Proveer las herramientas informáticas necesarias para el análisis de datos estadísticos enfocados a diseño experimental, que permitan al participante plantear adecuadamente las hipótesis de trabajo, realizar el análisis estadístico y establecer las conclusiones adecuadas de un diseño particular aplicado a la ingeniería.
Obtención e instalación del software de apoyo
Para el caso de este curso se utlizará e software estadístico R-Project en su versión 4.2.2 y su interfaz gráfica R-Studio en su versión 2022.12.0, mismos que se obtienen descagando los archivos ejecutables de las siguientes ligas:
Para el caso de R-Project:
Para el caso de R-Studio:
- Todos los sistemas operativos:
https://posit.co/download/rstudio-desktop/
Procedimiento de instalación:
- Instalar la versión correspondiente al sistema operativo de R-Project
- Instalar la versión correspondeinte al sistema operativo de RStudio
- Ejecutar solamente el software RStudio.
Creación de un nuevo proyecto
- Al ejecutar RStudio, se despliega la siguiente interfaz gráfica:
- Para crear un nuevo proyecto, nos deubicaremos en el panel superior de la interfaz gráfica y daremos un click en el ícono que se muestra a continuación:
AL dar click se despliega el siguiente cuadro, en donde podremos utilizar una de las dos opciones marcadas:
En el caso de utilizar la primera opción, se despliega el siguiente cuadro de diálogo en el cual seleccionaremos la opción marcada:
Finalemente, daremos un nombre a la carpeta de creación del proyecto y seleccionaremos su ubicación:
En el caso de utilizar la segunda opción, seleccionaremos directamente el directorio de trabajo previamente creado para alojar el proyecto y le indicamos crear:
Instalación de paquetes adicioanales
Dentro de las capacidades del lenguaje R, están predefinidas una gran cantidad de herramientas y pruebas estadśiticas, sin embargo, para mejorar la funcionalidad y presentación de los resultados de los análisis realizados, podemos hechar mano de paquetes adicionales de fácil instalación, para el caso de nuestro curso, se recomienda instalar los siguientes paquetes:
- agricolae. Una batería de pruebas estadśiticas para diseños experimentales, tales como la Prueba de Tukey, de Duncan, etc.
- lmtest. Una batería de pruebas enfocadas a modelos lineales.
- car. Un compendio de complementos para análisis de modelos de regresión.
- ggplot2. Un sistema para crear gráficos ‘declarativamente’, basado en “La gramática de los gráficos”.
- ggpubr. El paquete ‘ggplot2’ es excelente y flexible para una visualización de datos elegante en R. Sin embargo, los gráficos generados por defecto requieren cierto formato antes de que podamos enviarlos para su publicación. Además, para personalizar un ‘ggplot’, la sintaxis es opaca y esto eleva el nivel de dificultad para los investigadores sin conocimientos avanzados de programación R. ‘ggpubr’ proporciona algunas funciones fáciles de usar para crear y personalizar gráficos listos para publicación basados en ‘ggplot2’.
- tidyr.Herramientas para ayudar a crear datos ordenados, donde cada columna es una variable, cada fila es una observación y cada celda contiene un solo valor. ‘tidyr’ contiene herramientas para cambiar la forma (girar) y la jerarquía (anidar y ‘desanidar’) de un conjunto de datos, convertir listas profundamente anidadas en marcos de datos rectangulares (‘rectángulo’) y extraer valores de columnas de cadenas. También incluye herramientas para trabajar con valores perdidos (tanto implícitos como explícitos).
- dplyr. Una herramienta rápida y consistente para trabajar con marcos de datos como objetos, tanto en la memoria como fuera de la memoria.
- patchwork. El paquete ‘ggplot2’ proporciona una API sólida para construir secuencialmente un gráfico, pero no se ocupa de la composición de varios gráficos. ‘patchwork’ es un paquete que expande la API para permitir una composición de gráficos arbitrariamente compleja, entre otras cosas, proporcionando operadores matemáticos para combinar múltiples gráficos. Otros paquetes que tratan de abordar esta necesidad (pero con un enfoque diferente) son ‘gridExtra’ y ‘cowplot’.
- Doe.base. Crea diseños experimentales factoriales completos y diseños basados en matrices ortogonales para experimentos (industriales). Proporciona diversos criterios de calidad. Proporciona funciones de utilidad para el diseño de clases, que también utilizan otros paquetes para experimentos diseñados.
- FrF2. Se pueden crear diseños de 2 niveles factoriales fraccionados regulares y no regulares. Además, se ofrecen herramientas de análisis para diseños factoriales fraccionados con factores de 2 niveles (efectos principales y gráficas de interacción para todos los factores simultáneamente, gráfica cúbica para ver los efectos simultáneos de tres factores, gráfica completa o seminormal, estructura de alias en un formato más legible). formato que con el alias de la función integrada).
Para realizar la insalación de los paquetes, utilizaremos la siguiente linea de comandos:
paquetes=c("agricolae","lmtest","car","ggplot2","ggpubr","tidyr","dplyr","patchwork","DoE.base","FrF2")
install.packages(paquetes,dependencies = TRUE)Agenda del curso
Los temas a abordar en este curson son:
- Regresión Lineal Simple y Múltiple
- Diseño Completamente al Azar
- Diseño en Bloques al Azar
- Diseño en Cuadro Latino
- Diseño en Cuadro Grecolatino
- Diseños Factoriales
- Generación de Reportes: RMarkdown
Regresión Lineal Simple y Múltiple
El análisis de regresión tiene como objetivo modelar de forma matemática el comportamiento de una variable de respuesta en función de una o más variables independientes (factores). Por ejemplo, suponga que el rendimiento de un proceso químico está relacionado con la temperatura de operación. Si mediante el modelo matemático es posible describir tal relación, entonces este modelo puede usarse para propósitos de predicción, optimización o control. Para estimar los parámetros de un modelo de regresión son necesarios los datos, los cuales puden obtenerse de experimentos planeados, de observaciones de fenómenos no controlados o de registros históricos(Pulido & Vara Salazar, 2012).
Para profundizar en el tema de Regresión Lineal Simple iremos a la siguiente liga:
https://rpubs.com/Gabo6381/801498
Los datos que utilizaremos en este curso se encuentran en la siguiente liga:
https://drive.google.com/drive/folders/1sqvMqvgc40rtHvR4wylWsSMZhcQIyRHf?usp=sharing