You are on page 1of 53

CUADERNO DE PRCTICAS DE

ECOLOGA
(2 grado en Biologa)

DEPARTAMENTO ECOLOGA
UNIVERSIDAD DE ALCAL

NDICE
Mtodos de Investigacin en Ecologa ...

pgina
5

1. El mtodo cientfico en ecologa....

2. Valoracin emprica de la hiptesis ......

2.1. Tipos de estudio .........

3. Seleccin de variables ....

4. Estrategia de recogida de datos .......

10

4.1 Diseos experimentales

10

4.2 Diseo de muestreos ..

12

5. Bibliografa ....

15

6. Apendice: Ficha para guiar el diseo de un muestreo ......

16

Mtodos de Anlisis de datos en Ecologa ....

17

1. Introduccin ......

19

1.1 Distribuciones de datos ..........

19

2.2. Pruebas de contraste de hiptesis ......

21

2. Asociacin entre variables cualitativas: test de la ..

22

3. Tests de comparacin de dos medias ..

24

3.1 Test t de Student .............

25

3.2 Test U de Mann-Whitney........

26

4. Tests de comparacin de ms de dos medias

28

4.1 Anlisis de la Varianza (ANOVA) .............

28

4.2 Anlisis de Kruskall-Wallis ....................

30

5. Asociacin entre variables cuantitativas ......

32

5.1 Coeficientes de Correlacin: Pearson y Spearman .......

32

5.2 Regresin ......

35

Elaboracin de un trabajo cientfico en Ecologa .....

37

Presentacin de los Resultados en la Memoria Cientfica

43

MTODOS DE INVESTIGACIN EN
ECOLOGA

Prcticas de Ecologa

1. EL MTODO CIENTFICO EN ECOLOGA


El mtodo cientfico arranca de un hecho de observacin: un fenmeno de la
naturaleza, un comportamiento, etc nos llama la atencin. Nuestra inquietud naturalista nos
induce a ofrecer una explicacin, y a querer saber si realmente estamos en lo cierto o no. Para
que los esfuerzos de distintas personas contribuyan a una mayor comprensin de cmo
funciona la naturaleza hemos de seguir un mtodo comn. De esa manera nuestras
interpretaciones sern comparables entre s, y las distintas interpretaciones podrn ser
comprobadas en cualquier momento. Este mtodo se denomina Mtodo Cientfico, y lo
emplea un gran nmero de disciplinas, tanto experimentales como no experimentales. En cada
una de ellas adquiere particularidades propias dependiendo del objeto de estudio. En nuestro
caso veremos cmo el mtodo cientfico se aplica en Ecologa. Las fases, en general, son:
- Definicin del problema y revisin de antecedentes
- Planteamiento de hiptesis
- Valoracin emprica de la hiptesis
- Interpretacin: aceptacin o rechazo de la hiptesis

Planteamiento del problema


Antecedentes
Hiptesis

Valoracin emprica de la hiptesis:


Diseo del estudio
Toma de datos
Anlisis de los datos

Rechazamos
Hecol

Interpretacin de los resultados:


aceptacin o rechazo de la hiptesis

Aceptamos
Hecol

Figura 1. Las fases del mtodo cientfico en Ecologa.

En Ecologa la obtencin de datos empricos implica el realizar muestreos de campo o


experimentos, como muestra la Figura 1. La aceptacin final de nuestra hiptesis implicar
que nuestros resultados formarn parte de los antecedentes que otras personas habrn de
consultar. El rechazo de la hiptesis, siempre que el diseo experimental, la toma y anlisis de
datos sean correctos, implica que hay que buscar una nueva hiptesis y valorarla con un
nuevo experimento o muestreo. Esto puede dar lugar al planteamiento de nuevas y ms
interesantes hiptesis. Este es el modo en que se construye la ciencia, por ensayo y error. Hay
que subrayar que nunca se demuestra la veracidad de las hiptesis sino su falsedad, es decir,
una interpretacin o teora se mantiene hasta que se demuestra que es falsa. Por ltimo, para
que se pueda construir un cuerpo de conocimiento cada investigador debe dar a conocer sus
resultados, de donde surge el informe cientfico, con su estructura particular.

2. VALORACIN EMPRICA DE LA HIPTESIS


La valoracin emprica de la hiptesis es la fase clave en la respuesta a nuestra
pregunta ecolgica. La primera decisin a tomar es si lo ms adecuado para contrastar nuestra
hiptesis es hacer un estudio observacional o experimental, es decir, si vamos a plantear un
muestreo de campo o un experimento. En ambos casos habr que determinar qu variables se
van a medir, cmo se van a recoger los datos (es decir, qu tipo de muestreo o de experimento
se va a llevar a cabo), y cules van a ser los anlisis que se van a realizar para poder responder
a nuestra pregunta. Una vez tomadas estas decisiones podremos hacer la recogida efectiva de
los datos y su anlisis (Figura 2).

Diseo del estudio

Seleccin tipo de estudio

(observacional o experimental)

Seleccin de
variables

Estrategia de recogida
de datos

Eleccin tipo de
anlisis de datos

Toma de datos

Anlisis de datos
Figura 2. Esquema detallado de la fase de valoracin emprica de la hiptesis.

2.1. Tipos de estudio


Los principales tipos de estudio en Ecologa son observacionales y experimentales. En
realidad constituyen los dos extremos de un gradiente de control de las condiciones. En el
estudio observacional hay un escaso o nulo control de los factores ambientales. En cambio en
el estudio experimental el investigador controla prcticamente todos los factores que pueden
interferir en la problemtica que est estudiando, mantenindolos todos constantes excepto el
que le interesa. Cada uno presenta ventajas e inconvenientes, tal como se representa en la
Figura 3. Segn la pregunta que se pretenda responder ser ms conveniente uno u otro, o
bien cualquiera de las diferentes posiciones a lo largo del gradiente entre ambos extremos (por
ejemplo experimentos en campo).

Observacional

Experimental

Escaso/nulo control de los


factores ambientales

Permite detectar relaciones, procesos y


patrones
Posibilita estudios a mltiples escalas
espaciales
Dificulta la demostracin de relaciones causaefecto
Realidad a veces excesivamente compleja

Gran control de los


factores ambientales

Permite demostrar relaciones causa-efecto


La escala espacial de los estudios que
permite abordar es reducida
Realidad a veces excesivamente
simplificada

Figura 3. Caractersticas de los estudios observacionales y experimentales.

3. SELECCIN DE VARIABLES
Una vez hemos decidido cul es la mejor manera de abordar nuestro problema ecolgico
(experimento o muestreo de campo), hemos de concretar qu variables hemos de considerar
para responder ms adecuadamente a nuestra pregunta. Las variables son caractersticas
observables que se desea estudiar (medir, controlar o manipular), y que pueden tomar
diferentes valores. Se pueden clasificar principalmente de dos formas:
9

1 - Atendiendo al papel que cumplen en la hiptesis propuesta:


INDEPENDIENTES:
DEPENDIENTES o RESPUESTA:

Son las que el investigador considera


responsables del fenmeno que se estudia
(factores)
Son las que el investigador mide para
cuantificar el fenmeno estudiado, y comprobar
si efectivamente son las variables independientes
las responsables de dicho fenmeno

2- Atendiendo al tipo de medida que se les puede aplicar:


VARIABLES

DEFINICIN

CUALITATIVAS

Toman valores no
numricos

CUANTITATIVAS

Toman valores
numricos

SUBTIPOS
Dicotmicas

EJEMPLOS
Sexo

No dicotmicas

Raza, color de pelo

Discretas

N de descendientes

Continuas

Peso

Ejemplos:
1. Hiptesis ecolgica: la vegetacin reduce la desecacin del suelo, y por tanto en zonas con
vegetacin habr ms humedad que en zonas sin ella.
Variables: presencia/ausencia de vegetacin (independiente, cualitativa con dos
estados); humedad del suelo (dependiente, cuantitativa).
2. Hiptesis ecolgica: la mayor disponibilidad de agua en el suelo hace que la vegetacin
crezca ms, por lo tanto distintas cantidades de agua aadidas al suelo en forma de riego
producirn distinta respuesta de crecimiento.
Variables: niveles de riego (p.e. 0.5 l/da, 2 l./da y 5 l/da, independiente, cualitativa
con tres estados); incremento en altura (dependiente, cuantitativa).

4. ESTRATEGIA DE RECOGIDA DE DATOS


Segn hayamos decidido realizar un estudio observacional o experimental tendremos
que decidir la estrategia de recogida de datos, es decir, tendremos que disear el experimento
o el muestreo ms adecuado para contestar a nuestra pregunta ecolgica. Vamos a ver ahora
en detalle los tipos de experimentos y de muestreos, y las decisiones a tomar en cada caso.

4.1. Diseos experimentales


Si hemos optado por un estudio experimental, en nuestra hiptesis consideraremos uno
o varios factores (variables independientes) como causa del fenmeno que queremos estudiar
y reproducir bajo condiciones controladas. El experimento ms sencillo conlleva un solo
factor, por ejemplo efectos del riego en el crecimiento de plantones de encina. Los pasos para
establecer el diseo experimental son los siguientes:
10

1. Determinar los niveles del factor que controlamos. Por ej. podemos establecer en un
cultivo tres intensidades de riego: 0.5 l/da, 2 l/da y 5 l/da, dos niveles de fertilizacin
(con/sin), cuatro niveles de temperaturas (10, 15, 20 y 25C), etc.
2. Determinar la unidad experimental bsica, que es la unidad mnima sobre la que se
aplica cada nivel de tratamiento/s. Puede ser un individuo, un grupo de individuos, una
unidad de superficie, etc.
3. Asignar un nmero de unidades experimentales a cada tratamiento. Este nmero ha de
ser manejable pero representativo. Ha de ser proporcional a la variabilidad esperada
entre unidades experimentales.
4. Establecer la distribucin el espacio de las unidades. Para ello hay tres maneras
principales.
Al azar: Las unidades experimentales se distribuyen de forma totalmente aleatoria
en el espacio disponible. Supongamos que queremos asignar a un grupo de 90
plantones de encina tres niveles de riego (los que aparecen en la figura con tres
rellenos diferentes). La unidad experimental sera cada plantn y asignaramos 30
unidades a cada nivel de riego. Este diseo resulta adecuado cuando el espacio en el
que se dispone el experimento es muy homogneo.

En bloques al azar. Las unidades experimentales se agrupan en bloques (un bloque


consta de una unidad de cada tratamiento distribuidas al azar) y los bloques se
distribuyen al azar en el espacio. En el ejemplo anterior, cada bloque constara de
tres encinas, cada una de las cuales con un nivel de riego distinto, lo que dara un
total de 30 bloques. Este diseo se utiliza cuando se sospecha que el rea
experimental no es homognea (por ej., en un invernadero las plantas situadas hacia
el sur recibirn ms luz que las situadas al norte, o puede que el sistema de riego no
nos asegure un riego homogneo en todo el invernadero). Con este diseo la
variabilidad ambiental no deseada se reparte por igual entre los tratamientos, para
evitar artefactos en los resultados. El anlisis estadstico que se aplica a este diseo
permite cuantificar la varianza entre bloques y eliminarla.

