de la camara). Se midio el potencial hdrico con una cama-
ra de Presion de Scholander (PMS Instruments, Corvallis, OR) y la uorescencia de la clorola con un
Fluorometro modulado marca (Hansatech FMS2, Norfolk, UK). Con este se midio la eciencia cuantica
fotoqumica del fotosistema II (?PSII) y la tasa de transferencia de electrones (ETR). Estas medidas se
registraron durante todo el da desde las 7:00 a las 19:00 en rangos de dos horas para obtener la tendencia a
lo largo del da. A su vez se realizaron medidas nocturnas de eciencia fotoqumica maxima del fotosistema
II (Fv/Fm) y una medida de potencial hdrico en pre-alba con la camara de Scholander. En cada rango
se midieron los parametros con el IRGA y el potencial hdrico de tres hojas de cinco plantas marcadas, y
con el uorometro diez hojas, de diez plantas marcadas dentro de la parcela. En los ultimos dos estados
(reproductivos) se realizaran estas medidas en cada alambre por separado, y se tomaran hojas que tengan
axilarmente una or en el primer caso, o un fruto en el segundo. A su vez, a partir de la medicion del
nuevo ciclo desde plantula se midio el ndice NPQ o desviacion no fotoqumica de la fotosntesis por medio
del uorometro modulado.
Palabras clave
Radiacion que se usa para fotosntesis,Temperatura de la hoja,Tasa transpiratoria,Conductancia estoma-
tica y Tasa fotinstpetica
8.3.1. Objetivo
Establecer diferencias en la ecosiologa de la planta en cuatro estados fenologicos en los diferentes am-
bientes estudiados.
Analisis de los datos obtenidos para establecer diferencias en la ecosiologa de la planta en cuatro estados
fenologicos en los diferentes ambientes estudiados.
Se evaluaron plantas de gulupa sembradas en cultivos experimentales en tres municipios de Cundinamarca
con condiciones ambientales diferentes. Estos municipios son Granada, Tena y Cha. Se realizaron medidas
ecosiologicas en cuatro estados fenologicos: plantula, juvenil, oracion y fructicacion (Estado r epro-
ductivo I) y maduracion y senescencia del fruto (Estado reproductivo II)
Las variables que se trabajaron fueron:
Lugar: A que ciudad pertenece la observacion Granada, Tena y Cha
PAR: Radiacion que se usa para fotosntesis
Leaf Temp: Temperatura de la hoja
E: Tasa transpiratoria
Gs: Conductancia estomatica (apertura de estomas)
A: Tasa fotosintetica
234
WUE: Uso eciente del agua
WUEi: Uso eciente del agua intrnseco
PAR2: Radiacion que se usa para fotosntesis tomado con
HR: Humedad relativa
T: Temperatura del aire
PAR-h: Son los valores especcos de Radiacion que se usa para fotosntesis en las horas especcas del
rango.
HR-h: Son los valores especcos de humedad relativa en las horas especcas del rango.
T-h: Son los valores especcos de Temperatura del aire en las horas especcas del rango.
DPVda: Humedad del suelo por da
Como en el estudio se tenan mucho datos faltantes solo se va a trabajar con los estados fenologicos que
tenan los datos completos, por tal razon se va a realizar el siguiente analisis en la etapa juvenil en la tres
ciudades con el n se entregar los resultados y mostrar los procedimientos al cliente para que este pueda
replicar los procedimientos en los otros estados o tambien con todos los estados en un solo lugar ya que
puede aplicarse tambien,primero se
Se hicieron estadsticos descriptivos primero por cada variable y despues multivariados, ademas se hizo
un Analisis de Componentes principales tomando a Lugar como una variable complementaria y despues
una analisis de cluster para mirar el comportamiento si de pronto los datos se agrupaban de acuerdo a la
cuidad y si no que porcentaje de datos de cada cluster corresponda a cada lugar.
Software utilizado
R version 2.15.0 (2012-03-30)
SPSS Version 17.0
SPAD Version MN 56.0
Resultados obtenidos
Estadsticos descriptivos univariados
Cha :597 Min. : 2.0 Min. :15.30 Min. :0.070
Granada:177 1st Qu.: 224.0 1st Qu.:22.90 1st Qu.:1.320
Tena :515 Median : 361.0 Median :25.90 Median :1.880
Mean : 564.7 Mean :25.58 Mean :1.995
3rd Qu.: 742.0 3rd Qu.:28.40 3rd Qu.:2.490
Max. :2130.0 Max. :34.10 Max. :5.870
gs A WUE WUEi
Min. :0.0100 Min. :-0.74 Min. :-0.670 Min. : -7.40
1st Qu.:0.0900 1st Qu.: 3.89 1st Qu.: 2.220 1st Qu.: 36.07
Median :0.1200 Median : 6.23 Median : 2.990 Median : 51.40
Mean :0.1302 Mean : 6.18 Mean : 3.719 Mean : 53.90
3rd Qu.:0.1600 3rd Qu.: 8.31 3rd Qu.: 4.300 3rd Qu.: 67.10
Max. :2.7900 Max. :16.76 Max. :52.710 Max. :369.00
PAR2 HR T PAR.h
Min. : 32.4 Min. :53.52 Min. :12.52 Min. : 25.54
1st Qu.: 374.6 1st Qu.:66.02 1st Qu.:16.46 1st Qu.: 347.28
Median : 584.2 Median :82.95 Median :17.35 Median : 657.19
Mean : 563.0 Mean :76.32 Mean :17.23 Mean : 657.80
235
CAP

Figura 8.8: Box plot de todas las variables
3rd Qu.: 896.5 3rd Qu.:86.67 3rd Qu.:18.09 3rd Qu.: 907.97
Max. :1114.5 Max. :88.10 Max. :20.40 Max. :1235.03
HR.h T.h DPVda
Min. :51.15 Min. :11.85 Min. :0.2829
1st Qu.:66.35 1st Qu.:15.66 1st Qu.:0.4404
Median :72.98 Median :17.35 Median :0.4947
Mean :73.57 Mean :17.01 Mean :0.4928
3rd Qu.:83.70 3rd Qu.:18.86 3rd Qu.:0.5108
Max. :91.80 Max. :20.18 Max. :0.6323
En esta Figura 9.3se puede ver claramente el comportamiento de las variables PAR, PAR2 y PAR-h, esto
es de esperar ya que las dos primeras son la misma medicion pero de diferentes maquinas y la ultima es una
medicion promedio por rango de horas. Pero la primera tiene muchos datos atpicos mientras las segundas
se comportan casi igual esto se debe tal vez a que son de maquinas diferentes. Para poder analizar las
demas variables vamos a sacar estas tres del graco para tener una imagen mas clara. Tambien se sacara
la variable WUEi debido a la cantidad de datos atpicos que tiene.
En el Figura 8.9 se puede ver como E,gs,A WUE y HR tienen un comportamiento asimetrico debido a la
cantidad de datos atpicos que tiene y las estadsticas los conrman.
Estadsticos descriptivos Multivariados
Primero vamos a mirar la matriz de covarianza
ACTIVE CONTINUOUS VARIABLES
14 VARIABLES
2 . PAR ( CONTINUOUS )
3 . LeafTemp ( CONTINUOUS )
4 . E ( CONTINUOUS )
5 . gs ( CONTINUOUS )
236
Figura 8.9: Box plot sacando variables
6 . A ( CONTINUOUS )
7 . WUE ( CONTINUOUS )
8 . WUEi ( CONTINUOUS )
9 . PAR2 ( CONTINUOUS )
10 . HR ( CONTINUOUS )
11 . T ( CONTINUOUS )
12 . PAR-h ( CONTINUOUS )
13 . HR-h ( CONTINUOUS )
14 . T-h ( CONTINUOUS )
15 . DPVda ( CONTINUOUS )
C2 | 1.00
C3 | 0.53 1.00
C4 | 0.59 0.79 1.00
C5 | 0.09 0.14 0.43 1.00
C6 | 0.58 0.31 0.55 0.30 1.00
C7 | -0.02 -0.48 -0.42 -0.14 0.21 1.00
C8 | 0.29 -0.01 -0.18 -0.24 0.38 0.76 1.00
C9 | 0.64 0.73 0.66 0.14 0.50 -0.21 0.17 1.00
C10 | -0.60 -0.37 -0.38 0.07 -0.22 0.08 -0.26 -0.63 1.00
C11 | 0.38 0.74 0.54 0.02 0.12 -0.41 0.03 0.74 -0.72 1.00
C12 | 0.56 0.70 0.60 0.15 0.53 -0.12 0.20 0.83 -0.34 0.47 1.00
C13 | -0.49 -0.61 -0.50 0.06 -0.16 0.26 -0.15 -0.55 0.72 -0.71 -0.46 1.00
C14 | 0.23 0.84 0.57 0.06 0.09 -0.52 -0.10 0.63 -0.38 0.87 0.54 -0.71 1.00
C15 | 0.26 -0.04 0.05 -0.10 -0.09 0.02 0.11 -0.06 -0.52 0.14 -0.15 -0.43 -0.05 1.00
| C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12 C13 C14 C15
En el caso de la variable PAR y PAR2 como son la misma medicion pero con diferente maquina y la
variable PARh se comporta parecido se van a sacar del analisis de componentes principales PAR y Par
h y como HR y HR h y T y T h tienen el mismo comportamiento tambien se sacaran T h y HR h, adi-
cionalmente en la matriz de covarianza se ve que DPV dia y WUE no se relacion con las demas variables
por lo tanto tampoco se incluiran.
Sin estas variables los factores mas signicativos se pueden deducir mediante el siguiente histograma
HISTOGRAM OF THE FIRST 8 EIGENVALUES
237
CAP

Figura 8.10: Analisis de componentes principales Verde (Chia), Rojo (Granada) y Amarillo(Tena)
+--------+------------+-------------+-------------+----------------------------------------------------------------------------------+
| NUMBER | EIGENVALUE | PERCENTAGE | CUMULATED | |
| | | | PERCENTAGE | |
+--------+------------+-------------+-------------+----------------------------------------------------------------------------------+
| 1 | 3.8132 | 47.67 | 47.67 | ******************************************************************************** |
| 2 | 1.5303 | 19.13 | 66.79 | ********************************* |
| 3 | 1.2619 | 15.77 | 82.57 | *************************** |
| 4 | 0.5984 | 7.48 | 90.05 | ************* |
| 5 | 0.3885 | 4.86 | 94.90 | ********* |
| 6 | 0.2226 | 2.78 | 97.69 | ***** |
| 7 | 0.1351 | 1.69 | 99.37 | *** |
| 8 | 0.0500 | 0.63 | 100.00 | ** |
+--------+------------+-------------+-------------+----------------------------------------------------------------------------------+
Esto muestra que los resultados se representan mejor mediante los dos primeros factores
Las Figuras 8.10 y 8.11 nos muestran que en el primer caso estan agrupados los datos por cluster y en el
segundo por el lugar donde se planto las plantas, aqu podemos ver que el lugar de la planta no es muy
signicativo en el momento de generar los cluster, es decir que puede que en lugar tenga plantas de los
tres cluster en proporciones similares.
Uno de los cluster esta formado por los datos que tienen mas Tasa transpiratoria, Temperatura en la hoja,
Radiacion que se usa para fotosntesis, temperatura y uso eciente del agua, y que tienen menor Humedad
relativa, mientras que otros se esta formando por los que tienen mayor humedad relativa y menos de las
4 variables mencionadas anteriormente, el ultimo esta formado por los que tienen mayor Conductancia
estomatica (apertura de estomas).
8.3.3. Conclusiones
La presencia de datos faltantes de gran n umero limita mucho el analisis de los datos.
Se puede evidenciar que los conglomerados no estan agrupando por ciudades es decir que para agru-
par los datos esta teniendo en cuenta otras variables.
Las condiciones del lugar no estan afectando al crecimiento de la planta y pueda que esten en casi
las mismas condiciones para afectar al crecimiento.
238
Figura 8.11: Analisis de componentes principales (Clusters generados por el programa)
8.3.4. Bibliografa
Analisis de Datos Multivariantes. Pe na, D. and de Rivera, D.P.S. MCGRAW HILL, 2002
239
CAP

8.3.5. Bitacora
Ttulo del trabajo: Evaluacion ecosiologica de gulupa Passiora edulis SIMS, bajo tres condiciones
ambientales
Nombre del solicitante: Laura Victoria Perez Martnez
Total de citas: 5
No FECHA EVOLUCI
ON
2 29/04/2012 Se explicaron las variables y se planteo el objetivo, el cliente explico conceptos
claves en su estudio como la denicion de estados y se entrego la base de datos.
3 15/05/2012 Se le pregunto que estaba pasando con la base al tener tantos datos faltantes y se
le propuso un Analisis multivariado, pero primero se evaluara con el profesor si
era posible realizar otro metodo.
4 22/05/2012 Se conrmo que solo se poda hacer el analisis multivariado debido al compor-
tamiento de los datos y se analizara si las variables se estaban agrupando por
ciudad, ademas se limito el estudio a el estado juvenil.
5 12/06/2012 Se le presento el analisis multivariado quedando pendiente mirar 2 variables que
no quera sacar de estudio debido a su gran importancia en la tesis.
240
8.4. Cliente No. 4
Solicitante
Nombres y Apellidos: Daniela Daza
Nombres y Apellidos: Danilo Amaya
Programa Academico: Pregrado en Farmacia
Facultad: Ciencias
Nivel de formacion:
Tutor-Proyecto
Nombres y Apellidos: Ilvar Mu noz
Facultad: Ciencias
Ttulo del trabajo
Descripcion de la venta de medicamentos en tiendas de barrio de la localidad de Teusaquillo..
En la primera consulta, realizada el da 30 de abril los estudiante de Farmacia Danilo y Daniela asistieron
con su correspondiente tutor Ilvar Mu noz con el n de exponer su principal problema, el cual consiste en
encontrar un dise no muestral adecuado con el n de caracterizar la venta de medicamentos en las tiendas
de barrio de la localidad de Teusaquillo y ademas obtener asesora en el dise no de la encuesta a aplicar en
el estudio.
La venta de medicamentos en cualquier establecimiento comercial diferentes a drogueras o farmacias y
almacenes de gran supercie, es una problematica de interes en salud p ublica predominante en nuestro
pas, ya que no se ejerce ning un tipo de vigilancia y control por parte de las autoridades competentes.
La descripcion de esta situacion involucra una eminente preocupacion frente a la misma, despertando la
iniciativa a investigar, caracterizar e identicar las condiciones en que se mantienen los medicamentos, los
grupos terapeuticos disponibles, el personal que expende los medicamentos y la cadena de abastecimiento.
A su vez es importante generar una alerta ante las autoridades sanitarias para que inicien un control
y vigilancia sobre la venta de medicamentos en estas condiciones, y a su vez incentivar programas de
capacitacion en relacion al uso racional de los medicamentos y las buenas practicas de almacenamiento.
La razon principal de la consultora se basa en la b usqueda de un dise no muestral optimo que les permita
caracterizar la venta de farmacos en establecimientos no farmaceuticos (tiendas de barrio)en la localidad
de Teusaquillo, as como obtener asesora en la elaboracion del instrumento de captura de la informacion
(encuesta).
Palabras clave
Medicamentos, tama no de muestra, caracterizar, tiendas de barrio.
8.4.1. Objetivo
Caracterizar la actividad de expendio de medicamentos en lugares no farmaceuticos como lo son las tiendas
de barrio ubicadas en la localidad de Teusaquillo (Bogota D.C.)
241
CAP

Denir poblacion objetivo:
Tiendas y tenderos de barrio ubicados en la localidad de teusaquillo, solo los sitios en los cuales se
venden medicamentos.
Denir el universo:
Tiendas de barrio de la localidad de Teusaquillo distribuidas en las 90 secciones cartogracas.
y, tambien:
Contar con un estudio piloto, con el cual se puedan tener datos y estadsticas relevantes y necesarias
para la determinacion del tama no de muestra.
Suponer que cada unidad de la poblacion tiene probabilidad de estar en la muestra mayor que cero,
y que puede ser seleccionada mas de una vez ya que es un dise no con reemplazo.
La determinacion del tama no muestral debe tener respaldo estadstico coherente.
en cuanto a la encuesta:
Denir el tipo de preguntas
Identicar las preguntas sensibles para darles tratamiento adecuado
Denir el formato de la encuesta con el n de facilitar el posterior analisis
Asistir en la redaccion de las preguntas
Realizar prueba piloto del cuestionario y reevaluarlo seg un los resultados obtenidos
Marco Muestral
Ospina (2001) dene el marco muestral como cualquier material o mecanismo que permita delimitar o
identicar en forma apropiada los elementos de una poblacion. Inicialmente no se cuenta con un marco
muestral, es por este motivo que las secciones se escogen proporcionales al n umero de hogares ya que
estudios previos, por ejemplo Connecta SAS (2011)han demostrado que el n umero de hogares en una
determinada area urbana esta altamente correlacionado con el n umero de tiendas en la misma.
Seguidamente se procede a hacer un censo en cada seccion seleccionada con el n de ahorrar costos y tiempo
en el levantamiento del marco mediante un empadronamiento y posterior muestreo en dicho marco.
Probabilidad de Seleccion
Sea P
i
la probabilidad de seleccionar el conglomerado i en cualquier extraccion. Entonces obtenemos P
i
de la siguiente manera:
p
i
=
M
i
M
0
, i = 1, ..., 90
Donde M
i
es el n umero de hogares en la seccion i y M
0
es el total de hogares en la localidad de Teusaquillo.
242
Calculo del Tama no de Muestra
El tama no de muestra optimo para el muestreo fue calculado con la siguiente ecuacion, dada en Jaeger
(1982).
n =
z
2
2
n
i=1
M
i
M
0
(Y
i
Y )
2
Donde z es el percentil de la distribucion normal que permite una conabilidad en las estimaciones pos-
teriores del 95 %
es el error absoluto en la estimacion
Y es la variable de interes, en este caso:
Y =
_
1 si la tienda vende medicamentos
0 en otro caso
Y
i
es la media del conglomerado i por unidad
Y es la media poblacional por unidad
Dado que no se conoce la varianza
n
i=1
M
i
M
0
(Y
i
Y )
2
se estima a partir de la muestra piloto de la
siguiente manera:
n =
1
n
1
n
i=1
M
i
M
0
(Y
i
y
ppt
)
2
Donde n
es el tama no de la muestra preliminar

