Experimentos manipulativos y naturales Experimentos naturales Hablar de la densidad arañas y lagartos Replicación: depende de la varianza en los datos y el efecto tamaño (diferencia que deseamos detectar entre los promedios de los grupos a comparar).

Ho: No hay relación entre densidad de arañas y lagarto. H1: relación negativa entre ambas densidades

Replicación y aleatorización fundamentales es Estadística

Replicación Cantidad de réplicas depende de varianza en datos y efecto de tamaño. “Sólo diseñar experimento con cantidad de réplicas u observaciones que uno pueda colectar y con ello hacer inferencia”. OJO, NO sacar conclusiones de muestras de un sitio para validar otros sitios. Iniciar como punto de partida la REGLA DE 10. Colectar al menos 10 observaciones réplicas para cada categoría o nivel de tratamiento. Ej: un ANOVA de comparar tasas fotosintéticas de no más de 5 especies y tomo aleatoriamente 10 plantas de cada especie y mido.

Independencia Para asegurar la independencia las réplicas dentro y entre tratamientos deben estar separadas entre sí por algún espacio o tiempo para que una no afecte a la otra. No es fácil asegurar la independencia, depende del diseño.

Picaflores: a) Disposición no independiente. Picaflores entran en ambas parcelas. b) Disposición independiente. El picaflor que deja la parcela con nectar removido no necesariamente va a la parcela control.

Diseño confuso Factores se confunden con otros y por lo tanto, sus efectos no pueden ser fácilmente distinguibles. Ejem: se desea medir la preferencia de visitas de picaflores en parcelas con y remosión de néctar.

Picaflores forrajean menos en valles más fríos (6 visit/h) que en los cálidos (7 vist/h). Aunque en parcelas donde nectar es removido hay menos frecuencias. No se puede testear los efectos de preferencias de las preferencias térmicas (efectos confundidos).

Correcto. Usar principios de aleatorización y replicación, muchas réplicas en parcelas removidas y control (mínimo de 10 c/u). La localización de cada parcela será aleatoria dentro de gradiente de temp.y la asignación de tratamiento (control, removido) aleatorio.

Ojo, si replicamos pero no asignamos aleatoriamente las parcelas se produce el efecto de confusión. Debemos aleatoriazar para que dicho efecto sea removido del diseño.

Los tipos de diseños dependen de los tipos de variables

Gotelli & Ellison, 2004

Regresión con un factor o variable En estudio observacional ninguna de dos variables están manipuladas. Ejemplo: Densidad de roedores (Variable respuesta) controlada por densidad de semillas (variable predictora). muestrear 20 parcelas independientes donde c/u representa un nivel de abundancia diferente de semillas. En cada parcela se mide la densidad de semillas y de roedores.

Para una replicación e independencia de los datos adecuados debería: • Asegurar que el rango de valores muestreados para variable predictora es grande que capture rango total de respuestas para la variable respuesta.

•Asegurar que la distribución de valores predictores sean bastante uniformes dentro del rango muestreado (Puntos influenciables pueden dominar la pendiente donde no hay regresión.

Regresión múltiple •Dos o más variables predictoras contínuas son medidas para cada réplica con una única variable respuesta. •Si a disponibilidad de semillas se agrega que la densidad de roedores está controlada por cobertura vegetal (mayor cobertura menor posibilidad de depredadores voladores). •Idealmente las variables predictoras deben ser independientes entre sí. Alta correlación implica multicolinealidad y no sería posible estimar coeficientes de regresión. •Al menos debe haber 10 réplicas independientes por variable predictora

Diseño de ANAVA •Variable predictora es categórica y respuesta en contínua. •Diseños factoriales simples (un factor o variable predictora) diseños multifactoriales (más de dos factores). •Un tratamiento se refiere a una categoría de variable categórica •Cada valor del factor es un particular tratamiento se llama nivel de tratamiento. •Dentro de cada tratamiento hay observaciones y c/u es una réplica. Réplicas independientes dentro y entre tratamientos.

Combinaciones tratamientos en diseños de un factor y de dos factores. Cantidad dentro de celda es el n° réplicasTamaño total muestral: 4º parcelas en cada factor En diseño dos factores hay 16 tratamientos (4X4) y N =160 parcelas.

Diseño ANAVA en una y dos vías o uno o dos factores La cantidad en cda celda es el n° de réplicas o parcelas independientes . Una vía: N=40 parcelas en cada tratamiento. Dos vías o diseño de dos factores: 4X4= 16 tratamientos. N total o tamaño muestral total = 160 parcelas

¿Cuál es la ventaja de usar diseño factorial doble o de dos vías? A) Se lleva a testear los efectos principales (ej: efectos de nitrógeno y fósforo sobre crecimiento de platas). B) Se lleva a testear efectos de interacción (interacción entre nit. y fósforo).

•Efectos principales o marginales: efectos aditivos de cada nivel de un tratamiento promediado sobre todos los niveles de otro tratamiento. (EJ: efecto aditivo del nitrógeno representaría la respuesta de plantas a cda nivel de nit. Promediado sobre las respuestas de niveles de fósforo.

•Efectos interacción: respuesta única de un nivel particular de un tratamiento que no puede ser predicha simplemente de efectos principales. (EJ: El tratamiento con alto nivel de fósforo y nitrógeno actúan de manera distinta sobre el crecimiento (sinérgicamente o disminuyendo).

Diseño o disposición de una vía: reclutamiento de almejas en zonas intermareal. Suponer que las rocas o azulejos son idénticos en tamaño y forma pero distinto material (granito, concreto, pizarra). 10 réplicas en cada sustrato. Cada réplica en coordenadas elegidas al azar. Luego de 10 días se cuenta el reclutamiento. Datos en hoja, cada fila es una réplica (N total=30). Desventaja: el “ruido ambiental” es más fuerte que la “señal” tratamiento, el experimento puede tener bajo poder y no encontrar diferencias entre tratamientos (debería replicarse más).

Diseño de bloque aleatorio: Eficiente para controlar la heterogeneidad ambiental Un bloque es un período de tiempo o area delimitado, dentro del cual las condiciones ambientales son relativa/ homogeneas. Las 10 réplicas de cada tratamiento agrupadas en bloques (columna réplicas es reemplazada por bloque). La ubicación de bloques y tratamientos dentro de bloque es aleatoria.

Diseño anidado: Hay submuestreo dentro de cada réplica. Objetivo incrementar la precisión de la estimación para cada réplica. Se usa el promedio de submuestras como observación para cada réplica. La cantidad de réplicas no incrementó sino la cantidad de observaciones. Por ej: tres mediciones para cada uno de los 30 azulejos. Diseño anidado es jerárquico: submuestras > réplicas>zonas intermareal>costas>regiones.

Variabilidad temporal: diseño de medidas repetidas

Múltiples observaciones sobre la misma réplica a diferentes fechas. Observaciones no son independientes entre sí. Eje: 3 tratamientosX10 réplicas x 4 semanas= 120 observaciones.. Cada réplica sirve como bloque o control. Si cada réplica representa individuo se control por características o historia individual (cada uno es diferente es heterogeneo de otro). Se puede detectar interacción tratamiento y tiempo. Diferencias entre tratamientos pueden cambiar con el tiempo.