'(.

"
I

.'

Guia de primeros auxilios para el estudiante que padece proyectos cientificos

Lie. Ronaldo Perez Instituto de Investigaciones Universidad del Valle de Guatemala Versi6n 1.0 1997

.J

,

"

Glosario Medico~Biologico Antibi6tico: Biologia: Estudiante que odia Biologia. Ciencia de la muerte cuyos libros de texto son empleados en las clases de Fisica para demostrar la Ley de la Gravedad. Emoci6n queel estudiante experiment a cuando se entera que al dia siguiente debe entregar la lista de hip6tesis que el catedratico pidi6 hace un mes. Labor de coordinar las acciones de un grupo de iuadaptados socimes amigos para que trabajen en conjunto y puedan alinear tres sustantivos, dos articulos y un verba en forma de hip6tesis cientifica.

Trauma:

Parto:

Salas de Emergencia: Oficinas de la Dra. Poll (Botanies), Dr. MacVean (Biometria), Enio Cano (Entomologia Sistematica), Rony Perez (Entomologia Aplicada) 0 cualquier otro incaulo generoso investigador que proporciona ayuda de ultima hora. Parasito: Estudiante que no refleja su alto nivel tr6fico y que sob revive gracias a las ideas y trabajo de sus compafieros. Pueden multiplicarse 0 llegar a condiciones graves si no se toman acciones en su contra. Incapacidad parcial 0 total para mover uno 0 mas miemoros del cuerpo. Se manifiesta usualmente bajo condiciones de "tension ecademica", pero desaparece misteriosamente los viemes a las 17:30 horas cuando los "cuates" estan tistos para empezar a celebrar el fin de semana. Condici6n inmune perfectamente normal que aparece en el estudiante como respuesta a uno 0 mas de los siguientes estfmulos: a) estudio, b) trabajo, c) responsabilidad 0 d) cualquier condici6n derivada de las tres anteriores. Afortunadamente existe una gran variedad de remedios caseros que son del pleno conocimiento popular. Desorden psicosomatico que se manifiesta en los estudiantes que, habiendo nacido para ser buenos sastres, modistas 0 floristas, se empei\an en obtener un titulo en Fisica, Fisicoquimica 0 su equivalente. Combinaci6n de secuencias en el ADN que, ain'1 siendo identicas en un 99.9999999999% a las de un genic, son capaces de producir todo tipo de mutantes academicos,

Paralisis:

Alergia:

Sadomasoquismo:

Genoma:

i.

..
Glosario Descriptivo: Experimental:

Tecnico

Modelo de investigacion que document a (describe) un fen6meno 0 sujeto. sin manipular las variables que 10 definen. Ej: la descripci6n de un ciclo de vida. Modelo de investigaci6n que manipula una 0 mas variables (factores) y compara estadisticamente los resultados obtenidos contra un control, para probar 0 rechazar una hip6tesis dada. Ej: efectos de distintas dosis de un plaguicida sobre las poblaciones de plaga. Descripcion de. las hipotesis, factores, niveles, variables de respuesta y pruebas estadlsticas que componen un estudio. Incluye la ubicaci6n de las parcelas experimentales y repeticiones, asi como un cronograma de los experimentos. Oracion que establece 0 niega con claridad un hecho. Ej: Existen diferencias en el peso promedio de hombres y mujeres. nula: Hipotesis a la cual puede asociarse una probabilidad estadistica y que comunmente propone que no existen diferencias entre las medias aritmeticas de dos 0 mas tratamientos. Ej: No hay preferencia de una especie de insecto polinizador por el color de la flor. Variables independientes que definen un diseiio experimental. A elias se refieren las hip6tesis en un estudio. Ejemplo: No hay diferencia en el ingreso economico promedio del guatemalteco adulto, segun los siguientes factures: sexo, edad, religion. localidad geografica, grupo etnico y estado civil. Divisiones dentro de un factor. niveles, masculino y femenino. Ej: dentro del factor SEXO (genero) existen dos

Disefto experimental:

Hip6tesis: Hipotesis

Factores:

Niveles: Variables

de Respuesta: Todas aquellas variables que el investigador medin" como respuesta u los tratamientos (factores y sus niveles) aplicados. Ej: Se medira el incremento en biomasa (peso fresco) de plantas con y sin fertilizante. Combinaciones de los factores y sus respectivos niveles. Ej: Si el factor A posee dos niveles y el factor B tres, existe un total de 6 tratamientos. Tratamiento que reproduce las condiciones de un experimento, con excepcion del compuesto 0 fenomeno que se desea probar. Ej: Si el tratamiento experimental consiste en aplicar una soluci6n acuosa de urea, en el control se aplicara agua (el solventc empleado para preparar la soluci6n de urea). Replicas de una unidad experimental para cada tratamiento. Permiten determinar un valor promedio en la variable de respuesta y conocer la variabilidad dentro de cada tratamiento. En general, las mediciones sobre un mismo individuo a 10 largo del tiempo no son consideradas estadisticamente como repeticiones, Oracion que partiendo de una de las hip6tesis u objetivos del estudio, se basa en la evidencia obtenida (resultados) para negar 0 afirmar un hecho. Ej: La aplicacion de urea al suelo incrementa la biomasa del cultivo, respecto del control sin urea,

Tratamientos: Control:

Repeticiones:

Conclusion:

'

..