Muestra piloto
El estudio realizado por Connecta SAS (2011), se tomo como muestra piloto para la estimacion de la
varianza (4), as como el total de tiendas de la localidad de Teusaquillo (N = 150)
Estimaciones
Y =
N
n
n
i=1
(Y
i
)
V AR(
Y ) =
N
n
(Y
i
Y )
2
EE(
Y ) =
_
V AR(
Y )
Donde

Y es la estimacion del total de la variable Y , por consiguiente la estimacion de interes, que es la
proporcion de tiendas que venden medicamentos en la localidad de Teusaquillo se obtiene de la siguiente
forma:
p
med
=
Y
N
=
Y
150
Software utilizado
Se Utilizo el paquete Teaching Samplingdel software estadstico R
243
CAP

Al calcular mediante la ecuacion del tama no de muestra resultante con una conabilidad del 95 % y un
error absoluto de 1, se obtiene un tama no de muestra igual a 8 secciones cartogracas.
Las secciones seleccionadas fueron:
631801
720503
620104
620802
510604
510802
510601
720202
8.4.4. Conclusiones
Se le brindo asistencia al cliente desde el inicio del estudio, se le dise no la muestra y la manera como
debian recolectar la informacion, asi como apoyo en la elaboracion del instrumento ya que lo traan pero
estaba mal dise nado. Ademas de eso, tambien se le brindo asesora en el analisis descriptivo de los datos
ya que por tiempo y los objetivos del estudio no requera un analisis de mayor complejidad.
8.4.5. Bibliografa
Bautista,leonardo. Tecnicas de dise no de Muestreo Estadstico. Universidad Nacional de colombia. 1998.
Jaeger, R.M. Sampling in Education and the Social Sciences, Newyork: Longman
Ospina, D. Introduccion al muestreo. Universidad Nacional de Colombia. 2001.
Pope, Jerey. Investigacion de Mercados. Norma. 1951 Sarndal,C, Swensson, B. y Wretman, J. Model
Assisted survey sampling. springer. 2003.
244
CAP
ITULO 9
CASOS GRUPO 9
Consultores
Laura Katherine Moreno lkmorenog@unal.edu.co
Mayerli Valero mvaleroc@unal.edu.co
Yeimy VivianaArevalo yvarevaloh@unal.edu.co
Diana Carolina Gamboa dcgamboap@unal.edu.co
9.1. Cliente No. 1
Solicitante
Nombres y Apellidos: Myrian Angarita
Programa Academico: Maestria Ciencias Agrarias enfasis Fitopatologà
Facultad: Agronomia
Nivel de formacion: Ingeniera en Biotecnologia
Tutor-Proyecto
Facultad: Ciencias
Ttulo del trabajo
Interaccion solanum phureja - P. infestans a nivel fenotipico
El tutor del proyecto sugirio que posiblemente el caso podria resolver con una metodologia llamada
modelos AMMI,la cual desconocian estadisticamente pero si muy usada en publicaciones relacionadas con
mejoramiento de cultivos,una sugerencia adicional por parte del tutor era la posibilidad de involucrar en
el modelo el uso de las variables climaticas y el porcentaje de da no en el tiempo,pero esto no fue posible de
considerar todo en un mismo modelo pues se trataba de un modelo longuitudinal con respuesta beta para
245
CAP

lo cual aun no se a trabajado mucho en el campo de la estadistica y ademas excedia los conocimientos de
los consultores ,ya que este tema solo podria ser trabajado por un equipo de investigacion que se dedicara
casi de tiempo completo en la investigacion de este tipo de modelos.
El investigador de este proyecto,evaluo severidad considerado como porcentaje de infeccion para 160 acce-
siones de phureja. Las evaluaciones se realizaron cada 8 dias para cada uno de las accesiones.Adicionamente
se midieron otras variables asociadas a cada localidad entre ellas algunas variables climaticas que tam-
bien fueron evaluadas cada 8 dias.Luego de terminado el experimento el investigador necesita conocer
una metodologia estadistica que le permita determinar las acceciones con compartamiento estable en las
localidades donde se realizo el experimento,la preocupacion del investigador esta en que tiene un gran
numero de accesiones para analizar.
Palabras clave
Genotipo, Fenotipo, Interaccion genotipo-ambiente (G X A), AUDPC, rAUDPC, estabilidad, Modelos
AMMI, biplot AMMI
9.1.1. Objetivos
Determinar la estabilidad de las accesiones para los 4 ambientes evaluados en dos ciclos de cultivo
Establecer una metodologia estadistica que permita evaluar la interaccion genotipo-ambiente y los
genotipos que se comportan de manera estable en dichos ambientes(localidades).
Implementar la manera de usar las variables climaticas que intervienen en cada ambiente
Encontrar los genotipos mas estables con respecto a las 4 localidades donde se realizo el experimento,y
encontrar alguna metodologia que permitiera una vez identicados los genotipos mas estables,determinar
relaciones con las variables climaticas de las localidades del experimento. El investigador sugirio la me-
todologia de modelos AMMI, pues es una tecnica estadistica muy usada en problemas relacionados con
el mejoramiento de cultivos y determinacion de genotipos estables. Ademas los modelos AMMI cuentan
con una herramienta graca bastante util al momento de interpretar y encontrar caracteristicas de la
interaccion genotipo ambiente tales como adaptabilidad,estabilidad y variabilidad de cada ambiente
9.1.2. Metodologa estadstica
1. Busqueda del metodo estadistico mas apropiado para la busqueda de los genotipos mas estables.
2. Transformacion de la variable respuesta.Se tomo arcsen(
y).
3. Estimacion del modelo AMMI,por medio del paquete agricolae de R.
4. Evaluar normalidad en los residuales del modelo.
5. Interpretacion del graco Biplot AMMI
6. Escoger los genotipos mas estables y resistentes.
7. Analisis descriptivo de las variables climaticas en cada localidad.
246
Modelo AMMI
Se plantea un modelo AMMI(Additive Main Eects and Multiplicative Interaction), como la mejor herra-
mienta estadstica que ayudara a cumplir los objetivos de la consultante. Los datos con los que se cuenta
presentan la siguiente estructura:
Ambientes
Genotipos 1 2 3 p
1
y
111
y
112
y
113
y
114
y
121
y
122
y
123
y
124
y
131
y
132
y
133
y
134

y
1p1
y
1p2
y
1p3
y
1p4
2
y
211
y
212
y
213
y
214
y
221
y
222
y
223
y
224
y
2311
y
232
y
233
y
234

y
2p1
y
2p2
y
2p3
y
2p4
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
n
y
n11
y
n12
y
n13
y
n14
y
n21
y
n22
y
n23
y
n24
y
n31
y
n32
y
n33
y
n34

y
np1
y
np2
y
np3
y
np4
Por lo que el modelo propuesto sera:
Y
ijk
= +g
i
+a
j
+ (ga)
ij
+e
ijk
con i = 1, ..., 160; j = 1, ..., 4; k = 1, ..., 4
ademas
(ga)
ij
=
p
i=1
ik
jk
donde :
Y
ijk
: porcentaje de da no en la k-esima replica del i-esimo genotipo que pertenece al j-esimo ambiente;
: efecto global;
g
i
: efecto del i-esimo genotipo estimado por Y
i..
Y donde Y
i..
es la media de la i-esima la y Y es
la media global;
a
j
: efecto del j-esimo ambiente estimado por Y
.j.
Y donde Y
.j.
es la media de la j-esima columna
y Y es la media global;
(ga)
ij
: efecto de la interaccion del i-esimo genotipo con el j-esimo ambiente estimado por Y
i
j.
Y
i..
Y
.j.
+Y
...
;
e
ijk
: termido de error que se asume independiente y distruido N(0,
2
)
Para establecer cual es el genotipo con la mayor estabilidad , se hace uso del metodo graco Biplot [Ga-
briel(1971)]. Si despues de realizar el analisis del biplot, se determina que existe alg un ambiente en el cual
el comportamiento de los genotipos sea diferente al de los demas ambientes, se recomienda realizar un
247
CAP

analisis descriptivo de las variables climaticas para determinar si los valores que toman, varan considera-
blemente de un ambiente a otro. De ser as, esto podra ayudar a explicar el hecho de que los genotipos
no se comporten igual en los cuatro ambientes.
Ventajas de usar el modelo AMMI
Permite un analisis mas detallado de la interaccion genotipo ambiente (G X A)
Garantizar la seleccion de los genotipos ,asegurando interacciones positivas con los ambientes
Posibilita facil interpretacion graca de los resultados, en llamados BIPLOT (representacion graca
simultanea de los genotipos y los ambientes)
Propiciar estimativas mas precisas de las respuestas genotpicas.
Normalidad de los residuales
One-sample Kolmogorov-Smirnov test
data: res1
D = 0.0361, p-value = 0.3748
alternative hypothesis: two-sided }
La prueba para la normalidad sobre los residules indica que no se rechaza la hipotesis de normalidad de
los residuales.
Software utilizado
En el software R, se encuentra el paquete agricolae. Agricole(2007) fue desarrollado por Felipe de Men-
diburu y Reinhard Simon, utilizado en investigaciones agrcolas y en varios tipos de analisis de dise no
tales como, el analisis del modelo AMMI con graco Biplot. Dentro de este paquete se puede encontrar la
funcion AMMI y en ella se tiene la opcion de usar el metodo multivariado Biplot.
Como se puede apreciar en la tabla de analisis que los dos primeros vectores propios retienen el 92.2 % de
la inercia. Por lo que se escoge solo el primer plano factorial para su interpretacion.
248
Analysis
percent acum Df Sum.Sq Mean.Sq F.value Pr.F
PC1 67.6 67.6 161 4.349639 0.027016 44.46 0
PC2 24.6 92.2 159 1.584376 0.009965 16.40 0
PC3 7.8 100.0 157 0.502900 0.003203 5.27 0
PC4 0.0 100.0 155 0.000000 0.000000 0.00 1
De acuerdo a la tabla de analisis de varianza a un nivel de signicancia del 1 %, todas las causas de
variacion resultan ser signicativas. El efecto medio que produce en el porcentaje de da no, cada uno de
los niveles de factores genotipo y ambiente es distinto.
Analysis of Variance Table
ENV 3 6.794 2.26452 647.1472 1.572e-13 ***
REP(ENV) 12 0.042 0.00350 5.7587 7.376e-10 ***
GEN 159 39.119 0.24603 404.8916 < 2.2e-16 ***
ENV:GEN 477 6.437 0.01349 22.2080 < 2.2e-16 ***
Residuals 1908 1.159 0.00061
Interpretacion del Biplot AMMI
Los genotipos seran presentados como puntos y los ambientes como vectores.
Los genotipos y ambientes estables son aquellos cuyos puntos estan cercanos al origen.
Si genotipos y ambientes estan en direcciones opuestas, hay falta de adaptacion del genotipo al
ambiente.
Si dos vectores de ambientes forman un angulo peque no , signica que estos estan fuertemente
asociados.
La longitud del vector de ambientes o genotipos esta relacionado a la varianza del ambiente o
genotipo, de modo que a mayor longitud mayor varianza.
Si son perpendiculares tienen una baja correlacion entre ellos. Tanto para genotipos como ambientes.
Al observar los gracos, se aprecia que los ambientes 1 y 2 y los gentipos CCC-057, CCC-104 Y CCC-066
son los mas cercanos al origen, por lo son los ambientes y genotipo mas estables, es decir, estos ambientes y
genotipos contribuyen muy poco a la interaccion. Por otra parte, los ambientes 3 y 4 y los genotipos CCC-
101 y CCC-435 son los ambientes y genotipos que presentan mayor variabilidad, por lo que son las mas
inestables. Los genotipos CCC-002 y CCC-03 presentan los porcentajes de da no mas disimiles.El ambiente
mas estable es L1, los genotipos entre L2 y L3 son adaptables a estos ambientes,ademas claramente hay
caractersticas contrastantes de L2 Y L3 con L4.
(L2 y L4 subachoque y L1 y L3 la union) Haciendo uso de la linea de referencia horizontal que se muestra
en el siguiente graco, es posible identicar cuales son los genotipos y ambientes que poseen un menor
o mayor porcentaje de da no con respecto a la media global. Los genotipos MP-263122B y CCC-002 un
porcentaje de da no mayor al procentaje medio global 0.2864805, por lo que se arma que son los genotipos
con menor resistencia. Mientras que los genotipos CCC-100, TM-802-07 y CCC-003 son los genotipos con
menor porcentaje de da no, por lo que que son los mas resistentes. La diferencia en el procentaje de da no
entre los ambientes, no es tan notoria como en el caso de los genotipos, aun asi, el ambiente 4 es que
presenta menor porcentaje de da no. Por su parte los ambientes 1, 2 y 3 tienen un porcentaje de da no muy
parecido al de la media global.
249
CAP

La siguiente salida muestra los 10 genotipos que estan mas cercanos al origen, es decir, los 10 genotipos
mas estables.
distancia niv
[1,] "0.00566" "CCC_057"
[2,] "0.00703" "CCC_104"
[3,] "0.00737" "CCC_066"
[4,] "0.01294" "CCC_047"
[5,] "0.01442" "TM_802-50"
[6,] "0.01680" "CCC_120"
[7,] "0.01853" "CCC_042"
[8,] "0.01853" "CCC_106"
[9,] "0.01899" "CCC_037"
[10,] "0.01899" "CCC_065"
250
La siguiente salida muestra los 10 genotipos que estan con el menor porcentaje de da no, es decir, los 10
genotipos mas resistentes.
rAUDPCpro niv
[1,] "0.058125" "TM_802-94"
[2,] "0.074375" "LM_8004-27"
[3,] "0.074375" "CSU_CRI"
[4,] "0.074375" "CCC_128"
[5,] "0.074375" "CCC_003"
[6,] "0.07625" "CCC_121"
[7,] "0.076875" "CCC_013"
[8,] "0.078125" "CCC_011"
[9,] "0.07875" "CCC_030"
[10,] "0.105" "TM_802-329"
Teniendo en cuenta la cercana al origen y el porcentaje de da no, se encontro que el genotipo mas estable
y con la mayor resistencia es TM-802-09, el cual se encuentra a una distancia al origen de 0.0307 y tiene
un tiene un porcentaje promedio bajo la curva de 0.248125.
Variables Climaticas
251
CAP

9.1.4. Bibliografa
Souza

Edila Cristina,Piracicaba 2010,Os Metodos Biplot e Escalonamento Multidimensional nos delinea-
mentos experimentais
Yan W & Kang M (2003).GGE Biplot Analysis, A Graphical Tool for Breeders,Geneticists, and Agrono-
mists.CRC PRESS.
Package agricolae http : //cran.r project.org/web/packages/agricolae/agricolae.pdf
R Graphical Manual,AMMI Analysis, http : //rgm2.lab.nig.ac.jp/RGM2/func.php?rd
i
d = agricolae :
AMMI
252
9.1.5. Bitacora
Ttulo del trabajo: Interaccion solanum phureja - P. infestans a nivel fenotipico
Nombre del solicitante: Myrian Angarita
Total de citas: 3
No FECHA EVOLUCI
ON
1 14/03/2012 El cliente presento el proyecto y dio alguna idea sobre lo que buscaba obtener con
la metodologia estadistica
2 16/03/2012 Se cito al cliente para presentar el proyecto de una manera mas detallada,pues la
terminologia del experimento era desconocida para el grupo de consultoria
3 02/05/2012 Se presento el modelo AMMI,el graco biplot AMMI y pautas para interpretar el
modelo AMMI de los datos.El tutor del proyecto quedo a la espera de la meto-
dologia estadistica que permita correlacionar los ambientes mas estables con las
variables climaticas.
253
CAP

