12/05/2015estadística básica - manuel spínola1 paso a paso se va lejos
TRANSCRIPT
22/04/23 Estadística Básica - Manuel Spínola 1
Paso a paso se va lejos
22/04/23 Estadística Básica - Manuel Spínola 2
Introducción a la Estadística Introducción a la Estadística y Tipos de Estudios en y Tipos de Estudios en
Recursos NaturalesRecursos Naturales
Introducción a la Estadística Introducción a la Estadística y Tipos de Estudios en y Tipos de Estudios en
Recursos NaturalesRecursos Naturales
22/04/23 Estadística Básica - Manuel Spínola 3
¿Por qué usamos la estadística?¿Por qué usamos la estadística?
La estadística puede ser usada como una herramienta objetiva para evaluar la confiabilidad de conclusiones basadas en datos (estadística inferencial).
La estadística puede ser usada para resumir información contenida en los datos (estadística descriptiva).
La estadística puede ser usada en el diseño de estudios y así maximizar la confiabilidad de las conclusiones.
22/04/23 Estadística Básica - Manuel Spínola 4
¿Qué es lo que la estadística puede hacer por ti?¿Qué es lo que la estadística puede hacer por ti?
La estadística permite evaluar más críticamente nuestra investigación, así como la de otros investigadores.
En un contexto científico y riguroso, la estadística juega el papel de un juez imparcial que juzga si lo encontrado tiene “mérito”.
Ayuda a optimizar esfuerzos en el diseño e implementación de un estudio
22/04/23 Estadística Básica - Manuel Spínola 5
¿Qué es lo que estadística no puede hacer por ti?¿Qué es lo que estadística no puede hacer por ti?
La estadística no puede reemplazar el pensamiento y esfuerzo de trabajo que requiere una investigación científica.
Uno de los problemas con estadística es que cualquier método o técnica siempre obtiene un resultado, pero no hay nada en ese resultado que nos diga que el método fue mal empleado o que el resultado obtenido es erróneo.
No puede decirte la verdad
Como lo notara Sherlock Holmes, un resultado improbable es cualitativamente diferente de un resultado imposible: el primero ocurre raramente, el segundo no ocurre nunca.
Como lo improbable puede ocurrir, el análisis estadístico puede dar una respuesta equivocada.
No se puede confundir apoyo estadístico a un argumento como una declaración de la “verdad” definitiva.
La estadística sólo puede estimar la probabilidad de que un argumento es verdadero, sin embargo, esto es de gran ayuda.
22/04/23 Estadística Básica - Manuel Spínola 6
¿Qué es lo que estadística no puede hacer por ti?¿Qué es lo que estadística no puede hacer por ti?
Compensar por un mal diseño de estudio
Basura entra, basura sale.
Una limitación de la estadística es que no puede extraer información útil de datos “pobres”.
El tiempo para aplicar la estadística es antes de la colecta de los datos
Indicar significancia biológica
Significancia estadística no significa significancia biológica
La significancia biológica o práctica no tiene nada que ver con la significancia estadística
22/04/23 Estadística Básica - Manuel Spínola 7
Tipos de Estudios en Tipos de Estudios en Recursos NaturalesRecursos Naturales
Tipos de Estudios en Tipos de Estudios en Recursos NaturalesRecursos Naturales
22/04/23 Estadística Básica - Manuel Spínola 8
Tipos de datosTipos de datos
Datos anecdóticos Se basan en unos pocas observaciones colectadas sin ningún protocolo serio de
muestreo. Se asumen que los datos son representativos de un grupo mayor de
observaciones. Es muy difícil conocer cuán confiable o útil son estos datos.
Datos históricos Datos que ya han sido colectados, pero muchas veces es cuestionable su utilidad
para un problema específico.
Datos observacionales Datos colectados en un estudio no experimental. Pueden haber factores que
oscurecen su interpretación y que el investigador no puede controlar de una manera eficiente.
Datos experimentales Son datos provenientes de experimentos en donde se modifican los factores de
interés y se observa la respuesta. Se usan para demostrar causa-efecto
22/04/23 Estadística Básica - Manuel Spínola 9
Tipos de EstudiosTipos de Estudios
Lo que conocemos tradicionalmente como método científico se basa en la idea de la investigación experimental de una hipótesis (este es un concepto erróneo de lo que es la ciencia).