11

..
INTRODUCCION
• En el principio era el caos y la obscuridad (GenesisjEl proposito de este manual es ofrecer al estudiante universitario de primeros ailos una guia para que pueda llevar a. cabo una investigacion con alta cali dad cientifica. Se hace enfasis en la investigacion experimental en Biologia, Agronomia y disciplinas afines, aunque se explican principios generales que pueden aplicarse a otras cienciasy otros modelos de investigacion, La investigaci6n debe seguir el metoda cientifico, que implica: la observacion, postulacion de una hipotesis, verificaci6n (experimentacion) y elaboraci6n de una teo ria (conclusion). Se consideran buenas caracteristicas de una investigaci6n: su relevancia, originalidad, merito cientifico y, por supuesto, buena redacci6n y ortografia. A traves de la investigacion, se busca que el estudiante desarrolle la actitud critica que caracteriza a la mente cientifica: ~como llegar a la mejor conclusion en base a la evidencia experimental disponible? "existen explicaciones altemativas? l,concuerdan los resultados de este estudio con las de estudios previos 0 analogos? EI desarrollo de esta actitud critica es uno de los fines mas importantes de la formaci6n academica universitaria. Durante la investigacion el estudiante aprendera a buscar informaci6n cientifica en distintas fuentes: literatura cientifica, expertos, y otras. Una buena formaci6n academica hace enfasis en la habilidad de buscar informacion, mas que en 1a capacidad de memorizarla, Este manual ha sido dividido en cuatro partes: en la primera parte se dan algunos consejos practices acerca de c6mo organizar y arrancar el trabajo, se explican las nociones elementales del diseno experimental y se discute el analisis e interpretacion de los datos; luego se presentan ejemplos de disenos y analisis estadisticos para distintos tipos de investigaciones. Finalmente, se lista una serle de errores comunmente cometidos en la elaboraci6n y ejecuei6n de proyectos de investigacicn. El material eontenido en esta guia es propiedad de la Universidad del Valle de Guatemala; sin embargo, se autoriza al usuario a hacer uso discreto del mismo y a diundirlo can fines academicos, siempre que se cite al autor y a la instituci6n. Queda tenninantemente prohibida 5U reproducci6n con fines lucrativos. EI autor no se haee responsable por el mal uso que se le pueda dar al mismo, ni por los dafios fisicos 0 psicol6gicos que el estudiante pueda sufrir at usarlo.

I!Una persona puede ser un ser humano valioso, independientemente cuanta Biologia, Fisica, Matematica Quimica sabe"

°

de

Lamentablemente,

no puede decirse 10 mismo de un buen cientifico.

1 I. EL TRABAJO EN EQUIPO Las siguientes recomendaciones han sido propuestas por los estudiantes del curso "Tecnicas de Investigacion en Biologia" 1996, para la elaboraci6n y ejecucion de proyectos de investigacion:

Organice un equipo conformado por personas con objetivos y fines comunes, preferentemente un grupo multidisciplinario en areas relacionadas a1 problema a investigar. Como ejemplo de los criterios a emplear en la formaci6n del grupo de trabajo pueden considerarse:

o
o

Conocimientos basicos generales (redacci6n, ortografia, conocimientos de estadistica y computaci6n, etc.) Recursos (vehiculo, telefono, fax, internet, finca, computadora y programas: procesador de palabras, graficador, hoja electr6nica y presentaciones) Habilidades especiales y dominic del tema a investigar.

o

Busque un tema interesante, de relevancia y elabore una propuesta de investigaci6n. Se sugieren los siguientes pasos:

o o o

Defina el problema por escrito. Plantee susobjetivos 0 hip6tesis. No aburra allector con una Jarga lista de microobjetivos hlpotesis, Sintetice.

°

Hagase las siguientes preguntas: loEs el tema suficientemente innovativo? loes cientifico? l.es relevante? l.puede hacerse con los recursos y tiempo disponibles? Busque informacion en la literatura cientifica y, una vez ha definido 10 que desea hacer, puede consultar a expertos. A los expertos les fascina ayudar a quien trae ideas 0 problemas claros, pero odian asesorar a quien ni siquiera ha tornado el primer paso. Escriba sus antecedentes y metodologia, Defina que tipo de datos va a colectar y como los va a analizar. Investigue cual es el formato en el que debe presentar su propuesta. Un formato que se ajusta a muchas propuestas (en negrita) y reportes incluye: Resumen
Introduelen (incluye Antecedentes, objetivos y justificacion) Materiales y metodos Titulo

o o

Resultados Discusi6n Conclusiones y Recomendaciones
Literatura Citada

..
2 Anexos

Antes de y durante la recolecci6n de datos:

o o

Defina prioridades y asigne tareas a los integrante del grupo. Elija a un coordinador. Elabore u.ncronograma y presupuesto; trate de cumplir ambos. Establezca un diseiio experimental y defina antes de colectar los datos que prueba estadistica empleara y c6mo interpretara los posibles resultados. Guarde par separado las muestras y datos de las distintas repeticiones. Si los "mezcla'' no podra conocer la variabilidady muy probablemente no los podra analizar.

o
o

o

AI discutir e interpretar sus resultados:

o o o o
o

Conserve la conexi6n l6gica hip6tesis-metodologia-resultados-conclusiones, Determine si los objetivos del estudio se han cumplido. Haga enfasis en la relevancia de sus resultados descriptivos. fen6meno de interes ocurri6 0 no y como. Determine si el

