Experimento 1 (Fotosíntesis)

I.- OBJETIVOS
Al finalizar de leer la práctica, el estudiante debería ser capaz de:

* Entender el concepto de hipótesis nula y su rol en el método científico.

* Conocer los dos tipos de errores asociados a la puesta a prueba de cualquier hipótesis en la estadística
frecuentista, y cómo se relacionan estos errores entre sí.

* Realizar una prueba t de Student para comparar tratamientos y emitir conclusiones utilizando un nivel
de confianza.

* Cuantificar el efecto de la luz sobre la tasa fotosintética

II.- INTRODUCCIÓN
En las prácticas anteriores estudiamos los distintos pasos que componen el método científico, haciendo
énfasis en el diseño experimental y análisis de datos. En esta tercera práctica, nos enfocaremos en la
interpretación objetiva de datos para decidir si éstos refutan o no nuestras hipótesis. Como ya has aprendido,
el método científico funciona como abogado del diablo: solo las hipótesis que NO son refutadas llegan a
considerarse como potencialmente ciertas o apoyadas por los datos. De nuevo, esto se debe a que es mucho
más fácil y certero comprobar que algo es falso a comprobar que es cierto. El que el método funcione así,
requiere de un concepto adicional para rechazar o no tus hipótesis de manera objetiva: la hipótesis nula.

HIPÓTESIS NULA

La manera de funcionar del método científico, sugiriendo que algo es cierto SOLO AL NO SER FALSO,
requiere de algo muy importante, llamado la hipótesis nula. La hipótesis nula (H0) consiste en la
NEGACIÓN de nuestra hipótesis (a la cual formalmente llamaremos ahora hipótesis alternativa o
experimental, HA). A primera entrada, te podrá sonar extraño (o incluso innecesario) la añadidura de este
nuevo concepto; después de todo, ya has venido trabajando con hipótesis y no has necesitado de la hipótesis
nula. Sin embargo, recuerda que, hasta ahora, no te has visto obligado a rechazar o aceptar una hipótesis de
manera objetiva, y es aquí donde la hipótesis nula se vuelve indispensable. Solo recuerda, las hipótesis con
que has venido trabajando corresponden a la HA, y cada una de ellas tiene una H0. De hecho, a manera de
ejercicio, una vez que entiendas este concepto, puedes devolverte a las prácticas anteriores y desarrollar una
hipótesis nula para cada hipótesis alternativa que trabajaste.

La H0 básicamente dice que cualquier cosa que estemos proponiendo NO ES CIERTA. Es decir, que la
variable independiente no tiene un efecto sobre la dependiente (i.e. que no habrá diferencia entre los
tratamientos). Puedes pensar en esta como “la hipótesis aburrida”, ya que no propone nada novedoso. Si
gustas, también puedes redactar una predicción para la hipótesis nula, esto te ayudará a pensar con mayor
claridad.

Así, TODO EXPERIMENTO TIENE DOS HIPÓTESIS, la HA y la H0. Como la ciencia funciona como
abogado del diablo, es la H0 la que ponemos a prueba con nuestro experimento. Si los datos se alinean con lo
que ella predice, entonces, por defecto, rechazamos la HA (¡Ambas no pueden ser ciertas al mismo tiempo!).
Prohibida la reproducción parcial o total de este manual
UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 2

Si los datos rechazan la H0, entonces, por defecto, ‘aceptamos’ la HA como tentativamente cierta (otra
manera de decirlo sería “nuestros datos apoyan la hipótesis alternativa”).

¡Atención!: Fíjate que NUNCA decimos que los datos “comprueban” o “verifican” nuestra hipótesis
alternativa, simplemente, la apoyan. Sin embargo, como hemos mencionado, entre más experimentos se
hayan hecho sin que la HA haya sido rechazada, mayor certeza tendremos de que probablemente sea cierta.

Nota: A la hora de redactar la H0, debes negar la HA. Esto NO ES LO MISMO que simplemente escribir lo
contrario a la HA. Puede ser que, en algunas ocasiones, la H0 sea en efecto lo contrario a la HA, pero esto va a
depender del tipo de HA.

