Syllabus de Cursos

    Datos generales

    Nombre del curso: Biometría y diseños experimentales en la investigación, Diseño, colecta y análisis de datos.
    Programa : Curso teórico-práctico de diseños experimentales.
    Duración : 12 horas
    Requerimiento : Laptop (con wifi funcionando)


    Justificación


    El desarrollo tecnológico e industrial de los países se basa en la investigación en ciencias básicas y aplicadas. Por lo que es importante conocer y usar correctamente el método científico, el cual inicia con el planeamiento del experimento; y posterior manejo, e interpretación de la información. Sin embargo, una de las mayores dificultades para el desarrollo de la investigación es el poco conocimiento de las herramientas que ayuden en el proceso. Las consecuencias de dicho desconocimiento acarrea una colecta errada de datos e inferencias sin rigor científico. Sin embargo, existen muchas herramientas para el planeamiento y análisis de datos. Pero inaccesibles por su complejidad y/o costo económico para muchos estudiantes, investigadores y profesionales. En este curso aportamos y abordamos la problemática desde una visión disruptiva con el fín de consolidar y despertar el espíritu crítico del particante, dotándolo de herramientas científicamente aceptables y la experiencia del conocimiento.

    Requerimiento técnico del laboratorio

    1. Conexión a internet.
    2. Tomacorrientes (para cargar laptops).
    3. Proyector multimedia.
    4. Pizarra acrílica
    5. Plumones o tiza para pizarra, mota.
    Requerimiento de equipos
    1. Balanza gramera analítica de 3 dígitos.
    2. Potenciometro (pH).
    3. Potenciometro (EC).Vernier.Cronometro.Impresora.Papel autoadhesivo.Tijeras.Probetas.Vasos plásticos.Agua.Papel toalla.

    Objetivo general

    Al terminar el taller el estudiante tendrá la capacidad de planificar, plantear, y construir su diseño experimental y realizar pruebas de comparación de medias y resultados gráficos.

    Objetivos Específico

    1. Aprender la planificación y manejo de experimentos bajo distintos diseños estadísticos, Diseño completamente al azar (DCA), Diseño bloques completamente al azar(DBCA), Cuadrado latino (CL), Factorial-DCA, y Factorial-DBCA.
    2. Desarrollo de libreta de campo y datos estructurados en la experimentación.
    3. Uso de plataformas modernas para el análisis estadístico y gráfica de datos.
    4. Comprender los análisis estadísticos e interpretación de resultados estadísticos y construcción de gráficos.

    Contenido teórico

    1. Diseños experimentales.
    2. Datos estructurados.
    3. Yupana: Libro de campo.
    4. Yupana: Planeamiento experimental.
    5. Yupana: diseño experimental (DCA, DBCA, Factorial).
    6. Generación de etiquetas .
    7. Instalación de experimento.
    8. Evaluación y colecta de datos.
    9. Organización y verificación de base de datos.
    10. Yupana: Análisis e interpretación de datos.
    11. Yupana: Organización de resultados.
    12. Yupana: Presentación de resultados.

    Contenido práctico

    Velocidad de imbibición
    Introducción:
    La hidratación de las semillas es un factor clave para la germinación de las mismas. El ingreso del agua permite que ocurra uno y/o dos eventos:
    Uno,la ruptura de la latencia, es decir por condiciones del medio la semilla es impedida de germinar, normalmente condiciones de sequedad, pero también el exceso puede causar la pudrición, la falta de oxígeno, temperatura no apropiadas, en otras.
    Dos, ruptura de la dormición, una semilla puede estar en estado durmiente cuando existen condición interna que impide la germinación, para ello es importante la dilución sustancias que impiden la germinación, o la activación de genes que cambian el balance hormonal.

    El propósito del taller es que el estudiante mida la activación de las semillas que dará pie a la germinación, con variables cuantitativas y análisis estadístico.

    Objetivos específicos de la práctica
    1. Demostrar el fenómeno de imbibición de la semilla y entender el fenómeno con la naturaleza fisiológica de la semilla.
    2. Demostrar que la viabilidad de las semillas puede ser probada por medio de su capacidad de imbibición.

    Experimento
    Se evaluará el factor: genética de la semilla y se tendrá dos niveles, dos tipos de semilla (semilla "A", y semilla "B") y 4 tiempos de imbibición (T0min; T45min; T90min; T135min) cada tratamiento tendrá 4 repeticiones. En cada repetición se sumergirá en un volúmen conocido de agua 25 semillas de cada tipo de semilla.

