Tema 1. Tratamiento de datos en Ecología.

Una única variable dependiente

• Terminología básica:
básica
• Experimentos de medición y manipulación
• Unidad experimental y Unidad de muestreo
• Réplicas
• Control
• Variables:
• Dependientes
• Independientes. Categorías predictoras o Factores

• Una única variable dependiente. Contraste de hipótesis

• Métodos paramétricos. ANOVA
• Métodos no paramétricos
 TERMINOLOGÍA BÁSICA

Experimento: Intento de comprobar una hipótesis

• Experimentos de Medición: Implican hacer mediciones sobre
unidades ecológicas, pero sin aplicar ningún tipo de tratamiento a los
organismos o a las parcelas que se miden.

• Experimentos de Manipulación: Implican la realización de algún

tratamiento en las unidades experimentales o parcelas.

Ambos tipos de experimentos implican siempre algunas mediciones que se

toman sobre unidades experimentales.

Unidad experimental: división más pequeña del material experimental

de modo que dos unidades cualesquiera puedan recibir diferentes
tratamientos.
tratamientos

En experimentos de medición se suelen denominar zonas de estudio,

zonas de muestreo (no es lo mismo zona de muestreo que unidad de muestreo)
…
 TERMINOLOGÍA BÁSICA

Réplicas:
Réplicas unidades experimentales sometidas al mismo
tratamiento (en experimentos de medición, zonas de estudio o de
muestreo a priori semejantes).
• Utilizar las unidades de muestreo como réplicas es incorrecto, a
menos que no se quiera generalizar los resultados

En los experimentos de manipulación tiene que haber casi

siempre un control.

Control: unidad experimental que se ha dejado sin ningún tipo

de tratamiento.
tratamiento
• El control es el testigo frente al cual se compararán los otros
tratamientos.
• Cuando se aplican dos o más tratamientos para ver cual es el mejor,
un tratamiento puede actuar como control para el otro.
 TERMINOLOGÍA BÁSICA

Variables:

• Variables dependientes o variables respuesta

• Variables independientes:
independientes Son las variables cuyo efecto (sobre
la variable dependiente) se quiere estudiar. Pueden ser:

• Cuantitativas

• Cualitativas.
Cualitativas Categorías o Factores de variación:
variación
• Niveles de un factor (por ejemplo, Factor = tratamiento,
Niveles = cada tipo de tratamiento)
 UNA ÚNICA VARIABLE DEPENDIENTE
Métodos de tratamiento de datos en
función del tipo de variables

VARIABLE INDEPENDIENTE
VARIABLE CUANTITATIVA CATEGÓRICA
DEPENDIENTE

CUANTITATIV REGRESIÓN T de Student

Precipitación vs Producción primaria
A
REGRESION LOGISTICA
Cantidad de sal consumida vs
CATEGÓRICA Hipertensión (SI/NO)
Peso del animal vs Sobrevive (SI/NO)
Temperatura vs Emigración (SI/NO)
ANOVA
TABLA DE CONTINGENCIA
(Chi cuadrado)
Fumador (SI/NO) vs Cáncer (SI/NO)
Turismo (SI/NO) vs Cría (SI/NO)
 Contraste de hipótesis

Se plantea la cuestión a investigar como una hipótesis

estadística:
• Hipótesis nula (H0): No hay diferencias entre los tipos de
tratamientos que se comparan

• H1: Hay diferencias

Grado de significación (alfa) para la prueba estadística:

Probabilidad de rechazar H0 de manera incorrecta cuando sea cierta
(normalmente se establece el grado de significación alfa = 0,05 o 0,01 o 0,001)

Valor de “p”:
“p”
Probabilidad de que el resultado obtenido sea debido al azar
•Si p<alfa se rechaza H0 (Se suele utilizar alfa = 0,05)
 Análisis de varianza (ANOVA)

Variable independiente de tipo categórico (factor de variación)

variación y
variable dependiente de tipo cuantitativo:

• Si solo hay dos comparaciones (dos categorías o niveles en el

factor de variación): t de Student

• Si hay más de dos comparaciones (más de dos niveles): ANOVA

(de ANalysis
AN Of VAriance).
VA

• Como su nombre indica, compara varianzas aunque lo que se

contrasta son las medias.

• Para ello parte de 3 requisitos previos:

previos
• Independencia:
Independencia las k “muestras” son independientes.
• Normalidad
• Homocedasticidad
 Tipos de análisis de varianza

Los tipos de análisis de varianza más utilizados son:

• ANOVA de una vía:

vía Un único factor de variación.
• Interesa demostrar si existen diferencias significativas, y caso de
existir entre qué grupos (niveles del factor) se producen (post-hoc)

• ANOVA factorial:
factorial Dos (o más) factores de variación.
• Interesa demostrar si existen diferencias significativas para cada
uno de los factores (y caso de existir entre qué grupos o niveles del
factor se producen) y también demostrar si hay o no interacción
entre ellos

• ANOVA de medidas repetidas:

• Un único factor de variación que es medida repetida
• Diseño factorial, con un factor que es medida repetida
EJEMPLO:

Comparación de la cantidad de P total en función del tipo de ecosistema (Lago o Río) y

del tipo de Clima (Mediterráneo, Oceánico o Continental)
•Identificar Variable dependiente, Factores de variación y Niveles.
•Interpretar los resultados obtenidos
 Qué hacer cuando los datos
no son normales

• Transformar los datos:

• Log (x), log (x+1), ln (x), ln (x+1), raíz cuadrada, etc.

• Hay que comprobar si tras la transformación la

distribución es ya normal

• Utilizar métodos no paramétricos (no asumen distribución

normal)
• Test de Mann-Whitney:
Mann-Whitney alternativa no paramétrica a la t de
Studen

• Test de Kruskal-Wallis:
Kruskal-Wallis alternativa no paramétrica al ANOVA