Retomando la primera práctica: Para la hipótesis descriptiva de: “la cantidad de espinas varía en los cactus
adultos”, su hipótesis nula sería “la cantidad de espinas NO varía en los cactus adultos”. Para la hipótesis causal de
“la herbivoría juvenil afecta la cantidad de espinas en los cactus adultos”, su hipótesis nula sería “la herbivoría
juvenil no tiene un efecto sobre la cantidad de espinas que presentan los cactus adultos”. En el caso de una hipótesis
direccional como “los cactus sometidos a una mayor herbivoría cuando jóvenes, presentarán MÁS espinas cuando
adultos”, la hipótesis nula sería… ¡la misma que la anterior! Recuerda: la hipótesis nula NO ES simplemente lo
contrario a la hipótesis alternativa, sino que NIEGA cualquier efecto de la variable independiente. Si pensaste que la
hipótesis nula sería que “los cactus sometidos a una mayor herbivoría cuando jóvenes, presentarán MENOS espinas
cuando adultos” estás equivocado. ¡Asegúrate de entender esta diferencia!

INCERTIDUMBRE: RECHAZO O NO DE LA H0

Como recordarás, en ciencia nadie nos puede decir cuál es la verdadera realidad, solo podemos inferirla. Es
decir, nadie nos puede asegurar si hicimos bien en rechazar o no la hipótesis nula (y por ende, en aceptar o no
la hipótesis alternativa). Así, siempre existirá la posibilidad de cometer un ERROR en nuestra conclusión,
sea esta cual sea (Cuadro 1). Analiza bien este cuadro, también conocido como ‘matriz de confusión’ en otras
ramas de la ciencia. Como verás, si la hipótesis nula era cierta, pero la rechazaste, estarás cometiendo el error
Tipo I (falso positivo; decir que la variable independiente tiene un efecto cuando en realidad no lo tiene). Si
la hipótesis nula era falsa, pero no la rechazaste, estarás cometiendo el error Tipo II (falso negativo; decir
que la variable independiente no tiene un efecto cuando en realidad sí lo tiene).

Desafortunadamente, estos dos tipos de errores son complementarios, y entre más reduzcas las posibilidades
de cometer uno, más aumentarás las de cometer el otro. ¡No te asustes! esta es simplemente la realidad. Para
entender esto mejor, es útil pensar en la sensibilidad de ciertos exámenes médicos o tecnológicos. Por
ejemplo, piensa en tu celular y qué tan sensible es tu pantalla al tacto. A veces es menos sensible de lo que
quisieras, y debes pulsar fuerte para que el teléfono haga lo que deseas. Otras, es más sensible de lo que
quisieras, ¡como cuando frustrantemente se te marca con la oreja mientras intentas escuchar un mensaje!.
Una por otra…. Si lo vuelves menos sensible, te ahorrarás el problema de que se marque con tu oreja, pero
deberás pulsar más fuerte cuando escribas o abras aplicaciones. Si lo vuelves menos sensible, será muy fácil
escribir o abrir aplicaciones, pero estate listo a frustrarte cuando responda incontables veces a tu oreja. Así,
para cada prueba, deberás decidir cuál tipo de error estás más dispuesto a cometer.

Prohibida la reproducción parcial o total de este manual

UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 3

¿Puedes hacer este mismo ejercicio con una prueba de embarazo? ¿Cuál es la hipótesis nula y cuál es la
hipótesis alternativa en una prueba de embarazo? ¿Cuál tipo de error crees que los que diseñaron esta
prueba estuvieron más dispuestos a cometer?

Cuadro 1. Tipos de errores asociados a conclusiones experimentales.

