CUADERNO DE PRCTICAS DE

ECOLOGA


(2 grado en Biologa)




DEPARTAMENTO ECOLOGA
UNIVERSIDAD DE ALCAL




2


3
NDICE

pgina
Mtodos de Investigacin en Ecologa ... 5
1. El mtodo cientfico en ecologa.... 7
2. Valoracin emprica de la hiptesis ...... 8
2.1. Tipos de estudio ......... 9
3. Seleccin de variables .... 9
4. Estrategia de recogida de datos ....... 10
4.1 Diseos experimentales 10
4.2 Diseo de muestreos .. 12
5. Bibliografa .... 15
6. Apendice: Ficha para guiar el diseo de un muestreo ...... 16
Mtodos de Anlisis de datos en Ecologa .... 17
1. Introduccin ...... 19
1.1 Distribuciones de datos .......... 19
2.2. Pruebas de contraste de hiptesis ...... 21
2. Asociacin entre variables cualitativas: test de la
2
.. 22
3. Tests de comparacin de dos medias .. 24
3.1 Test t de Student ............. 25
3.2 Test U de Mann-Whitney........ 26
4. Tests de comparacin de ms de dos medias 28
4.1 Anlisis de la Varianza (ANOVA) ............. 28
4.2 Anlisis de Kruskall-Wallis .................... 30
5. Asociacin entre variables cuantitativas ...... 32
5.1 Coeficientes de Correlacin: Pearson y Spearman ....... 32
5.2 Regresin ...... 35
Elaboracin de un trabajo cientfico en Ecologa ..... 37
Presentacin de los Resultados en la Memoria Cientfica 43




4



5






MTODOS DE INVESTIGACIN EN
ECOLOGA















Prcticas de Ecologa












6









7
1. EL MTODO CIENTFICO EN ECOLOGA

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

- Definicin del problema y revisin de antecedentes
- Planteamiento de hiptesis
- Valoracin emprica de la hiptesis
- Interpretacin: aceptacin o rechazo de la hiptesis

Figura 1. Las fases del mtodo cientfico en Ecologa.

Aceptamos
H
ecol

Rechazamos
H
ecol

Planteamiento del problema
Hiptesis
Antecedentes
Valoracin emprica de la hiptesis:
Diseo del estudio
Toma de datos
Anlisis de los datos
Interpretacin de los resultados:
aceptacin o rechazo de la hiptesis


8
En Ecologa la obtencin de datos empricos implica el realizar muestreos de campo o
experimentos, como muestra la Figura 1. La aceptacin final de nuestra hiptesis implicar
que nuestros resultados formarn parte de los antecedentes que otras personas habrn de
consultar. El rechazo de la hiptesis, siempre que el diseo experimental, la toma y anlisis de
datos sean correctos, implica que hay que buscar una nueva hiptesis y valorarla con un
nuevo experimento o muestreo. Esto puede dar lugar al planteamiento de nuevas y ms
interesantes hiptesis. Este es el modo en que se construye la ciencia, por ensayo y error. Hay
que subrayar que nunca se demuestra la veracidad de las hiptesis sino su falsedad, es decir,
una interpretacin o teora se mantiene hasta que se demuestra que es falsa. Por ltimo, para
que se pueda construir un cuerpo de conocimiento cada investigador debe dar a conocer sus
resultados, de donde surge el informe cientfico, con su estructura particular.


2. VALORACIN EMPRICA DE LA HIPTESIS

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

























Figura 2. Esquema detallado de la fase de valoracin emprica de la hiptesis.
Seleccin tipo de estudio
(observacional o experimental)
Estrategia de recogida
de datos
Seleccin de
variables
Eleccin tipo de
anlisis de datos
Diseo del estudio
Toma de datos
Anlisis de datos


9
2.1. Tipos de estudio

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





























Figura 3. Caractersticas de los estudios observacionales y experimentales.


3. SELECCIN DE VARIABLES

Una vez hemos decidido cul es la mejor manera de abordar nuestro problema ecolgico
(experimento o muestreo de campo), hemos de concretar qu variables hemos de considerar
para responder ms adecuadamente a nuestra pregunta. Las variables son caractersticas
observables que se desea estudiar (medir, controlar o manipular), y que pueden tomar
diferentes valores. Se pueden clasificar principalmente de dos formas:
Escaso/nulo control de los
factores ambientales
Gran control de los
factores ambientales
Permite detectar relaciones, procesos y
patrones
Posibilita estudios a mltiples escalas
espaciales
Dificulta la demostracin de relaciones causa-
efecto
Realidad a veces excesivamente compleja
Permite demostrar relaciones causa-efecto
La escala espacial de los estudios que
permite abordar es reducida
Realidad a veces excesivamente
simplificada
Experimental Observacional


10

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

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

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

VARIABLES DEFINICIN SUBTIPOS EJEMPLOS
Dicotmicas

Sexo


CUALITATIVAS

Toman valores no
numricos

No dicotmicas Raza, color de pelo
Discretas

N de descendientes
CUANTITATIVAS

Toman valores
numricos

Continuas

Peso

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


4. ESTRATEGIA DE RECOGIDA DE DATOS

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

4.1. Diseos experimentales

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


11
1. Determinar los niveles del factor que controlamos. Por ej. podemos establecer en un
cultivo tres intensidades de riego: 0.5 l/da, 2 l/da y 5 l/da, dos niveles de fertilizacin
(con/sin), cuatro niveles de temperaturas (10, 15, 20 y 25C), etc.
2. Determinar la unidad experimental bsica, que es la unidad mnima sobre la que se
aplica cada nivel de tratamiento/s. Puede ser un individuo, un grupo de individuos, una
unidad de superficie, etc.
3. Asignar un nmero de unidades experimentales a cada tratamiento. Este nmero ha de
ser manejable pero representativo. Ha de ser proporcional a la variabilidad esperada
entre unidades experimentales.
4. Establecer la distribucin el espacio de las unidades. Para ello hay tres maneras
principales.
Al azar: Las unidades experimentales se distribuyen de forma totalmente aleatoria
en el espacio disponible. Supongamos que queremos asignar a un grupo de 90
plantones de encina tres niveles de riego (los que aparecen en la figura con tres
rellenos diferentes). La unidad experimental sera cada plantn y asignaramos 30
unidades a cada nivel de riego. Este diseo resulta adecuado cuando el espacio en el
que se dispone el experimento es muy homogneo.






En bloques al azar. Las unidades experimentales se agrupan en bloques (un bloque
consta de una unidad de cada tratamiento distribuidas al azar) y los bloques se
distribuyen al azar en el espacio. En el ejemplo anterior, cada bloque constara de
tres encinas, cada una de las cuales con un nivel de riego distinto, lo que dara un
total de 30 bloques. Este diseo se utiliza cuando se sospecha que el rea
experimental no es homognea (por ej., en un invernadero las plantas situadas hacia
el sur recibirn ms luz que las situadas al norte, o puede que el sistema de riego no
nos asegure un riego homogneo en todo el invernadero). Con este diseo la
variabilidad ambiental no deseada se reparte por igual entre los tratamientos, para
evitar artefactos en los resultados. El anlisis estadstico que se aplica a este diseo
permite cuantificar la varianza entre bloques y eliminarla.
En parcelas divididas (split-plot). Este diseo se aplica cuando hay dos o ms
factores y uno de los factores no se pueden aplicar al azar, porque es necesario
aplicarlo en escalas grandes. Por ej. queremos evaluar el efecto que tiene la
eliminacin de insectos consumidores de hojas (factor 1) y la aplicacin de
fertilizante (factor 2) sobre el crecimiento de los plantones de encina. Para eliminar
los insectos debemos fumigar con un insecticida que se difunde por el aire, por
tanto no es posible aplicarlo a un plantn sin que afecte al de al lado. Por el
contrario, el fertilizante se aplica en cada maceta, por tanto s es posible aplicar un
nivel a cada encina. El diseo resultante aparece en la figura: la parcela


12
experimental se divide en dos mitades, una de ellas se fumiga y la otra no; dentro de
cada mitad se decidir al azar qu encinas son fertilizadas y qu encinas no lo son.
Este tipo de diseo tambin requiere un anlisis estadstico especfico.













4.2. Diseo de muestreos

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


13
individuo y utilizar las 100 rplicas en el anlisis. Si utilizamos los 1000 valores como
rplicas estaremos cometiendo un error de muestreo llamado pseudo-replicacin.

