Post on 17-Feb-2016
description
Estadísticas en ecología
Páginas 45-56 en Ruokolainen et al 2004
Diseño: fuente de los problemas principales
• Justificación clara, razonable, interesante y útil.
• ¿Qué queremos aprender del estudio?– Expresar la pregunta clara y enfocada.
• Aclarar cual es la variable dependiente, cual la independiente y cuales son las medidas que se le harán a esas variables.
Diferencias entre promedios• Evaluación de una sola variable (largo del pelo de
ratas)• Si la probabilidad de que ambas distribuciones de
valores pertenezcan a una sola distribución es mayor de cierto valor (e.g., 5%) se considera que no se puede rechazar la hipótesis nula de “no diferencias”.
• Si esa probabilidad es mas baja se considera que hay evidencia de diferencias (significativas).
Relación entre 2 variables
Correlación
• Examina el grado en que 2 variables varían a la par.
• Por ejemplo, ¿existe una variación a la par entre la abundancia de jasmín (x) y la abundancia de bayahonda (y)?
• La hipótesis nula sería: H0: x no se correlaciona con y (x no varía a la par con y)
Correlación
Y = a + bX
Causa y efecto• Una correlación alta sólo implica una alta
asociación entre las 2 variables• Asociación no implica causación
– Ej., en la 2da guerra mundial los bombarderos eran mas precisos cuando recibían mas oposición del enemigo.
• En muchas disciplinas se requiere conocer el mecanismo para adjudicar causa a una asociación entre variables.
Regresión lineal
y = 18.5 + 12.9x
Variable independiente
Variable dependiente
+ datos
▀ predicciones
Cuando tratamos con más de 2 variables
Análisis de gradientes
• Pretende detectar los gradientes ambientales más influyentes sobre la distribución y abundancia de las especies.
• También puede ofrecer información sobre otras propiedades de las comunidades.
• Generalmente se combina con análisis de tipos de comunidades (clasificación).
Análisis de gradientes• Indirecto:
– Pretende determinar diferencias en composición.– Sólo utiliza la información de las especies en muestras.– La información de los factores ambientales puede
integrarse luego de un análisis posterior.
• Directo:– Pretende determinar relaciones entre composición y
factores ambientales.– Utiliza información de especies e información de
factores ambientales en el mismo proceso.
Más de 2 variables:8 especies x 4 muestras
• Especies S1 S2 S3 S4• Cardinals 1 0 0 3• roadrunners 1 0 0 0• bluebirds 3 2 0 0• phoebes 1 0 5 2• titmice 0 9 6 0• red-tails 1 0 0 0• chickadees 20 1 1 0• waxwings 66 0 0 0
Muestras en espacio de 3 especies
Análisis de componentes principales
Reducción de 3 a sólo 2 dimensiones
largo
ancho
Primer componente resume ambas variables:
Tamaño: largo + ancho
Otro ejemplo con 28 muestras y 3 variables
Variables = X1, X2, X3Muestras = a, b, c, …z
Relación lineal vs. no lineal
Relación lineal
Relación no lineal (binomial o normal)
Diversidad beta:
baja
Diversidad beta:
alta
Efecto de herradura
Torcedura del orden de los objetos en el espacio de ordenación con respecto a su orden real; problema de análisis de componentes principales cuando
diversidad beta es alta.
Otros tipos de técnicas de ordenación
• Análisis de correspondencia sin tendencias (Detrended Correspondence Analysis: DCA)– Reduce el efecto de herradura.– Pero puede generar artefactos no-interpretables
en ejes secundarios.
DCA
Otros tipos de ordenación
• Existen otros tipos que presentan ventajas y desventajas según sean las características de los datos a ordenarse:– NMS, CCA, PCoA, y otros.– Ver “The ordination webpage”