REALIDAD
H0 es CIERTA H0 es FALSA
EXPERIMENTO

Rechazo H0 Error Tipo I Correcto (hice bien)

(falso positivo)

Acepto H0 Correcto (hice bien) Error Tipo II

(falso negativo)

PRUEBAS ESTADÍSTICAS: UNA MANERA OBJETIVA DE PONER A PRUEBA LA H0

Ya viste en qué consiste la hipótesis nula de un experimento; ahora verás cómo las pruebas estadísticas
funcionan para decidir objetivamente si aceptamos o rechazamos estas hipótesis. Existen muchísimas pruebas
estadísticas para poner a prueba hipótesis nulas; estas pruebas varían según el experimento, principalmente el
tipo de datos, la tendencia estudiada, y el número de tratamientos que se utilicen. No es el objetivo de este
curso que aprendas estas pruebas o que siquiera entiendas una a fondo, para ello necesitarás varios cursos de
estadística. El objetivo es que entiendas lo básico: i) que los datos usualmente son sometidos a estas pruebas
para poder decidir objetivamente si rechazamos o no la hipótesis nula; ii) la manera general en que operan
estas pruebas; y iii) cómo debes interpretar sus resultados.

La manera general en que operan las pruebas estadísticas se puede resumir a “determinan si el patrón que
encontraste es tan fuerte como para rechazar la hipótesis nula con un alto nivel de confianza (i.e., que el
patrón tenga baja probabilidad de deberse al azar)”. Así, cualquier prueba de estadística frecuentista se
compone de los siguientes dos pasos:

a) Calcular un estadístico que ponga a prueba tu hipótesis (e.g., el efecto de una variable sobre otra):
esto se hace mediante una fórmula matemática específica.

b) Determinar si el resultado de ese estadístico es o no significativo (i.e., qué tan probable es que se
deba al azar, o sea, a las muestras específicas utilizadas): esto se hace comparando el estadístico
que calculaste con el de una tabla elaborada por “geniecillos estadísticos”. Si el valor del
estadístico que calculaste es igual o mayor al obtenido en la tabla, entonces puedes decir que los
resultados son significativos (i.e., la probabilidad de que se deban al azar son muy bajas). Por
ende, rechazas la hipótesis nula y aceptas tu hipótesis alternativa con un determinado nivel de
confianza. Si el estadístico que calculaste es menor al de la tabla, entonces no puedes rechazar la

Prohibida la reproducción parcial o total de este manual

UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 4

hipótesis nula con el nivel de confianza que desearías; en ese caso no te queda más que
aceptar la hipótesis nula como válida y descartar tu hipótesis alternativa.

En este curso, estudiaremos la prueba t de Student (o simplemente la ‘prueba t’), una prueba comúnmente
utilizada para decidir si los promedios de DOS tratamientos son suficientemente distintos uno del otro una
vez que tomamos en cuenta la variación que existe dentro de cada tratamiento. ¡Que no te suene
complicado!, esto es prácticamente lo que hiciste “a ojo” al comparar la gráfica de columnas con sus barras
de error (ver práctica anterior).

La fórmula para esta prueba es:

El resultado de esta prueba será un valor de t. Aunque la fórmula no suele indicarlo, este valor es absoluto, es
decir, no lleva signo (i.e., puedes interpretarlo como positivo aunque te dé negativo). Fíjate que los datos de
un tratamiento (promedio, desviación, o tamaño de muestra) deben ir en los lugares que dicen ‘1’, y los del
otro tratamiento en los lugares que dicen ‘2’. No importa cuál tratamiento escojas como 1 ó 2, lo que importa
es que seas consistente a lo largo de la fórmula (todo lo que dice ‘1’ corresponderá a un tratamiento, y todo lo
que dice ‘2’ al otro). Al final, tu escogencia solo afectará si el valor de t te aparece con signo positivo o
negativo, pero como ya vimos, eso es irrelevante, ya que lo que utilizamos es el valor absoluto. Nota también
que los tratamientos pueden diferir en su tamaño de muestra.

El valor de t te da una idea de qué tan grande son las diferencias entre los tratamientos una vez tomas en
cuenta la variación natural de la variable dependiente. Sin embargo, para poder decir si esas diferencias son
significativas (i.e., que no se deben a las muestras específicas analizadas), debes comparar tu valor calculado
de t con el que se encuentra en la tabla desarrollada por geniecillos (Fig. 1).

