Biología del gusano de alambre (Agriotes spp.) - Nasdap.ejgv ...

Biolog• a del gusano de alamBre (Agriotes spp.) en la llanada alavesa y desarrollo de estrategias de control integrado en el cultivo de la patataCuando el experimento tiene cierta estructura, por ejemplo, en un ensayo de controlcon diseño de bloques al azar, no podemos probar el ajuste de los datos brutos directamente,ya que determinados tratamientos han podido modificar, y eso es lo que se busca, losparámetros poblacionales. En este caso, se puede estudiar la distribución de los residuosdespués de aplicar el modelo lineales generalizados con diferentes distribuciones (ver 2.6.2).Se prueba si una distribución ajusta mejor que otra por cociente logarítmico deverosimilitudes (Sokal y Rohft, 1995).2.6.1.3. Ajuste de curvas de actividad a distribuciones teóricas.Un pico de actividad de un insecto en el tiempo puede modelizarse como una campanade Gauss, es decir una distribución normal. Esta distribución no tiene estructura lineal en símisma, por lo que, al igual que en el apartado 2.6.2., tenemos dos opciones de ajuste dedatos: utilizar una transformada más un modelo lineal o utilizar un modelo no lineal.La transformada logarítmica de los datos (captura de insectos, en nuestro caso) haceque la campana de Gauss se convierta en una parábola convexa (Jowett et al., 1974). Ésta semodeliza con un polinomio de segundo grado, que es un modelo lineal (figura 30).3503,0Número de insectos30025020015010050Log (número de insectos)2,52,01,51,00,500,01 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 91 94 971 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 91 94 97TiempoTiempoFigura 30: Campana de Gauss (distribución normal) y su transformada logarítmica.Cuando sólo hay un pico de actividad bien dibujado, el ajuste no lineal se realiza apartir de la media y desviación típica muestrales y se contrasta con las pruebas habituales denormalidad (pruebas de Shapiro-Wilk o de Kolmogorov-Smirnoff, véase Sokal y Rohlf,1995). Cuando se presentan dos picos de actividad, como en nuestros resultados, en laaproximación lineal hay que dividir los datos en dos series y ajustar dos parábolas ointroducir más términos en el polinomio (se puede modelizar una curva bimodal con unpolinomio de cuarto grado). La opción no lineal es el algoritmo de expectaciónmaximización(Dempster et al., 1977). Como en el caso del ajuste de la curva logística(véase 2.6.2.4. y 2.6.2.5), la bondad del ajuste de los valores aproximados iniciales dados porel experimentador.2.6.2. Modelos lineales y no lineales8467