En parcelas divididas (split-plot). Este diseo se aplica cuando hay dos o ms


factores y uno de los factores no se pueden aplicar al azar, porque es necesario
aplicarlo en escalas grandes. Por ej. queremos evaluar el efecto que tiene la
eliminacin de insectos consumidores de hojas (factor 1) y la aplicacin de
fertilizante (factor 2) sobre el crecimiento de los plantones de encina. Para eliminar
los insectos debemos fumigar con un insecticida que se difunde por el aire, por
tanto no es posible aplicarlo a un plantn sin que afecte al de al lado. Por el
contrario, el fertilizante se aplica en cada maceta, por tanto s es posible aplicar un
nivel a cada encina. El diseo resultante aparece en la figura: la parcela
11

experimental se divide en dos mitades, una de ellas se fumiga y la otra no; dentro de
cada mitad se decidir al azar qu encinas son fertilizadas y qu encinas no lo son.
Este tipo de diseo tambin requiere un anlisis estadstico especfico.

Fumigado
fumigado

No

4.2. Diseo de muestreos


Cuando se ha optado por comprobar una hiptesis con un muestreo de campo (estudio
observacional), es necesario realizar un buen diseo del muestro antes de tomar ningn dato.
Para ello hay que tomar una serie de decisiones, que componen la estrategia de muestreo.
La forma ideal de comprobar una hiptesis sera medir las variables implicadas en
todos y cada uno de los individuos (o unidades) que componen la poblacin a estudiar. Por
ejemplo, queremos comprobar si existe relacin entre la longitud del pico y el peso de los
gorriones. La captura y medida de todos los gorriones de la poblacin nos dara una certeza
absoluta sobre nuestro problema, pero resulta inviable. Lo que se hace en su lugar es tomar
una muestra representativa de esa poblacin, es decir, realizamos un muestreo. Sobre esa
muestra se toman las medidas y se comprueba la hiptesis con ayuda de los mtodos
estadsticos, que nos permiten cuantificar la probabilidad de cometer un error al extrapolar las
conclusiones obtenidas sobre la muestra para el conjunto de la poblacin.
En los estudios observacionales no existe un control de las variables, como ocurre en
los estudios de laboratorio, por lo que cabe esperar una mayor variabilidad entre unidades. Es
por ello por lo que es fundamental elegir una muestra suficientemente representativa de la
poblacin, compuesta por un nmero de rplicas adecuado. En el ejemplo anterior de los
gorriones, necesitaremos tomar las medidas de longitud y de pico en un nmero de pjaros
significativo, por ejemplo 100 individuos. En este caso la unidad de muestreo (sobre el que
se toman las medidas) es el gorrin y el nmero de rplicas es 100.
En algunos casos el concepto de rplica no es tan claro. Por ejemplo, si queremos
caracterizar el tamao de las hojas de un bosque de encinar para compararlo con otro bosque,
podemos realizar la replicacin en dos niveles: por un lado el bosque est compuesto de
rboles, pero cada rbol tiene un elevado nmero de hojas, siendo la hoja la unidad ltima
donde tomamos la medida. En este caso es necesario disear el muestreo teniendo en cuenta
esos dos niveles. Si elegimos 1000 hojas del mismo individuo y promediamos sus tamaos,
no tendremos un valor representativo del bosque, ya que el individuo muestreado puede ser
ms grande o ms pequeo de lo normal. Tampoco sera adecuado elegir una hoja en 1000
individuos distintos, ya que en este caso cada individuo quedara pobremente representado
con una nica hoja. Sera ms correcto elegir, por ejemplo, 100 rboles distribuidos por todo
el bosque, y recoger de cada uno 10 hojas distribuidas por distintas partes de la copa. En este
caso la rplica sera el individuo (100 rplicas), mientras que la hoja ser una pseudo-rplica
(1000 hojas). La forma correcta de analizar estos datos sera promediar las 10 hojas de cada
12

individuo y utilizar las 100 rplicas en el anlisis. Si utilizamos los 1000 valores como
rplicas estaremos cometiendo un error de muestreo llamado pseudo-replicacin.
En resumen, al disear un muestreo debemos seguir los siguientes pasos:
1. Seleccionar las variables medir. Para realizar un adecuado diseo de muestreo, es
fundamental tener claro desde el principio cules son las variables que se van a medir,
cules son dependientes e independientes y si su naturaleza es cualitativa o
cuantitativa. El tipo de variables condiciona el tamao de la unidad de muestreo y el
nmero de repeticiones que se pueden hacer. La siguiente seccin se dedica al estudio
de las variables biticas ms frecuentemente estudiadas en ecologa.
2. Seleccin de la unidad de muestreo. Puede ser una superficie, un volumen, un
individuo, etc.
3. Nmero de unidades de muestreo que se considera necesario. Se considera un nmero
representativo de muestras cuando el valor del parmetro que se va a medir vara poco
con la adicin de nuevas muestras (Figura).

Valor de la media

30
25
20
15
10
5
0
0

10

20

30

40

50

60

70

80

90

100

Nmero de muestras

4. Cmo se distribuyen las unidades en el espacio y en su caso en el tiempo. Para ello


hay distintos mtodos. En ecologa solo utilizamos mtodos probabilsticos, es decir,
donde el principal criterio para seleccionar las muestras es el azar. En la figura 5 se
muestran los distintos tipos de muestreo:
5.
Muestreo aleatorio simple o al azar:
cada elemento de la poblacin tiene la
misma probabilidad de ser elegido. Es
apropiado en el caso de que el universo
de muestreo sea homogneo o no
tengamos informacin que indique lo
contrario. Hay varias posibilidades de Distribucin al azar de cuadrculas de muestreo
hacer esa seleccin al azar por ejemplo
se puede usar una tabla de nmeros aleatorios, o utilizar el ordenador para generar
nmeros al azar, o hacer un sorteo despus de haber numerado todos los individuos
de la poblacin.
Muestreo sistemtico o regular: las
unidades de muestreo se distribuyen a
intervalos regulares, segn un criterio
preestablecido, y generalmente a partir
Distribucnlel cuadrculas de muestreo

13

de un elemento elegido al azar. Este tipo de muestreo es el adecuado cuando la


presencia de un elemento afecta a alguna propiedad de inters de los elementos ms
prximos. Por ejemplo, si en un encinar queremos tomar muestras foliares de 30
rboles distintos, la probabilidad de que dos rboles muy prximos procedan de la
misma raz (sean clones idnticos) es muy elevada, por tanto conviene aplicar un
muestreo sistemtico con una distancia mnima entre rboles para asegurarnos de
medir individuos genticamente distintos (cogeramos un rbol cada 10 metros a lo
largo de 3 lneas que distan 3 metros entre s).
Un caso especial es el
transecto, que se utiliza
1700 m
cuando el factor a estudiar
(variable independiente) vara
1600 m
de forma gradual a lo largo
del espacio (o del tiempo). En
1500 m
este caso, las muestras se han
de distribuir a lo largo de ese
1200 m
gradiente de variacin, a
1100 m
intervalos regulares. Por
ejemplo, si queremos saber
cmo afecta el factor altitud a
Distribucin de muestras a lo largo de un gradiente altitudinal
la altura mxima de los pinos
en la Sierra de Guadarrama, partire-mos del lmite inferior del bosque y tomaremos
una muestra cada 100 metros de incremento de altitud, hasta llegar al lmite
superior del bosque.
Otro caso especial son los recorridos,
muy utilizados para muestrear la fauna. Se
trata de establecer lneas que se recorren
tomando notas a intervalos de tiempo o
espacio previamente fijados.
Recorridos para fauna

Muestreo sectorizado o estratificado: se utiliza cuando la variable independiente,


o factor, es de naturaleza cualitativa y permite dividir el universo de muestreo en
estratos o sectores, que corresponden a cada uno de los niveles del factor. En cada
estrato se toma un nmero similar de unidades (siguiendo alguno de los criterios
anteriores) para asegurar que quedan
igualmente representados en nuestra
muestra. Por ejemplo, queremos saber cmo
afecta la naturaleza del sustrato a la
composicin florstica de un pastizal.
Gracias a la informacin de un mapa
geolgico, dividimos el rea de estudio en
Muestreo estratificado. Cada trama
tres sectores con litologa diversa, y en cada
representa una litologa diferente
uno disponemos 20 unidades de muestreo al
azar.

14

6. Organizacin de los datos. Antes de llevar a cabo el muestreo, es fundamental prever


la organizacin de los datos que se van a tomar. Para ello hay que realizar una tabla o
estadillo, que facilite la recogida eficaz de los datos. Algunos de los datos que
conviene incluir en cualquier estadillo son: la fecha y la localidad de muestreo, y el
autor de las observaciones cuando hay varias personas implicadas en el muestreo.
Normalmente las variables se colocan en columnas y las unidades de muestreo en
filas.
Tabla 1.Ejemplo de estadillo diseado para caracterizar una comunidad de invertebrados
acuticos
Autor:
Fecha:
Localidad:
TemperapH
Abundancia Abundancia ...
...
tura
especie 1
especie 2
Unidad 1
15
7.5
1
15
Unidad 2
12
7.3
3
48
Unidad 3
12
7.2
8
78
Unidad 4
13
8.2
4
23
Unidad 5
14
6.2
7
64
Unidad 6
17
6.8
2
85
Unidad 7
19
5.5
12
14
Unidad 8
15
7.1
8
15
Unidad 9
13
7.0
9
32
-

5. BIBLIOGRAFA

Begon, M., Harper, J. L. y Townsend, C. R. 1996. Ecologa: individuos, poblaciones y


comunidades. 3 Edicin. Ediciones Omega, Barcelona.
Mackenzie, A., Ball, A.S. and Virdee, S. R. 1998. Instant Notes in Ecology. Bios
Scientific Publishers, UK.
Sokal, R. R. and Rohlf, F. J. 1986. Introduccin a la Bioestadstica. Editorial Revert.
Zar, J.H., 1996. Biostatistical Analisys. 3rd Edition. Prentice-Hall International, London.

15

6. Ficha para guiar el diseo de un muestreo


1. Planteamiento del problema ecolgico.

2. Planteamiento de hiptesis

3. Diseo del protocolo de muestreo


- Variables (en variables cualitativas, especificar las categoras que se incluyen)
VARIABLE(S) INDEP.