9.2. Cliente No. 2
Solicitante
Nombres y Apellidos: Profesora Fabiola Becerra Bulla
Programa Academico: Nutricion y Dietetica
Facultad: Medicina
Nivel de formacion: Profesor asociado
Ttulo del trabajo
Estilos cognitivos de los estudiantes de la facultad de Medicina
La profesora explico brevemente la problematica a desarrollar y el trabajo hasta ahora realizado por
estudiantes de consultora 2011-II. Nos explico los resultados obtenidos por el grupo anterior de consultora
y la metodologa que ellos propusieron y que deseaba continuar.
El presente estudio, busca caracterizar y describir en una subpoblacion de la facultad de Medicina, a
traves de un test de estilos cognitivos y algunas preguntas sobe preferencias de aprendizaje, caractersticas
y gustos generales en actividades relacionadas con habitos de estudio.
Palabras clave
Estilos cognitivos
9.2.1. Objetivos
Identicar los estilos cognitivos desde la independencia y dependencia de campo.
Caracterizar a los estudiantes de Medicina de primero, quinto y decimo semestre, a partir de la aplicacion
de test de estilos cognitivos y encuestas de preferencias de estudios.
Tomando como base el estudio anteriormente realizado en el curso de consultora 2011-II. Se dio conti-
nuidad al desarrollo ya planteado y se desarrollo un analisis de correspondecias m ultiple y un analisis de
clasicacion para el total de estudiantes de las carreras de sioterapia y fonoaudiologa del departamento
de Medicina, as como analisis por cada uno de los semestres registrados en cada carrera.
Se tiene dos carreras; la primera fonoaudiologa con estudiantes en primer, cuarto y noveno semestre. La
segunda carrera sioterapia con estudiantes en segundo y sexto semestre.
Dada la gran cantidad de variables se realiza una prueba de independencia para determinar las variables
mas relacionadas con el puntaje de nivel cognitivo(variable de interes) y de este modo reducir el n umero
de variables a usar dentro de los analisis multivariados.
Se excluyeron las variables de sociodemogracas de los estudiantes como: Nombre y apellidos, Cedula,
Procedencia y lugar de nacimiento.
254
Software utilizado
Para el analisis de correspondecias m ultiple y de clasicacion se utilizo el programa estadstico SPAD 7.En
el desarrollo de las pruebas de independencia se realiza un programa en el programa estadstico R, y con
el cual se obtiene la tabla de todas las pruebas dos a dos con la variable de interes.
Fonoaudiologia
Aqu se presenta un analisis multivariado en una prueba de estilos cognitivos de 73 estudiantes de la ca-
rrera de Fonoaudiologa de la Universidad Nacional de Colombia en primer semestre. El analisis se inicia
presentando los resultados de la prueba de independencia Chi cuadrado de la variable puntaje con las de-
mas, con el n de establecer de cuales variables depende el puntaje. Adicionalmente en la segunda parte se
presenta un analisis de correspondencias multiple con las variables seleccionadas en la primera etapa como
activas y la variable puntaje como ilustrativa. Adicionalmente se realizara un analisis de cluster, con el
n de caracterizar los niveles que pueda tomar el puntaje respecto a las variables que presentan asociacion.
Todos los semestres
Se realizan las pruebas de independencia por variable donde para cada prueba Chi-cuadrado se tienen las
siguientes hipotesis:
H
0
: Las variables son independientes. (9.1)
H
a
: Existe alguna relacion entre las variables. (9.2)
Las estadsticas Chi-cuadrado se obtuvo a traves del procedimiento del paquete estadstico R, chisq.test,
las hipotesis de independencia no se rechazan para todos los individuos para un nivel de signicancia del
1.5 %. (ANEXO 1)
Se observa que el puntaje se relaciona con:
Edad del estudiante que presenta el estudiante
Lectura Global
Tiempo de descanso
N umero de hermanos
Analisis de correspondencias m ultiple y analisis de Clusters
Como variable suplementaria para realizar la caracterizacion se tomo la variable niveles de puntaje.
EL primer eje se encuentra denido por las variables y su la respectiva categora con la que mas contribu-
yo, es as como edad, con la categora mayor de 25 a nos, la variable hermanos, con la categora mas de dos
hermanos, lectura global con las categoras de las cuales las categoras que mas contribuyen son siempre
y casi nunca. El segundo eje se caracteriza por las variables hermanos con la categora ning un hermano,
lectura global con las categoras casi siempre y nunca.
En la gura 1, se encuentra la representaci on del primer plano factorial el cual ilustra que los estudiantes
que tienen asociado el puntaje de 0 a 30 son de semestre 4. Para el puntaje 31 a 35 tienen entre 19 a nos y
25 a nos. El Puntaje de 36 a 40 se caracteriza por estudiantes de semestre 9. El Puntaje 41-45 se caracteriza
255
CAP

por estudiantes con un hermano, casi nunca descansa y es menor de 18 a nos. Para el Puntaje 46 a 50, la
lectura es global casi siempre, es de primer semestre y tiene dos hermanos. Se contrapone los mayores de
25 a nos con los estudiantes menores de 18 a nos, es as como los puntajes mas altos estan relacionados con
los menores de 18 y los mas bajos a los mayores de 25 a nos.
Se realizo un analisis de clasicacion y basandose en el histograma de ndice de nivel, se construyen 5
clusters. La gura 2 presenta el primer plano factorial con las variables activas, los puntajes y los clusters.
Para el desarrollo de este analisis se tomaron como activas las variables:edad, hermanos, lectura global y
descanso, como variable ilustrativa se tomo el puntaje.
Cluster 1 : 43.84 % de la poblacion total, se tienen las caractersticas:
Puntaje 41 a 45
De hermanos, la categora Un solo hermano comprende 68.75 % del grupo y a su vez 34.25 % de la
poblacion total
Al tomar descansos durante el tiempo de estudio, con la categora descansa casi siempre, comprende
un 62.50 % del grupo y 39.73 % de la poblacion total
Al tomar descansos durante el tiempo de estudio, con la categora descansa siempre, comprende un
6.25 % del grupo y 27.40 % de la poblacion total
Cluster 2 : 34.25 % de la poblacion total, se tienen las caractersticas:
Puntaje de 0 a 30
Tienen dos hermanos, comprenden 64.00 % del grupo y a su vez 26.03 % de la poblacion total
Realiza lectura global siempre, 48.00 % del grupo y a su vez 16.44 % de la poblacion total
Toman descansos siempre durante el tiempo de estudio,48.00 % del grupo y a su vez 27.40 % de la
poblacion total
Tienen un hermano, comprende 4.00 % del grupo y a su vez 34.25 % de la poblacion total
256
Cluster 3 : 2.74 % de la poblacion total, se tienen las caractersticas: Este cluster esta identicado por
los mayores de 25 a nos de edad 100.00 % del grupo y la 2.74 de la poblacion total Cluster 4 : 13.70 % de
la poblacion total, se tienen las caractersticas:
Puntaje 46 a 50
No tienen ning un hermano, 70.00 % del grupo y a su vez 10.96 % de la poblacion total
Toma de descansos, durante el tiempo de estudio, con la categora nunca. 40 % del grupo y a su vez
6.85 % de la poblacion total.
Cluster 5 : 5.48 % de la poblacion total, se tienen las caractersticas: Este cluster viene identicado por
aquellos que nunca realizan una lectura global, comprendiendo 100.00 % del grupo y a su vez 5.48 % de la
poblacion total.
Primer Semestre
El valor del puntaje se relaciona con:
Si el estudiante adec ua la luz en el sitio de estudio.
Disposicion de un computador para el estudio.
Si el estudiante siente que aprende mas si toma un descanso durante el tiempo de estudio.
La organizacion del lugar de estudio .
La realizacion de actividades practicas que faciliten el aprendizaje.
La preferencia de la compa na para tomar las asignaturas.
Si el estudiante durante su educacion basica y media realizaba alguna actividad deportiva.
Analisis de correspondencias multiple y analisis de Clusters
Para el desarrollo de este analisis se tomaron como activas las variables: luz, pc, descanso, a-orden, activi-
dad practica, multidisciplianr y deportivas; como variables suplementaria para realizar la caracterizacion
se tomo la variable niveles de puntaje.
257
CAP

En la gura 1 se observa que las variables que constituyen el primer eje factorial corresponden a la variable
sobre la adecuacion de luz con un 28.6 %, seguido de hacer orden en el lugar de estudio con un 26 % y por
ultimo la variable asociada al la toma de descanso durante el tiempo de estudio y actividades deportivas
con 19.4 % y 17.2 % respectivamente. Para el segundo eje la constitucion de este se debe a a-orden con
27.3 %, luz con 20.5 % y nalmente multisc con 20.1 %. Desglosando por modalidades en general las
que tiene mayor porcentaje sobre el primer eje es luz-nunc y a-orden-nun sambas con 12.6 %. Por su
parte las categoras mas alejadas del origen del primer plano factorial son luz-nun y a-orden-nunc, por
lo cual podemos concluir que la poblacion promedio no posee estas caractersticas.
En la Figura 2, se observa la representacion del primer plano factorial, en donde encontramos que los
estudiantes que nunca toman descanso, se encuentran clasicados con los puntajes mas altos (45 a 50),
ademas estos estudiantes nunca adec uan la luz en sus lugares de estudio y casi nunca ordenan su sitio
de estudio.Tambien observamos los puntajes entre 31 y 35 son caractersticos de los estudiantes que casi
siempre adec uan la luz en su lugar de estudio y que siempre toman un descanso. Por su parte se observa
obtienen los mas bajos puntajes (0-30),nunca ordenan ni adec uan la luz en su lugar de estudio. Finalmente
para los puntajes de 41 a 45, los estudiantes se caracterizan por no tener preferencia alguna con las personas
en clase a la hora de tomar las asignaturas, as como siempre disponen de un computador para su estudio,
preeren siempre ordenar su lugar de estudio y buscan descansar casi siempre.
258
En este mismo primer plano factorial cabe resaltar que las modalidades que en el primer eje se contra-
ponen, son las relacionadas con deportivas siempre, descanso siempre y casi siempre, computador casi
siempre contra deportivas casi nunca, computador siempre y deportivas casi nunca. Igualmente se puede
evidenciar la contraposicion de las categoras de la variable ilustrativa sobre nivel mas alto en el puntaje
(45 a 50) contra el puntaje mas bajo (0 a 30), as como descanso nunca contra descanso casi nunca y luz
casi nunca contra luz casi nunca.
clusters, despues de un proceso de consolidacion con 10 iteraciones. En gura 3 presenta el primer plano
factorial con las variables activas, los puntajes y los clusters que nalmente quedan establecidos.
Para el cluster 1, que recoge el 63.16 % de la poblacion total, se tienen las caractersticas:
Puntaje de 36 a 40.
Realizacion de actividades practicas modalidad siempre, recoge 62 % de la poblacion total y a su vez
el 100 % del grupo.
Realizacion de actividades practicas modalidad casi siempre, recoge 35 % de la poblacion total y a
su vez el 100 % del grupo.
Disposicion de computador,as como las actividades practicas recogen el 3 % de la poblacion total y
casi el 100 % del grupo.
Puntaje de 46 a 50.
Disposicion de computador,as como las actividades practicas recogen el 3 % de la poblacion total y
Toma de descansos, durante el tiempo de estudio,con la categora nunca.
Organizacion del lugar de estudio con la modalidad casi nunca.
Puntaje de 41 a 45.
Disposicion de computador con la categora casi siempre, recoge el 26.32 % de la poblacion total y
Realizacion de actividades practicas modalidad casi siempre, recoge 36.86 % de la poblacion total y
casi un 100 % del grupo.
Puntaje de 0 a 30.
Organizacion del lugar de estudio con la categora nunca.
Adecuacion de la luz en el sitio de estudio con la categora nunca.
259
CAP

En el anterior graco observamos que los cluster dos y cuatro se contraponen a traves del segundo eje, y
que ambos tienen los tama nos mas peque nos, as que estos en general estan llevandose muy poca informa-
cion , muy seguramente debido a que se encuentran mas lejos del perl medio de las categoras, ubicado
en el origen del primer plano factorial. El cluster uno recoge como ya lo habamos mencionado el mayor
porcentaje de la poblacion total y a su vez las coordenadas de este se nalan que se encuentra muy cerca
del origen del primer plano factorial lo que evidenciara que este grupo esta recogiendo la mayora de las
modalidades que caracterizan a los estudiantes en general de primer semestre.
Cuarto Semestre
Si el estudiante para realizar una tarea necesita mucha informacion.
Si el estudiante hace primero una lectura global y de corrido.
Momentos del da o de la noche en que realiza actividades de tipo academico no presenciales.
Lugar del de estudio en que generalmente estudia.
Para el desarrollo de este analisis se tomaron como activas las variables: mucha-info,lect-gl, act-prac,hora-
est, lugar-est; como variable suplementaria para realizar la caracterizacion se tomo la variable niveles de
puntaje.
260
En la gura anterior se observa en el primer plano factorial, la constitucion del primer eje se debe princi-
palmente a las variables lugar de estudio con una contribucion absoluta del 32.3 %, seguido de la variable
hora de estudio con un 30.6 % y nalmente por la variable denominada mucha informacion con un solo
18.5 %. Ya para el segundo eje la creacion de este eje se debe a lugar de estudio con un 33.9 %, luego lectura
global y de corrido con un 25.8 % y por ultimo por hora de estudio con una contribucion absoluta del 25.7 %.
Por otro lado se percibe que las contribuciones relativas(cosenos cuadrados) para las 5 variables contem-
pladas en los estudiantes de cuarto semestre no resultan ser mayores a 0.63 en el primer eje, lo cual es el
caso especico de los estudiantes que toman como lugar de estudio la cama y el comedor y estudian en
cualquier instante de la hora , de la noche o de la madrugada. Esto anteriormente sugiere una inspeccion
mas analtica desde al primer plano factorial, puesto que en su mayora la informacion recolectada en las
contribuciones relativas a los ejes aportan poca informacion. Ya para el segundo eje solo cabe resaltar las
contribuciones de las modalidades sobre nunca realiza una lectura global y de corrido y lugar de estudio
en la cama y otro lugar, ambos con un valor de 0.56.
En el primer plano factorial mostrado en la gura 5 se observa que los estudiantes que toman como lugar de
estudio la cama(A) y el comedor (B), estan asociados a todo tipo de hora de estudio sea noche, madrugada
y da. Estos tipos de modalidades adicionalmente con las que asocian a los estudiantes que nunca realizan
lectura global y de corrido, a su vez resultan estar mucho mas alejadas del origen del plano factorial con
una distancia para estas modalidades de 29.00. As pues se evidencia que los estudiantes promedio no esta-
261
CAP

ran caracterizados por estas categoras de las variables de lugar de estudio, hora de estudio y lectura global.
Se observa que los estudiantes promedio se caracterizan por tener un cuarto destinado especcamente
para el estudio,por no realizar casi nunca actividades practicas,as como estudiar en las noches y realiza-
cion de casi siempre lecturas de tipo global y de corrido. El puntaje de 31 a 35 se asocia con estudiantes
que por lo general usan la cama como lugar de studio, que de vez en cuando hacen actividades practicas y
que necesitan siempre mucha informacion para desarrollar sus tareas. El puntaje de 41 a 45 tiene alguna
asociacion con aquellos que preeren hacer lecturas globales, estudiar en el comedor y usar como momento
del da para estudiar las madrugadas.
Para el cluster 1, que recoge el 4 % de la poblacion total, se tienen las caractersticas:
Puntaje de 36 a 40.
El lugar de estudio dado por la cama y el cuarto.
Como hora del da las modalidades en la noche o en el da.
Puntaje de 0 a 35 (dos categoras) y el mayor puntaje( 46 a 50).
La realizacion siempre de actividades practicas que faciliten el aprendizaje.
La realizacion de una tarea con mucha informacion.
Lugar de estudio solamente la alcoba.
Hora del da unicamente para hacer las actividades academicas.
La realizacion de una tarea casi nada de informacion.
El lugar de estudio dado por la cama y el cuarto.
Como hora del da las modalidades en todas sus modalidades
262
Aqu claramente el cluster dos esta recogiendo toda la informacion en el primer plano factorial, y dada su
cercana al origen sus caractersticas representan en su mayora a los estudiantes de cuarto semestre. Los
grupos uno y tres , son realmente peque nos y solo caracterizan a un n umero muy peque no de individuos
con ciertas caractersticas particulares pero que en general resultan ser poco interesantes.
Noveno semestre
Si el estudiante aprende cuando la tarea implica un mayor esfuerzo.
Disposicion de un computador para el estudio.
Alimentacion suciente para cumplir con la jornada academica.
Edad.
N umero de hermanos.
Para el desarrollo de este analisis se tomaron como activas las variables: mayor-esfuerzo,pc, alimentacion,
edad, otra actividad, hermanos; como variable suplementaria para realizar la caracterizacion se tomo la
variable niveles de puntaje.
263
CAP