Para efectos del curso, no es esencial que comprendas exactamente cómo funciona esta tabla; sin
embargo, el hacerlo te ayudará a comprender la lógica detrás de la estadística, y te será de gran utilidad en
cursos futuros. De esta manera te animamos a leer con atención el texto que sigue a continuación.

Esencialmente, la prueba de t investiga si la diferencia que obtuviste entre los promedios de tus tratamientos
tiene la magnitud que esperarías encontrar en dos poblaciones distintas, o, si más bien, la magnitud que
encontraste podría obtenerse simplemente al muestrear una sola población dos veces.

Prohibida la reproducción parcial o total de este manual

UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 5

Para comprender esto mejor, imagina una variable dependiente como la altura en una población de
humanos (práctica anterior). Aunque no lo sepamos, podrías pensar que el sexo es una variable independiente
que afecta la altura. Así que decides muestrear la altura de un grupo de mujeres y otro de hombres y los
comparas. Al hacerlo, estás asumiendo que cada muestra representa una población distinta: una población de
tamaños variables de mujeres y otra de tamaños variables de hombres (o sea, estás asumiendo que la variable
independiente sí tiene un efecto sobre el tamaño). Luego comparas ambas poblaciones para ver qué tanto
difieren debido al sexo. Pero, ¿qué pasa si en realidad el sexo no influye en la altura? En ese caso, estarías
realmente lidiando con una sola población de tamaños que varían naturalmente sin importar el sexo (o sea, la
variable independiente no tiene un efecto). No obstante, todavía en esta única población sería posible que
cuando tomes las muestras de hombres y mujeres (pensando que estás muestreando dos poblaciones
distintas), ambas muestras aparenten ser diferentes por puro azar, por ejemplo, si por mala suerte muestreaste
a las mujeres más bajas y los hombres más altos (siendo éste el ejemplo más extremo). Entonces, ¿cuál caso
es más probable: que las muestras representen dos poblaciones realmente distintas, o que estas representen a
una sola población pero aparenten ser distintas simplemente por el azar del muestreo? ¡Este cálculo es
precisamente el que la prueba t hace por ti! Básicamente te dice qué tan probable sería obtener una
diferencia entre promedios de la magnitud que encontraste si los datos viniesen de una sola población. Si es
poco probable, entonces decimos que nuestras diferencias ¡SON SIGNIFICATIVAS! (rechazamos la H0 y
aceptamos la HA por defecto).

¿Qué probabilidad consideramos suficiente como para decir que las diferencias entre nuestras muestras
(tratamientos) SON SIGNIFICATIVAS? Bueno, eso se decide. Aunque en realidad debería establecerse para
cada caso, por convención, en biología y la mayoría de ciencias utilizamos una probabilidad menor al 5%.
Así que si tu valor de t tiene una probabilidad de ocurrir al azar de 5% o menos, decimos que tus promedios
difieren significativamente uno del otro. Importante: Nota que al decir que los promedios de los
tratamientos difieren, implícitamente ¡estamos rechazando la hipótesis nula! ya que lo único que cambió
entre los tratamientos fue el valor de la variable independiente, así que estamos implicando que la aplicación
de dicha variable SÍ tuvo un efecto. Como existe un 5% de probabilidad de haber obtenido esas diferencias al
azar, entonces podemos decir que nuestra probabilidad de cometer el error Tipo I (rechazar la H0 cuando
podría ser cierta) es de 5%. Por ende, el nivel de confianza que tenemos en nuestras conclusiones es de 95%
Si la probabilidad de obtener el valor de t como el que obtuviste por azar es aún menor (e.g., 1%), entonces tu
nivel de confianza aumentaría aún más (e.g., 99%). Si por el contrario, la probabilidad de obtener al azar un
valor de t como el que obtuviste es mayor al 5%, entonces NO PUEDES RECHAZAR tu H0 bajo el nivel de
confianza que deseas (95%). ¡Ojo!, eso no quiere decir que estás 95% seguro en aceptar la H0, para eso
necesitaríamos calcular el error Tipo II por aparte. Lo más que puedes decir en ese caso es que el valor de t
no es suficiente para rechazar la hipótesis nula bajo el nivel de 95% de confianza (esto NO ES LO MISMO
que decir que estás 95% seguro de aceptar la H0, lo cual sería incorrecto).