Explique sus analisis estadisticos, Si el fen6meno ocurre, locon que frecuencia 0 intensidad? l,c6mo se comparan los grupos experimentaies (tratamientos) respecto del grupo control? Si ya deslumbro al lector con lenguaje tecnotr6nico (la prueba cuadrada del paralelopipedo biotico inverse da una P=O,891), traduzca sus conclusiones 0 resultados al castellano (no hay efectos visibles en el tratamiento ensayado). Determine si las hip6tesis planteadas se han aceptado 0 rechazado. Una vez ha discutido cada hipotesis u objetivo, sintetice: loCUaJ el punto central de su estudio? es

o

o

AI elaborar sus conclusiones y recomendaciones, hagase las siguientes preguntas:

o

loEsla mejor interpretaci6n posible, a partir de los resultados obtenidos? loExistenexplicaciones altemativas? losonprobables? loEsconsistente can 10 que se conoce acerea del tema,o con estudios analogos? loContesta las preguntas planteadas al inicio del estudio?

o o o

3

rr,
1. ModeJos de jnyestiiaci6n:

EL DISENO EXPERIMENTAL

Para lograr sus objetivos, un investigador elige el modelo que mejor responde a la naturaleza y requerimientos del estudio. Existen dos gran des modelos en la investigacion cientifica: el descriptivo que documenta un fen6meno sin manipular las variables que 10 definen y el experimental que manipula una 0 mas variables (factores) para observar su respuesta. En el primermodelo se pretende establecer si el fenomeno ocurre ono, en que consiste y su ftecuencia 0 intensidad. En el segundo modele se busca establecer si la frecuencia 0 intensidad con que el fenomeno ocurre es estadisticamente igual en los grupos experiment ales, respecto del grupo control. En un trabajo descriptivo el investigador se limita a observar, sin modificar las condiciones en las que el fenomeno ocurre, por ejemplo: en el estudio de un ciclo de vida, la determinaci6n de la distribucion geografica de un organismo, la descripcion de una nueva especie viviente u observaciones sobre la biologia 0 ecologia de una especie. En el trabajo experimental el investigador observa un fen6meno bajo distintas condiciones controladas (tratamientos), por ejemplo: al medir la respuesta de un organismo 0 material a distintas dosis de un compuesto 0 hacia distintos estimulos (color, sonido, olores 0 temperatura), al establecer las tasas de supervivencia, reproductividad u otra en condiciones controladas (temperatura, humedad relativa y fotoperiodo). Lo mas probable es que una investigaci6n tenga aspectos descriptivos y experimentales, ya que es deseable la combinacion de ambos. Tanto el profesor como el estudiante deberan tener claro que es igualmente importante hacer trabajo descriptive, como experimental. La investigacion baisica, aunque tiene objetivos y fines claros, no pretende resolver un problema practice 0 cotidiano. La investigacion apUcada, como su nombre 10 indica, tiene fines aplicados a una rama especffica de las ciencias 0 a la resolucion de un problema concreto. Dos 0 mas cientificos distintos pueden estudiar el mismo fen6meno (un insecto) con prop6sitos diametralmente opuestos: el primero (basico) desea describirlo, conocer mejor sus ciclos biol6gicos e importancia; el segundo (aplicado) desea aprender a combatirlo. Existe un tercer tipo de investigaciori, extensionista, que busca la mejor forma de transferir tecnologia 0 conocimientos, desde la fuente (los investigadores basicos 0 aplicados) hacia las personas que los necesitan. Una investigaci6n hist6rica haee uso de las tradiciones orales, la evidencia fisica (arqueologia y paleontologia) 0 linguistica, para reconstruir un proceso historico. La historia de la ciencia es un registro cronologico de sus paradigmas. La investigacion ontologica trata de reconstruir 0 establecer el patron de desarrollo de un fenomeno; por tanto, puede 0 no ser una reconstrucci6n hist6rica. Detenninar las etapas del desarrollo de un individuo, desde la etapa embrionaria hasta la senescencia, o las fases de desarrollo de una comunidad social son dos ejemplos de estudios onto16gicos.

..
4 2. Elementos del disefio experimental:

a.

La hip6tesis

Una hipotesis es simplementeuna oraci6n que niega 0 afirma un heche. Comunmente el investigador plantea en forma de hipotesis nula, negando que el tratamiento aplicado tenga algun efecto sobre los sujetos delexperimento (0 que baya relaci6n entre la variable dependiente y la variable independiente. Ej:

la'

Ho.: Ho2: Ho3:

No bay diferencia en el peso (biomasa) de grano de maiz fertilizado quimicamente vrs. fertilizado con abono organico (composta). No bay una asociaci6n entre la frecuencia de avistamiento de aves y la hora del dia,
El numero

de oviposiciones de la mosca minadora Lirtomyza hutdobrensis (Blanchard) sobre vainas de arveia no correlaciona con el area superficial de la vaina.

A la hip6tesis contraria, que afirma que existe un efecto del tratamiento apJicado (0 una relaci6n entre la variable dependiente e independiente) se Ie llama hipotesis alterna. Ej: Hal: Existe diferencia en el peso de grano de maiz fertilizado quimicamente vrs. fertilizado con abono organico (composta) .