En el comienzo de 1920, se desarrollaron muchos métodos para el diseño y análisis de experimentos.
Sin embargo, en estudios de campo (tal como los que se implementan en recursos naturales) un enfoque estrictamente experimental es difícil (sino imposible) y caro.
En muchos casos, como alternativa, los objetivos de un estudio pueden ser alcanzados mediante diferentes procedimientos de muestreos, sin embargo, la inferencia resultante es más débil que la obtenida mediante experimentos.
22/04/23 Estadística Básica - Manuel Spínola 10
Tipos de EstudiosTipos de Estudios
Estudios Manipulativos
(Eventos controlados
por el observador)
Estudios Mensurativos(Eventos no controlados
por el observador)
Experimentos de Laboratorio
Experimentos de Campo
Estudios Descriptivos
Estudios Observacionales
Estudios de Impacto
22/04/23 Estadística Básica - Manuel Spínola 11
Tipo de inferencia o conclusión resultante de los Tipo de inferencia o conclusión resultante de los diferentes tipos de estudiodiferentes tipos de estudio
Descriptivo - Observacional - Evaluación de Impacto - Experimento de campo - Experimento de Laboratorio
Descripción Causa-efecto
Débil RobustaInferencia o Conclusión
22/04/23 Estadística Básica - Manuel Spínola 12
Estudios DescriptivosEstudios Descriptivos
Son aquellos que se utilizan para obtener cierta información sobre grupos, por ejemplo, para obtener medias o totales.
Muchos parámetros demográficos se obtiene con este tipo de estudios, tamaño de población, tasa de supervivencia, tasa de reclutamiento, etc..
Se basan fuertemente en un protocolo de muestreo (ejemplo, muestreo aleatorio simple, muestreo aleatorio estratificado, etc.)
22/04/23 Estadística Básica - Manuel Spínola 13
Estudio DescriptivoEstudio Descriptivo
Fragmento de bosque
22/04/23 Estadística Básica - Manuel Spínola 14
Estudios DescriptivosEstudios Descriptivos
Un biólogo está interesado en estimar la población de una especie de salamandra en un fragmento de bosque.
Objetivo: evaluar el estado poblacional de una especie de salamandra
Medida: densidad de salamandras
Diseño: serie de parcelas son colocadas aleatoriamente dentro del fragmento y se realiza captura-recaptura.
Resultado: se reporta la densidad de salamandras con una medida de precisión (error estándar o intervalo de confianza).
Comentario: no hay variables explicativas y no hay comparación con otras áreas. La inferencia es sólo posible hacia el área estudiada, no es posible hacer inferencia hacia otras áreas.
Ejemplo
22/04/23 Estadística Básica - Manuel Spínola 15
Estudio ObservacionalEstudio Observacional
Se les denomina también, estudios correlacionales, analíticos o erróneamente, “experimentos mensurativos”.
Se parecen a los experimentos en que son utilizados para examinar diferencias entre grupos.
También, como en el experimento, el primer paso es identificar potenciales variables explicativas (similares a los factores en el experimento)
Sin embargo, difieren de los experimentos en que los tratamientos no son asignados al azar.
La interpretación de los resultados tiene severas limitaciones.
Extraer conclusiones robustas es difícil porque los grupos difieren en muchas otros aspectos que el investigador no puede controlar.
22/04/23 Estadística Básica - Manuel Spínola 16
Estudios ObservacionalEstudios Observacional
Fragmentos sin tala selectiva
Fragmentos con tala selectiva
22/04/23 Estadística Básica - Manuel Spínola 17
Estudio ObservacionalEstudio Observacional
El biólogo está interesado en examinar el impacto de la tala selectiva sobre las poblaciones de una especie de salamandra.
Objetivo: medir el impacto de la tala selectiva sobre las poblaciones de una especie de salamandra
Medida: densidad de población de salamandras
Diseño: fragmentos son seleccionados al azar dentro de cada factor (con tala selectiva y sin tala selectiva) en una región y una serie de parcelas son colocadas aleatoriamente dentro de cada fragmento seleccionado y se mide la densidad poblacional mediante la técnica de captura-recaptura.
Resultado: se reporta la densidad media de salamandras para cada factor con una medida de precisión (error estándar o intervalo de confianza). Se procede a comparar las 2 medias usando la variabilidad dentro de cada fragmento y entre fragmentos dentro del mismo factor.
