LAS PREGUNTAS

- ¿De dónde surgen las preguntas científicas? - ¿Existe un método científico?

- ¿Debemos empezar haciendo experimentos o formulando

hipótesis?

- ¿Debemos seguir aproximaciones reduccionistas u holísticas?

- ¿Es posible demostrar que nuestras hipótesis son correctas?

- ¿Es posible demostrar que una hipótesis es falsa?

- ¿Cómo se hace ciencia en la práctica?

- ¿Es necesaria una ética de la investigación científica?

- ¿Debemos financiar a aquellos grupos que ya han sido

exitosos o a los que no lo han sido, pero parecen prometedores, o a todos por igual, o al azar? ¿Qué es un programa de investigación prometedor?

- ¿Llegará un momento en el que la ciencia sea inviable o

innecesaria?

DEFINICIONES Una HIPOTESIS es una propuesta de que se admita como verdadero algo (más o menos razonable y sobre lo que parece haber un consenso), pero de forma provisional. Requiere verificación. TIPOS DE HIPOTESIS

1. Generalizaciones procedentes de la experiencia

“Tal y como está el cielo, mañana lloverá”

2. Inferencias deductivas a partir de premisas de orden superior

“Llueve en toda España, así que llueve en Valencia”

3. Postulados o suposiciones creados libremente por

nosotros con el fin de ordenar o derivar ciertos enunciados

“Que llueva en Valencia es beneficioso, por lo tanto...”

4. Intuiciones referentes a lo que parece obvio es cierto o de

lo que parece plausible de forma vaga pero insistente.

“En Valencia parece llover muy poco”

MAS DEFINICIONES Un MODELO es un sistema de representación más o menos formal y más o menos completo de la realidad. “Este modelo describe los patrones de lluvia en nuestra comunidad en el pasado año” Una LEY EMPIRICA es una regularidad más o menos invariante de ciertas propiedades o datos observados. Fue una hipótesis, pero ahora está apoyada por numerosos datos “En Valencia llueve muy poco casi siempre y exageradamente en ciertas ocasiones memorables, conocidas como “gota fría”” Una TEORIA es una ley de alto nivel: un conjunto de enunciados de los cuales se deducen leyes y se predicen observaciones o resultados. Puede contrastarse su validez no por si misma, sino a través de los enunciados y predicciones que genera. “La lluvia en Valencia viene determinada por los siguientes parámetros críticos:

- localización geográfica relativamente meridional - ausencia de montañas - Mar Mediterráneo - Choques ocasionales de masas nubosas de origen

diverso, que conduce a inestabilidad ... se deduce por lo tanto que mañana....”

DEDUCCION (Alto nivel) Hecho: Todos los seres vivos tienen DNA como material genético, salvo algunos virus, que tienen RNA. Se DEDUCE que... (Nivel inferior)

- El material genético en Homo sapiens es el DNA - El material genético en Drosophila es el DNA - El material genético en Arabidopsis es el DNA - ...

INDUCCION (Nivel inferior) - El material genético de Homo sapiens es el DNA - El material genético en Drosophila es el DNA - El material genético en Arabidopsis es el DNA - El material genético en HIV es el RNA - ... Se INDUCE que... (Alto nivel) El material genético es el DNA, salvo en algunos virus, que tienen RNA.

LO QUE DESEAMOS DE LA CIENCIA

EL IDEAL DE BACON Y DESCARTES

1. Que la Ciencia conste de verdades profundas, capaces de explicar todo lo que deseemos comprender: explicaciones últimas de las cosas. 2. Que sepamos que nos proporciona dichas verdades

3. Que las verdades sean exactas a todos los niveles, no sea

que las verdades, cuanto más profundas, sean más vagas.

4. Que las verdades de la Ciencia estén conectadas de forma estrictamente lógica unas con otras.

¿Cómo aproximarnos a dicha Ciencia ideal?

- Bacon: preguntas metódicas a la naturaleza

(observaciones o experimentos) + INDUCCION de las verdades últimas, a partir de los resultados a dichas preguntas y mediante pequeños pasos intuitivamente lógicos “que conducen a una conclusión inevitable”

- Descartes: reconocimiento de unos primeros

principios infalibles + progresión intuitiva paso a paso hacia verdades de alto nivel “que se desprenden lógicamente” de ellos (lo que él llamaba “deducción” pero que es otra vez INDUCCION)

De esta forma, progresaremos en conocimientos ciertos y, a la vez, cada vez más profundos, MEDIANTE EL METODO INDUCTIVO.

LA CRITICA POPPERIANA Karl Popper:

- La inducción no es posible, salvo en casos triviales. - Por ello, existe un conflicto entre certeza y

profundidad. Cuanto más profunda es una explicación, más nos acercamos a la conjetura (“intuición”) en lugar de a la certeza.

- Debemos abandonar la búsqueda de la certeza y

concentrarnos en encontrar explicaciones profundas, que expliquen mucho/todo lo conocido.

- Las hipótesis o teorías son siempre conjeturas, que

pueden ser refutadas, pero no apoyadas. NO HAY CERTEZA EMPIRICA.

- Debemos concentrar nuestra investigación de la

naturaleza en generar observaciones u experimentos que puedan FALSAR las hipótesis existentes.

- Se parte por ello de HIPOTESIS (de trabajo) que

conducen a PREDICCIONES (deducciones) de lo que debe suceder. Se contrastan estas predicciones con nuevos datos empíricos y se determina si la hipótesis ES FALSADA O SE CORROBORA.

- De esta forma, progresaremos en conocimientos

cada vez más profundos, si bien no necesariamente ciertos, mediante el METODO HIPOTETICO-DEDUCTIVO (fundamentalmente usado de forma negativa)

POST-POPPER

1. Thomas Kuhn y el análisis de la historia de la ciencia Según Popper, la ciencia sigue un recorrido lineal, hacia mayor profundidad, PERO LOS CIENTIFICOS NO HACEN CIENCIA DE FORMA LINEAL (análisis de casos históricos): la idea falsacionista es irreal

a) La mayor parte del tiempo, hacen “CIENCIA NORMAL”: recogen datos o discuten hipótesis dentro de un cierto marco conceptual, un conjunto de hipótesis y teorías denominado PARADIGMA.

b) Sin embargo, a veces occurre que el paradigma no

funciona correctamente: hay ANOMALIAS que no pueden explicarse.