En resumen, al disear un muestreo debemos seguir los siguientes pasos:
1. Seleccionar las variables medir. Para realizar un adecuado diseo de muestreo, es
fundamental tener claro desde el principio cules son las variables que se van a medir,
cules son dependientes e independientes y si su naturaleza es cualitativa o
cuantitativa. El tipo de variables condiciona el tamao de la unidad de muestreo y el
nmero de repeticiones que se pueden hacer. La siguiente seccin se dedica al estudio
de las variables biticas ms frecuentemente estudiadas en ecologa.
2. Seleccin de la unidad de muestreo. Puede ser una superficie, un volumen, un
individuo, etc.
3. Nmero de unidades de muestreo que se considera necesario. Se considera un nmero
representativo de muestras cuando el valor del parmetro que se va a medir vara poco
con la adicin de nuevas muestras (Figura).
4. Cmo se distribuyen las unidades en el espacio y en su caso en el tiempo. Para ello
hay distintos mtodos. En ecologa solo utilizamos mtodos probabilsticos, es decir,
donde el principal criterio para seleccionar las muestras es el azar. En la figura 5 se
muestran los distintos tipos de muestreo:
5.
Muestreo aleatorio simple o al azar:
cada elemento de la poblacin tiene la
misma probabilidad de ser elegido. Es
apropiado en el caso de que el universo
de muestreo sea homogneo o no
tengamos informacin que indique lo
contrario. Hay varias posibilidades de
hacer esa seleccin al azar por ejemplo
se puede usar una tabla de nmeros aleatorios, o utilizar el ordenador para generar
nmeros al azar, o hacer un sorteo despus de haber numerado todos los individuos
de la poblacin.


Muestreo sistemtico o regular: las
unidades de muestreo se distribuyen a
intervalos regulares, segn un criterio
preestablecido, y generalmente a partir
0
5
10
15
20
25
30
0 10 20 30 40 50 60 70 80 90 100
Nmero de muestras
V
a
l
o
r

d
e

l
a

m
e
d
i
a
Distribucin al azar de cuadrculas de muestreo
Distribucnlel cuadrculas de muestreo


14
de un elemento elegido al azar. Este tipo de muestreo es el adecuado cuando la
presencia de un elemento afecta a alguna propiedad de inters de los elementos ms
prximos. Por ejemplo, si en un encinar queremos tomar muestras foliares de 30
rboles distintos, la probabilidad de que dos rboles muy prximos procedan de la
misma raz (sean clones idnticos) es muy elevada, por tanto conviene aplicar un
muestreo sistemtico con una distancia mnima entre rboles para asegurarnos de
medir individuos genticamente distintos (cogeramos un rbol cada 10 metros a lo
largo de 3 lneas que distan 3 metros entre s).
Un caso especial es el
transecto, que se utiliza
cuando el factor a estudiar
(variable independiente) vara
de forma gradual a lo largo
del espacio (o del tiempo). En
este caso, las muestras se han
de distribuir a lo largo de ese
gradiente de variacin, a
intervalos regulares. Por
ejemplo, si queremos saber
cmo afecta el factor altitud a
la altura mxima de los pinos
en la Sierra de Guadarrama, partire-mos del lmite inferior del bosque y tomaremos
una muestra cada 100 metros de incremento de altitud, hasta llegar al lmite
superior del bosque.

Otro caso especial son los recorridos,
muy utilizados para muestrear la fauna. Se
trata de establecer lneas que se recorren
tomando notas a intervalos de tiempo o
espacio previamente fijados.




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


Muestreo estratificado. Cada trama
representa una litologa diferente
Recorridos para fauna

1700 m
1600 m
1500 m
1200 m
1100 m
Distribucin de muestras a lo largo de un gradiente altitudinal


15


6. Organizacin de los datos. Antes de llevar a cabo el muestreo, es fundamental prever
la organizacin de los datos que se van a tomar. Para ello hay que realizar una tabla o
estadillo, que facilite la recogida eficaz de los datos. Algunos de los datos que
conviene incluir en cualquier estadillo son: la fecha y la localidad de muestreo, y el
autor de las observaciones cuando hay varias personas implicadas en el muestreo.
Normalmente las variables se colocan en columnas y las unidades de muestreo en
filas.

Tabla 1.Ejemplo de estadillo diseado para caracterizar una comunidad de invertebrados
acuticos
Autor: Fecha: Localidad:
Tempera-
tura
pH Abundancia
especie 1
Abundancia
especie 2
... ...
Unidad 1 15 7.5 1 15 - -
Unidad 2 12 7.3 3 48 - -
Unidad 3 12 7.2 8 78 - -
Unidad 4 13 8.2 4 23 - -
Unidad 5 14 6.2 7 64 - -
Unidad 6 17 6.8 2 85 - -
Unidad 7 19 5.5 12 14 - -
Unidad 8 15 7.1 8 15 - -
Unidad 9 13 7.0 9 32 - -


5. BIBLIOGRAFA

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



16
6. Ficha para guiar el diseo de un muestreo

1. Planteamiento del problema ecolgico.




2. Planteamiento de hiptesis




3. Diseo del protocolo de muestreo
- Variables (en variables cualitativas, especificar las categoras que se incluyen)

VARIABLE(S) INDEP. Cualit. o
cuantit
VARIABLE(S) DEPEND. Cualit. o
cuantit




- Unidad de muestreo. - Distribucin de las unidades de muestreo
Cuadrcula (indicar
su tamao)
Estratificado
- indicar cules son los estratos.
- indicar cmo se distribuyen las
muestras en cada estrato

Punto Sistemtico
Individuo Al azar
Otros En gradiente

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

- Mtodo estadstico que se va utilizar:

4. Dibujo del estadillo apropiado para la toma de datos.


17







MTODOS DE ANLISIS DE DATOS EN
ECOLOGA















Prcticas de Ecologa


18


19
1. INTRODUCCIN
La estadstica es una disciplina que proporciona a la Ecologa las herramientas
necesarias para el anlisis de los datos. Dado que no podemos hacer estudios en toda la
poblacin (no es posible contar todos los caros que hay en un suelo, ni es posible medir el
rea foliar de todas las hojas de los rboles de un bosque, ni medir la longitud del cuerpo de
todas las carpas que tiene un lago), la estadstica nos permite cuantificar la probabilidad de
cometer error al extrapolar los resultados obtenidos de una serie de muestras al conjunto de la
poblacin. Por tanto, la estadstica permite cuantificar el error que cometemos al aceptar
nuestros resultados obtenidos a partir de muestras (encuestas) de una poblacin
generalmente muy extensa.
Hay dos tipos de estadstica, la estadstica descriptiva, que rene un conjunto de
tcnicas que facilitan la organizacin, resumen y comunicacin de datos; y la estadstica
inferencial, que permite hacer pruebas de contraste de hiptesis.

1.1. Distribuciones de datos
Cuando tenemos una coleccin de datos como resultado de un trabajo cientfico que
hemos realizado, es importante conocer el tipo de distribucin que siguen esos datos para
poder decidir posteriormente qu herramientas estadsticas son ms adecuadas para el anlisis
de los mismos.
Los histogramas de frecuencias son una herramienta de representacin de datos que
nos permiten observar cmo se distribuyen los mismos. Estn formados por rectngulos
adyacentes que tienen por base cada uno de los intervalos de la variable medida y por altura
las frecuencias absolutas (n de veces que aparecen datos dentro de ese intervalo). La
superficie de cada rectngulo es proporcional a la frecuencia de cada una de las clases y el
rea total lo ser al nmero de individuos en la muestra. El nmero de intervalos a utilizar (k)
se puede calcular segn la regla de Sturges (1926): K = 1 + 3.322 * log (n), donde n es el
tamao de muestra.
Figura 1: Representacin grfica de la distribucin de frecuencias
de la variable longitud del ala en una poblacin de aves

Asimismo, para conocer mejor cmo se distribuyen unos datos es importante conocer
los parmetros de estadstica descriptiva, es decir, cul es valor central de los mismos y el
grado de dispersin de los datos alrededor de ese valor central:
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
3,3* 3,4* 3,5* 3,6* 3,7* 3,8* 3,9* 4,0* 4,1* 4,2* 4,3* 4,4* 4,5*
Longitud del ala (cm)
F
r
e
c
u
e
n
c
i
a


20
Medidas de tendencia central: indican alrededor de qu valores se agrupan los datos
observados. Distinguimos:
1. Media aritmtica: es el centro de gravedad de la serie de datos y se calcula como x
i
/n.
x- datos individuales.
2. Mediana: es el punto medio de una serie ordenada de datos
3. Moda: es el valor ms frecuente de la serie de datos.
Medidas de dispersin: indican si los valores de la variable estn muy dispersos o se
concentran alrededor de la medida de centralizacin. Son:
- Rango. Diferencia entre el valor mximo y el mnimo observado. Rango: x
max
-x
min

- Varianza. Expresa la dispersin de valores entorno a la media s
2
1
) (
2

=

n
x x
i

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

De entre todas las distribuciones
posibles que puedan seguir unos
datos, la distribucin normal es la
ms interesante desde el punto de
vista estadstico, pues rene unas
propiedades que han hecho posible
que a partir de ella se desarrollaran
numerosos mtodos de anlisis de
datos. En ella, los valores cercanos a
la media son los ms abundantes, y
a medida que nos alejamos de la
media, los datos presentan una
frecuencia cada vez menor. Por este
motivo, el histograma de frecuencias
adopta una forma de campana de
Gauss:
La distribucin normal posee una serie de caractersticas:
- Corresponde a variables cuantitativas continuas.
- Se caracteriza por dos medidas: media y desviacin tpica.
- Es unimodal.
- Es simtrica alrededor de la media. Por tanto, media, mediana y moda coinciden.
- Tiene forma acampanada, sin un pico excesivo.
- El rea bajo la curva = 1.
Figura 2. Representacin de la media (mean), mediana y moda en cuatro distribuciones.
Figura 2. Representacin de la media (mean), mediana y moda en cuatro distribuciones.


