Este documento presenta una aplicación interactiva y teórica del diseño de experimentos, enfocada en el cálculo del tamaño muestral bajo diferentes criterios: sin costo variable por tratamiento, con restricción presupuestaria, con componentes de varianza y mediante el método de Tukey. A través de ejemplos detallados y visualizaciones en R, se explica cómo determinar el número óptimo de réplicas necesarias para garantizar la potencia estadística y la eficiencia experimental. Incluye además una sección dedicada a modelos de efectos aleatorios y el uso de curvas características de operación (OC) para estimar la potencia. Ideal para investigadores, docentes y estudiantes interesados en aplicar técnicas robustas de diseño experimental en contextos reales.

This project analyzes flood risk using historical rainfall, elevation, and drainage data. It applies statistical and machine learning techniques to identify flood-prone areas and predict flood occurrences.