DE HECHO TODAS LAS TEORIAS PROFUNDAS TIENEN ANOMALIAS, DE FORMA QUE SEGUN POPPER, TODAS ESTARIAN FALSADAS.

c) Los científicos que detectan las anomalías, empiezan a

experimentar con tal de demostrar que el paradigma es erróneo e intentar crear uno nuevo: REVOLUCION CIENTIFICA

Fe y consenso entre expertos es lo que mantiene vivo un paradigma. LOS HECHOS SIMPLEMENTE CREAN UN CIERTO CONSENSO (PARADIGMA), QUE ES TEMPORAL.

1962: “La estructura de las revoluciones científicas”

ALGUNOS CAMBIOS GIGANTESCOS DE PARADIGMA EN BIOLOGIA EN LOS ULTIMOS 25 AÑOS

- “DOGMA CENTRAL DE LA BIOLOGIA MOLECULAR” FLUJO UNIDIRECCIONAL DNA-RNA-PROTEINA

Radicalmente falso: descubrimiento de la Transcriptasa Inversa

- COLINEARIDAD DNA – PROTEINA A menudo falso: intrones, edición del RNA, etc. - PROTOSTOMOS-DEUTEROSTOMOS SON

ORGANISMOS QUE NO TIENEN NADA EN COMUN EN CUANTO A SU DESARROLLO

Totalmente falso: Descubrimiento primero de la Homeobox y luego de todas las semejanzas profundas en el desarrollo animal.

- LOS ORGANISMOS VIVOS SE ORGANIZAN EN

CINCO REINOS Radicalmente falso: probablemente en tres dominios, eubacteria, archaea y eucariotas (y esto aun se discute) - LOS MAMIFEROS SON ORGANISMOS

ENORMEMENTE COMPLEJOS DESDE UN PUNTO DE VISTA GENETICO: SE PREDICEN 100.000 GENES HUMANOS

Radicalmente falso. Tal vez 23000 (C. elegans tiene 19.000)

2. Imre Lakatos y los Programas de Investigación Científica.

- Las críticas de Kuhn son acertadas, pero no

destronan a Popper o al método hipotético-deductivo.

- Nos centramos demasiado en las teorías o

paradigmas, cuando lo que nos interesa son los PROGRAMAS DE INVESTIGACION CIENTIFICA

- ¿Cuándo racionalmente aceptaremos cierto

Programa de Investigación?

i. Aumento del contenido empírico: las teorías generadas explican más cosas y sobre todo GENERAN MAS PREDICCIONES ACERTADAS que las de los Programas rivales.

Por lo tanto Lakatos admite que LOS HECHOS PUEDEN APOYAR O FALSAR LOS PROGRAMAS DE INVESTIGACION.

ii. Potencia heurística: capacidad de producir un conjunto de teorías cuyo apoyo por los hechos ha ido aumentando.

Estos son criterios a posteriori, no predictivos, a no ser que aceptemos que lo que se ha dado es un indicador fiable de lo que va a ocurrir.

DISTINTAS METODOLOGIAS PROPONEN DISTINTAS REACCIONES A LAS ANOMALIAS

H1

H5 H4

NUCLEO TEORICO “FIRME” (T)

H3

H2

HIPOTESIS AUXILIARES (A)

POPPER: NO ACEPTA LA DIVISION EN T, A SI HAY ANOMALIAS, TODO SE RECHAA

KUHN: AFERRARSE A T (paradigma) MIENTRAS SEA POSIBLE RECHAZAR T, A EXCEPCIONALMENTE

LAKATOS: CONSERVAR T, MODIFICAR A

A’ DEBE TENER MAYOR CONTENIDO EMPIRICO YSER MAS POTENTE HEURISTICAMENTE QUE A

UN ANALISIS DE LA REGLA DE CHARGAFF SEGUN LA METODOLOGIA DE LOS PROGRAMAS DE INVESTIGACION CIENTIFICA DE LAKATOS HIPOTESIS I: “EL DNA TIENE UNA ESTRUCTURA DOBLE (la doble hélice), DONDE SE FORMAN PARES A-T, C-G. EL NUMERO RELATIVO DE DICHOS PARES PUEDE SER ALTAMENTE VARIABLE, Y DE EL DEPENDE LA INFORMACION GENETICA ” HIPOTESIS II: “EL DNA ES UN POLIMERO MONOTONO DE UN TETRANUCLEOTIDO A, T, C, G. NO ES POR TANTO EL MATERIAL GENETICO” Hipótesis auxiliar: “LA DETERMINACION DE LA CONCENTRACION DE A, T, C, G PUEDE ESTAR SOMETIDA A ERROR EXPERIMENTAL”

PREDICCIONES HIPOTESIS I: A = T, C = G. Proporción A-T frente a C-G puede ser variable HIPOTESIS II: A = T = C = G Ley empírica (de Chargaff): “ EN EL DNA DE NUMEROSOS ORGANISMOS, EL CONTENIDO DE CITOSINA Y GUANINA ES IDENTICO Y EL DE ADENINA Y TIMINA TAMBIEN”.

HIPOTESIS II QUEDA FALSADA Otro descubrimiento empírico: “EN OTROS ORGANISMOS (EJ. CIERTOS VIRUS) EL CONTENIDO C, G, A, T NO ESTA RELACIONADO ENTRE SI”

HIPOTESIS I QUEDA FALSADA

LA RELACiÓN ENTRE OBSERVACiÓN E HIPÓTESIS:El caso de la regla de Chargaff

.~,..- ..- u_- . ~_.-""'\-------...---.----.----.-.---.-

.. '......

... '

," .'"",

r'

Timo de buey Páncreas de Esperma Timo Levadurabuey humano

1 2 3 ' 1 2 1 2 1 2

A 0.26 0.28 0.30 0.25 0.26 0.29 0.27 0.28 0.24 0.30

G 0.21 0.24 0.22 0.20 0.21 0.18 0.17 019 0.14 0.18

e 0.16 0.18 0.17 015 0.17 0.18 0.18 0.16 0.15 0.15

T 0.25 0.24 0.25 0.24 0.24 0.31 0.30 0.28 0.25 0.29

NO PARECE HABER FORMA DE MODIFICAR LA HIPOTESIS II PARA REFORZARLA. SIN EMBARGO, EL NUCLEO FIRME DE LA HIPOTESIS I PUEDE MANTENERSE, MODIFICANDOSE SOLAMENTE LAS HIPOTESIS AUXILIARES Hipótesis auxiliar: “CIERTOS ORGANISMOS PUEDEN PRESENTAR UNA ORGANIZACION DISTINTA DEL MATERIAL GENETICO, POR EJEMPLO DNA DE CADENA SENCILLA. EN ELLOS, LA REGLA DE CHARGAFF NO SE CUMPLIRA”.