En la anterior gura se observa que la variable con mayor contribucion a la constitucion del primer eje
resulta ser otras actividades con un 25.2 %, luego mayor esfuerzo en las tareas con un 23.7 % y nalmente
hermanos con un 21.9 %.Al desglosar esta informacion en sus categoras en general la que aporto mas fue
el nivel de esfuerzo casi nulo a la hora de realizar las tareas con 19.6 %, seguido de la realizacion de todas
las opciones de actividades extra academicas.
Para el segundo eje las categoras que marcaron la diferencia fueron no disponer de computador con un
22.6 %, seguido de la categora en la que por lo general la alimentacion nunca es suciente con 22.5 %. De
la informacion relativa para construir el primer eje el que mas aporto fueron los que no tenan hermanos
(coseno cuadrado 0.72), as como casi un nulo mayor esfuerzo.En el segundo eje el mejor posicionado resulta
ser el no disponer de computador a la hora de hacer actividades academicas y alimentacion insuciente.
En el plano factorial aqu mostrado se percibe que los estudiantes sin hermanos se caracterizan porque
no tiene mayor esfuerzo con las dicultad de las tareas y realizan a su vez todas las posibles actividades
indagadas.Los que presentan puntajes entre 31 a 35 son estudiantes caracterizados por una alimentacion
casi insuciente, as como disposicion de computador siempre que hacen actividades academicas y adicio-
nalmente hacen como otras actividades escuchar m usica y chatear.
Aquellos estudiantes con puntajes asociados entre 41 a 45 realizan otro tipo de actividades, tiene por lo
general dos hermanos y tiene un mayor esfuerzo casi siempre a la hora de nuevas tareas. El promedio de
264
los estudiantes son de 19 a 25 a nos tiene asociados puntajes muy altos pero a su vez algunos se encuentran
en el rango de 31 a 40, tienen un hermano y contemplan que la alimentacion es algo suciente para toda
la jornada.
Puntaje de 36 a 40 y 46 a 50.
Disposicion e computador en las modalidades casi nunca y nunca.
Edades de 18 o menos y una parte de 19 a 25 a nos.
Nunca se requiere esfuerzo mayor a la hora de hacer las tareas.
N umero de hermanos dos.
Realizacion de las tres opciones de actividades descritas.
Casi nunca se requiere esfuerzo mayor a la hora de hacer las tareas.
Sin hermanos.
Disposicion e computador en las modalidades casi nunca y nunca.
Nunca es suciente la alimentacion durante la jornada academica.
Se observa que el cluster que recoge la mayor informacion se encuentra ubicado cerca al origen del plano
factorial, lo cual evidencia que estas caractersticas resultan ser particulares de los estudiantes promedio
en el semestre noveno de fonoaudiologa. Los cluster dos y tres se encuentran muy lejos del origen y tienen
la caracterstica de ser muy peque nos.En particular estos dos se oponen a traves del primer eje factorial
y caracterizan los estudiantes menos comunes.
265
CAP

Fisioterapia
Se presenta un analisis multivariado en una prueba de estilos cognitivos de 85 estudiantes de la carrera de
Fisioterapia de la Universidad Nacional de Colombia. El analisis se inicia seleccionando las variables que
presentan asociacion con la variable puntaje por medio del uso la prueba de independencia Chi-cuadrado.
En la segunda parte se presenta un analisis de correspondencias multiple con las variables seleccionadas en
la primera etapa como activas y la variable puntaje como ilustrativa. Adicionalmente se realiza un analisis
de cluster, con el n de caracterizar los niveles que pueda tomar el puntaje respecto a las variables que
presentan asociacion.
Todos los semestres
Para la prueba Chi-cuadrado se tienen las siguientes hipotesis:
H
0
: Las variables son independientes.
H
a
: Existe alguna relacion entre las variables.
La estadstica Chi-cuadrado se obtuvo a traves del paquete estadstico R, se decide rechazar las hipotesis
de independencia a un nivel de signicancia del 15 %.
Se obtiene que la variable puntaje se encuentra relacionada con:
Edad.
Semestre que cursa actualmente.
Durante su educacion basica y media usted prefera realizar actividades deportivas.
Dispone de Internet para realizar sus labores academicas.
Dispone de computador para su estudio.
Compa na de estudio.
Sus materiales de estudio son apuntes y notas de clase personales .
Se prepara de alguna forma especial (ritual) para empezar a estudiar.
Para el desarrollo de este analisis se tomaron como ilustrativas las variables: edad, semestre, internet,
computador, deportivas, compa na, Apuntes propios y preparacion; como variable suplementaria para
realizar la caracterizacion se tomo la variable niveles de puntaje.
EL primer eje se encuentra denido por las variables computador e internet, de las cuales las categoras que
mas contribuyen son nunca y casi nunca respectivamente. El segundo eje se caracteriza por las variables
computador y apuntes personales.
que tienen asociado el puntaje de 0 a 30, son de sexto semestre, de 19 a 25 a nos, los cuales casi nunca
preferan realizar actividades deportivas, siempre tienen disponible computador e internet para realizar
sus actividades academicas y casi siempre preparan previamente su lugar de estudio. El puntaje 31 a 35
se caracteriza por estudiantes de segundo semestre que siempre preferan realizar actividades deportivas
durante su educacion basica y media. El puntaje 36 a 40 se caracteriza por estudiantes que preeren
estudiar solos, y el puntaje 46 a 50 se caracteriza por estudiantes para los cuales es indiferente tener o no
266
Figura 9.1: Plano factorial
un compa nero de estudio.
Cluster 1
El cluster 1 tiene el 57.65 % del total de estudiantes de Fisioterapia y se caracteriza por:
Puntaje 0 a 30
Disposicion de computador, siempre, que comprende el 69.41 % del total de la poblacion, y el 79.66 %
del grupo.
Disposicion de internet, siempre, que comprende el 47.96 % del total de la poblacion, y el 73.47 %
del grupo.
Apuntes propios como material de estudio, casi siempre, que comprende el 55.29 % del total de la
poblacion, y el 71.43 % del grupo.
Semestre, sexto, que comprende el 40.00 % del total de la poblacion, y el 53.06 % del grupo.
Compa neros de estudio, solo, que comprende el 77.65 % del total de la poblacion, y el 87.76 % del
grupo.
Cluster 2
Edad, mayor de 25 a nos, que comprende el 4.71 % del total de la poblacion, y el 80.00 % del grupo.
Apuntes propios como material de estudio, sin informacion, que comprende el 2.35 % del total de la
267
CAP

Cluster 3
Realiza actividades deportivas,nunca, que comprende el 7.06 % del total de la poblacion, y el 100.00 %
del grupo.
Compa neros de estudio, indiferente, que comprende el 8.24 % del total de la poblacion, y el 60.00 %
del grupo.
Cluster 4
Puntaje 31 a 35,que comprende el 22.35 % del total de la poblacion, y el 47.62 % del grupo.
Disposicion de computador,casi siempre, que comprende el 18.82 % del total de la poblacion, y el
42.86 % del grupo.
Disposicion de computador, casi nunca, que comprende el 5.88 % del total de la poblacion, y el
23.81 % del grupo.
del grupo.
Compa neros de estudio, grupo, que comprende el 4.71 % del total de la poblacion, y el 19.05 % del
grupo.
Apuntes propios como material de estudio, casi nunca, que comprende el 12.94 % del total de la
Semestre, segundo, que comprende el 60.00 % del total de la poblacion, y el 85.71 % del grupo.
Cluster 5
Disposicion de computador, nunca, que comprende el 3.53 % del total de la poblacion, y el 60.00 %
del grupo.
Disposicion de computador, sin informacion, que comprende el 2.35 % del total de la poblacion, y el
40.00 % del grupo.
Disposicion de internet, casi nunca, que comprende el 15.29 % del total de la poblacion, y el 80.00 %
del grupo.
Prefera realizar actividades deportivas ,que comprende el 22.35 % del total de la poblacion, y el
80.00 % del grupo.
268
Figura 9.2: Primer plano factorial con clusters
Segundo semestre
Con base a las pruebas de independencia se obtiene que la variable puntaje se encuentra relacionada con:
Edad.
Durante su educacion basica y media usted prefera realizar actividades deportivas.
Dispone de Internet para realizar sus labores academicas.
Dispone de computador para su estudio.
Se prepara de alguna forma especial (ritual) para empezar a estudiar.
Compa na de estudio.
Cuando estudia usted generalmente hace res umenes.
Las clases magistrales facilitan su aprendizaje.
Para el desarrollo de este analisis se tomaron como ilustrativas las variables: edad, deportivas, internet,
computador, deportivas, compa na, magistrales, res umenes y preparacion; como variable suplementaria
para realizar la caracterizacion se tomo la variable niveles de puntaje.
EL primer eje se encuentra denido por las variables computador e internet, de las cuales las categoras
que mas contribuyen son siempre y nunca respectivamente. El segundo eje se caracteriza por las variables
computador, internet y compa na.
En la gura 3, se encuentra la representacion del primer plano factorial se puede observar que los es-
tudiantes que se caracterizan por puntajes de 46 a 50 siempre realizaban actividades deportivas durante
su educacion media y basica, nunca preparan su sitio de estudio y casi nunca tienen acceso a computador
y a internet. El puntaje 31 a 35 se caracteriza por estudiantes que siempre realizan res umenes cuando
estudian, casi nunca tienen acceso a internet, mayores de 25 a nos, para quienes las clases magistrales casi
269
CAP

Figura 9.3: Plano factorial
siempre facilitan su aprendizaje. Los puntajes 41 a 45 y 36 a 40 se caracterizan por estudiantes menores
de 18 a nos que nunca preparan su lugar de estudio y preeren estudiar solos y ademas tienen casi siempre
acceso a internet. Finalmente el puntaje mas bajo de 0 a 30 se caracteriza por estudiantes a quienes las
clases magistrales casi nunca ayudan a su proceso de aprendizaje, tienen siempre acceso a internet y a un
computador para su actividad academica, y nalmente por no respuesta en la variable compa na.
Cluster 1
El cluster 1 tiene el 52.94 % del total de estudiantes de segundo semestre de Fisioterapia y se caracteriza
por:
Disposicion de computador, siempre, que comprende el 60.78 % del total de la poblacion, y el 96.30 %
del grupo.
del grupo.
Preferencia a desarrollar actividades deportivas, casi nunca, que comprende 31.37 % del total de la
Cluster 2
El cluster 2 tiene el 9.80 % del total de estudiantes de segundo semestre de Fisioterapia y se caracte-
riza por:
Puntaje 0 a 30
270
Preferencia a desarrollar actividades deportivas, nunca, que comprende 7.84 % del total de la pobla-
cion, y el 80 % del grupo.
Compa na de estudio, indiferente, que comprende 13.73 % del total de la poblacion, y el 80 % del
grupo.
Cluster 3
por:
Puntaje 46 a 50
Disposicion de internet, casi nunca, que comprende el 25.49 % del total de la poblacion, y el 87.50 %
del grupo.
Realiza actividades deportivas,siempre, que comprende el 29.41 % del total de la poblacion, y el
87.50 % del grupo.
Cluster 4
por:
Disposicion de computador,casi siempre, que comprende el 19.61 % del total de la poblacion, y el
72.73 % del grupo.
Disposicion de internet, nunca, que comprende el 5.88 % del total de la poblacion, y el 27.27 % del
grupo.
Figura 9.4: Primer plano factorial con clusters
271
CAP

Sexto semestre
que tiene asociado el puntaje de 0 a 30, casi nunca o nunca reciben estmulos positivos, preeren tomar sus
asignaturas con personas de la misma carrera, cuando consultan sus tareas usan internet o consultan un
texto en fsico. El puntaje 31 a 35 se caracteriza por estudiantes que usan internet casi siempre, preeren
tomar asignaturas con personas de otras carreras, casi nunca hacen una lectura global y corrida cuando
estudian y cuando tienen una duda sobre un tema en particular consultan a sus profesores, compa neros o
usan internet. El puntaje 36 a 40 se caracteriza por estudiantes que casi nunca tiene estmulos positivos, son
estudiantes que cuando tienen alguna duda consultan con compa neros, y para iniciar alguna investigacion
necesitan mucha informacion, siempre leen todo de manera global y de corrido cuando estudian ,le es
indiferente con quien toma las asignaturas. El puntaje 41 a 45 se caracteriza por los estudiantes que
cuando tiene una duda en particular consultan a sus compa neros, profesores, en la internet y casi nunca
buscan mucha informacion. El puntaje 46 a 50 se caracteriza por estudiantes usan internet siempre,
casi nunca hacen una lectura global y corrida cuando estudian,tienen otras preferencias para escoger las
personas con las cuales cursan sus asignaturas.
Figura 9.5: primer plano factorial
272
Figura 9.6: primer plano factorial
El desarrollo de pruebas sobre los niveles cognitivos en los estudiantes son una herramienta util para
determinar tecnicas de estudio y manejo de metodologa para la ense nanza de los estudiantes.
El uso de la metodologa propuesta ayudo a la caracterizacion clara y concisa de la informacion, este
procedimiento fue bastante util para observar el comportamiento de los estudiantes independiente-
mente de la carrera y el semestre.
Se evidencio una fuerte asociacion de los niveles bajos en el puntaje de la prueba cognitiva con un
ambiente poco propicio de estudio, y aspectos generales desfavorables como apoyos en el entorno
familiar.
La caracterizacion de los niveles mas altos en la prueba de niveles cognitivos se dio por buenos habitos
en los estudiantes, as como un entorno mas propicio y amable para el desarrollo de actividades
academicas.
A pesar de marcadas relaciones entre cada una de las variables con la informacion obtenida en los
puntajes, se observa que personas con puntaje promedio no tiene una clara tendencia a estilos de
estudio y aspectos generales especcos.
9.2.4. Bibliografa
Agresti, A (1996), An introduction to categorical data analysis, Jhon Wiley, New York.
Cuadras C. M. (2012) Nuevos metodos de analisis multivariante, cmc Editions, Barcelona.
Diaz L. G. (2009), Analisis de Datos Categoricos, Universiad Nacional de Colombia, Bogota.
Escoer, B et Pages J. (1990), Analyses factorielles imples et multiples, Dunod, Paris.
273
CAP

Lebart, L., Morineau, A. et Warwick (1984), Multivariate Descriptive Statistical Analysis, Wiley, New
York.
Pardo C.E. y Cabarcas G., Metodos estadsticos multivariados en investigacion social, Simposio de Esta-
dstica, Bogota.
274
9.2.5. Bitacora
Ttulo del trabajo: Estilos cognitivos de los estudiantes de la facultad de Medicina.
Nombre del solicitante: Profesora Fabiola Becerra Bulla
Total de citas: 3
1
No FECHA EVOLUCI
ON
1 16/04/2012 El cliente expuso de manera general la problematica del estudio que esta realizan-
do. Se dio un diagnostico inicial y el cliente hace entrega en la ocina del material
que hasta el momento se tenia para el desarrollo del trabajo.
2 23/04/2012 Los consultores se desplazaron a la ocina de la profesora para detallar cada uno
de los formatos archivados y en fsico de las encuestas y pruebas realizadas a los
estudiantes.
3 08/05/2012 Se entregaron los informes nales con los respectivos anexos sobre salidas adicio-
nales de los programas y las consideraciones realizadas a las bases de datos.
1
La mayora de contacto fue va mail y telefonico
275
CAP

9.3. Cliente No. 3
Solicitante
Nombres y Apellidos: Maria Angelica Ballen Galindo y Laura Paola Mora Perdomo
Facultad: Medicina
Nivel de formacion: X semestre en curso
Tutor-Proyecto
Nombres y Apellidos: Rosa Sampallo Pedroza
Facultad: Medicina
Ttulo del trabajo
Estudio descriptivo del patron establecido con el orofaciometro IMF 15 en un grupo de individuos de
Bogota-
Las estudiantes expusieron brevemente la problematica a desarrollar. Se les propuso un analisis descriptivo
univariado ya que el objetivo principal es eterminar y describir en una muestra de poblacion Bogotana,
las medidas de actividad muscular orofacial.
El presente estudio, busca determinar y describir en una muestra de poblacion Bogotana, las medidas
de actividad muscular orofacial, con una herramienta diagnostica, que permite realizar medidas de la
fuerza de musculo orbicular, maseteros y proyeccion lingual. Siendo esto parte del protocolo de evaluacion
Fonoaudiologica
Palabras clave
actividad muscular orofacial, musculo orbicular, maseteros, proyeccion lingual, Orofaciometro IMF 15.
9.3.1. Objetivos
generales
Determinar las medidas de actividad de la musculatura orofacial utilizando el Orofaciometro IMF 15
para establecer una posible escala de normatividad en poblacion de la cuidad de Bogota
Especcos
Describir las medidas de contraccion de labios, maseteros y fuerza de proyeccion lingual con al Orofacio-
metro IMF 15 en 90 usuarios Bogotanos.
Establecer una escala piloto de las mediciones tomadas con el Orofaciometro IMF 15 en una poblacion
que no tiene ning un tipo de deformacion.
276
Tomando como base el estudio Orofaciometro IMF-15: un nuevo equipo para medicion de mus-
culatura orofacial realizado en Cali. Se desarrollo un estudio de tipo descriptivo univariado y multiva-
riado. Participaron hombres y mujeres entre 4 y 56 a nos de edad, saludables, con selle labial competente
y sin evidencia de alteraciones musculares orofaciales y oclusales.
Se clasicaron en tres grupos de edad: el primer grupo entre los 4 -10 a nos (ni nos), el segundo entre
11 -17 a nos (Adolescentes), y el tercero entre 18 - 56 a nos (Adultos).
Se excluyeron pacientes que tuvieran: deformidad facial evidente o labios separados en posicion de re-
poso..
2
Software utilizado
Para el analisis univariado se utilizo el paquete estadstico R. Para el analisis multivariado se utilizo el
programa estadistico SPAD.
Ni nos
An alisis univariado
Figura 9.7: Fuerza de labios y lengua
La distribucion de la fuerza del labio de las mujeres es asimetrica a izquierda lo que quiere decir que la
variabilidad entre el cuartil 1 (0.3557) y el mediana (0.5222), es mayor que entre mediana (0.5222) y el
cuartil 3(0.5463). El 50 % de las mujeres presentan una fuerza labial menor o igual a 0.5222) . Existe un
dato atpico en la fuerza de labio de los hombres y es 0.9592.La fuerza del labio en las mujeres esta entre
0.2558 y 0.9592.
La distribucion del labio los hombres presenta una peque na asimetra a izquierda, aunque no tiene datos
atpicos. El 25 % de los hombres tiene una medida de labio menor o igual a 0.3155, el 75 % tiene una
medida menor o igual a 0.7146. La medida del labio en los hombres esta entre 0.2528 y 0.9776.
2
Tomado de http://www.acorl.org.co/revista/webUploads/pdfDocs/2009/Marzo/2009 Marzo 0000239 2 orofaciometro.pdf
277
CAP