21
El 50% de las observaciones se encuentran por debajo de la media y el 50% por
encima.
El 68% de las observaciones se encuentran dentro del intervalo x s
El 95% de las observaciones se encuentran dentro del intervalo x 1,96 s
El 99% de las observaciones se encuentra dentro del intervalo x 2,57 s.

1.2. Pruebas de contraste de hiptesis
Se han desarrollado numerosos tests estadsticos que permiten realizar pruebas de
contraste de hiptesis a partir de la distribucin normal y la existencia de homogeneidad de
varianzas: son las pruebas paramtricas. Sin embargo, no siempre los datos que obtenemos
en un trabajo cientfico se ajustan a la estos requisitos; en esos casos recurrimos a la
estadstica no paramtrica.
La aplicacin del mtodo cientfico no nos permite demostrar la veracidad de una
hiptesis sino su falsedad, es decir, que las hiptesis ecolgicas (H
ecol
) que proponemos se dan
por vlidas siempre y cuando no se demuestre que son falsas. Por tanto hay que establecer una
hiptesis nula (H
o
), que supone la negacin de la hiptesis ecolgica. Por tanto, cuando
realizamos cualquier test estadstico de contraste de hiptesis, nuestro objetivo ser rechazar
la H
0
, lo que nos permite dar por vlida la hiptesis ecolgica.
El grado de significacin estadstica (p) es el parmetro que cuantifica el error que se
estamos cometiendo al aceptar nuestros resultados. Concretamente, lo que indica es la
probabilidad de que rechacemos la H
0
siendo cierta. Cuanto ms pequeo sea el valor de p
menor ser la probabilidad de que H
0
sea cierta, y por tanto mayor es la probabilidad de que
H
ecol
sea la correcta. Para tomar una decisin respecto a cul sea la hiptesis verdadera, el
investigador fija el nivel mximo de error que se permite al aceptar H
ecol
(). En general, se
ha fijado por convenio el umbral de p=0.05 como vlido, es decir, nos permitimos un error
mximo del 5% en nuestra afirmacin de la hiptesis ecolgica. Por tanto si p0.05,
rechazamos Ho y aceptamos Hec.
En funcin del nmero de variables implicadas en un anlisis estadstico, distinguimos
dos tipos de mtodos de anlisis de datos:
Mtodos bivariantes: Se quiere ver el efecto de una variable independiente (factor) en una
variable dependiente (respuesta).
Mtodos multivariantes: El anlisis implica manejar al mismo tiempo tres o ms variables.
Este tipo de pruebas no se incluyen en este cuaderno.
En funcin de la naturaleza de las variables, del diseo experimental y de la naturaleza
de los datos, podemos elegir entre los siguientes tipos de mtodos de anlisis bivariantes.

Se cumplen requisitos de test paramtrico?
Variable 1 Variable 2
SI NO
Cualitativa Cualitativa -
Test de la
2
(tablas de
contingencia)
2 categoras T-Student U de Mann-Whitney
Cuantitativa Cualitativa
> 2 categoras
Anlisis de la
varianza (ANOVA)
Kruskal-Wallis
Se asume que
una var. es causa
de la otra
Regresin -
Cuantitativa Cuantitativa
No se asume
relacin causa-
efecto
Correlacin de
Pearson
Correlacin de
Spearman


22
2. ASOCIACIN ENTRE VARIABLES CUALITATIVAS: TEST DE LA
2

El test de la
2
se utiliza para analizar la asociacin entre dos variables cualitativas
(por ejemplo, la presencia de una especie con el tipo de suelo, o la presencia de individuos en
estado de flor con una poca del ao, etc...). Lo que hace el test es comparar la distribucin de
frecuencias observadas de la asociacin entre las variables con la distribucin de frecuencias
esperadas en caso de que no existiera asociacin (es decir, si las dos variables cualitativas no
estn asociadas sino que se distribuyen al azar). Para analizar la asociacin entre las variables
cualitativas multiestado se utilizan las tablas de contingencia. A nivel general, este test sirve
para comparar frecuencias, por lo que puede utilizarse para verificar si una coleccin de datos
se distribuye de acuerdo a algn tipo de distribucin especfica.
2.1. Requisitos e hiptesis de trabajo
La aplicacin de este test requiere que las muestras estn tomadas al azar y que las
frecuencias esperadas sean superiores a 5. Como se trata de un test que relaciona variables
cualitativas, no hay ningn requisito acerca de la distribucin de las variables.
Las hiptesis de trabajo sern del tipo:
H
ecol
: Existe relacin entre las variables
H
0
: Las dos variables son independientes (no hay asociacin entre ellas)
2.2. Contraste de hiptesis
Se compara el valor obtenido de
2
cal
con el valor
2
crit
correspondiente al nmero de
grados de libertad apropiados y al valor de previamente seleccionado (normalmente,
=0.05 0.01):
Si
2 2
crit cal
, se rechaza la H
0
(hay asociacin entre las variables)
Si
2 2
crit cal
< , se acepta la H
0
(no hay asociacin entre las variables)
APNDICE 2.1: Procedimiento de clculo de la
2

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

Tramo Alto Tramo Medio Tramo Bajo
+
+
+
-
+
+
+
+
+
+
-
+
+
+
+
-
-
-
+
-
-
-
-
+
-
-
-
-
-
-
-
+
-
-
-
-
-
-
-
-
-
-
-
-
-



23

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

Tramo del ro
Alto Medio Bajo
+ 13 2 1
Especie A
- 2 13 14
A continuacin se calcula el estadstico
2
cal
siguiendo la siguiente frmula:

o = frecuencias observadas en el inventario
e = frecuencia esperada de una celda, suponiendo que
no hubiese asociacin
( )
2
2
( , .) gl
o e
e

N
f c
e
t t
*
=
c
t
= total de la columna donde est la celda
f
t
= total de la fila donde est la celda
N = n total de casos
gl. (grados de libertad) = (n columnas-1)*(n filas-1)

En nuestro ejemplo, el clculo del estadstico
2
cal
se hara de esta forma:
* Tramo del ro
Alto Medio Bajo Total
+ 13 (5.3) 2 (5.3) 1 (5.3) 16
Especie A
- 2 (9.7) 13 (9.7) 14 (9.7) 29
Total 15 15 15 45
* Entre parntesis aparecen las frecuencias esperadas calculadas

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

Variable 1
A B Total filas
+ (a) (b) (a+b)
Variable 2
+ (c) (d) (c+d)
Total columnas (a+c) (b+d) (a+b+c+d)
el estadstico
2
cal
se puede calcular tambin de esta forma :
Si N 30 Si N < 30 (Correccin de Yates)
) ( * ) ( * ) ( * ) (
* ) * * (
2
2
d b c a d c b a
N c b d a
cal
+ + + +

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

=


24

APNDICE 2.2. Caso prctico de la
2

Continuamos con el ejemplo que hemos empezado antes, en el que queremos estudiar si existe asociacin entre
la presencia de la especie A y el tramo del ro Henares donde esta especie vive.
Recordemos que, en nuestro caso:
H
ecol
: Existe relacin entre la presencia de la especie A y el tramo del ro
H
0
: La presencia de la especie A es independiente del tramo del ro
A partir de la tabla de contingencia elaborada en el apartado 2.2, calculamos el estadstico
2
cal
de la siguiente
forma:

( ) ( ) ( ) ( ) ( ) ( )
8 . 23
2
7 . 9
7 , 9 14
2
7 . 9
7 , 9 13
2
7 . 9
7 , 9 2
2
3 . 5
3 , 5 1
2
3 . 5
3 , 5 2
2
3 . 5
3 , 5 13
2
=

=
cal

2

crt (2 g.l., =0.05)
= 5.99
2

cal
>

2

crt
Se rechaza H
0
; por tanto, concluimos que la especie A aparece
preferentemente en los tramos altos del ro.