- Mayor contenido empírico: explica más casos y genera predicciones acertadas (“SI EL DNA ES DE CADENA DOBLE APLICARA LA REGLA DE CHARGAFF (C = G, A = T); SI ES DE CADENA SENCILLA, LA CONCENTRACION DE A, T, C, G PUEDE SER CUALQUIERA”)

- Potencia heurística mayor: producimos de esta

forma una serie de teorías acerca de cómo debe ser el funcionamiento del material genético en cada tipo de organismo (“LOS ORGANISMOS CON DNA DE CADENA SENCILLA SUFRIRAN MAS LOS EFECTOS DE LA MUTACION, DEBIDO A QUE NO PUEDEN RECUPERAR INFORMACION DESDE LA CADENA COMPLEMENTARIA”)

PREDICCION

“La regla de Chargaff no se cumplirá en los organismos con DNA de cadena sencilla”

Los resultados confirman la predicción

CONCLUSION

- La Hipótesis I ha conducido a un programa de investigación superior al de la Hipótesis II.

3. Paul Feyerabend y el nihilismo metodológico

a. NO EXISTE RACIONALIDAD EN CIENCIA. La

ciencia es controlada por una élite autoimpuesta que sigue normas propias. Existen muchas formas de hacer ciencia, algunas no exploradas por la presión ejercida por dicha élite

Por lo tanto, LA SERENDIPIA es crítica en el avance de la ciencia. b. NO EXISTE UNIFORMIDAD EN LA

ACTUACION DE LOS CIENTIFICOS. Sino que cada uno sigue sus propios métodos, totalmente arbitrarios.

c. NO SE PUEDEN DETERMINAR NORMAS

PARA QUE EL CIENTIFICO SEPA QUE DEBE HACER, SALVO EL SENTIDO COMUN MAS PRIMARIO.

d. NO SE PUEDE DETERMINAR QUE

PROGRAMA DE INVESTIGACION PUEDE SER EXITOSO. Un programa que ha ido progresando (según Lakatos) puede pasar a degenerar.

Lakatos es un “meta-inductivista”!!: si un programa ha tenido exito para predecir ciertas cosas, lo tendrá (INDUCCION) para predecir la siguiente.

DEDUCCION FINAL: O sea, lo mejor es financiar puramente al azar, incluyendo lo más esotérico.

A LO LARGO DE ESTE CURSO, y pese a posibles disidencias, ...

- Aceptaremos que la metodología científica debe ser racional.

Si bien lógicamente existe una gran variación en formas de hacer Ciencia, que van desde lo muy lógico a hacer experimentos al azar, aceptaremos que la aproximación racional ha sido la más constructiva

- Siguiendo a Popper, asumiremos que una

hipótesis puede considerarse parte de la Ciencia, cuando es susceptible de prueba empírica, particularmente cuando puede ser falsada (CRITERIO DE DEMARCACION)

“El DNA es el material genético” frente a “En el DNA reside el alma humana”. - Siguiendo a Popper, aceptaremos que el inductivismo es

imposible, y que debemos usar algún método hipotético-deductivo.

- Siguiendo a Kuhn y a Lakatos, aceptaremos que la

relación entre teoría y experimentación es más compleja que la señalada por Popper y que podemos FLEXIBILIZAR algunos de nuestros postulados de partida para constituir teorías científicas “menos falsas que las anteriores”

- Nos dejaremos contagiar por el pesimismo de nuestros

mayores, y asumiremos que la Ciencia PUEDE SER PROFUNDA, pero que NO HAY TEORIAS CIENTICAS “CIERTAS”

EL CRITERIO DE DEMARCACIÓN ¿Cómo distinguir lo que es ciencia de lo que no lo es? POPPER: Se consideran enunciados científicos aquéllos que pueden ser falsados

CIENCIA Enunciados falsables: “El DNA es el material genético humano” Demarcación

NO CIENCIA

• Enunciados asociados a la fe religiosa:

“Dios existe”

• Postulados éticos o morales:

“Matar es malo”

• Enunciados pseudocientíficos:

“Nuestro destino está escrito en los astros”

• Supercherías:

“Los negros juegan mejor al baloncesto porque los perseguían los leones en las praderas africanas (sic)”.

MANIPULACIONES PSEUDOCIENTÍFICAS

Tomado de “Proyección astral”. Equipo de expertos Osiris. Editorial de Vecchi (2002). Capítulo: “La proyección astral a la luz de la ciencia”

A) LA PROPIA NATURALEZA DEL FENÓMENO IMPOSIBILITA LA FALSACIÓN

“En muchas ocasiones la ciencia ha intentado comprobar, mediante la metodología usada habitualmente en el laboratorio, al existencia de una separación real entre el cuerpo astral y su equivalente físico. Sin embargo, las condiciones necesarias para el normal desarrollo del desdoblamiento no pueden darse dentro del aséptico mundo de los experimentos científicos” “El ambiente y la presión a los que se ve sometida la persona observada generan en ella un sentimiento de rechazo hacia la verificación del fenómeno, imposibilitando su realización”

B) LOS “CIENTÍFICOS” PRUEBAN LA EXISTENCIA DEL CUERPO ASTRAL (la importancia de unas correctas referencias científicas) “El primero de los investigadores que ingenió un sistema para poder pesar el cuerpo astral fue Duncan McDougall (...) McDougall colocó el cuerpo físico agonizante sobre una balanza muy precisa y efectuó, a continuación, los cálculos para determinar el peso del aire inspirado. En el instante justo del óbito comparó los pesos anterior y posterior a la muerte y les restó el aire expirado. El resultado fue extraordinario: entre uno y otro había una diferencia de dos onzas (57.4 gramos), cantidad que correspondería al peso del cuerpo astral. Los físicos holandeses Matla y Zaalberg van Zelst idearon un cilindro que colocaron encima y a lo largo del individuo moribundo (...) En este caso, el cuerpo astral dio un peso de 64.7 gramos, cifra aproximada a la obtenida por McDougall. Fue el doctor Baraduc, un investigador psíquico el siglo XIX, el primero en fotografiar un cuerpo astral. Tomó doce fotografías, una cada cuarto de hora durante tres horas, del cuerpo muerto de su hijo, y al revelarlas pudo observar como una luz surgía de su interior y se mantenía estática por encima de él durante un espacio de tiempo, para acabar desapareciendo. Un físico, el doctor Watters, experimentó sobre animales próximos a la muerte y obtuvo fotografías en las que una inconcreta forma neblinosa aparecía flotando por encima de los animales fallecidos. Desafortunadamente, estos experimentos nunca se repitieron con éxito. Pero no sólo se ha fotografiado el cuerpo astral en el momento de la separación final. También se han obtenido plasmaciones gráficas de este fotografiando a personas vivas. En estos casos, los dobles aparecen al lado o detrás de su correspondiente físico.”

