Paso a paso se va lejos 11222020 Estadstica

Paso a paso se va lejos 11/22/2020 Estadística Básica - Manuel Spínola 1

Introducción a la Estadística y Tipos de Estudios en Recursos Naturales 11/22/2020 Estadística Básica - Manuel Spínola 2

¿Por qué usamos la estadística? v La estadística puede ser usada como una herramienta objetiva para evaluar la confiabilidad de conclusiones basadas en datos (estadística inferencial). v La estadística puede ser usada para resumir información contenida en los datos (estadística descriptiva). v La estadística puede ser usada en el diseño de estudios y así maximizar la confiabilidad de las conclusiones. 11/22/2020 Estadística Básica - Manuel Spínola 3

¿Qué es lo que la estadística puede hacer por ti? v La estadística permite evaluar más críticamente nuestra investigación, así como la de otros investigadores. v En un contexto científico y riguroso, la estadística juega el papel de un juez imparcial que juzga si lo encontrado tiene “mérito”. v Ayuda a optimizar esfuerzos en el diseño e implementación de un estudio 11/22/2020 Estadística Básica - Manuel Spínola 4

¿Qué es lo que estadística no puede hacer por ti? v 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. v 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. 11/22/2020 Estadística Básica - Manuel Spínola 5

¿Qué es lo que estadística no puede hacer por ti? v 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 v Indicar significancia biológica § Significancia estadística no significancia biológica § La significancia biológica o práctica no tiene nada que ver con la significancia estadística 11/22/2020 Estadística Básica - Manuel Spínola 6

Tipos de Estudios en Recursos Naturales 11/22/2020 Estadística Básica - Manuel Spínola 7

Tipos de datos v 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. v Datos históricos § Datos que ya han sido colectados, pero muchas veces es cuestionable su utilidad para un problema específico. v 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. v 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 11/22/2020 Estadística Básica - Manuel Spínola 8

Tipos de Estudios v 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). v En el comienzo de 1920, se desarrollaron muchos métodos para el diseño y análisis de experimentos. v 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. v 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. 11/22/2020 Estadística Básica - Manuel Spínola 9

Tipos de Estudios Experimentos de Laboratorio Estudios Manipulativos (Eventos controlados por el observador) Experimentos de Campo Estudios Descriptivos Estudios Mensurativos (Eventos no controlados por el observador) 11/22/2020 Estudios Observacionales Estudios de Impacto Estadística Básica - Manuel Spínola 10

Tipo de inferencia o conclusión resultante de los diferentes tipos de estudio Débil Inferencia o Conclusión Descripción Robusta Causa-efecto Descriptivo - Observacional - Evaluación de Impacto - Experimento de campo - Experimento de Laboratorio 11/22/2020 Estadística Básica - Manuel Spínola 11

Estudios Descriptivos v Son aquellos que se utilizan para obtener cierta información sobre grupos, por ejemplo, para obtener medias o totales. v Muchos parámetros demográficos se obtiene con este tipo de estudios, tamaño de población, tasa de supervivencia, tasa de reclutamiento, etc. . v Se basan fuertemente en un protocolo de muestreo (ejemplo, muestreo aleatorio simple, muestreo aleatorio estratificado, etc. ) 11/22/2020 Estadística Básica - Manuel Spínola 12

Estudio Descriptivo Fragmento de bosque 11/22/2020 Estadística Básica - Manuel Spínola 13

Estudios Descriptivos Ejemplo v 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. 11/22/2020 Estadística Básica - Manuel Spínola 14

Estudio Observacional v Se les denomina también, estudios correlacionales, analíticos o erróneamente, “experimentos mensurativos”. v Se parecen a los experimentos en que son utilizados para examinar diferencias entre grupos. v También, como en el experimento, el primer paso es identificar potenciales variables explicativas (similares a los factores en el experimento) v Sin embargo, difieren de los experimentos en que los tratamientos no son asignados al azar. v La interpretación de los resultados tiene severas limitaciones. v Extraer conclusiones robustas es difícil porque los grupos difieren en muchas otros aspectos que el investigador no puede controlar. 11/22/2020 Estadística Básica - Manuel Spínola 15

