Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
1.2.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
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
1.3.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 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
1.4.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.4.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
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
1.5.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.5.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
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
2.1.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.1.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
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
2.2.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.2.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
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
2.3.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.3.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
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
2.4.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.4.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
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
2.5.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
2.5.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
2.5.4. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3. Casos Grupo 3 74
3.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.1.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.1.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.1.4. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.1.5. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.2. Cliente No. 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.2.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.2.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.2.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
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
3.3.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.3.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
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
3.4.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.4.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
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
4.1.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
4.1.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
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
4.2.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.2.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
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
4.3.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
4.3.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
4.3.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
4.3.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
4.3.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
5. Casos Grupo 5 134
5.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
5.1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
5.1.2. Metodologa estadstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
5.1.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
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
5.2.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
5.2.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
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
5.3.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
5.3.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
5.3.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
5.3.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
5.3.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
6. Casos Grupo 6 146
6.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
6.1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
6.1.2. Metodologa empleada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
6.1.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
6.1.4. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
6.2. Cliente No. 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.2.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.2.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
6.2.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
6.2.4. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
6.3. Cliente No. 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
6.3.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
7. Casos Grupo 7 164
7.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
7.1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
7.1.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
7.1.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
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
7.2.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
7.2.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
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
7.3.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
7.3.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
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
7.4.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
7.4.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
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
7.5.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
7.5.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
7.5.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
7.5.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
7.5.6. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
8. Casos Grupo 8 204
8.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
8.1.1. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
8.1.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
8.1.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
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
8.2.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
8.2.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
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
8.3.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 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
8.4.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
8.4.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
8.4.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
8.4.5. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
9. Casos Grupo 9 245
9.1. Cliente No. 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
9.1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
9.1.2. Metodologa estadstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
9.1.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
9.1.4. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
9.1.5. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
9.2. Cliente No. 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
9.2.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
9.2.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
9.2.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
9.2.4. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
9.2.5. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
9.3. Cliente No. 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276
9.3.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276
9.3.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
vii
INDICE GENERAL
9.3.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
9.3.4. Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
9.3.5. Bitacora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
9.4. Cliente No. 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
9.4.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
9.4.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 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
10.1.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
10.1.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 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
10.2.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
10.2.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
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
10.3.2. Metodologa estadstica a emplear . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
10.3.3. Resultados obtenidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
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
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 mul- tiples 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
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
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
Casos de Consultora 2012-1 1.3. CLIENTE NO. 3
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
Diagn ostico de la primera cita
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.
Descripcion del problema
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
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)
1.3.3. Resultados obtenidos
Al llevar a cabo el analisis de los datos se produjeron los siguientes resultados.
18
Casos de Consultora 2012-1 1.3. CLIENTE NO. 3
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
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
Casos de Consultora 2012-1 1.4. CLIENTE NO. 4
1.4. Cliente No. 4
Solicitante
Nombres y Apellidos: Felipe Sarmiento
Programa Academico: Investigacion en Agronomia
Facultad: Agronomia
Nivel de formacion: Doctorado
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
Diagn ostico de la primera cita
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.
Descripcion del problema
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.
Necesidades del investigador
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.
1.4.2. Metodologa estadstica a emplear
Dise no en lattice cuadrado (13 13) triple (tres repeticiones) parcialmente balanceado.
23
CAP
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
Casos de Consultora 2012-1 1.5. CLIENTE NO. 5
1.5. Cliente No. 5
Solicitante
Nombres y Apellidos: Dannytza Cortes
Programa Academico: Ingeniera mecanica
Facultad: Ingeniera
Nivel de formacion: Maestra
Tutor-Proyecto
Nombres y Apellidos:
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
Diagn ostico de la primera cita
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.
Descripcion del problema
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
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
Nivel de formacion: Pregrado
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.
Diagn ostico de la primera cita
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
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?
2.1.2. Metodologa estadstica a emplear
Estadstica descriptiva univariada y multivariada.
32
Casos de Consultora 2012-1 2.1. CLIENTE NO. 1
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.
2.1.3. Resultados obtenidos
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
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
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
.
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
Casos de Consultora 2012-1 2.1. CLIENTE NO. 1
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
ON AUDITIVA:
Los estmulos de interes se pasaran a 90
).