- Unidad de muestreo.
Cuadrcula (indicar
su tamao)
Punto
Individuo
Otros

Cualit. o VARIABLE(S) DEPEND.


cuantit

- Distribucin de las unidades de muestreo


Estratificado
- indicar cules son los estratos.
- indicar cmo se distribuyen las
muestras en cada estrato
Sistemtico
Al azar
En gradiente

- Nmero de unidades de muestreo: (n total y n en cada estrato).


- Mtodo estadstico que se va utilizar:
4. Dibujo del estadillo apropiado para la toma de datos.

16

Cualit. o
cuantit

MTODOS DE ANLISIS DE DATOS EN


ECOLOGA

Prcticas de Ecologa

17

18

1. INTRODUCCIN
La estadstica es una disciplina que proporciona a la Ecologa las herramientas
necesarias para el anlisis de los datos. Dado que no podemos hacer estudios en toda la
poblacin (no es posible contar todos los caros que hay en un suelo, ni es posible medir el
rea foliar de todas las hojas de los rboles de un bosque, ni medir la longitud del cuerpo de
todas las carpas que tiene un lago), la estadstica nos permite cuantificar la probabilidad de
cometer error al extrapolar los resultados obtenidos de una serie de muestras al conjunto de la
poblacin. Por tanto, la estadstica permite cuantificar el error que cometemos al aceptar
nuestros resultados obtenidos a partir de muestras (encuestas) de una poblacin
generalmente muy extensa.
Hay dos tipos de estadstica, la estadstica descriptiva, que rene un conjunto de
tcnicas que facilitan la organizacin, resumen y comunicacin de datos; y la estadstica
inferencial, que permite hacer pruebas de contraste de hiptesis.

1.1. Distribuciones de datos


Cuando tenemos una coleccin de datos como resultado de un trabajo cientfico que
hemos realizado, es importante conocer el tipo de distribucin que siguen esos datos para
poder decidir posteriormente qu herramientas estadsticas son ms adecuadas para el anlisis
de los mismos.

Frecuencia

Los histogramas de frecuencias son una herramienta de representacin de datos que


nos permiten observar cmo se distribuyen los mismos. Estn formados por rectngulos
adyacentes que tienen por base cada uno de los intervalos de la variable medida y por altura
las frecuencias absolutas (n de veces que aparecen datos dentro de ese intervalo). La
superficie de cada rectngulo es proporcional a la frecuencia de cada una de las clases y el
rea total lo ser al nmero de individuos en la muestra. El nmero de intervalos a utilizar (k)
se puede calcular segn la regla de Sturges (1926): K = 1 + 3.322 * log (n), donde n es el
tamao de muestra.

4,5
4
3,5
3
2,5
2
1,5
1
0,5
0
3,3*

3,4*

3,5*

3,6*

3,7*

3,8*

3,9*

4,0*

4,1*

4,2*

4,3*

4,4*

4,5*

Longitud del ala (cm)

Figura 1: Representacin grfica de la distribucin de frecuencias


de la variable longitud del ala en una poblacin de aves

Asimismo, para conocer mejor cmo se distribuyen unos datos es importante conocer
los parmetros de estadstica descriptiva, es decir, cul es valor central de los mismos y el
grado de dispersin de los datos alrededor de ese valor central:

19

Medidas de tendencia central: indican alrededor de qu valores se agrupan los datos


observados. Distinguimos:
1. Media aritmtica: es el centro de gravedad de la serie de datos y se calcula como xi/n.
x- datos individuales.
2. Mediana: es el punto medio de una serie ordenada de datos
3. Moda: es el valor ms frecuente de la serie de datos.

Figura 2. Representacin de la media (mean), mediana y moda en cuatro distribuciones.


Figura 2. Representacin de la media (mean), mediana y moda en cuatro distribuciones.

Medidas de dispersin: indican si los valores de la variable estn muy dispersos o se


concentran alrededor de la medida de centralizacin. Son:
- Rango. Diferencia entre el valor mximo y el mnimo observado. Rango: xmax-xmin
- Varianza. Expresa la dispersin de valores entorno a la media

s2 =

( xi x)2
n 1

- Desviacin estndar. Es la raz cuadrada de la varianza s


De entre todas las distribuciones
posibles que puedan seguir unos
datos, la distribucin normal es la
ms interesante desde el punto de
vista estadstico, pues rene unas
propiedades que han hecho posible
que a partir de ella se desarrollaran
numerosos mtodos de anlisis de
datos. En ella, los valores cercanos a
la media son los ms abundantes, y
a medida que nos alejamos de la
media, los datos presentan una
frecuencia cada vez menor. Por este
motivo, el histograma de frecuencias
adopta una forma de campana de
Gauss:
La distribucin normal posee una serie de caractersticas:
- Corresponde a variables cuantitativas continuas.
- Se caracteriza por dos medidas: media y desviacin tpica.
- Es unimodal.
- Es simtrica alrededor de la media. Por tanto, media, mediana y moda coinciden.
- Tiene forma acampanada, sin un pico excesivo.
- El rea bajo la curva = 1.

20

El 50% de las observaciones se encuentran por debajo de la media y el 50% por


encima.
El 68% de las observaciones se encuentran dentro del intervalo x s
El 95% de las observaciones se encuentran dentro del intervalo x 1,96 s
El 99% de las observaciones se encuentra dentro del intervalo x 2,57 s.

1.2. Pruebas de contraste de hiptesis


Se han desarrollado numerosos tests estadsticos que permiten realizar pruebas de
contraste de hiptesis a partir de la distribucin normal y la existencia de homogeneidad de
varianzas: son las pruebas paramtricas. Sin embargo, no siempre los datos que obtenemos
en un trabajo cientfico se ajustan a la estos requisitos; en esos casos recurrimos a la
estadstica no paramtrica.
La aplicacin del mtodo cientfico no nos permite demostrar la veracidad de una
hiptesis sino su falsedad, es decir, que las hiptesis ecolgicas (Hecol) que proponemos se dan
por vlidas siempre y cuando no se demuestre que son falsas. Por tanto hay que establecer una
hiptesis nula (Ho), que supone la negacin de la hiptesis ecolgica. Por tanto, cuando
realizamos cualquier test estadstico de contraste de hiptesis, nuestro objetivo ser rechazar
la H0, lo que nos permite dar por vlida la hiptesis ecolgica.
El grado de significacin estadstica (p) es el parmetro que cuantifica el error que se
estamos cometiendo al aceptar nuestros resultados. Concretamente, lo que indica es la
probabilidad de que rechacemos la H0 siendo cierta. Cuanto ms pequeo sea el valor de p
menor ser la probabilidad de que H0 sea cierta, y por tanto mayor es la probabilidad de que
Hecol sea la correcta. Para tomar una decisin respecto a cul sea la hiptesis verdadera, el
investigador fija el nivel mximo de error que se permite al aceptar Hecol (). En general, se
ha fijado por convenio el umbral de p=0.05 como vlido, es decir, nos permitimos un error
mximo del 5% en nuestra afirmacin de la hiptesis ecolgica. Por tanto si p0.05,
rechazamos Ho y aceptamos Hec.
En funcin del nmero de variables implicadas en un anlisis estadstico, distinguimos
dos tipos de mtodos de anlisis de datos:
Mtodos bivariantes: Se quiere ver el efecto de una variable independiente (factor) en una
variable dependiente (respuesta).
Mtodos multivariantes: El anlisis implica manejar al mismo tiempo tres o ms variables.
Este tipo de pruebas no se incluyen en este cuaderno.
En funcin de la naturaleza de las variables, del diseo experimental y de la naturaleza
de los datos, podemos elegir entre los siguientes tipos de mtodos de anlisis bivariantes.
Variable 1

Variable 2

Cualitativa

Cualitativa

Cuantitativa

Cualitativa

2 categoras

Cuantitativa

Cuantitativa

> 2 categoras
Se asume que
una var. es causa
de la otra
No se asume
relacin causaefecto

Se cumplen requisitos de test paramtrico?


SI
NO
Test de la 2 (tablas de
contingencia)
T-Student
U de Mann-Whitney
Anlisis de la
Kruskal-Wallis
varianza (ANOVA)
Regresin

Correlacin de
Pearson

Correlacin de
Spearman

21

2. ASOCIACIN ENTRE VARIABLES CUALITATIVAS: TEST DE LA 2


El test de la 2 se utiliza para analizar la asociacin entre dos variables cualitativas
(por ejemplo, la presencia de una especie con el tipo de suelo, o la presencia de individuos en
estado de flor con una poca del ao, etc...). Lo que hace el test es comparar la distribucin de
frecuencias observadas de la asociacin entre las variables con la distribucin de frecuencias
esperadas en caso de que no existiera asociacin (es decir, si las dos variables cualitativas no
estn asociadas sino que se distribuyen al azar). Para analizar la asociacin entre las variables
cualitativas multiestado se utilizan las tablas de contingencia. A nivel general, este test sirve
para comparar frecuencias, por lo que puede utilizarse para verificar si una coleccin de datos
se distribuye de acuerdo a algn tipo de distribucin especfica.

2.1. Requisitos e hiptesis de trabajo


La aplicacin de este test requiere que las muestras estn tomadas al azar y que las
frecuencias esperadas sean superiores a 5. Como se trata de un test que relaciona variables
cualitativas, no hay ningn requisito acerca de la distribucin de las variables.
Las hiptesis de trabajo sern del tipo:
Hecol: Existe relacin entre las variables
H0 :

Las dos variables son independientes (no hay asociacin entre ellas)

2.2. Contraste de hiptesis


Se compara el valor obtenido de cal2 con el valor crit2 correspondiente al nmero de
grados de libertad apropiados y al valor de previamente seleccionado (normalmente,
=0.05 0.01):
2
Si cal2 crit
, se rechaza la H0 (hay asociacin entre las variables)

Si cal2 < crit2 , se acepta la H0 (no hay asociacin entre las variables)

APNDICE 2.1: Procedimiento de clculo de la 2


Supongamos, por ejemplo, que queremos saber si existe asociacin entre la presencia de la especie A
(un invertebrado acutico) y el tramo del ro (alto, medio y bajo) para el caso del ro Henares. Para ello hemos
hecho un muestreo a lo largo del ro y en cada tramo hemos registrado la presencia (+) o ausencia (-) de la
especie en 15 muestras de agua tomadas al azar. Los resultados obtenidos son:
Tramo Alto
+
+
+
+
+
+
+
+
+
+
+
+
+

22

Tramo Medio
+
+
-

Tramo Bajo
+
-

A partir de estos datos construiramos una tabla de contingencia con los datos observados en campo de la
siguiente manera:

Tramo del ro

Especie A
A continuacin se calcula el estadstico

Alto

Medio

Bajo

13

13

14

siguiendo la siguiente frmula:

cal

o = frecuencias observadas en el inventario


e = frecuencia esperada de una celda, suponiendo que
no hubiese asociacin

2
( , gl .)