H8.,;: Existe una asociaci6n entre la frecuencia de avistamientos de aves y 1ahora del dia. H8.J.: El numero de oviposiciones de la mosca minadora Liriomyza huidobrensis (Blanchard) sobre vainas de arveja correlaciona con el area superficial de la vaina.

.

b.

Los tratamientos Se llama tratamiento ala combinaci6n de los faetores y sus distintos nivetes. Ej:

Un experimento con 4 distintas especies de felinos intenta determinar los efectos de 3 dietas y 2 epocas del ano sobre la frecuencia de apareamiento. Esto da un total de 24 tratamientos, definidos como sigue: 4 especies x 3 dietas x 2 epocas del ano = 24 posibles combinaciones.

5 En un estudio se detennin6 el grupo sangufneo de hombres y mujeres (Factor GENERO, 2 niveles) de 3 regiones geograficas (Factor LOCALIDAD, 3 niveles). Esto da un total de 6 tratamientos, comosiguen:
1.

ii.

iii. c.

Mujeres de la localidad 1 Mujeres de la localidad 2 Mujeres de lalocalidad 3

IV.

v.
Vl.

Hombres de la localidad 1 Hombres de la localidad 2 Hombres de la localidad 3

EI arupo control

En muchos estudios, es importante comparar los grupos (tratamientos) experimentales contra un grupo control. EI control es un tratamiento que reproduce las condiciones de un experimento, con excepci6n del compuesto 0 fen6meno que se desea probar. Ej: Si se desea observar el efecto de una soluci6n acuosa de fertilizante sobre una planta, el control debera ser agua administrada a plantas similares a las del grupo experimental (misma edad, altura, fenologia, etc.) en igual forma y dosis como se administr6 el fertilizante acuoso. De acuerdo con los fines del estudio, puede establecerse un control positivo 0 negativo. Ej: En un estudio sobre la deficienciade vitamina A, al grupo control se le di6 una dieta normal mientras el grupo experimental recibi6 una dieta deficiente en vitamina A (control positivo, el tratamiento control posee la susbtancia de interes mientras los efectos de la deficiencia se estudian en el grupo experimental). d. variables de resguesta

Son todas aquellas mediciones que se efectuan sobre los individuos que integran los distintos tratamientos. Ej: peso, edad, genero (sexo), area, longitud, ancho, temperatura, humedad, precipitacicn pluvial, concentracion, ftecuencia (con que ocurre un fenomeno), numero (poblaci6n), fertilidad, fecundidad, supervivencia, etc. Algunas variables, como el peso, la tall a, etc. son continuas, mientras otras como la frecuencia y el numero son discretas (s610 adoptan valores enteros), Existen tambien variables logicas (Verdadero-Falso), booleanas (Sf-No), de tipo ordinal y nominal. Es importante, cuando se elabora el disefio experimental, adecuar las pruebas estadisticas a la naturaleza de las variables que se han medido. Por ejemplo, una variable expresada como frecuencia podria ser perfectamente analizada can una prueba de Xi cuadrado, mientras dificilmente una variable booleana se podria analizar con una prueba de medias como t 6 F.

6

e.

Repeticiones y bloQues

Las repeticiones son las mediciones (genera1mentesimult!neas) que efectuamos sobre distintos individuos 0 replicas de un mismo tratamiento. Tambien se refiere a la ubicaci6n fisica de un mismo tratamiento que se replte. Por ejemplo, el siguiente diseno de un experimento contiene 3 repeticiones de plantas aI sol y 3 a la sombra:

Sol

Sol

Sol

Hay queser cuidadoso aI analizar las repeticiones en el tiempo ya que, a menos que TIEMPO sea un factor del estudio, mediciones sobre un mismo individuo (0 parcela) a 10 largo del tiempo deben ser consideradas pseudorepeticiones y no ser analizadas estadisticamente como repeticiones. Cuando las repeticiones no puedao establecerse en condiciones fisicas (u otras) equivalentes (homogeneas), sera necesario el empleo de bloques, cada uno conteniendo at menos una repetici6n de cada tratamiento. Ej: AI colocar las repeticiones de un experimento sobre las laderas de una montana (hay un gradiente de altitud), se establecieron bloques a 3 distintas altitudes:

Tratamiento 1

Tratamiento 3

Tratamiento 3

Tratamiento 2

Tratamiento 2

Tratamiento 1

Note que el orden de los tratamientos en cada bloque es aleatorio y que los bloques son colocados en forma ortogonal (tangencial) al gradiente de aItitud. En otros casos, sera necesario hacer bloques aunque no exista un gradiente. Por Ej: al establecer los mismos tratarnientos en distintas localidades geograflcas, cada localidad puede considerarse como un bloque 0 puede incluirse el factor LOCALIDAD en el disefto experimental.

J

7

3.

Tipos de diseDQS

A continuaci6n se discuten 3 distintos ejemplos de diseftosestadisticos. Es recomendable que, independientemente del disefio que emplee, aleatorice su muestreo y que los tratamientos tengan igual numero de replicas 0 repeticiones. La prueba estadistica que emplee debera corresponder al tipo de disefio, tipo de muestreo y al numero igual 0 desigual de repeticiones entre distintos tratamientos,
a.

