Estadísticas en ecología

1. Estadísticas en ecología Páginas 45-56 en Ruokolainen et al 2004

2. 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.

3. 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).

4. Relación entre 2 variables

5. 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)

6. Correlación Y = a + bX

7. 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.

8. Regresión lineal Variable dependiente +datos ▀ predicciones Variable independiente y = 18.5 + 12.9x

9. Cuando tratamos con más de 2 variables

10. 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).

12. 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.

13. Más de 2 variables:8 especies x 4 muestras • EspeciesS1 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

14. Muestras en espacio de 3 especies

15. Análisis de componentes principales

16. Reducción de 3 a sólo 2 dimensiones

19. ancho largo

20. Primer componente resume ambas variables: Tamaño: largo + ancho

21. Otro ejemplo con 28 muestras y 3 variables Variables = X1, X2, X3 Muestras = a, b, c, …z

26. Relación lineal vs. no lineal

27. Relación lineal

28. Relación no lineal (binomial o normal)

29. Diversidad beta: baja Diversidad beta: alta

30. 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.

32. 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.

33. DCA

34. 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”