La distribucion de la lengua en las mujeres es asimetrica a derecha, es decir presenta mayor variabili-
dad entre la mediana (0.2587) y el 3 cuartil (0.4537) que entre la mediana y el primer cuartil (0.1781). La
fuerza del masetero derecho en las mujeres esta entre 0.1235 y 0.7857.
La distribucion de la medida de la lengua es asimetrica a izquierda, tiene un dato atpico y es 0.973.
El 50 % los hombres tiene una medida de la lengua menor o igual a 0.3072 y el 75 % tiene una medi-
da menor o igual a 0.4623. La medida de la lengua de los hombres esta entre 0.2073 y 0.9731.
Figura 9.8: Fuerza del maseteros
La distribucion del masetero izquierdo en los hombres presenta mayor variabilidad entre la mediana
(0.3660) y el tercer cuartil (0.5084), con lo que tiene asimetra a izquierda. La fuerza del masetero izquier-
do en los hombres esta entre 0.2102 y 0.6681
Las distribuciones del masetero izquierdo tiene un peque na asimetra a derecha y tiene un dato atpi-
co y es 0.6549, el 75 % de las mujeres tienen una fuerza en el masetero derecho menor o igual a 0.4471, y
el 50 % de las mujeres tiene una fuerza 0.3918. La fuerza del masetero derecho en las mujeres se encuentra
entre 0.2337 y 0.6549.
La distribucion del masetero derecho en las mujeres es simetrica y presenta un dato atpico 0.6093. El 75 %
de las mujeres tiene una fuerza en el masetero derecho menor o igual a 0.4300 y el 50 % de las mujeres
tiene un fuerza de 0.3943.La fuerza del masetero derecho en las mujeres esta entre 0.2528 y 0.6093
La distribucion del masetero derecho en los hombres tiene una peque na asimetra a izquierda, no tie-
ne datos atpicos. El 50 % de los hombres tiene una fuerza en el masetero derecho menor o igual a 0.3881 y
el 75 % tiene una fuerza menor o igual a 0.4511.La fuerza del masetero derecho en los hombres esta entre
0.2470 y 0.7578
An alisis multivariado
278
Cuadro 9.1: Estadisticas descriptivas Hombres
Labios m.izquierdo m.derecho Lengua
Min. :0.2528 Min. :0.2102 Min. :0.2470 Min. :0.2073
1st Qu.:0.3155 1st Qu.:0.2936 1st Qu.:0.2804 1st Qu.:0.2659
Median :0.4998 Median :0.3660 Median :0.3881 Median :0.3072
Mean :0.5342 Mean :0.4020 Mean :0.4187 Mean :0.3968
3rd Qu.:0.7146 3rd Qu.:0.5084 3rd Qu.:0.4511 3rd Qu.:0.4623
Max. :0.9776 Max. :0.6681 Max. :0.7578 Max. :0.9731
Cuadro 9.2: Estadisticas descriptivas Mujeres
Labios m.izquierdo m.derecho Lengua
Min. :0.2558 Min. :0.2337 Min. :0.2528 Min. :0.1235
1st Qu.:0.3557 1st Qu.:0.3304 1st Qu.:0.3445 1st Qu.:0.1781
Median :0.5222 Median :0.3918 Median :0.3943 Median :0.2587
Mean :0.4965 Mean :0.3947 Mean :0.4050 Mean :0.3352
3rd Qu.:0.5463 3rd Qu.:0.4471 3rd Qu.:0.4300 3rd Qu.:0.4537
Max. :0.9592 Max. :0.6549 Max. :0.6093 Max. :0.7857
PRINCIPAL COMPONENTS ANALYSIS
SUMMARY STATISTICS OF CONTINUOUS VARIABLES
TOTAL COUNT : 24 TOTAL WEIGHT : 24.00
+-------------------------------------------------------+----------------------+----------------------+
| NUM . IDEN - LABEL COUNT WEIGHT | MEAN STD.DEV. | MINIMUM MAXIMUM |
+-------------------------------------------------------+----------------------+----------------------+
| 1 . AA - Labios 24 24.00 | 0.52 0.21 | 0.25 0.98 |
| 2 . AB - MAseIzq 24 24.00 | 0.40 0.12 | 0.21 0.67 |
| 3 . AC - MAseDere 24 24.00 | 0.41 0.13 | 0.25 0.76 |
| 4 . AD - Lengua 24 24.00 | 0.37 0.21 | 0.12 0.97 |
|-------------------------------------------------------|----------------------|-----------------------
| 17 . AY - Edad 24 24.00 | 5.46 1.71 | 4.00 10.00 |
| 18 . AZ - Talla 24 24.00 | 1.14 0.10 | 1.02 1.37 |
| 19 . BA - Peso 24 24.00 | 19.75 3.51 | 16.00 30.00 |
+-------------------------------------------------------+----------------------+----------------------+
CORRELATION MATRIX
| AA AB AC AD
-----+----------------------------
AA | 1.00
AB | 0.03 1.00
AC | -0.21 0.55 1.00
AD | 0.24 -0.23 -0.08 1.00
-----+----------------------------
| AA AB AC AD
TEST-VALUES MATRIX
| AA AB AC AD
-----+----------------------------
AA | 99.99
AB | 0.14 99.99
AC | -1.06 3.02 99.99
AD | 1.21 -1.14 -0.41 99.99
-----+----------------------------
| AA AB AC AD
Aqu se observa las variables tomadas como activas dentro del estudio, y adjunto se muestra sus medidas
estadsticas sumarias, para inspeccionar en una primera instancia el comportamiento de las variables.
Posteriormente se muestra la matriz de correlaciones entre las variables activas categoricas, es decir, las 4
primeras. Donde 1 representa completa correlacion positiva, -1 correlacion negativa y 0 indica que no hay
correlacion lineal entre par de variables.
Los porcentajes de inercia de los ejes representan los poderes explicativos de los factores: ellos represen-
tan la parte de la varianza (o inercia) total tenida en cuenta por cada factor.
279
CAP

As pues cada eje es una combinacion particular de las variables de origen, interesaran entonces aquellos
ejes cuya inercia sea notablemente superior a 1.
EIGENVALUES
COMPUTATIONS PRECISION SUMMARY : TRACE BEFORE DIAGONALISATION.. 4.0000
SUM OF EIGENVALUES............ 4.0000
+--------+------------+-------------+-------------+----------------------------------------------------------------------------------+
+--------+------------+-------------+-------------+----------------------------------------------------------------------------------+
| 1 | 1.6910 | 42.28 | 42.28 | ******************************************************************************** |
| 2 | 1.1114 | 27.78 | 70.06 | ***************************************************** |
| 3 | 0.8426 | 21.07 | 91.13 | **************************************** |
| 4 | 0.3549 | 8.87 | 100.00 | ***************** |
+--------+------------+-------------+-------------+----------------------------------------------------------------------------------+
En el histograma de valores propios para el caso de los ni nos, se observa que es util retener solo los dos
primeros ejes, pues con este se recoge el 70.06 % de la variabilidad de la informacion y pues para la interfaz
graca es mas provechoso trabajar con el primer plano factorial.
LOADINGS OF VARIABLES ON AXES 1 TO 4
ACTIVE VARIABLES
----------------------------+------------------------------------+-------------------------------+-------------------------------
VARIABLES | LOADINGS | VARIABLE-FACTOR CORRELATIONS | NORMED EIGENVECTORS
----------------------------+------------------------------------+-------------------------------+-------------------------------
IDEN - SHORT LABEL | 1 2 3 4 0 | 1 2 3 4 0 | 1 2 3 4 0
----------------------------+------------------------------------+-------------------------------+-------------------------------
AA - Labios | -0.39 -0.75 0.49 -0.20 0.00 | -0.39 -0.75 0.49 -0.20 0.00 | -0.30 -0.71 0.54 -0.34 0.00
AB - MAseIzq | 0.79 -0.43 0.19 0.38 0.00 | 0.79 -0.43 0.19 0.38 0.00 | 0.61 -0.41 0.21 0.65 0.00
AC - MAseDere | 0.81 -0.27 -0.36 -0.37 0.00 | 0.81 -0.27 -0.36 -0.37 0.00 | 0.62 -0.26 -0.39 -0.63 0.00
AD - Lengua | -0.50 -0.54 -0.66 0.16 0.00 | -0.50 -0.54 -0.66 0.16 0.00 | -0.38 -0.51 -0.72 0.28 0.00
----------------------------+------------------------------------+-------------------------------+-------------------------------
SUPPLEMENTARY VARIABLES
----------------------------+------------------------------------+-------------------------------+-------------------------------
----------------------------+------------------------------------+-------------------------------+-------------------------------
IDEN - SHORT LABEL | 1 2 3 4 0 | 1 2 3 4 0 | 1 2 3 4 0
----------------------------+------------------------------------+-------------------------------+-------------------------------
AY - Edad | -0.38 -0.30 -0.14 -0.19 0.00 | -0.38 -0.30 -0.14 -0.19 0.00 |
AZ - Talla | -0.43 -0.14 -0.16 -0.11 0.00 | -0.43 -0.14 -0.16 -0.11 0.00 |
BA - Peso | -0.22 -0.23 -0.28 -0.11 0.00 | -0.22 -0.23 -0.28 -0.11 0.00 |
----------------------------+------------------------------------+-------------------------------+-------------------------------
En la anterior tabla se muestra las coordenadas de las variables en cada uno de los ejes. Para nuestro
tendremos en cuenta los dos primeros debido a que solo analizaremos el primer plano factorial.
Aqu se observa las coordenadas de los puntos variables sobre los tres primeros ejes as como las coorde-
nadas de las extremidades de los ejes unitarios.
La representacion de los individuos sobre en el anterior plano factorial permite apreciar su reparticion e
identicar zonas de densidades fuertes.
La gura anterior da una representacion de las variables sobre los dos primeros ejes factoriales. Los
datos estan aqu centrados y reducidos, las coordenadas de las variables sobre los ejes son los coecientes
de correlaciones entre estas variables y los factores.
El primer eje opone la fuerza de lengua y labios contra la de los dos maseteros, esto en las variables
categoricas. Para las variables continuas ilustrativas se observa que las variable de talla, edad y peso,
estan muy correlacionadas entre si, debido a que el angulo entre ellas mismas es peque no, adicionalmente
se ve que ellas se encuentran mas cercanas al primer eje lo que evidencia que estas variables caracterizan
este eje.
Ahora bien la cercana al crculo unitario de las variables activas nos muestra como esta la correlacion
280
Figura 9.9: Circulo unitario: variables activas e ilustrativas continuas
con los factores, en este caso en la tabla de correlaciones muestra que bajo el primer eje, los mas correla-
cionados son masetero izquierdo y masetero derecho con una correlacion de 0.79 y 0.81 respectivamente.
Para el segundo eje se evidencia una alta correlacion negativa correspondiente a los labios con un valor
de -0.75.
Se observa que de las variables suplementarias ninguna representa una buena con los factores, sus va-
lores en ambos eje no superan el |0.44|, lo cual indica que estan mal correlacionadas.
Esta informacion tambien se evidencia en el graco del crculo unitario de correlacion puesto que los
vectores de las variables suplementarias son muy cortos y estan lejos del crculo.
Figura 9.10: Primer plano factorial: variables activas e ilustrativas categoricas
281
CAP

En este graco se observa la superposicion de las variables activas que son numericas y las suplemen-
tarias categoricas, se observa que las variables se encuentran asociadas a la presencia de la sinusitis, a
ruidos al lado izquierdo, y a respiracion en el diafragma.
As mismo valores grandes de los maseteros se opone a valores de la respiracion abdominal, a ruidos
por el lado derecho y a no tener sinusitis.
Las variables o valores grandes en la lengua y labios se asocia a tener resfriados frecuentes, dentadu-
ra mixta y a no usar chupo.
Los valores de si usar chupo, dentadura decidua y a tener ri nitis, se asociaran a los valores bajos en
la fuerza de los labios y la lengua.
El segundo eje factorial separa el grupo de los ni nos y ni nas.
Adolescentes
An alisis univariado
La distribuci on de la fuerza del labio de las mujeres muestra que existe una peque na asimetra a derecha
lo que indica que hay un poco mas de variabilidad entre la mediana y el 3 cuartil, que entre la mediana y
el primer cuartil.
La distribucion de la fuerza del labio de los hombres de igual manera muestra que hay una asimetra
un poco mas pronunciada a derecha, por lo tanto la variabilidad entre el primer cuartil y la mediana es
menor que la que se presenta entre la mediana y el tercer cuartil.
Se observan una peque na diferencia en cuanto a sexo en la fuerza de labios. Puesto que el rango in-
tercuartil entre el primer y tercer cuartil es muy parecido entre las mujeres y hombres adolecentes, a pesar
de que para los hombres este es un poco mayor. Esto evidencia que la variabilidad presente en los hombres
es un poco mas grande que para las mujeres a partir de esta variable.
La medida para las mujeres se encuentra entre 0.4208 y 0.9554. En el caso de los hombres se encuen-
tra entre 0.5962 y 1.0505.
282
La distribuci on de la lengua de las mujeres tiene es asimetrica a derecha lo que indica que la varia-
bilidad entre la mediana y el tercer cuartil es mucho mayor que entre la mediana y el primer cuartil.
Adicionalmente se observa que la cola superior es mas pesada que la cola inferior de la distribucion.
La distribuci on de la fuerza de la lengua en los hombres es simetrica sin embargo la cola inferior es
mas pesada que la cola superior, el valor promedio para los hombres en este caso es 0.3352. Distribucion
presenta un dato atpico, en la parte inferior.
El rango intercuartil entre el primer y tercer cuartil es menor en las mujeres, lo que indica que las mujeres
presentan menor variabilidad respecto a los hombres en esta variable.
La medida para las mujeres se encuentra 0,2888 y 0,4047. En el caso de los hombres se encuentra en-
tre 0,2763 y 0,4067.
La distribucion de la fuerza del masetero izquierdo de las mujeres es bastante asimetrica a derecha, puesto
que hay mayor variabilidad entre la mediana y el tercer cuartil, que entre la mediana y el primer cuartil.
En promedio la fuerza en las mujeres es 0.317.
Se observan gran diferencia en cuanto a sexo en la fuerza del masetero izquierdo. Puesto que el rango
intercuartil entre el primer y tercer cuartil vara bastante entre mujeres y hombres adolecentes. La varia-
bilidad presente en los hombres es muy peque na y la de las mujeres resulta ser mucho mayor.
La medida de fuerza del masetero izquierdo para las mujeres se encuentra 0,2055 y 0,4291. En el ca-
so de los hombres se encuentra entre 0,1842 y 0,4092. La distribucion de la fuerza del masetero derecho
de las mujeres muy asimetrica a izquierda, lo que indica que la variabilidad entre la mediana y el 3 cuartil
es muy baja y que casi toda la variabilidad esta entre la mediana y el primer cuartil. Aqu se observa un
dato atpico en 0,6203.
La distribucion de la fuerza del masetero derecho de los hombres de igual forma presenta mayor va-
riabilidad entre el primer cuartil y la mediana, pero esta variabilidad no es tan grande como se observa
en las mujeres.
El rango intercuartil entre el primer y tercer cuartil de los hombres es muy parecido al de las muje-
res, lo que indica que los hombres y las mujeres presentan casi la misma variabilidad. El promedio en los
hombres fue de 0.2404, el cual es un valor mayor que al promedio de las mujeres el cual es de 0.2711.
283
CAP