De unll yill

Consta de un solo factor con sus distintos niveles. Ej: Deseamos saber que grupo tiene un ingreso econ6rnico promedio mayor: l,hombres 0 mujeres? (Factor GENERO, 2 niveles= M y F; Variable de respuesta=ingreso econ6rnico promedio). Ho: No hay diferenciaen el ingreso econ6mico promedio debido at genero (sexo). (probablemente se aplica una prueba de t)

Un caso particular son los estudios de dosis-respuesta. En estos existen diferentes niveles (dosis) q~e se comparan contra un grupo control (dosis cero). Ho: La variable de respuesta no depende de la dosis del compuesto. (probablemente se apliea una pruebade F, si hay 3 0 mas tratamientos, analisis de correlacion y regresi6n si hay muehos niveles) . un

0

b.

De dos vias

Hay dos factores con sus disdntos niveles. Ej: Si se compara la longitud de alas de moseas de 2 especies en 3 distintas plantas hospederas (Factor ESPECIE, 2 niveles; Factor HOSPEDERO,3 niveles; Variable de respuesta=longitud de alas, en mm). Ho 1: No hay difereneia en la longitud de alas debido a la ESPECIE de mosca. Ho2: Ho3: No hay diferencia en Ia longitud de alas debido a la plantaHOSPEDERO. No existe interaccion entre la ESPECIE de mosca y la planta HOSPEDERO.

Se da una interaction entre dos factores cuando sus efeetos no son aditivos. Por ejemplo, en la Fig. 1 no hay interacei6n (Ia pendiente de las rectas es la misma). En la Fig. 2 existe una interacci6n: el ingreso econ6mico promedio de las mujeres aumenta (con la edad) a un ritmo distinto que para los hombres.

" 8

40

aof-All 10

.~=-~~~ ..... 1 .. ~......=----=~ ..... ~.=
= .
=.

RendlmlentoPromedlo de Malz segun Tlpo de FertflizaclOn

Salarlo Promedlo segun Genero (Sexo)

. .

flItl AIIo (t880-1882) Tr ...
Quj!

....
aD 40

Ed.cl (dIM)
e .....
D

eo

-

orgAn..-.

-

Figura 1 c. Factorial

Figura 2

Consta de 3 0 mas factores y sus distintos niveles. Ej: Un estudio sobre la prevalencia de helmintos intestinalesen humanos cuenta con 16 tratamientos definidos por los siguientes 3 factores y sus niveles: FACTOR
i ii. iii.

NIVELES 4 (Norte, Sur, Centro y Oriente de Guatemala) 2 (Epoca seca y lluviosa) 2 (F emenino, Masculino)

REGION geografica EPOCA del ano GENERO

Hol_3: No hay diferencia en la prevalencia (numero de casos) de helmintos debido a los siguientes factores: REGION, EPOCA y GENERO. H04-7: No existen interacciones entre los siguientes factores: Interacciones de 1er Orden REGION X EPOCA REGION X GENERO EPOCA X GENERO ·Interacciones de 2do Orden REGION X EPOCA X GENERO

9

m. RECETARIO
1.

ESTADISTICO

Indices

Estadisticos descriptivos que se emplean para reportar riqueza, similitud, disimilitud, diversidad, etc., de forma que puedan ser comparados directamente con indices para sitios, grupos 0 epocas distintas.

.f

A.

Indice de similitud (y disimilitud) de Dice: Reporta el total de especies compartidas (comunes) entre dos sitios 0 grupos, respecto del total de especies en cada sitio. ID"" 2N(2A+B + C), donde A

B = espeeies no compsrtidas en sitio 1
C "" especies no compartidas en sitio 2

= especies

compartidas entre sitios 1 y 2

Ej:

Al comparar Jas especies de Passalidae en un bosque pino-encino y un bosque de liquidambar tenemos 3 especies compartidas, 4 especies no-compartidas en pine-encino y 6 especies no-compartidas en liquidambar. Indice de similitud de Dice (ID)" Indice de disimilitud'" 1 - ID 6/(6+4+6) ""0.375 1 - 0.375 = 0.625

=

B.

Indice de similitud de Jaccard: Representa el numero de especies compartidas entre dos sitios grupos, respecto del total de especies en ambos sitios.
o

0

IJ "" N(A+B+C) Ej: Para el mismo estudio de pasalidos: IJ = 3/(3+4+6)

= 0.231

C.

Indice de similitud de Sorensen: Reporta el total de especies compartidas entre dos sitios grupos, respecto del total de especies no compartidas.

0

IS =2N(B+C)
Ej: Para el mismo estudio de pasalidos: IS

= 6/(4+6)

""0.600

,,'
10 D. Indice de diversidad de Shannon: Representa la suma logaritmica de la fracciones compuestas por el numero de especies 0 individuos en distintas categortas, por ej: taxones. H = -L,Pi(ln Pi). donde Pi = fraccion de individuos Ej:
0 especies

En un muestreo del campus de In Universidad del Valle de Guatemala se encontraron 4 familias de insectos minadores. Se busca reportar su diversidad: 'DiII~' Agromyzidae Anthomyiidae Gelechiidae Cluysomelidae Total

£.s~G

II de espeelet 5 1 1
1

-# ~

i~\~\~

PI

.

5/8
118 1/8 1/8

In Pi -0.47 -2.08 -2.08 -2.08

Pi (InPi) -0.29 -0.26 -0.26 -0.26

8

H = -L,Pi(ln Pi) == 1.07 ._

'" La diversidad maxima se alcanza cuando las especies 0 individuos se distribuyen equitativamente entre las categories. En el ejemplo anterior: si hubiesen 2 especies por cada familia, H(max) = 1.39.