(o e)

e=

ct * f t
N

ct = total de la columna donde est la celda


ft = total de la fila donde est la celda
N = n total de casos
gl. (grados de libertad) = (n columnas-1)*(n filas-1)

En nuestro ejemplo, el clculo del estadstico

cal

se hara de esta forma:

Tramo del ro

Especie A

Alto

Medio

Bajo

Total

13 (5.3)

2 (5.3)

1 (5.3)

16

2 (9.7)

13 (9.7)

14 (9.7)

29

15

15

15

45

Total

* Entre parntesis aparecen las frecuencias esperadas calculadas


Caso especial: En las tablas de contingencia de 2x2, como la de la figura siguiente,

Variable 1

Variable 2
Total columnas
el estadstico

cal

Total filas

(a)

(b)

(a+b)

(c)

(d)

(c+d)

(a+c)

(b+d)

(a+b+c+d)

se puede calcular tambin de esta forma :


Si N 30

2
cal
=

(a * d b * c) 2 * N
(a + b) * (c + d ) * (a + c) * (b + d )

Si N < 30 (Correccin de Yates)


2
cal
=

N * (| a * d b * c | N / 2) 2
(a + b) * (c + d ) * (a + c) * (b + d )

23

APNDICE 2.2. Caso prctico de la 2

Continuamos con el ejemplo que hemos empezado antes, en el que queremos estudiar si existe asociacin entre
la presencia de la especie A y el tramo del ro Henares donde esta especie vive.
Recordemos que, en nuestro caso:
Hecol: Existe relacin entre la presencia de la especie A y el tramo del ro
H0:
La presencia de la especie A es independiente del tramo del ro
2
A partir de la tabla de contingencia elaborada en el apartado 2.2, calculamos el estadstico cal de la siguiente
forma:
2

cal =

(13 5,3) 2 + (2 5,3) 2 + (1 5,3) 2 + (2 9,7 ) 2 + (13 9,7 ) 2 + (14 9,7 ) 2


5.3

5.3

5.3

9.7

9.7

9.7

= 23.8

2 crt (2 g.l., =0.05) = 5.99 2 cal > 2 crt Se rechaza H0; por tanto, concluimos que la especie A aparece
preferentemente en los tramos altos del ro.

3. TESTS DE COMPARACIN DE DOS MEDIAS


Sirven para comparar las medidas de tendencia central (media o mediana) de dos
grupos de datos distintos, para determinar si las diferencias entre dichas medidas se deben al
azar del muestreo o a diferencias reales entre los grupos que se estn comparando. Relacionan
una variable cualitativa de dos casos (variable independiente) con otra cuantitativa (variable
dependiente). Los dos estados de la variable cualitativa son los que designan los grupos. Si
quisiramos estudiar, por ejemplo, si existen diferencias en el potencial hdrico de las encinas
entre el da y la noche, y hubiramos tomado muestras de potencial hdrico en encinas de da
y otras muestras en encinas por la noche, para analizar los datos utilizaramos un test de este
tipo. En ese caso, la variable cualitativa es la hora del da, que es la variable independiente
que define los dos grupos de datos; y el potencial hdrico sera la variable dependiente y
cuantitativa.

3.1. Seleccin del test


Para seleccionar el test apropiado para analizar nuestros datos, una vez realizado el
muestreo se construye un diagrama de frecuencias (o se realiza un test estadstico si se
dispone de software apropiado) para comprobar la normalidad de la variable cuantitativa en
cada uno de los dos grupos. Asimismo, se realiza el test de la F de Snedecor (Apndice 2.3)
para comprobar la homogeneidad de las varianzas entre los dos grupos.
APNDICE 2.3. Prueba de comprobacin de varianzas iguales: F de Snedecor
2

Se calculan las varianzas de cada una de las dos muestras: s1 y


Se calcula el estadstico Fcal a partir de la siguiente frmula:

Fcal =

s 22

2
s mayor
2
s menor

grados libertad: n1-1, n2-1 (n1 tamao de la muestra de varianza mayor)


Ho: varianzas iguales. Si Fcal Fcrt (La Fcrt se busca en las tablas, ver seccin dedicada al ANOVA), se
rechaza la Ho, es decir, se concluye que las varianzas no son iguales.

24

Si la variable cuantitativa sigue la distribucin normal en todos los casos y las


varianzas no son significativamente distintas, se utilizar el test paramtrico: t de Student
En cualquier otro caso se realizar el test no paramtrico: U de Mann-Whitney

3.2. Test paramtrico: t de Student


Se utiliza para detectar la existencia de diferencias significativas entre las medias de
una determinada variable cuantitativa en dos grupos de datos cuando la variable cuantitativa
sigue los siguientes requisitos:

Datos distribuidos segn una distribucin normal en cada grupo


Las varianzas de las dos muestras han de ser iguales
Muestras independientes y tomadas al azar
3.2.1. Hiptesis de una o dos colas
a) HIPTESIS DE DOS COLAS:
La hiptesis ecolgica establece que existen diferencias entre las medias de los dos
grupos considerados, sin presuponer cul de las dos medias es mayor que la otra. La hiptesis
nula establece que no existen diferencias entre dichas medias.
Hecol: 1 2
H0 :

1 = 2

b) HIPTESIS DE UNA COLA:


La hiptesis ecolgica establece que existen diferencias entre las medias de los grupos
considerados, presuponiendo que una de las dos medias es mayor que la otra. La hiptesis
nula establece que no existen diferencias entre dichas medias, o que las diferencias van en
sentido contrario a como han sido expresadas en la hiptesis ecolgica.
Hecol: 1 > 2 H0: 1 2
Hecol: 1 < 2 H0: 1 2
APNDICE 3.2.1. Procedimiento de clculo de la t de Student
Se calcula el estadstico tcal a partir de la siguiente frmula:

x1 x 2

tcal =
Sc

1
1
+
n1 n 2

donde:

Sc =

n1 s12 + n 2 s 22
n1 + n2 2

n1 y n2= tamaos de las muestras 1 y 2 respectivamente

x 1 y x 2 = medias de las muestras 1 y 2 respectivamente

s12 y s 22 = varianzas de las muestras 1 y 2 respectivamente


A continuacin se mide la significacin del estadstico tcal , comparando ese valor con el valor de un
estadstico tcrit que se obtiene mirando las tablas correspondientes. Para identificar el tcrit que nos corresponde
hemos de fijarnos en el nmero de colas que tiene nuestra hiptesis (una cola: one-tailed; dos colas: two-tailed),

25

en el nivel de significacin () con el que pretendemos rechazar la hiptesis nula (normalmente = 0.05 0.01);
y en los grados de libertad del test (n1 + n2 - 2).
- Si tcal tcrit (=0.05 o inferior) se rechaza H0 y se acepta Hecol (las medias son diferentes)
- Si tcal< tcrit (=0.05) se acepta H0 y se rechaza Hecol (las medias son iguales)

APNDICE 3.2.4. Caso Prctico de la t de Student


Queremos saber si la humedad del suelo en un determinado lugar vara en funcin de la cubierta vegetal del
mismo (tomillar o suelo desnudo), pues suponemos que la cubierta vegetal contribuye a aumentar la humedad
del suelo por disminucin de la evaporacin. Para ello se ha realizado un muestreo en el que se ha medido la
humedad de suelo (en % del volumen) en seis muestras distribuidas al azar bajo tomillares y en 8 muestras
tambin distribuidas al azar en la misma zona, pero en condiciones de suelo desnudo.
Variables:
- Cobertura de suelo (cualitativa, independiente)
- Humedad del suelo (cuantitativa, dependiente)
Hiptesis ecolgica: Hecol: la humedad de suelo es mayor bajo el tomillar: tomillar >suelo desnudo
Se trata, por tanto, de un test de una cola.
Hiptesis nula: H0: tomillar suelo desnudo
Tras el muestreo se obtienen los siguientes datos:
Cobertura

Humedad de suelo (%)

Media

s2

tomillar
suelo desnudo

73.0 74.2 75.0 75.3 75.5 75.8


71.0 71.5 72.0 72.4 73.5 74.0 74.3 75.2

6
8

74.8
72.9

1.04
2.20

Clculo del estadstico tcal :

tcal =

74.8 72.9
1 1
1.42 +
6 8

= 2.36

Comprobacin de la significacin del estadstico tcal :


tcal = 2.36 > tcrt (=0.05, 12 gl, una cola) = 1.782
Por tanto, se rechaza la H0, y se acepta la Hecol, es decir, se concluye que existen diferencias significativas en la
humedad del suelo en funcin de la cobertura vegetal, siendo mayor en condiciones de cubierta vegetal de
tomillar que en condiciones de suelo desnudo.

3.3. Test no paramtrico: U de Mann-Whitney


Compara las diferencias entre dos medianas, por lo que se basa en rangos en lugar de
en los parmetros de la muestra (media, varianza). Se emplea cuando los datos no siguen la
distribucin normal y/o la homogeneidad de varianzas, en lugar del test de la t de Student
(paramtrico).
3.3.2. Hiptesis

a) HIPTESIS DE DOS COLAS:


La hiptesis ecolgica establece que existen diferencias entre las medianas (M) de los
dos grupos considerados, sin presuponer cul de las dos medianas es mayor que la otra. La
hiptesis nula establece que no existen diferencias entre dichas medianas.
Hecol: M1 M2
H0 :

26

M1 = M2

b) HIPTESIS DE UNA COLA:


La hiptesis ecolgica establece que existen diferencias entre las medianas de los
grupos considerados, presuponiendo que una de las dos medianas es mayor que la otra. La
hiptesis nula establece que no existen diferencias entre dichas medianas, o que las
diferencias son en sentido contrario a lo expresado en la hiptesis ecolgica.
Hecol: 1 > M2 H0: 1 M2
Hecol: 1 < M2 H0: 1 M2
APNDICE 3.3.1. Procedimiento de clculo de la U de Mann-Whitney
Asignacin de rangos a cada dato. Para ello se ordenan todos los datos (juntando los dos grupos) en
orden creciente. El rango de cada dato ser el nmero de orden que le corresponde a cada dato. Cuando se repita
el mismo valor numrico, el rango que se asigna a esos datos es la media aritmtica de los rangos que les
corresponderan en funcin del nmero de orden que ocupan.
Se suman los rangos de cada uno de los inventarios (grupos) y se calcula la suma de los rangos de los
datos de cada uno de los grupos (R1 y R2)
Se calculan los estadsticos U1 y U2 a partir de las siguientes frmulas:

U 1 = n1 n 2 +

n 2 (n 2 + 1)
R2
2

U 2 = n1 n 2 +

n1 (n1 + 1)
R1
2

Se obtiene el estadstico Ucal escogiendo el valor ms grande entre U1 y U2 .