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
NO FACTORIAL FRACCIONADO 2
116
PARA LA OPTIMIZACI
ON DE UN ME-
DIO DE CULTIVO PARA LA ASOCIACI
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
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
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
Casos de Consultora 2012-1 2.3. CLIENTE NO. 3
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.
Diagn ostico de la primera cita
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.
Descripcion del problema
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
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
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
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
Casos de Consultora 2012-1 2.5. CLIENTE NO. 5
2.5. Cliente No. 5
Solicitantes
Nombres y Apellidos: Katherine Reyes Gonzalez y Paloma Ramirez C.
Programa Academico: Farmacia
Facultad: Ciencias
Nivel de formacion: Pregrado
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.
Diagn ostico de la primera cita
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.
Descripcion del problema
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
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
) =
_
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
3.1.3. Resultados obtenidos
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
Casos de Consultora 2012-1 3.1. CLIENTE NO. 1
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
=
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
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
Casos de Consultora 2012-1 3.2. CLIENTE NO. 2
3.2. Cliente No. 2
Solicitante
Nombres y Apellidos: Yuri Stella Alfonso
Avila y Katerine Oviedo Oviedo
Programa Academico: Fonoaudiologa
Facultad: Medicina
Nivel de formacion: Pregrado
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.
Diagn ostico de la primera cita
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.
Descripcion del problema
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
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
Casos de Consultora 2012-1 3.3. CLIENTE NO. 3
3.3. Cliente No. 3
Solicitante
Nombres y Apellidos: Diana Carolina Gamboa Sotelo
Programa Academico: Fonoaudiologa
Facultad: Medicina
Nivel de formacion: Pregrado
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
Diagn ostico de la primera cita
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.
Descripcion del problema
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
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
Casos de Consultora 2012-1 3.4. CLIENTE NO. 4
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.
Nivel de formacion: Pregrado
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.
Diagn ostico de la primera cita
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.
Descripcion del problema
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
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
Nivel de formacion: Doctorado
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.
Diagn ostico de la primera cita
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
Casos de Consultora 2012-1 4.1. CLIENTE NO. 1
Descripcion del problema
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
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
Casos de Consultora 2012-1 4.1. CLIENTE NO. 1
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
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
Casos de Consultora 2012-1 4.1. CLIENTE NO. 1
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
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
poblaci`on. 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
Casos de Consultora 2012-1 4.1. CLIENTE NO. 1
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
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
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
Casos de Consultora 2012-1 4.2. CLIENTE NO. 2
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
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
Casos de Consultora 2012-1 4.2. CLIENTE NO. 2
4.2.3. Resultados obtenidos
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
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-
dation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0.
*http://www.R-project.org/
R Development Core Team (2011c), 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/
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
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
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
Nombres y Apellidos: Celsa Garca Dominguez
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.
Diagn ostico de la primera cita
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
Casos de Consultora 2012-1 5.1. CLIENTE NO. 1
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.
Descripcion del problema
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.
Necesidades del investigador
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
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
Casos de Consultora 2012-1 5.2. CLIENTE NO. 2
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.
Diagn ostico de la primera cita
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.
Descripcion del problema
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.
Necesidades del investigador
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
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
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:()
Nivel de formacion: Doctorado
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
Casos de Consultora 2012-1 6.1. CLIENTE NO. 1
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
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.
6.1.3. Resultados obtenidos
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
Casos de Consultora 2012-1 6.1. CLIENTE NO. 1
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
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
Casos de Consultora 2012-1 6.3. CLIENTE NO. 3
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.
Nivel de formacion: Pregrado
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
Diagn ostico de la primera cita
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
Casos de Consultora 2012-1 7.1. CLIENTE NO. 1
Descripcion del problema
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.
Necesidades del investigador
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.
7.1.2. Metodologa estadstica a emplear
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
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.
Diagn ostico de la primera cita
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.
Descripcion del problema
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
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
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
Casos de Consultora 2012-1 7.3. CLIENTE NO. 3
7.3. Cliente No. 3
Solicitante
Nombres y Apellidos: Alejandro Cleves
Programa Academico: Doctorado en Agronoma
Facultad: Ingeniera
Nivel de formacion: Doctorado
Tutor-Proyecto
Nombres y Apellidos: ()
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.