Estudios Observacional Fragmentos sin tala selectiva Fragmentos con tala selectiva 11/22/2020 Estadística Básica - Manuel Spínola 16

Estudio Observacional Ejemplo v 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. 11/22/2020 Estadística Básica - Manuel Spínola 17

Estudios Observacionales v Se debe recordar que es altamente probable que los estudios observacionales estén expuesto a sesgos. v 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. v Tal como en el muestreo para propósitos descriptivos, se debe usar el muestreo para hacer inferencias sobre la población de interés (población objetivo) 11/22/2020 Estadística Básica - Manuel Spínola 18

Experimentos v El experimento es una investigación, en donde bajo condiciones controladas y repetidas, se busca una asociación entre los factores de tratamiento y variables respuesta. v Un diseño experimental es un protocolo para asignar tratamientos a una colección de unidades experimentales que representa una población de interés. v 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. 11/22/2020 Estadística Básica - Manuel Spínola 19

Estudio Experimental Unidad Observacional Unidad Experimental Fragmentos sin tala selectiva Fragmentos con tala selectiva 11/22/2020 Estadística Básica - Manuel Spínola 20

Estudios Experimentales Ejemplo v 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. 11/22/2020 Estadística Básica - Manuel Spínola 21

Experimentos v 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. v Cuando el control experimental (espaciales y temporales) están completamente ausentes, el término experimento no es aplicable. 11/22/2020 Estadística Básica - Manuel Spínola 22

Limitaciones de los Experimentos v 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 m 2. v 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. v 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. 11/22/2020 Estadística Básica - Manuel Spínola 23

Elementos fundamentales de un experimento v Control (puede entenderse como bloqueo o estratificación) v Replicación v Aleatorización v Estos elementos también aplican en los estudios observacionales 11/22/2020 Estadística Básica - Manuel Spínola 24

Control v 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. v En experimentación, los controles se definen como observaciones paralelas usadas para verificar los efectos de tratamientos experimentales. v Los controles son unidades experimentales que no reciben el tratamiento. v 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 Exclusión de venados No exclusión de venados Estadística Básica - Manuel Spínola 11/22/2020 25

Replicación v En experimentación, réplicas es la asignación del mismo tratamiento a más de una unidad experimental. v 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. v La submuestras no son muestras independientes y por lo tanto no son verdaderas réplicas. v 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 Tratamiento Control Réplica Submuestra No exclusión de venados 11/22/2020 Exclusión de venados Estadística Básica - Manuel Spínola 26

Propósitos de la Replicación v Controla el error estocástico o aleatorio v Ejemplo: otros factores no examinados pueden determinar el resultado del estudio v Incrementa la precisión de nuestros resultados v Incrementa la generalización de nuestros resultados v Si se incluyen varios sitios entonces se puede generalizar fácilmente a otros sitios no muestreados 11/22/2020 Estadística Básica - Manuel Spínola 27

Replicación v Muestras = Réplicas v Maximizar el número de muestras en el estudio. v Máximo número posible dada las limitaciones logísticas. v Uso de análisis de poder. v Sub-muestras = Pseudoréplicas v Las sub-muestras son consideradas pseudoréplicas si son tratadas como verdaderas réplicas en los análisis estadísticos. v Sub-muestras: son útiles para incrementar la precisión de nuestro estimado para la réplica en cuestión. v Se deben usar análisis estadísticos específicos para no cometer pseudoreplicación y poder obtener la mayor información contenida en los datos. 11/22/2020 Estadística Básica - Manuel Spínola 28

Pseudoreplicación v Replicación Incorrecta v Se realiza replicación de muestras, no de unidades observacionales o experimentales. v 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). v Las réplicas no son independientes. v La Pseudoreplicación viola un supuesto clave de la mayoría de los análisis estadísticos: independencia de las observaciones v Si las muestras son independientes se incrementa la credibilidad de los resultados. v Si evitamos la pseudoreplicación obtenemos mejores inferencias (mejora la calidad de los resultados de nuestro estudio). 11/22/2020 Estadística Básica - Manuel Spínola 29

