Documentos de Académico
Documentos de Profesional
Documentos de Cultura
y de muestreo
En un estudio experimental se debe escoger entre un
conjunto de manipulaciones biolgicas realistas para
incluir controles apropiados.
En un estudio observacional se debe decidir qu
variables medir que respondan mejor a la pregunta
hecha.
Con diseo nos referimos especficamente a como estn
arregladas las replicas en el espacio y a como sern
muestreadas en el tiempo.
Recordemos los mandamientos: replicacin,
aleatorizacin e independencia.
Clasificacin de variables
Categricas vs. Continuas:
Categricas (=discretas) como genero (macho, hembra), estatus trfico
(productor, herbvoro, carnvoro), tipo de hbitat (sombreado, soleado),
etc. Las categricas pueden ser ordenas (cuando se discretiza una variable
continua: baja, media, alta diversidad segn un rango de numero de
especies) o no.
Continuas como tamaos de individuos, riqueza de especies, cobertura
vegetal, densidad poblacional, etc.
Variables dependientes (variable respuesta) e independientes:
Su definicin implica una hiptesis de causa-efecto que se quiere probar
No solo se quiere probar el efecto de la(s) variable(s) independientes sobre
la variacin de la variable dependiente, sino tambin la magnitud de ese
efecto.
Variable Independiente
Continua
Categrica
Continua
Regresin
ANOVA
Categrica
Regresin logstica
Tablas de contingencia
Modelo:
En el ejemplo del roedor, se puede tener la sospecha de
que no solo es la densidad de semillas, sino tambin la
estructura vegetal (cobertura) las que juntas controlan
la densidad de roedores. En ese caso se toman tres
mediadas en cada parcela. Las variables independientes
deben ser independientes entre si.
Cuando hay un problema de colinearidad, confusin
sobre el efecto de cada variable independientes sobre la
dependiente.
Ejemplos:
Ejemplos de ANOVA de un solo factor: el crecimiento de una planta
cultivada a 4 niveles de CO2 (tratamientos ordenados, niveles de CO 2) o
la respuesta en crecimiento de 5 plantas diferentes (tratamientos no
ordenados, 5 especies) al mismo nivel de CO 2.
En un diseo multifactorial los tratamientos cubren dos o mas factores
cuyos niveles son aplicados en combinacin en cada unidad muestreal.
Ejemplo: Un ANOVA de dos factores se necesita para saber la respuesta
de las plantas a 4 niveles de nitrgeno (Factor 1) y a 4 niveles de
fosforo (Factor 2). Esto da 4 x 4= 16 tratamientos que a su vez deben
replicarse. Si hay 10 parcelas, tenemos 10 x 16= 160 replicas.
Ventajas de diseos multifactoriales: (1) eficiencia, y (2) permite mirar
tanto el efecto de cada factor por separado como su interaccin.
El problema en el ejemplo anterior es que no tiene en cuenta la heterogeneidad espacial, si bien la aleatorizacin ayuda en esto, el
diseo se puede mejorar para descontar el esa heterogeneidad ambiental. Una solucin: diseo aleatorizado por bloques. Un bloque es
una rea (o periodo de tiempo) delimitada dentro del cual las condiciones ambientales son similares. Los bloques se distribuyen al azar.
Una sola replica de cada tratamiento se asigna a cada bloque.
Diseo anidado
Anidado: Cuando hay submuiestreo dentro de cada una de las replicas.
En el ejemplo de los cirripedios, significara que en vez tomar una sola
medida del reclutamiento por placa de asentamiento se toman tres
medidas por placa mediante submuestreo (posible razn practica para
ello, que los reclutas asentados son muy numerosos).
Hiptesis nulas: (1) No hay diferencias ocasionadas por el material de
las placas en la densidad de reclutas por placa ; (2) No hay diferencia
en la densidad de reclutas por placa dentro de cada tratamiento
(variacin entre las replicas dentro de los tratamientos).
Razones para usar este diseo: aumentar la precisin de la estimacin
de la respuesta de la variable dependiente y probar dos hiptesis en
vez de una.