C) LA RESISTENCIA DE LA MAFIA CIENTÍFICA “Estas son unas pequeñas muestras de los intentos realizados por algunos científicos para tratar de conciliar la estricta racionalidad de la ciencia oficial con los fenómenos inexplicables que se suceden a nuestro alrededor. Todavía estamos lejos del momento en el que todo lo paranormal tenga cabida en el mundo racional de lo comprobado empíricamente. ¿Se aunarán esfuerzos en un futuro próximo para conseguir la total comprensión del universo que envuelve desde su nacimiento al ser humano. O, por el contrario, ¿continuaremos aferrados a un conocimiento parcial de nuestro entorno, que nos impida avanzar hacia la perfección?”

LA CIENCIA COMO UN MÉTODO DE CICLOS

OBSERVACIONES Y PRIMEROS

EXPERIMENTOS

NUEVAS OBSERVACIONES Y

EXPERIMENTOS

ANÁLISIS EXPLORATORIOS - Figuras - Resúmenes estadísticos

HIPÓTESIS

PREDICCIONES

CONFIRMACIÓN DE LAS PREDICCIONES

NUEVO CICLO

SI

NO

PREGUNTAS

1.5. ¿DE DÓNDE PROCEDEN LAS PREGUNTAS? Podríamos considerar cuatro grandes fuentes: 1.5.1. Curiosidad.

- No relacionada con observación alguna - Deseo de saber - Capacidad de teorizar, especular, llevar a cabo

experimentos mentales

1.5.2. Erudición. Este punto tiene dos grandes vertientes: A) Conocer “el estado del tema”. Es un punto fundamental para poder partir de algo sólido, no repetir lo conocido o verificado, o plantear nuevas hipótesis. B) Detectar el grado de riesgo del proyecto (Probabilidad de éxito y las ganancias asociadas).

1.5.3. Observaciones exploratorias preliminares. Realizar experimentos prueba para sondear la cuestión que nos interesa. Ventaja: nos puede proporcionar datos importantes de cómo abordar el problema Desventaja: si la visión es demasiado superficial, nos puede llevar a engaño o desviar de la aproximación apropiada. 1.5.4. Observación casual y serendipia. Encontrar evidencias de que un problema es interesante de resolver sin proponérselo. Serendipia (“serendipity”): Obtener datos o ideas respecto de la solución de un problema, pero de forma inesperada, puesto que dicho problema no se estaba planteando en los objetivos iniciales de nuestro estudio.

OBSERVACIONES PRELIMINARES 1ª FASE: OBTENCION DE OBSERVACIONES Y NOTAS PRELIMINARES

- Serán necesarias siempre que se desconozca totalmente el proceso que se desea estudiar. En casos de disciplinas más avanzadas, esta fase ya puede haber sido superada.

- Si es posible, deberían ser fáciles de

obtener, para evitar poner mucho esfuerzo en proyectos que no conducen a nada.

- Deberían ser lo más precisas posible, si es

posible cuantitativas.

- Si es posible, deberíamos ya tener una idea preliminar del tipo de resultados que deseamos obtener, a fin de que conduzcan con más facilidad a hipótesis de trabajo preliminares de interés.

2ª FASE: ANALISIS EXPLORATORIOS

- Nuestra habilidad para poner de manifiesto qué es significativo a partir de unos datos depende mucho de cómo dichos datos se presenten.

PARA QUÉ SIRVEN LOS ANÁLISIS EXPLORATORIOS

- Ver que nuestros datos tienen cierto sentido - Detectar errores en la entrada de los datos

- Detectar patrones en los datos

- Asegurarse que las suposiciones requeridas por un

análisis más sofisticado se cumplen

- Detectar valores inusuales (“outliers”)

A CONSIDERAR:

1) PRESENTACIONES VISUALES 2) RESÚMENES ESTADÍSTICOS

ANÁLISIS EXPLORATORIOS VISUALES Representar los datos de forma que sean fáciles de comprender. Por ejemplo, histogramas o diagramas de puntos mostrando la dispersión en dos (o más) dimensiones. RAZONES POR LAS QUE ES ÚTIL REPRESENTAR LOS DATOS DE FORMA GRÁFICA

- Exploración de los datos:

• buscar datos anómalos • ver si los datos siguen una distribución

apropiada

• Presentación y comunicación de los datos, resumir información numérica

RESUMENES ESTADÍSTICOS PRELIMINARES Permiten orientarnos en dos aspectos principales:

a) Poner de manifiesto las características más interesantes de los datos

b) Presentar la variabilidad de los datos de una forma que sea manejable.

-

Di

1\.0 ~ 1-0 t'O

.~M~€>IA~.

~cc.r~eit~~t ~

n-tvAc r Jc. Je.I ~ ~ Úl.

~-"

DI ~m' J/uCtoI\J

~U'Ab~

- --

- -/1

~~

f

'1",'

&- -1,

'lIO' ~,¡

[~t~t\"O

~~MO

.~

f~

IQ'

-tl.4aO&06

EXPERIMENTO 1. Material. • Organismo: Poecilia reticulata. • Dos acuarios, albergando cada uno 8-10 individuos de un sexo. • Un tercer acuario, donde se llevarán a cabo las observaciones, con un

separador doble en el centro, uno totalmente opaco y el otro transparente. • Una pequeña red de mano. Notas.

1. Machos y hembras difieren en morfología. Los machos, de menor tamaño que las hembras, son más coloreados que ellas, con colas mayores en promedio. Las hembras, no obstante, son también vistosas.

2. No parece observarse nada especial en los acuarios que albergan los

ejemplares de cada sexo. Los peces están suspendidos en el agua o se mueven lentamente.