Comentario: La variable explicativa es tala selectiva o no. La comparación fue hecha sobre una población de fragmentos de una región. Difiere de un estudio experimental en que la tala en cada fragmento no puede ser manejada por el investigador. Los resultados observados pueden deberse a un factor desconocido que no fue medido.
Ejemplo
22/04/23 Estadística Básica - Manuel Spínola 18
Estudios ObservacionalesEstudios Observacionales
Se debe recordar que es altamente probable que los estudios observacionales estén expuesto a sesgos.
Tal como en la experimentación, se necesita del uso de métodos estadísticos para distinguir “desconfirmación” de la variación aleatoria entre los individuos o elementos observados.
Tal como en el muestreo para propósitos descriptivos, se debe usar el muestreo para hacer inferencias sobre la población de interés (población objetivo)
22/04/23 Estadística Básica - Manuel Spínola 19
ExperimentosExperimentos
El experimento es una investigación, en donde bajo condiciones controladas y repetidas, se busca una asociación entre los factores de tratamiento y variables respuesta.
Un diseño experimental es un protocolo para asignar tratamientos a una colección de unidades experimentales que representa una población de interés.
Lo que hace a un diseño “experimental” es que la asignación de tratamientos está bajo el control del investigador, y es esto lo que lo distingue de los estudios observacionales.
22/04/23 Estadística Básica - Manuel Spínola 20
Estudio ExperimentalEstudio Experimental
Fragmentos sin tala selectiva
Fragmentos con tala selectiva
Unidad Observacional
Unidad Experimental
22/04/23 Estadística Básica - Manuel Spínola 21
Estudios ExperimentalesEstudios Experimentales
El biólogo está interesado en examinar el impacto de la tala selectiva sobre las poblaciones de una especie de salamandra.
Objetivo: medir el impacto de la tala selectiva sobre las poblaciones de una especie de salamandra
Medida: densidad de población de salamandras
Diseño: fragmentos son seleccionados al azar dentro de una región con numerosos fragmentos, de esa muestra de fragmentos se adjudica al azar cual fragmento será sometido a tala selectiva y cual no. En cada fragmento con diferente tratamiento se ubican al azar una serie de parcelas y se mide la densidad poblacional mediante la técnica de captura-recaptura.
Resultado: se reporta la densidad media de salamandras para cada factor con una medida de precisión (error estándar o intervalo de confianza). Se procede a comparar las 2 medias usando la variabilidad dentro de cada fragmento y entre fragmentos dentro del mismo factor.
Comentario: La variable explicativa es tala selectiva o no. La comparación fue hecha sobre una población de fragmentos de una región. Como los fragmentos fueron adjudicados aleatoriamente, los efectos de otro factor no controlado será igual en promedio. La diferencia con el estudio observacional es que en este caso (el experimento) el investigador tiene control sobre el tratamiento y puede asignar de manera aleatoria las unidades experimentales a cada tipo de tratamiento.
Ejemplo
22/04/23 Estadística Básica - Manuel Spínola 22
ExperimentosExperimentos
En los experimentos hay dos procesos de aleatorización: (1) la selección aleatoria de unidades experimentales de una población de interés (utilizando los diseños vistos en la primera parte de la clase), y (2) la asignación al azar de o los tratamientos a las unidades experimentales.
Cuando el control experimental (espaciales y temporales) están completamente ausentes, el término experimento no es aplicable.
22/04/23 Estadística Básica - Manuel Spínola 23
Limitaciones de los ExperimentosLimitaciones de los Experimentos
Escala: es muy difícil implementar experimentos a gran escala.
Más del 80% de experimentos de campo han sido realizados en cuadrantes de menos de 1 m2.
Tamaño del elemento de estudio: los experimentos están generalmente restringidos a organismos pequeños que son más fáciles de manipular.
El implementar un experimento sobre la interacción de una especie de araña y sus presas puede ser posible, pero es muy difícil desarrollar un experimento sobre la interacción de pumas y guatusas.
Diseño: en muchos casos los requerimientos de un diseño experimental son muy difíciles de implementar.
Si queremos conocer la interacción entre 8 especies de arañas, sería logísticamente difícil llegar a combinar todos los posibles arreglos experimentales, incluyendo sus réplicas.