Diagn ostico de la primera cita
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.
Descripcion del problema
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
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
7.3.3. Resultados obtenidos
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
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
Casos de Consultora 2012-1 7.3. CLIENTE NO. 3
Anexos
Precipitacion , Requerimiento hdrico (Etc)
Figura 7.18: 1/nov a 15 /abr
187
CAP
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
Casos de Consultora 2012-1 7.4. CLIENTE NO. 4
7.4. Cliente No. 4
Solicitante
Nombres y Apellidos: Alejandro Cleves
Programa Academico: Doctorado en Agronoma
Facultad: Ingenieria
Nivel de formacion: Doctorado
Tutor-Proyecto
Nombres y Apellidos: ()
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).
Diagn ostico de la primera cita
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 climatol`ogicas, y del arbol de aguacate
sobre la producci`on 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 evaporaci`on, 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.
Descripcion del problema
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
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
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
Casos de Consultora 2012-1 7.5. CLIENTE NO. 5
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
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.
Diagn ostico de la primera cita
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
Casos de Consultora 2012-1 8.1. CLIENTE NO. 1
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.
Descripcion del problema
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.
Necesidades del investigador
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
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
Casos de Consultora 2012-1 8.1. CLIENTE NO. 1
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
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
Casos de Consultora 2012-1 8.1. CLIENTE NO. 1
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
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
Casos de Consultora 2012-1 8.2. CLIENTE NO. 2
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.
Diagn ostico de la primera cita
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.
Descripcion del problema
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
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
ON
1 30/03/2012 Planteamiento y discusion del problema con el tutor. Establecimiento de parame-
tros para futuros encuentros y discusiones.
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
Casos de Consultora 2012-1 8.3. CLIENTE NO. 3
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
Diagn ostico de la primera cita
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
Descripcion del problema
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 (seg un estaciones climaticas) y Cha ubicado a 2610 m.s.n.m, con una temperatura
promedio de 14
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 (
ON
1 23/04/2012 Planteamiento y discusion del problema con el tutor. Establecimiento de parame-
tros para futuros encuentros y discusiones.
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
Casos de Consultora 2012-1 8.4. CLIENTE NO. 4
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..
Diagn ostico de la primera cita
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.
Descripcion del problema
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
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
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
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 Fitopatolog`a
Facultad: Agronomia
Nivel de formacion: Ingeniera en Biotecnologia
Tutor-Proyecto
Nombres y Apellidos: Celsa Garca Dominguez
Facultad: Ciencias
Ttulo del trabajo
Interaccion solanum phureja - P. infestans a nivel fenotipico
Diagn ostico de la primera cita
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
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
Casos de Consultora 2012-1 9.1. CLIENTE NO. 1
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
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
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
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
Casos de Consultora 2012-1 9.4. CLIENTE NO. 4
9.4. Cliente No. 4
Solicitante
Nombres y Apellidos: Jorge Enrique Cruz Medina
Programa Academico: Facultad:
Nivel de formacion:
Tutor-Proyecto
Nombres y Apellidos:
Facultad: Ciencias
Ttulo del trabajo
Diagn ostico de la primera cita
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.
Descripcion del problema
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.
Necesidades del investigador
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.
9.4.2. Metodologa estadstica a emplear
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
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
Nivel de formacion: Maestra
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.
Diagn ostico de la primera cita
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
Casos de Consultora 2012-1 10.1. CLIENTE NO. 1
Descripcion del problema
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.
Necesidades del investigador
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.
10.1.2. Metodologa estadstica a emplear
Regresion por minimos cuadrados, minimos cuadrados ponderados, regresion con trasformcaiones.
Software utilizado
R
10.1.3. Resultados obtenidos
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
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
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
Casos de Consultora 2012-1 10.3. CLIENTE NO. 3
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
Nivel de formacion: Pregrado
Tutor-Proyecto
Edgar Cortes Reyes
Facultad: Ciencias
Ttulo del trabajo
Efectividad del Ejercicio Fsico basado en el Juego en la Leucemia Linfoctica Aguda
Diagn ostico de la primera cita
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.
Descripcion del problema
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.
Necesidades del investigador
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
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