Diseño’Experimental’y’de’Muestreo’ · 3 Diseño’Experimental’y’de’Muestreo’...
Transcript of Diseño’Experimental’y’de’Muestreo’ · 3 Diseño’Experimental’y’de’Muestreo’...
1
Diseño Experimental y de Muestreo
• Diseño Muestreo y Experimental -->fundamental para análisis
estadísticos
• Escogencia de factores (V. independientes), niveles de factores,
(tratamientos), Unidades de repuesta (replicas), Unidades de
muestreo (replicas, submuestras), variables de respuesta
• Objetivo: diseñar esquema que provea estimaciones de los
parámetros de una población más eficientes (costos) y Precisos --
>Muestreo o Experimento
Diseño Experimental y de Muestreo
• Experimentos Manipulativos – Se alteran los niveles de variables predictoras (factores) y se
mide la respuesta de 1 o más variables de interés
– Evaluar hipótesis de causa-efecto
– Ejemplo: Hipótesis: Depredación por lagartos controla la densidad de arañas
– -->se altera la densidad de lagartos y se mide la densidad de arañas
– E. manipulativos de campo: • Escala espacial: 80% en parcelas de menos de 1m
• Replicación se sacrifica a grandes escalas espaciales
• Restringido a especies pequeñas de vida corta
2
Diseño Experimental y de Muestreo
• Experimentos Naturales (Muestreo) – No se consideran realmente experimentos
– Ejemplo: Hipótesis: Depredación por lagartos controla la densidad de arañas
– -->se muestrean parcelas que varíen naturalmente en la densidad de lagartos (idealmente que varíen solo en la densidad de lagartos) y se mide la densidad de arañas
– Experimentos Naturales instantáneos -->replicas en espacio • Rápidos, espacialmente replicados, mayor independencia
estadística
– Experimentos Naturales de trayectoria -->replicas en tiempo • Para observar cambios a través del tiempo
• Restringidos a un solo sitio -->no replicados en espacio
Diseño Experimental y de Muestreo
• Unidades de muestreo (experimentales): unidad estandarizada en
la cual se registran los valores de la variable
– Naturales: Piedras, organismos, lagos,..
– Artificiales: Cuadrantes, parcelas, transectos,
• Unidad de respuesta: unidad mínima que individualmente manifiesta los efectos del (los) Factor (es) y que es independiente de otras.
• Unidad de respuesta ≠ Unidad de muestreo ≠ Muestra
3
Diseño Experimental y de Muestreo
• Experimentos naturales y manipulativos -->generan la misma clase de datos y se analizan igual
• Manipulativos: – Mayor confidencia en inferencias acerca de causa-
efecto
• Naturales: – Se pueden realizar en cualquier escala espacial y
temporal
Diseño Experimental y de Muestreo
• Muestreo – Muestreo Aleatorio simple
• Todas la UM tienen igual probabilidad de ser seleccionadas en una muestra
• Problemas: – UM no representan unidades naturales, UM y
el área de muestreo es grande – Ineficiente cuando hay heterogeneidad
4
– Muestreo Estratificado • Población de datos dividida en estratos (niveles)
representando grupos de unidades • Muestrear piedras en un arroyo -->riqueza de
invertebrados – Diferentes hábitats (rápidos, remansos) -->muestras
aleatorias de cada estrato (hábitat)
• Asegura que pples hábitats son incluidos en muestra -->representatividad
• Número de UM en cada estrato es proporcional al tamaño de cada estrato o al número de UM de cada estrato
Diseño Experimental y de Muestreo
Diseño Experimental y de Muestreo
• Muestreo por Conglomerados – Identificar UM primarias (agrupamientos, Clusters)
-->árboles – C/UM primaria identificar todas la Unidades
secundarias -->ramas – Muestreo por Conglomerados Simple -->muestrean
todas la unidades secundarias dentro de c/UM primaria
– Muestreo por Conglomerados en Dos Etapas -->se seleccionan aleatoriamente unidades secundarias dentro de c/UM primaria
5
Diseño Experimental y de Muestreo
• Muestreo Sistemático – UM igualmente espaciadas temporal o
espacialmente -->Trampas de mamíferos cada 10 m – Útil para describir gradientes ambientales y
establecer donde cambia un ambiente -->gradiente en riqueza de especies lejos de una fuente de polución
– Riesgo -->espaciamiento puede coincidir con un patrón natural -->inferencia puede estar sesgada
Diseño Experimental y de Muestreo
• Diseño Experimental: El diseño estadístico de un experimento está relacionado con la forma de asignación de los tratamientos (aleatorización) a las unidades experimentales.
• Error Experimental: Describe la variación entre unidades experimentales igualmente tratadas
• Variabilidad entre unidades puede ser dada por: – La variación natural de las unidades experimentales.