Pseudoreplicación Ejemplos v Muchas muestras de un solo sitio v Estas son realmente submuestras. v Una única muestra de cada tratamiento o nivel del factor v En realidad son réplicas pero el tamaño de muestra es 1. v Una única muestra de un único sitio, pero replicada en el tiempo v Son muestras si la pregunta en cuestión es dependiente del tiempo. v Si no, es pseudoreplicación. 11/22/2020 Estadística Básica - Manuel Spínola 30

Pseudoreplicación Ejemplo: Efecto de la fertilización en el crecimiento de las orugas Árboles fertilizados Árboles no fertilizados La réplica (en este caso, la unidad experimental) es el árbol, no la oruga (sub-muestra) n = 2 (no 5) 11/22/2020 Estadística Básica - Manuel Spínola 31

Pseudoreplicación “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). Hurlbert, S. H. 1984. Pseudoreplication and the design of ecological field experiments. Ecol. Monogr. 54: 187 -211. 11/22/2020 Estadística Básica - Manuel Spínola 32

Tipos más comunes de Pseudoreplicación A. Pseudoreplicación simple x 1 y 1 x 2 x x 3 4 y 2 y 3 y 4 B. Pseudoreplicación de sacrificio y 1 y 2 x 1 x 2 y 3 y 4 x 3 x 4 C. Pseudoreplicación temporal x 1 x 2 y 1 y 2 11/22/2020 Tiempo x 3 x 4 y 3 y 4 Estadística Básica - Manuel Spínola 33

Pseudoreplicación Simple x 1 x 2 x x 3 4 y 1 y 2 y 3 y 4 La mayoría de los estudios en ecología involucra sólo una réplica de la variable de exposición o tratamiento (en el caso de un experimento) v La replicación es a menudo imposible o no deseada cuando se estudian ecosistemas grandes (lagos, cuencas, grandes áreas de bosques, ríos, etc. ) v Se toman muestras múltiples de la misma unidad observacional o experimental como si fueran verdaderas réplicas v Es deseable tener múltiples muestras porque se aumenta el poder de nuestro análisis v Sin embargo, esto no incrementa los grados de libertad para examinar los efectos del tratamiento o la variable de exposición 11/22/2020 Estadística Básica - Manuel Spínola 34

Pseudoreplicación simple Muestreo de un lago para determinar la densidad de nidos de un pez (nidos excavados en el sustrato del lago) Transectos seleccionados al azar dentro del segrmento de 100 m • 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. 11/22/2020 100 m de costa Estadística Básica - Manuel Spínola Para que haya réplicas debería haber 2 o más segmentos de 100 m de costa seleccionados aleatoriamente 35

Pseudoreplicación por Sacrificio y 1 y 2 x 1 x 2 y 3 y 4 x 3 x 4 v 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. v 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”. v Menos común que la pseudoreplicación simple. 11/22/2020 Estadística Básica - Manuel Spínola 36

Pseudoreplicación por sacrificio Mucho alimento 1 2 3 4 5 6 7 8 9 10 11 12 12 -1 (Incorrecto) 11/22/2020 Poco alimento Media 1 Media 2 Media 3 Media 4 Media 1 1 2 3 Media 2 4 5 6 Media 3 7 8 9 Media 4 10 11 12 4 -1 (Correcto) Estadística Básica - Manuel Spínola 12 -1 (Incorrecto) 37

Pseudoreplicación Temporal x 1 x 2 y 1 y 2 Tiempo x 3 x 4 y 3 y 4 v Se toman muestras múltiples en cada unidad observacional o experimental pero no simultáneamente sino secuencialmente a través del tiempo. v Las observaciones a través del tiempo son tomadas como verdaderas réplicas y se realizan pruebas estadísticas violando el supuesto de independencia. v 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. v El diseño es muy apropiado para muchas situaciones. El único problema es el considerar las observaciones como independientes. v Para evitar la pseudoreplicación temporal se debe usar la prueba estadística apropiada. 11/22/2020 Estadística Básica - Manuel Spínola 38

Aleatorización v Es un protocolo para asignar los sujetos experimentales al tratamiento para evitar la influencia de variables no controladas en el resultado del experimento. v 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 No exclusión de venados Tratamiento Exclusión de venados 11/22/2020 Estadística Básica - Manuel Spínola 39

