Principios de estadística univariada aplicados a la ecología del paisaje

Resumen

• La estadística provee herramientas para cuantificar y disminuir la incertidumbre debida a dos aspectos fundamentales de la realidad: (a) la variabilidad de las características estudiadas y (b) la existencia de información incompleta
• Antes de comenzar un experimento el investigador tiene posibles respuestas a las preguntas planteadas en esos experimentos, es decir tiene una idea sobre cómo funciona la realidad (hipótesis de investigación). Las hipótesis son afirmaciones sobre la realidad que sólo pueden verificarse a partir de sus consecuencias (predicciones).
• Los resultados de un experimento están afectados no tan solo por los tratamientos que aplicamos, sino también por causas múltiples no controladas que pueden encubrir sus efectos 
• Las diferencias entre las unidades experimentales que recibieron el mismo tratamiento se denominan errores experimentales. Sin repeticiones no se puede estimar el error experimental 
• Una prueba de hipótesis estadística es una técnica que se utiliza para decidir si se acepta que el valor de un parámetro es igual, mayor o menor a una cantidad dada. Estas propuestas sobre el valor de los parámetros se denominan Hipótesis estadísticas.
• Una hipótesis estadística puede ser verdadera o falsa. Cuando se acepta una hipótesis nula verdadera o rechazamos una hipótesis nula falsa, estamos tomando la decisión correcta. Al rechazar una hipótesis nula verdadera cometemos un Error de tipo I o α. Al aceptar una hipótesis nula falsa, cometemos un error tipo II o β. El complemento de β es la potencia, es decir la probabilidad de tomar la decisión correcta.
• Cuando la pregunta se refiere a diferencias entre las medias de dos grupos de datos (dos tratamientos) aplicamos un test de t. Se distinguen dos situaciones: test t para muestras dependientes (apareadas), o para muestras independientes. En ambos casos se utiliza a t como estadístico, se calculan las diferencias de medias y las varianzas (para la diferencia, en el primer caso, y la varianza amalgamada en el segundo caso).
• El análisis de varianza (ANOVA) se usa para comparar las medias entre dos o más grupos (tratamientos). La hipótesis nula del ANOVA es que las poblaciones que se comparan tienen las mismas medias. En este test se consideran dos tipos de variación: dentro y entre los tratamientos. El estadístico F del ANOVA se basa en la relación entre estas dos fuentes de variación.
• Cuando nos interesa conocer la relación entre dos variables y encontrar una función que la describa usamos un análisis de regresión o un análisis de correlación. En el primer caso se distinguen claramente una variable independiente o predictora, y una variable dependiente o de respuesta. En el análisis de correlación se estudia la relación entre dos variables, sin que se pueda identificar un efecto de una sobre la otra. El coeficiente de determinación (R ) nos indica el grado en el que la recta de regresión se ajusta a nuestros datos..