Todas estas probabilidades en sí las desarrollaron los geniecillos estadísticos, y las puedes encontrar en la
tabla de t. Como imaginarás, la probabilidad de muestrear individuos extremos de una sola población
depende del tamaño de muestra; entre mayor sea la muestra, menor será la probabilidad de ser “tan salado”.
Por otro lado, debes recordar que todas estas poblaciones son hipotéticas, no las conocemos en la realidad.
Simplemente las estimamos a partir de nuestros datos (utilizando el promedio y desviación estándar y
asumiendo una distribución normal). Así que de nuevo, el tamaño de tus muestras afectan el qué tan bien
estén representadas las poblaciones de interés. Es precisamente por esto que los geniecillos incluyeron en su
tabla no solo las probabilidades de obtener diferencias de distinta magnitud, sino también, cómo varían estas
Prohibida la reproducción parcial o total de este manual
UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 6

probabilidades con el tamaño de muestra. De esta manera, podemos decir que la tabla tiene un factor
que “corrige por el tamaño de muestras involucrados”. En estadística, esto se conoce como los grados de
libertad (g.l.). En realidad, el concepto de grados de libertad es un poco más complejo, pero basta que sepas
que está relacionado al tamaño de muestra de los tratamientos, y que cada prueba tiene su forma de
calcularlos. Para la prueba de t utilizarás la siguiente fórmula:

g.l. = n1+n2-2; donde n representa el tamaño de la muestra.

En resumen, la tabla de t te dice QUÉ TAN PROBABLE ES OBTENER UN VALOR DE T COMO EL

QUE OBTUVISTE POR MERA CASUALIDAD DADO TUS GRADOS DE LIBERTAD. Para interpretar
la tabla, solamente necesitas ubicarte en la fila apropiada de g.l. para tu experimento. Las distintas columnas
te indicarán la probabilidad de obtener un valor de t como el que se muestra en la casilla (Fig. 1). Puedes ver
que a medida que se avanza a la derecha, las probabilidades van disminuyendo, mientras que los valores de t
aumentan. Esto tiene sentido; obtener valores de t tan grandes por mero azar se vuelve cada vez menos
probable. En la tabla puedes ver también que a medida que disminuyen los g.l., se vuelve más difícil concluir
que las diferencias son significativas (i.e., el valor de la t tabulada que buscamos rechazar es más alto). De
nuevo esto tiene sentido, ya que las muestras de menor tamaño tienden a ser menos representativas de la
población real.

Entre mayor sea la diferencia entre tus promedios, mayor será el valor de t, y menos probable será que hayas
obtenido una diferencia de tal magnitud por mera casualidad. Si tu valor de t está entre los valores de t que se
muestran en dos columnas, la probabilidad de obtener ese valor al azar también estará entre las dos columnas.
Un paquete estadístico te dirá la probabilidad exacta de obtener ese valor de t al azar, y esta probabilidad es
la que los científicos usualmente reportan (e.g., p = 0.0217). Sin embargo, también es válido decir
simplemente si tu valor de t está por debajo del 5% requerido para rechazar la H0 (p ≤ 0.05). Si ese no es el
caso, no puedes rechazar la hipótesis nula y simplemente reportas p ≥ 0.05, o das el valor exacto (e.g., p =
0.063).

Recuerda que, si la prueba estadística determina que SÍ existe una diferencia significativa entre los
tratamientos, esto quiere decir que LA VARIABLE INDEPENDIENTE TUVO UN EFECTO SOBRE LA
DEPENDIENTE, y por ende, RECHAZAMOS LA HIPÓTESIS NULA (que postula que la variable
independiente no tiene un efecto, y que por ende no deberían existir diferencias entre los tratamientos).