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

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









APNDICE 2.3. Prueba de comprobacin de varianzas iguales: F de Snedecor
Se calculan las varianzas de cada una de las dos muestras:
2
1
s y
2
2
s
Se calcula el estadstico F
cal
a partir de la siguiente frmula:
2
2
menor
mayor
cal
s
s
F =
grados libertad: n
1
-1, n
2
-1 (n
1
tamao de la muestra de varianza mayor)
H
o
: varianzas iguales. Si F
cal
F
crt
(La F
crt
se busca en las tablas, ver seccin dedicada al ANOVA), se
rechaza la H
o
, es decir, se concluye que las varianzas no son iguales.


25
Si la variable cuantitativa sigue la distribucin normal en todos los casos y las
varianzas no son significativamente distintas, se utilizar el test paramtrico: t de Student
En cualquier otro caso se realizar el test no paramtrico: U de Mann-Whitney

3.2. Test paramtrico: t de Student
Se utiliza para detectar la existencia de diferencias significativas entre las medias de
una determinada variable cuantitativa en dos grupos de datos cuando la variable cuantitativa
sigue los siguientes requisitos:
Datos distribuidos segn una distribucin normal en cada grupo
Las varianzas de las dos muestras han de ser iguales
Muestras independientes y tomadas al azar

3.2.1. Hiptesis de una o dos colas
a) HIPTESIS DE DOS COLAS:
La hiptesis ecolgica establece que existen diferencias entre las medias de los dos
grupos considerados, sin presuponer cul de las dos medias es mayor que la otra. La hiptesis
nula establece que no existen diferencias entre dichas medias.
H
ecol
:
1

2

H
0
:
1
=
2

b) HIPTESIS DE UNA COLA:
La hiptesis ecolgica establece que existen diferencias entre las medias de los grupos
considerados, presuponiendo que una de las dos medias es mayor que la otra. La hiptesis
nula establece que no existen diferencias entre dichas medias, o que las diferencias van en
sentido contrario a como han sido expresadas en la hiptesis ecolgica.
H
ecol
:
1
>
2
H
0
:
1

2

H
ecol
:
1
<
2
H
0
:
1

2


APNDICE 3.2.1. Procedimiento de clculo de la t de Student
Se calcula el estadstico t
cal
a partir de la siguiente frmula:
2 1
2 1
1 1
n n
Sc
x x
tcal
+

= donde:
2
2 1
2
2 2
2
1 1
+
+
=
n n
s n s n
Sc
n
1
y n
2
= tamaos de las muestras 1 y 2 respectivamente
1 x y 2 x = medias de las muestras 1 y 2 respectivamente
2
1
s y
2
2
s = varianzas de las muestras 1 y 2 respectivamente
A continuacin se mide la significacin del estadstico t
cal
, comparando ese valor con el valor de un
estadstico t
crit
que se obtiene mirando las tablas correspondientes. Para identificar el t
crit
que nos corresponde
hemos de fijarnos en el nmero de colas que tiene nuestra hiptesis (una cola: one-tailed; dos colas: two-tailed),


26
en el nivel de significacin () con el que pretendemos rechazar la hiptesis nula (normalmente = 0.05 0.01);
y en los grados de libertad del test (n
1
+ n
2
- 2).
- Si t
cal
t
crit
(=0.05 o inferior) se rechaza H
0
y se acepta H
ecol
(las medias son diferentes)
- Si t
cal
< t
crit
(=0.05) se acepta H
0
y se rechaza H
ecol
(las medias son iguales)

APNDICE 3.2.4. Caso Prctico de la t de Student
Queremos saber si la humedad del suelo en un determinado lugar vara en funcin de la cubierta vegetal del
mismo (tomillar o suelo desnudo), pues suponemos que la cubierta vegetal contribuye a aumentar la humedad
del suelo por disminucin de la evaporacin. Para ello se ha realizado un muestreo en el que se ha medido la
humedad de suelo (en % del volumen) en seis muestras distribuidas al azar bajo tomillares y en 8 muestras
tambin distribuidas al azar en la misma zona, pero en condiciones de suelo desnudo.
Variables:
- Cobertura de suelo (cualitativa, independiente)
- Humedad del suelo (cuantitativa, dependiente)
Hiptesis ecolgica: H
ecol
: la humedad de suelo es mayor bajo el tomillar:
tomillar
>
suelo desnudo

Se trata, por tanto, de un test de una cola.
Hiptesis nula: H
0
:
tomillar

suelo desnudo

Tras el muestreo se obtienen los siguientes datos:

Cobertura Humedad de suelo (%) n Media
2
s
tomillar 73.0 74.2 75.0 75.3 75.5 75.8 6 74.8 1.04
suelo desnudo 71.0 71.5 72.0 72.4 73.5 74.0 74.3 75.2 8 72.9 2.20

Clculo del estadstico t
cal
:
36 . 2
8
1
6
1
42 . 1
9 . 72 8 . 74
=
+

= cal t


Comprobacin de la significacin del estadstico t
cal
:

t
cal
= 2.36 > t
crt (=0.05, 12 gl, una cola)
= 1.782
Por tanto, se rechaza la H
0
, y se acepta la H
ecol
, es decir, se concluye que existen diferencias significativas en la
humedad del suelo en funcin de la cobertura vegetal, siendo mayor en condiciones de cubierta vegetal de
tomillar que en condiciones de suelo desnudo.

3.3. Test no paramtrico: U de Mann-Whitney
Compara las diferencias entre dos medianas, por lo que se basa en rangos en lugar de
en los parmetros de la muestra (media, varianza). Se emplea cuando los datos no siguen la
distribucin normal y/o la homogeneidad de varianzas, en lugar del test de la t de Student
(paramtrico).
3.3.2. Hiptesis
a) HIPTESIS DE DOS COLAS:
La hiptesis ecolgica establece que existen diferencias entre las medianas (M) de los
dos grupos considerados, sin presuponer cul de las dos medianas es mayor que la otra. La
hiptesis nula establece que no existen diferencias entre dichas medianas.
H
ecol
: M
1
M
2

H
0
: M
1
= M
2




27
b) HIPTESIS DE UNA COLA:
La hiptesis ecolgica establece que existen diferencias entre las medianas de los
grupos considerados, presuponiendo que una de las dos medianas es mayor que la otra. La
hiptesis nula establece que no existen diferencias entre dichas medianas, o que las
diferencias son en sentido contrario a lo expresado en la hiptesis ecolgica.
H
ecol
:
1
> M
2
H
0
:
1
M
2

H
ecol
:
1
< M
2
H
0
:
1
M
2


APNDICE 3.3.1. Procedimiento de clculo de la U de Mann-Whitney
Asignacin de rangos a cada dato. Para ello se ordenan todos los datos (juntando los dos grupos) en
orden creciente. El rango de cada dato ser el nmero de orden que le corresponde a cada dato. Cuando se repita
el mismo valor numrico, el rango que se asigna a esos datos es la media aritmtica de los rangos que les
corresponderan en funcin del nmero de orden que ocupan.
Se suman los rangos de cada uno de los inventarios (grupos) y se calcula la suma de los rangos de los
datos de cada uno de los grupos (R
1
y R
2
)
Se calculan los estadsticos U
1
y U
2
a partir de las siguientes frmulas:
2
2 2
1
2
) 1 (
2 1
R
n n
n n U
+
+ =
1
1 1
2
2
) 1 (
2 1
R
n n
n n U
+
+ =
Se obtiene el estadstico U
cal
escogiendo el valor ms grande entre U
1
y U
2
.
Se comprueba la significacin estadstica del estadstico U
cal
comparando este valor con el valor de
un estadstico U
crt
obtenido a partir de las tablas correspondientes.
Si U
cal
U
crt
(=0.05 o inferior) se rechaza H
0
y se acepta H
ecol
(las medianas son diferentes)
Si U
cal
< U
crt
(=0.05) se acepta H
0
y se rechaza H
ecol
(las medianas son iguales)



APNDICE 3.3.2. Caso prctico de la U de Mann-Whitney
Se quiere estudiar si el nmero de especies de caros edficos se ve influido por un incendio de baja intensidad.
Para ello se simul un incendio de baja intensidad en una parcela de un territorio homogneo, y se tomaron 6
muestras al azar de la zona incendiada y 7 muestras tambin al azar de la zona no incendiada, contndose el
nmero de especies de caros edficos en cada muestra.
Variable dependiente: nmero de especies de caros edficos (cuantitativa)
Variable independiente: ocurrencia de un incendio (cualitativa)
H
0
= La mediana del nmero de especies de caros edficos es igual en la parcela quemada que en la no
quemada: M
quemada
= M
no quemada