'" '"

Un indice de Shannon igual a cero indica que existe una sola especie. Diversidad bruta (total de especies) == S = 8

E.

Indices de Riqueza de Margalef y Menhinick: numero de individuos observados. Rl (Margalef) = (S-l)lln(n),

Reportan el total de especies, respecto del

R2 (Menhinick)
Ej:

= S/(n)ll2,

donde S = total de especies , n = numero de individuos observados las cuales se identificaron, dando un total de 6

En un muestreo se colectaron 32lagartijas, especies. Rl (Margalef) ::::(6-1)/ln(32)

=

1.44

R2 (Menhinick)

= 6/(32)112 = 1.06

11 2.
Pruebas de frecuencias

Estadlstica inferencial que se emplea para comparar la frecuencia con que un fen6meno ocurre en distintas categorias (tratamientos). A continuacion se presenta la prueba de Chi cuadrado ()(2). Otras apIicaciones de )(2 incluyen: detenninar limites de confianza para varianzas, probar la homogeneidad de varinnzas y coeficientes de correlacion, y pruebas de ajuste (goodnes offit). A. Chi cuadrado (Xl): Compara las frecuencias observadas y esperadas en cada categoria (tratamiento), de acuerdo con la siguiente f6rmula:

Xl = E (o-e)2/e, donde
Ho: Ej:

0

= frecuencia observada,

e = frecuencia esperada

La proporcion de frecuencias (variable de respuesta) no varia entre distintos grupos. (no hay diferencias significativas entre frecuenciasesperadas y observadas) Un ornitologo desea saber si In FRECUENCIA de avistamiento de aves varia con los SITIOS de observacion, colocados sobre un transecto. Se han hecho 3 observaciones de 10 minutos en cada punto, dando el siguiente mimero promedio de avistamientos:
0

Punto
A

B C Total

28 130 40
198

66 66 66
gl = (3-1) = 2

e

(o-e)

(o~e)l

(o~e)l/e

·38 64 ·26

1,444 4,096 676
)(2=

21.88 62.06 10.24 94.18*

con X2 te6rico para 2 grados de libertad (Anexo B), las frecuencias de avistamiento difiere entre SITIOS y la diferencia entre frecuencias observadas y esperadas es altamente significativa (P<O. 001). La frecuencia de avistamiento de aves depende del sitio y es probablemente mayor en el sitio B, .

* AI comparar

3.

Pruehas

de hip6tesis (medias aritmeticas)

Estadistica inferencial que busea la aceptacion 0 rechazo de una hipotesis nula. Usualmente se comparan las medias aritmeticas de distintos tratamientos, incluyendo el grupo control.
Hip6tesis de dos colas: Para las medias XI y X2 (emplear oc/2 al buscar parametres te6ricos) Hip6tesis alterna (Ha):
ee

.,

Hip6tesis nula (Ho):

XI" ~

Hipotesis de una cola! Para las medias XI Y X2 (emplear
Hip6tesis nula (Ho): si la

al buscar pan\metros te6ricos) XI > ~

Hip6tesis altema (Ha):

..
12
A.
1.

Prueba de t: Entre sus aplicaciones tenemos: fijar limites de confianza a muestras pequeiias, probar diferencias entre dos medias aritmeticas y comparar un especimen contra una muestra. Comparacien de un especimen contra una muestra: Este es un case especial de la prueba de t, donde se busca estimar Ia probabilidad de que un individuo pertenezca a la muestra contra la cual se esta comparando.
t

= -i, Xl-,
S2 /(n2 + 1)/n2

donde

YI == medici6n para el especimen
promedio de la muestra desviaci6n estandar de la muestra ~ == tamaiio de la muestra
S2 ::

y2 ::

Ej:

Un mosquito Aedes de Ia costa sur tiene una longitud de alas Yl .. 2.90mm. Una colecta de 5 Aedes aegypti de Ia ciudad capital dio las longitudes indicadas abajo. Se desea saber si, por la longitud de alas, el mosquito de la costa sur podria pertenecer a la muestra tomada en la capital (Ho: no existe diferencia en la longitud promediode alas). y 4.02 3.88 3.34 3.87 3.18
t= 2.90·3.65 Y2:: 3.65,
S2

= 0.37.

n2

= 5,

gl ... (~-l)

=4

- 0 == -0,75 0.37 /615 0.405

... -1.85 (en valor absolute, 1.85)

De la tabla de t (Anexo B) tenemos que t.05(gl=4) - 2.776. Dado que texp(1.85) < it.., (2.776) no puede rechazarse la Ho: el mosquito Aedes de la costa sur proviene de una poblacion con la misma longitud promedio de alas que la poblacion de Aedes aegyptt de la ciudad capital. 2. Comparacien t de des muestras: y varianza de la muestra 1 y varianza de Ia muestra 2 n == namero de repeticiones en cada muestra (si n es igual)

= -Yl -~_ donde Y S12 ... media /(S,2 + sl)/n y" S22 "" media 2.

Ej:

Se desea probar la Ho de que no existe diferencia en el peso de las crias de un felino en cautiverio vrs. erias en su habitat natural. Para eUo se compararon los pesos (en Ib) de siete crias provenientes de cada ambiente: Cautiverio (l) Habitat natural (2)
.t= 8.56-7.11 Y, .. 8.56.
S1 2

Y2 ""7.11.
=__,1 .....5_= .4 ......