La medida de fuerza en el masetero derecho para las mujeres se encuentra entre 0,1755 y 0,3671. En
el caso de los hombres se encuentra entre 0,1695 y 0,3409.
Labios MAseIzq MAseDere Lengua
Mnimo 0,2212 0,0889 0,10882 0,1668
Primer Cuartil 0,5962 0,1842 0,16952 0,27632
Mediana 0.8234 0,2745 0,24042 0,33525
Media 0.8234 0,2745 0,24042 0,33525
Tercer Cuartil 1,0505 0,40922 0,34095 0.40675
Maximo 1,294 0,57258 0,62033 0,463059
Mnimo 0,2411 0,08894 0,1088 0,1668
Primer Cuartil 0,42087 0,205528 0,175594 0,28886
Mediana 0,68814 0,317336 0,271154 0,34679
Media 0,68814 0,317336 0,271154 0,34679
Tercer Cuartil 0.95541 42914 0.36671 0,40473
Maximo 1,469 0,5726 0,6203 0,463
Las variables activas seran la fuerza de la boca, fuerza del masetero izquierdo y derecho y la fuerza en labios.
Con el n de enriquecer la interpretacion se toman como variables suplementarias, Resfriados frecuen-
tes, Ri nitis, Asmal, Masticacion Bilateral,Ruidos al masticar, Succion, Mordedura, Bruxismo, Postural,
Respiracion, ATM, Ruidos Click y cordales.
Se decide utilizar los dos primeros ejes para la sntesis del perl en adolescentes (retienen el 79.19 %
de la inercia total). Dentro del crculo de correlaciones se proyectaron las variables suplementarias para
observar sus correlaciones con las variables activas.
En el graco 9.13 se observa que las variables activas estan bien representadas en el primer plano factorial
( los vectores se acercan al circulo unitario). Adicionalmente las variables Masetero izquierdo y Masetero
derecho estan altamente correlacionadas.
El segundo eje opone la fuerza de lengua contra la de los dos maseteros. Para las variables continuas
ilustrativas se observa que las variable de talla y peso, estan muy correlacionadas entre si, debido a que el
angulo entre ellas mismas es peque no.
284
Figura 9.13: Primer plano factorial: variables activas e ilustrativas continuas
-------------------------------------------------------------------------
+-------------------------------------------------------+----------------------+----------------------+
+-------------------------------------------------------+----------------------+----------------------+
| 1 . AA - Labios 24 24.00 | 0.76 0.36 | 0.22 1.47 |
| 2 . AB - MAseIzq 24 24.00 | 0.34 0.12 | 0.09 0.57 |
| 3 . AC - MAseDere 24 24.00 | 0.32 0.13 | 0.11 0.62 |
| 4 . AD - Lengua 24 24.00 | 0.39 0.13 | 0.07 0.66 |
|-------------------------------------------------------|----------------------|-----------------------
| 22 . AY - Edad 24 24.00 | 14.63 1.98 | 11.00 17.00 |
| 23 . AZ - Talla 24 24.00 | 1.61 0.10 | 1.42 1.75 |
| 24 . BA - Peso 24 24.00 | 51.38 9.53 | 30.00 70.00 |
+-------------------------------------------------------+----------------------+----------------------+
CORRELATION MATRIX
| AA AB AC AD
-----+----------------------------
AA | 1.00
AB | 0.53 1.00
AC | 0.42 0.77 1.00
AD | 0.32 0.33 0.33 1.00
-----+----------------------------
| AA AB AC AD
TEST-VALUES MATRIX
| AA AB AC AD
-----+----------------------------
AA | 99.99
AB | 2.89 99.99
AC | 2.16 5.03 99.99
AD | 1.62 1.69 1.70 99.99
-----+----------------------------
| AA AB AC AD
+--------+------------+-------------+-------------+----------------------------------------------------------------------------------+
+--------+------------+-------------+-------------+----------------------------------------------------------------------------------+
| 1 | 2.3902 | 59.75 | 59.75 | ******************************************************************************** |
| 2 | 0.7774 | 19.43 | 79.19 | *************************** |
| 3 | 0.6187 | 15.47 | 94.66 | ********************* |
| 4 | 0.2138 | 5.34 | 100.00 | ******** |
+--------+------------+-------------+-------------+----------------------------------------------------------------------------------+
285
CAP

ACTIVE VARIABLES
----------------------------+------------------------------------+-------------------------------+-------------------------------
----------------------------+------------------------------------+-------------------------------+-------------------------------
IDEN - SHORT LABEL | 1 2 3 4 0 | 1 2 3 4 0 | 1 2 3 4 0
----------------------------+------------------------------------+-------------------------------+-------------------------------
AA - Labios | -0.73 -0.01 -0.68 0.08 0.00 | -0.73 -0.01 -0.68 0.08 0.00 | -0.47 -0.01 -0.87 0.17 0.00
AB - MAseIzq | -0.89 0.27 0.13 -0.34 0.00 | -0.89 0.27 0.13 -0.34 0.00 | -0.58 0.31 0.17 -0.74 0.00
AC - MAseDere | -0.85 0.27 0.33 0.30 0.00 | -0.85 0.27 0.33 0.30 0.00 | -0.55 0.31 0.42 0.65 0.00
AD - Lengua | -0.58 -0.79 0.16 -0.02 0.00 | -0.58 -0.79 0.16 -0.02 0.00 | -0.38 -0.90 0.21 -0.03 0.00
----------------------------+------------------------------------+-------------------------------+-------------------------------
----------------------------+------------------------------------+-------------------------------+-------------------------------
----------------------------+------------------------------------+-------------------------------+-------------------------------
IDEN - SHORT LABEL | 1 2 3 4 0 | 1 2 3 4 0 | 1 2 3 4 0
----------------------------+------------------------------------+-------------------------------+-------------------------------
AY - Edad | 0.24 0.01 -0.18 0.23 0.00 | 0.24 0.01 -0.18 0.23 0.00 |
AZ - Talla | -0.26 0.20 -0.03 0.02 0.00 | -0.26 0.20 -0.03 0.02 0.00 |
BA - Peso | -0.12 0.17 -0.06 0.15 0.00 | -0.12 0.17 -0.06 0.15 0.00 |
----------------------------+------------------------------------+-------------------------------+-------------------------------
Ahora bien la cercana al crculo unitario de las variables activas nos muestra como esta la correlacion
con los factores, en este caso en la tabla de correlaciones muestra que bajo el primer eje, los mas corre-
lacionados son labios, masetero izquierdo y masetero derecho con una correlacion de -0.73,-0.89 y -0.85
respectivamente. Para el segundo eje se evidencia una alta correlacion negativa correspondiente a los labios
con un valor de -0.79.
Se observa que de las variables suplementarias ninguna representa una buena relacion con los factores, sus
valores en ambos eje no superan el |0.26|, lo cual indica que estan poco correlacionadas.
Esta informacion tambien se evidencia en el graco del crculo unitario de correlacion puesto que los
vectores de las variables suplementarias son muy cortos y estan lejos del crculo.
El primer eje factorial separa el grupo de los hombres y mujeres.
Las variables o valores grandes en la lengua y labios se asocia a con asma y con habitos de buxismo.
Los valores grande de maseteros se asocian con habitos como buxismo y postural, succion y respiracion
diafragamal.
Adultos
Analisis univariado
La distribuci on de la fuerza de labios de las mujeres es asimetrica a derecha lo que indica que la variabi-
lidad entre la mediana y el 3 cuartil es mayor que entre la mediana y el primer cuartil.
La distribucion de la fuerza de labios de los hombres tiene una peque na asimetra a izquierda por lo
tanto la variabilidad entre el primer cuartil y la mediana es mayor que la que se presenta entre la mediana
y el tercer cuartil.
Se observan diferencias marcadas en cuanto a sexo en la fuerza de labios. El rango intercuartil entre
el primer y tercer cuartil es mucho mayor en las mujeres, lo que indica que las mujeres presentan una
mayor variabilidad que los hombres en esta variable. La medida para las mujeres se encuentra entre 0.5426
y 1.0397. En el caso de los hombres se encuentra entre 0.8559 y 1.1683.
La distribuci on de la fuerza de la lengua de las mujeres es asimetrica a derecha lo que indica que la
variabilidad entre la mediana y el 3 cuartil es mayor que entre la mediana y el primer cuartil.
286
La distribucion de la fuerza de la lengua de los hombres es simetrica sin embargo la cola superior es
mas pesada que la cola inferior, el valor de la media es 0.3055. Distribucion presenta dos datos atpicos,
0.529200 y 0.535080.
El rango intercuartil entre el primer y tercer cuartil es mucho mayor en las mujeres, lo que indica que
las mujeres presentan una mayor variabilidad que los hombres. La medida para las mujeres se encuentra
0,1911 y 0,39341. En el caso de los hombres se encuentra entre 0,24255 y 0,35096.
La distribucion de la fuerza del masetero izquierdo de las mujeres es simetrica, en promedio la fuerza en
las mujeres es 0.3094.
La distribuci on de la fuerza del masetero izquierdo de los hombres presenta la mayor variabilidad en-
tre el primer cuantil y la mediana, esta distribucion presenta un sesgo hacia la izquierda.
No se observan diferencias marcadas en cuanto a sexo en la fuerza del masetero izquierdo.
La medida de fuerza del masetero izquierdo para las mujeres se encuentra 0,1865 y 0,421. En el caso
de los hombres se encuentra entre 0,2488 y 0,4296.
La distribuci on de la fuerza del masetero derecho de las mujeres es asimetrica a derecha lo que indica
que la variabilidad entre la mediana y el 3 cuartil es mayor que entre la mediana y el primer cuartil.
La distribucion de la fuerza del masetero derecho de los hombres presenta la mayor variabilidad entre
el primer cuantil y la mediana, esta distribucion presenta un sesgo hacia la izquierta.
El rango intercuartil entre el primer y tercer cuartil es mucho mayor en las mujeres, lo que indica que en
el caso de los hombres los datos se concentran alrededor de la mediana 0,3697, las mujeres presentan una
mayor variabilidad.
La medida para las mujeres se encuentra 0,19974 y 0,47408. En el caso de los hombres se encuentra
entre 0,29- 0,4259.
287
CAP

Mnimo 0,4381 0,1955 0,2036 0,09114
Primer Cuartil 0,8559 0,2488 0,29 0,24255
Mediana 1,04 0,3594 0,3697 0,294
Media 0,9874 0,3464 0,356 0,30551
Tercer Cuartil 1,1683 0,4296 0,4259 0,35096
Maximo 1,5237 0,5174 0,5152 0,53508
Adicionalmente se realizo un analisis de componentes principales normado (las variables continuas se
estandarizan) tomando como variables activas la fuerza de la boca, fuerza del masetero izquierdo y derecho
y la fuerza en labios. Con el n de enriquecer la interpretacion se toman como variables suplementarias,
Resfriados frecuentes, Ri nitis, Sinusitis, Dolor Miofacial, Ortopedia Maxil, Masticacion Bilateral, Succion,
Mordedura, Bruxismo, Postural, Respiraci on, ATM, Dolor, Ruidos Click y cordales.
Mnimo 0,2271 0,1551 0,08085 0,09371
Primer Cuartil 0,5426 0,1865 0,19974 0,1911
Mediana 0,7034 0,308 0,26423 0,25468
Media 0,7749 0,3094 0,31327 0,29043
Tercer Cuartil 1,0397 0,421 0,47408 0,39341
Maximo 1,3134 0,5321 0,62034 0,57551
288
Figura 9.16: Fuerza de maseteros
+-------------------------------------------------------+----------------------+----------------------+
+-------------------------------------------------------+----------------------+----------------------+
| 1 . AA - Labios 33 33.00 | 0.87 0.32 | 0.23 1.52 |
| 2 . AB - MAseIzq 33 33.00 | 0.33 0.12 | 0.16 0.53 |
| 3 . AC - MAseDere 33 33.00 | 0.33 0.13 | 0.08 0.62 |
| 4 . AD - Lengua 33 33.00 | 0.30 0.13 | 0.09 0.58 |
|-------------------------------------------------------|----------------------|-----------------------
| 25 . AY - Edad 33 33.00 | 22.58 7.12 | 18.00 55.00 |
| 26 . AZ - Talla 33 33.00 | 1.68 0.10 | 1.51 1.91 |
| 27 . BA - Peso 33 33.00 | 60.80 9.44 | 46.00 88.00 |
+-------------------------------------------------------+----------------------+----------------------+
CORRELATION MATRIX
| AA AB AC AD
-----+----------------------------
AA | 1.00
AB | 0.53 1.00
AC | 0.56 0.55 1.00
AD | 0.25 0.03 -0.07 1.00
-----+----------------------------
Se muestra la matriz de correlaciones entre las variables activas continuas. Donde valores cercanos a 1
representan completa correlacion positiva, valores cercanos a -1 una correlacion negativa y valores cercanos
a 0 indican que no hay correlacion lineal entre par de variables.
+--------+------------+-------------+-------------+----------------------------------------------------------------------+
+--------+------------+-------------+-------------+----------------------------------------------------------------------+
| 1 | 2.1059 | 52.65 | 52.65 | ********************************************************************** |
| 2 | 1.0708 | 26.77 | 79.42 | ***************************************** |
| 3 | 0.4664 | 11.66 | 91.08 | ****************** |
| 4 | 0.3569 | 8.92 | 100.00 | ************** |
+--------+------------+-------------+-------------+----------------------------------------------------------------------+
Se decide utilizar los dos primeros ejes para la sntesis del perl de los adultos ya que estos retienen el
79.42 % de la variabilidad total.
289
CAP

ACTIVE VARIABLES
----------------------------+------------------------------------+-------------------------------+-------------------------------
----------------------------+------------------------------------+-------------------------------+-------------------------------
IDEN - SHORT LABEL | 1 2 3 4 0 | 1 2 3 4 0 | 1 2 3 4 0
----------------------------+------------------------------------+-------------------------------+-------------------------------
AA - Labios | -0.85 -0.21 -0.24 0.42 0.00 | -0.85 -0.21 -0.24 0.42 0.00 | -0.59 -0.20 -0.35 0.70 0.00
AB - MAseIzq | -0.82 0.13 0.56 -0.02 0.00 | -0.82 0.13 0.56 -0.02 0.00 | -0.57 0.13 0.81 -0.03 0.00
AC - MAseDere | -0.83 0.28 -0.32 -0.37 0.00 | -0.83 0.28 -0.32 -0.37 0.00 | -0.57 0.27 -0.46 -0.62 0.00
AD - Lengua | -0.17 -0.96 0.04 -0.20 0.00 | -0.17 -0.96 0.04 -0.20 0.00 | -0.11 -0.93 0.05 -0.34 0.00
----------------------------+------------------------------------+-------------------------------+-------------------------------
----------------------------+------------------------------------+-------------------------------+-------------------------------
----------------------------+------------------------------------+-------------------------------+-------------------------------
IDEN - SHORT LABEL | 1 2 3 4 0 | 1 2 3 4 0 | 1 2 3 4 0
----------------------------+------------------------------------+-------------------------------+-------------------------------
AY - Edad | 0.12 -0.07 -0.02 0.05 0.00 | 0.12 -0.07 -0.02 0.05 0.00 |
AZ - Talla | -0.31 -0.11 0.10 0.10 0.00 | -0.31 -0.11 0.10 0.10 0.00 |
BA - Peso | -0.32 -0.09 0.02 0.12 0.00 | -0.32 -0.09 0.02 0.12 0.00 |
----------------------------+------------------------------------+-------------------------------+-------------------------------
Se puede apreciar las coordenadas de las variables sobre los ejes, las cuales corresponden con los coe-
cientes de correlaciones entre estas variables y los factores. Se presenta el primer plano factorial con las
variables activas y la proyeccion de las variables suplementarias.
En el graco 9.17 se observa que las variables activas estan bien representadas en el primer plano factorial
( los vectores se acercan al crculo unitario).
Las variables masetero derecho, masetero izquierdo y labios apuntan hacia el lado negativo del primer
eje y estan altamente correlacionadas con este, por lo tanto los valores mas altos de calicacion de estas
variables se encuentran hacia la parte negativa del eje.
En el caso de fuerza de boca, existe una alta correlacion con el segundo eje factorial por lo tanto va-
lores altos de esta variable estan hacia el lado negativo de este eje.
Las variables ilustrativas continuas no tienen una buena representacion en el plano unitario. Adicionalmente
Figura 9.17: Primer plano factorial: variables activas e ilustrativas continuas
se presenta el primer plano factorial con la proyeccion de las variables ilustrativas.
290
Se puede apreciar que las personas que tienen habitos como el de succion, hacer ruidos; no tienen habitos
de mordedura ni ATM; tienen ri nitis; son hombres; tienen masticacion derecha, hacen ruidos al masticar,
tienen ortopedia maxil, no tienen dolor miofacial, no hacen ruidos click, presentan la mayor fuerza de los
maseteros y labios.
Se puede apreciar que las personas que presentan mayor fuerza la boca: tienen masticacion bilateral,
tienen habitos posturales y respiracion abdominal.
Se puede apreciar que las personas que presentan menor fuerza la boca no tienen sinusitis, no tienen
habitos posturales, respiracion diafragmal.
9.3.4. Bibliografa
Pinedo,J,R., Ardila, P.S., Lopez, Y.M., Pinedo, J.C.(2009) Orofaciometro IMF: Un nuevo equipo para
medicion de Musculatura oro-facial. Acta de otorrinolaringologa & ciruga de cabeza y cuello. Vol 37,[tesis
de diplomado Recuperado agosto-2011 de: http://revista.acrol.org.co/descargas/2009/2 orofaciometro.pdf
]
291
CAP