Se comprueba la significacin estadstica del estadstico Ucal comparando este valor con el valor de
un estadstico Ucrt obtenido a partir de las tablas correspondientes.
Si Ucal Ucrt (=0.05 o inferior) se rechaza H0 y se acepta Hecol (las medianas son diferentes)
Si Ucal < Ucrt (=0.05) se acepta H0 y se rechaza Hecol (las medianas son iguales)

APNDICE 3.3.2. Caso prctico de la U de Mann-Whitney


Se quiere estudiar si el nmero de especies de caros edficos se ve influido por un incendio de baja intensidad.
Para ello se simul un incendio de baja intensidad en una parcela de un territorio homogneo, y se tomaron 6
muestras al azar de la zona incendiada y 7 muestras tambin al azar de la zona no incendiada, contndose el
nmero de especies de caros edficos en cada muestra.
Variable dependiente: nmero de especies de caros edficos (cuantitativa)
Variable independiente: ocurrencia de un incendio (cualitativa)
H0= La mediana del nmero de especies de caros edficos es igual en la parcela quemada que en la no
quemada: Mquemada = Mno quemada
Hecol= La mediana del nmero de especies de caros edficos vara dependiendo de que se haya producido un
incendio: Mquemada Mno quemada . Por tanto, de acuerdo con nuestra hiptesis ecolgica, vamos a hacer un test de
dos colas.
Los datos obtenidos en el muestreo son los siguientes:
Parcela
quemada
no quemada

Nmero de especies de caros edficos


6 9 12 12 15 16
10 13 16 16 17 19 20

n
6
7

- Asignacin de rangos a cada dato:


dato *
rango

6
1

9
2

10 12 12
3 45 45

13
6

15
7

16
9

16
9

16
9

17
11

19
12

20
13

* en negrita los valores correspondientes al inventario de la parcela quemada


- Se suman los rangos de cada grupo: R1=28 R2=63

27

- Clculo del estadstico Ucal :


U1=6x7+[(7x8)/2]-63=7
U2=6x7+[(6x7)/2]-28=35  Ucal
- Comprobacin de la significacin del estadstico Ucal :
Ucal = 35 < Uct (=0.05) = 36  No se rechaza la H0, concluimos que el nmero de especies de caros edficos no
se ve influido significativamente por la ocurrencia de un incendio de baja intensidad.

4. TESTS DE COMPARACIN DE MS DE DOS MEDIAS


Sirven para comparar las medidas de tendencia central (media o mediana) entre ms
de dos grupos de datos para determinar si existen o no diferencias entre ellos. Por tanto
relacionan una variable cualitativa de ms de dos casos (variable independiente) con otra
cuantitativa (variable dependiente). Los estados de la variable cualitativa designan dichos
grupos. Por ejemplo, habra que aplicar este test para determinar si existen diferencias
significativas en la densidad de escarabajos (variable dependiente, cuantitativa) que
encontramos en cuatro zonas que difieren en tipo de suelo (variable independiente, cualitativa,
define los grupos).

4.1. Seleccin del test


Una vez que se ha hecho el muestreo y se ha medido la variable cuantitativa en cada
uno de los grupos de la poblacin, se construye un diagrama de frecuencias (o se realiza un
test estadstico si se dispone de software apropiado) para comprobar la normalidad de la
variable cuantitativa en cada uno de los grupos. Asimismo, se realiza el test de la F de
Snedecor para comprobar la homogeneidad de las varianzas entre los distintos grupos.
Si la variable cuantitativa sigue la distribucin normal en todos los casos y las
varianzas no son significativamente distintas, se utilizar el test paramtrico: ANOVA
En cualquier otro caso se realizar el test no paramtrico: Kruskal-Wallis

4.2. Test paramtrico: Anlisis de la Varianza (ANOVA)


Se utiliza para detectar la existencia de diferencias significativas entre las medias de
una determinada variable cuantitativa en tres o ms grupos de datos.
4.2.2. Hiptesis

La hiptesis ecolgica establece que existen diferencias entre las medias de los grupos
considerados, es decir, que al menos dos de las medias sern distintas. La hiptesis nula
establece que no existen diferencias entre dichas medias.
Hecol: No todas las medias son iguales
H0 :

1 = 2 = ... = k

Si rechazamos la hiptesis nula, significa que al menos dos de los grupos difieren
entre s. Sin embargo, este test no indica qu grupos difieren o son iguales de qu grupos. Si
quisiramos conocer las diferencias entre todos los pares de grupos posibles, tendramos que
aplicar algn test "post-hoc", que no vemos en este cuaderno, pero es incorrecto aplicar varios
test de Student con este fin.
APNDICE 4.2.1. Procedimiento de clculo del ANOVA
La valoracin de las diferencias entre las medias de los distintos grupos se basa en la descomposicin de
la variabilidad total del conjunto de datos en dos trminos: variabilidad debida a las diferencias entre los grupos
(variabilidad entre grupos), y variabilidad debida al azar del muestreo (variabilidad dentro de grupos).

28

Variabilidadtotal = Variabilidadentre grupos + Variabilidaddentro grupos


La variabilidad entre datos se puede estimar con la varianza (s2), y con Suma de Cuadrados (SS), que es
el cociente entre la varianza y los grados de libertad (g-l.). Por tanto:
Las diferentes sumas de cuadrados
a partir+deSS
lasdentro
siguientes
frmulas:
SStotalse=obtienen
SSentre grupos
grupos

( x )
= x
N

2
2
( x1 )2 ( x 2 )2
(
x k ) ( x )

SS entre grupos =
+
+ ... +
n2
nk
N
n1

N = nmero total de datos


n1 , n 2 ,..., n k = nmero de datos en cada grupo

SS total

k = nmero de grupos
k

n mero

de

g ru p o s

nnmero
mo

to tal

to tal

de

de

d ato s

d ato s

...,

...,

=
n mero

n mero

de

de

d ato s

d ato s

en

en

cad a

cad a

g ru p o

g ru p

x = cada uno de los datos de cada grupo


El clculo de la suma de cuadrados dentro de grupos es ms laboriosa y por ello la obtenemos
despejando de la ecuacin:

SSdentro grupos = SStotal SSentre grupos


- Clculo de los grados de libertad de las sumas de cuadrados:

g .l. SS entre gupos = k 1

g .l. SS total = N 1

g .l. SS dentro grupos = N k

- Conversin de las sumas de cuadrados (SS) en varianzas:


2
s entre
grupos =

SS entre grupos
g .l.entre grupos

SS entre grupos

2
s dentro
grupos =

k 1

SS dentro grupos
g .l.dentro grupos

SS dentro grupos
N k

- Clculo del estadstico F:

F=

2
s entre
grupos
2
s dentro
grupos

Si en la poblacin de la que proceden las muestras no hay diferencias reales entre los grupos definidos
por la variable cualitativa, la varianza entre grupos ser similar a la varianza dentro de grupos (por tanto el
cociente entre ambas estar cerca de 1). En el caso de que existan diferencias reales entre los grupos (lo que
presupone la hiptesis ecolgica) la varianza entre grupos ser mayor que la varianza dentro de los grupos (el
cociente entre ambas ser mayor de 1). El estadstico que nos dice si las desviaciones respecto a ese valor de 1
son significativas es F.
El contraste de hiptesis se realiza comparando el valor de la Fcal con el valor Fcrt obtenido a partir de la
tabla para el valor de previamente establecido (normalmente =0.05 o inferior). La bsqueda de dicha Fcrt
requiere del nmero de grados de libertad del numerador y del denominador. La forma habitual de notacin que
se usa en las tablas lleva el valor de entre parntesis, y los grados de libertad del numerador y del denominador
a continuacin, en orden consecutivo y separados por comas. Por ejemplo, Fcrt (0.05) 3, 22. significa el valor del
estadstico F de las tablas para un =0.05, con 3 grados de libertad en el numerador y 22 en el denominador.
- Si Fcal Fcrt se rechaza H0 y se acepta Hecol (alguna de las medias es diferente)
- Si Fcal < Fcrt se acepta H0 y se rechaza Hecol (las medias son iguales)

APNDICE 4.2.2. Caso Prctico de ANOVA


Se quiere saber si el tipo de cobertura de suelo (suelo desnudo, piedras, hojarasca y pastizal) influye sobre la
densidad de hormigueros. Para ello se ha realizado un muestreo en el que se ha medido el nmero de
hormigueros en diez muestras distribuidas al azar dentro de cada una de las zonas con diferente cobertura.

29

- Variables: cobertura de suelo (cualitativa, independiente) y densidad de hormigueros (cuantitativa,


dependiente)
- Hecol: Alguna de las medias es diferente (la cobertura de suelo influye sobre la densidad de hormigueros)
- H0: suelo desnudo = piedras =hojarasca = pastizal
Tras el muestreo se obtienen los siguientes datos:
Cobertura
suelo desnudo
piedras
hojarasca
pastizal
Total

Densidad de hormigueros
78 88 87 88 83 82 81 80
78 78 83 81 78 81 81 82
79 73 79 75 77 78 80 78
77 69 75 70 74 83 80 75

80
76
83
76

89
76
84
75

n
10
10
10
10
40

Media
83.6
79.4
78.6
75.4

x
836
794
786
754
3170

(x)2
698896
630436
617796
568516

x2
70036
63100
61878
57006
252020

Clculo de la suma de cuadrados total:


SST = 252020 - (3170)2/40 = 797.5
Clculo de la variabilidad entre grupos (SSentre grupos):
SSentre = 698896/10 + 630436/10 + 617796/10 + 568516/10 - 31702/40 = 341.9
Clculo de la variabilidad dentro de los grupos (SSdentro grupos):
SST = SSentre + SSdentro

SSdentro = SStotal - SSentre = 797.5 341.9 = 455.6


Determinar los grados de libertad de cada una de las suma de cuadrados estimadas:
SST = N - 1 = 40 - 1 = 39
SSentre grupos = k - 1 = 4 - 1 = 3
SSdentro grupos = N - k = 40 - 4 = 36
Estimacin de las varianzas dividiendo las SS por los grados de libertad:
s2entre grupos = 341.9/3 = 113.97
s2dentro grupos = 455.6/36 12.66
Clculo del estadstico Fcal y comparacin con el estadstico Fcrt:
Fcal = s2entre grupos /s2dentro grupos =113.97/12.66 = 9.002
Fcrt (0.05) 3, 36 < 2.92
Fcal > Fcrt
Rechazamos Ho
La abundancia de hormigueros no es la misma en
todas las zonas con distinta cobertura de suelo

4.3. Test no paramtrico: Kruskal-Wallis


Se basa en rangos en lugar de los parmetros de la muestra (media, varianza). Se
emplea cuando los datos no siguen la distribucin normal y/o tienen varianzas distintas, en
sustitucin del ANOVA paramtrico. Cuando el nmero de grupos es 2 es idntico a la U de
Mann-Whitney.
4.3.2. Hiptesis

