Estadísticas en ecología Páginas 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: H 0 : 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 = x 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 roadrunners bluebirds phoebes titmice red-tails chickadees waxwings

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, X3 Muestras = 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”