9.3.5. Bitacora
Ttulo del trabajo: Estudio descriptivo del patron establecido con el orofaciometro IMF 15 en la pobla-
cion de Bogota.
Nombre del solicitante: Maria Angelica Ballen Galindo y Laura Paola Mora Perdomo
Total de citas: 3
3
No FECHA EVOLUCI
ON
1 11/04/2012 El cliente expuso de manera general la problematica del estudio que esta realizan-
do. Se dio un diagnostico inicial.
2 11/05/2012 Los consultores se desplazaron hacia el sitio donde se realizaban las mediciones
con el n de entender de manera integral las mediciones.
3 5/06/2012 Se expusieron los resultados obtenidos y las pautas para interpretar los boxplot y
el analisis de componentes principales.
3
La mayora de contacto fue va mail y telefonico
292
9.4. Cliente No. 4
Solicitante
Nombres y Apellidos: Jorge Enrique Cruz Medina
Programa Academico: Facultad:
Nivel de formacion:
Tutor-Proyecto
Facultad: Ciencias
Ttulo del trabajo
El cliente expuso la metodologia,pero los objetivos no fueron claros ya que abarco muchos terminos de la
investigacion desenfocandose en el objetivo principal de lo que queria,por lo que se concerto una nueva
cita.
Escoger los criterios mas importantes para lograr proponer un modelo de gestion de calidad para el deporte
universitario en Bogota,basado en la evaluacion de expertos en este escenario deportivo.
Palabras clave
Analisis de correspondencias multiples (ACM), Tecnica de Delphi, Modelo de gestion integral, Consejo
Nacional de Acreditacion.
9.4.1. Objetivos
Dise nar un Modelo de Gestion Integral para las Instituciones de Educacion Superior, basado en los
lineamientos para la autoevaluacion con nes de acreditacion del Consejo Nacional de Acreditacion
CNA.
Proponer una ponderacion de los distintos criterios que constituyen el modelo de gestion integral, con
base en los resultados obtenidos para las universidades observadas en Bogota. Una vez establecidas estas
ponderaciones, se propone establecer la interrelacion entre los criterios puestos a prueba por los evaluadores
y su ponderacion en cuanto a su contribuci on a la calidad del programa evaluado.Con el n de estructurar
un modelo de gestion integral a partir de los lineamientos de autoevaluacion con nes de acreditacion del
CNA.
Para construir el modelo se evaluan un conjunto de variables cualitativas y cuantitativas.
Las variables cualitativas fueron obtenidas mediante la opinion de un grupo de expertos, para la construc-
cion de las variables relevantes para el modelo de gestion integral, tomando como base teorica el Modelo
de Excelencia para la educacion superior propuesto por la Corporacion Calidad y los lineamientos de
autoevaluaci on con nes de acreditacion del CNA, utilizando la tecnica Delphi.
293
CAP

El metodo Delphi esta basado en el principio de la inteligencia colectiva y que trata de lograr un consenso
de opiniones de expertos individualmente por un grupo de personas seleccionadas cuidadosamente, como
expertos calicados en torno al tema, por medio de la iteracion sucesiva de un cuestionario retroalimentado
de los resultados promedios de la ronda anterior, aplicando calculos estadsticos[Parisca (1995)].
Las variables cuantitativas resultaron de un conjunto de encuestas aplicadas a distintos actores del sistema.
A su vez estas variables se dividen en variables latentes y observables.
Las variables latentes son aquellas que se maniestan a traves de otras que son observables; y las variables
observables son aquellas de las que se puede hacer una observacion directa.
Para el estudio las variables latentes son los siete (7) criterios del Modelo de Excelencia para la educacion
superior y las variables observables la constituyen las cuarenta y dos (42) caractersticas de los lineamientos
de autoevalucion con nes de acreditacion del CNA.
El cuestionario dise nado para recolectar la opinion de los expertos contiene tres preguntas, la primera de
ella de tipo cerrada de respuesta unica, en esta se debe se nalar a que criterio del modelo de Excelencia en
la Gestion Universitaria, propuesto por la Corporacion Calidad corresponde cada una de las caracterstica
de los lineamientos de autoevaluacion con nes de acreditacion del CNA; la segunda sobre una base de
1.000 puntos se debe asignar un puntaje a cada criterio, teniendo en cuenta su contribucion al logro de la
calidad del programa academico evaluado, y la tercera en una escala de 0 a 1 se debe indicar como cada
criterio del modelo de excelencia es causa de los otros criterios.
Para denir cuales son las caracteristicas en las cuales hay concenso entre los expertos, se propone realizar
un analisis univariado de las frecuencias con que cada caracterstica aparece ubicada en los criterios que
integran el modelo y establecer un umbral en donde se puede armar que existe consenso.
Con el n de establecer grupos de caracteristicas en las que se presenta algun conceso entre los expertos
se sugiere un ACM(Analisis de Correspondencias Multiples) y nalmente un analisis de conglomerados,
de tal manera que se puedan crear grupos homogeneos de expertos que coincidan en la seleccion de las
caractersticas.
9.4.3. Conclusiones
Se planteo la metodologia que mas nos aparecio apropiada,apesar que el cliente nunca culmino el proceso.
9.4.4. Bibliografa
Pardo C.E. y Cabarcas G., Metodos estadsticos multivariados en investigacion social, Simposio de Esta-
dstica, Bogota.
294
9.4.5. Bitacora
Ttulo del trabajo: Modelo de Gestion para el Deporte Universitario en Bogota.
Nombre del solicitante: Jorge Enrique Cruz Medina
Total de citas: 3
No FECHA EVOLUCI
ON
1 9/04/2012 El cliente presento el proyecto y dio alguna idea sobre lo que buscaba obtener con
la metodologia estadistica
2 11/04/2012 Se cito al cliente para presentar el proyecto de una manera mas detallada,pues la
primera cita no fue claro el objetivo que el cliente queria alcanzar mediante el uso
de metodos estadisticos.
3 03/05/2012 Se le asigno una cita al cliente para evaluar la realizacion de un cuestionario creado
por el para recolectar la informacion de interes para el estudio,pero el cliente nunca
asisitio,abandonado denitivamente la asesoria pues nunca mas volvio a consultar
por ningun medio.
295
CAP
ITULO 10
CASOS GRUPO 10
Consultores
Lorena Ca
non glocanonc@unal.edu.co
Laura Baracaldo lnbaracaldol@unal.edu.co
Ana Giraldo amgiraldov@unal.edu.co
10.1. Cliente No. 1
Solicitante
Nombres y Apellidos: Leonardo Qui nones Cantor
Programa Academico: Maestra en Ingeniera Ambiental
Facultad: Ingeniera
Tutor-Proyecto
Nombres y Apellidos: Nestor Yesid Rojas Roa
Facultad: Ingeniera
Ttulo del trabajo
Evaluacion de los inventarios de emisiones de fuentes moviles de Bogota mediante comparacion con los
datos de concentracion de CO y NOX obtenidos por la red de monitoreo.
El cliente tiene una base de datos con los inventarios de emisiones de fuentes moviles de varios puntos
de Bogota de varios a nos. Desea encontrar la hora pico de emisiones de CO y NOX, as como correr una
regresion por mnimos cuadrados ordinarios y por mnimos cuadrados ponderados, para determinar que
ajuste llega a ser mejor.
296
Existe la necesidad de evaluar de una manera objetiva los resultados obtenidos en los inventarios de
emisiones de fuentes moviles en Bogota D.C.
Palabras clave
NOX, CO, Inventario de emisiones, mnimos cuadrados ordinarios, mnimos cuandrados ponderados, hora
pico.
10.1.1. Objetivos
El objetivo del trabajo es el de evaluar los inventarios de emisiones realizados en la ciudad de Bogota,
con base en las estimaciones realizadas para CO y NOX, y su consistencia con lo observado en mediciones
ambientales, para lo cual se emplean los datos recolectados por la red de monitoreo de calidad del aire
de Bogota (RMCAB). Para la evaluacion, se sigue el procedimiento establecido por (Parrish, et.al, 2002),
donde se compara la relacion de CO a NOx obtenida por mediciones ambientales en horas pico diurnas,
con la correspondiente relacion obtenida a partir de los inventarios de emisiones.
Determinar la hora pico, por medio de las cantidades registradas CO y NOX inventarios de emisiones
realizados en la ciudad de Bogota.
Modelar la relacion entre CO a NOx obtenida por mediciones ambientales en horas pico diurnas.
Regresion por minimos cuadrados, minimos cuadrados ponderados, regresion con trasformcaiones.
Software utilizado
R
El cliente deseaba un programa que le permitiera gracar la serie de tiempo de las variables CO y NOX
por da del a no, por mes y por da de la semana, as como algunos estadsticos descriptivos de los datos.
Con esto se obtuvo lo necesario para determinar la hora pico. Posterior a eso se procedio a correr las
regresiones por mnimos cuadrados ordinarios y por mnimos cuadrados ponderados.
Dicho procedimiento se hizo para una sola estacion y un solo a no. Esto debido a que el cliente deseaba
aprender a manejar el software para poder replicar el procedimiento.
Inicialmente se corre un modelo lineal simple utilizando la metodologa de mnimos cuadrados ordinarios
bajo los supuestos:
e N(0,
2
)
e
1
, e
2
, ..., e
n
son independientes.
El modelo ajustado es de la forma:
CO =
1
+
2
NOX +e
En primera instancia se realiza una graca que contraponga las variables CO y NOX, para ver la relacion
lineal de los datos:
297
CAP

La anterior graca muestra una tendencia lineal creciente, por lo que se modelara la inicialmente con un
modelo de regresion lineal simple.
Los resultados en R fueron:
Con el n de evaluar la calidad del modelo, se realiza un examen del cumplimiento de los supuestos, el
cual se realiza a traves de gracos de los residuales:
298
Q-Q Plot
El anterior graco muestra como el supuesto de normalidad de los errores no es razonable, por lo que es
necesario el planteamineto de un nuevo modelo, o el planteamineto de supuestos mas razonables.
299
CAP

Residuales estandarizados
Residuales vs Leverage
Debido a que los supuestos de normalidad y homocedasticidad no se cumplen, se procede a realizar una
transformaci on de Box-Cox, con el objetivo de normalizar los datos y estabilizar la varianza. En R se
encuentra el lambda optimo, el cual arrojo los siguientes resultados:
{
datos<-datos[datos[, "CO"]>0,]
library(MASS)
boxcox(CO ~ 1+NOX, data=datos, lambda = seq(-2, 2, length = 10))
}
300
De acuerdo a lo anterior, el lambda que maximiza la funcion de verosimilitud es = 0,7
Metodologa
Se ajusta el modelo haciendo uso de dicha transformacion, el cual arroja el ajuste:
De nuevo es necesario realizar una evaluacion del cumplimiento de los supuestos, por lo que se hace uso
de gracas sobre los residuales:
301
CAP

En el anterior graco se observa como el q-q plot muestra una mayor aproximacion de los residuales a la
distribucion normal, por lo que es preferible tomar este modelo, sin embargo el modelo no es bueno.
10.1.4. Conclusiones
Se obtuvo lo esperado, que las horas pico se encontraban entre las 7 am y 9 am, sin embargo en
muchos das no se encontraba el mismo patron, por lo que se duda de la calidad de las mediciones.
La calidad de las mediciones de ciertas variables involucradas en un fenomeno de interes es un factor
decisivo en el modelamiento de los datos, por lo que es un limitante el hecho de que dichas mediciones
no sean conables o exista gran cantidad de datos faltantes.
La emision de CO y NOX aunque estan relacionados directamente, existen otros factores externos
que afectan la variable respuesta y que podra prpoporcionar un modelo que explique mejor el
comportamiento de la variable CO. En otras palabras, el ajuste del modelo pordra ser mejor si se
hubiera proporcinado o tenido encuenta otros factores que permitieran una mejor explicacion del
fenomeno.
Es siempre esencial la evaluacion de los supuestos, ya que aunque en apariencia el ajuste del modelo
sea aceptable, el no cumplimiento de alg un supuesto hace invalidos los resultados derivados del
mismo.
10.1.5. Bibliografa
Parrish D., et al. Decadal change in carbon monoxide to nitrogen oxide ratio in U.S. vehicular emissions.
Journal of Geophysical research, Vol 107, No. D12, 2002.
Neri F., et al. An accurate and straightforward approach to line regression analysis of error-aected expe-
rimental data. 1989.
302
Anexos
##############################################
########## LECTURA DATOS ####################
##############################################
## LIBRERIAS ##
library(systemfit)
## DATOS GRAFICO ##
datos <- read.table("datos.txt", header=TRUE,
na.strings = "NA")
mes<-datos[,"mes"]
diaSemana<-(datos[,"diaSemana"])
dia<-(datos[,"dia"])
hora<-unique((datos[,"hora"]))
## DATOS REGRESION ##
reg <- read.table("dat.txt", header=TRUE)
NOX_2 <- reg$NOX_2
CO_2 <- reg$CO_2
###########################################
########### MODELO ########################
###########################################
a<-systemfit(CO_2~1+NOX_2, method = "WLS")
summary(a)
b<-lm(CO_2~1+NOX_2)
summary(b)
######################################################
################ GRAFICOS ############################
######################################################
## Por Da al a~no ##
for(i in unique(dia)){
a<-subset(datos[,c("NOX","CO","dia", "NOX_1","CO_1")], dia==i)
CO<-datos[,"CO"]
NOX<-datos[,"NOX"]
CO_1<-a[,"CO_1"]
NOX_1<-a[,"NOX_1"]
png(paste("graficoDia",i,".jpg",sep=""))
d<-c(2,1)
layout(d)
plot(CO_1, type="l", xlab="Hora", axes = FALSE)
axis(1,at=hora,cex.axis=0.8,las=2)
303
CAP

plot(NOX_1, main="Grafico por Da", type="l", xlab="Hora", axes = FALSE)
axis(1,at=hora,las=2)
dev.off()
}
## Por da a la semana ##
for(i in unique(diaSemana)){
a<-subset(datos[,c("NOX","CO","diaSemana", "NOX_1","CO_1")], diaSemana==i)
CO<-a[,"CO"]
NOX<-a[,"NOX"]
CO_1<-a[,"CO_1"]
NOX_1<-a[,"NOX_1"]
png(paste("graficoDiaSemana",i,".jpg",sep=""))
d<-c(2,1)
layout(d)
plot(CO_1, type="l")
plot(NOX_1, main="Grafico por Da a la Semana", type="l")
dev.off()
print(summary(CO))
print(summary(NOX))
}
## Por mes ##
for(i in unique(mes)){
a<-subset(datos[,c("NOX","CO","mes","NOX_1","CO_1")], mes==i)
CO<-a[,"CO"]
NOX<-a[,"NOX"]
CO_1<-a[,"CO_1"]
NOX_1<-a[,"NOX_1"]
png(paste("graficoMes",i,".jpg",sep=""))
d<-c(2,1)
layout(d)
plot(CO_1, type="l")
plot(NOX_1, main="Grafico por mes", type="l")
dev.off()
print(summary(CO))
print(summary(NOX))
}
304
10.1.6. Bitacora
Ttulo del trabajo: Evaluacion de los inventarios de emisiones de fuentes moviles de Bogota mediante
comparacion con los datos de concentracion de CO y NOX obtenidos por la red de monitoreo.
Nombre del solicitante: Leonardo Qui nones Cantor
Total de citas: 3
No FECHA EVOLUCI
ON
1 25/04/12 Se aclararon los objetivos del trabajo y se recibio la base de datos.
2 02/05/12 Se entrega una primera parte del programa, y se le explica al cliente como puede
correrlo el tambien.
3 22/05/12 Se entrega el programa completo y se explica como replicarlo.
305
CAP

10.2. Cliente No. 2
Solicitante
Nombres y Apellidos: Sandy Lorena Pulecio y Paula Mara Berm udez
Programa Academico: Medicina Veterinaria
Facultad: Medicina Veterinaria y zootecnia
Tutor-Proyecto
Nombres y Apellidos: Martha Suarez
Facultad: Ingenieria
Ttulo del trabajo
Evaluacion de la susceptibilidad antimicrobiana de cepas de Salmonella aisladas del prebenecio y benecio
porcino.
Las consultantes muestran la base que muestra 440 cepas de Salmonella spp enfrentadas a 10 antibioticos
Y con un variable categorica se determina si la cepa es Resistente, Sensible o Intermedia, en 8 en plantas
de benecio porcino del pas (puntos de muestreo), las cuales fueron aisladas con metodos de microbiologa
convencional.
Se quiere evaluar la relacion que existe en diferentes puntos de muestreo y la resistencia o multiresistemcia
de las cepas de Salmonela a distintos antibioticos, en una etapa Pre-benecio y benecio.
Palabras clave
cepas de Salmonella, antibiotocos,asociacion, resistencia, multiresistencia.
10.2.1. Objetivos
Determinar el porcentaje de resistencia para cada antibiotico
Determinar el porcentaje de presentacion de cada patron de multiresistencia.
Evaluar si existe asociacion entre el punto muestreado y una mayor o menor presentacion de resis-
tencia o multiresistencia.
Evaluar si existe asociacion entre el punto de muestreo y resistencia o no resistencia por con cada
uno de los antibioticos.
Determinar signicancia de las asociaciones a evaluar.
306
Para cumplir los primeros dos objetivos, se hace uso de herramientas descriptivas con el n de obtener
porcentajes de resistencia a cada antibiotico en cada punto de muestreo, adicionalmente se utilizan herra-
mientas gracas (Hitogramas, pasteles, etc) con el n de caracterizar la resistencia y multiresistencia para
cada antibiotico.
El tercer objetivo es enfocado al establecimiento de diferencias signicativas entre el n umero de cepas
multiresistentes (resistentes)entre puntos de muestreo, por lo que se llevara a cabo una prueba chi-cuadrado
que contrasta la hipotesis nula de no asociacion entre punto de muestreo y multiresistencia(resistencia) con
la hipotesis alterna de asociacion, esto a partir de la construccion de tablas de contingencia pertinentes.
Para el cuarto objetivo del investigador, se realiza al igual que para el cumplimiento del objetivo tres una
prueba chi-cuadrado, esta con el n establecer por cada antibiotico asociacion entre punto de muestreo y
resistencia o no resistencia.
Software utilizado
R
Primero para determinar el porcentaje de resistencia para cada antibiotico se hicieron los respectivos
conteos en cada una de las etapas y puntos de muestreo, de all se obtiene la siguiente tabla que contiene
el % de cepas resistentes por cada antibiotico.
Pre-Benecio
Benecio
307
CAP