La hiptesis ecolgica establece que existen diferencias entre las medianas () de los
grupos considerados, es decir, que al menos dos de las medianas sern distintas. La hiptesis
nula establece que no existen diferencias entre dichas medianas.
Hecol: Las medianas no son todas iguales
H0 :

1 = 2 = ... = k

APNDICE 4.3.1. Procedimiento de clculo del test de Kruskal-Wallis


- Asignacin de rangos: se realiza exactamente igual que para la U de Mann-Whitney.
- Clculo del estadstico H:

30

H=

k
Ri2
12
3( N + 1)
N ( N + 1) i =1 ni

k = nmero de grupos
N = nmero total de datos
ni = nmero de datos en el grupo i

Cuando existen rangos ligados (dos o ms nmeros con el mismo rango) se aplica un factor de
correccin, siendo Hc el estadstico que se utiliza en lugar de H, calculado segn la siguiente expresin:
El valor crtico del estadstico calculado (H o Hc) se consulta en la tabla de la 2 si N15, o si k > 5,
m

H
Hc =
C

(t
C = 1

3
i

ti )

i =1

N N

t i = nmero de rangos ligados en cada grupo


m = nmero de grupos de rangos ligados

para (k-1) grados de libertad. Si N<15 y k<5 se consulta en la tabla especfica para H.
- Si Hcal Hcrt (2crt) se rechaza H0 y se acepta Hecol (alguna de las medianas es diferente)
-

Si Hcal < Hcrt (2crt) se acepta H0 y se rechaza Hecol (las medianas son iguales)

APNDICE 4.3.2. Caso prctico del test de Kruskal-Wallis:


Se quiere estudiar si el pH de cuatro charcas situadas sobre sustratos diferentes es distinto. Para ello se
obtuvieron 8 muestras de agua procedentes de cada una de las charcas, midindose el pH en cada una de ellas.
Los datos de pH se ordenaron de forma ascendente para cada charca. (Una muestra de agua de la charca n 3 se
perdi, de forma que n3=7; pero el test no requiere igualdad en el nmero de datos de cada grupo). Los rangos se
muestran entre parntesis.
Variable dependiente: pH (cuantitativa)
Variable independiente: tipo de sustrato sobre el que cada charca (cualitativa)
H0= el pH es el mismo en las cuatro charcas
Hecol= el pH no es el mismo en las cuatro charcas
Charca 1
7.68 (1)
7.69 (2)
7.70 (3.5*)
7.70 (3.5*)
7.72 (8)
7.73 (10*)
7.73 (10*)
7.76 (17)

Charca 2
7.71 (6*)
7.73 (10*)
7.74 (13.5*)
7.74 (13.5*)
7.78 (20*)
7.78 (20*)
7.80 (23.5*)
7.81 (26*)

Charca 3
7.74 (13.5*)
7.75 (16)
7.77 (18)
7.78 (20*)
7.80 (23.5*)
7.81 (26*)
7.84 (28)

Charca 4
7.71 (6*)
7.71 (6*)
7.74 (13.5*)
7.79 (22)
7.81 (26*)
7.85 (29)
7.87 (30)
7.91 (31)

n1=8
R1=55

n2=8
R2=132.5

n3=7
R3=145

n4=8
R4=163.5

* Rangos ligados

31

N = 8 + 8 + 7 + 8 = 31
R i2
12
3( N + 1) =
ni
31( 32 )

55 2 132 .5 2 145 2 163 .5 2


+
+
+

8
7
8
8
i =1
Nmero de grupos de rangos ligados = m = 7

H =

12
N ( N + 1)

(t

3
i

i =1

3
i

ti )

i =1
3

= 1

N N
Hc =

3(32 ) = 11 .876

t i ) = (2 3 2) + (33 3) + (33 3) + (4 3 4) + (3 3 3) + (2 3 2) + (3 3 3) = 168

(t

C = 1

168
3

31 31

H 11 . 876
=
= 11 . 943
C
09944

= 1

168
= 0 .9944
29760

= k 1 = 3

02.05 , 3 = 7 .815

2
H c cal > crt
Se
rechaza H0

El pH no es el mismo en todas las charcas

5. ASOCIACIN ENTRE VARIABLES CUANTITATIVAS


5.1. Coeficientes de correlacin
El coeficiente de correlacin cuantifica el grado de asociacin entre dos variables
cuantitativas. Se utiliza cuando no se asume que una variable es causa y la otra consecuencia.
Por ejemplo, si queremos saber si el peso y con la longitud del pico covaran dentro de una
poblacin de aves (no se asume una relacin de causalidad)
es el coeficiente de correlacin real que existe entre dos variables en el conjunto de
la poblacin.
r y rs son los coeficientes medidos sobre la muestra.

5.1.1. Rangos de variacin de los coeficientes


Los coeficientes de correlacin varan entre 1 y 1 del siguiente modo:
a) 1 > 0 : correlacin positiva.
b) 1 < 0 : correlacin negativa.
c) 0 : no hay correlacin, los valores de x e y varan de forma independiente.

Cuanto ms cerca est el coeficiente de 1 1, ms fuerte es la correlacin

32

5.1.2. Hiptesis
a) HIPTESIS DE DOS COLAS
Existe correlacin entre las variables x e y, ya sea positiva o negativa. La hiptesis
nula dice que no existe correlacin entre las variables.
Hec: 0 ( < 0 > 0)
H0 : = 0
b) HIPTESIS DE UNA COLA
Existe correlacin positiva o negativa entre las variables x e y. La hiptesis nula dice
que no hay correlacin o que sta es del signo contrario al esperado en la hiptesis ecolgica.
Hecol: > 0 H0: 0
Hecol: < 0 H0: 0

5.1.3. Seleccin del test


Para seleccionar el tipo de correlacin con el que analizaremos nuestros datos
(paramtrica o no paramtrica), seguiremos los siguientes pasos: una vez que se haya
realizado el muestreo y hayamos medido las variables x e y en la muestra, representaremos los
pares de datos en un diagrama x-y. A continuacin comprobaremos la normalidad de las
variables (construyendo el diagrama de frecuencias o utilizando un software apropiado).
Si las dos variables cuantitativas siguen una distribucin normal, utilizaremos la
correlacin de Pearson (paramtrica).
Si alguna de las dos variables cuantitativas no sigue una distribucin normal,
utilizaremos la correlacin de Spearman (no paramtrica).
APNDICE 5.2.1. Procedimiento de clculo correlacin paramtrica: r de Pearson
El clculo del ndice de correlacin de Pearson se hace a partir de la siguiente frmula:
i =n

i =n

i =n

i =1

i =1

i =1

n xi yi xi yi
r=

2
n =i
n =i 2 n =i
n=i

2
2

n xi xi n yi yi
n =1
n =1
n =1
n =1

n- n de pares de muestras
xi- valores de la variable x
yi- valores de la variable y

A continuacin, se comprueba la significacin del ndice de correlacin calculado comparndolo con el


valor de un estadstico rcrit obtenido a partir de la tabla correspondiente, para una = 0.05 o inferior y las colas
que establezca la hiptesis.
Si rcal rcrit (=0.05 o inferior)  Se rechaza la hiptesis nula.  Existe correlacin.

APNDICE 5.1.2 Caso prctico de r de Pearson


Un ornitlogo est interesado en conocer la longitud del pico de una poblacin de aves que estudia. Sin embargo
esa medida resulta ms costosa de tomar que el peso corporal. Por ello quiere saber si ambas variables se
correlacionan para estimar la primera a partir de la segunda.
- Variables: x- longitud del pico; y peso corporal. Ambas son cuantitativas y normales.

33

- Hiptesis de dos colas:


Hecol: 0 ( < 0 > 0)
H0: = 0
Tras tomar una muestra de 10 individuos se obtienen los siguientes datos:

Obs.
1
2
3
4
5
6
7
8
9
10
SUMA

Longitud
del
pico
(mm)
33.5
38.0
32.0
37.5
31.5
33.0
31.0
36.5
34.0
35.0
342

Peso corporal 2
x
(g)

y2

xy

51
59
49
54
50
55
48
53
52
57
528

2601
3481
2401
2916
2500
3025
2304
2809
2704
2349
27990

1708
2242
1568
2025
1575
1815
1488
1935
1768
1995
18119

1122
14444
1024
1406
992
1089
961
1332
1156
1225
11752

n = 10; r = 0.779, rcal = 0.779 > r crit (0.01) n=10 = 0.765. Se rechaza H0 y se acepta Hecol
Por tanto, se puede concluir que existe una correlacin positiva entre el peso corporal y la longitud del pico de
esa poblacin de aves. Esto significa que los cambios en peso corporal de esas aves son un fiel reflejo de los
cambios en la longitud del pico.

APNDICE 5.1.3. Procedimiento de clculo correlacin no paramtrica: r de Spearman


Para calcular la r de Spearman hay que realizar los siguientes pasos:
- Ordenar los pares de datos en funcin del valor de x y asignar rangos a x.
- Repetir la ordenacin en funcin de y y asignar rangos a y.
- Calcular el coeficiente:
i =n

6 d i2
rs = 1

i =1
3

n n

n = n de pares de datos
di = diferencia de rangos en las variables del par i
Para comprobar la significacin estadstica del ndice de correlacin se consulta en la tabla
correspondiente el valor crtico de rs para n pares de datos, para p=0.05 o inferior y para el nmero de colas
acorde con la hiptesis. Si rs cal rs crt, se rechaza H0.

APNDICE 5.1.4. Caso prctico de r de Spearman


Se sospecha que la abundancia de la especie de gramnea Poa bulbosa en los pastizales mediterrneos depende
en gran medida de la humedad que hay en el suelo. Para comprobar la hiptesis se realiza un muestreo con una
cuadrcula de 20 cm de lado, que se dispone 12 veces al azar sobre la comunidad de pasto. En cada cuadrcula se
mide la cobertura de la especie y la humedad del suelo mediante un TDR.
Variables: Cobertura de la especie y humedad del suelo. Ambas son cuantitativas, y no siguen una distribucin
normal.
Hiptesis de una cola: existir una correlacin positiva entre la cobertura de Poa y la humedad.
Hec: > 0  H0: 0
Tras realizar el muestreo se obtienen los siguientes datos:

34

Obs.
1
2
3
4
5
6
7
8
9
10
11
12

rs = 1

Cobertura
82
98
87
40
116
113
111
83
85
126
106
117

6 52
12 3 12

Humedad
42
46
39
37
65
88
86
56
62
92
54
81

Rango cob.
2
6
5
1
10
9
8
3
4
12
7
11

Rango hum.
3
4
2
1
8
11
10
6
7
12
5
9

d
-1
2
3
0
2
-2
-2
-3
-3
0
2
2
Suma

d2
1
4
9
0
4
4
4
9
9
0
4
4
52

= 0.82 > rs crit (0.05) = 0.503 --> Se rechaza H0, hay correlacin positiva entre la

cobertura de Poa bulbosa y la humedad del suelo.