22/04/23 Estadística Básica - Manuel Spínola 24
Elementos fundamentales de un experimentoElementos fundamentales de un experimento
Control (puede entenderse como bloqueo o estratificación)
Replicación
Aleatorización
Estos elementos también aplican en los estudios observacionales
22/04/23 Estadística Básica - Manuel Spínola 25
ControlControl
En experimentación, los tratamientos son aplicados a unidades experimentales, con la idea de que el efecto del tratamiento es observado a través de la comparación de muestras tratadas y no tratadas.
En experimentación, los controles se definen como observaciones paralelas usadas para verificar los efectos de tratamientos experimentales.
Los controles son unidades experimentales que no reciben el tratamiento.
Los controles son usados para eliminar los efectos de factores ajenos que pueden influenciar los resultados o conclusiones.
Efecto de los venados sobre la regeneración del bosque
Control Tratamiento
No exclusión de venados Exclusión de venados
22/04/23 Estadística Básica - Manuel Spínola 26
ReplicaciónReplicación
En experimentación, réplicas es la asignación del mismo tratamiento a más de una unidad experimental.
Por razones logísticas se pueden medir numerosas submuestras cercanas entre sí dentro de una unidad experimental. Sin embargo, se debe distinguir estas submuestra de lo que son muestras independientes.
La submuestras no son muestras independientes y por lo tanto no son verdaderas réplicas.
Como regla general, aumentar el número de réplicas por tratamiento aumenta la precisión del estimados del efecto del tratamiento e incrementa la potencia de la prueba estadística.
Efecto de venados sobre la regeneración del bosque
Control TratamientoRéplica
No exclusión de venados Exclusión de venados
Submuestra
22/04/23 Estadística Básica - Manuel Spínola 27
Propósitos de la ReplicaciónPropósitos de la Replicación
Controla el error estocástico o aleatorio
Ejemplo: otros factores no examinados pueden determinar el resultado del estudio
Incrementa la precisión de nuestros resultados
Incrementa la generalización de nuestros resultados
Si se incluyen varios sitios entonces se puede generalizar fácilmente a otros sitios no muestreados
22/04/23 Estadística Básica - Manuel Spínola 28
ReplicaciónReplicación
Muestras = Réplicas
Maximizar el número de muestras en el estudio.
Máximo número posible dada las limitaciones logísticas.
Uso de análisis de poder.
Sub-muestras = Pseudoréplicas
Las sub-muestras son consideradas pseudoréplicas si son tratadas como verdaderas réplicas en los análisis estadísticos.
Sub-muestras: son útiles para incrementar la precisión de nuestro estimado para la réplica en cuestión.
Se deben usar análisis estadísticos específicos para no cometer pseudoreplicación y poder obtener la mayor información contenida en los datos.
22/04/23 Estadística Básica - Manuel Spínola 29
PseudoreplicaciónPseudoreplicación
Replicación Incorrecta Se realiza replicación de muestras, no de unidades observacionales o
experimentales.
El tamaño de muestra (n) se infla artificialmente por medidas repetidas tomadas en las mismas unidades observacionales o experimentales (relación con los grados de libertad).
Las réplicas no son independientes.
La Pseudoreplicación viola un supuesto clave de la mayoría de los análisis estadísticos: independencia de las observaciones Si las muestras son independientes se incrementa la credibilidad de los
resultados.
Si evitamos la pseudoreplicación obtenemos mejores inferencias (mejora la calidad de los resultados de nuestro estudio).
22/04/23 Estadística Básica - Manuel Spínola 30
PseudoreplicaciónPseudoreplicación
Muchas muestras de un solo sitio
Estas son realmente submuestras.
Una única muestra de cada tratamiento o nivel del factor
En realidad son réplicas pero el tamaño de muestra es 1.
Una única muestra de un único sitio, pero replicada en el tiempo
Son muestras si la pregunta en cuestión es dependiente del tiempo.
Si no, es pseudoreplicación.
Ejemplos
22/04/23 Estadística Básica - Manuel Spínola 31
PseudoreplicaciónPseudoreplicación
Árboles fertilizados
Árboles no fertilizados
Ejemplo: Efecto de la fertilización en el crecimiento de las orugas
La réplica (en este caso, la unidad experimental) es el árbol, no la oruga (sub-muestra)
n = 2 (no 5)
22/04/23 Estadística Básica - Manuel Spínola 32
PseudoreplicaciónPseudoreplicación
Hurlbert, S.H. 1984. Pseudoreplication and the design of ecological field experiments. Ecol. Monogr. 54: 187-211.