2 S2 ::

= 1.05
1.42

/(0.55+0.42)17

';0.9717

IA5 =3.90 0.372

De la tabla de t (Anexo B) tenemos que t.os(gl=6):01 12.59. Dado que ~ (3.90) < it.., (12.59) no puede rechazarse la Ho: no hay diferencias estadisticas en el peso de las crias en cautiverio vrs. en habitat natural.

13

B.

Prueba de F: Bsta se emplea para probar diferencias entre dos 0 mas medias aritmeticas. Una vez se establece si hay diferencias estadlsticas y con que nivel de significancia (Ver correlaciones, abajo), es necesario correr una prueba de seperacion de medias (Tukey, LSD, SNK U otra) para determinar que medias aritmeticas son estadisticamente distintas. EI analisis de varianza se basa en una prueba de Fy cuenta con pruebas adecuadas a los modelos previamente discutidos de una via, dos vias, factorial, anidado y otros. Referencias: Zar, J. 1984. Biostatistical analysis. 2nd Ed. Prentice-Hall.

4.

Correlaciones y Regresiones: Estas pruebas consisten en determinar coeficientes para conjuntos apareados de variables dependiente (Y) e independiente (X), postulando que existe una relaci6n de algiln tipo (lineal.Iogaritmica, exponencial, etc.) entre ambas variables. Muchas calculadoras de bolsillo 0 computadoras (PC) incluyen regresiones y correlaclones, por 10 que s610discutiremos la interpretaci6n de los datos obtenidos.

A.

Correlaciones: Esta prueba asume que la relacion entre las variables X y Y es lineal. Si el coeticiente de correlaci6n(r) tiene valor positivo, significa que aumenta la variable Y al incrementar la variable X. Si el coeficiente es negativo, Y disminuye at incrementar X. En cuanto al valor absoluto del coeficiente, no existen realmente limites aceptables", pero un valor de 1.0 indica una correlaci6n perfecta entre ambas variables.
It

Ej:

Un estudio en plantas de cafe (Coffea arabica L.) mostro que la correlaci6n entre el numero de hojas post-cosecha y el numero de granos formados tiene un coeficiente r= -0.86. Esto indica que habra menos hojas post-cosecha mientras mayor haya sido la cantidad de grana fonnado.
Quo valor comunmente obtenido es la significancia del analisia de correlecion. Esta es una prueba de F con la hipotesis nula de que la pendiente es cero (Ho: m=O)y la hip6tesis alterna de que la pendiente es distinta de cero (Ha; m ~ 0). Este valor puede ser expresado con una de las siguientes notaciones:

Asteriscos

Valor estimado de P P (.OS P (.01 P (,001

Interpretaci6n Significativo Altamente significative Altamente significativo

• ••

•••

EI valor de P se reflere a la probabilidnd de estar equivocado al rechazar In hip6tesis nula (Ho).

14 B. Regresiones: Una regresion pretende evaluar una ecuaci6n aritmetica (lineal, exponeneial, logaritmica, de potencias, etc.) que describa la relacion entre las variables X y Y, y estirnar que porcentaje de los cases se pueden explicar con el modelo aritmetico empleado (valor de c2). Un cientifico aplic6 una regresion lineal para estudiar la relaci6n entre fuerza muscular (peso maximo que un individuo puede levantar) y diametro del musculo bisceps, obteniendo un coeficiente de regresi6n lineal r'" 0.34 (34% de los casos se explican con el modelo lineal planteado). . Al aplicar una regresi6n de potencias (0 una regresi6n lineal tomando la ralz cuadrada de la fuerza muscular vrs. diametro 0 radio muscular) se obtuvo un coeficienter' - 0.89 (89% de los casos se pueden explicar con el modelo cuadratico propuesto). La fuerza muscular aumenta en forma cuadratica cuando se incrementa el diametro 0 radio muscular. Tipos comunes de regresion: Lineal Exponencial y=a+bx y = aebx y= a +b(lnx) y= ax"
y = a + b/x

Ej:

Logaritmica
De potencias Inversa

C:)lponC:rlliul rellll!HSio[l i'Qrmula
y
....

/'
.' y

-.

;",/-

'.,/"

/

/
.

. ...

'.

--- •••..~ >~.... ...

/ /. '."';'
.....
.

.

.

.. b*ad4hink rC:.llI·~N fUI'I);uiu ..iull
y

Iluwcr (;UI''IIC: 1'C~reH5i<ln fMnula

.................. .:.....
....

L-L...../ __

/~'/
--:! :'Ii ..

.'.