H
ecol
= La mediana del nmero de especies de caros edficos vara dependiendo de que se haya producido un
incendio: M
quemada
M
no quemada
. Por tanto, de acuerdo con nuestra hiptesis ecolgica, vamos a hacer un test de
dos colas.
Los datos obtenidos en el muestreo son los siguientes:

Parcela Nmero de especies de caros edficos n
quemada 6 9 12 12 15 16 6
no quemada 10 13 16 16 17 19 20 7

- Asignacin de rangos a cada dato:

dato * 6 9 10 12 12 13 15 16 16 16 17 19 20
rango 1 2 3 45 45 6 7 9 9 9 11 12 13

* en negrita los valores correspondientes al inventario de la parcela quemada
- Se suman los rangos de cada grupo: R
1
=28 R
2
=63


28
- Clculo del estadstico U
cal
:
U
1
=6x7+[(7x8)/2]-63=7
U
2
=6x7+[(6x7)/2]-28=35 U
cal

- Comprobacin de la significacin del estadstico U
cal
:
U
cal
= 35 < U
ct (=0.05)
= 36 No se rechaza la H
0
, concluimos que el nmero de especies de caros edficos no
se ve influido significativamente por la ocurrencia de un incendio de baja intensidad.
4. TESTS DE COMPARACIN DE MS DE DOS MEDIAS
Sirven para comparar las medidas de tendencia central (media o mediana) entre ms
de dos grupos de datos para determinar si existen o no diferencias entre ellos. Por tanto
relacionan una variable cualitativa de ms de dos casos (variable independiente) con otra
cuantitativa (variable dependiente). Los estados de la variable cualitativa designan dichos
grupos. Por ejemplo, habra que aplicar este test para determinar si existen diferencias
significativas en la densidad de escarabajos (variable dependiente, cuantitativa) que
encontramos en cuatro zonas que difieren en tipo de suelo (variable independiente, cualitativa,
define los grupos).
4.1. Seleccin del test
Una vez que se ha hecho el muestreo y se ha medido la variable cuantitativa en cada
uno de los grupos de la poblacin, se construye un diagrama de frecuencias (o se realiza un
test estadstico si se dispone de software apropiado) para comprobar la normalidad de la
variable cuantitativa en cada uno de los grupos. Asimismo, se realiza el test de la F de
Snedecor para comprobar la homogeneidad de las varianzas entre los distintos grupos.
Si la variable cuantitativa sigue la distribucin normal en todos los casos y las
varianzas no son significativamente distintas, se utilizar el test paramtrico: ANOVA
En cualquier otro caso se realizar el test no paramtrico: Kruskal-Wallis
4.2. Test paramtrico: Anlisis de la Varianza (ANOVA)
Se utiliza para detectar la existencia de diferencias significativas entre las medias de
una determinada variable cuantitativa en tres o ms grupos de datos.
4.2.2. Hiptesis
La hiptesis ecolgica establece que existen diferencias entre las medias de los grupos
considerados, es decir, que al menos dos de las medias sern distintas. La hiptesis nula
establece que no existen diferencias entre dichas medias.
H
ecol
: No todas las medias son iguales
H
0
:
1
=
2
= ... =
k
Si rechazamos la hiptesis nula, significa que al menos dos de los grupos difieren
entre s. Sin embargo, este test no indica qu grupos difieren o son iguales de qu grupos. Si
quisiramos conocer las diferencias entre todos los pares de grupos posibles, tendramos que
aplicar algn test "post-hoc", que no vemos en este cuaderno, pero es incorrecto aplicar varios
test de Student con este fin.

APNDICE 4.2.1. Procedimiento de clculo del ANOVA
La valoracin de las diferencias entre las medias de los distintos grupos se basa en la descomposicin de
la variabilidad total del conjunto de datos en dos trminos: variabilidad debida a las diferencias entre los grupos
(variabilidad entre grupos), y variabilidad debida al azar del muestreo (variabilidad dentro de grupos).


29



La variabilidad entre datos se puede estimar con la varianza (s
2
), y con Suma de Cuadrados (SS), que es
el cociente entre la varianza y los grados de libertad (g-l.). Por tanto:

Las diferentes sumas de cuadrados se obtienen a partir de las siguientes frmulas:
( )

=
N
x
x SS
total
2
2

( ) ( ) ( ) ( )
N
x
n
x
n
x
n
x
SS
k
k
grupos entre
2 2
2
2
2
1
2
1
...


(
(

+ + + =

x = cada uno de los datos de cada grupo
El clculo de la suma de cuadrados dentro de grupos es ms laboriosa y por ello la obtenemos
despejando de la ecuacin:


- Clculo de los grados de libertad de las sumas de cuadrados:
1 . . = N SS l g
total
1 . . = k SS l g
gupos entre
k N SS l g
grupos dentro
= . .
- Conversin de las sumas de cuadrados (SS) en varianzas:
1 . .
2

= =
k
SS
l g
SS
s
grupos entre
grupos entre
grupos entre
grupos entre

k N
SS
l g
SS
s
grupos dentro
grupos dentro
grupos dentro
grupos dentro

= =
. .
2

- Clculo del estadstico F:
2
2
grupos dentro
grupos entre
s
s
F =
Si en la poblacin de la que proceden las muestras no hay diferencias reales entre los grupos definidos
por la variable cualitativa, la varianza entre grupos ser similar a la varianza dentro de grupos (por tanto el
cociente entre ambas estar cerca de 1). En el caso de que existan diferencias reales entre los grupos (lo que
presupone la hiptesis ecolgica) la varianza entre grupos ser mayor que la varianza dentro de los grupos (el
cociente entre ambas ser mayor de 1). El estadstico que nos dice si las desviaciones respecto a ese valor de 1
son significativas es F.
El contraste de hiptesis se realiza comparando el valor de la F
cal
con el valor F
crt
obtenido a partir de la
tabla para el valor de previamente establecido (normalmente =0.05 o inferior). La bsqueda de dicha F
crt

requiere del nmero de grados de libertad del numerador y del denominador. La forma habitual de notacin que
se usa en las tablas lleva el valor de entre parntesis, y los grados de libertad del numerador y del denominador
a continuacin, en orden consecutivo y separados por comas. Por ejemplo, F
crt (0.05) 3, 22
. significa el valor del
estadstico F de las tablas para un =0.05, con 3 grados de libertad en el numerador y 22 en el denominador.
- Si F
cal
F
crt
se rechaza H
0
y se acepta H
ecol
(alguna de las medias es diferente)
- Si F
cal
< F
crt
se acepta H
0
y se rechaza H
ecol
(las medias son iguales)

APNDICE 4.2.2. Caso Prctico de ANOVA
Se quiere saber si el tipo de cobertura de suelo (suelo desnudo, piedras, hojarasca y pastizal) influye sobre la
densidad de hormigueros. Para ello se ha realizado un muestreo en el que se ha medido el nmero de
hormigueros en diez muestras distribuidas al azar dentro de cada una de las zonas con diferente cobertura.
SS
total
= SS
entre grupos
+ SS
dentro grupos

Variabilidad
total
= Variabilidad
entre grupos
+ Variabilidad
dentro grupos

grupo cada en datos de nmero ..., , , datos de total nmero grupos de nmero
2 1
= = =
k
n n n N k
grup cada en datos de nmero ..., , , datos de total nmero grupos de nmero 2 1 = = = k n n n N k grupo cada en datos de nmero ..., , , datos de total nmo grupos de nmero 2 1 = = = k n n n N k
SS
dentro grupos
= SS
total
SS
entre grupos



30
- Variables: cobertura de suelo (cualitativa, independiente) y densidad de hormigueros (cuantitativa,
dependiente)
- H
ecol
: Alguna de las medias es diferente (la cobertura de suelo influye sobre la densidad de hormigueros)
- H
0
:
suelo desnudo
=
piedras
=
hojarasca
=
pastizal

Tras el muestreo se obtienen los siguientes datos:

Cobertura Densidad de hormigueros n Media x (x)
2
x
2

suelo desnudo 78 88 87 88 83 82 81 80 80 89 10 83.6 836 698896 70036
piedras 78 78 83 81 78 81 81 82 76 76 10 79.4 794 630436 63100
hojarasca 79 73 79 75 77 78 80 78 83 84 10 78.6 786 617796 61878
pastizal 77 69 75 70 74 83 80 75 76 75 10 75.4 754 568516 57006
Total 40 3170 252020