Recapitulando la prueba t: “DETERMINA SI EXISTEN DIFERENCIAS SIGNIFICATIVAS ENTRE DOS

TRATAMIENTOS”. Para realizarla, sigues los siguientes pasos:

1) Obtienes tu valor de t utilizando la fórmula de arriba.

2) Utilizando la tabla de t, observas qué tan probable es obtener ese valor por mera casualidad. Para esto,
comparas el valor de tu t calculada con los valores de t tabulados. Recuerda que debes ubicarte en la
parte de la tabla apropiada para tus grados de libertad.

3) Si la probabilidad de obtener ese valor por casualidad es igual o menor al 5%, entonces dices que tus
promedios son significativamente diferentes entre sí, y que RECHAZAS LA HO (y por defecto
aceptas tu HA) con una confianza mayor al 95%. Tienes esa confianza porque precisamente existe una
probabilidad menor al 5% de cometer el error Tipo I, o sea, de rechazar erróneamente la H0 en caso
de que las diferencias hayan sido obtenidas por azar. Si la probabilidad de obtener al azar un valor de
Prohibida la reproducción parcial o total de este manual
UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 7

t como el que obtuviste es mayor al 5%, entonces simplemente dices que ACEPTAS LA H0
(con una probabilidad desconocida de cometer el error Tipo II), o que NO PUEDES RECHAZAR la
H0 utilizando el nivel de confianza del 95%.

También puedes interpretar esto como “hay un 5% de probabilidad de que esté cometiendo un error
Tipo I al decir que estos promedios SON SIGNIFICATIVAMENTE DIFERENTES entre sí”. Es decir, que
existe un 5% de probabilidad de que LA VARIABLE INDEPENDIENTE EN REALIDAD NO TUVIERA
UN EFECTO EN EL EXPERIMENTO, y que entonces las diferencias que observaste se deben solamente
a la variación natural de la variable dependiente (y que por casualidad en cada tratamiento obtuviste
valores extremos y opuestos de esta variación).

¿Por qué utilizamos una probabilidad menor al 5% y no al 1%? Podríamos hacerlo, pero recuerda que si
disminuimos la probabilidad de cometer el error Tipo I, implícitamente aumentamos las probabilidades de
cometer el error Tipo II (nos arriesgamos a no rechazar la H0 cuando deberíamos).

Nota: A pesar de que los errores Tipo I y II son complementarios, ¡sus probabilidades no son inversamente
proporcionales! Es decir, el que haya un 5% de probabilidad de cometer un error Tipo I, NO QUIERE
DECIR que haya un 95% de probabilidad de cometer el error Tipo II. Ese último valor es mucho más difícil
de calcular y no lo veremos en este curso.
Figura 1. Tabla de t, mostrando la probabilidad de obtener distintos valores de t según los grados de libertad. G.L. =
grados de libertad; C = nivel de confianza; P = probabilidad. Nota que P+C=100%. No se muestran todos lo valores de
g.l.; nota como los valores de t tabulados son mayores cuando hay pocos grados de libertad, volviéndose más difícil
rechazar la hipótesis nula a medida que los tamaños de muestra disminuyen. La casilla indicada en rojo indica que si
yo tengo 12 g.l., el valor de la t calculada debe ser igual o mayor a 2.179 para rechazar la H0 bajo el nivel estándar de
95% de confianza.

Prohibida la reproducción parcial o total de este manual

UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 8

III.- APLICACIÓN: FOTOSÍNTESIS

La fotosíntesis es uno de los procesos metabólicos más extraordinarios de la naturaleza y tiene una gran
influencia sobre la mayoría de los seres vivos. Mediante este proceso, organismos autótrofos como las algas,
plantas, algunos protistas e incluso bacterias, tienen la capacidad de sintetizar materia orgánica a partir de
compuestos simples de la naturaleza (CO2 y H2O). A su vez, los organismos heterótrofos (e.g. animales,
hongos, y protistas) dependen de la biomasa vegetal obtenida por la fotosíntesis para subsistir, debido a que
no existen otras fuentes de materia orgánica que pueda servir como alimento a la mayoría de los seres vivos.
Si las algas, las plantas, y otros organismos fotosintéticos desaparecieran, la gran mayoría de animales
perderían tarde o temprano todas sus fuentes de alimento. Las algas y las plantas realizan fotosíntesis en
presencia de luz solar; ésta es captada por la clorofila presente en los cloroplastos.