" 15 IV. ERRORES COMUNES EN PROYECfOS DE INVESTIGACI6N A continuaci6n se listan los errores mas comunes en las propuestas y trabajos de investigaci6n. Una vez ha escrito su propuesta 0 reporte final, lea esta lista y preguntese si no esta cometiendo uno 0 mas de estos errores: 1. Mala 0 PObre defmi'ci6n <lei problem: Se da cuando la busqueda de literatura es pobre ylo el investigador no hace un esfuerzo adecuado por definir con claridad el tema del estudio. Solution: Consulte literatura especializada en la rama de su interes, discuta y defienda su idea ante otras personas y compare su trabajo can modelos 0 experiencias similares en la literatura cientifica. Mala asilWacjOn de los sujetos a los WlpoS experimentales: Ocurre cuando hay un sesgo en la forma como los sujetos son repartidos entre los tratamientos. Ej: no puede asignarse los sujetos sanos al tratamiento control y los enfermos al experimental; tanto el grupo control como el experimental deben tener: 5610 sujetos sanos (ambos), s610 enfermos (ambos) 0 una proporci6n equitativa de ambos. Solution: Clasifique a los sujetos previo a asignarlos a los grupos experimentales y haga la asignucion en forma aleatoria 0 uniforme. Iamano de las muestras no cOQcuerda con el tamnfto del uniyerso a con las conclusiones: Una conclusi6n sera valida s610 si el tamafio de la muestra analizada es representativa del universe 0 poblaci6n a In cual se quiere aplicar la conclusion. Ej: No es posible analizar la diversidad de insectos en dos arboles y concluir que la Sierra de las Minas (con millones de arboles) es un sitio altamente diverso. Solution: Emplee una f6rmula estadistica para calcular el tamano adecuado de muestra 0 limite sus conclusiones a la muestra que analiz6. Resultados ylo concJusjones no concuerdnn con oRietiyos e hipotesis: Este error ocurre si no se mantiene una relaci6n logics objetivo-hip6tesis-resultado-conclusi6n~recomendaci6n. E]: un estudio recomend6 reforzar las pollticas de conservaci6n de recursos naturales, ya que (conclusi6n) el tamaDo de nuestros bosques se ha reducido dramaticamente en los pltimos 20 aDos; sin embargo, su objetivo era detenninar la diversidad actual de especies de arboles a traves de un inventario forestall? Solution: Revise que su trabajo mantenga una relacion 16gica objetivo-hip6tesis-resultado-conclusi6n-recomendaci6n.
Uso jnadecyndo

2.

3.

4.

5.

de cuadros y firwms: Ocurre por infinidad de razones. Las reglas de oro para el uso de

tablas a. b.

0

figuras son: No emplee cuadros ni figuras si 10 puede decir con poeas palabras, si va a representar un solo dato 0 si una columna es la resta de la otra.

EI tipo de figuras debe concordar con la naturaleza de los datos. Las variables discretas se expresan mejor en figuras de BARRAS, variables condnuas como LINEAS y frecuencias como
BARRAS
0

PAY (pie chart).

c.

No coloque cantidades excesivas de informaci6n en tablas 0 figuras. Si necesita varios minutes para poder comprender una tabla 0 figura, esta ha perdido su prop6sito.

..
16 6.
Mal uso de las Pmebas estadistiC8$:Ocurre principalmente por usar una prueba que no se conoce 0 por

no considerar eI analisisde los datos al disefiar una propuesta. Los siguientes dos ejemptos Ie ayudaran a no cometer los mismos errores: a. Pseudorreplicacion: Ocurre cuando se mide varias veces un mismo individuo 0 replica. por ejemplo, cuando se muestrean distintos puntos del mismo rio, cuando se evahia la misma parcela en distintas fechas 0 se toman varias muestras de la rnisma planta. EI modele estadistico del analisis no corresponde al del disefio experimental: Se da cuando se desconocenlos requerimientosde la prueba 0 cuando el investigador escoge aleatoriamente una prueba estadlstica en la cual "caben" sus datos. Algunas pruebas estadisticas emplean un modelo que dependede la formacomo se tomaron los datos, si hay repeticiones y su mimero es igual 0 desigual entre tratamientos, el numero de factores y niveles.

h.

7.

Los objetivos son demnsjado ambjciasos para los recursas )' tjempo disponibles: La causa principal es mala planificacion a la costumbre latina de dejar todo para ultima hora. No hay objetivos demasiado amhiciosos para un excelente investigador, pero es necesario reconocer que no todos somos investigadores excelentes. Mala redacci6n y ortQifafia: Un reporte debe tener calidad cientifica y ademas, ser agradable de leer. Esto incluyebuena redacci6n y ortografla. Un buen parrafo desarrolla una sola idea. la cual se resume en una oracion al principio del mismo. Evite emplear oraciones complejas y Jargas (hasta de una pagina]I) 0 sin verbos. Sea cuidadoso con los participios y gerundios. Repase sus cursos de ortografia o emplee un buen procesador de texto con corrector de ortografia. Et reporte Q pmpyestn carece de infonnacjOn syficiente 0 contjene jnformaciOnirreleyante El titulo es copfy.qO,cootiene pn1abras Que pueden etiminarse sip Perder el septjdo oriajnal. inadecuado Para QUiepya a ser dirieido ElleolW'lie es ipndecyado para los iptereses a [armad6p de los teetores
0

8.

9.
10.

es

11.

17 REFERENCIAS Committee on Form and Style of the Council ofBiotogy Editors. 1972. CBE style manual. 3rd Ed. American Institute of Biological Sciences, Washington, D. C. USA. 297 p. Day, A. D. 1990. Como escribir y publicar trabajos cientificos. Publicacion cientifica 526. OPS, Washington, D. C. USA. 214 p.
. "

Marks, R. G. 1982. Designing a research project. Lifetime Learning Publications, Wadsworth Inc., California. USA. 193 p.

Sign up to vote on this title
UsefulNot useful