Clculo de la suma de cuadrados total:
SS
T
= 252020 - (3170)
2
/40 = 797.5
Clculo de la variabilidad entre grupos (SS
entre grupos
):
SS
entre
= 698896/10 + 630436/10 + 617796/10 + 568516/10 - 3170
2
/40 = 341.9
Clculo de la variabilidad dentro de los grupos (SS
dentro grupos
):
SS
T
= SS
entre
+ SS
dentro
SS
dentro
= SS
total
- SS
entre
= 797.5 341.9 = 455.6
Determinar los grados de libertad de cada una de las suma de cuadrados estimadas:
SS
T
= N - 1 = 40 - 1 = 39 SS
entre grupos
= k - 1 = 4 - 1 = 3 SS
dentro grupos
= N - k = 40 - 4 = 36
Estimacin de las varianzas dividiendo las SS por los grados de libertad:
s
2
entre grupos
= 341.9/3 = 113.97 s
2
dentro grupos
= 455.6/36 12.66
Clculo del estadstico F
cal
y comparacin con el estadstico F
crt
:
F
cal
= s
2
entre grupos
/s
2
dentro grupos
=113.97/12.66 = 9.002
F
crt (0.05) 3, 36
< 2.92





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

4.3.2. Hiptesis
La hiptesis ecolgica establece que existen diferencias entre las medianas () de los
grupos considerados, es decir, que al menos dos de las medianas sern distintas. La hiptesis
nula establece que no existen diferencias entre dichas medianas.
H
ecol
: Las medianas no son todas iguales
H
0
:
1
=
2
= ... =
k


APNDICE 4.3.1. Procedimiento de clculo del test de Kruskal-Wallis
- Asignacin de rangos: se realiza exactamente igual que para la U de Mann-Whitney.
- Clculo del estadstico H:
F
cal
> F
crt
Rechazamos H
o
La abundancia de hormigueros no es la misma en
todas las zonas con distinta cobertura de suelo


31
Cuando existen rangos ligados (dos o ms nmeros con el mismo rango) se aplica un factor de
correccin, siendo H
c
el estadstico que se utiliza en lugar de H, calculado segn la siguiente expresin:
El valor crtico del estadstico calculado (H o H
c
) se consulta en la tabla de la
2
si N15, o si k > 5,
para (k-1) grados de libertad. Si N<15 y k<5 se consulta en la tabla especfica para H.
- Si H
cal
H
crt
(
2
crt
) se rechaza H
0
y se acepta H
ecol
(alguna de las medianas es diferente)
- Si H
cal
< H
crt
(
2
crt
) se acepta H
0
y se rechaza H
ecol
(las medianas son iguales)

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

Se quiere estudiar si el pH de cuatro charcas situadas sobre sustratos diferentes es distinto. Para ello se
obtuvieron 8 muestras de agua procedentes de cada una de las charcas, midindose el pH en cada una de ellas.
Los datos de pH se ordenaron de forma ascendente para cada charca. (Una muestra de agua de la charca n 3 se
perdi, de forma que n
3
=7; pero el test no requiere igualdad en el nmero de datos de cada grupo). Los rangos se
muestran entre parntesis.

Variable dependiente: pH (cuantitativa)
Variable independiente: tipo de sustrato sobre el que cada charca (cualitativa)
H
0
= el pH es el mismo en las cuatro charcas
H
ecol
= el pH no es el mismo en las cuatro charcas

Charca 1 Charca 2 Charca 3 Charca 4
7.68 (1) 7.71 (6*) 7.74 (13.5*) 7.71 (6*)
7.69 (2) 7.73 (10*) 7.75 (16) 7.71 (6*)
7.70 (3.5*) 7.74 (13.5*) 7.77 (18) 7.74 (13.5*)
7.70 (3.5*) 7.74 (13.5*) 7.78 (20*) 7.79 (22)
7.72 (8) 7.78 (20*) 7.80 (23.5*) 7.81 (26*)
7.73 (10*) 7.78 (20*) 7.81 (26*) 7.85 (29)
7.73 (10*) 7.80 (23.5*) 7.84 (28) 7.87 (30)
7.76 (17) 7.81 (26*) 7.91 (31)

n
1
=8 n
2
=8 n
3
=7 n
4
=8
R
1
=55 R
2
=132.5 R
3
=145 R
4
=163.5

* Rangos ligados













) 1 ( 3
) 1 (
12
1
2
+
+
=

=
N
n
R
N N
H
k
i
i
i
i grupo el en datos de nmero
datos de total nmero N
grupos de nmero
=
=
=
i n
k
C
H
Hc =
N N
t t
C
m
i
i i

=
3
1
3
) (
1
ligados rangos de grupos de nmero
grupo cada en ligados rangos de nmero
=
=
m
t
i


32














5. ASOCIACIN ENTRE VARIABLES CUANTITATIVAS
5.1. Coeficientes de correlacin
El coeficiente de correlacin cuantifica el grado de asociacin entre dos variables
cuantitativas. Se utiliza cuando no se asume que una variable es causa y la otra consecuencia.
Por ejemplo, si queremos saber si el peso y con la longitud del pico covaran dentro de una
poblacin de aves (no se asume una relacin de causalidad)
es el coeficiente de correlacin real que existe entre dos variables en el conjunto de
la poblacin.
r y r
s
son los coeficientes medidos sobre la muestra.
5.1.1. Rangos de variacin de los coeficientes
Los coeficientes de correlacin varan entre 1 y 1 del siguiente modo:
a) 1 > 0 : correlacin positiva.
b) 1 < 0 : correlacin negativa.
c) 0 : no hay correlacin, los valores de x e y varan de forma independiente.
Cuanto ms cerca est el coeficiente de 1 1, ms fuerte es la correlacin
31 8 7 8 8 = + + + = N
876 . 11 ) 32 ( 3
8
5 . 163
7
145
8
5 . 132
8
55
) 32 ( 31
12
) 1 ( 3
) 1 (
12
2 2 2 2
1
2
=
(
(

+ + + = +
+
=

=
N
n
R
N N
H
k
i
i
i
168 ) 3 3 ( ) 2 2 ( ) 3 3 ( ) 4 4 ( ) 3 3 ( ) 3 3 ( ) 2 2 ( ) (
3 3 3 3 3 3 3
1
3
= + + + + + + =

=
i
m
i
i
t t
7 ligados rangos de grupos de Nmero = = m
9944 . 0
29760
168
1
31 31
168
1
) (
1
3 3
1
3
= =

=
N N
t t
C
m
i
i i
943 . 11
09944
876 . 11
= = =
C
H
H
c
3 1 = = k
815 . 7
2
3 , 05 . 0
=
Se rechaza H
0
El pH no es el mismo en todas las charcas

2
crt c
cal H >


33
|
|
|

\
|
|
|

\
|

|
|
|

\
|
|
|

\
|

=


=
=
=
=
=
=
=
=
=
=
=
=
=
=
2
1 1
2
2
1 1
2
1 1 1
i n
n
i
i n
n
i
i n
n
i
i n
n
i
n i
i
n i
i
i i
n i
i
i i
y y n x x n
y x y x n
r

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

5.1.3. Seleccin del test
Para seleccionar el tipo de correlacin con el que analizaremos nuestros datos
(paramtrica o no paramtrica), seguiremos los siguientes pasos: una vez que se haya
realizado el muestreo y hayamos medido las variables x e y en la muestra, representaremos los
pares de datos en un diagrama x-y. A continuacin comprobaremos la normalidad de las
variables (construyendo el diagrama de frecuencias o utilizando un software apropiado).
Si las dos variables cuantitativas siguen una distribucin normal, utilizaremos la
correlacin de Pearson (paramtrica).
Si alguna de las dos variables cuantitativas no sigue una distribucin normal,
utilizaremos la correlacin de Spearman (no paramtrica).

APNDICE 5.2.1. Procedimiento de clculo correlacin paramtrica: r de Pearson
El clculo del ndice de correlacin de Pearson se hace a partir de la siguiente frmula:

n- n de pares de muestras
x
i
- valores de la variable x
y
i
- valores de la variable y

A continuacin, se comprueba la significacin del ndice de correlacin calculado comparndolo con el
valor de un estadstico r
crit
obtenido a partir de la tabla correspondiente, para una = 0.05 o inferior y las colas
que establezca la hiptesis.
Si r
cal
r
crit
(=0.05 o inferior) Se rechaza la hiptesis nula. Existe correlacin.