3. Los machos son polimórficos para el color. En algunos predomina el

rojo, en otros el amarillo, en otros el naranja, etc. También varían en la longitud relativa de la cola respecto al cuerpo.

4. Algunas hembras llegan a tener colas de longitud semejante a la de los

machos.

5. Utilizando papel milimétrico dispuesto sobre una de las paredes del acuario, podemos determinar que los machos, desde la punta de la cabeza a la punta de la cola, varían entre 28 y 36 mm. Las hembras lo hacen de 30 a 39 mm. El tamaño relativo, en porcentaje, de la cola en los machos es el siguiente: en 3 el 29%, 2 el 33%, 3 el 25% y 1 el 37%.

6. ¿Qué ocurre si se colocan juntos machos y hembras? Colocamos un

macho en un lado del acuario con el doble separador intermedio y una hembra en el otro lado. No ocurre nada aparentemente. Cuando se quita la separación opaca, el movimiento del macho pasa a ser de puramente casual a de tipo espasmódico con el cuerpo en forma de S. Las aletas se puntean por debajo y la parte trasera se extiende.

7. Las alteraciones son más manifiestas en el macho cuando la hembra se aproxima a la zona de la división.

8. El macho muestra cambios de postura 4 veces en 5 minutos. Los

colores y las marcas del macho también parecen cambiar.

9. La hembra se acerca y aleja de la divisoria 8 veces. Es decir, 8 aproximaciones en 5 minutos. Otra hembra distinta, que reemplaza a la primera, tiene 6 aproximaciones en 5 minutos.

10. Reemplazamos el macho con otro. El primero era fundamentalmente

rojo y este es amarillo. Pero se vuelve a observar un patrón similar de cambios. Postura en forma de S, movimientos espasmódicos: 6 veces en 5 minutos.

11. La hembra se aproxima 3 veces en 5 minutos.

12. Con una nueva hembra el número de aproximaciones es de 5 en 5

minutos.

13. Repetimos la experiencia, ahora con 3 parejas nuevas. Los machos responden en promedio como antes. Dos hembras tienen aproximaciones a la divisoria, pero la tercera no.

14. Ahora colocamos 5 machos frente a una sola hembra. Todos exhiben la

postura en forma de S, pero más vigorosa y aproximándose más rápidamente que antes a la división. Los machos exhiben, respectivamente, 6, 12, 11 y 9 movimientos en 5 minutos.

15. Si añadimos más hembras, los machos parecen dirigir su atención a

algunas hembras y no a otras.

EXPERIMENTO Nº. 1

- (1) Diferencias en el fenotipo de distintos individuos de una misma especie, que son sexo-específicas.

INDICACION DE FENOTIPOS RELACIONADOS CON LA RELACION DE INDIVIDUOS DEL OTRO SEXO

- (3,5) Dentro de un mismo sexo, también hay diferencias, en coloración y tamaño de la cola

INDICACION DE VARIACION ASOCIADA A LA SELECCION DE PAREJA POR PARTE DE LAS HEMBRAS

- (2, 6, 7) Modificación del comportamiento del macho al advertir la presencia de una hembra

INDICACION DE PISTAS VISUALES ASOCIADAS A LA SELECCION DE PAREJA. INDICACION DE CORTEJO POR PARTE DEL MACHO

- (8,10, 14) El comportamiento de los machos parece distinto si están solos o en grupo

INDICACION DE COMPETENCIA ENTRE MACHOS EN PRESENCIA DE HEMBRAS

- (9, 11, 12) Diferencias cuantitativas en la respuesta de las hembras a machos de distinta coloración

INDICACION DE PREFERENCIAS ASOCIADAS A LA COLORACION POR PARTE DE LAS HEMBRAS

'5

Tabla 14-4Eficiencianeta (crecimiento/alimento ingerido) dediversosanimales. Datos de autores di~ersos 30. 39, 67. 78.

79,80,129.130,137.1,58,174,195,211,m. ~4,m.

,,"',- -~ ~ .-', ... ... ..-----...-....-

Eficiencia

.. - - --

Sedimentívoros y .filtradores marinos

Thoracophelia mucronataMytilus californianus

~Adenota kob, rumianteDaphnia ¡julex, cladócero

, Larvas de lepidópteros y de coleópterosGanado vacunoSaltamontes

.F~fa!ms Q1le ~san aUZooplancton fitófagoCalanus,copépodo marinoLittorina, gasterópodoLepidópteros y coleópteros que se nutren

de semillas .PuIgonesGallinas seleccionadasPhilaenus, hemípteroPsílidos y otros insectos chupadores

OmnívorosHombrePogonomyrmex, Myrmica, hormigasGlorneris, miriápodo; oribátidosPeces (primer año, 12-,13%;, de más de 5 años, 2-3 %)Cerdos, grillos

Zoófagos,Oribátidos, ácarosInsectos depredadoresAraneus, arañaPleuronectes, platijaOpilionesParásitosPeces ictiófagosqavilán, cigüeña

. .-..----..--.--

1,1 %1-12 %3-5 %5-7 %

6,6-14,2 %

8,7-13,3 %17-26 %

11%

14%14%'14%17%20%

0,1 %1-2,6 %

4-5 %

5-6 %9-12 %

4%12,5 %

12,5-37,5 %15,2-25,8 %

20%20%

20-37,5 %22-30 %

1%3% .

FORMULACION DE HIPOTESIS 1. Transformación de los análisis exploratorios en hipótesis y predicciones 2. ipótesis nulas

EXPERIMENTO No. 5 Observación: los fitófagos que utilizan alimento muy nutritivo son más eficientes (media = 14%) que los fitófagos que no lo usan (media = 5%) Hipótesis 1: el alimento muy nutritivo mejora la eficiencia Predicción 1: si alimentamos organismos fitófagos generalistas únicamente con alimento muy nutritivo, su eficiencia mejorará Predicción 2: si alimentamos organismos especializados en un alimento muy nutritivo con un alimento parecido, pero menos nutritivo, su eficiencia disminuirá. Hipótesis nula (H0): el alimento no tiene ningún efecto, sino que la variación se debe al tipo de animal considerado en cada caso y la diferencia observada es puramente casual. Aceptar la hipótesis nula es equivalente a rechazar nuestra hipótesis, que postula un efecto. PODEMOS POR TANTO ATACAR EL PROBLEMA DESDE EL PUNTO DE VISTA DE CUANDO PODREMOS RECHAZAR LA HIPOTESIS NULA