“La pseudoreplicación es el uso de la estadística inferencial para evaluar el efecto de tratamientos con datos de experimentos donde los tratamientos no son replicados (aunque las muestras si pueden ser replicadas) o las réplicas no son estadísticamente independientes” (Hurlbert 1984).
“La pseudoreplicación no se refiere a un problema en el diseño experimental (o muestreo) sino a una combinación particular del diseño experimental (o muestreo) y el análisis estadístico que hace inapropiado la prueba de hipótesis de interés” (Hurlbert 1984).
22/04/23 Estadística Básica - Manuel Spínola 33
Tipos más comunes de PseudoreplicaciónTipos más comunes de Pseudoreplicación
A. Pseudoreplicación simple
B. Pseudoreplicación de sacrificio
C. Pseudoreplicación temporal
x1 x2 x3 x4
y1 y2 y3 y4
x1 x2x3 x4
y1 y2 y3 y4
x1 x2 Tiempox3 x4
y1 y2 y3 y4
22/04/23 Estadística Básica - Manuel Spínola 34
Pseudoreplicación SimplePseudoreplicación Simple
x1 x2 x3 x4
y1 y2 y3 y4
La mayoría de los estudios en ecología involucra sólo una réplica de la variable de exposición o tratamiento (en el caso de un experimento)
La replicación es a menudo imposible o no deseada cuando se estudian ecosistemas grandes (lagos, cuencas, grandes áreas de bosques, ríos, etc.)
Se toman muestras múltiples de la misma unidad observacional o experimental como si fueran verdaderas réplicas
Es deseable tener múltiples muestras porque se aumenta el poder de nuestro análisis
Sin embargo, esto no incrementa los grados de libertad para examinar los efectos del tratamiento o la variable de exposición
22/04/23 Estadística Básica - Manuel Spínola 35
Pseudoreplicación simplePseudoreplicación simple
100 m de costa
Muestreo de un lago para determinar la densidad de nidos de un pez (nidos excavados en el sustrato del lago)
• Hay pseudoreplicación si se quiere hacer inferencia a todo el lago.
• No hay replicas, sólo hay 6 submuestras en un sector de 100 m del lago.
Para que haya réplicas debería haber 2 o más
segmentos de 100 m de costa seleccionados
aleatoriamente
Transectos seleccionados al azar dentro del segrmento
de 100 m
22/04/23 Estadística Básica - Manuel Spínola 36
Pseudoreplicación por SacrificioPseudoreplicación por Sacrificio
En este caso existen verdaderas réplicas de las unidades observacionales o experimentales, pero los datos son colapsados previo al análisis estadístico o las observaciones (muestras) o medidas dentro de cada unidad observacional o experimental son tratadas como réplicas independientes.
La información sobre la varianza entre réplicas existe en los datos originales, pero se confunde con la varianza entre muestras (dentro de las réplicas) o se pierde cuando las muestras de las réplicas son colapsadas (pooled), de aquí el nombre de “sacrificio”.
Menos común que la pseudoreplicación simple.
x1 x2x3 x4
y1 y2 y3 y4
22/04/23 Estadística Básica - Manuel Spínola 37
Pseudoreplicación por sacrificioPseudoreplicación por sacrificio
Mucho alimento Poco alimento
1 2 3
4 5 6
7 8 9
10 11 12
Media 1
Media 2
Media 3
Media 4
Media 1
Media 2
Media 3
Media 4
1 2 3
4 5 6
7 8 9
10 11 12
12-1 (Incorrecto) 12-1 (Incorrecto)4-1 (Correcto) 4-1 (Correcto)
22/04/23 Estadística Básica - Manuel Spínola 38
Pseudoreplicación TemporalPseudoreplicación Temporal
Se toman muestras múltiples en cada unidad observacional o experimental pero no simultáneamente sino secuencialmente a través del tiempo.
Las observaciones a través del tiempo son tomadas como verdaderas réplicas y se realizan pruebas estadísticas violando el supuesto de independencia.
Las muestras sucesivas de una única unidad están obviamente correlacionadas (autocorrelación) y por lo tanto se corre el riesgo de obtener efectos espurios, es decir, no relacionados a la variable de interés.
