Diseño Muestreo y Experimental -->fundamental para análisis estadísticos. Escogencia de factores (V. independientes), niveles de factores,

Transcripción

1 Diseño Muestreo y Experimental -->fundamental para análisis estadísticos Escogencia de factores (V. independientes), niveles de factores, (tratamientos), Unidades de repuesta (replicas), Unidades de muestreo (replicas, submuestras), variables de respuesta Objetivo: diseñar esquema que provea estimaciones de los parámetros de una población más eficientes (costos) y Precisos -- >Muestreo o Experimento Experimentos Manipulativos Se alteran los niveles de variables predictoras (factores) y se mide la respuesta de 1 o más variables de interés Evaluar hipótesis de causa-efecto Ejemplo: Hipótesis: Depredación por lagartos controla la densidad de arañas -->se altera la densidad de lagartos y se mide la densidad de arañas E. manipulativos de campo: Escala espacial: 80% en parcelas de menos de 1m Replicación se sacrifica a grandes escalas espaciales Restringido a especies pequeñas de vida corta 1

2 Experimentos Naturales (Muestreo) No se consideran realmente experimentos Ejemplo: Hipótesis: Depredación por lagartos controla la densidad de arañas -->se muestrean parcelas que varíen naturalmente en la densidad de lagartos (idealmente que varíen solo en la densidad de lagartos) y se mide la densidad de arañas Experimentos Naturales instantáneos -->replicas en espacio Rápidos, espacialmente replicados, mayor independencia estadística Experimentos Naturales de trayectoria -->replicas en tiempo Para observar cambios a través del tiempo Restringidos a un solo sitio -->no replicados en espacio Unidades de muestreo (experimentales): unidad estandarizada en la cual se registran los valores de la variable Naturales: Piedras, organismos, lagos,.. Artificiales: Cuadrantes, parcelas, transectos, Unidad de respuesta: unidad mínima que individualmente manifiesta los efectos del (los) Factor (es) y que es independiente de otras. Unidad de respuesta Unidad de muestreo Muestra 2

3 Experimentos naturales y manipulativos -- >generan la misma clase de datos y se analizan igual Manipulativos: Mayor confidencia en inferencias acerca de causaefecto Naturales: Se pueden realizar en cualquier escala espacial y temporal Muestreo Muestreo Aleatorio simple Todas la UM tienen igual probabilidad de ser seleccionadas en una muestra Problemas: UM no representan unidades naturales, UM y el área de muestreo es grande Ineficiente cuando hay heterogeneidad 3

4 Muestreo Estratificado Población de datos dividida en estratos (niveles) representando grupos de unidades Muestrear piedras en un arroyo -->riqueza de invertebrados Diferentes hábitats (rápidos, remansos) -->muestras aleatorias de cada estrato (hábitat) Asegura que pples hábitats son incluidos en muestra -->representatividad Número de UM en cada estrato es proporcional al tamaño de cada estrato o al número de UM de cada estrato Muestreo por Conglomerados Identificar UM primarias (agrupamientos, Clusters) -->árboles C/UM primaria identificar todas la Unidades secundarias -->ramas Muestreo por Conglomerados Simple -->muestrean todas la unidades secundarias dentro de c/um primaria Muestreo por Conglomerados en Dos Etapas -->se seleccionan aleatoriamente unidades secundarias dentro de c/um primaria 4

5 Muestreo Sistemático UM igualmente espaciadas temporal o espacialmente -->Trampas de mamíferos cada 10 m Útil para describir gradientes ambientales y establecer donde cambia un ambiente -->gradiente en riqueza de especies lejos de una fuente de polución Riesgo -->espaciamiento puede coincidir con un patrón natural -->inferencia puede estar sesgada Diseño Experimental: El diseño estadístico de un experimento está relacionado con la forma de asignación de los tratamientos (aleatorización) a las unidades experimentales. Error Experimental: Describe la variación entre unidades experimentales igualmente tratadas Variabilidad entre unidades puede ser dada por: La variación natural de las unidades experimentales. Variabilidad en la medición Imposibilidad de reproducir las condiciones del tratamiento con exactitud de una unidad a otra Efecto de factores externos 5

6 Control del Error Experimental La técnica La selección de las unidades experimentales Uniformidad de las unidades experimentales La selección del diseño experimental La medición de información adicional Replicación Observaciones replicadas a escala de la aplicación de los tratamientos experimentales Replicas: esenciales en sistemas biológicos -- >inherentemente variables Análisis -->comparar la variación entre grupos de tratamientos con la variabilidad inherente entre U experimentales dentro de cada grupo Frecuentemente falla la escala de las replicas relativa a los tratamientos aplicados -- >Pseudorreplicación 6