APNDICE 5.1.2 Caso prctico de r de Pearson
Un ornitlogo est interesado en conocer la longitud del pico de una poblacin de aves que estudia. Sin embargo
esa medida resulta ms costosa de tomar que el peso corporal. Por ello quiere saber si ambas variables se
correlacionan para estimar la primera a partir de la segunda.
- Variables: x- longitud del pico; y peso corporal. Ambas son cuantitativas y normales.


34
- Hiptesis de dos colas:
H
ecol
: 0 ( < 0 > 0)
H
0
: = 0
Tras tomar una muestra de 10 individuos se obtienen los siguientes datos:


Obs.
Longitud
del pico
(mm)
Peso corporal
(g)
x
2
y
2
xy
1 33.5 51 1122 2601 1708
2 38.0 59 14444 3481 2242
3 32.0 49 1024 2401 1568
4 37.5 54 1406 2916 2025
5 31.5 50 992 2500 1575
6 33.0 55 1089 3025 1815
7 31.0 48 961 2304 1488
8 36.5 53 1332 2809 1935
9 34.0 52 1156 2704 1768
10 35.0 57 1225 2349 1995
SUMA 342 528 11752 27990 18119

n = 10; r = 0.779, r
cal
= 0.779 > r
crit (0.01) n=10
= 0.765. Se rechaza H
0
y se acepta H
ecol
Por tanto, se puede concluir que existe una correlacin positiva entre el peso corporal y la longitud del pico de
esa poblacin de aves. Esto significa que los cambios en peso corporal de esas aves son un fiel reflejo de los
cambios en la longitud del pico.

APNDICE 5.1.3. Procedimiento de clculo correlacin no paramtrica: r de Spearman
Para calcular la r de Spearman hay que realizar los siguientes pasos:
- Ordenar los pares de datos en funcin del valor de x y asignar rangos a x.
- Repetir la ordenacin en funcin de y y asignar rangos a y.
- Calcular el coeficiente:
n n
d
r
n i
i
i
s

=
=
3
1
2
6
1
n = n de pares de datos
d
i
= diferencia de rangos en las variables del par i
Para comprobar la significacin estadstica del ndice de correlacin se consulta en la tabla
correspondiente el valor crtico de r
s
para n pares de datos, para p=0.05 o inferior y para el nmero de colas
acorde con la hiptesis. Si r
s

cal
r
s

crt
, se rechaza H
0
.

APNDICE 5.1.4. Caso prctico de r de Spearman
Se sospecha que la abundancia de la especie de gramnea Poa bulbosa en los pastizales mediterrneos depende
en gran medida de la humedad que hay en el suelo. Para comprobar la hiptesis se realiza un muestreo con una
cuadrcula de 20 cm de lado, que se dispone 12 veces al azar sobre la comunidad de pasto. En cada cuadrcula se
mide la cobertura de la especie y la humedad del suelo mediante un TDR.

Variables: Cobertura de la especie y humedad del suelo. Ambas son cuantitativas, y no siguen una distribucin
normal.
Hiptesis de una cola: existir una correlacin positiva entre la cobertura de Poa y la humedad.
H
ec
: > 0 H
0
: 0

Tras realizar el muestreo se obtienen los siguientes datos:


35


Obs. Cobertura Humedad Rango cob. Rango hum. d d
2

1 82 42 2 3 -1 1
2 98 46 6 4 2 4
3 87 39 5 2 3 9
4 40 37 1 1 0 0
5 116 65 10 8 2 4
6 113 88 9 11 -2 4
7 111 86 8 10 -2 4
8 83 56 3 6 -3 9
9 85 62 4 7 -3 9
10 126 92 12 12 0 0
11 106 54 7 5 2 4
12 117 81 11 9 2 4
Suma 52

82 . 0
12 12
52 6
1
3
=

=
s
r > r
s
crit (0.05) = 0.503 --> Se rechaza H
0
, hay correlacin positiva entre la
cobertura de Poa bulbosa y la humedad del suelo.

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

5.2. Regresin

La regresin se aplica cuando tenemos dos variables independientes y asumimos (en
nuestra hiptesis) que una depende de la otra. Por ejemplo, la dosis de fertilizante que se
aplica a una serie de plantas cultivadas en macetas esperamos que cause diferencias en la
altura de las plantas. La variable independiente es la dosis de fertilizante y la dependiente la
altura.
Para poder aplicar este test, la variable dependiente debe seguir una distribucin normal.
El parmetro que se calcula en regresin es el coeficiente de regresin o R
2
, que equivale al
cuadrado del coeficiente de correlacin de Pearson, y se interpreta como el porcentaje de la
varianza de la variable dependiente que explica la variable independiente. La significacin de
este coeficiente se calcula igual que el de la r de Pearson.


36




37






ELABORACIN DE UN TRABAJO
CIENTFICO EN ECOLOGA















Prcticas de Ecologa



38



39
Un trabajo cientfico se escribe para comunicar unas ideas que resultan de un proceso de
investigacin desarrollado mediante el mtodo cientfico.

ESTRUCTURA
1. Ttulo: Ha de ser breve, pero informativo. Ha de proporcionar al lector una idea del
contenido del trabajo.

2. Resumen: Ha de contener una sntesis de cada una de las partes del trabajo (problema,
objetivos, metodologa, resultados y discusin). Ha de ser muy conciso (no ms de 200
palabras).

3. Palabras clave: Al final del resumen se ponen 5 palabras que permitan al lector tener
una idea muy general de los temas que se van a tratar. Normalmente estas palabras se
utilizan para hacer bsquedas bibliogrficas automatizadas, de manera que uno puede
buscar todos los trabajos publicados que contengan una determinada palabra clave.

4. Introduccin: Debe contener la siguiente informacin
Definicin del problema. Cul es la pregunta que se intenta responder en el trabajo?
Justificar la importancia o inters de dicha pregunta.
Antecedentes sobre el tema. Qu se sabe sobre el tema? Cul va a ser nuestra
aportacin?
Objetivos. Qu experimento o muestreo vamos hacer para dar respuesta al
problema? (Comentarlo de forma breve, ya que la descripcin detallada se hace en el
apartado siguiente.
Hiptesis (si las hay) Qu resultado esperamos obtener y por qu?

5. Material y mtodos: Debe contener la siguiente informacin
Descripcin del rea de estudio si es un estudio de campo (situacin geogrfica,
clima, suelo, vegetacin...)
Variables implicadas. En un experimento controlado, condiciones en que se realiza.
Mtodo de muestreo (sectorizado, al azar o en gradiente, nmero de rplicas, fechas
de muestreo, etc).
Material utilizado (solo si se trata de aparatos especializados, es decir, no es
necesario mencionar materiales como regla, sobres, bolsas, lpiz, papel, etc).
Mtodo de anlisis elegido en funcin del tipo de variables (no hay que explicar
cmo se hace el anlisis).

6. Resultados: Debe contener la siguiente informacin
Texto con descripcin escueta de los resultados obtenidos, sin interpretarlos. Se han
de citar las tablas y figuras mediante un nmero de referencia (Tabla 1, Fig.3, etc)



40
Tablas y grficos que faciliten la visualizacin de los resultados. Estos han de llevar
una leyenda que los haga autoexplicativos, precedida de su nmero de referencia
(Tabla 2:..). Cuando desde el texto se hace referencia a una tabla siempre hay que
citar su nmero de referencia. Los datos obtenidos (medias, desviaciones tpicas,
resultados de tests) han de quedar muy claros para permitir al lector hacer su propia
interpretacin de los resultados.
No se ponen tablas de datos brutos
Los valores que han de mostrar las tablas o grficos han de ser: medias, medidas de
dispersin (varianza, desviacin tpica, lmites de confianza...) y valores de p.
No debe haber redundancia entre tablas y figuras.

7. Discusin. Debe contener la siguiente informacin
Interpretacin racional de los resultados: por qu obtenemos tales resultados? Se
ajustan a nuestras expectativas? En caso positivo explicar por qu esperbamos esos
resultados. En caso negativo buscar explicaciones alternativas. Hay que mantener
una actitud abierta a la posibilidad de rechazar nuestra hiptesis inicial.
Contraste de nuestros resultados con los obtenidos por otros autores en experiencias
similares.
La discusin ha de basarse en los resultados, en la bibliografa y en razonamientos
bien fundados. Evitar la especulacin.