El diseño es muy apropiado para muchas situaciones. El único problema es el considerar las observaciones como independientes.
Para evitar la pseudoreplicación temporal se debe usar la prueba estadística apropiada.
x1 x2 Tiempox3 x4
y1 y2 y3 y4
22/04/23 Estadística Básica - Manuel Spínola 39
AleatorizaciónAleatorización
Es un protocolo para asignar los sujetos experimentales al tratamiento para evitar la influencia de variables no controladas en el resultado del experimento.
También promueve la adecuada dispersión de las unidades experimentales y la independencia del efecto del tratamiento.
Efecto de venados sobre la regeneración del bosque
Control
Tratamiento
No exclusión de venados
Exclusión de venados
22/04/23 Estadística Básica - Manuel Spínola 40
Asegurando Independencia y evitando el efecto de factores ajenos al estudioAsegurando Independencia y evitando el efecto de factores ajenos al estudio
Factores ajenos al estudio
Independencia
La falta de independencia puede hacer difícil la interpretación de los resultados y puede invalidar algunos análisis estadísticos.
La mejor manera de asegurarse la independencia es que las unidades experimentales o muestrales sean separadas por suficiente espacio o tiempo para que no se afecten unas a otras.
Cuando los factores se confunden entre sí, sus efectos no pueden diferenciarse.
Falta de independencia Independencia
Más cálido Más frío Más cálido Más frío
La réplicación y aleatorización ayudan a solucionar los problemas resultantes de la falta de independencia y el efecto de factores externos al estudio.
22/04/23 Estadística Básica - Manuel Spínola 41
Estudios de ImpactoEstudios de Impacto
Estudios que comparan alguna característica de interés en un sitio potencialmente afectado por algún factor con respecto a un sitio de referencia no afectado.
En su forma más simple este estudio no provee bases para hacer inferencias porque el sitio de referencia puede diferir del sitio afectado por diversas razones además del efecto de interés.
22/04/23 Estadística Básica - Manuel Spínola 42
Estudios de Impacto Estudios de Impacto I. Contraste en un sitio antes / despuésI. Contraste en un sitio antes / después
Es el diseño de impacto más simple.
Se realiza una medida antes y después de una perturbación potencial (derrame de petróleo, incendio forestal), donde, afortunadamente, se posee cierta información previa.
El investigador obtiene una sola medida de alguna variable de interés antes y después del evento.
Efluente de planta industrial
Fallas del diseño
Pude que no haya ninguna relación entre el evento ocurrido y los cambios en la variable de interés, el cambio puede haber resultado por coincidencia.
No se tiene información sobre la variabilidad natural de la calidad del agua en el tiempo, por lo que los cambios se pueden deber a fluctuaciones temporales.
El diseño no se puede usar si no se tiene información previa.
Lago Lago
22/04/23 Estadística Básica - Manuel Spínola 43
Estudios de Impacto Estudios de Impacto II. Muestreo repetido antes / después en un solo sitioII. Muestreo repetido antes / después en un solo sitio
Mejora el diseño anterior.
Se realizan varios medidas en diferentes puntos en el tiempo antes y después del evento.
El investigador obtiene información sobre la variabilidad natural en el tiempo.
Efluente de planta industrial
Fallas del diseño
A pesar de las medidas repetidas el diseño sufre de la misma falla que el diseño previo. Las medidas repetidas son pseudo-replicas en el tiempo en vez de ser verdaderas réplicas.
Los cambios observados pueden deberse a tendencias temporales más que al efecto del evento.
Tiempo 1 Tiempo 2 Tiempo 3 Tiempo 4 Tiempo 5 Tiempo 6
22/04/23 Estadística Básica - Manuel Spínola 44
Estudios de Impacto Estudios de Impacto III. Antes / después y control / impacto (BACI)III. Antes / después y control / impacto (BACI)
Efluente de planta industrial
El diseño BACI más simple toma medidas antes y después en un control y un tratamiento.
Cal
idad
de
agu
a
Antes Después
Cal
idad
de
agu
a
Antes Después
Cal
idad
de
agu
a
Antes Después
Cal
idad
de
agu
a
Antes Después
Efecto
No efecto
Control
Tratamiento
22/04/23 Estadística Básica - Manuel Spínola 45
Estudios de Impacto Estudios de Impacto III. Antes / después y control / impacto (BACI)III. Antes / después y control / impacto (BACI)
Los sitios de impacto no fueron escogidos al azar, por lo tanto es posible que las diferencias observadas se deban a otro factor que también difiere entre los 2 sitios.