EXPERIMENTOS A REALIZAR, DERIVADOS DE NUESTRAS HIPÓTESIS Experimento 1. Damos de comer a las gallinas seleccionadas (normalmente receptoras de alimento muy nutritivo, eficiencia 14%), una mezcla poco nutritiva. Resultados posibles (a priori) Resultado 1. No se observan cambios Este resultado está en contra de nuestra hipótesis de trabajo y de acuerdo con la hipótesis nula Resultado 2. Empeora la eficiencia Este resultado está a favor de nuestra hipótesis de trabajo y en desacuerdo con la hipótesis nula Resultado 3. Mejora la eficiencia Este resultado está en contra tanto de la hipótesis nula como de nuestra hipótesis de trabajo. QUEDA DEMOSTRADO QUE DESCARTAR (FALSAR, RECHAZAR) LA HIPOTESIS NULA NO IMPLICA NECESARIAMENTE QUE NUESTRA HIPOTESIS SEA LA CORRECTA EL EXPERIMENTO SIN EMBARGO PARECE ESTAR BIEN DISEÑADO, LOS RESULTADOS NOS DICEN MUCHO SOBRE LAS DISTINTAS HIPOTESIS

Experimento 2. Medimos la eficiencia de otros cuatro organismos, dos de ellos usan alimento muy nutritivo y otros dos no. Resultados posibles (a priori) Resultado 1. Las eficiencias de los que usan alimento muy nutritivo son altas (15%) y las de los de alimento poco nutritivo son menores (5%) Este resultado está de acuerdo con nuestra hipótesis de trabajo Este resultado ES COMPATIBLE CON LA HIPOTESIS NULA. Tal vez seguimos sesgando los organismos elegidos. Resultado 2. Las eficiencias de los que usan alimento muy nutritivo son altas (15%), las de los de poco nutritivo son también altas (15%) Este resultado no está de acuerdo con nuestra hipótesis, PERO ES COMPATIBLE CON ELLA: podemos haber tomado organismos que están en el máximo de la distribución entre los que se alimentan con comida poco nutritiva Este resultado está de acuerdo con la hipótesis nula

Resultado 3. La eficiencia de los que usan alimento poco nutritivo es alta (15%), y la de los que usan alimento muy nutritivo es inferior (5%) Este resultado PUEDE SER COMPATIBLE CON NUESTRA HIPOTESIS Y CON LA HIPOTESIS NULA, dado que podemos estar viendo extremos de una distribución. Resultado 4. Grandes variaciones, especie-específicas y aparentemente no relacionadas con el alimento COMPATIBLE CON CUALQUIER HIPOTESIS

CONCLUSION PARTICULAR El experimento está mal diseñado. No es realmente informativo. La acumulación de datos de este estilo solamente será útil si controlamos todos los factores implicados (ej. tipo de animal incluido en ambas clases) y además obtenemos una tendencia muy acusada, que se mantiene al obtener un gran número de resultados. CONCLUSIONES GENERALES La estrategia de DISEÑO de los experimentos es crítica Los experimentos deben ser diseñados para debilitar las hipótesis alternativas a la nuestra, como por ejemplo, una hipótesis nula. Cuanto más capaz sea un experimento de discriminar entre hipótesis, mejor diseñado está. Debemos por lo tanto centrarnos en PREDICCIONES CONTRADICTORIAS deducidas de las distintas hipótesis Debemos concentrarnos en generar una metodología que permita demostrar que una hipótesis debe rechazarse de acuerdo con los resultados de uno o varios experimentos.

r

g

iS

le

E

, II

I!

I

F

G

EXPERIMENTO 8: LAS CARAS DE LOMBROSO

- Esta figura muestra el frontispicio del libro de Cesare Lombroso “El hombre criminal” (1876)

- Lombroso defendía la existencia de caracteres

cualitativos anatómicos que caracterizaban a los criminales y lunáticos.

- Grupos

A: dedicados al pequeño hurto en tiendas B, C, D, F: timadores E: asesinos alemanes G: declaran ruina de sus negocios fraudulentamente. H: ladrones de bolsos I: ladrones de casas ¿Pueden los datos brutos ser de naturaleza tal que no permitan hipótesis de trabajo adecuadas?:

o sesgo por prejuicios del experimentador o datos de tan baja calidad que no permitan

análisis aceptables.

2.3.3 Diferencias y tendencias ¿Existen características comunes respecto a las predicciones que podemos hacer a partir de nuestras hipótesis?

- Podemos predecir DIFERENCIAS entre dos o más grupos de medidas

- Podemos predecir TENDENCIAS al considerar

cómo se relacionan dos o más variables

EJEMPLOS Experimento Nº.5 Predicción 1: si alimentamos organismos fitófagos generalistas únicamente con alimento muy nutritivo, su eficiencia mejorará ESTA PLANTEADA COMO DIFERENCIA: la eficiencia media de estos organismos será significativamente mayor si los alimentamos con comida muy nutritiva que si lo hacemos con comida normal. Predicción 2: existe una relación directa entre lo nutritivo que es un alimento y la eficiencia de los individuos ESTA PLANTEADA COMO TENDENCIA: las variables “calidad nutritiva” y “eficiencia” varían en común, de tal manera que un aumento en la primera condiciona un aumento en la segunda.

RESUMEN DE LA SECCION “Las preguntas en la investigación biológica” (una caracterización sencilla del método científico)

1. Las observaciones preliminares pueden ser críticas para el desarrollo de hipótesis de trabajo. En especial cuanto menos información poseamos, más importantes serán. En campos maduros, podemos recurrir a observaciones y resultados ya generados por otras personas

2. Los prejuicios o la baja calidad de las observaciones de

partida pueden crear hipótesis de trabajo completamente absurdas. La utilización del método científico partiendo de tales hipótesis puede llevar a conclusiones dramáticamente erróneas.

3. Cuanto más precisas, cuantitativas, sean nuestras

observaciones, más sencillo o incluso posible será analizarlas en profundidad.

4. Los análisis exploratorios visuales, mediados por diagramas

sencillos, pueden ser muy útiles para ordenar los datos de forma comprensible

5. El resumen de los datos de forma estadísticamente

manejable (ejemplo: medias, varianzas) es muy útil para su estudio preciso

6. Tanto los análisis visuales como los resúmenes estadísticos

iniciales contribuyen a que podamos establecer hipótesis de trabajo (favorecen la emergencia de ideas coherentes).