Asegurando Independencia y evitando el efecto de factores ajenos al estudio Independencia v La falta de independencia puede hacer difícil la interpretación de los resultados y puede invalidar algunos análisis estadísticos. v 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. Falta de independencia Independencia Factores ajenos al estudio v Cuando los factores se confunden entre sí, sus efectos no pueden diferenciarse. 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. 11/22/2020 Estadística Básica - Manuel Spínola 40

Estudios de Impacto v Estudios que comparan alguna característica de interés en un sitio potencialmente afectado por algún factor con respecto a un sitio de referencia no afectado. v En su forma más simple 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. 11/22/2020 Estadística Básica - Manuel Spínola 41

Estudios de Impacto I. Contraste en un sitio antes / después Lago Efluente de planta industrial Lago v Es el diseño de impacto más simple. v Se realiza una medida antes y después de una perturbación potencial (derrame de petróleo, incendio forestal), donde, afortunadamente, se posee cierta información previa. v El investigador obtiene una sola medida de alguna variable de interés antes y después del evento. Fallas del diseño v 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. v 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. v El diseño no se puede usar si no se tiene información previa. 11/22/2020 Estadística Básica - Manuel Spínola 42

Estudios de Impacto II. Muestreo repetido antes / después en un solo sitio Efluente de planta industrial Tiempo 1 Tiempo 2 Tiempo 3 Tiempo 4 Tiempo 5 v Mejora el diseño anterior. v Se realizan varios medidas en diferentes puntos en el tiempo antes y después del evento. v El investigador obtiene información sobre la variabilidad natural en el tiempo. Tiempo 6 Fallas del diseño v 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. v Los cambios observados pueden deberse a tendencias temporales más que al efecto del evento. 11/22/2020 Estadística Básica - Manuel Spínola 43

Estudios de Impacto III. Antes / después y control / impacto (BACI) Tratamiento Efluente de planta industrial Control 11/22/2020 No efecto Antes Después Calidad de agua Antes Después Efecto Calidad de agua El diseño BACI más simple toma medidas antes y después en un control y un tratamiento. Calidad de agua v Antes Después Estadística Básica - Manuel Spínola Antes Después 44

Estudios de Impacto III. Antes / después y control / impacto (BACI) Fallas del diseño v 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. v 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. Tratamiento Antes Después 11/22/2020 Calidad de agua Control Calidad de agua v 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. Antes Después Estadística Básica - Manuel Spínola Antes Después 45

Estudios de Impacto III. Antes / después y control / impacto (BACI) v El diseño de impacto BACI se puede extender a otros diseños más complejos. 11/22/2020 Estadística Básica - Manuel Spínola 46

Impactos Accidentales v Los diseños de impacto BACI asumen que el estudio de impacto ambiental ocurre antes de que el impacto ocurre. v En los Impactos Accidentales no existe información previa al impacto. v Como el diseño BACI no son experimentos en el verdadero sentido del término. 11/22/2020 Estadística Básica - Manuel Spínola 47

Impactos Accidentales (algunos diseños) Densidad de almejas Diseño de referencia espacial de impacto No impacto Fuerte Ninguna Exposición Impacto Fuerte Ninguna Exposición No impacto Fuerte Ninguna Exposición 11/22/2020 Densidad de almejas Diseño de regresión espacial Impacto Fuerte Ninguna Exposición Estadística Básica - Manuel Spínola 48

Diferencias entre tipos de estudios v 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. v 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. 11/22/2020 Estadística Básica - Manuel Spínola 49

Grado de control Diferencias entre tipos de estudios Experimentos Estudios de Control-Impacto Estudios de Impacto Estudios Observacionales Estudios Descriptivos Robustez de la Inferencia 11/22/2020 Estadística Básica - Manuel Spínola 50

Estudios experimentales son más concluyentes que estudios observacionales o correlacionales Cierta Incierta Estudio de Campo Pseudoreplicado Estudio descriptivo (Historia Natural) Pequeño 11/22/2020 Experimento de Campo Replicado Experimento de campo Certeza de la Conclusión Experimento de laboratorio Estudio de Campo Experimento de Campo Pseudoreplicado Espacio Inferencial Estadística Básica - Manuel Spínola Estudio de Campo Replicado Experimento Natural Grande 51

Planeando 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. 11/22/2020 Estadística Básica - Manuel Spínola 52