El fenómeno de la fotosíntesis, que desde el punto de vista bioquímico tiene numerosas etapas complejas,
consiste en tomar agua (a través de las raíces) y dióxido de carbono (por medio de los estomas de las hojas)
para elaborar las moléculas orgánicas necesarias para la vida del vegetal (Fig. 2). Para que el proceso pueda
ocurrir, se requiere de energía que proviene del sol. Los compuestos orgánicos sintetizados son
fundamentalmente carbohidratos. El primero que se forma de modo estable es la glucosa. Este azúcar forma
polímeros tales como el almidón, que se acumula como sustancia de reserva en los vegetales y es uno de los
productos finales elaborados a partir de la fotosíntesis.

Figura 2. Proceso bioquímico de la fotosíntesis. Se muestra la ecuación básica del proceso, así como la función que lleva a cabo
cada una de las partes de la planta en el proceso.

Es necesario mencionar que existen varios tipos de clorofila, así como otros pigmentos que también captan la
energía lumínica, llamados pigmentos accessorios (e.g., xantofilas, color amarillo; carotenos, color rojo-
anaranjado). Cada uno de estos pigmentos absorbe la luz a distintas longitudes de onda, variando en su pico
máximo de absorción (Fig. 3). Los organismos que tienen más pigmentos obtienen un mejor rendimiento de
la luz recibida, ya que pueden absorberla en un mayor espectro de longitudes de onda.

Figura 3. Espectro de absorción de distintos pigmentos

accesorios y las clorofilas a y b.

Prohibida la reproducción parcial o total de este manual

UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General
 9

IV.- Procedimiento
Para ayudarte a comprender mejor los conceptos de la fotosíntesis y acumular más experiencia en la
aplicación del método científico, durante esta semana de laboratorio se llevará a cabo un experimento. Con
base en este experimento redactarás también un informe científico, para que comprendas cómo funciona en
general la divulgación de la ciencia.

Diseño experimental:

Con tu profesor y grupo de trabajo, plantearás un experimento para poner a prueba el efecto de una variable
sobre la tasa fotosintética en una planta. Asegúrate de conceptualizar cada uno de los componentes del
método científico en el experimento: variable independiente y dependiente, tratamientos utilizados y
variables a estandarizar). Redacta además tu hipótesis y predicción, así como la hipótesis nula que pondrás a
prueba mediante la estadística.

Recopilación y análisis de datos:

En el formato virtual de laboratorio, los datos te serán brindados por tu profesor. Estos fueron recopilados de
experimentos realizados en el pasado por otros estudiantes, pero para efectos de la práctica, asumirás que los
obtuvo tu grupo de trabajo bajo la metodología específica que decidieron utilizar.

Con base en estos datos deberás:

1. Hacer una gráfica de barras comparando los promedios entre los distintos tratamientos. Cada una de
las columnas debe mostrar la desviación estándar mediante barras de error.
2. Realizar una prueba t de Student para comparar si existen diferencias significativas entre los
tratamientos. Para realizar esta prueba necesitarás la tabla de t, brindada en el entorno de mediación
virtual.

Elaboración del Informe científico:

Usando estos resultados grupales, deberás presentar tu investigación como informe científico individual. Para
esto, utiliza el machote que aparece en mediación para esta semana. No olvides discutir la implicación de tus
resultados. ¿Qué te dicen estos con respecto a tu hipótesis? ¿Qué mejoras podrías hacerle al experimento?

Prohibida la reproducción parcial o total de este manual

UNIVERSIDAD DE COSTA RICA
Soley-Guardia M. & Romero Vásquez A. Manual de Laboratorio de Biología General