Este tipo de problema puede ser reducido por monitorear varios sitios y si la diferencia es más que la que se esperaría basada en los múltiples sitios control, entonces se puede argumentar que realmente ha habido un impacto.
Un segundo problema en este tipo de diseño cuando se toma una muestra antes y después de impacto es que puede fallar en reconocer la variación natural en la variable de interés que no está relacionada con el impacto del evento.
Fallas del diseño
Cal
idad
de
agu
a
Antes Después
Cal
idad
de
agu
a
Antes Después
Cal
idad
de
agu
a
Antes Después
Control
Tratamiento
22/04/23 Estadística Básica - Manuel Spínola 46
Estudios de Impacto Estudios de Impacto III. Antes / después y control / impacto (BACI)III. Antes / después y control / impacto (BACI)
El diseño de impacto BACI se puede extender a otros diseños más complejos.
22/04/23 Estadística Básica - Manuel Spínola 47
Impactos AccidentalesImpactos Accidentales
Los diseños de impacto BACI asumen que el estudio de impacto ambiental ocurre antes de que el impacto ocurre.
En los Impactos Accidentales no existe información previa al impacto.
Como el diseño BACI no son experimentos en el verdadero sentido del término.
22/04/23 Estadística Básica - Manuel Spínola 48
Impactos Accidentales (algunos diseños)Impactos Accidentales (algunos diseños)Diseño de referencia espacial de impacto
Den
sid
ad d
e al
mej
as
Fuerte Ninguna
Exposición
Den
sid
ad d
e al
mej
as
Fuerte Ninguna
Exposición
No impacto Impacto
Diseño de regresión espacial
Den
sid
ad d
e al
mej
as
Fuerte Ninguna
Exposición
No impacto
Den
sid
ad d
e al
mej
as
Fuerte Ninguna
Exposición
Impacto
22/04/23 Estadística Básica - Manuel Spínola 49
Diferencias entre tipos de estudiosDiferencias entre tipos de estudios
Los tipos de estudios difieren en el nivel de control sobre le factor explicativo. En estudios descriptivos se tiene el menor control, mientras que en los experimentos se tiene el mayor control.
Los tipos de estudios difieren en el grado de extrapolación a otros escenarios. En estudios descriptivos la inferencia es limitada a aquella población muestreada, mientras que en experimentos las inferencias tienden a tener mayor amplitud.
22/04/23 Estadística Básica - Manuel Spínola 50
Diferencias entre tipos de estudiosDiferencias entre tipos de estudios
Experimentos
Estudios de Control-Impacto
Estudios Observacionales
Estudios Descriptivos
Estudios de Impacto
Gra
do
de
con
tro
l
Robustez de la Inferencia
22/04/23 Estadística Básica - Manuel Spínola 51
Estudios experimentales son más concluyentes que Estudios experimentales son más concluyentes que estudios observacionales o correlacionalesestudios observacionales o correlacionales
Certeza de la Conclusión
Experimento de laboratorio
Estudio descriptivo
(Historia Natural)
Experimento Natural
Experimento de Campo
Pseudoreplicado
Espacio Inferencial
Cierta
Incierta
Estudio de CampoEstudio de
Campo Pseudoreplicado
Estudio de Campo
Replicado
Experimento de Campo
Replicado
Pequeño Grande
Experim
ento de campo
22/04/23 Estadística Básica - Manuel Spínola 52
Planeando un estudio en recursos naturalesPlaneando un estudio en recursos naturales
1. Formular un(a) claro(a) objetivo(s) o hipótesis.
2. Asegurar que se establecen controles.
3. Estratificar en espacio y tiempo.
4. Tener replicas dentro de cada combinación de tiempo, espacio y cualquier otra variable controlada.
5. Determinar el tamaño de una diferencia biológicamente significativa.
6. Estimar tamaño de muestra requerido.
7. Ubicar las unidades de muestreo con un protocolo probabilístico.
8. Realizar un muestreo piloto para asegurarse que el diseño y los métodos de muestreo son apropiados.
9. Mantener una buena calidad del estudio a través del tiempo.
10. Corroborar los supuestos del análisis estadístico que se va a usar.