7. Debemos tener claro que formular una hipótesis de trabajo es equivalente a oponerla a una o varias hipótesis alternativas (entre las que destacan las hipótesis nulas)

8. De las hipótesis generadas se pueden deducir predicciones.

9. A partir de las predicciones, se pueden diseñar

experimentos

10. Los experimentos estarán bien diseñados cuando contribuyan a la determinación de que una o varias hipótesis entre las alternativas existentes no son correctas (falsación)

11. Los experimentos no estarán bien diseñados cuando no

permitan discriminar entre hipótesis alternativas, cualquiera que sea el resultado

12. Esto quiere decir que el diseño correcto de los

experimentos es crítico

13. A pesar de su tremenda variedad, las predicciones son de dos tipos: de diferencias y de tendencias. Las predicciones de diferencias aplican a características de los datos, las de tendencias, a relaciones entre variables.

14. Necesitamos una metodología para establecer de forma

rigurosa cúando se ha falsado una hipótesis

ANÁLI Objetiv

• Co • De

da

• Co

3.1.1. Laestadísti La figurde tratamconcretael tanto

% hoja

SIS CONFIRMATORIO

os

nsiderar el tipo de datos obtenidos o que se desea obtener

terminar el tipo de análisis que puede aplicarse a dichos tos

nocer la mecánica asociada a cada tipo de análisis

necesidad de reglas en el análisis confirmatorio: significación ca.

a siguientes muestra el resultado obtenido en un experimento iento con un fungicida en un cultivo de patatas,

mente la relación que hay entre concentración de fungicida y por ciento de hojas que muestran infección por hongos.

10 6 8420

80

60

40

20

0

s infectadas

Concentración de fungicida

3.3. PRUEBAS DE SIGNIFICACIÓN TIPOS DE PRUEBAS DE SIGNIFICACION Los tests que vamos a realizar:

• Dependen del tipo de datos • Dependen del tamaño muestral

• Dependen del parámetro que deseamos estudiar (ej. medias,

varianzas, etc)

• Dependen cómo se distribuyen los datos (ej. normalmente o no)

1. TIPOS DE MEDIDAS

a) Medida nominal, clasificatoria o categórica Las observaciones se asignan a categorías concretas,

mutuamente excluyentes. Por ejemplo, macho/hembra, maduro/inmaduro, amarillo/rojo/azul/verde, etc.

b) Medidas de orden o rango.

Se trata de medidas dando rangos o intervalos arbitrarios

en una escala. Por ejemplo, el grado de rojo de un pájaro puede variar de 1 (rosa débil) a 10 (rojo profundo). No se supone que la cantidad de la propiedad medida crece con el intervalo o de forma proporcional a él. Así, puede darse mayor diferencia de “rojez” entre 8 y 9 que entre 2 y 3. Eso sí, 9 es más rojo que 8 y 3 que 2.

c) Medidas (contínuas) de intervalo constante.

En este caso los intervalos de la escala guardan

proporciones. Así, la diferencia en la escala entre 8 y 9 es la misma que entre 2 y 3. Las escalas pueden ser arbitrarias (por ejemplo, la temperatura) o reales (tiempo, longitud, masa, etc.)

NOTA: Es importante conocer la naturaleza de la

medida, porque el tipo de prueba variará según ella.

2. Características de las hipótesis nulas e hipótesis alternativas - La hipótesis nula (H0) debe ser completamente específica y exacta respecto a lo que se va a comparar EJEMPLO: “las medias son iguales”, pero no “la media del grupo A es mayor que la del grupo B”.

- Pero H0 puede ser no específica respecto a otras características

EJEMPLO: “la distribución de datos en la población 1 es igual a la de la población 2”. No se especifican valores para las medias o varianzas, la forma de la distribución, etc., simplemente, deben ser iguales para las dos poblaciones

- Las hipótesis alternativas se suelen referir a desviaciones de lo esperado de acuerdo con la H0.

3. Estadísticos (estadígrafos) de test

Una función que deriva de los datos de la muestra y que va a ser utilizado para un test de significación. EJEMPLO: Para comparar medias de dos poblaciones, podemos usar el estadístico T = x 1 – x 2

4. La lógica de los test de significación

- Observamos un valor del estadístico

Tobs = x 1 – x 2

- Asumimos que la hipótesis nula es cierta

H0: x 1 = x 2 T = 0

- Determinamos la probabilidad de que nos encontremos por azar con un valor del estadístico que sea tan o más extremo que el que hemos observado, dada dicha hipótesis nula.

p (T (H0)) ≥ Tobs

- A esta probabilidad la llamamos p

- Si p es muy baja: rechazamos la hipótesis nula

El valor de p que consideramos “muy bajo” es lo que conocemos como NIVEL O UMBRAL DE SIGNIFICACION. En Biología, a menudo, se estandariza al 5%.

5. Categorias convencionales de los valores de p

p > 0.10 Consistencia razonable con la hipótesis nula. No significativo (n. s.)

0.05 < p ≤ 0.10 Significativo al 10% (“marginalmente significativo”)

Ligera evidencia contra la hipótesis nula Se suele escribir p < 0.10.

0.01 < p ≤ 0.05 Significativo al 5%

Evidencia moderada contra la hipótesis nula (p < 0.05, *)

0.001 < p ≤ 0.01 Significativo al 1%

Fuerte evidencia contra la hipótesis nula (p < 0.01, **)

p ≤ 0.001 Significativo al 0.1% Evidencia muy fuerte contra la hipótesis

nula (p<0.001, ***)

Hay que pensar que el umbral del 5% supone una probabilidad entre 20 (= 1/0.05) de rechazar incorrectamente la hipótesis nula, o aceptar falsamente (FALSOS POSITIVOS) que hay una diferencia o tendencia significativa. Hay disciplinas que consideran mucho riesgo el 1 en 20 de rechazo falso de la hipótesis nula y pasan al umbral del 1%, en cuyo caso el riesgo es menor, de 1 en 100. Pero hay otras que utilizan el umbral del 10%, con mayor riesgo (1 de 10).