Ahora para evaluar si existe asociacion entre el punto muestreado y una mayor o menor presentacion de
resistencia o multiresistencia, se realiza una prueba chi cuadrado en R tanto para la etapa pre-benecio y
benecio, obteniendo la siguente salida, por ende se pude concluir que el comportaimento multiresistente
de las cepas no depende del punto de muestreo.
Etapa Pre-Benecio
Pearsons Chi-squared test
data: Resistente and Multiresistentes
X-squared = 32, df = 30, p-value = 0.3675
Etapa Bencio
Pearsons Chi-squared test
data: Resistencia and Multiresistencia
X-squared = 96, df = 90, p-value = 0.3131
Evaluar si existe asociacion entre el punto de muestreo y resistencia o no resistencia por con cada uno de
los antibioticos.
Etapa Pre-Bnecio
308
Antibiotico p-valor
amoxacilina 0.127
ampicilina 0.2426
ceftiofur 0.2745
ciprooxacina 0.155
cloranfenicol 0.2426
gentamicina 0.127
orfenicol 0.2745
tetraciclina 0.2745
tilmicosina 0.2426
sulfatrimetroprim 0.2578
Etapa Benecio
Antibiotico p-valor
amoxacilina 0.3299
ampicilina 0.2861
ceftiofur 0.3299
ciprooxacina 0.3636
cloranfenicol 0.3299
gentamicina 0.3299
orfenicol 0.3139
tetraciclina 0.3299
tilmicosina 0.3109
sulfatrimetroprim 0.4158
No existe relacion estadsticamente signicativa entre el punto de muestreo y la resistencia al antibiotico.
No existe relacion estadsticamente segnicativa entre el punto de muestreo y la catacterstica de
multiresistencia, por lo que el comportaimento multiresistente de las cepas no depende del punto
donde se tomo la muestra (Ni en la etapa de pre-benecio, ni en la de benecio).
No se evidencio la existencia de patrones que caracterizaran cada punto de muetsreo, debido a la
aparicion de un gran n umero de patrones con frecuencias muy bajas.
10.2.5. Bibliografa
Hur, J., et al.,Antimicrobial resistance of Salmonella isolated from food animals: A review, Food Research.
2011.
RajicA, McFall ME, Deckert AE, Reid-Smith R, Manninen K, Poppe C, Dewey CE, McEwen SA.Antimicrobial
resistance of Salmonella isolated from nishing swine and the environment of 60 Alberta swine farms. Ve-
terinary Microbiology 2004; 104: 189196
Anexos
###MULTIRESISTENCIA PREBENEFICIO###
data<-read.table("resmulti.txt", head=T)
309
CAP

attach(data)
chisq.test(Resistente,Multiresistentes)
####MULTIRESISTECIA BENEFICIO#####
data1<-read.table("resmulti_beneficio.txt", head=T)
attach(data1)
chisq.test(Resistencia,Multiresistencia)
####PATRONES PREBENEFICIO#####
data1<-read.table("prebeneresis.txt", head=T,row.names=1)
attach(data1)
data1$HCO
chisq.test(data1$HCO,data1$HCA)
data3<-read.table("beneresis.txt", head=T,row.names=1)
attach(data3)
data3$P
chisq.test(data3$P,data3$D)
####PATRONES PRE-BENEFICIO#####
######## Antibiotico#####
data<-read.table("preamoxacilina.txt", head=T)
#attach(data)
chisq.test(data$R,data$NoR)
data<-read.table("preampicilina.txt", head=T)
data<-read.table("preceftiofur.txt", head=T)
data<-read.table("preciprofloxacina.txt", head=T)
data<-read.table("precloranfenicol.txt", head=T)
data<-read.table("pregentamicina.txt", head=T)
data<-read.table("preflorfenicol.txt", head=T)
310
data<-read.table("pretetraciclina.txt", head=T)
data<-read.table("pretilmicosina.txt", head=T)
data<-read.table("presulfatrimetroprim.txt", head=T)
####PATRONES PRE-BENEFICIO#####
######## Antibiotico#####
data<-read.table("ben_amoxicilina.txt", head=T)
#attach(data)
data<-read.table("ben_Ampicilina.txt", head=T)
data<-read.table("ben_Ceftiofur.txt", head=T)
data<-read.table("ben_Ciprofloxacina.txt", head=T)
data<-read.table("ben_Cloranfenicol.txt", head=T)
data<-read.table("ben_Florfenicol.txt", head=T)
data<-read.table("ben_Gentamicina.txt", head=T)
data<-read.table("ben_Tetraciclina.txt", head=T)
data<-read.table("ben_Tilmicosina.txt", head=T)
data<-read.table("ben_Sulfatrimetroprim.txt", head=T)
311
CAP

10.2.6. Bitacora
Ttulo del trabajo: Evaluacion de la susceptibilidad antimicrobiana de cepas de Salmonella aisladas del
prebenecio y benecio porcino
Nombre del solicitante: Sandy Lorena Pulecio y Paula Mara Berm udez
Fecha de terminacion: /05/2012
Total de citas: 3
No FECHA EVOLUCI
ON
1 25/04/12 Se aclararon los objetivos del trabajo y los cosultantes se comprometieron a enviar
en los proximos das las bases de datos completas.
2 12/05/12 Se aclararon algunas dudas con respecto a algunas deniciones necesarias para el
desarrollo del estudio.
3 22/05/12 Se entrega el programa completo y se explica como replicarlo.
312
10.3. Cliente No. 3
Solicitante
Nombres y Apellidos:Paola Andrea Escobar Zabala y Laura Ximena Gonzalez Garca
Programa Academico: Pregrado en Fisioterapia
Facultad: Medicina
Tutor-Proyecto
Edgar Cortes Reyes
Facultad: Ciencias
Ttulo del trabajo
Efectividad del Ejercicio Fsico basado en el Juego en la Leucemia Linfoctica Aguda
Las consultantes exponen todas sus inquietudes acerca de la manera en que se puede manejar la infor-
macion, y se compromenten a terminar la recoleccion de los datos, ademas se hace envio de la bateria
aplicada.
Se viene realizando una pasanta en el Instituto Nacional de Cancerologa desde el 16 de enero del presente
a no, enfocada en determinar el efecto de un programa de ejercicio fsico basado en el juego sobre el
Sndrome de Desacondicionamiento Fsico (SDF) de ni nos con LLA entre 5-12 a nos. En esta pasanta se
evalua la condicion fsica, a partir del resultado de la Batera se ubica al ni no en un nivel de ejercicio fsico,
se ejecuta el programa y se reeval ua al ni no para determinar los cambios en las cualidades del movimiento.
Palabras clave
Condicion fsica,cambios,evaluacion pre-post test.
10.3.1. Objetivos
Conocer las alteraciones de la condicion fsica de ni nos con Leucemia Linfoctica Aguda (LLA) a traves
de la evaluaci on de los efectos de un programa de ejercicio fsico basado en el juego sobre el SDF de ni nos
con LLA entre 5-12 a nos.
Caracterizar el SDF a partir del analisis de las cualidades fsicas en ni nos con LLA entre 5-12 a nos.
Evaluar el impacto del programa de ejercicio fsico seg un el nivel de desacondicionamiento y seg un
las cualidades fsicas afectadas en ni nos con LLA entre 5-12 a nos.
Evaluar si el n umero de intervenciones realizadas a cada ni no tiene un efecto en cada una de las
variables medidas.
313
CAP

En una primera etapa del analisis se deben implementar herramientas descriptivas con el objetivo de
caracterizar la poblacion involucrada en el estudio. De manera especca, se toman cada una de las 5
variables y se relizan gracas descrptivas que contraponen las puntuaciones pretest y postest.
Con el objetivo de identicar el efecto del n umero de intervenciones en cada una de las variables medidas,
se utilizan gr acas que contrastan el n umero de intervenciones con la diferencia en los puntajes postest
protest.
En una segunda etapa, para evaluar para cada variable el efecto del programa de ejercicios, se ralizan
pruebas No parametricas independientes. En este caso, se debe usar la prueba de rango signado de wilco-
xon.
Software utilizado
R y excel
Los resultados obtenidos cumplen con las necesidades del investigador , ya que se logra la descripcion
de la poblaci on a la cual se le aplico el tratamiento y determinar si efectivamente hubo una diferencia
signicativa en la mejoria de los 7 pacientes con con LLA entre 5-12 a nos de edad.
Se procede a hacer histogramas para la puntuacion en cada uno de los modulos que se evalua, y despues
a hacer uno de la puntuacion total obtenida por cada paciente, en las mediciones pre y post aplicacion de
la bateria.
Para observar si efectivamente existia una relacion entre el n umero de intervenciones que se hizo por
paciente, se muestra la siguiente graca, para todos los modulos. Observando que no se ve en todos
los modulos que exista esa relacion directamente proporcional. Sin embargo en propiocepcion, capacidad
aerobica se ve que puede estar asociado, el numero de intervenciones y la mejoria en estos dos aspectos.
314
Al realizar la prueba del prueba del rango signado de Wilcoxon para preubas pareadas, se ontiene los
sigientes p-valores.
Modulo p-valor
Retracciones 0.7146
GMFM:Sedente 0.1719
GMFM:Bpedo 0.0487
Propiocepcion 0.102
Capacidad aerobica 0.1875
Puntaje Total 0.05469
Se muestra que en las variables que efectivamente existe un avance positivo en la puntucion con un 10 %
de conanza son GMFM:Bpedo y como tal en el puntaje total, indicando que tal vez no se ve la mejoria
del paciente de forma independiente en cada uno de los modulos, pero que en conjunto para los pacientes
en estudio se puede pensar que es una buena terapia.
Se utilizo estadstica no parametrica, a partir de la prueba del rango signado de Wilcoxon para
evaluar el cambio en cada uno de los componentes de la evaluacion, as como para el puntaje global,
encontrandose que no existia diferencia en cada uno de los ponponentes evaluados al ser mirados
por aparte, sin embargo al hacer la prueba con el puntaje global p-valor 0.05469 con un nivel de
signifaciancia del 10 %, se llega a la conclusion de que si existe una diferencia estadisticamente
signicativa entre la puntuacion pre y post test.
El n umero de intervenciones en la poblacion estudiada, inuye de manera positiva en algunos com-
ponentes de la bateria evaluada post test, como por ejemplo en propiocepcion, capacidad aerobica.
Se deben hacer estudios posteriores, para efectivamente poder hacer inferencia sobre la poblacion en
general.
10.3.5. Bibliografa
Melo,O.,Lopez, L. & Melo, S. (2007). Dise no de experimentos metodos y aplicaciones. Univeridad Nacional
de Colombia, Sede Bogota. Facultad de Ciencias.
315
CAP

Anexos
###Descriptiva
data<-read.table("data.txt",head=T)
data
attach(data)
par(mfrow=c(2,4))
plot(Int,retra, xlab="N. Intervenciones", ylab="Diferencia Retracciones",
main="Intervenciones Vs. Flexibilidad", col="blue", lwd=3)
identify(Int,retra,n=8)
plot(Int,sed, xlab="N. Intervenciones", ylab="Diferencia Sedente",
main="Intervenciones Vs. GMFM: Sedente", col="blue", lwd=3)
identify(Int,sed,n=8)
plot(Int,bip, xlab="N. Intervenciones", ylab="Diferencia Bipedo",
main="Intervenciones Vs. GMFM: Bipedo", col="blue", lwd=3)
identify(Int,bip,n=8)
plot(Int,fuer, xlab="N. Intervenciones", ylab="Diferencia Fuerza",
main="Intervenciones Vs. Fuerza", col="blue", lwd=3)
plot(Int,prop, xlab="N. Intervenciones", ylab="Diferencia Propiocepcion",
main="Intervenciones Vs. Propiocepcion", col="blue", lwd=3)
plot(Int,aero, xlab="N. Intervenciones", ylab="Diferencia Capacidad Aerobica",
main="Intervenciones Vs. Capacidad Aerobica", col="blue", lwd=3)
plot(Int,final, xlab="N. Intervenciones", ylab="Diferencia Final",
main="Intervenciones Vs. Puntaje Final", col="blue", lwd=3)
identify(Int,final,n=8)
#####Prueba No Parametrica
datatest<-read.table("datatest.txt",head=T)
attach(datatest)
names(datatest)
wilcox.test(retrapre,retrapost,alternative = "l",paired = TRUE)
wilcox.test(retra, alternative = "g")###Lo mismo
wilcox.test(sed, alternative = "g")
wilcox.test(bip, alternative = "g")
wilcox.test(fuer, alternative = "g")
wilcox.test(prop, alternative = "g")
wilcox.test(aero, alternative = "g")
wilcox.test(final, alternative = "g")
wilcox.test(propre,propost,alternative = "g",paired = TRUE)
wilcox.test(sedpre,sedpost,alternative = "g",paired = TRUE)
316
10.3.6. Bitacora
Ttulo del trabajo: Efectividad del Ejercicio Fsico basado en el Juego en la Leucemia Linfoctica Aguda
Nombre del solicitante: Paola Andrea Escobar Zabala y Laura Ximena Gonzalez Garca
Total de citas: 4
No FECHA EVOLUCI
ON
1 14/03/2012 Los consultantes expusieron su caso y se intercambiaron datos de contacto.
2 21/03/2012 Los consultantes explicaron el programa de ejercicios que estaban implementando,
explicaron los modulos que se evaluaban a traves de la bateria, y nos comprometi-
mos a construir y enviarles un formato con el cual pordian registrar las mediciones
que estaban realizando y que al momento de esta cita no habian terminado.
2 02/05/2012 Se mostraron los resultados obtenidos, tanto en la etap descriptiva, como en la
etapa de inferencia no parametrica. Los resultados fueron presentados hasta esta
fecha, debido a que la pasantia y la recoleccion de los datos termino a nales
de abril. Los consultantes expusieron algunas inquietudes al respecto, las cuales
debian ser resueltas para la siguiente cita, y se comprometieron a reunirse con su
tutor y enviarnos via correo electronico posteriores inquietudes.
2 22/05/2012 Se resolvieron las inquietudes planteadas tanto por las consultantes como por el
tutor.
317

Principal 2012

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Principal 2012

Cargado por

Copyright:

Formatos disponibles

Memorias Curso de Consultora Estadstica

ITULO 1. CASOS GRUPO 1

ITULO 1. CASOS GRUPO 1

ITULO 1. CASOS GRUPO 1

ITULO 1. CASOS GRUPO 1

ITULO 1. CASOS GRUPO 1

Este es el punto de la investigacion que lo diferencia del analisis factorial de la varianza.

ITULO 1. CASOS GRUPO 1

ITULO 1. CASOS GRUPO 1

OSFORO no son signicativos, pues su

ITULO 1. CASOS GRUPO 1

ITULO 1. CASOS GRUPO 1

ITULO 1. CASOS GRUPO 1

ITULO 1. CASOS GRUPO 1

ITULO 1. CASOS GRUPO 1

ITULO 1. CASOS GRUPO 1

ITULO 1. CASOS GRUPO 1

ITULO 1. CASOS GRUPO 1

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

ISTICA DESCRIPTIVA MULTIVARIADA

ITULO 2. CASOS GRUPO 2

hacia el parlante anterior ubicado en el lado del mejor odo, los

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

para cada condicion.

por el peor odo (girando la silla 45

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

ON IN VITRO DE HONGOS FORMADORES

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

ITULO 2. CASOS GRUPO 2

elica Castillo macastilloh@unal.edu.co

ITULO 3. CASOS GRUPO 3

ITULO 3. CASOS GRUPO 3

ITULO 3. CASOS GRUPO 3

ITULO 3. CASOS GRUPO 3

ITULO 3. CASOS GRUPO 3

ITULO 3. CASOS GRUPO 3

ITULO 3. CASOS GRUPO 3

ITULO 3. CASOS GRUPO 3

ITULO 3. CASOS GRUPO 3

ITULO 3. CASOS GRUPO 3

ITULO 3. CASOS GRUPO 3

ITULO 3. CASOS GRUPO 3

ITULO 3. CASOS GRUPO 3

ITULO 3. CASOS GRUPO 3

16 se concluye que existen diferencias estads-

ITULO 3. CASOS GRUPO 3

ITULO 4. CASOS GRUPO 4

ITULO 4. CASOS GRUPO 4

ITULO 4. CASOS GRUPO 4