Es importante destacar que este muestreo no es una demostracin de una relacin causa-efecto entre las
variables, es decir, que con este muestreo no podemos concluir que la mayor humedad de suelo es la causa de la
mayor abundancia de Poa bulbosa. Para determinar relaciones de causa-efecto se necesita realizar experimentos
controlados y otros tests estadsticos que verifiquen ese tipo de relacin.

5.2. Regresin
La regresin se aplica cuando tenemos dos variables independientes y asumimos (en
nuestra hiptesis) que una depende de la otra. Por ejemplo, la dosis de fertilizante que se
aplica a una serie de plantas cultivadas en macetas esperamos que cause diferencias en la
altura de las plantas. La variable independiente es la dosis de fertilizante y la dependiente la
altura.
Para poder aplicar este test, la variable dependiente debe seguir una distribucin normal.
El parmetro que se calcula en regresin es el coeficiente de regresin o R2, que equivale al
cuadrado del coeficiente de correlacin de Pearson, y se interpreta como el porcentaje de la
varianza de la variable dependiente que explica la variable independiente. La significacin de
este coeficiente se calcula igual que el de la r de Pearson.

35

36

ELABORACIN DE UN TRABAJO
CIENTFICO EN ECOLOGA

Prcticas de Ecologa

37

38

Un trabajo cientfico se escribe para comunicar unas ideas que resultan de un proceso de
investigacin desarrollado mediante el mtodo cientfico.
ESTRUCTURA

1. Ttulo: Ha de ser breve, pero informativo. Ha de proporcionar al lector una idea del
contenido del trabajo.
2. Resumen: Ha de contener una sntesis de cada una de las partes del trabajo (problema,
objetivos, metodologa, resultados y discusin). Ha de ser muy conciso (no ms de 200
palabras).
3. Palabras clave: Al final del resumen se ponen 5 palabras que permitan al lector tener
una idea muy general de los temas que se van a tratar. Normalmente estas palabras se
utilizan para hacer bsquedas bibliogrficas automatizadas, de manera que uno puede
buscar todos los trabajos publicados que contengan una determinada palabra clave.
4. Introduccin: Debe contener la siguiente informacin

Definicin del problema. Cul es la pregunta que se intenta responder en el trabajo?


Justificar la importancia o inters de dicha pregunta.

Antecedentes sobre el tema. Qu se sabe sobre el tema? Cul va a ser nuestra


aportacin?

Objetivos. Qu experimento o muestreo vamos hacer para dar respuesta al


problema? (Comentarlo de forma breve, ya que la descripcin detallada se hace en el
apartado siguiente.

Hiptesis (si las hay) Qu resultado esperamos obtener y por qu?

5. Material y mtodos: Debe contener la siguiente informacin

Descripcin del rea de estudio si es un estudio de campo (situacin geogrfica,


clima, suelo, vegetacin...)

Variables implicadas. En un experimento controlado, condiciones en que se realiza.

Mtodo de muestreo (sectorizado, al azar o en gradiente, nmero de rplicas, fechas


de muestreo, etc).

Material utilizado (solo si se trata de aparatos especializados, es decir, no es


necesario mencionar materiales como regla, sobres, bolsas, lpiz, papel, etc).

Mtodo de anlisis elegido en funcin del tipo de variables (no hay que explicar
cmo se hace el anlisis).

6. Resultados: Debe contener la siguiente informacin

Texto con descripcin escueta de los resultados obtenidos, sin interpretarlos. Se han
de citar las tablas y figuras mediante un nmero de referencia (Tabla 1, Fig.3, etc)
39

Tablas y grficos que faciliten la visualizacin de los resultados. Estos han de llevar
una leyenda que los haga autoexplicativos, precedida de su nmero de referencia
(Tabla 2:..). Cuando desde el texto se hace referencia a una tabla siempre hay que
citar su nmero de referencia. Los datos obtenidos (medias, desviaciones tpicas,
resultados de tests) han de quedar muy claros para permitir al lector hacer su propia
interpretacin de los resultados.

No se ponen tablas de datos brutos

Los valores que han de mostrar las tablas o grficos han de ser: medias, medidas de
dispersin (varianza, desviacin tpica, lmites de confianza...) y valores de p.

No debe haber redundancia entre tablas y figuras.

7. Discusin. Debe contener la siguiente informacin

Interpretacin racional de los resultados: por qu obtenemos tales resultados? Se


ajustan a nuestras expectativas? En caso positivo explicar por qu esperbamos esos
resultados. En caso negativo buscar explicaciones alternativas. Hay que mantener
una actitud abierta a la posibilidad de rechazar nuestra hiptesis inicial.

Contraste de nuestros resultados con los obtenidos por otros autores en experiencias
similares.

La discusin ha de basarse en los resultados, en la bibliografa y en razonamientos


bien fundados. Evitar la especulacin.

8. Bibliografa:
La introduccin (en antecedentes), la discusin y, a veces, material y mtodos, han de llevar
referencias bibliogrficas (citas breves de artculos, consistentes en el apellido de los autores
si son dos, o el apellido del primero seguido de et al. si son ms de dos, y la fecha), por ej.
(Mooney et al. 1978). Al final del trabajo se expone una lista de las referencias
bibliogrficas que han sido citadas a lo largo del texto con un formato que incluya la
siguiente informacin: Autor/es, ao de publicacin, ttulo del artculo o captulo de libro,
ttulo de la revista o del libro en que se publica (en itlica, negrita o subrayado). Si es una
revista, ha de ir seguida del volumen y las pginas en que aparece el artculo. Si es un libro,
detrs del ttulo se pone el nombre de los editores del libro, la ciudad donde se ha publicado,
la editorial y las pginas en que se encuentra el captulo. Ejemplos:

Mooney, H. A., P. J. Ferrar, and Slatyer, R. O. (1978). Photosynthetic capacity and


carbon allocation patterns in diverse growth forms of Eucalyptus. Oecologia 36:
103-111. (Ejemplo de cita de un artculo de una revista).

Givnish TJ (1995). Plant stems: biomechanical adaptation for energy capture and
influence on species distributions. Plant stems: Physiology and functional
morphology. Gartner BL. San Diego, Academic Press: 3-49. (Ejemplo de cita de un
captulo de libro).

40

ESTILO

El lenguaje ha de ser sencillo, claro y conciso.

Se escribe en forma impersonal, (por ej. no se dice "realic un muestreo", si no "se


realiz un muestreo".

Hay que evitar imprecisiones del lenguaje. Las frases han de contener un mensaje
claro.

Los resultados se escriben en pasado.

El vocabulario ha de ser cientfico, no utilizar expresiones coloquiales y evitar


palabras de significado impreciso.

Los nombres cientficos se escriben en itlica. El nombre del gnero va en


maysculas y el de la especie en minsculas.

El nmero de cifras decimales ha de ser homogneo y razonable (por ej. 2-3


decimales para los valores de p).

41

42

PRESENTACIN DE LOS RESULTADOS


EN LA MEMORIA CIENTFICA

Prcticas de Ecologa

43

44

Una vez realizados los muestreos correspondientes para obtener los datos, estos se organizan en una
Base de Datos. A continuacin, se procesan estadsticamente para obtener los Resultados
Estadsticos. La informacin obtenida debe estructurarse para ser presentada a modo de Tablas y
Figuras en el apartado de Resultados de la memoria cientfica.
A continuacin se ofrecen tres casos de estudio en los que se detallan los Resultados
estadsticos a partir de los cuales se presentan los Resultados para la memoria cientfica:
Caso 1: Se estudia la influencia de la fertilizacin sobre la morfologa y fisiologa de una
planta. Las plantas se han cultivado con tres concentraciones de fertilizante: BAJO, MEDIO Y
ALTO. Las variables medidas son: ALTURA y DIMETRO de la parte area, PESO SECO de la
planta, [N], [P] y TASA DE FOTOSNTESIS
CASO 1. RESULTADOS ESTADASTICOS.
ALTURA (cm)
Anlisis de la Varianza
-----------------------------------------------------------------------------Fuente
Sumas de cuad.
Gl Cuadrado Medio Cociente-F
P-Valor
-----------------------------------------------------------------------------Entre grupos
404.867
2
202.433
109.75
0.0000
Intra grupos
49.8
27
1.84444
------------------------------------------------------------------------------

Tabla de Medias para Altura segn Nivel de fertilizacin


con 95.0 intervalos LSD
-------------------------------------------------------------------------------Error Estndar
Nivel
Frec.
Media
(s agrupada)
Lmite inf.
Lmite sup.
-------------------------------------------------------------------------------Alto
10
18.5
0.42947
17.8769
19.1231
Bajo
10
9.6
0.42947
8.9769
10.2231
Medio
10
12.9
0.42947
12.2769
13.5231
--------------------------------------------------------------------------------

DIAMETRO (mm)
Anlisis de la Varianza
-----------------------------------------------------------------------------Fuente
Sumas de cuad.
Gl Cuadrado Medio Cociente-F
P-Valor
-----------------------------------------------------------------------------Entre grupos
12.8
2
6.4
12.34
0.0002
Intra grupos
14.0
27
0.518519
------------------------------------------------------------------------------

45

Tabla de Medias para Diametro segn Nivel de fertilizacin


con 95.0 intervalos LSD
-------------------------------------------------------------------------------Error Estndar
Nivel
Frec.
Media
(s agrupada)
Lmite inf.
Lmite sup.
-------------------------------------------------------------------------------Alto
10
4.0
0.22771
3.66962
4.33038
Bajo
10
2.4
0.22771
2.06962
2.73038
Medio
10
3.2
0.22771
2.86962
3.53038
--------------------------------------------------------------------------------

PESO SECO PLANTA (g)


Anlisis de la Varianza
-----------------------------------------------------------------------------Fuente
Sumas de cuad.
Gl
Cuadrado Medio
Cociente-F
P-Valor
-----------------------------------------------------------------------------Entre grupos
45.938
2
22.969
36.62
0.0000
Intra grupos
16.937
27
0.627296
------------------------------------------------------------------------------

Tabla de Medias para Peso seco segn Nivel de fertilizacin


con 95.0 intervalos LSD
-------------------------------------------------------------------------------Error Estndar
Nivel
Frec.
Media
(s agrupada)
Lmite inf.
Lmite sup.
-------------------------------------------------------------------------------Alto
10
3.7
0.250459
3.33662
4.06338
Bajo
10
0.72
0.250459
0.356618
1.08338
Medio
10
1.73
0.250459
1.36662
2.09338
--------------------------------------------------------------------------------