NIVEL DE SIGNIFICACIÓN Y MAGNITUD (TAMAÑO) DEL EFECTO Un nivel de significación alto no indica una gran magnitud o tamaño del efecto (magnitud de la diferencia o tendencia). La figura siguiente lo muestra claramente. Se trata de dos tendencias:

50 BA 50

10

20

30

4040

30

20

10

20 40 60 80 100 20 40 60 80 100

La primera (A) muestra una tendencia clara, variando positivamente con las x. La segunda (B) es mucho más dispersa y no parece tan clara la tendencia. Un test (prueba) de significación dice que la tendencia en la Figura A no es significativa, ni siquiera al 10%, mientras que la de la Fig. B lo es incluso al 1%. El factor crítico es el tamaño de la muestra. Así como la significación no dice nada de la magnitud de la diferencia o tendencia, éstas, junto con el tamaño de la muestra, determinan la significación. SIN EMBARGO, EL QUE EL NIVEL DE SIGNIFICACION NO NOS DE UNA IDEA DE LA MAGNITUD DEL EFECTO, IMPLICA QUE DEBEMOS MOSTRAR (DE FORMA COMPACTA EJ. MEDIAS + S. E. M.) LOS DATOS PARA QUE DICHA MSE APRECIE

AGNITUD

TIPOS DE PRUEBAS DE SIGNIFICACION Los tests que vamos a realizar:

• Dependen del tipo de datos • Dependen del tamaño muestral

• Dependen del parámetro que deseamos estudiar (ej. medias,

varianzas, etc)

• Dependen de la distribución de los datos: PRUEBAS PARAMÉTRICAS Y NO PARAMÉTRICAS

PRUEBAS PARAMETRICAS

• Solamente se pueden utilizar si los datos tienen ciertas propiedades, entre las que destaca el que se distribuyan normalmente. Cuanto más se alejan los datos de tal distribución, menos garantías tenemos de aplicar una prueba paramétrica con resultados válidos

• Normalmente se aplican a datos de intervalo constante

Frecuencia

en la población Media

Tamaño de la medida

PRUEBAS NO PARAMETRICAS

• No necesitan asumir o conocer la distribución de los datos (ej. no asumen normalidad)

• Pueden emplearse con datos de clasificación (recuento),

de orden o rango o de intervalo constante.

• Son apropiadas para tamaños de muestra pequeños

• Pero tienen menos potencia que las pruebas paramétricas para rechazar correctamente la hipótesis nula.

• El número de pruebas no paramétricas disponibles

cuando trabajamos con varias variables es menor que el de pruebas paramétricas.

TIPOS DE ERROR

(1) Error de tipo 1 (falsos positivos): cuando se declara que hay una diferencia significativa, pero resulta que la hipótesis nula es correcta. Es equivalente al nivel de significación.

(2) Error de tipo 2 (falsos negativos): cuando no se

declara que existe una diferencia significativa, a pesar de que la hipótesis nula es falsa. Es equivalente a 1- (poder del test). Este error es distinto por tanto para cada hipótesis alternativa.

ROBUSTEZ DE UN TEST La capacidad de producir resultados correctos a pesar de que existan desviaciones de algunos de las suposiciones de partida. Por ejemplo: se asume normalidad. Si hacemos un test de comparación de medias, ¿cómo se verá afectado el test si los datos no se distribuyen normalmente?.

HIPOTESIS ALTERNATIVAS Y PODER DEL TEST • Hemos dicho que la hipótesis nula debe ser

perfectamente definida y precisa, pero no así las hipótesis alternativas

• Por ejemplo, la hipótesis nula puede ser “las dos

medias no son diferentes” y la alternativa “las dos medias son diferentes”.

• Esto es equivalente a múltiples hipótesis alternativas

• Es evidente que nuestra capacidad para distinguir que

la hipótesis nula es falsa dependerá de la diferencia existente entre la hipótesis nula y cada hipótesis alternativa. Si la hipótesis alternativa es muy próxima a la nula, será muy difícil discriminar entre ambas.

• PODER DEL TEST: se define como la

probabilidad de establecer un resultado significativo cuando una de las hipótesis alternativas es cierta

• Si la hipótesis alternativa es casi igual que la nula:

el poder del test será aproximadamente el nivel de significación.

• Cuando sea muy distinta de la nula, será mucho

mayor la probabilidad de discriminar, y así será mucho mayor el poder del test.

TESTS DE UNA COLA Y TEST DE DOS COLAS EJEMPLO 1. Supongamos que estudiamos la tasa de crecimiento de un cultivo bacteriano en dos medios. Podemos comparar estos dos predicciones de diferencias: a) Predecir que existirá una diferencia entre los dos, sin especificar cuál tendrá mayor o menor tasa de crecimiento. Se trata de una predicción general. b) Predecir que uno crecerá más rápidamente que el otro, indicando cuál. Es una predicción específica. Especifica la dirección en la que se va a producir la diferencia. EJEMPLO 2. Queremos saber si hay una tendencia entre el tamaño del grillo y el número de luchas que gana en un día. a) Podemos predecir que existirá una tendencia (positiva o negativa). b) Podemos predecir más específicamente que a mayor tamaño del macho mayor número de luchas ganadas: tendencia positiva. ¿Cuáles serán los umbrales de significación a considerar? -Como la general implica efectos en dos direcciones, su umbral será del 5%. -Como la especificar implica efecto en una sola dirección, su umbral será del 10%. Esto es lo que se conoce como pruebas de dos y de una cola, respectivamente.

NOTA: UNA TRAMPA EN LA QUE NO SE DEBE CAER Si no se tiene significación con el test (prueba) general, al 5%, se aplica el específico, al 10%, porque así se aumenta la probabilidad de rechazar la hipótesis nula. ESTO ES TOTALMENTE INCORRECTO El test de una cola es legítimo cuando la predicción se hace antes de rechazar la prueba o de obtener el resultado. Una vez obtenido el resultado y comprobado que no es significativo, no se puede aplicar el test de una cola. Para situaciones semejantes, existen otros tests a posteriori.

ALGUNOS PROCEDIMIENTOS QUE VAMOS A

CONSIDERAR EN DETALLE

1. TESTS QUE APLICAN A DIFERENCIAS

1. 1 Entre dos grupos

1.1.1 Ji-cuadrado

1.1.2 t de Student

1.1.3 U de Mann-Whitney

1.2 Entre más de dos grupos

1.2.1 Ji-cuadrado A x B

1.2.2 Análisis de varianza de un solo factor

1.2.3 Análisis de varianza de dos factores

1.2.4 Test de Kruskal-Wallis

2. TESTS QUE APLICAN A TENDENCIAS

2.1 Coeficiente de correlación

2.2 Coeficiente de correlación de rangos de Spearman

2.3 Regresión linal

2.4 Relaciones complejas entre variables y “modelling”