7 Ejemplos de Pseudorreplicación: Efecto del fuego sobre la riqueza de invertebrados de suelo Efecto de Cu sobre asentamiento de larvas de balanos Controles Cuando no pueden ser controlados muchos factores que pueden influenciar el resultado y estos varían naturalmente -->Control Control -->debe permitir eliminar tantos artefactos introducidos por el diseño como sea posible Ejemplos: Efecto de sustancia sobre animales experimentales 7

8 Aleatorización Muestreo -->selección de unidades de muestreo independientes Diseño -->asignación de tratamientos a las UE Muestra aleatoria -->parámetros poblacionales no son sesgados y la inferencia estadística es confiable Independencia Falta de independencia entre UE -->Difícil interpretación e invalida los análisis estadísticos Animales en el mismo acuario, caja -- >expuestos a similares condiciones físicas y biológicas -->no independientes Se puede garantizar a través de aleatorización 8

9 Combinando tipos de variables, Categóricas vs continuas dependientes vs independientes -->cuatro diferentes clases de diseños Variable Dependiente Continua Variable Independiente Categórica Continua Regresión ANOVA Categórica Regresión Logística Tabular Diseños de Regresión Cuando las variables independientes y las dependientes son continuas -- >Regresión Para cada replica se mide la variable de respuesta y la (s) variable (s) predictora (s) Regresión puede ser múltiple o simple, lineal o no-lineal Diseños de Regresión Logística: Cuando las variables independientes son continuas y las dependientes son categóricas -->Regresión Logística 9

10 Diseños de ANOVA Factor: cada variable predictora utilizada Tratamientos: diferentes categorías de las variables predictoras utilizadas Estudios experimentales: diferentes manipulaciones realizadas En estudios observacionales: diferentes grupos que están siendo comparados Replica: observaciones realizadas dentro de cada tratamiento Más comunes: De un solo factor (de una vía, DCA) De bloques al azar Anidados Factoriales (Multifactoriales) Diseños de ANOVA de un solo factor Para comparar dos o mas tratamientos o grupos. Número de tratamientos y repeticiones -->limitado solamente por el número de unidades experimentales disponibles. El análisis estadístico sencillo aún si el número de repeticiones por tratamiento es diferente. Problema: heterogeneidad ambiental -->Exige unidades experimentales homogéneas 10

11 Diseños de ANOVA de bloques al azar Permite el uso de unidades experimentales heterogéneas. Unidades experimentales que integran un bloque -->lo más homogéneas posibles (variación aleatoria) dejando la mayor heterogeneidad (variación sistemática) entre bloques. Bloques -->contiene una replica de cada tratamiento. Variabilidad entre bloques se elimina para comparar los tratamientos -->reduce error experimental. El análisis es sencillo si el número de repeticiones es el mismo para todos los tratamientos. Independencia -->espaciamiento de tratamientos dentro de cada bloque y entre bloques Diseños de ANOVA Anidados Cuando hay submuestreo dentro de cada replica submuestras -->observaciones noindependientes Utilizadas para mejorar la precisión de la estimación de la respuesta en c/replica Ventajas: Submuestreo incrementa la precisión de la estimación para cada replica Permite evaluar dos hipótesis: Variación entre tratamientos Variación entre replicas dentro de tratamientos Puede ser extendido a diseños de muestreo jerárquicos Potencialmente peligrosos -->si se trata cada submuestra como una replica independiente -->Pseudorreplicación 11

12 Diseño de ANOVA de Factoriales (Multifactoriales) Estudia simultáneamente dos o más factores y los tratamientos son la combinación de los niveles de los factores. VENTAJAS: Permite estudiar los efectos principales y efectos de interacción de factores. Los efectos principales son evaluados sobre un amplio rango de condiciones con el mínimo de recursos. DESVENTAJAS: Requiere un mayor número de unidades experimentales que los experimentos simples El análisis estadístico y la interpretación es más complicado que en los experimentos simples. Disminución de la precisión, si no se cuenta con un buen número de repeticiones. Diseños de Medidas Repetidas Cuando se tienen múltiples observaciones de la misma unidad experimental o de muestreo en tiempos diferentes Observaciones replicadas en tiempo (replicas son temporales) 12

13 Diseños de Medidas Repetidas VENTAJAS: Cada replica sirve como su propio bloque o control: Individuos controla por tamaño, edad Permite evaluar la interacción entre tiempo y tratamiento DESVENTAJAS: Falla para cumplir el supuesto de circularidad (la varianza de la diferencia de observaciones entre cualquier par de tiempos es la misma) se aumenta el error tipo I Utilizar grupos de unidades experimentales diferentes en cada tiempo ANOVA de dos factores (vías) Calcular un solo valor para cada unidad de muestreo o experimental ANOVA de un factor (vía) Diseños Tabulares Las variables predictoras y de respuesta son categóricas Las mediciones son conteos Variable más simple son dicótomas 13