CONCENTRACIN DE N (mg g-1)


Anlisis de la Varianza
-----------------------------------------------------------------------------Fuente
Sumas de cuad.
Gl Cuadrado Medio Cociente-F
P-Valor
-----------------------------------------------------------------------------Entre grupos
1.16267
2
0.581333
0.47
0.6319
Intra grupos
33.611
27
1.24485
------------------------------------------------------------------------------

Tabla de Medias para [N] segn Nivel de fertilizacin


con 95.0 intervalos LSD
-------------------------------------------------------------------------------Error Estndar
Nivel
Frec.
Media
(s agrupada)
Lmite inf.
Lmite sup.
-------------------------------------------------------------------------------Alto
10
10.45
0.352825
9.9381
10.9619
Bajo
10
10.73
0.352825
10.2181
11.2419
Medio
10
10.25
0.352825
9.7381
10.7619
--------------------------------------------------------------------------------

46

CONCENTRACIN DE P (mg g-1)


Anlisis de la Varianza
-----------------------------------------------------------------------------Fuente
Sumas de cuad.
Gl Cuadrado Medio Cociente-F
P-Valor
-----------------------------------------------------------------------------Entre grupos
0.0000288
2
0.0000144
0.12
0.8903
Intra grupos
0.0033315
27 0.000123389
------------------------------------------------------------------------------

Tabla de Medias para [P] segn Nivel de fertilizacin


con 95.0 intervalos LSD
-------------------------------------------------------------------------------Error Estndar
Nivel
Frec.
Media
(s agrupada)
Lmite inf.
Lmite sup.
-------------------------------------------------------------------------------Alto
10
0.1055
0.00351268
0.100404
0.110596
Bajo
10
0.1043
0.00351268
0.0992036
0.109396
Medio
10
0.1031
0.00351268
0.0980036
0.108196
--------------------------------------------------------------------------------

FOTOSNTESIS (mol m-2 s-1)


Anlisis de la Varianza
-----------------------------------------------------------------------------Fuente
Sumas de cuad.
Gl
Cuadrado Medio
Cociente-F
P-Valor
-----------------------------------------------------------------------------Entre grupos
2.6
2
1.3
0.55
0.5846
Intra grupos
64.1
27
2.37407
------------------------------------------------------------------------------

Tabla de Medias para Fotosntesis segn Nivel de fertilizacin


con 95.0 intervalos LSD
-------------------------------------------------------------------------------Error Estndar
Nivel
Frec.
Media
(s agrupada)
Lmite inf.
Lmite sup.
-------------------------------------------------------------------------------Alto
10
8.0
0.487245
7.29307
8.70693
Bajo
10
8.5
0.487245
7.79307
9.20693
Medio
10
7.8
0.487245
7.09307
8.50693
--------------------------------------------------------------------------------

47

CASO 1. RESULTADOS ELABORADOS PARA LA MEMORIA CIENTFICA.

4,5

Peso seco planta (g)

4,0
3,5
3,0
2,5

2,0

1,5
1,0
0,5
0,0

Bajo

Medio

Alto

Nivel de fertilizacin
Fig. 1. Valores medios ( error estndar) de biomasa de las plantas cultivadas bajo tres niveles de fertilizacin (bajo,
medio, alto). Letras distintas entre columnas indican diferencias significativas de biomasa (p<0.05) segn un ANOVA.

Tabla 1. Valores medios ( error estndar) de diversas medidas morfomtricas y fisiolgicas


de plantas cultivadas bajo tres niveles de fertilizacin (bajo, medio, alto). Letras distintas entre
columnas indican diferencias significativas de biomasa (p<0.05) segn un ANOVA.

Bajo

Medio

Alto

Altura (cm)

9,60 0,34 a

12,90 0,41 b

18,50 0,52 c

Dimetro (mm)

2,40 0,16 a

3,20 0,20 b

4,00 0,60 c

10,73 0,36 a

10,25 0,34 a

10,45 0,35 a

0,104 0,003 a

0,103 0,003 a

0,105 0,004 a

8,50 0,52 a

7,80 0,51 a

8,00 0,42 a

-1

N (mg g )
-1

P (mg g )
-2 -1

Fotosntesis (mol m s )

48

Caso 2. Se analiza si la conductividad hidrulica de los tallos de la encina (Quercus ilex) depende
de las condiciones ambientales en la que han vivido los individuos. Se han obtenido tallos de tres
aos de encinas a lo largo de un gradiente de precipitacin en once poblaciones de encina. La
conductividad hidrulica se ha estimado midiendo el dimetro de los conductos del xilema.
CASO 2. RESULTADOS ESTADSTICOS.

Poblacin

Precipitacin (mm)

Dimetro de los conductos del


xilema (m)

370.7

33.21

452.5

31.8

455.1

27.8

587.5

34.17

909.8

36.76

731.8

35.91

801.4

42.82

891.1

39.84

1034

43.18

10

1093

40.31

11

1484

44.54

Anlisis de la Varianza
----------------------------------------------------------------------------Fuente
Suma de cuadrados
GL Cuadrado medio Cociente-F P-Valor
----------------------------------------------------------------------------Modelo
206.606
1
206.606
24.59
0.0008
Residuo
75.6162
9
8.4018
----------------------------------------------------------------------------Total (Corr.)
282.223
10
Coeficiente de Correlacin = 0.85561
R-cuadrado = 73.2069 porcentaje
R-cuadrado (ajustado para g.l.) = 70.2299 porcentaje
Error estndar de est. = 2.89859
Error absoluto medio = 2.05398
Estadstico de Durbin-Watson = 1.57623 (P=0.1327)
Autocorrelacin residual en Lag 1 = 0.161023

49

CASO 2. RESULTADOS ELABORADOS PARA LA MEMORIA CIENTFICA.

Dimetro vasos xilema (um)

50

y = 0,0137x + 26,339
2

R = 0,73***

45
40
35
30
25
0

500

1000

1500

2000

Precipitacin (mm)
Fig. 1. Dimetro medio de los vasos del xilema en
diversas poblaciones de encina (Quercus ilex) situadas
en localidades con distinta precipitacin media anual.
Se indican los resultados de la regresin (*** p>0.001)

50

Caso 3: Se desea conocer si la recolonizacin por insectos de islas que han sufrido una devastacin
total por erupcin volcnica depende del tamao de las islas. En un archipilago con islas de
distinto tamao y que distan muy parecido al continente, se han distinguido tres tipos de islas en
funcin de su tamao (pequeas, medias y grandes). En 4 momentos se ha medido el nmero de
especies de insectos.

CASO 3. RESULTADOS ESTADSTICOS.


AO 1
Anlisis de la Varianza
-----------------------------------------------------------------------------Fuente
Sumas de cuad.
Gl Cuadrado Medio Cociente-F
P-Valor
-----------------------------------------------------------------------------Entre grupos
1.00417
2
0.502083
0.39
0.6877
Intra grupos
16.9333
13
1.30256
------------------------------------------------------------------------------

Tabla de Medias para Ao 1 segn Tipo de isla


con 95.0 intervalos LSD
-------------------------------------------------------------------------------Error Estndar
Tipo de isla
Frec.
Media
(s agrupada)
Lmite inf.
Lmite sup.
-------------------------------------------------------------------------------Grande
5
2.2
0.510405
1.4203
2.9797
Mediana
5
2.8
0.510405
2.0203
3.5797
Pequea
6
2.33333
0.465933
1.62157
3.0451
--------------------------------------------------------------------------------

AO 5
Anlisis de la Varianza
-----------------------------------------------------------------------------Fuente
Sumas de cuad.
Gl Cuadrado Medio Cociente-F
P-Valor
-----------------------------------------------------------------------------Entre grupos
553.75
2
276.875
12.24
0.0010
Intra grupos
294.0
13
22.6154
------------------------------------------------------------------------------

Tabla de Medias para Ao 5 segn Tipo de isla


con 95.0 intervalos LSD
-------------------------------------------------------------------------------Error Estndar
Tipo de isla
Frec.
Media
(s agrupada)
Lmite inf.
Lmite sup.
-------------------------------------------------------------------------------Grande
5
31.6
2.12675
28.3511
34.8489
Mediana
5
18.8
2.12675
15.5511
22.0489
Pequea
6
19.0
1.94145
16.0342
21.9658
--------------------------------------------------------------------------------

51

AO 10
Anlisis de la Varianza
-----------------------------------------------------------------------------Fuente
Sumas de cuad.
Gl Cuadrado Medio Cociente-F
P-Valor
-----------------------------------------------------------------------------Entre grupos
590.604
2
295.302
12.82
0.0008
Intra grupos
299.333
13
23.0256
------------------------------------------------------------------------------

Tabla de Medias para Ao 10 segn Tipo de isla


con 95.0 intervalos LSD
-------------------------------------------------------------------------------Error Estndar
Tipo de isla
Frec.
Media
(s agrupada)
Lmite inf.
Lmite sup.
-------------------------------------------------------------------------------Grande
5
55.4
2.14596
52.1218
58.6782
Mediana
5
43.2
2.14596
39.9218
46.4782
Pequea
6
41.6667
1.95898
38.6741
44.6592
--------------------------------------------------------------------------------

AO 20

Anlisis de la Varianza
-----------------------------------------------------------------------------Fuente
Sumas de cuad.
Gl Cuadrado Medio Cociente-F
P-Valor
-----------------------------------------------------------------------------Entre grupos
3430.2
2
1715.1
20.58
0.0001
Intra grupos
1083.23
13
83.3256
------------------------------------------------------------------------------

Tabla de Medias para Ao 20 segn Tipo de isla


con 95.0 intervalos LSD
-------------------------------------------------------------------------------Error Estndar
Tipo de isla
Frec.
Media
(s agrupada)
Lmite inf.
Lmite sup.
-------------------------------------------------------------------------------Grande
5
76.4
4.08229
70.1638
82.6362
Mediana
5
44.4
4.08229
38.1638
50.6362
Pequea
6
45.1667
3.72661
39.4738
50.8595
--------------------------------------------------------------------------------

52

CASO 3. RESULTADOS ELABORADOS.

90
Grande

80

Mediana

70
N de especies

***

Pequea

***

60

50

b
b

**

40

b
b

30
b
b

20
10

ns

0
Ao 1

Ao 5

Ao 10

Ao 20

Fig. 1. Evolucin del nmero medio de especies de insectos ( error estndar) en islas de
tres tamaos (grande, mediana, pequea) a partir de una perturbacin que elimin
todas las especies. En cada ao se ha realizado una comparacin de las medias
mediante un ANOVA (ns-p >0.05, ** 0.01p>0.001, ***p0.001). Letras distintas entre
las medias del mismo ao significa que han diferencias significativas (los lmites de
confianza al 95% no solapan).

53