8. Bibliografa:
La introduccin (en antecedentes), la discusin y, a veces, material y mtodos, han de llevar
referencias bibliogrficas (citas breves de artculos, consistentes en el apellido de los autores
si son dos, o el apellido del primero seguido de et al. si son ms de dos, y la fecha), por ej.
(Mooney et al. 1978). Al final del trabajo se expone una lista de las referencias
bibliogrficas que han sido citadas a lo largo del texto con un formato que incluya la
siguiente informacin: Autor/es, ao de publicacin, ttulo del artculo o captulo de libro,
ttulo de la revista o del libro en que se publica (en itlica, negrita o subrayado). Si es una
revista, ha de ir seguida del volumen y las pginas en que aparece el artculo. Si es un libro,
detrs del ttulo se pone el nombre de los editores del libro, la ciudad donde se ha publicado,
la editorial y las pginas en que se encuentra el captulo. Ejemplos:
Mooney, H. A., P. J. Ferrar, and Slatyer, R. O. (1978). Photosynthetic capacity and
carbon allocation patterns in diverse growth forms of Eucalyptus. Oecologia 36:
103-111. (Ejemplo de cita de un artculo de una revista).
Givnish TJ (1995). Plant stems: biomechanical adaptation for energy capture and
influence on species distributions. Plant stems: Physiology and functional
morphology. Gartner BL. San Diego, Academic Press: 3-49. (Ejemplo de cita de un
captulo de libro).







41
ESTILO
El lenguaje ha de ser sencillo, claro y conciso.
Se escribe en forma impersonal, (por ej. no se dice "realic un muestreo", si no "se
realiz un muestreo".
Hay que evitar imprecisiones del lenguaje. Las frases han de contener un mensaje
claro.
Los resultados se escriben en pasado.
El vocabulario ha de ser cientfico, no utilizar expresiones coloquiales y evitar
palabras de significado impreciso.
Los nombres cientficos se escriben en itlica. El nombre del gnero va en
maysculas y el de la especie en minsculas.
El nmero de cifras decimales ha de ser homogneo y razonable (por ej. 2-3
decimales para los valores de p).





42







43






PRESENTACIN DE LOS RESULTADOS
EN LA MEMORIA CIENTFICA















Prcticas de Ecologa




44





45
Una vez realizados los muestreos correspondientes para obtener los datos, estos se organizan en una
Base de Datos. A continuacin, se procesan estadsticamente para obtener los Resultados
Estadsticos. La informacin obtenida debe estructurarse para ser presentada a modo de Tablas y
Figuras en el apartado de Resultados de la memoria cientfica.

A continuacin se ofrecen tres casos de estudio en los que se detallan los Resultados
estadsticos a partir de los cuales se presentan los Resultados para la memoria cientfica:

Caso 1: Se estudia la influencia de la fertilizacin sobre la morfologa y fisiologa de una
planta. Las plantas se han cultivado con tres concentraciones de fertilizante: BAJO, MEDIO Y
ALTO. Las variables medidas son: ALTURA y DIMETRO de la parte area, PESO SECO de la
planta, [N], [P] y TASA DE FOTOSNTESIS

CASO 1. RESULTADOS ESTADASTICOS.

ALTURA (cm)

Anlisis de la Varianza
------------------------------------------------------------------------------
Fuente Sumas de cuad. Gl Cuadrado Medio Cociente-F P-Valor
------------------------------------------------------------------------------
Entre grupos 404.867 2 202.433 109.75 0.0000
Intra grupos 49.8 27 1.84444
------------------------------------------------------------------------------


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


DIAMETRO (mm)

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





46
Tabla de Medias para Diametro segn Nivel de fertilizacin
con 95.0 intervalos LSD
--------------------------------------------------------------------------------
Error Estndar
Nivel Frec. Media (s agrupada) Lmite inf. Lmite sup.
--------------------------------------------------------------------------------
Alto 10 4.0 0.22771 3.66962 4.33038
Bajo 10 2.4 0.22771 2.06962 2.73038
Medio 10 3.2 0.22771 2.86962 3.53038
--------------------------------------------------------------------------------


PESO SECO PLANTA (g)

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


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



CONCENTRACIN DE N (mg g
-1
)

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


Tabla de Medias para [N] segn Nivel de fertilizacin
con 95.0 intervalos LSD
--------------------------------------------------------------------------------
Error Estndar
Nivel Frec. Media (s agrupada) Lmite inf. Lmite sup.
--------------------------------------------------------------------------------
Alto 10 10.45 0.352825 9.9381 10.9619
Bajo 10 10.73 0.352825 10.2181 11.2419
Medio 10 10.25 0.352825 9.7381 10.7619
--------------------------------------------------------------------------------




47


CONCENTRACIN DE P (mg g
-1
)

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


Tabla de Medias para [P] segn Nivel de fertilizacin
con 95.0 intervalos LSD
--------------------------------------------------------------------------------
Error Estndar
Nivel Frec. Media (s agrupada) Lmite inf. Lmite sup.
--------------------------------------------------------------------------------
Alto 10 0.1055 0.00351268 0.100404 0.110596
Bajo 10 0.1043 0.00351268 0.0992036 0.109396
Medio 10 0.1031 0.00351268 0.0980036 0.108196
--------------------------------------------------------------------------------


FOTOSNTESIS ( mol m
-2
s
-1
)

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


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







48

CASO 1. RESULTADOS ELABORADOS PARA LA MEMORIA CIENTFICA.























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


Tabla 1. Valores medios ( error estndar) de diversas medidas morfomtricas y fisiolgicas
de plantas cultivadas bajo tres niveles de fertilizacin (bajo, medio, alto). Letras distintas entre
columnas indican diferencias significativas de biomasa (p<0.05) segn un ANOVA.

Bajo Medio Alto
Altura (cm) 9,60 0,34 a 12,90 0,41 b 18,50 0,52 c
Dimetro (mm) 2,40 0,16 a 3,20 0,20 b 4,00 0,60 c
N (mg g
-1
) 10,73 0,36 a 10,25 0,34 a 10,45 0,35 a
P (mg g
-1
) 0,104 0,003 a 0,103 0,003 a 0,105 0,004 a
Fotosntesis (mol m
-2
s
-1
) 8,50 0,52 a 7,80 0,51 a 8,00 0,42 a



0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
Bajo Medio Alto
Nivel de fertilizacin
P
e
s
o

s
e
c
o

p
l
a
n
t
a

(
g
)
A
B
C



49

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

CASO 2. RESULTADOS ESTADSTICOS.














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


Poblacin Precipitacin (mm) Dimetro de los conductos del
xilema (m)
1 370.7 33.21
2 452.5 31.8
3 455.1 27.8
4 587.5 34.17
5 909.8 36.76
6 731.8 35.91
7 801.4 42.82
8 891.1 39.84
9 1034 43.18
10 1093 40.31
11 1484 44.54



50

CASO 2. RESULTADOS ELABORADOS PARA LA MEMORIA CIENTFICA.




















y = 0,0137x + 26,339
R
2
= 0,73***
25
30
35
40
45
50
0 500 1000 1500 2000
Precipitacin (mm)
D
i

m
e
t
r
o

v
a
s
o
s

x
i
l
e
m
a

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



51

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


CASO 3. RESULTADOS ESTADSTICOS.

AO 1

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


Tabla de Medias para Ao 1 segn Tipo de isla
con 95.0 intervalos LSD
--------------------------------------------------------------------------------
Error Estndar
Tipo de isla Frec. Media (s agrupada) Lmite inf. Lmite sup.
--------------------------------------------------------------------------------
Grande 5 2.2 0.510405 1.4203 2.9797
Mediana 5 2.8 0.510405 2.0203 3.5797
Pequea 6 2.33333 0.465933 1.62157 3.0451
--------------------------------------------------------------------------------


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


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




52

AO 10

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


Tabla de Medias para Ao 10 segn Tipo de isla
con 95.0 intervalos LSD
--------------------------------------------------------------------------------
Error Estndar
Tipo de isla Frec. Media (s agrupada) Lmite inf. Lmite sup.
--------------------------------------------------------------------------------
Grande 5 55.4 2.14596 52.1218 58.6782
Mediana 5 43.2 2.14596 39.9218 46.4782
Pequea 6 41.6667 1.95898 38.6741 44.6592
--------------------------------------------------------------------------------


AO 20

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


Tabla de Medias para Ao 20 segn Tipo de isla
con 95.0 intervalos LSD
--------------------------------------------------------------------------------
Error Estndar
Tipo de isla Frec. Media (s agrupada) Lmite inf. Lmite sup.
--------------------------------------------------------------------------------
Grande 5 76.4 4.08229 70.1638 82.6362
Mediana 5 44.4 4.08229 38.1638 50.6362
Pequea 6 45.1667 3.72661 39.4738 50.8595
--------------------------------------------------------------------------------










53
CASO 3. RESULTADOS ELABORADOS.


















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








0
10
20
30
40
50
60
70
80
90
Ao 1 Ao 5 Ao 10 Ao 20
N

d
e

e
s
p
e
c
i
e
s
Grande
Mediana
Pequea
ns
**
***
***
a
b
b
b
b
a
b
b