Análisis estadístico y uso de bases de datos ! ! ! ! ! Diseños factoriales! Diseños anidados Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Análisis estadístico y uso de bases de datos ! ! ! ! ! Diseños factoriales! Diseños anidados Ejemplo: Hipótesis: La abundancia total de peces es menor en una zona rocosa colonizada por C. taxifolia que en una que no lo está. Posible diseño: Análisis estadístico y uso de bases de datos ! ! ! ! ! Diseños factoriales! Diseños anidados Ejemplo: Hipótesis: La abundancia total de peces es menor en una zona rocosa colonizada por C. taxifolia que en una que no lo está. Fuente de var. # niveles gl Hábitat h = 2 (h – 1) 1 Residual n = 9 h(n – 1) 16 Total hn – 1 17 ¿Qué ocurre si rechazo H ? ¿Y si la acepto? 0 Problema: “pseudo-replicación” (Hurlbert 1984): poner a prueba estadística los efectos de un tratamiento con un término de error experimental inapropiado para la hipótesis considerada Análisis estadístico y uso de bases de datos ! ! ! ! ! Diseños factoriales! Diseños anidados Ejemplo: Hipótesis: La abundancia total de peces es menor en una zona rocosa colonizada por C. taxifolia que en una que no lo está. Análisis estadístico y uso de bases de datos ! ! ! ! ! Diseños factoriales! Diseños anidados Ejemplo: Hipótesis: La abundancia total de peces es menor en una zona rocosa colonizada por C. taxifolia que en una que no lo está. Análisis estadístico y uso de bases de datos ! ! ! ! ! Diseños factoriales! Diseños anidados Ejemplo: Hipótesis: La abundancia total de peces es menor en una zona rocosa colonizada por C. taxifolia que en una que no lo está. Hábitat H C NC h = 2 Sitio S s= 3 S1 S2 S3 S4 S5 S6 réplicas n = 3 Análisis estadístico y uso de bases de datos ! ! ! ! ! Diseños factoriales! Diseños anidados •  Un grupo de tratamientos experimentales tiene niveles o representaciones diferentes en cada uno de los niveles de los demás tratamientos •  Los factores anidados son siempre aleatorios •  Los diseños anidados han de estar equilibrados (mismo n para cada nivel jerarquizado, mismo nº de niveles jerarquizados en cada nivel superior) Análisis estadístico y uso de bases de datos ! ! ! ! ! Diseños factoriales! Diseños anidados vs Ortogonales Diferencias:     Los  diseños  ortogonales  /enen  dos  caracterís/cas  notables:   •  Cada  nivel  de  cada  factor  ocurre  con  TODOS  los  niveles  de  los  demás  factores   •  Es  posible  examinar  la  interacción  entre  ellos     Diseños  anidados  o  jerárquicos   •  Los  niveles  de  un  factor  (B)  no  serán  idénBcos  en  todos  los  niveles  de  otro  factor  (A)   •  Los  niveles  del  factor  (B)  están  ANIDADOS  dentro  de  los  niveles  del  factor  (A)   •  Las  varianzas  incluyen  la  heterogeneidad  de  los  niveles  inferiores  junto  con  la  suya   específica Análisis estadístico y uso de bases de datos ! ! ! ! ! Diseños factoriales! Diseño anidado •  Modelo  estadísBco:   –  Los  otros    factores  pueden  ser  fijos  o  aleatorios  pero  el  anidado   es  aleatorio           y  =  µ  +  α  +  b +  c         ijk i j (i) k(j) i -ésima {fila}    i = 1,2,3,…,a   j -ésima {columna}    j = 1,2,3,…,b   repeBción      k = 1,2,3,…,r   b  es  el  efecto  del  factor  (B)  anidado  en  (A)   c  es  el  efecto  del  factor  (C)  anidado  en  (B)     Se  supone  que  son  aleatorios  e  independientes  los  efectos  a,b,c   Tabla  de  ANOVA Análisis estadístico y uso de bases de datos ! ! ! ! ! Diseños factoriales! Diseño anidado