– Variabilidad en la medición
– Imposibilidad de reproducir las condiciones del tratamiento con exactitud de una unidad a otra
– Efecto de factores externos
6
Diseño Experimental y de Muestreo
• Control del Error Experimental – La técnica – La selección de las unidades
experimentales – Uniformidad de las unidades
experimentales – La selección del diseño experimental – La medición de información adicional
Diseño Experimental y de Muestreo
• Replicación – Observaciones replicadas a escala de la aplicación
de los tratamientos experimentales – Replicas: esenciales en sistemas biológicos --
>inherentemente variables – Análisis -->comparar la variación entre grupos de
tratamientos con la variabilidad inherente entre U experimentales dentro de cada grupo
– Frecuentemente falla la escala de las replicas relativa a los tratamientos aplicados -->Pseudorreplicación
7
Diseño Experimental y de Muestreo
• Ejemplos de Pseudorreplicación: – Efecto del fuego sobre la riqueza de
invertebrados de suelo – Efecto de Cu sobre asentamiento de larvas
de balanos
Diseño Experimental y de Muestreo
• Controles – Cuando no pueden ser controlados muchos factores
que pueden influenciar el resultado y estos varían naturalmente -->Control
– Control -->debe permitir eliminar tantos artefactos introducidos por el diseño como sea posible
– Ejemplos: • Efecto de sustancia sobre animales experimentales
8
Diseño Experimental y de Muestreo
• Aleatorización – Muestreo -->selección de unidades de
muestreo independientes – Diseño -->asignación de tratamientos a las
UE – Muestra aleatoria -->parámetros
poblacionales no son sesgados y la inferencia estadística es confiable
Diseño Experimental y de Muestreo
• Independencia – Falta de independencia entre UE -->Difícil
interpretación e invalida los análisis estadísticos
– Animales en el mismo acuario, caja -->expuestos a similares condiciones físicas y biológicas -->no independientes
– Se puede garantizar a través de aleatorización
9
Diseño Experimental y de Muestreo
• Combinando tipos de variables, Categóricas vs continuas – dependientes vs independientes -->cuatro diferentes clases de diseños
Variable Dependiente
Variable Independiente
Continua Categórica
Continua Regresión ANOVA
Categórica Regresión Logística Tabular
• Diseños de Regresión – Cuando las variables
independientes y las dependientes son continuas -->Regresión
– Para cada replica se mide la variable de respuesta y la (s) variable (s) predictora (s)
– Regresión puede ser múltiple o simple, lineal o no-lineal
• Diseños de Regresión Logística: – Cuando las variables
independientes son continuas y las dependientes son categóricas -->Regresión Logística
10
• Diseños de ANOVA – Factor: cada variable predictora utilizada – Tratamientos: diferentes categorías de las variables
predictoras utilizadas • Estudios experimentales: diferentes manipulaciones
realizadas • En estudios observacionales: diferentes grupos que están
siendo comparados
– Replica: observaciones realizadas dentro de cada tratamiento
– Más comunes: • De un solo factor (de una vía, DCA) • De bloques al azar • Anidados • Factoriales (Multifactoriales)
Diseños de ANOVA de un solo
factor • Para comparar dos o mas
tratamientos o grupos. • Número de tratamientos y
repeticiones -->limitado solamente por el número de unidades experimentales disponibles.
• El análisis estadístico sencillo aún si el número de repeticiones por tratamiento es diferente.
• Problema: heterogeneidad ambiental -->Exige unidades experimentales homogéneas
11
Diseños de ANOVA de bloques al azar
• Permite el uso de unidades experimentales heterogéneas.
• Unidades experimentales que integran un bloque -->lo más homogéneas posibles (variación aleatoria) dejando la mayor heterogeneidad (variación sistemática) entre bloques.
• Bloques -->contiene una replica de cada tratamiento.
• Variabilidad entre bloques se elimina para comparar los tratamientos -->reduce error experimental.
• El análisis es sencillo si el número de repeticiones es el mismo para todos los tratamientos.
• Independencia -->espaciamiento de tratamientos dentro de cada bloque y entre bloques
Diseños de ANOVA Anidados
• Cuando hay submuestreo dentro de cada replica
• submuestras -->observaciones no-independientes – Utilizadas para mejorar la precisión de la
estimación de la respuesta en c/replica • Ventajas:
– Submuestreo incrementa la precisión de la estimación para cada replica
– Permite evaluar dos hipótesis: • Variación entre tratamientos • Variación entre replicas dentro de
tratamientos – Puede ser extendido a diseños de
muestreo jerárquicos • Potencialmente peligrosos -->si se trata
cada submuestra como una replica independiente -->Pseudorreplicación
12
Diseño de ANOVA de Factoriales (Multifactoriales)
• Estudia simultáneamente dos o más factores y los tratamientos son la combinación de los niveles de los factores.
• VENTAJAS:
– Permite estudiar los efectos principales y efectos de interacción de factores.
– Los efectos principales son evaluados sobre un amplio rango de condiciones con el mínimo de recursos.
• DESVENTAJAS: – Requiere un mayor número de
unidades experimentales que los experimentos simples
– El análisis estadístico y la interpretación es más complicado que en los experimentos simples.
– Disminución de la precisión, si no se cuenta con un buen número de repeticiones.
Diseños de Medidas Repetidas
• Cuando se tienen múltiples observaciones de la misma unidad experimental o de muestreo en tiempos diferentes → Observaciones replicadas en tiempo (replicas son temporales)
13
• VENTAJAS: – Cada replica sirve como su propio bloque o control:
Individuos → controla por tamaño, edad – Permite evaluar la interacción entre tiempo y
tratamiento
• DESVENTAJAS: – Falla para cumplir el supuesto de circularidad (la
varianza de la diferencia de observaciones entre cualquier par de tiempos es la misma) → se aumenta el error tipo I
• Utilizar grupos de unidades experimentales diferentes en cada tiempo → ANOVA de dos factores (vías)
• Calcular un solo valor para cada unidad de muestreo o experimental → ANOVA de un factor (vía)
Diseños de Medidas Repetidas
Diseño Experimental y de Muestreo
• Diseños Tabulares – Las variables predictoras y de respuesta son categóricas – Las mediciones son conteos – Variable más simple son dicótomas