diff --git a/README.md b/README.md
index 4faac69d742c5267f75568cb292a83ad18b622d5..3bf36c73de17c956ad49fd73c834e838ce6b635c 100644
--- a/README.md
+++ b/README.md
@@ -1,5 +1,61 @@
 # Ejercicios para practicar numpy y optimización con scipy
 
+**NUEVO PLAZO DE ENTREGA: Feb/18 a la media noche COL/PER/ECU - 1:00 a.m del 19/02 VEN**
+
+
+# ADICIONES - FEB/17
+
+## Para quienes tengan dificultad en comprender el ajuste sobre la región 2D
+
+Pueden empezar resolviendo un problema más sencillo, de nuevo en 1 dimensión
+así como en el ejemplo de la clase. En este caso, después de recortar el cuadradito
+de una estrella, vamos a tomar solo los pixeles de la línea que pasa por la mitad
+de la estrella, es decir tenemos un vector de valores de intensidad luminosa.
+Si los grafican, deben obtener algo similar a esto:  
+![Gaussiana 1D](./gauss.png)
+
+La idea entonces es ajustar una función gaussiana común y corriente, agregando una
+constante aditiva. Cuando dominen este problema (y escriban su solución para entregar)
+pueden retomar el problema original a ver si lo entienden mejor.
+
+La diferencia será
+que ya no tendrán una función de una variable, si no de dos. Es decir:
+
+* En el problema
+simplificado tenemos $y=y(x)$. 'x' es nuestra variable independiente y representa las
+distintas posiciones a lo largo de la linea 1D, mientras 'y', que representa las
+intensidades luminosas en cada posición, es nuestra variable dependiente, los datos
+a los cuales deseamos ajustar el modelo
+
+* En el problema planteado originalmente se desea ajustar una función de 2 variables:
+$z=z(x,y)$. 'x','y' son las variables independientes, y juntas representan todas las
+posiciones sobre el cuadrito 2D del recorte de la estrella; deberán usar meshgrid
+para obtener todas las combinaciones (fila, columna) de los pixeles en la imagen.
+Por su parte, 'z', que es la variable dependiente, es el brillo de cada pixel, y
+corresponde a los valores que vienen almacenados en la propia imagen. Esos valores
+de 'z' son nuestros datos, a los cuales queremos ajustar el modelo de gaussiana 2D,
+algo del estilo: zmodel = gauss2D(x,y)
+
+Una vez logren ajustar una de esas gausianas 1D, la idea es repetir en varias estrellas
+y sacar una estadística sobre el ancho de ellas.
+
+
+## Para quienes ya dominaron el ejercicio inicial
+
+Olvidé comentar sobre la incertidumbre, que obviamente existe siempre que tomamos
+cualquier medida. En el caso de las imágenes, el conteo de fotones es un proceso que
+sigue la estadística de Poisson, y si el flujo luminoso es grande (llegan muchos fotones)
+esto acaba derivando en una estadística gaussiana. En ese caso podemos modelar la
+incertidumbre como la raíz cuadrada del flujo observado. 
+
+Como ejercicio final, repita los ajustes realizados inicialmente, esta vez teniendo
+en cuenta la incertidumbre de los datos, para ver si surge algún cambio en los resultados.
+Encuentre una forma de programar sus rutinas de modo que sean fácilmente reutilizables;
+con una buena implementación, este nuevo ajuste debe ser cuestión de un par de minutos
+con pocos o ningún paso manual.
+
+
+
 ## Resolución espacial
 
 En observaciones astronómicas e imágenes en general, llamamos resolución espacial
diff --git a/gauss.png b/gauss.png
new file mode 100644
index 0000000000000000000000000000000000000000..0e5badc0d2c12058c935a89f0ba34151265de013
Binary files /dev/null and b/gauss.png differ