GUADARRAMA PREZ ROMN.

BIOESTADISTICA II

Los requisitos para el crecimiento microbiano incluyen factores fsicos, como son la temperatura y el pH. El patrn de crecimiento bacterial se ve profundamente influenciado por la temperatura. La temperatura a crecimiento ptimo permite el crecimiento ms rpido de las bacterias durante un perodo de tiempo, usualmente entre 12 y 14 horas. La temperatura mnima de crecimiento es aquella temperatura menor a la cual la especie puede crecer. La Temperatura de crecimiento mximo es la temperatura mayor en la cual el crecimiento es posible. Objetivo. Encontrar el modelo que mejor describa el crecimiento de un cultivo bacteriano sometido a diferentes temperaturas. Desarrollo experimental. Sabiendo que el crecimiento bacteriano es dependiente de la temperatura, se va a llevar a cabo un experimento en el cual deseamos obtener una mayor cantidad de biomasa de una bacteria en funcin de la temperatura. Tendremos 12 cajas petri (unidades experimentales) sern tratadas bajos las mismas condiciones (concentracin de pH, tcnica de esterilizacin, fuentes de carbono y tiempo de incubacin) cada una de estas cajas petri ser sometida a diferente temperatura, las temperaturas asignadas estarn dentro del intervalo que va desde 23C a 28C.
DATOS EXPERIMENTALES TEMP_/ C BIOM_/ mg 23 17 23.4 18.5 23.8 18.9 24.2 19.2 24.8 19.6 25.2 21 25.8 21.5 26.2 22 26.8 22.6 27 22.9 27.5 23.2 28 23.8
temp_ vs biom_
24.0

21.3

biom_
18.7 16.0 22.0

24.3

26.7

29.0

temp_

Los modelos propuestos para describir la variacin de biomasa en funcin de la temperatura son los siguientes: Modelo 1: biom_= 0 + 1*temp_ + Modelo 2: biom_= 0 + 1*Ln (temp_) + Modelo 3: biom_= 0 + 1*temp_ + 2 *(temp_) ^2 + Para realizar el anlisis de los modelos propuestos se parte de una distribucin normal y varianzas iguales. Se platean las siguientes hiptesis para probar si existe regresin en los modelos. Ho: 1 = 0. No existe una regresin lineal entre la temperatura y la cantidad de biomasa. Ha: 1 0. Existe regresin lineal de la cantidad de biomasa en funcin de la temperatura.

Resultados de modelos propuestos.

Modelo 1.
COEFICIEN TES CONSTAN TE temp_
-11.86579 1.284231

ERROR
1.633051

COEFICIENTES SIGNIFICAN T CIA

-7.266 0.000027 0.0001

6.40E-02 20.0728

ANOVA G. L. SDC MC F SIGNIFICAN CIA

0.0001

MODEL 1 50.43818 50.43818 402.919 O ERROR 10 1.25182 0.125182 51.69 4.699091 TOTAL 11

R^2

0.975782

Modelo 2.
COEFICIEN TES ERROR CONSTAN TE LN(temp_ )
-84.91944 32.688

COEFICIENTES SIGNIFICAN T CIA

0.0001 0.0001

4.801452 -17.686 1.483607 22.0328

ANOVA SDC MC F MODEL O 1 50.64669 50.64669 485.444 ERROR 10 1.043307 0.1043307 TOTAL 11 51.69 4.699091 G. L. SIGNIFICAN CIA
0.0001

R^2

0.979816

Modelo 3.
COEFICIEN TES CONSTAN TE temp_ temp^2_
-68.24332 5.729241 -8.73E-02

ERROR
26.50707

COEFICIENTES SIGNIFICAN T CIA

-2.5745 0.029964 0.022688 0.062034

2.087706 2.7443 4.10E-02 -2.1299

ANOVA G. L. SDC MC F SIGNIFICAN CIA

0.0001

MODEL 2 50.8577 25.42885 274.971 O ERROR 9 0.832305 9.25E-02 51.69 4.699091 TOTAL 11

R^2

0.983898

Anlisis de resultados. Los resultados obtenidos muestran que, en uno de los coeficientes del modelo 3 no existe regresin, por lo tanto, queda descartado. Los modelos 1 y 2 muestran regresin y un alto nivel de significancia (P< 0.0001). Los coeficientes de determinacin son 0.975782 y 0.979816, respectivamente. Aunque los coeficientes de determinacin no son muy diferentes, en el experimento que se presenta habr una disminucin de fuente de carbono, lo cual har que el crecimiento de biomasa se estabilice, es por eso que el modelo que mejor describe el fenmeno es el logartmico (modelo 2), cuyo modelo ajustado es el siguiente: Biom_ = -84.91944 + 32.688*Ln (temp_).
temp_/ C 23 23.4 23.8 24.2 24.8 25.2 25.8 26.2 26.8 27 27.5 28 valor predicho/ mg
17.5736 18.1372 18.69125 19.23606 20.03663 20.55964 21.32881 21.83171 22.57185 22.81488 23.41468 24.00367

valor observado/ mg 17 18.5 18.9 19.2 19.6 21 21.5 22 22.6 22.9 23.2 23.8

Conclusin. Con el objetivo de explicar la variacin en el crecimiento de biomasa en funcin de la temperatura se propone el modelo Biom_= 0 + 1*Ln (temp_) + , del cual se obtiene tiene el modelo de prediccin Biom_ = -84.91944 + 32.688*Ln (temp_), el cual muestra regresin con un nivel de significancia menor a 0.0001 y la capacidad de explicar el 97.98% de esta variacin.