    Transcurrido cada tiempo de imbibición, se tomará 4 semillas (submuestra) y se realizarán las respectivas evaluaciones. Las variables a evaluar son las siguientes:

    Variables respuesta, sobre la semilla
    1. Medida longitudinal.
    2. Medida transversal.
    3. Peso inicial.
    4. Peso final.
    5. contenido relativo de agua*
    6. Imbibición*
    7. *Contenido relativo de agua= (pesoTurgente-pesoInicial)/pesoTurgente
      *imbibición= (pesoTurgente-pesoInicial)/pesoIncial

    Variables respuesta, sobre el lixiviado
    1. Conductividad eléctrica (ce).
    2. Potencial de hidrógenos (pH).
    Resultados esperados
    Se espera que las semillas absorban agua, para el cual se tomarán las medidas sobre la semilla. A su vez que va liberando sustancias al medio, variando la conductividad eléctrica y pH del medio, motivo por el cual se recogerán datos del lixiviado. Se espera que la velocidad de imbibición de las semillas grafiquen comportamientos diferentes en el tiempo y tendrá relación directa con la la medida longitudinal y transversal, mostrando la existencia de diferencias significativas en cada variable de los tratamientos (genética de la semillas).


    Datos generales

    Nombre del curso : Introducción al lenguaje R: un enfoque práctico.
    Programa : Curso introductorio.
    Duración : 12 horas
    Vacantes : 20 estudiantes
    Pre-requisito : excel elemental, estadística elemental. Requerimiento técnico: Laptop (Wifi operativa) + R instalado


    Justificación

    Actualmente una gran cantidad empresas y universidades a nivel mundial incluyen en sus flujos de trabajo o workflows, herramientas computacionales-estadísticas de acceso libre, para realizar trabajos de manipulación, análisis y reproducción de datos en sus investigaciones y el desarrollo de productos. En este contexto, el Lenguaje estadístico R se ha posicionado como un estándar científico internacional para la ciencia de datos, dado su flexibilidad y rapidez para procesar desde pequeñas hasta grandes cantidades de información. El radio de acción del lenguaje R abarca diversos sectores como la agroindustria, economía, ciencias biológicas, ciencias sociales, medicina y entre otros.


    Motivados por el impacto y la flexibilidad del lenguaje R, creamos el curso titulado Introducción al lenguaje R: Un enfoque práctico, el cual busca dar una base sólida en manejo de datos y conceptos prácticos de estadística descriptiva a los profesionales, investigadores, catedráticos y a estudiantes en general. A su vez, el enfoque novedoso del curso busca enseñar las últimas tendencias usadas en el lenguaje R, como el uso de librerias modernas, entre ellas: ggplot2, dplyr, tidyr, readxl. Todo ello conjuntamente explicado con las librerías estándar o baseR para que el estudiante pueda tener una mayor cantidad de herramientas para diferentes situaciones.


    Objetivo General

    El objetivo principal de este curso es proporcionar los elementos básicos para empezar a trabajar con el lenguaje de programación R en el ámbito de la estadística aplicada.

    Objetivo especifico

    1. Aprender los dos paradigmas de lenguaje R: el R standard (base) y el R moderno (tidyverse).
    2. Aprender el uso de herramientas para el análisis exploratorio de datos con el software R.
    3. Visualización de datos para variables cuantitativas y cualitativas.
    4. Aprender la estandarización y manipulación de datos usando el software R.

    Contenido del curso.

    1. Lenguaje R, uso de librerías y fundamentos del lenguaje.
    2. Programación en R: estructura de datos, tipos de variables e implementación de código.
    3. Importación de base de datos a R: formatos excel, csv, etc.
    4. Manipulación de datos en R usando enfoque estándar (librerías base).
    5. Manipulación de datos en R (dplyr, tidyr, doBy) usando enfoque moderno (tidyverse).
    6. Exportación de datos en R: formatos csv y excel.
    7. Estadística descriptiva: media, mediana, rango, coeficiente de variación, etc.
    8. Visualización de datos usando librería base histogramas, diagramas de cajas (boxplots), diagrama de barras, diagrama de sectores, diagrama de dispersión.
    9. Funciones en R: creación de funciones, definición de argumentos de entrada y salida.